„Tauchen wir eigentlich in ChatGPT auf?” — diese Frage kommt inzwischen in fast jedem Erstgespräch. Die ehrliche Antwort lautet meistens: Das weiß gerade niemand, weil es niemand gemessen hat.
Dieser Ratgeber schließt die Lücke. Er zeigt vier Messwege, die du ab heute nutzen kannst, sagt, wie genau sie sind, ordnet die Werkzeuge mit echten Preisen ein und stützt sich auf eigene Messdaten von acht Websites aus über sechs Monaten. Alle Zahlen sind relativ ausgewiesen, als Anteil an allen Seitenaufrufen: Absolute Besucherzahlen fremder Seiten sagen dir ohnehin nichts.
Wie misst man KI-Sichtbarkeit? Über vier Wege, von denen drei nichts kosten: (1) Ein festes Prompt-Set von mindestens 20 Fragen, abgemeldet und in getrennten Chats gestellt — daraus ergibt sich die Nennungsquote; je mehr verschiedene Fragen, desto genauer. (2) Referrer-Analyse in der Statistik:
chatgpt.com,perplexity.ai,copilot.microsoft.com,claude.ai,gemini.google.com. (3) Server-Logs auf KI-Crawler prüfen — nur dort siehst du, ob die Systeme deine Inhalte überhaupt erfassen. (4) Bezahlte Werkzeuge ab 20 USD/Monat, sinnvoll erst ab regelmäßigem Monitoring. Die wichtigste Grenze: Googles KI-Übersichten senden keinen eigenen Referrer und sind weder in GA4 noch in der Search Console von normalem Google-Traffic trennbar. Jeder gemessene KI-Anteil ist deshalb eine Untergrenze.
Was wir selbst gemessen haben
Seit dem 22. April 2026 messen wir auf acht Websites, wie viele Besucher aus KI-Assistenten oder KI-Tools kommen: unsere eigene Website und sieben weitere, die wir betreuen; fünf davon überregionale Informations- und Fachseiten, drei lokal ausgerichtet. Gemessen mit selbst gehosteter, cookiefreier Statistik-Software, ausgewertet bis zum 31. Oktober 2026.
Alle Werte unten sind Anteile an der Summe aller Seitenaufrufe des Panels. Zahlen einzelner Kundenseiten veröffentlichen wir nicht.
| Monat 2026 | Anteil KI-Assistenten an allen Seitenaufrufen | davon ChatGPT |
|---|---|---|
| April (ab 22.) | 2,3 % | 71 % |
| Mai | 2,4 % | 86 % |
| Juni | 1,5 % | 77 % |
| Juli | 1,9 % | 62 % |
| August | 2,1 % | 82 % |
| September | 2,7 % | 83 % |
| Oktober | 1,3 % (bereinigt rund 1,5 %) | 92 % |
Drei Dinge fallen auf.
KI-Assistenten bringen rund zwei von hundert Seitenaufrufen. Über den gesamten Zeitraum sind es 1,97 Prozent. Das ist messbar, aber klein — und es schwankt stark von Monat zu Monat.
Im Oktober hat sich der gemessene Anteil halbiert, aber nur zum Teil wirklich. Vom 8. bis 15. Oktober hat ChatGPT an vielen Links in seinen Antworten den Zusatz utm_source=chatgpt.com weggelassen. Da die übliche Herkunftsangabe des Browsers bei den meisten Klicks aus ChatGPT fehlt, erkennen Analyse- / Statistik-Programme einen Besuch aus ChatGPT an diesem Zusatz. Die Besuche kamen trotzdem an, nur ohne erkennbare Herkunft. Laut Cedric Huesler von Adobe hat OpenAI den Fehler bestätigt, ab dem 15. Oktober war er behoben (Search Engine Journal). In unserem Panel kamen in dieser Woche rund 60 Prozent weniger erkennbare ChatGPT-Besuche an als davor und danach. Rechnet man die Woche heraus, liegt der Oktober bei rund 1,5 statt 1,3 Prozent. Auch nach der Reparatur kam knapp ein Drittel weniger aus ChatGPT als im August und September, ungefähr so viel wie im Juli. Ob das ein echter Rückgang ist, lässt sich mit acht Websites nicht sauber sagen. Besuche aus Perplexity gab es im Oktober kaum noch. Da ein einzelner Monat keinen Trend anzeigt, kann also keine eindeutige Schlussfolgerung hieraus gezogen werden. In jedem Fall messen wir weiter.
Korrigiert am 4. November 2026: In der ersten Fassung stand hier, ein Messfehler sei es nicht.
Die Unterschiede zwischen den Websites sind groß. Von Juli bis Oktober lag der KI-Anteil je Website zwischen 0 und 8,8 Prozent, der mittlere Wert bei 2,3 Prozent. Den höchsten Wert hat unsere eigene Website adfera.de. Bei zwei der acht Websites kamen mehr Besucher aus KI-Assistenten als aus der Google-Suche.
Lokale Websites holen auf
In der ersten Auswertung (April bis August) kamen lokal ausgerichtete Websites auf 0,1 Prozent KI-Anteil, überregionale auf 2,0 Prozent. Unser damaliger Schluss: Lokale Dienstleister bekommen praktisch nichts. Von Juli bis Oktober lagen lokale Websites bei 1,8 Prozent, überregionale bei 2,0 Prozent. Der Zuwachs verteilt sich allerdings sehr ungleich auf die drei lokalen Websites. Wenn du lokal verkaufst, ist KI-Sichtbarkeit deshalb kein Selbstläufer, aber auch kein Thema, das du abhaken kannst.
Was tatsächlich empfohlen wird
Die Landeseiten zeigen ein eindeutiges Muster. Unter den sechs stärksten Seiten waren drei Kostenseiten („Was kostet …”), dazu ein Vergleich, eine Alternativen-Liste und eine eng gefasste Anleitung.
Ein Beispiel aus unserem eigenen Bestand: Der Ratgeber Was kostet eine professionelle Website gehört zu den Seiten mit dem höchsten KI-Traffic-Anteil — er beantwortet eine Preisfrage vollständig, mit offengelegter Kalkulation statt Spannenraterei.
Eine Seite, die „Was kostet X und wovon hängt der Preis ab” vollständig beantwortet, wird empfohlen. Eine Kategorieseite mit 200 Artikeln und einem Absatz Einleitung nicht.
Bemerkenswert: Auch kommerzielle Seiten bekommen KI-Traffic. Preisseite, Leistungsseite und sogar die Kontaktseite lagen im messbaren Bereich. Die Annahme, KI-Systeme verwiesen nur auf redaktionelle Inhalte, stimmt nicht.
Weg 1: Das Prompt-Set
Ohne festes Prompt-Set ist jede Messung wertlos, weil sich nichts vergleichen lässt.
- Kaufabsicht abbilden, nicht deinen Markennamen. „Bestes Werkzeug für X unter 200 Euro” ist ein Prompt. „Firma Müller” ist keiner — wer dich kennt, sucht nicht mehr.
- Bedingungen einbauen. KI-Antworten reagieren stark auf Einschränkungen: Preisgrenze, Lieferzeit, Zielgruppe, Region. Genau dort entstehen Unterschiede zwischen Anbietern.
- Aus echten Quellen schöpfen: Search Console, Kundenmails, interne Suche. Diese Formulierungen sind belegbar, ausgedachte nicht.
- Mindestens 20 Prompts, besser mehr. Wie genau das Ergebnis ist, hängt fast nur an der Zahl verschiedener Prompts (siehe unten).
Danach das Set stabil halten. Wer zwischen zwei Messungen Prompts tauscht, misst zwei verschiedene Dinge. Neue Prompts darfst du anhängen, bestehende formulierst du nicht um.
Wie genau ist das Ergebnis?
KI-Antworten schwanken. Naheliegend wäre, denselben Prompt mehrmals zu stellen. Das hilft aber wenig, denn verschiedene Prompts unterscheiden sich viel stärker voneinander als ein Prompt von Lauf zu Lauf.
SISTRIX hat das im Oktober 2026 an über 10.000 täglichen Messreihen in vier KI-Systemen und acht Ländern durchgerechnet (Breite schlägt Wiederholung). Angenommen, eine Marke wird in Wahrheit in 25 Prozent der Antworten genannt, und du hast 20 Abfragen zur Verfügung:
| So verteilt | Typische Abweichung der Messung |
|---|---|
| 1 Prompt an 20 Tagen | ± 34 Prozentpunkte |
| 20 Prompts an einem Tag | ± 9,5 Prozentpunkte |
| 100 Prompts an einem Tag | ± 4,2 Prozentpunkte |
„Typisch” heißt: In etwa zwei von drei Fällen liegt die Messung in dieser Spanne.
Unsere eigene Messung bestätigt das. Am 5. Oktober 2026 haben wir 17 Fragen ohne unseren Markennamen an ChatGPT, Gemini, Perplexity und Google AI Mode gestellt, jede dreimal am selben Tag. Die Ergebnisse streuten zwischen den Fragen vier- bis fünfmal so stark wie zwischen den Wiederholungen derselben Frage. Nur bei 11 von 68 Kombinationen aus Frage und System änderte sich das Ergebnis überhaupt von Wiederholung zu Wiederholung.
Daraus folgt:
- Mehr Prompts statt mehr Wiederholungen. 20 Prompts ergeben rund ± 10 Punkte, für ± 5 brauchst du rund 70, für ± 3 rund 200.
- Kleine Veränderungen sind Rauschen. Steigt deine Nennungsquote mit 20 Prompts von 20 auf 25 Prozent, hat sich vermutlich nichts verändert.
- Ein eigenes Set zeigt den Trend, nicht das Niveau. Selbst gewählte Prompts begünstigen die eigene Marke: In der SISTRIX-Auswertung schnitt sie in 63 bis 80 Prozent der Vergleiche besser ab als in einem neutralen Marktset. Für „Wir werden in x Prozent der Fälle empfohlen” taugt dein Set deshalb nicht.
Weg 2: Manuell messen
Kostet nur Disziplin.
Öffne ein abgemeldetes Fenster, stelle jeden Prompt in einem neuen Chat, notiere je Prompt: Marke genannt? An welcher Position? Welche Wettbewerber? Verlinkt oder nur erwähnt? Wiederhole alle zwei Wochen. Hast du Zeit für mehr, nimm lieber neue Prompts dazu, statt dieselben öfter zu stellen. Achte darauf, dies immer im Inkognito-Modus oder einem Browser zu tun, der deine Privatsphäre schützt. So verhinderst du, dass die KI-Systeme deinen Verlauf auswerten und das Ergebnis verfälschen.
Die Nennungsquote ist der Anteil der Prompts mit Nennung: 4 von 20 sind 20 Prozent, mit einer Unschärfe von rund ± 9 Prozentpunkten. Beurteile Veränderungen deshalb über mehrere Durchläufe, nicht über einen.
Der häufigste Fehler ist, angemeldet zu messen. KI-Systeme personalisieren nach Verlauf und Standort. Wer eingeloggt die eigene Marke sucht, findet sie und misst nichts als die eigene Historie.
Aufwand: rund 60 Minuten je Durchlauf und System.
Weg 3: Referrer — und die Fallen darin
Klickt jemand in einer KI-Antwort auf deinen Link, erscheint in der Statistik eine dieser Quellen:
| Quelle | System |
|---|---|
chatgpt.com, chat.openai.com | ChatGPT |
perplexity.ai | Perplexity |
copilot.microsoft.com, copilot.com | Microsoft Copilot |
claude.ai | Claude |
gemini.google.com | Gemini |
Hier lauern drei Fehler, die fast alle machen.
Falle 1: Googles KI-Übersichten sind unsichtbar
AI Overviews können technisch keinen eigenen Referrer senden, weil sie innerhalb der normalen Google-Suchergebnisseite gerendert werden. Der Referer-Header lautet google.com/search — identisch zu jedem klassischen Klick.
Google bestätigt das selbst: Seiten in KI-Funktionen sind „included in the overall search traffic in Search Console”. John Mueller ergänzte im Mai 2025, es sei „currently no separate break-out planned”.
Der seit dem 31. August 2026 weltweit ausgerollte Bericht zu generativer KI in der Search Console ändert daran wenig — er zeigt nur Impressionen nach Seite, Land und Datum, keine Klicks, keine CTR und keine Suchanfragen.
Konsequenz: Jeder KI-Anteil, den du misst, ist eine Untergrenze. Wer dir eine exakte Gesamtzahl verspricht, misst etwas, das derzeit niemand messen kann.
Falle 2: Nur ChatGPT zu filtern ist zu eng
In unserer Messung stellte ChatGPT von April bis August rund drei Viertel des messbaren KI-Traffics, im September und Oktober sogar 86 Prozent. Im Markt sieht es anders aus: ChatGPTs Anteil an den Besuchen von KI-Chat-Websites fiel laut Similarweb binnen eines Jahres (Juni 2025 bis Mai 2026) von rund 76 auf etwa 53 Prozent, während Gemini auf rund 27 Prozent stieg. Andere Erhebungen kommen je nach Methode auf andere Werte, die Richtung ist aber überall dieselbe.
Dass Gemini in deiner Statistik kaum auftaucht, heißt also nicht, dass niemand Gemini nutzt. Die meisten Gemini-Besuche kommen ohne erkennbaren Referrer an (siehe Falle 3), und manche Statistik-Werkzeuge sortieren gemini.google.com unter „Google” ein. Leg dein Segment deshalb auf alle Quellen an, auch wenn ChatGPT heute den Großteil bringt.
Falle 3: Ein großer Teil kommt als „Direkt” an
KI-Anwendungen strippen den Referrer: iOS-Safari-Views, Android-WebViews, Desktop-Apps und schlichtes Kopieren des Links. Die ChatGPT- und Claude-Apps liegen nahe 100 Prozent referrerlos, die Gemini-App bei etwa 91 Prozent, Perplexity als positiver Ausreißer bei rund 30 Prozent.
Wie groß der Verlust insgesamt ist, ist strittig: Eine Messung nennt 35,7 Prozent, eine andere 70,6 Prozent. Beide stammen von Anbietern, die genau dieses Problem als Produkt lösen, und legen ihre Stichprobe nicht offen. Nimm die Spanne, nie einen Einzelwert.
Ein praktischer Stolperstein zum Schluss: OpenAI hängt utm_source=chatgpt.com an, aber kein utm_medium. In GA4 landen diese Besuche dadurch unter „Unassigned” statt unter „Referral”.
Weg 4: Server-Logs — wer dich wirklich abruft
Die Statistik zeigt Menschen. Sie zeigt keine Maschinen, denn KI-Crawler führen kein JavaScript aus. Ob die Systeme deine Inhalte überhaupt erfassen, siehst du nur im Server-Log.
Entscheidend ist die Unterscheidung nach Zweck — und genau die steht in den meisten Artikeln falsch:
| Kennung | Betreiber | Typ | robots.txt |
|---|---|---|---|
GPTBot | OpenAI | Training | beachtet |
OAI-SearchBot | OpenAI | Index für ChatGPT Search | beachtet |
ChatGPT-User | OpenAI | Live-Abruf | „may not apply” |
ClaudeBot | Anthropic | Training | beachtet |
Claude-SearchBot | Anthropic | Index | beachtet |
Claude-User | Anthropic | Live-Abruf | beachtet |
PerplexityBot | Perplexity | Index, kein Training | beachtet |
Perplexity-User | Perplexity | Live-Abruf | ignoriert in der Regel |
Googlebot | Index — AI Overviews laufen hierüber | beachtet | |
meta-externalagent | Meta | Training + Index | beachtet |
Trainings-Crawler nehmen Inhalte für künftige Modelle auf — Wirkung frühestens in Monaten. Index-Crawler bauen den Bestand, aus dem zitiert wird. Live-Abrufer holen deine Seite in dem Moment, in dem jemand fragt. Nur die letzten beiden beeinflussen Antworten kurzfristig.
Drei Irrtümer, die dich Sichtbarkeit kosten
„Ich sperre ChatGPT-User, dann bin ich aus ChatGPT raus.” Falsch — und der häufigste Konfigurationsfehler. ChatGPT-User entscheidet nicht über die Aufnahme in ChatGPT Search. Dafür ist ausschließlich OAI-SearchBot zuständig. Wer den sperrt, verschwindet aus den Antworten.
„Mit Google-Extended blockiere ich AI Overviews.” Falsch. Google-Extended ist gar kein Crawler und hat keinen eigenen User-Agent — es ist nur ein robots.txt-Token für Gemini-Training und Grounding. AI Overviews und AI Mode laufen über Googlebot. Steuern kannst du sie nur über nosnippet, data-nosnippet, max-snippet oder noindex.
„noindex hält KI-Crawler fern.” Falsch. In unserer Log-Auswertung riefen sechs verschiedene KI-Systeme Seiten ab, die per Header auf noindex, nofollow standen. noindex steuert die Indexierung durch Suchmaschinen, nicht den Abruf durch Crawler. Und selbst auf die robots.txt ist kein Verlass: Zwei der acht gemessenen Systeme haben sie im gesamten Zeitraum kein einziges Mal geholt.
Ein Nebenbefund aus derselben Messung: OAI-SearchBot war an allen Messtagen aktiv. Die ChatGPT-Suche schaut täglich vorbei.
Was llms.txt wirklich taugt
Zu kaum einer Datei kursieren so viele Empfehlungen — und fast alle argumentieren an der Sache vorbei.
Für KI-Sichtbarkeit bringt sie nichts. Google schreibt in seinem offiziellen AI Optimization Guide (Stand 10.07.2026) ausdrücklich, dass „LLMS.txt files” nicht nötig sind. Vier unabhängige Erhebungen kommen zum selben Ergebnis, darunter eine Ahrefs-Auswertung von 137.210 Domains: 97 Prozent der veröffentlichten Dateien erhielten im Messmonat null Anfragen. Bei den wenigen abgerufenen kamen die meisten Zugriffe von SEO-Werkzeugen (21,7 Prozent der Anfragen); auf KI-Retrieval-Bots entfielen 1,1 Prozent. Der aufschlussreichste Satz betrifft das Verhalten: KI-Bots fragen die Datei nicht an, wenn sie nicht existiert — sie suchen nicht danach.
Aber die verbreitete Kritik trifft einen Strohmann. llms.txt wurde von Jeremy Howard nie als SEO- oder GEO-Maßnahme vorgeschlagen. Die Spezifikation zielt auf Kontext zur Inferenzzeit für Coding-Agents — nicht auf Sichtbarkeit in KI-Antworten. Wer schreibt „llms.txt wirkt nicht”, widerlegt etwas, das die Datei nie behauptet hat.
Und Google widerspricht sich selbst: Während Google Search die Datei abwinkt, prüft Chrome Lighthouse seit Mai 2026 in der Kategorie „Agentic Browsing” aktiv auf ihr Vorhandensein.
Verbreitet, aber unbelegbar ist die Behauptung, Anthropic, OpenAI oder Perplexity unterstützten llms.txt offiziell. Sie beruht auf einer Verwechslung: Diese Anbieter veröffentlichen eine llms.txt für ihre eigene Dokumentation. Sie lesen keine als Ranking- oder Zitationssignal.
Und genau das ist der interessanteste Teil. Wenn ausgerechnet OpenAI, Anthropic und Perplexity für ihre eigenen Entwicklerdokumentationen eine llms.txt pflegen, halten sie das Format offensichtlich für nützlich. Nur eben für den Zweck, für den es gedacht war: damit KI-Assistenten die Dokumentation sauber aufnehmen können, wenn ein Entwickler sie danach fragt.
Das führt zu einer differenzierteren Antwort als „bringt nichts”:
- Verkaufst du an Endkunden? Dann ist llms.txt für deine Sichtbarkeit ohne Belang. Zwanzig Minuten Aufwand, kein messbarer Rückfluss.
- Hast du eine Dokumentation, eine API oder ein erklärungsbedürftiges Produkt, über das Entwickler ihre KI-Assistenten befragen? Dann arbeitest du im ursprünglichen Anwendungsfall — und die Anbieter selbst machen vor, dass es sich lohnt.
Fazit: Als Sichtbarkeitsmaßnahme verdient die Datei keine Priorität, solange strukturierte Daten, Ladezeit und beantwortende Inhalte nicht stehen. Als Dokumentations-Werkzeug ist sie das Gegenteil von Hype — sie tut genau, was sie soll, nur nicht das, wofür sie verkauft wird.
Was mit KI-Zitaten zusammenhängt — und was nicht
Zu GEO kursieren viele Regeln, belegt sind wenige. Die bislang größte Auswertung für den deutschsprachigen Raum hat SISTRIX im Oktober 2026 veröffentlicht (GEO-Mythen im Datencheck): 48.527 Seiten, die ChatGPT, Google AI Mode oder AI Overviews zitiert haben, jeweils verglichen mit einer nicht zitierten Seite derselben Domain. Der Faktor gibt an, wie stark ein Merkmal mit Zitaten zusammenhängt; 1,0 heißt kein Unterschied.
| Merkmal der Seite | Faktor |
|---|---|
| Inhaltsverzeichnis | 1,7 |
| Article-Schema | 1,6 |
| FAQPage-Schema mit echten Fragen | 1,5 |
| Tabelle mit Kopfzeile | 1,5 |
| Fragen als Zwischenüberschrift | 1,4 |
| Autorenbox mit Foto | 1,4 |
| mindestens zehn externe Links | 1,3 |
| Breadcrumb-Schema | 1,0 |
| Lesbarkeitsindex (Flesch) | kein Effekt |
| llms.txt der Domain | kein Effekt |
| Product-Schema | 0,8 |
Drei Punkte zur Einordnung:
- Zusammenhang ist nicht Ursache. Gut strukturierte Seiten sind meist auch sonst besser gemacht. Ein Inhaltsverzeichnis allein macht keine Seite zitierfähig.
- Schema ist kein Pauschalsignal. Es kommt auf den Typ an. Breadcrumbs bleiben für die klassische Suche sinnvoll, für KI-Zitate zeigte sich kein Unterschied. Außerdem sollte Schema nur dort eingesetzt werden, wo es laut Richtlinien auch erlaubt und sinnvoll ist. Andernfalls ignoriert Google es. Bei irreführendem Markup droht sogar eine manuelle Maßnahme: Ein Mitarbeiter von Google prüft die Seite von Hand und entzieht ihr die erweiterten Suchergebnisse, etwa Sterne oder FAQ-Aufklapper. Die Meldung erscheint in der Search Console und gilt, bis das Markup bereinigt und eine erneute Überprüfung beantragt ist.
- Kleine Studien kippen. Mit 833 Seiten kam bei FAQ-Schema das Gegenteil heraus, erst ab rund 5.000 Seiten wurde das Ergebnis stabil. Prüf bei jeder GEO-Studie zuerst die Stichprobe.
Eine aktuelle Jahreszahl im Seitentitel ging in derselben Auswertung mit deutlich mehr Zitaten einher (2,7), eine veraltete mit weniger (0,7). SISTRIX nennt das selbst nur einen ersten Hinweis. Für dich heißt das: Jahreszahl nur in den Titel, wenn du die Seite jedes Jahr wirklich prüfst.
In unseren eigenen Ratgebern sind Inhaltsverzeichnis, Tabellen, echte FAQ und eine Autorenbox mit Foto Standard, da sie Usern helfen sich auf der Seite zu orientieren.
Werkzeuge und was sie kosten
Alle Preise am 15.08.2026 direkt bei den Anbietern abgerufen. In dieser Kategorie ändern sich Preise im Monatsrhythmus — betrachte das als Momentaufnahme.
| Werkzeug | Sitz | Einstieg pro Monat | Umfang |
|---|---|---|---|
| HubSpot AI Search Grader | USA | 0 € | Einmal-Momentaufnahme, kein Monitoring |
| Rankscale Essentials | Österreich | ab 20 USD | 8+ Systeme, stündlich bis monatlich |
| Otterly.AI Lite | Österreich | 29 USD | 15 Prompts, 4 Systeme |
| Peec AI Starter | Berlin | 85 € | 50 Prompts, 3 Modelle, täglich |
| Semrush AI Visibility | USA | 99 USD | 25 Prompts, 1 Domain |
| Sistrix Start | Bonn | 119 € netto | 100 Prompts/Monat |
| Ahrefs Lite | Singapur | 119 € | Brand Radar inklusive |
| Profound Growth | USA | 399 USD | 3 Systeme, 100 Prompts |
Bei Conductor und BrightEdge gibt es keinen veröffentlichten Preis; kursierende Drittangaben widersprechen sich um den Faktor fünf.
Meine Einschätzung: Unter etwa 20 relevanten Prompts und ohne monatliches Reporting lohnt kein bezahltes Werkzeug — die manuelle Messung liefert dieselbe Aussage. Wer regelmäßig berichten muss, spart ab dem zweiten Monat mehr Zeit, als das Abo kostet. Für DSGVO-sensible Kunden sind Peec AI (Berlin), Sistrix (Bonn), Rankscale und Otterly (Österreich) die naheliegenden Optionen.
Wie lange es dauert
| Maßnahme | Erste sichtbare Wirkung |
|---|---|
| Strukturierte Daten korrigiert | 2–6 Wochen |
| Neue beantwortende Inhalte | 4–12 Wochen |
| Externe Erwähnungen aufgebaut | 3–6 Monate |
| Trainingsdaten-Effekte | nicht steuerbar |
Live-Abrufer erfassen Änderungen binnen Tagen. Trainingsbasierte Antworten ändern sich erst mit dem nächsten Modell — darauf lässt sich nicht planen.
Wie groß der Effekt insgesamt ist
Zur Einordnung, damit du niemandem auf den Leim gehst: Nach einer Clickstream-Auswertung von SparkToro auf Basis von Similarweb-Daten für den US-Markt (Januar bis April 2026) endeten 68 Prozent der Google-Suchen ohne Klick. KI-Werkzeuge liefern nach den verfügbaren Erhebungen weiterhin nur einen sehr kleinen Teil des gesamten Referral-Traffics — groß im Wachstum, klein im Volumen.
Und die Wirkung von AI Overviews auf Klicks ist offen umstritten. Google nennt das Klickvolumen „relatively stable”, ohne eine einzige Zahl zu nennen. Eine Untersuchung von Pew Research (Juli 2025, 900 Teilnehmende, knapp 69.000 Suchen, Methodik offengelegt) misst 8 Prozent Klickrate mit KI-Übersicht gegenüber 15 Prozent ohne. Google hält die Methodik für fehlerhaft. Beide Positionen stehen unversöhnlich nebeneinander — such dir niemanden aus, der dir sagt, es sei entschieden.
Checkliste für die nächsten 30 Tage
| # | Schritt | Aufwand | Wirkung |
|---|---|---|---|
| 1 | Prompt-Set mit 20 Fragen anlegen | 2 Std. | Grundlage |
| 2 | Erste Messung, abgemeldet | 1 Std. | Ausgangswert |
| 3 | Segment für alle fünf KI-Referrer anlegen | 30 Min. | dauerhaft |
| 4 | Server-Logs auf KI-Crawler prüfen | 1 Std. | hoch |
| 5 | Prüfen, ob robots.txt OAI-SearchBot sperrt | 15 Min. | kritisch |
| 6 | Strukturierte Daten auf Vollständigkeit | 4 Std. | hoch |
| 7 | Eine Kostenseite je Hauptthema | 6 Std. | sehr hoch |
| 8 | Eine Vergleichsseite je Hauptthema | 6 Std. | sehr hoch |
| 9 | Wettbewerber im Prompt-Set mitprotokollieren | 30 Min. | mittel |
| 10 | Zweite Messung nach 14 Tagen | 1 Std. | Trend |
Punkt 5 wird am häufigsten übersehen — und ist der einzige, bei dem ein Fehler dich aktiv Sichtbarkeit kostet.
Fazit
KI-Sichtbarkeit lässt sich messen, überwiegend mit Bordmitteln. Was fehlt, ist selten das Werkzeug, sondern der erste festgehaltene Ausgangswert — und ein Prompt-Set, das breit genug ist, um Veränderungen von Zufall zu unterscheiden.
Fang mit 20 oder mehr Prompts und einer Messung an. Ohne diesen Wert kannst du in drei Monaten nicht sagen, ob sich etwas bewegt hat.
Und behalte die Größenordnung im Kopf: In unserem Panel kommen knapp zwei von hundert Seitenaufrufen aus KI-Assistenten, und der Wert schwankt von Monat zu Monat deutlich. Das ist ein Kanal, den du messen solltest, aber kein Ersatz für Google — egal, ob du lokal oder überregional verkaufst.
Die Messung nimmt dir niemand ab — den ersten Ausgangswert musst du selbst festhalten. Bei allem, was danach kommt, können wir übernehmen:
Womit wir dabei helfen
SEO
Technische Optimierung, strukturierte Daten und Inhalte, die eine Frage vollständig beantworten — die Grundlage jeder KI-Zitation.
Online-Marketing
Messbare Sichtbarkeit über Suche, Ads und Analytics — ohne Drittanbieter-Tracking.
Webdesign
Performante, barrierefreie Websites. Ladezeit und sauberes Markup entscheiden mit, ob KI-Systeme dich erfassen.
Workshops
Wir richten die Messung mit deinem Team ein, statt sie für dich zu betreiben.
Möchtest du die Sichtbarkeit in KI-Modellen und den AI Overviews gezielt verbessern? Dann schau gerne im Bereich GEO & AI SEO vorbei.
Wer die technische Grundlage gar nicht selbst betreuen will, findet sie in der laufenden Website-Betreuung enthalten.
Häufige Fragen
Kann ich sehen, wie oft ChatGPT meine Seite empfiehlt?
Teilweise. Klicks aus ChatGPT erscheinen in deiner Statistik als Referrer chatgpt.com — allerdings nur, wenn der Nutzer im Browser unterwegs war. Aus der ChatGPT-App geht der Referrer nahezu vollständig verloren, dort landen die Besuche als „Direkt”. Wie oft du genannt wirst, ohne dass jemand klickt, siehst du gar nicht; das ermittelst du nur über ein eigenes Prompt-Set.
Wie viele Prompts brauche ich für eine verlässliche Messung?
Mindestens 20, besser mehr. Mit 20 verschiedenen Prompts liegt die gemessene Nennungsquote typischerweise rund 10 Prozentpunkte neben dem wahren Wert, mit 70 Prompts rund 5, mit 200 rund 3 (SISTRIX, Oktober 2026). Denselben Prompt mehrfach zu stellen, verbessert die Messung kaum, weil sich verschiedene Prompts stärker voneinander unterscheiden als ein Prompt von Lauf zu Lauf. In unserer eigenen Messung war dieser Unterschied vier- bis fünfmal so groß, sodass mehr verschiedene Prompts der beste Weg zu einer genauen Messung sind.
Warum taucht Gemini nicht in meiner Statistik auf?
Weil Googles KI-Übersichten innerhalb der normalen Suchergebnisseite gerendert werden. Der Referrer bleibt google.com/search, identisch zu jedem klassischen Klick. Google bestätigt, dass dieser Traffic in der Search Console unter der allgemeinen Suche geführt wird. Nur die eigenständige Gemini-App sendet gemini.google.com — und auch die zu rund 91 Prozent ohne Referrer.
Hält noindex KI-Systeme von meiner Seite fern?
Nein. In unserer Log-Auswertung riefen sechs verschiedene KI-Systeme Seiten ab, die per Header auf noindex, nofollow standen. noindex steuert die Indexierung durch Suchmaschinen, nicht den Abruf durch Crawler. Zum Ausschließen brauchst du Einträge in der robots.txt — und selbst darauf ist kein Verlass, weil mehrere Anbieter dokumentieren, dass ihre nutzerinitiierten Abrufe robots.txt nicht anwenden.
Brauche ich ein kostenpflichtiges Werkzeug?
Unter etwa 20 relevanten Prompts und ohne monatliches Reporting nicht. Die manuelle Messung liefert dieselbe Aussage und kostet rund 60 Minuten je Durchlauf. Wer regelmäßig berichten muss, spart ab dem zweiten Monat mehr Zeit, als ein Abo ab 20 US-Dollar kostet.
Wie lange dauert es, bis Änderungen wirken?
Korrigierte strukturierte Daten wirken nach zwei bis sechs Wochen, neue beantwortende Inhalte nach vier bis zwölf. Externe Erwähnungen brauchen drei bis sechs Monate. Effekte über Trainingsdaten lassen sich nicht planen — sie ändern sich erst mit dem nächsten Modell.
Bringt eine llms.txt etwas für meine Sichtbarkeit?
Für Sichtbarkeit in KI-Antworten: nein. Google schreibt in seinem AI Optimization Guide ausdrücklich, dass die Datei nicht nötig ist, und mehrere unabhängige Erhebungen zeigen, dass sie kaum abgerufen wird. Dafür war sie allerdings auch nie gedacht — ihr eigentlicher Zweck ist Kontext für Programmier-Assistenten. Wenn du eine Dokumentation oder Schnittstelle betreibst, über die Entwickler ihre KI-Assistenten befragen, ist sie sinnvoll.
Zur Methodik
Panel: Acht Websites kleiner und mittlerer deutscher Anbieter (unsere eigene und sieben weitere, die wir betreuen), gemessen mit selbst gehosteter, cookiefreier Statistik-Software vom 22. April bis 31. Oktober 2026. Gezählt werden Seitenaufrufe mit Referrer aus ChatGPT, Microsoft Copilot, Claude und Perplexity, als Anteil an allen Seitenaufrufen des Panels. Crawler-Auswertung über nginx-Logs, 15 Tage. Prompt-Messung am 5. Oktober 2026: 22 Prompts, davon 17 ohne unseren Markennamen, vier KI-Systeme, je drei Wiederholungen am selben Tag.
Grenzen: Acht Websites eines Anbieters ergeben keine Repräsentativität. Die größte Website stellt rund zwei Drittel aller Seitenaufrufe, die Summe des Panels ist deshalb stark von ihr geprägt; darum steht die Spannweite je Website mit dabei. Zwei Websites liefern erst ab Mai bzw. Juli Daten, eine nur bis Ende August. Googles KI-Übersichten sind nicht messbar. Der ausgewiesene KI-Anteil ist eine Untergrenze. Seit Mitte August 2026 kommen keine Besuche mit Claude-Referrer mehr an; das ist eine Messgrenze, keine Aussage über die Nutzung. Es werden also nur Tendenzen aus einer nicht-repräsentativen Auswertung sichtbar.
Quellen: Google AI Optimization Guide (10.07.2026) und Search-Central-Dokumentation; Crawler-Kennungen aus den Entwicklerdokumentationen von OpenAI, Anthropic, Perplexity, Google und Meta; Ahrefs-Studie zu llms.txt (Juni 2026); SISTRIX, Breite schlägt Wiederholung (27.10.2026) und GEO-Mythen im Datencheck (22.10.2026); Pew Research Center (Juli 2025); Anbieter-Preisseiten, abgerufen am 15.08.2026.
Daten nutzen (CC BY 4.0): Die aggregierten Kennzahlen dieser Messung sind als Datensatz dauerhaft zitierbar auf Zenodo archiviert, mit Codebook, Methodik-PDF und Zeitreihe bis zum 31. Oktober 2026: https://doi.org/10.5281/zenodo.22874468 (führt immer zur neuesten Version). Veröffentlicht werden ausschließlich Aggregate, keine Werte einzelner Websites.
Datensatz zitieren:
adfera — Lehmann, Moritz (2026): KI-Traffic-Panel 2026 — Besuche aus KI-Assistenten auf 8 deutschen KMU-Websites (aggregierte Kennzahlen). Datensatz, Version 1.1. Zenodo. https://doi.org/10.5281/zenodo.23886250