Der Überblick · hier starten
KI-Sichtbarkeit erklärt: Wie man auditiert, korrigiert und gestaltet, was KI über dich sagt
Wenn ein Kunde einen KI-Assistenten nach deiner Kategorie fragt, entsteht eine Antwort — mit oder ohne dich darin. So findest du heraus, was sie sagt, und so veränderst du sie.
Das Problem
Es gibt eine Antwort über dich, die du nie gelesen hast
Immer mehr Kunden beginnen ihre Recherche mit einer Frage an einen KI-Assistenten — „Was ist das beste Tool für X?", „Taugt Produkt Y etwas?", „Was sollte ich statt Z nehmen?" — und der Assistent schreibt eine selbstbewusste Antwort zurück. Diese Antwort nennt einige Unternehmen, beschreibt sie und lässt andere stillschweigend weg. Das ist längst kein Nischenphänomen mehr: Allein ChatGPT meldete Anfang 2026 rund 900 Millionen wöchentlich aktive Nutzer, nach 400 Millionen ein Jahr zuvor (OpenAI, via TechCrunch) — diese Assistenten sind heute die erste Anlaufstelle für Antworten.
Die Antwort, die über dich geschrieben wird, hast du vermutlich nie gelesen. In deiner Analytics taucht sie nicht auf, und es gibt keine Benachrichtigung, wenn ein Assistent dein Produkt falsch beschreibt oder aus einer engeren Auswahl streicht. Die Entscheidung fällt — und du bist nicht im Raum.
Das ist ein anderes Problem als ein gutes Ranking auf einer Suchergebnisseite. Eine Suchmaschine reicht dem Kunden zehn Links und lässt ihn wählen. Ein KI-Assistent reicht ihm eine Schlussfolgerung. Ist diese Schlussfolgerung falsch über dich — oder erwähnt dich schlicht nicht —, gibt es oft keinen zweiten Link zum Klicken; und selbst wenn Quellen angezeigt werden, bleibt die Schlussfolgerung hängen.
Warum es eine eigene Disziplin ist
Nicht SEO mit neuem Etikett
Die Arbeit daran, von KI gut beschrieben zu werden, trägt zwei mehr oder weniger austauschbare Namen: Answer Engine Optimization (AEO) und Generative Engine Optimization (GEO). Der klarste Oberbegriff — und der, den ich bevorzuge — ist KI-Sichtbarkeit.
Es ist nicht Suchmaschinenoptimierung mit neuem Etikett. SEO fragt: „Ranken wir für dieses Keyword?" KI-Sichtbarkeit stellt drei andere Fragen: Erkennung — weiß das Modell überhaupt, dass es dich gibt, als die richtige Art von Entität? Genauigkeit — stimmt, was es beschreibt, wenn es dich beschreibt? und Zitierung — auf wessen Quellen stützt es sich, auf deine oder auf die Darstellung anderer über dich?
Eine Seite kann bei Google gut ranken und in einer KI-Antwort trotzdem unsichtbar, falsch beschrieben oder ungenannt sein. Andere Oberfläche, andere Regeln. (Klare Definitionen dieser Begriffe findest du unter KI-Sichtbarkeit & ACE, definiert.)
Die Methode
ACE: Audit, Correct, Engineer — dann Measure und Monitor
Ich bearbeite dieses Problem mit einer Methode, die ich ACE — Audit, Correct, Engineer nenne — gefolgt von zwei Stufen, die sie über die Zeit ehrlich halten: Measure und Monitor.
Audit. Bevor du etwas veränderst, finde heraus, was die Antwort heute tatsächlich sagt. Stelle die Fragen, die ein echter Kunde stellen würde, über die großen Assistenten hinweg, und halte fest, was jeder sagt: ob du genannt wirst, ob die Beschreibung stimmt, wer zitiert wird und wer statt deiner auftaucht.
Correct. Die meisten Sichtbarkeitsprobleme sind Erzählprobleme. Das Modell beschreibt dich mit dem, was es gefunden hat — oft eine veraltete oder dünne Fremddarstellung. Correct heißt: die wahre, klare Darstellung dessen, was du tust, zur am leichtesten auffindbaren und wiederholbaren zu machen.
Engineer. Ein Teil der Arbeit ist technisch: deine Informationen maschinenlesbar zu machen, damit ein Assistent sie ohne Raten verarbeiten kann — saubere strukturierte Daten, eine eindeutige Identität, Inhalte so geformt, dass die richtigen Fakten leicht zu entnehmen sind.
Measure. Ein Fix zählt nur, wenn er die Antwort bewegt. Führe dasselbe Audit gegen dieselbe Ausgangsbasis erneut aus und sieh, was sich geändert hat. Diese Stufe unterscheidet eine echte Methode von einem Versprechen.
Monitor. KI-Antworten sind nicht in Stein gemeißelt. Sie verschieben sich, wenn Modelle aktualisiert werden, wenn sich das Web ändert, wenn Wettbewerber handeln. Monitor ist die laufende Beobachtung: Drift, neue Fehler und neue Lücken erkennen, sobald sie auftreten.
Was ein Audit bewertet
Die sieben Dimensionen
Ein brauchbares Audit bewertet konkrete Dinge, nicht eine einzelne Zahl. Vier beschreiben die Antwort, die der Kunde sieht: ob du erkannt wirst, ob die Beschreibung stimmt, wie du gegenüber Wettbewerbern eingeordnet wirst und ob du empfohlen wirst. Die letzte davon — Empfehlung — will jeder direkt bewegen, und genau die kann man nicht direkt bewegen: Sie ist ein Ergebnis, eine Folge der anderen.
Drei beschreiben die Maschinerie darunter: wie klar dein eigenes Material dich erklärt, ob deine strukturierten Daten gültig und lesbar sind und ob seriöse Quellen dich zitieren. Das sind die Hebel, an denen du tatsächlich ziehen kannst.
Warum es gemessen wird
Messung ist der Kern
Eine Zahl ohne Methode dahinter sagt nichts aus. Wenn du sie nicht erneut durchführen kannst, kannst du nicht wissen, ob etwas, das du getan hast, gewirkt hat. Die Version dieser Arbeit, die sich lohnt, ist deshalb reproduzierbar — dieselben Fragen, dieselben Bedingungen, erneut durchgeführt — und von Menschen geprüft, wobei eine Person für jede Einschätzung geradesteht, statt einer automatischen Note zu vertrauen.
Probiere es selbst
Was du heute tun kannst
- Frage wie ein Kunde. In ChatGPT, Perplexity und Googles KI-Modus — jeweils in einem frischen Chat, mit aktivierter Websuche — stelle die Fragen, die ein echter Kunde tippt: ein paar ohne Markennennung („bestes [Kategorie] für [Anwendungsfall]"), ein, zwei Vergleiche („[du] vs. [Wettbewerber]") und ein, zwei direkte („Was ist [du]?"). Verrate nie, wer du bist; du willst die Antwort, die ein Fremder bekommt.
- Halte vier Dinge pro Antwort fest. In einer einfachen Tabelle: Wurdest du genannt, und wie prominent? War die Beschreibung korrekt? Wer wurde zitiert? Wer erschien statt deiner? Muster zeigen sich schon in einem Dutzend Abfragen.
- Prüfe deine Maschinerie. Sagt deine Seite in echtem Text klar, was du tust — und trägt sie gültige Organization-Daten (JSON-LD)? Füge eine Seite in einen Schema-Validator ein; parst er nicht, rät ein Modell über dich.
- Wiederhole in einem Monat. Stelle dieselben Fragen erneut. Bewegung gegen diese Ausgangsbasis — nicht eine einmalige Zahl — ist der einzige Beweis, dass eine Veränderung gewirkt hat.
Für die vollständige Anleitung siehe Audite deine KI-Sichtbarkeit an einem Nachmittag — dieselbe Methode, Schritt für Schritt, mit den Fragen und der Art, das Gefundene zu lesen.
Schluss
Die Methode ist offen; die Arbeit liegt im Tun
KI beschreibt dein Produkt inzwischen Menschen, die nie auf deiner Website landen. Die Antwort, die sie gibt, ist nicht in Stein gemeißelt und nicht außerhalb deiner Reichweite — aber du kannst nicht verändern, was du nicht gemessen hast.
Das ist der Überblick. Beginne den Kurs → zum offenen Kurs.