KI-Sichtbarkeit messen
Ob ChatGPT, Perplexity oder Google AI Overviews Ihre Marke nennen, lässt sich nicht erraten – es lässt sich messen. Was LLMO ist, warum KI-Sichtbarkeit aktiv überwacht werden muss und mit welchen Kennzahlen Sie sichtbar machen, wie KI-Systeme über Sie sprechen.
Was ist LLMO / KI-Sichtbarkeit?
LLMO steht für Large Language Model Optimization: die Optimierung und das Monitoring der Sichtbarkeit einer Marke in den Antworten großer Sprachmodelle wie ChatGPT, Claude, Perplexity und Google AI Overviews. KI-Sichtbarkeit ist das, was dabei gemessen wird – ob und wie ein Unternehmen in generierten KI-Antworten erwähnt, korrekt dargestellt und als Quelle zitiert wird.
Der Unterschied zum klassischen SEO ist grundlegend. Bei SEO geht es um eine Position in einer Liste von Suchergebnissen. Bei LLMO geht es um Präsenz in einer formulierten Antwort: Erwähnt das Modell Ihre Marke? Stellt es sie richtig dar? Nennt es Sie als Quelle oder Ihren Wettbewerber? Diese Fragen entscheiden über Ihre Wahrnehmung in einer Welt, in der immer mehr Menschen ihre Kaufentscheidung mit einer KI-Antwort beginnen.
LLMO ist damit der messbare Kern der Generative Engine Optimization: Optimierung lässt sich nur steuern, wenn man ihren Ausgangspunkt und ihre Wirkung kennt. KI-Sichtbarkeit messen ist der Monitoring-Teil, der diese Grundlage schafft.
Warum man KI-Sichtbarkeit aktiv messen muss
Ein Google-Ranking ist über kurze Zeiträume stabil und für alle Nutzer weitgehend gleich. Ein Ranking-Check ist deshalb eine einfache Momentaufnahme: Position 4, heute wie morgen. KI-Antworten funktionieren anders – und genau das macht das Messen notwendig.
KI-Antworten sind nicht-deterministisch. Dieselbe Frage führt bei wiederholter Eingabe zu unterschiedlich formulierten Antworten, in denen mal Ihre Marke, mal ein Wettbewerber, mal niemand genannt wird. Die Ausgabe schwankt durch die Funktionsweise der Modelle selbst, aber auch durch Personalisierung, Region, verwendetes Modell und laufende Updates. Eine einzelne Abfrage sagt deshalb fast nichts aus.
Wer KI-Sichtbarkeit ernst nimmt, behandelt sie wie eine statistische Größe, nicht wie einen festen Wert. Erst die wiederholte, systematische Messung über viele Läufe und über die Zeit ergibt ein belastbares Bild: Wie wahrscheinlich werden Sie genannt, in welchem Kontext und mit welcher Tendenz. Aus Rauschen wird so eine Kennzahl, die man steuern kann.
Wie man KI-Sichtbarkeit misst
Eine belastbare Messung folgt einem methodischen Vorgehen. Vier Bausteine bilden den Kern jedes seriösen LLMO-Monitorings:
Definierte Prompt-Sets
Ausgangspunkt ist ein festes Set realistischer Fragen, die Ihre Zielgruppe einem KI-System stellen würde – nach Problem, Produkt und Kategorie sortiert. Nur ein stabiles Prompt-Set macht Messungen vergleichbar.
Mehrere Läufe
Jeder Prompt wird mehrfach abgefragt und über die Läufe statistisch geglättet. So fängt man die Schwankung nicht-deterministischer Antworten ein und erhält Wahrscheinlichkeiten statt zufälliger Einzelergebnisse.
Share of Voice & Sentiment
Die Antworten werden ausgewertet: Wie oft kommt Ihre Marke vor und wie laut im Vergleich zum Wettbewerb (Share of Voice), und in welchem Tonfall wird sie dargestellt – positiv, neutral oder negativ (Sentiment).
Zitierte Quellen
Erfasst wird, welche Quellen und welche Wettbewerber das KI-System zitiert. Das zeigt, woher die Modelle ihr Wissen über Ihr Themenfeld beziehen – und wo Sie als Quelle noch fehlen.
Welche Kennzahlen zählen
Aus der Auswertung der Antworten ergeben sich vier zentrale Kennzahlen, die KI-Sichtbarkeit greifbar und vergleichbar machen:
Erwähnungsrate
In welchem Anteil der Antworten Ihre Marke überhaupt genannt wird. Die grundlegendste Kennzahl: Sind Sie präsent oder unsichtbar?
Position in der Antwort
An welcher Stelle Sie genannt werden. Eine frühe, prominente Erwähnung wiegt schwerer als eine Randnotiz am Ende einer langen Aufzählung.
Sentiment
In welchem Tonfall über Sie gesprochen wird – positiv, neutral oder negativ. Präsenz allein genügt nicht, wenn die Darstellung falsch oder abwertend ist.
Quellenanteil
Wie häufig Ihre Website als zitierte Quelle der Antwort auftaucht. Diese Kennzahl verbindet KI-Sichtbarkeit direkt mit messbarem Traffic-Potenzial.
Vom Messen zum Handeln
Messen ist kein Selbstzweck. Der Wert entsteht erst, wenn aus den Kennzahlen Maßnahmen werden. Der direkteste Hebel sind die zitierten Quellen: Wenn KI-Systeme zu Ihren Kernthemen wiederholt fremde Seiten zitieren, Sie aber nicht, haben Sie eine konkrete Lücke gefunden. Diese Themen mit eigenen, zitierfähigen Inhalten zu besetzen, ist die naheliegende Antwort – und ein zentraler Baustein unserer KI-SEO- & GEO-Beratung.
Genauso wichtig ist ein ehrlicher Blick auf die Grenzen. Der Markt für LLMO-Monitoring-Tools ist jung und in Bewegung. Funktionsumfang und Abdeckung der verschiedenen KI-Systeme schwanken, die Genauigkeit der automatisierten Auswertung ist nicht perfekt, und seriöses Monitoring über mehrere Modelle und viele Läufe verursacht laufende Kosten. Wer hier absolute Präzision oder Vollständigkeit verspricht, übertreibt.
Trotz dieser Einschränkungen ist die Richtung klar: KI-gestützte Suche wird wichtiger, und mit ihr agentische Kauf- und Vergleichsprozesse. Wer früh misst, lernt sein eigenes KI-Bild kennen, bevor es teuer wird, es nicht zu kennen. Eine pragmatische, regelmäßige Messung schlägt die perfekte, die nie stattfindet.
Verwandte GEO-Guides
Agentic Commerce & KI-Agenten
Wenn KI-Agenten kaufen und vergleichen – wie Marken in agentischen Prozessen sichtbar bleiben.
Guide lesen →
In ChatGPT sichtbar werden
Wie ChatGPT Quellen auswählt und welche Inhalte es in seinen Antworten zitiert.
Guide lesen →
GEO-Leitfaden (Hub)
Zurück zur Übersicht aller Bausteine der Generative Engine Optimization.
Guide lesen →
Häufige Fragen zu KI-Sichtbarkeit & LLMO
LLMO steht für Large Language Model Optimization und bezeichnet die Optimierung und das Monitoring der Sichtbarkeit einer Marke in den Antworten großer Sprachmodelle wie ChatGPT, Claude, Perplexity und Google AI Overviews. Während klassisches SEO auf Rankings in der Suchergebnisliste zielt, geht es bei LLMO darum, ob und wie ein Unternehmen in den generierten KI-Antworten erwähnt, korrekt dargestellt und als Quelle zitiert wird. KI-Sichtbarkeit messen ist der Monitoring-Teil von LLMO: das systematische Erfassen, wie KI-Systeme über Ihre Marke, Produkte und Themen sprechen.
KI-Sichtbarkeit misst man, indem man ein definiertes Set relevanter Prompts (Fragen, die Ihre Zielgruppe einem KI-System stellen würde) wiederholt an die KI-Systeme stellt und die Antworten auswertet. Weil KI-Antworten nicht-deterministisch sind und zwischen den Läufen schwanken, wird jeder Prompt mehrfach abgefragt und das Ergebnis statistisch geglättet. Ausgewertet wird dann, wie oft die Marke erwähnt wird (Erwähnungsrate), an welcher Stelle der Antwort, in welchem Tonfall (Sentiment) und welche Quellen bzw. Wettbewerber zitiert werden.
Share of Voice in der KI-Suche beschreibt den Anteil, den Ihre Marke an allen Marken-Erwähnungen zu einem Themenfeld in KI-Antworten hat. Wird zu einem Set von Prompts Ihre Marke in 30 von 100 Antworten genannt und der gesamte Wettbewerb in den restlichen 70, liegt Ihr Share of Voice bei 30 Prozent. Die Kennzahl zeigt Ihre relative Präsenz gegenüber dem Wettbewerb in der KI-gestützten Suche – nicht nur, ob Sie vorkommen, sondern wie laut Sie im Vergleich zu anderen sind.
Es gibt eine wachsende Zahl spezialisierter LLMO-Monitoring-Tools (etwa Peec AI, Otterly, Profound oder Scrunch), die Prompt-Sets automatisiert über mehrere KI-Systeme laufen lassen und Erwähnungsrate, Share of Voice und Sentiment in Dashboards aufbereiten. Der Markt ist jedoch jung und in Bewegung: Funktionsumfang, Genauigkeit und Preise unterscheiden sich stark, und kein Tool deckt alle KI-Systeme gleich gut ab. Für eine erste Einschätzung lässt sich KI-Sichtbarkeit auch manuell messen, indem man definierte Prompts wiederholt selbst abfragt und protokolliert.
Sinnvoll ist eine regelmäßige, mindestens monatliche Messung, da sich KI-Antworten durch Modell-Updates, neue Trainingsdaten und veränderte Quellenlage laufend verschieben. Eine einmalige Momentaufnahme hat wenig Aussagekraft, weil KI-Antworten schwanken – erst die Entwicklung über mehrere Messzeitpunkte zeigt, ob Ihre Maßnahmen wirken. In dynamischen Wettbewerbsfeldern oder nach größeren Content-Maßnahmen kann auch eine wöchentliche Messung sinnvoll sein.
Über den Autor
Moritz Lehmann
SEO-Berater & Gründer von SEO Kraftwerk
Moritz Lehmann ist Gründer von Adfera und SEO Kraftwerk mit Sitz in Erfurt. Mit einem M.Sc. in Wirtschaftsinformatik, Zertifizierungen von Surfer SEO und Sistrix sowie als BAFA/TAB-akkreditierter Berater verbindet er technisches SEO-Know-how mit strategischer Unternehmensberatung. Er publiziert regelmäßig im OMT Magazin und der AFS Akademie und hält Vorträge bei IHK-Seminaren zu Digital Marketing und SEO.