Hast du schon mal deinen eigenen Firmennamen bei ChatGPT eingetippt? So „Was haltet ihr eigentlich von XY?”
Ich schon. Und die Antwort kam spürbar kühler, als ich gehofft hatte. Das hat mich ehrlich eine Weile beschäftigt.
In so einem Moment will man den Screenshot sofort ins Team kippen. „Guckt mal, so sieht die KI uns.”
Nur: Aus diesem einen Bild lässt sich in Wahrheit fast nichts ableiten. Fast nichts.
Es gibt inzwischen eine Auswertung, die die Sichtbarkeit von Marken in der KI-Suche über 100.000 Antworten hinweg gemessen hat. Und da zeigt sich: Ob dein Name fällt und wie über dich geredet wird, sind zwei völlig unterschiedlich stabile Dinge. Schauen wir uns das mal an, bis hin zu der Frage, was am Ende ins monatliche Reporting gehört.
Was aus einem Screenshot wird, wenn man 100.000 davon nebeneinanderlegt
Die Grundlage ist eine große Messung, die im Juni 2026 auf arXiv erschienen ist (R).
Das Team hat fünf Modelle abgeklopft, nämlich ChatGPT, Gemini, Perplexity, Claude und Grok, und ihnen zwischen März und Mai 2026 durchgehend Prompts zu 102 Marken vorgelegt.
Zusammengekommen sind 102.025 Antworten und 149.912 Zitate. Also der Versuch, das Fundament der KI-Markensichtbarkeit auf einen Schlag einzusammeln.
Ein Vorbehalt gehört gleich an den Anfang. Der Autor ist Mitgründer von Ranqo, der Plattform, mit der gemessen wurde, und hält laut Paper auch Anteile daran. Sprich: Da misst jemand, der ein handfestes Interesse an dem Ergebnis „KI-Sichtbarkeit muss man messen” hat. Das liest man besser mit einem kleinen Abschlag.
Aber selbst mit diesem Abschlag ist die Methode sauber genug, dass man die Lehren daraus bedenkenlos mitnehmen kann.
Dieselbe Frage, dieselbe KI, immer wieder gestellt
Das eigentlich Spannende an der Studie ist eine ziemlich stumpfe Fleißarbeit: dieselbe Frage, demselben Modell, immer wieder vorlegen.
Und dann für jede Kombination aus Marke, Prompt und Plattform zählen, ob die Antwort diesmal in die andere Richtung kippt als beim letzten Mal. Das Ergebnis sieht so aus:
- Sentiment (also ob die KI im lobenden oder im abwertenden Ton über dich redet) kippte bei 45,5 % der Kombinationen.
- Markennennung (ob dein Name in der Antwort überhaupt auftaucht oder nicht) kippte nur bei 6,8 %.
Sentiment heißt hier schlicht: die Richtung des Urteils, positiv oder negativ. Und die drehte sich bei fast der Hälfte der Fälle einfach dadurch, dass man dieselbe Frage nochmal stellte. Das Paper bringt es auf die Formel: Sentiment ist rund 6,7-mal verrauschter als die Nennung.
Das ist ein bisschen wie ein Prüfer, dessen Note von seiner Tagesform abhängt. Aus dem Screenshot oben lässt sich also nur ablesen: „Dieses eine Mal kam es so rüber.” Als Beleg für „Die KI mag uns nicht” taugt er halt nicht.
Ob dein Name fällt, ist dagegen erstaunlich stabil
Denn dreh die 6,8 % mal um: Bei über 90 % der Kombinationen gilt „Wer auftaucht, taucht auf, und wer nicht, taucht nicht auf”. So stabil ist das.
Und diese Stabilität hält auch aus einem ganz anderen Blickwinkel. Das Team hat die 102 Marken nach Bekanntheit in drei Stufen sortiert und gemessen, wie oft sie bei Prompts auftauchen, in denen ihr Name gar nicht vorkommt.
| Bekanntheitsstufe der Marke | Erscheinungsrate in den Antworten |
|---|---|
| Global bekannte Marke | 72,9 % |
| Etablierte Marke aus dem Mittelfeld | 43,6 % |
| Nischen- oder Kleinmarke | 11,4 % |
Die Stufen liegen rund 29,3 und 32,2 Punkte auseinander. Das trennt sich sauber, oder?
Wäre die Erscheinungsrate reine Laune der KI, käme so eine saubere Treppe nicht heraus. Weil sie die reale Struktur „Bekanntheit” abbildet, gehört ins Rückgrat deines Reports die Erscheinungsrate, nicht die Sentiment-Note.
Und wo entsteht dann dieses Urteil über dich?
Bleibt die Frage: Wo schaut die KI eigentlich hin, wenn sie über dich lobt oder lästert? Zerlegt man die 149.912 Zitate derselben Studie, sieht die Aufteilung so aus:
- Fremde Seiten, die deine Marke vorstellen: 75,2 %
- Deine eigene Domain: 2,9 %
- YouTube und Video: 4,2 %, Tech- und Business-Medien: 3,8 %, Reddit und Community: 3,3 %
Dass die eigene Website unter drei Prozent liegt, war eine Zahl, bei der ich zweimal hinschauen musste.
Das häufigste Format unter den zitierten Inhalten war außerdem das Listicle, also die Ranking-Liste, mit 21,0 % aller Zitate. Ein Listicle ist so ein „Die 10 besten XY”-Beitrag, bei dem Kandidaten mit Rangnummer aufgereiht werden.
Heißt: Das Urteil, das die KI über dich fällt, speist sich kaum aus dem, was du selbst über dich schreibst. Viel stärker zählt, was auf fremden Vorstellungsseiten über dich steht.
Wie ernst darf man diese Zahlen nehmen?
Ein paar Vorbehalte gehören trotzdem dazu. Die Studie bleibt bei der Beobachtung stehen. Ein kontrollierter Test, ob bestimmte Maßnahmen die Sichtbarkeit wirklich heben, wurde nicht gemacht.
Auch die 102 Marken sind schief verteilt, mit Schlagseite Richtung SaaS, Retail-Execution, Fintech und indischer DTC. DTC heißt Direct to Consumer, also Hersteller, die ohne Zwischenhandel direkt an Endkunden verkaufen.
Sprich: Das ist eine Gelegenheitsstichprobe, zusammengesammelt aus dem, was leicht erreichbar war. Auf alle Branchen verallgemeinern sollte man das nur vorsichtig, und die Einteilung in Stufen ist obendrein Handarbeit geblieben.
Fazit: Erscheinungsrate ins Rückgrat, Sentiment über mehrere Durchläufe
Was einem diese 100.000 Antworten also am deutlichsten beibringen: KI-Sichtbarkeits-Kennzahlen haben unterschiedliche Charaktere. Die Erscheinungsrate ist mit 6,8 % Kippquote ein stabiles Fundament, das Sentiment mit 45,5 % ein wackeliger Messwert.
Setz deine laufende Hauptkennzahl also auf die Erscheinungsrate. Wenn im Monatsreport steht, wie oft die KI dich genannt hat, verbinden sich Maßnahme und Wirkung endlich zu einer Linie.
Das Sentiment musst du deshalb nicht wegwerfen. Nur: Miss es nicht einmal, sondern lass es mehrfach durchlaufen und schau es dir als Verteilung an. In der Form „Diesmal waren 30 % eher negativ” wird eine Zahl daraus, mit der du arbeiten kannst.
Und noch etwas. Weil 75,2 % der Zitate von fremden Vorstellungsseiten kommen, ist es der kürzere Weg, dafür zu sorgen, dass dort draußen die richtigen Fakten über dich stehen, statt die Texte auf der eigenen Website zu polieren.
Wie die KI über dich denkt, liest du nicht aus einem Screenshot ab, sondern aus Wiederholung und laufender Messung. Fang einfach damit an, zu zählen, wie oft dein Name fällt.
Quellen
- Pratyush Kumar (Ranqo), „Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines”, arXiv:2606.20065, 18. Juni 2026, arxiv.org (5 Engines, 102 Marken, 102.025 Antworten, 149.912 Zitate. Sentiment-Kippquote 45,5 % vs. Nennungs-Kippquote 6,8 %, Erscheinungsrate nach Stufe 72,9 %/43,6 %/11,4 %, Zitatquellen fremde Markenseiten 75,2 % / eigene Domain 2,9 %, Listicles 21,0 % aller Zitate. Der Autor ist Ranqo-Mitgründer und hält Anteile)
