KI-Sichtbarkeit messen: Warum ein LLM-SEO-Tool nicht reicht

Wer KI-Sichtbarkeit messen will, stößt auf ein grundlegendes Problem: Nur rund 11% der Domains, die ChatGPT zitiert, erscheinen auch in den Antworten von Perplexity. Ein einzelner KI-Sichtbarkeitstracker ist damit definitionsgemäß blind für den Großteil der Stellen, an denen eine Marke empfohlen – oder übergangen – wird.

Die Zahl, an der Ein-Tool-Tracking scheitert

11% Domain-Überschneidung. An dieser Zahl sollte sich das Budget für KI-SEO-Tools orientieren – und kein Anbieter möchte sie prominent auf seiner Preisseite sehen. Als Forschende die von ChatGPT und Perplexity zitierten Domain-Sets verglichen, lag die Überschneidung ungefähr bei diesem Wert. Anders gesagt: ~89% dessen, was eine Engine empfiehlt, empfiehlt die andere nicht. Kommen Google AI Overviews, Gemini und Copilot hinzu, nimmt die Fragmentierung nicht ab, sondern weiter zu.

Genau das verschweigen Listicles nach dem Muster „Die 13 besten Tools für KI-Sichtbarkeit 2026“. Dort gelten die Engines als austauschbare Ausgabeflächen für ein und dasselbe Web. Das sind sie nicht. Jede Engine besitzt einen eigenen Retrieval-Stack, bevorzugt andere Quellen und bringt eigene Verzerrungen mit. LinkedIn etwa ist bei professionellen B2B-Anfragen über die großen Assistenten hinweg die am häufigsten zitierte Domain – für das Ranking derselben Suchanfragen in Googles klassischen blauen Links ist das nahezu bedeutungslos.

Wer „einen KI-Sichtbarkeitstracker“ kauft, entscheidet sich daher nicht einfach für eine Funktionsausstattung. Gekauft wird ein Fenster auf einen Teil der Engines. Alles außerhalb dieses Fensters – die 89% – bleibt im Dunkeln. Deckt das Tool ChatGPT ab, während die Zielkundschaft vor allem Perplexity nutzt, erzählt das Dashboard eine selbstbewusste Sichtbarkeitsgeschichte, die mit dem Umsatz nichts zu tun hat.

Der sinnvolle Blickwinkel lautet: Die Toolwahl ist eine Abdeckungsfrage, deren Kosten pro Engine bewertet und durch eine monatliche Umschichtungsschleife überprüft werden. Alles andere – der AI Visibility Score™, der Prompt-Generator, das elegante Wettbewerbsbenchmarking – ist hübsches Beiwerk fürs Dashboard.

KI-Sichtbarkeit messen: Was jeder Tracker sieht – und übersieht

Nach beobachteten Engines und Aktualisierungshäufigkeit lassen sich die Tools grob in drei Typen einteilen.

In dieser Matrix zählen vor allem zwei Punkte. Erstens: Welche Engines sind im jeweiligen Tarif tatsächlich erfasst? Viele Anbieter werben auf ihrer Marketingseite mit „vollständiger Abdeckung“ und staffeln diese auf der Preisseite unauffällig nach Tarif; plötzlich kosten Gemini oder AIO extra. Zweitens: Wie groß darf das Prompt-Set im eigenen Tarif sein? Ein Tracker, der im Einstiegstarif 50 Prompts und im Unternehmenstarif 500 überwacht, ist für kleine Anbieter faktisch zwei verschiedene Produkte.

Bei den Grundmetriken ähneln sich die Dashboards weitgehend: Share of Voice beziehungsweise Zitationsanteil, Position in der Antwort, gemeinsame Zitationen mit Wettbewerbern und Detailansichten je Prompt. Optisch unterscheiden sie sich stärker als analytisch. Was in einer Vergleichstabelle wie eine Funktionslücke aussieht, ist fast immer eine Abdeckungslücke: Dieses Tool beobachtet Perplexity, jenes nicht; ein anderes erfasst AIO nur, wenn das Feature für das Keyword ausgelöst wird.

Der Aktualisierungsrhythmus ist der zweite stille Unterschied. Täglich klingt zunächst besser als wöchentlich. LLM-Antworten verändern sich jedoch langsamer als Google-Rankings. Für die Daten genügt eine wöchentliche Aktualisierung; täglich steigt vor allem der Preis.

Der passende Stack für jede Budgetstufe

Die richtige Zahl an Trackern lautet nicht „mehr“, sondern: genug Engines, um die nachweislich kaufende Zielgruppe abzudecken. Drei Stufen sind vertretbar.

Stufe 0 – $0

ChatGPT und Perplexity werden für die 10-20 wichtigsten Prompts manuell und per Kalendereintrag geprüft. Hinzu kommen die Google Search Console für klassische und von AIO beeinflusste Suchanfragen sowie GA4 mit einer eigenen Channel-Gruppe, die Verweise von chat.openai.com, perplexity.ai, claude.ai und gemini.google.com getrennt ausweist.

Damit lässt sich grob erkennen, ob überhaupt Zitationen für ein kleines Prompt-Set entstehen und ob KI-Assistenten Traffic liefern. Nicht sichtbar werden Share of Voice, Zitationen der Konkurrenz oder eine Trendlinie. Für die Phase vor dem ersten Umsatz reicht das ebenso wie für einen Test, ob KI-Suche für die eigene Zielgruppe überhaupt relevant ist – bevor Geld ausgegeben wird.

Stufe 1 – ~$100-200/Monat, ein Tracker

Ein Tool mit breiter Abdeckung – Otterly, LLMrefs oder das KI-Modul von SE Ranking, falls SE Ranking ohnehin im Einsatz ist. Entscheidend ist zuerst die Engine-Abdeckung, danach das Limit des Prompt-Sets und erst zuletzt das Dashboard. Die manuelle Schleife aus Stufe 0 sollte für die Engine weiterlaufen, die der Tracker am schlechtesten erfasst. Dort liegt der blinde Fleck.

Für ~80% der Solo-Anbieter und kleinen Agenturen ist das die passende Stufe. Gekauft wird ein Fenster; es sollte auf die Engine zeigen, in der die Zielkundschaft ihre Fragen stellt.

Stufe 2 – ~$400-600/Monat, zwei Tracker

Das lohnt sich nur, wenn (a) das Prompt-Set mehr als ~50 aktive Prompts umfasst, (b) sich zwei klar getrennte Engine-Zielgruppen benennen lassen – etwa ChatGPT für B2B-Kaufentscheidungen und Perplexity für rechercheorientierte Fachleute – und (c) die Content-Produktion groß genug ist, damit eine Umschichtung tatsächlich Kosten spart.

Der häufigste Fehler ist der Kauf zweier Tools mit weitgehend gleicher Abdeckung. Profound + Otterly sind zwei Fenster auf ungefähr dieselben Engines. In Stufe 2 zählt ergänzende Abdeckung: Ein Tool muss gerade bei der Engine stark sein, die das andere am schwächsten erfasst. Die Rechnung lautet Kosten pro abgedeckter Engine. Alles darüber hinaus bezahlt lediglich eine Feature-Checkliste.

Unrentabel wird das Modell ungefähr dann, wenn die monatlichen Kosten des zweiten Trackers höher sind als das Content-Budget, das er in einem Monat neu verteilen könnte. Entstehen monatlich vier Artikel zu je $300, stehen $1,200 für eine mögliche Umschichtung zur Verfügung. Ein zweiter Tracker für $200 lässt sich aus diesem Budgettopf nicht rechtfertigen. Dann heißt es: warten.

Die Integration – Tracker in einer gemeinsamen Zitationsansicht verbinden

Zwei Tracker auf zwei Dashboards sind schlechter als ein Tracker auf einem Dashboard. Ob das zweite Tool sein Geld verdient, entscheidet die Integration.

Drei Probleme sind zu lösen.

Prompt-Sets normalisieren. Jedes Tool verlangt eine eigene Prompt-Liste. Laufen diese Listen auseinander, werden unterschiedliche Fragen verglichen und als „Engine-übergreifende Sichtbarkeit“ ausgegeben. Deshalb braucht es ein verbindliches Prompt-Set in einer Tabelle oder einer Notion-Datenbank, das monatlich in jedes Tool übertragen wird. Tags für Kaufphase und Themencluster ermöglichen später die Aggregation.

Share of Voice abgleichen. Hier liegt die Falle: Jeder Anbieter berechnet Share of Voice anders. Manche zählen jede Erwähnung. Andere gewichten nach Position in der Antwort. Wieder andere teilen durch die Gesamtzahl der pro Prompt zitierten Domains. Drei Anbieter liefern für denselben Prompt, dieselbe Engine und denselben Tag drei unterschiedliche Werte. Der Versuch, sie anzugleichen, führt in die Irre. Stattdessen dient der Wert jedes Tools als Trend innerhalb dieses Tools; die absolute Höhe wird ignoriert. Das Delta ist das Signal, die plakative Prozentzahl nur Eitelkeit.

Mit GA4 verknüpfen. Zum Geschäftswert wird der Zitationsanteil erst, wenn er mit Sitzungen aus KI-Verweisen und den anschließenden Conversions verbunden wird. Dafür wird der Zitationsanteil je URL aus den Trackern gezogen, wöchentlich exportiert und in einer kleinen Tabelle mit dem GA4-Traffic aus der Channel-Gruppe für KI-Assistenten zusammengeführt. Relevant ist die Korrelation je URL über ein rollierendes Zeitfenster von 8-12 Wochen. Steigt der Zitationsanteil einer URL, während der Verweis-Traffic stagniert, wird sie meist in einer Zusammenfassung ohne ausgehenden Link zitiert – bei Perplexity häufig, bei ChatGPT seltener. Das ist weiterhin wertvoll, schafft aber Markenpräsenz statt Akquisitionsfläche.

Für Teams mit Entwicklungskapazität besteht diese Pipeline – Tracker-Exporte, Synchronisierung des Prompt-Sets, GA4-Verknüpfung – aus zwei Skripten und einem Scheduler. Für alle anderen genügt eine Tabelle am Montagmorgen. (DVNC.dev übernimmt die Skriptvariante für Kunden, die diesen Stack in größerem Maßstab betreiben.)

Die monatliche Umschichtungsroutine

Nur dieser Teil des Stacks erzeugt einen Zinseszinseffekt. Ohne die Schleife werden $100-600/Monat für ein Dashboard bezahlt, das Meinungen produziert. Mit ihr fließt das Content-Budget gezielt zu den Seiten und Prompts, deren Zitationsanteil sich bewegt.

Dreißig Minuten am ersten Geschäftstag des Monats:

1. Das monatliche Delta des Zitationsanteils je Engine und URL abrufen. In die Tabelle übernehmen und ab- sowie aufsteigend nach Delta sortieren.
2. Die drei URLs mit dem stärksten Verlust an Zitationsanteil ermitteln. Die Seiten lesen. Danach lesen, was stattdessen zitiert wird.
3. Für jede URL eine von drei Maßnahmen wählen:

• Neu strukturieren – die Seite behandelt das richtige Thema, verliert aber gegen einen besser gegliederten Wettbewerber. Einstieg neu schreiben und die Vergleichstabelle oder den Spezifikationsblock ergänzen, den die KI-Engine inzwischen bevorzugt. Content-Kosten: ~$200-400.
• Stilllegen – das Thema oder die Zielgruppe hat sich verschoben, oder die konkurrierende Quelle ist strukturell besser positioniert, etwa als LinkedIn-Beitrag, Reddit-Thread oder offizielle Dokumentation. Weiterleiten, auslaufen lassen, kein weiteres Budget investieren.
• Ausbauen – die URL gewinnt auf einer Engine schnell an Anteil, stagniert aber auf einer anderen. Eine Schwesterseite erstellen, deren Format den Vorlieben der schwächeren Engine entspricht.

1. Die drei Entscheidungen an die Content-Planung übergeben. Mehr ist nicht nötig.

Warum monatlich statt wöchentlich? Nach strukturellen Änderungen bewegen sich LLM-Zitationsmuster in einem Rhythmus von 2-4 Wochen. Das wöchentliche Delta besteht überwiegend aus Rauschen; das monatliche liefert ein Signal, auf das sich reagieren lässt.

Warum nur dieser Teil langfristig Wirkung aufbaut: Alle anderen Bestandteile des Stacks – Dashboard, Prompt-Set, Engine-Abdeckung – sind Fixkosten für eine Momentaufnahme. Erst die Umschichtungsschleife verwandelt diese Momentaufnahme in eine Budgetentscheidung. Drei URLs pro Monat über zwölf Monate ergeben 36 gezielte Umschichtungen im Content-Budget. Darin liegt der Vermögenswert.

Was keinen Unterschied gemacht hat

Eine ehrliche Liste der Faktoren, von denen ich mehr Wirkung erwartet hatte.

Der AI Visibility Score. Jedes Tool liefert eine Variante dieser einzelnen, zusammengesetzten Kennzahl. In meinen Daten korreliert keine davon sauber mit Verweis-Traffic oder Umsatz. Der Wert steigt, wenn Inhalte veröffentlicht werden, fällt ohne neue Inhalte und verrät nichts darüber, ob die richtige kaufende Person die richtige Seite liest. Ich ignoriere ihn. Aussagekräftiger ist der Zitationsanteil je Prompt, gewichtet nach Kaufphase.

Frühzeitig Gemini-Zitationen jagen. Auf Gemini-Zitationen zu optimieren, bevor diese Zielgruppe konvertiert, kehrt die sinnvolle Reihenfolge um: Sichtbarkeit wird auf einer Engine aufgebaut, die die relevante Kennzahl noch nicht bewegt.

Tägliche Aktualisierung. Bei einem Tool habe ich dafür bezahlt und sie nicht genutzt. Die Entscheidungen fallen monatlich. Die Daten waren verrauschter, nicht besser.

Der faire Hinweis zur Attribution für den gesamten Beitrag: Der Zitationsanteil ist ein Frühindikator für Traffic aus KI-Verweisen, und dieser Traffic wiederum ein Frühindikator für Umsatz. Die Kette ist real, aber locker. Traffic-Veränderungen lassen sich auf URL-Ebene mit Bewegungen im Zitationsanteil verknüpfen. Mit den heutigen Tools kann ich Umsatz jedoch nicht einzelnen Zitationsereignissen zuordnen. Wer das behauptet, möchte etwas verkaufen.

Wann dieser Stack die falsche Wahl ist

In vier Fällen spielt all das keine Rolle und der Kauf von Trackern ist nicht sinnvoll.

Vor dem ersten Umsatz. Solange nicht klar ist, welche Zielgruppe tatsächlich bezahlt, ist auch unklar, welche Engine beobachtet werden muss. Die $200/Monat gehören dann in das Angebot, nicht ins Dashboard.

Weniger als ~20 Ziel-Prompts. Ein professioneller Tracker für ein Set aus 12 Prompts ist überdimensioniert. Stufe 0 und die manuelle Prüfung reichen aus.

Zielgruppe auf nur einer Engine. Nutzt die Zielkundschaft ausschließlich Google und gibt es keinen Hinweis darauf, dass sie überhaupt LLMs befragt, erledigen klassisches Rank-Tracking und GSC die ganze Aufgabe. Neu bewerten lässt sich das, sobald KI-Verweis-Traffic in GA4 mehr als ~2% des organischen Traffics ausmacht.

Keine Content-Produktion. Die Umschichtungsschleife ist der eigentliche Wert. Wer nur einen Artikel pro Quartal veröffentlicht, hat nichts umzuschichten; Tracker werden dann zur Eitelkeitsausgabe. Zuerst braucht es die Content-Produktion, danach den Mess-Stack.

Kann ein Tool ChatGPT, Perplexity und Google AI Overviews gleichzeitig tracken?

Mehrere Anbieter werben mit vollständiger Abdeckung. Veröffentlichte Forschung zeigt jedoch nur ~11% Überschneidung zwischen den Domains, die ChatGPT und Perplexity zitieren. Deshalb sollten die Ergebnisse jeder Engine unabhängig geprüft werden, bevor ein einzelnes Dashboard als verlässlich gilt. Aussagen zur „vollständigen Abdeckung“ sind ein Ausgangspunkt, der pro Engine überprüft werden muss.

Wie viel sollte ein kleines Team für das Tracking der KI-Sichtbarkeit ausgeben?

Die meisten Teams erhalten den Großteil des Signals mit einem breit aufgestellten Tracker für $100-200/Monat, ergänzt um die kostenlose GSC und eine GA4-Channel-Gruppe für KI-Verweise. Ein zweites Tool rechnet sich erst bei ungefähr 50 aktiven Prompts – und nur, wenn es Engines abdeckt, bei denen das erste schwach ist.

Lohnt sich das Tracking der KI-Sichtbarkeit, wenn Google-Rankings bereits erfasst werden?

Ja, sofern ein nennenswerter Teil der Zielkundschaft KI-Assistenten befragt, statt über Google zu suchen. Klassische Rank-Tracker erfassen keinen Zitationsanteil. Da sich die in LLM-Antworten zitierten Domains nur gering mit der organischen SERP überschneiden, bleibt bei einer reinen Google-Sicht der Großteil der Empfehlungen und Auslassungen einer Marke unsichtbar.

Wie lange dauert es, bis Optimierungen in KI-Zitationen sichtbar werden?

Die berichteten Zeitfenster liegen nach strukturellen oder Schema-Änderungen einer Seite bei ungefähr zwei bis vier Wochen. Deshalb funktioniert eine monatliche Umschichtungsschleife, während eine wöchentliche vor allem Rauschen verfolgt. Erst nach einem vollständigen Zyklus lässt sich beurteilen, ob eine Überarbeitung den Zitationsanteil verändert hat.