Wie wird AI Visibility gemessen? Methodik erklärt

AI Visibility wird auf zwei grundlegend verschiedene Arten gemessen, und die meisten Tools machen nur eine davon. Den Unterschied zu verstehen ist wichtig, denn ein guter Score garantiert kein echtes Zitat — und ein echtes Zitat heute garantiert keines im nächsten Monat.

Methode 1: Prädiktives Scoring

Ein prädiktiver Score prüft die konkreten, strukturellen Signale, die ein Produkt für ein KI-System leicht erfassbar und vertrauenswürdig machen — ohne irgendein KI-Modell etwas zu fragen. Das macht Krawflys AI Visibility Score, aufgeteilt in fünf gewichtete Kategorien:

Signal	Was geprüft wird
Strukturierte Daten	Vorhandensein und Korrektheit von JSON-LD Product, Organization, BreadcrumbList
Content-Bereitschaft	Titel, Meta-Beschreibung, Überschriften, Bild-Alt-Text, Beschreibungstiefe
Zitationssignale	Vorhandensein und Qualität von llms.txt, Sitemap-Struktur, Schema-Abdeckung
Crawler-Zugänglichkeit	Ob GPTBot, ClaudeBot, PerplexityBot in robots.txt erlaubt sind
Sprache & Aktualität	Canonical-Tags, Hreflang, Content-Konsistenz

Diese Methode ist schnell (Sekunden), kostenlos und hängt nicht davon ab, welche KI-Modelle gerade verfügbar oder rate-limitiert sind, wenn Sie prüfen. Ihre Grenze: Sie sagt voraus, ob ein KI-Assistent Ihren Inhalt sicher nutzen kann, nicht ob er es aktuell tut, in einer Live-Antwort.

Vollständige Aufschlüsselung der Score-Bereiche und ihrer Bedeutung in Was ist ein AI Visibility Score?

Methode 2: Empirisches Zitat-Monitoring

Die zweite Methode stellt echten KI-Systemen echte, für Ihre Produkte relevante Fragen und prüft, ob Ihr Shop in der Antwort erwähnt wird — ChatGPT, Perplexity, Gemini und ähnliche Assistenten, jeweils unabhängig mit realistischen Einkaufs-Prompts befragt.

Das ist eine Ground-Truth-Messung: Sie sagt Sichtbarkeit nicht voraus, sie beobachtet sie direkt. Sie erfasst auch Dinge, die ein struktureller Score nicht kann — den Effekt von Markenautorität, die Content-Qualität der Konkurrenz, und wie sich das Trainings- und Retrieval-Verhalten jedes KI-Modells über die Zeit ändert.

Der Kompromiss: Es ist langsamer, muss nach Zeitplan laufen (nicht einmalig), und die Ergebnisse können zwischen Prüfungen variieren, weil sich die KI-Modelle selbst ändern. Das behandelt AI Visibility Monitoring ausführlicher.

Warum sich Ergebnisse je Engine unterscheiden

ChatGPT, Perplexity, Gemini und Google AI Overview verhalten sich nicht identisch, und keine der beiden Methoden behandelt sie als austauschbar:

• Retrieval-Ansatz — manche Systeme durchsuchen bei jeder Anfrage das Live-Web, andere verlassen sich mehr auf Trainingsdaten des Modells, wieder andere mischen beides
• Aktualität — manche re-indexieren häufig, andere hinken hinterher
• Antwortformat — ein System, das 3 Optionen listet, verhält sich anders als eines, das eine einzige Empfehlung gibt

Ein Produkt kann strukturell gut abschneiden und trotzdem uneinheitlich über Engines hinweg zitiert werden — genau deshalb berichten beide Methoden eine Aufschlüsselung je Engine statt einer einzigen kombinierten Zahl.

Warum Sie beides brauchen

Nur Score: Sie würden wissen, dass Ihr Shop technisch bereit ist, aber nicht, ob sich diese Bereitschaft in tatsächlichen Erwähnungen niederschlägt.

Nur Monitoring: Sie würden wissen, ob Sie aktuell zitiert werden, aber nicht warum, oder was zu beheben ist, wenn nicht — eine Zitationslücke ohne Diagnose ist schwer zu bearbeiten.

Zusammen: Der Score sagt Ihnen, was zu beheben ist, und gibt Ihnen einen schnellen, wiederholbaren Weg, Fortschritt zu überprüfen; Monitoring sagt Ihnen, ob die Korrekturen in der realen Welt tatsächlich wirken, und meldet, wenn sich etwas ändert — ein Konkurrent, der seinen Content verbessert, ein KI-Modell-Update, ein Produkt, das ausverkauft ist.

Wie oft sollten Sie messen?

• Score: nach jeder bedeutenden Änderung — neue Produkte, Theme-Update, Schema-Änderung, robots.txt-Bearbeitung
• Monitoring: nach einem laufenden Zeitplan, da sich KI-Modelle und Konkurrenz-Content unabhängig davon ändern, was Sie tun

Krawfly führt beides automatisch für verbundene Shops aus, scannt den Katalog und verfolgt echte Zitate über die Zeit, statt eines von beidem als einmalige Prüfung zu behandeln. Siehe AI Visibility für Shopify oder prüfen Sie die Pläne.

Häufig gestellte Fragen

Welche Methode ist genauer? Keine ist “genauer” — sie messen unterschiedliche Dinge. Der Score sagt Bereitschaft voraus; Monitoring beobachtet tatsächliche Ergebnisse. Nutzen Sie den Score, um Probleme zu beheben, Monitoring, um zu bestätigen, dass es etwas gebracht hat.

Kann ein Shop einen hohen Score, aber null echte Zitate haben? Ja, besonders in umkämpften Kategorien, wo Bereitschaft notwendig, aber nicht ausreichend ist — Content-Qualität, Markenautorität und Konkurrenzstärke spielen ebenfalls eine Rolle, sobald die technische Basis erfüllt ist.

Können Zitate ohne einen hohen Score passieren? Gelegentlich, besonders bei bekannten Marken, über die ein KI-Modell bereits solide Trainingsdaten hat — aber das ist nicht zuverlässig oder etwas, das Sie direkt beeinflussen können, weshalb die strukturellen Signale trotzdem zählen.

Wie unterscheidet sich das vom Rank-Tracking im SEO? Rank-Tracking geht von einer einzigen geordneten Liste und einer Positionsnummer aus. AI-Visibility-Monitoring prüft ein quasi-binäres Ergebnis pro Frage — zitiert oder nicht — über mehrere unabhängige Systeme, die sich eher wie separate Kanäle als wie Positionen auf einer Liste verhalten.