In einem Satz
AI Visibility misst, ob und wie oft eine Marke, ein Betrieb oder eine Website in Antworten von KI-Suchen genannt oder als Quelle verlinkt wird.
Analogie
Stellen Sie sich den Marktplatz einer Stadt vor. Wer nach einem guten Handwerksbetrieb fragt, bekommt nicht alle Schilder der Stadt vorgelesen. Eine vertraute Person nennt vielleicht zwei Namen, erklärt kurz warum und lässt andere Betriebe unerwähnt. Genau diese Situation bildet AI Visibility im Internet nach: Entscheidend ist nicht nur, ob Ihr Schild irgendwo hängt, sondern ob Ihr Name in der hilfreichen Antwort vorkommt. Die Analogie hat eine Grenze: Eine KI ist keine Person mit eigener Erfahrung. Sie erstellt Antworten aus verfügbaren Informationen und kann sich dabei irren oder je nach Frage anders entscheiden.
Wer eine passende Lösung in einer KI-Suche sucht, kann einem Betrieb in der Antwort begegnen, einen Link zu seiner Website sehen oder ihn gar nicht finden. AI Visibility betrachtet genau diese Beobachtung. Gemeint ist nicht ein einzelner Platz auf einer Liste, sondern die Präsenz einer Marke oder Website in Antworten etwa von Google, ChatGPT oder Perplexity. Diese drei Fälle sollten getrennt betrachtet werden.
Für Inhaberinnen und Inhaber ist die Frage praktisch: Wenn jemand eine typische Vorfrage zu Ihrer Leistung stellt, sieht diese Person Ihren Betrieb überhaupt? Bei einer Tischlerei wären das beispielsweise Fragen zu Material, Pflege oder Ablauf; bei einer Kanzlei Fragen zu einem klar umrissenen Rechtsgebiet. AI Visibility gibt darauf keine Garantie und ersetzt weder Kundengespräche noch Besucherzahlen. Sie macht aber sichtbar, welche Antworten ein begrenzter, wiederholbarer Fragenkatalog gerade erzeugt.
Die Kurzantwort oben fasst die Messregel zusammen. Im laufenden Text lohnt jedoch die Unterscheidung: Eine Erwähnung, ein Quellenlink und eine fehlende Sichtbarkeit sind drei getrennte Beobachtungen. Google weist zugleich darauf hin, dass für seine KI-Funktionen die üblichen Grundlagen für gute, hilfreiche und zugängliche Seiten gelten; eine Sondertechnik für eine Aufnahme gibt es nicht. Deshalb hilft die Kennzahl bei einer dokumentierten Bestandsaufnahme, nicht bei einer Vorhersage über künftige Nennungen.
Was ist AI Visibility genau?
Der Ausdruck ist keine einheitlich normierte Kennzahl. Er wird sinnvoll, sobald ein Betrieb genau festlegt, was als Sichtbarkeit zählt. Eine bloße Namensnennung ist etwas anderes als ein anklickbarer Quellenlink. Eine Erwähnung in einer Antwort auf „Was kostet eine Badsanierung?“ ist außerdem nicht mit einer Empfehlung auf „Welcher Betrieb passt zu mir?“ gleichzusetzen. Wer alles in eine Zahl presst, verliert diese Unterschiede.
Eine belastbare Definition enthält deshalb mindestens fünf Angaben: den Fragenkatalog, das betrachtete System, Sprache und Standort, Datum und die Regel für eine Nennung. Ein Fragenkatalog darf nicht aus Wunschfragen bestehen. Er sollte die Fragen abbilden, die Interessierte vor, während oder nach einer Kaufentscheidung tatsächlich stellen: Leistung erklären, Auswahl erleichtern, Voraussetzungen klären, lokale Erreichbarkeit prüfen. Für lokale Betriebe gehört eine Ortsfrage nur dann hinein, wenn das Einzugsgebiet real ist.
AI Visibility ist von Share of Voice (AI) zu unterscheiden. Dort wird ein Anteil innerhalb eines festen Abfragesets berechnet und häufig mit anderen Marken verglichen. AI Visibility kann breiter sein: Sie dokumentiert auch Ton, Quellenlink, fehlende Nennung und die Art der Frage.
Von GEO unterscheidet sie sich ebenfalls: GEO bezeichnet eine Arbeitsrichtung für Inhalte in generativen Suchumgebungen, AI Visibility das beobachtete Ergebnis. LLMO wiederum wird oft als weiter gefasste Bezeichnung für die verständliche Darstellung eines Betriebs in Sprachmodellen verwendet.
Wichtig ist die Messgrenze. KI-Antworten können sich mit Modellversion, Suchzugriff, Nutzerkontext, Sprache oder Zeitpunkt verändern. Dieselbe Frage kann unterschiedliche Quellen zeigen. Daraus folgt nicht, dass die Website plötzlich besser oder schlechter geworden ist. Die Kennzahl eignet sich für wiederholte Beobachtung unter möglichst gleichen Bedingungen, nicht für eine exakte Marktanteilsbehauptung.
Wie funktioniert das?
Der Einstieg ist ein kleines Messprotokoll, nicht der Kauf eines Werkzeugs. Sammeln Sie zunächst zehn bis zwanzig Fragen, die zu Ihrem Angebot passen. Notieren Sie für jede Frage, warum sie dazugehört. Formulieren Sie sie so, wie Interessierte sprechen würden, statt den eigenen Leistungsnamen zu wiederholen. Halten Sie anschließend System, Sprache, Land und Datum fest. Wer Systeme vermischt, sollte auch nicht so tun, als seien die Ergebnisse derselbe Messwert.
In einem zweiten Schritt wird jede Antwort einzeln erfasst: Wird die Marke genannt? Ist eine eigene Seite verlinkt? Wird eine fremde Quelle genannt, die die eigene Leistung korrekt beschreibt? Enthält die Antwort einen Fehler über den Betrieb? Ein schlichtes Tabellenblatt genügt. Es trennt Nennung, Quellenlink, neutrale Darstellung und fehlende Erwähnung. Ausgewertet wird erst, nachdem alle Antworten nach denselben Regeln dokumentiert wurden.
Google erklärt für AI Overviews und AI Mode, dass unterstützende Links aus der Suche stammen können und dass beide Funktionen mehrere verwandte Suchanfragen einsetzen können. Für Google ist eine Seite nur dann für einen solchen Link geeignet, wenn sie indexiert und für ein normales Suchergebnis zugelassen ist; eine Darstellung ist dennoch nicht garantiert.
Die praktische Konsequenz ist nüchtern: Zugänglicher Text, sinnvolle interne Verlinkung und eine technisch erreichbare Seite sind Voraussetzungen, aber keine Zusage.
Bei ChatGPT Search ist der Weg ebenfalls nicht mit dem Training eines Modells gleichzusetzen. OpenAI beschreibt die Websuche als Suche nach aktuellen Webquellen. Für Zusammenfassungen und Auszüge nennt OpenAI außerdem den OAI-SearchBot: Eine Website darf ihn nicht blockieren, wenn ihr Inhalt dafür gecrawlt werden soll.
Perplexity unterscheidet in seiner eigenen Dokumentation den Such-Crawler PerplexityBot vom nutzerveranlassten Abruf. Diese Unterschiede sind der Grund, warum ein Bericht immer dazuschreiben muss, welches System geprüft wurde. Eine einzige Sammelzahl verschleiert sonst mehr, als sie erklärt.
Nach dem ersten Durchlauf folgt kein hektisches Umschreiben. Prüfen Sie zuerst die Antwort selbst: Ist die Frage sinnvoll? Ist die eigene Seite für das Thema wirklich die passende Quelle? Fehlen klare Informationen, Quellen, Zuständigkeit oder eine verständliche Erklärung? Erst dann wird eine konkrete Seite verbessert. Nach einem angemessenen Zeitraum wird derselbe Fragenkatalog wiederholt. Änderungen werden als Beobachtung festgehalten, nicht als kausaler Erfolg ausgegeben.
Aus der Praxis
Ein Beispiel aus dem Betriebsalltag
Angenommen, ein regionaler Betrieb bietet Wartung von Heizungsanlagen an. Er möchte nicht „bei KI gewinnen“, sondern wissen, ob seine öffentlich erklärten Leistungen in typischen Informationsfragen vorkommen. Das Team legt zwölf Fragen fest: sechs zur Wartung, drei zur Störung und drei zur Vorbereitung eines Termins. Fragen nach Notdienst werden nur aufgenommen, wenn der Betrieb diesen Dienst tatsächlich anbietet. Jede Frage erhält eine kurze Begründung und eine zugehörige Seite auf der Website.
Am ersten Stichtag werden die Fragen nacheinander in drei ausgewählten Systemen gestellt. Die Tabelle erfasst nicht nur ja oder nein, sondern vier Spalten: Markenname genannt, eigene URL als Quelle sichtbar, Aussage über den Betrieb korrekt, Bemerkung.
Bei einer Antwort kann die Marke fehlen, obwohl eine hilfreiche Fachseite verlinkt ist; bei einer anderen kann der Name ohne Link auftauchen. Beides wird nicht gleich bewertet. Antworten mit offensichtlich falschen Angaben werden gesondert protokolliert, statt sie in einen positiven oder negativen Punktestand zu zwingen.
Nach der Auswertung findet der Betrieb etwa eine Seite, die den Wartungsablauf nur in einem langen Werbetext nennt. Die fachliche Überarbeitung kann den Ablauf in verständliche Schritte gliedern, Zuständigkeiten erläutern und aktuelle Quellen verlinken. Sie darf jedoch nicht behaupten, dadurch werde der Betrieb künftig genannt. Beim nächsten Messzeitpunkt wird lediglich festgestellt, ob sich unter denselben Bedingungen etwas verändert hat. Parallel bleiben Kontaktanfragen, Suchdaten und reale Rückmeldungen eigenständige Signale.
Darauf sollten Sie achten
Typische Fehler — und was Sie zuerst tun
Der häufigste Fehler ist die Einzelfrage als Urteil. Eine auffällige Antwort kann Anlass für eine Prüfung sein, sagt ohne festes Verfahren aber wenig aus. Ebenso problematisch ist es, Markenname und Quellenlink gleichzusetzen. Eine Nennung kann falsch, unvorteilhaft oder nicht anklickbar sein; ein Link kann nützlich sein, ohne dass die Marke im Text steht.
Zweitens sollten Betriebe keine scheinpräzisen Prozentwerte veröffentlichen. Die Systeme ändern sich, Antworten können vom Kontext abhängen und die Auswahl von Fragen prägt das Ergebnis. Für die interne Steuerung reicht eine Dokumentation mit Datum, Fragen und Beobachtungen. Wer mit Wettbewerbern vergleicht, muss dieselben Regeln auch auf die Vergleichsmarken anwenden und die Ergebnisse nicht als objektive Marktgröße ausgeben.
Drittens ist AI Visibility kein Ersatz für grundlegende Websitepflege. Google empfiehlt für KI-Funktionen weiterhin zugängliche, hilfreiche Inhalte, korrekte strukturierte Daten passend zum sichtbaren Text und auffindbare Seiten. Es gibt weder eine Pflicht zu speziellen KI-Dateien noch eine garantierte Aufnahme. Das schützt vor teuren Scheinmaßnahmen.
Als nächster Schritt passt die Begriffserklärung AI-Zitation: Sie trennt die einzelne Quellenverlinkung von der breiteren Sichtbarkeit. Wer daraus einen Vergleichswert machen möchte, liest weiter bei Share of Voice (AI). Für die inhaltliche Einordnung folgt GEO.
Was damit zusammenhängt
AI Visibility ist die Messperspektive im Themenfeld KI-Suche. AI-Zitation beschreibt den einzelnen Quellenhinweis, Share of Voice (AI) einen vergleichenden Anteil. GEO ordnet mögliche Inhaltsarbeit ein, LLMO die verständliche und konsistente Darstellung von Informationen. LLM Crawling erklärt, warum Erreichbarkeit und Abrufregeln je System eine Rolle spielen.
Häufige Fragen
Kann ich AI Visibility direkt in der Google Search Console ablesen?
Google zählt Suchtraffic aus KI-Funktionen in seinen Berichten, doch die sichtbare Nennung einer Marke in verschiedenen KI-Systemen bleibt eine getrennte, dokumentierte Beobachtung.
Wie oft sollte ein Betrieb seine AI Visibility prüfen?
Für den Einstieg genügt ein wiederholbarer Stichtag in sinnvollem Abstand. Wichtiger als Häufigkeit sind feste Fragen, gleiche Einstellungen und eine nachvollziehbare Dokumentation.
Braucht mein Betrieb das?
Kleinstbetrieb (bis 5 Mitarbeitende)
Noch nicht
Noch nicht als eigenes Projekt. Prüfen Sie zunächst, ob Adresse, Leistungen und Kontaktangaben auf Ihrer Website und in wichtigen Profilen stimmen; ein kleiner Fragenkatalog genügt als Kontrolle.
Wachsendes KMU
Bedingt
Bedingt ja, wenn neue Kundschaft Informationen vor dem Kontakt online recherchiert. Messen Sie nur Fragen zu echten Leistungen und vergleichen Sie die Ergebnisse über mehrere Zeitpunkte.
Betrieb mit eigenem Marketing
Ja
Ja, als ergänzende Sichtbarkeitsmessung. Legen Sie Abfragen, Systeme, Länder, Sprache und Auswertungsdatum fest und verbinden Sie die Beobachtung mit Website- und Suchdaten.
Quellen
- KI-Funktionen und deine Website(Google Search Central, abgerufen am 2026-08-09)
- ChatGPT Search(OpenAI, abgerufen am 2026-08-09)
- Publishers and Developers – FAQ(OpenAI, abgerufen am 2026-08-09)
- Perplexity Crawlers(Perplexity, abgerufen am 2026-08-09)
- Introduction to structured data markup in Google Search(Google Search Central, abgerufen am 2026-08-09)
Aktualisiert am 2026-08-09