
Ein steigender Wert beantwortet noch keine Budgetfrage
Im Monatsbericht steigt die KI-Sichtbarkeit. Gleichzeitig bleiben die Anfragen unverändert. Ist das ein Erfolg, eine Übergangsphase oder ein Zeichen dafür, dass an den falschen Themen gearbeitet wird?
Für einen technischen B2B-Anbieter ist die Frage berechtigt. Entscheidend ist, ob relevante Interessenten sein Angebot verstehen und für eine konkrete Aufgabe berücksichtigen. Eine häufige Nennung bei allgemeinen Wissensfragen kann dazu beitragen. Sie belegt diese Wirkung aber nicht.
Meine Empfehlung: Behandeln Sie KI-Sichtbarkeit als mehrere überprüfbare Beobachtungen. Erst im Zusammenhang mit Ihrer Zielgruppe und einer anstehenden Entscheidung wird daraus eine brauchbare Steuerungsgröße.
Vier Ebenen, die im Reporting getrennt bleiben sollten
Für die Praxis unterscheide ich vier Ebenen. Diese Einteilung ist ein Arbeitsrahmen, keine branchenweit verbindliche Messnorm.
| Ebene | Was Sie beobachten | Was damit noch nicht belegt ist |
|---|---|---|
| Sichtbarkeit in Tests | Ihr Unternehmen erscheint in untersuchten KI-Antworten. | Wie häufig reale Kunden diese Fragen stellen. |
| Darstellung in der Plattform | Verfügbare Plattformdaten und geprüfte Antworten zeigen Nennungen, Quellenbezüge und inhaltlichen Kontext. | Dass die Darstellung korrekt ist oder Kaufabsicht besteht. |
| Besuch auf der Website | Menschen gelangen auf Ihre Seiten; ein Teil der Herkunft lässt sich zuordnen. | Dass diese Menschen zum Angebot passen. |
| Geschäftlicher Kontakt | Passende Anfragen und Verkaufschancen entstehen. | Welcher einzelne Kontaktpunkt das Geschäft verursacht hat. |
Die Ebenen ergänzen sich. Sie lassen sich nicht ohne Weiteres ineinander umrechnen. Ein Testwert von 30 Prozent bedeutet beispielsweise nicht, dass 30 Prozent Ihrer potenziellen Kunden Ihr Unternehmen in KI-Antworten sehen.
Was sich mit dem ChatGPT Business Hub verändert
OpenAI hat am 10. November 2026 „Businesses in ChatGPT“ als Beta vorgestellt. Berechtigte Unternehmen können Angaben verwalten und aggregierte Aktivität einsehen. Dazu gehören Nennungen, Website-Klicks und Themen der Entdeckung. Das eröffnet neben selbst gewählten Tests einen weiteren Blick auf die Plattform. [1]
Dabei kommt es auf die Definition an. Laut OpenAI zählt bei Online-Unternehmen ein Verweis auf die Website als Nennung; der Markenname allein genügt nicht. Für lokale Unternehmen gilt eine andere Zähllogik. Die Insights beziehen sich auf die vergangenen 28 Tage. Leere Werte können an Meldeschwellen, laufender Datensammlung oder fehlender Verfügbarkeit liegen. Sie bedeuten nicht zwangsläufig null Aktivität. Themenfelder zeigen außerdem keine individuellen Kundenfragen oder direkt gemessene Kaufabsicht. [2]
Zugang und Funktionsumfang hängen von Unternehmensart, Standort und erfolgreicher Verifizierung ab. Ein beanspruchtes Profil garantiert keine zusätzliche Sichtbarkeit. Die Verfügbarkeit muss deshalb für das konkrete Unternehmen geprüft werden; eine pauschale Zusage für alle deutschen Betriebe wäre unzutreffend. [1][2]
Für Ihr Reporting folgt daraus: Ein Plattformwert und ein Wert aus einem externen Testwerkzeug dürfen verschieden ausfallen, weil sie unterschiedliche Vorgänge erfassen. Prüfen Sie die jeweilige Definition, bevor Sie einen Widerspruch oder eine Verbesserung feststellen.
Warum die Auswahl der Testfragen den Wert prägt
Ein Sichtbarkeitstest beginnt mit der Entscheidung, welche Fragen relevant sind. Darin steckt bereits eine Annahme über Ihre Kunden.
„Was ist eine Schraubensicherung?“ und „Welche Lösung eignet sich für wiederholt zu lösende Verbindungen in unserer Instandhaltung?“ betreffen dasselbe Fachgebiet. Sie beschreiben jedoch verschiedene Informationsbedürfnisse. Ein Hersteller kann in allgemeinen Erklärungen auftauchen und bei der konkreten Auswahl fehlen.
Wenn überwiegend allgemeine Fragen geprüft werden, kann der Bericht gut aussehen, obwohl er die kaufnahen Situationen kaum erfasst. Markenfragen sollten ebenfalls getrennt betrachtet werden: Dass ein System ein Unternehmen auf ausdrückliche Nachfrage beschreibt, beantwortet eine andere Frage als seine Berücksichtigung bei einer offenen Anbietersuche.
Ein vereinfachtes Rechenbeispiel: In 20 von 100 untersuchten Antworten erscheint die Marke. Der Anteil beträgt 20 Prozent. Werden anschließend 100 zusätzliche Fragen aufgenommen und ergeben sich dort 40 Treffer, steigt der Gesamtwert auf 30 Prozent. Bei den ursprünglichen Fragen muss sich dafür nichts verbessert haben.
Das ist kein Beleg gegen das Werkzeug. Es zeigt, warum Fragebestand, Messumfang und Veränderungen dokumentiert werden müssen. Bei veränderten Tests sollte ein unveränderter Kern gesondert vergleichbar bleiben.
Halten Sie auch System, verfügbaren Suchzugriff, Sprache, Region und Prüfzeitpunkt fest, soweit diese Bedingungen bekannt sind. Eine einzelne Antwort ist eine Momentaufnahme. Für wichtige Fragen sind wiederholte Prüfungen unter möglichst gleichen Bedingungen sinnvoll. Ändert sich das Modell oder das Messverfahren, gehört dies in die Auswertung. Ein nachträglich besserer Wert ist dann zunächst eine veränderte Beobachtung und noch kein Nachweis für die Wirkung Ihrer Überarbeitung.
Was hinter einer Nennung inhaltlich stehen muss
Das bloße Auftauchen eines Namens reicht für eine Qualitätsbewertung nicht aus. Prüfen Sie an wichtigen Antworten, welche Rolle Ihr Unternehmen dort erhält.
Wird es als Anbieter, als Informationsquelle oder nur am Rand genannt? Verweist die Antwort auf die passende Seite? Stimmen Anwendungen, Leistungen und Einschränkungen? Wird ein Sortimentsteil so beschrieben, als wäre er das gesamte Angebot?
Für einen technischen Anbieter kann eine falsche Eignungsaussage problematischer sein als eine fehlende Nennung. Mehr Präsenz hilft wenig, wenn daraus falsche Erwartungen entstehen. Korrektheit und fachliche Passung gehören deshalb neben die Häufigkeit.
Wie belastbare Ausgangsinformationen entstehen, beschreibt der Beitrag „LLM-Sichtbarkeit: Klare Aussagen statt zusätzlicher Schlagworte“.
Website-Analyse misst den nächsten Ausschnitt
Eine Website-Analyse kann zeigen, welche erfassten Besuche von einer erkennbaren Quelle kommen und was anschließend auf der Website geschieht. Google Analytics verarbeitet dafür unter anderem Verweise und Kampagnenparameter. Fehlt eine nutzbare Herkunftsinformation, kann ein Besuch als direkt eingeordnet werden. [3]
Daraus folgt eine Messgrenze: Ein Besucher, der erst eine KI-Antwort liest und später die Adresse eingibt, liefert keinen eindeutig zuordenbaren KI-Verweis. Umgekehrt verrät ein zuordenbarer Besuch noch nicht, welche gesamte Recherche ihm vorausging.
Auch Plattformklicks und Analytics-Sitzungen sind unterschiedliche Zählgrößen. Eine Abweichung ist zunächst ein Prüfpunkt. Sie sollte anhand von Zeitraum, Erfassung und Definition untersucht werden.
Für Googles AI Overviews und AI Mode nennt die Search-Central-Dokumentation die Einbeziehung in die Suchleistung der Search Console unter dem Suchtyp „Web“. Die Gesamtsumme dieses Berichts ist damit kein eigener Nachweis ausschließlich KI-vermittelter Besuche. [4]
Bewerten Sie erkennbare KI-Einstiege deshalb nach Zielseite, Nutzung und passenden Folgehandlungen. Die nicht eindeutig zuordenbaren Wege bleiben als Unsicherheit sichtbar.
Ein B2B-Beispiel: Mehr Präsenz, aber noch keine bessere Nachfrage
Das folgende Beispiel ist frei konstruiert und beschreibt kein Kundenprojekt.
Ein Hersteller möchte mehr geeignete Anfragen aus der industriellen Instandhaltung erhalten. Sein Testbericht verbessert sich, weil er häufiger in Grundlagenantworten erscheint. Bei konkreten Auswahlfragen bleibt das Bild schwach. Einige Antworten verweisen zudem auf eine allgemeine Unternehmensseite.
Die Website gewinnt zusätzliche Besuche, erhält aber überwiegend unspezifische Nachrichten. Daraus folgt noch keine Empfehlung für mehr Content oder ein höheres Budget. Zunächst sollten drei Punkte geprüft werden: Bilden die Testfragen die gewünschten Anwendungen ab? Finden Interessenten die notwendigen Auswahlhilfen? Erhält der Vertrieb genügend Kontext für eine fachliche Klärung?
Eine mögliche Verbesserung wäre eine klarere Anwendungsseite mit Einsatzgrenzen, benötigten Angaben und passendem Anfrageweg. Danach wird derselbe Fragenkern erneut geprüft und die Qualität tatsächlicher Kontakte beobachtet.
Auch bei besseren Ergebnissen bleibt die Ursache vorsichtig einzuordnen. Parallel können Nachfrage, Wettbewerb oder Plattformantworten verändert sein. Die Beobachtung trägt die nächste Entscheidung, aber keine exakte Umsatzbehauptung.
Qualifizierte Anfragen benötigen eine Rückmeldung aus dem Geschäft
Ob eine Anfrage passt, entscheidet sich an Ihren Kriterien. Dazu können Anwendung, Region, Unternehmensart, technische Voraussetzungen und ein realistischer nächster Schritt gehören.
Google Analytics unterscheidet im Bericht zur Lead-Akquisition neue, qualifizierte und konvertierte Leads anhand entsprechend übermittelter Ereignisse. Die fachliche Qualifizierung muss also im Prozess stattfinden und an die Messung übergeben werden. Analytics nimmt diese Beurteilung nicht automatisch vor. [5]
Für den Einstieg kann eine einfache Übersicht ausreichen: Welche Anfrage ging ein, passte sie zum gewünschten Geschäft und was geschah danach? Herkunft wird festgehalten, soweit sie nachvollziehbar ist. Eine freiwillige Rückmeldung des Interessenten kann ergänzen, bleibt aber eine eigene Informationsquelle mit eigenen Grenzen.
Die operative Übergabe vertieft „Wenn die Anfrage da ist: Wie aus einem Website-Kontakt eine Verkaufschance wird“.
Ein schlanker Monatsbericht, der Entscheidungen ermöglicht
Mein Vorschlag für einen begrenzten Einstieg: eine monatliche Auswertung mit fünf Feldern. Der Rhythmus ist eine praktische Empfehlung und richtet sich nach Datenmenge und Entscheidungsbedarf.
- Geschäftsfrage: Welche Anwendung oder Zielgruppe soll besser erreicht werden?
- Vergleichbare Tests: Welche Fragen und Systeme wurden geprüft, mit welchem Umfang und welchen Änderungen?
- Darstellungsqualität: Welche wichtigen Antworten waren korrekt, unvollständig oder falsch?
- Beobachtete Nutzung: Welche Plattformaktivität und Website-Einstiege sind tatsächlich messbar?
- Geschäftliche Rückmeldung: Welche passenden Kontakte entstanden und welche konkrete Anpassung folgt daraus?
Notieren Sie bei jeder Kennzahl Quelle, Zeitraum, Definition und bekannte Lücke. Ein automatischer Kommentar, der dem angezeigten Zahlenverlauf widerspricht, sollte geklärt werden, bevor daraus eine Handlung entsteht. Kleine Veränderungen bei wenigen Beobachtungen verdienen ebenfalls Zurückhaltung.
Die grundsätzliche Vorbereitung beschreibt „Marketing messen: Erst die Entscheidung, dann das Dashboard“.
Welche Beobachtung welche Reaktion rechtfertigt
| Beobachtung | Nächster sinnvoller Schritt |
|---|---|
| Der Testwert steigt, aber Fragebestand oder Messumfang ändern sich. | Den unveränderten Kern getrennt vergleichen. |
| Das Unternehmen erscheint häufiger, wird aber fachlich falsch beschrieben. | Die betroffene Aussage und zugängliche Informationsgrundlage prüfen. |
| Plattformdaten bleiben leer. | Voraussetzungen und Meldeschwellen klären; fehlende Daten als solche kennzeichnen. |
| Besuche steigen, passende Anfragen bleiben aus. | Zielgruppe, Zielseite und Anfrageweg untersuchen. |
| Passende Anfragen entstehen, die Herkunft bleibt teilweise offen. | Die Geschäftsentwicklung dokumentieren und die Zuordnung als unvollständig ausweisen. |
Ein zusätzliches Werkzeug lohnt sich, wenn es eine relevante offene Frage besser beantwortet und den Prüfaufwand rechtfertigt. Andernfalls erhöht es vor allem die Zahl der Berichte. Ein vorhandener Zugang, sauber ausgewählte Tests und eine verlässliche Rückmeldung des Vertriebs können zunächst genügen.
Die Kennzahl muss zur Entscheidung passen
KI-Sichtbarkeit besitzt keinen einzelnen Wert, der Auffindbarkeit, korrekte Darstellung, Nachfrage und wirtschaftlichen Erfolg zugleich erklärt. Für die Steuerung zählt, welchen Ausschnitt eine Zahl beschreibt und welche Veränderung daraus begründet werden kann.
Ein brauchbares Ergebnis kann deshalb klein sein: eine falsche Aussage korrigieren, eine wichtige Auswahlfrage verständlich beantworten oder einen Anfrageweg verbessern. Ob die Wirkung trägt, wird anschließend an derselben Fragestellung und an tatsächlichen Kontakten geprüft.
Fachlicher Anschluss
Im Rahmen von SDC-Visibility lassen sich relevante Such- und Auswahlfragen, Unternehmensdarstellung und vorhandene Messquellen gemeinsam prüfen. Daraus entsteht eine priorisierte Arbeitsgrundlage: Was ist belegt, was bleibt offen und welche Verbesserung besitzt Vorrang? Umfang und erwartetes Ergebnis richten sich nach der konkreten Aufgabe.
Quellen und fachliche Grundlagen (5)
- OpenAI: Introducing Businesses in ChatGPT, 10. November 2026. Ankündigung, verfügbare Unternehmensfunktionen und Grenzen der Sichtbarkeit.Zurück zur Textstelle 1Zurück zur Textstelle 2
- OpenAI Help Center: Setting up your business on ChatGPT. Voraussetzungen und Definitionen der Profile Insights.Zurück zur Textstelle 1Zurück zur Textstelle 2
- Google Analytics: Campaigns and traffic sources. Herkunftsinformationen und Verarbeitung von Zugriffsquellen.Zurück zur Textstelle
- Google Search Central: AI features and your website. Einordnung der Suchleistung von AI Overviews und AI Mode in Search Console.Zurück zur Textstelle
- Google Analytics: Lead acquisition report. Ereignisbasierte Unterscheidung von neuen, qualifizierten und konvertierten Leads.Zurück zur Textstelle
Quellen geprüft am 17. November 2026. Anbieterfunktionen und Definitionen können sich ändern. Anbieterbeschreibungen belegen den dokumentierten Funktionsumfang, keine zusätzliche Geschäftswirkung. Arbeitsrahmen und Empfehlungen sind fachliche Ableitungen des Autors; Rechenbeispiel und B2B-Situation sind konstruiert.