KI-Sichtbarkeit-Audit

Ein KI-Sichtbarkeit-Audit ist ein wiederholbarer Prozess, der eine Marke anhand von Prompts mit Kaufabsicht über ChatGPT, Claude, Gemini, Perplexity und Grok testet und dann Erwähnungsrate, Position, Share of Voice, Sentiment und Zitatquellen misst. Freelancer und Agenturen führen es von Hand in einer Tabelle durch, oder erzeugen dieselbe Ausgabe automatisch mit einem $19-Report in rund zwei Minuten.

Gemessen und gepflegt von AI Visibility Snapshot · Zuletzt aktualisiert am 20. August 2026

Was ein KI-Sichtbarkeit-Audit ist

Ein KI-Sichtbarkeit-Audit misst, wie oft, wo und wie wohlwollend eine Marke erwähnt wird, wenn KI-Assistenten Kaufanfragen in ihrer Kategorie beantworten. Es ist das KI-Search-Äquivalent eines SEO-Audits: Statt Suchrankings zu prüfen, prüfen Sie, was ChatGPT, Claude, Gemini, Perplexity und Grok tatsächlich sagen, wenn ein potenzieller Käufer nach einer Empfehlung fragt.

Was ein Kunde tatsächlich will, ist kein roher Haufen Chat-Protokolle. Es ist eine Erwähnungsrate, eine Rangliste, wer sie schlägt, und eine kurze Liste, was dagegen zu tun ist. Alles Folgende ist der Prozess, um von den Prompts zu diesem Ergebnis zu kommen.

Der Audit-Workflow, Schritt für Schritt

Kategorie definieren. Schreiben Sie die genaue Kategorie auf, in der der Kunde antritt, in den Worten, die ein Käufer verwenden würde, nicht im internen Jargon.
Prompt-Set erstellen. Entwerfen Sie Prompts über die fünf unten stehenden Typen mit Kaufabsicht, unter Verwendung der Kategorie und der bekannten Wettbewerber des Kunden.
Engines wählen. Entscheiden Sie, welche von ChatGPT, Claude, Gemini, Perplexity und Grok einbezogen werden; decken Sie alle fünf ab, wenn die Käufer des Kunden plausibel jede davon nutzen könnten.
Anzahl der Durchläufe festlegen. Legen Sie fest, wie oft jeder Prompt pro Engine läuft; mehr als ein Durchlauf pro Prompt erfasst die Variation zwischen identischen Fragen.
Rohantworten festhalten. Protokollieren Sie jede Antwort vollständig und wortgetreu, bevor Sie mit der Bewertung beginnen.
Markenerwähnungen extrahieren. Gehen Sie jede Antwort durch und markieren Sie, ob die Marke des Kunden vorkommt, und wo.
Metriken berechnen. Wandeln Sie die markierten Antworten in Erwähnungsrate, durchschnittliche Position, Share of Voice und Sentiment um.
Zitatquellen identifizieren. Notieren Sie, welche Domains die Engines beim Antworten zitieren oder heranziehen.
Erkenntnisse in Empfehlungen umwandeln. Wandeln Sie die gefundenen Lücken in konkrete Maßnahmen um.
Dem Kunden präsentieren. Verpacken Sie die Zahlen, die Rangliste und die Empfehlungen so, dass ein technisch nicht versierter Stakeholder danach handeln kann.

Die Taxonomie der Prompts mit Kaufabsicht

Ein Prompt-Set aus nur einem Fragetyp erzeugt ein verzerrtes Audit. Nutzen Sie alle fünf Typen, damit das Audit die unterschiedlichen Momente widerspiegelt, in denen ein Käufer tatsächlich eine KI um Hilfe bittet.

Prompt-Typ	Beispiel	Was es zeigt
Kategorie-Bestenliste	`Was sind die besten [Kategorie]-Tools 2026?`	Ob die Marke ins Standard-Consideration-Set kommt
Anwendungsfall	`Ich brauche Software, um [konkrete Aufgabe]. Was empfehlen Sie?`	Ob die Marke bei den Aufgaben gewinnt, für die Käufer die Kategorie tatsächlich einsetzen
Vergleich	`Vergleichen Sie [Marke] mit [Wettbewerber] für [Anwendungsfall].`	Wie die Marke im direkten Vergleich mit einem namentlich genannten Rivalen abschneidet
Alternativen zum Wettbewerber	`Was sind gute Alternativen zu [Wettbewerber]?`	Ob die Marke Wechselabsicht vom Marktführer für sich gewinnt
Preis oder Gratisstufe	`Was ist ein gutes kostenloses oder günstiges [Kategorie]-Tool?`	Ob budgetbewusste Käufer den Namen der Marke überhaupt hören

Schreiben Sie zwei bis drei Prompts pro Typ und setzen Sie die echte Kategorie und die namentlich genannten Wettbewerber des Kunden ein. Zehn Prompts über die fünf Typen sind ein praktikables Minimum für ein Audit in einer Kategorie.

Engines und Anzahl der Durchläufe wählen

Decken Sie alle fünf großen Engines ab, wenn das Budget es zulässt. Engines widersprechen sich stärker, als die meisten Kunden erwarten: Eine Marke, gemessen über dieselben sieben Prompts, erreichte 29 % Erwähnungsrate bei Gemini, 43 % bei ChatGPT und Grok, 57 % bei Perplexity und 71 % bei Claude – alles am selben Tag. Ein Audit, das nur ChatGPT geprüft hätte, hätte eine völlig andere Geschichte erzählt als eines, das nur Claude geprüft hätte.

Die Anzahl der Durchläufe zählt genauso viel wie die Anzahl der Engines. KI-Antworten sind nicht deterministisch, sodass derselbe Prompt auf derselben Engine die Marke im einen Durchlauf erwähnen und im nächsten weglassen kann. Ein einzelner Durchlauf pro Prompt ist eine Momentaufnahme; zwei oder mehr Durchläufe pro Prompt beginnen, wie eine Messung auszusehen.

Antworten festhalten und Erwähnungen extrahieren

Fügen Sie jeden Prompt für jede Engine und jeden Durchlauf in einen neuen, leeren Chat ein, damit Chat-Verlauf oder Memory die Antwort nicht zugunsten früher in der Sitzung besprochener Marken verzerrt. Speichern Sie den vollständigen Text jeder Antwort, bevor Sie mit der Bewertung beginnen; Sie werden einzelne Antworten noch einmal prüfen wollen, sobald Sie mit dem Aufbau der Rangliste beginnen.

Markieren Sie für jede Antwort: Wurde die Marke des Kunden genannt (ja oder nein), an welcher Position in der Liste, und welche anderen Marken wurden in welcher Reihenfolge genannt. Das ist die Rohtabelle, aus der jede nachgelagerte Metrik berechnet wird.

Metriken berechnen

Berechnen Sie aus den markierten Antworten vier Zahlen pro Engine und insgesamt:

Erwähnungsrate — der Anteil der Prompt-Durchläufe, in denen die Marke überhaupt genannt wurde.
Durchschnittliche Position — der durchschnittliche Rang der Marke innerhalb der Antworten, in denen sie vorkam; eine Marke, die in jeder Antwort zuletzt genannt wird, hat ein echtes Sichtbarkeitsproblem, selbst wenn die Erwähnungsrate gut aussieht.
Share of Voice — die Erwähnungen der Marke als Prozentsatz aller Markenerwähnungen über alle Antworten hinweg; das zeigt, wie viel vom Gespräch sie tatsächlich für sich beansprucht, im Vergleich zu den Wettbewerbern.
Sentiment — ob jede Erwähnung neutral, wohlwollend oder zweischneidig war, abgelesen am tatsächlichen Satz, den die Engine geschrieben hat.

Bauen Sie die Wettbewerber-Rangliste aus derselben Rohtabelle: Zählen Sie jeden Wettbewerbernamen, der über alle Antworten hinweg auftauchte, und ordnen Sie sie nach Erwähnungsanzahl und Share of Voice.

Zitatquellen identifizieren

Manche Engines zeigen ihre Arbeit. Perplexity listet Quelllinks unter jeder Antwort auf, und ChatGPTs Antworten mit aktivierter Websuche zitieren Seiten direkt; notieren Sie jede Domain, die auftaucht. Für ein breiteres Bild davon, aus welchen Domains eine Engine für eine Kategorie tendenziell schöpft, kann ein Drittanbieter-Datensatz zu KI-Erwähnungen zeigen, welche Seiten für Käuferfragen in diesem Bereich am häufigsten zitiert oder herangezogen werden – nützlicher Kontext über das hinaus, was Sie aus einer Handvoll manueller Durchläufe beobachten können.

Diese Liste ist für einen Kunden oft der am besten umsetzbare Teil des Audits, weil sie genau zeigt, auf welchen Publikationen, Bewertungsseiten oder Community-Seiten er präsent sein muss, um zu beeinflussen, was die Engines sagen.

Erkenntnisse in Empfehlungen umwandeln

Wandeln Sie jede Lücke in eine konkrete Maßnahme um, nicht in eine allgemeine Beobachtung. Ist die Erwähnungsrate der Marke bei Vergleichs-Prompts niedrig, ist die Lösung eine Vergleichsseite, die auf die Wettbewerber zielt, die sie ständig schlagen. Ist das Sentiment überall neutral, ist die Lösung Content, der einen klaren Unterschied benennt, den eine Engine zitieren kann. Taucht eine Zitatquelle immer wieder auf und die Marke ist dort nicht präsent, ist die Lösung, dort gelistet oder besprochen zu werden. Fünf bis acht Empfehlungen, jede an eine konkrete Metrik oder Lücke geknüpft, reichen einem Kunden zum Handeln, ohne ihn zu überfordern.

Das Audit einem Kunden präsentieren

Beginnen Sie mit den Kennzahlen: Gesamt-Erwähnungsrate, Position und Share of Voice, dann die Aufschlüsselung pro Engine, damit der Kunde sieht, wo die Spanne wirklich liegt. Danach folgt die Wettbewerber-Rangliste, denn die macht das Problem meist erst greifbar. Schließen Sie mit den Zitatquellen und den Empfehlungen, in dieser Reihenfolge, damit das Letzte, was der Kunde liest, ist, was als Nächstes zu tun ist.

Von Hand machen oder automatisieren

Alles oben Genannte lässt sich von Hand mit fünf Browser-Tabs und einer Tabelle durchführen, und ein kompetenter Freelancer kann so ein echtes Audit liefern. Es dauert Stunden: die Prompts schreiben, sie über fünf Engines laufen lassen, jede Antwort protokollieren und die Metriken selbst berechnen.

Der AI Visibility Snapshot-Report führt genau diesen Workflow aus, 10 Prompts mit Kaufabsicht über ChatGPT, Claude, Gemini, Perplexity und Grok, 50 Antworten, in rund zwei Minuten, für $19. Er ist White-Label, sodass Sie den Namen eines Kunden in die „Erstellt für“-Kopfzeile setzen und einen dauerhaften Link übergeben können, und er enthält dieselbe Erwähnungsrate, Position, Share of Voice, Sentiment, Wettbewerber-Rangliste und Zitatquellen-Aufschlüsselung, die in diesem Leitfaden beschrieben sind. Sehen Sie sich an, wie die Ausgabe aussieht, im Beispielreport, prüfen Sie Ihre eigenen Zahlen zuerst mit dem kostenlosen KI-Sichtbarkeit-Checker, und lesen Sie die vollständigen Metrikdefinitionen in der Methodik.

Häufig gestellte Fragen

Was ist ein KI-Sichtbarkeit-Audit?

Ein KI-Sichtbarkeit-Audit ist ein strukturierter Prozess, um zu messen, wie oft und wie wohlwollend KI-Assistenten eine Marke erwähnen, wenn sie Käuferfragen in ihrer Kategorie beantworten. Dazu gehört, einen Satz von Prompts mit Kaufabsicht zu erstellen, sie über mehrere Engines laufen zu lassen und die rohen Antworten in Metriken wie Erwähnungsrate, Position und Share of Voice zu überführen. Agenturen liefern es meist als Kundenreport mit angehängten Empfehlungen.

Wie unterscheidet sich ein KI-Sichtbarkeit-Audit von generative engine optimization?

Das Audit ist der Messschritt; generative engine optimization ist die Reihe von Maßnahmen, die danach ergriffen werden, um den Score zu verbessern. Ein Audit ohne Folgearbeit liefert nur eine Zahl, und Optimierungsarbeit ohne Audit hat keine Baseline, um zu zeigen, ob sie gewirkt hat. Die Taktiken, die auf ein Audit folgen, finden Sie im Leitfaden zu generative engine optimization.

Wie viele Prompts und Durchläufe braucht ein sauberes KI-Sichtbarkeit-Audit?

Ein einzelner Prompt auf einer einzelnen Engine reicht nicht, weil KI-Antworten zwischen identischen Durchläufen variieren. Eine gemessene Marke erreichte über dieselben sieben Prompts 29 % bei Gemini, aber 71 % bei Claude – am selben Tag. Ein belastbares Audit deckt alle fünf Typen von Prompts mit Kaufabsicht über jede für den Kunden relevante Engine ab, wo möglich mit mehr als einem Durchlauf pro Prompt.

Welche Tools brauche ich, um ein KI-Sichtbarkeit-Audit von Hand durchzuführen?

Nichts außer Zugang zu ChatGPT, Claude, Gemini, Perplexity und Grok sowie einer Tabelle, um jede Antwort zu protokollieren. Die Arbeit ist manuell: Fügen Sie jeden Prompt in jede Engine ein, erfassen Sie, ob die Marke erwähnt wurde, an welcher Position und welche Wettbewerber genannt wurden, und fassen Sie die Ergebnisse dann zu den in diesem Leitfaden beschriebenen Metriken zusammen.

Kann ich ein KI-Sichtbarkeit-Audit automatisieren, statt es von Hand zu machen?

Ja. Der $19-Report von AI Visibility Snapshot führt denselben Prozess automatisch aus – 10 Prompts mit Kaufabsicht über alle fünf Engines, 50 Antworten, in rund zwei Minuten – und liefert einen White-Label-Report, den ein Freelancer oder eine Agentur unter eigenem Namen an einen Kunden ausliefern kann. Er folgt demselben Workflow, der in diesem Leitfaden beschrieben wird.