KI-Sichtbarkeit messen: Methode, Werkzeuge und eigene Daten aus 115 Tagen

„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, ordnet die Werkzeuge mit echten Preisen ein — und stützt sich auf eine eigene Auswertung von acht Domains über 115 Tage. Alle Zahlen sind relativ ausgewiesen: 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. (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

Über 115 Tage haben wir acht Domains ausgewertet — Agenturseite, Fachblogs, ein Vergleichsportal, ein medizinisches Fachportal und zwei lokale Dienstleister. Gemessen mit selbst gehosteter, cookiefreier Statistik-Software.

Zwei Dinge fallen sofort auf.

Bei zwei Seiten liefern KI-Systeme mehr Besucher als Google. Das Vergleichsportal und das medizinische Fachportal erhalten je rund doppelt so viele. Beides sind Seiten, die Fachfragen vollständig beantworten.

Lokale Dienstleister bekommen praktisch nichts. Eine Domain kam in 115 Tagen auf exakt null Besucher aus KI-Systemen — bei durchaus vorhandenem Google-Traffic. Wenn du regional verkaufst, erwarte hier keinen Umsatz. Das ist keine Frage der Optimierung, sondern des Geschäftsmodells.

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.

1. 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.
2. Bedingungen einbauen. KI-Antworten reagieren stark auf Einschränkungen: Preisgrenze, Lieferzeit, Zielgruppe, Region. Genau dort entstehen Unterschiede zwischen Anbietern.
3. Aus echten Quellen schöpfen: Search Console, Kundenmails, interne Suche. Diese Formulierungen sind belegbar, ausgedachte nicht.
4. Mindestens 20 Prompts. Darunter schlägt Zufall stärker durch als jede Maßnahme — bei zehn Prompts entspricht ein Treffer zehn Prozentpunkten.

Danach das Set stabil halten. Wer zwischen zwei Messungen Prompts tauscht, misst zwei verschiedene Dinge.

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.

Die Nennungsquote ist der Anteil der Prompts mit Nennung — 4 von 20 sind 20 Prozent.

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:

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 August 2026 global ausgerollte Generative-AI-Bericht in der Search Console ändert daran wenig — er zeigt nur Impressionen, keine Klicks, keine CTR, keine Suchanfragen, und trennt AI Overviews nicht vom AI Mode.

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 reicht nicht mehr

In unserer Messung stellte ChatGPT 74 Prozent des messbaren KI-Traffics. Das entsprach dem Marktbild — hat sich aber verschoben: ChatGPTs Anteil am KI-Traffic fiel binnen eines Jahres von rund 76 auf etwa 53 Prozent, während Gemini auf 27 bis 28 Prozent stieg.

Wer sein Segment nur auf chatgpt.com baut, verfehlt inzwischen fast die Hälfte.

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:

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 Zugriffe überwiegend von SEO-Werkzeugen; 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.

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.

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

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 für den US-Markt (Januar bis April 2026) senden KI-Werkzeuge unter einem Prozent des gesamten Referral-Traffics — bei gleichzeitig 68 Prozent Zero-Click-Anteil bei Google.

Die Branchenspreizung ist erheblich: Reise rund 23 Prozent Zitierrate, Automotive rund 20, professionelle Dienstleistungen unter 4 Prozent.

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

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.

Fang mit dem Prompt-Set und einer Messung an. Ohne diesen Wert kannst du in drei Monaten nicht sagen, ob sich etwas bewegt hat.

Und behalte im Kopf, was die Daten zeigen: Wenn du lokal verkaufst, ist das hier nicht dein Hebel. Wenn du Fachfragen beantwortest, kann es der wichtigste sein.

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.

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.

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

Zeitraum 22. April bis 14. August 2026, acht Domains kleiner bis mittlerer deutscher Anbieter, gemessen mit selbst gehosteter, cookiefreier Statistik-Software. Crawler-Auswertung über nginx-Logs, 15 Tage.

Grenzen: Acht Domains eines Anbieters ergeben keine Repräsentativität. Eine Domain stellt den Großteil der Aufrufe, weshalb alle Werte je Seitentyp ausgewiesen sind und nicht als Durchschnitt. Googles KI-Übersichten sind nicht messbar — der ausgewiesene KI-Anteil ist eine Untergrenze. Die Crawler-Messung umfasst nur zwei Hosts.

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); Pew Research Center (Juli 2025); Anbieter-Preisseiten, abgerufen am 15.08.2026.