AI-Monitoring beyond Visibility – Was denkt ChatGPT wirklich über dich?

Du trackst, ob du in ChatGPT & Co. auftauchst – aber weißt du auch, was die KI über dich erzählt? Dieser Artikel geht über Mentions, Citations und Visibility hinaus. Es geht darum, wie du auswertest, mit welchen Attributen die KI deine Marke beschreibt, für welche USPs dein Wettbewerb genannt wird und wo deine kommunikativen Lücken liegen.

Warum reine Sichtbarkeit im KI-Zeitalter nur die halbe Wahrheit ist

Die Art, wie Menschen sich informieren, hat sich verschoben. Wer heute eine Kaufentscheidung vorbereitet, tippt seine Frage nicht mehr zwangsläufig bei Google ein und klickt sich durch zehn blaue Links. Man fragt ChatGPT, Perplexity oder Googles KI-Übersicht – und bekommt eine fertige Antwort.

Für Marken heißt das: Der erste Eindruck entsteht oft schon in der KI-Antwort – lange bevor jemand deine Website sieht. Nehmen wir ein konkretes Beispiel, das uns durch den ganzen Artikel begleitet: die Kinderwagen-Marke ABC Design. Fragt eine werdende Mutter „Welcher Kinderwagen ist der beste für Neugeborene?“ oder „bester Kombikinderwagen fürs Gelände“, dann entscheidet die KI-Antwort darüber, ob ABC Design überhaupt in der engeren Auswahl landet – und wenn ja, mit welcher Geschichte.

Genau hier liegt das Problem der meisten Monitoring-Tools: Sie sagen dir nur, ob du vorkommst. Nicht, was über dich gesagt wird. Das ist der Unterschied zwischen dem Zählen von Erwähnungen und echtem KI-Monitoring.

Was ist KI-Monitoring – und was misst es zuerst?

KI-Monitoring (englisch: AI Monitoring) bezeichnet das systematische Beobachten, wie KI-Systeme deine Marke behandeln. Die erste, heute schon weit verbreitete Ebene ist das reine Sichtbarkeits-Tracking. Dabei geht es um vier bis fünf Kennzahlen, die du kennen solltest:

• Visibility (Sichtbarkeit): In wie vielen relevanten Prompts taucht deine Marke überhaupt auf?
• Citations: Wie oft wird deine eigene Website als Quelle verlinkt – nicht nur die Marke genannt, sondern die URL zitiert?
• Share of Voice: Wie groß ist dein Redeanteil im Vergleich zu allen beobachteten Marken?
• Sentiment: Wird über dich positiv, neutral oder negativ gesprochen?
• Average Position: An welcher Stelle einer Antwort wirst du im Schnitt genannt oder zitiert?

So sieht das für ABC Design in einem KI-Monitoring-Dashboard aus:

ABC Design erscheint in 22 % der beobachteten Prompts (Visibility), wird aber nur in 7 % davon mit der eigenen Website zitiert (URL in Sources). Der Share of Voice liegt bei 9,4 %, das Sentiment bei soliden 82 %. Spannend wird es in der Aufschlüsselung nach Plattform: In ChatGPT ist die Sichtbarkeit mit 34 % deutlich höher als in Googles KI-Übersicht mit 10 %. Wer nur eine Plattform beobachtet, sieht also nur einen Ausschnitt.

Solche Werte schwanken – deshalb lohnt der Blick auf den Verlauf statt auf eine Momentaufnahme:

Der Verlauf zeigt zwei Dinge auf einmal: einen realen Aufwärtstrend über den Monat – und eine Sichtbarkeit, die von Tag zu Tag zwischen gut 10 % und 37 % pendelt. Das ist eine wichtige Lektion für dein KI-Monitoring: Einzelwerte sind Rauschen. Erst der Trend über mehrere Tage ist eine belastbare Aussage. Wer einem Kunden eine einzelne Tageszahl als harte Wahrheit verkauft, wird beim nächsten Snapshot widerlegt.

So weit, so nützlich. Dieses Sichtbarkeits-Dashboard ist die Pflicht – aber es ist eben nur die erste Ebene. Es sagt dir, ob du da bist. Es sagt dir nicht, ob dich die KI empfiehlt oder deinen Wettbewerber, welche Geschichte sie über dich erzählt und ob diese Geschichte überhaupt stimmt.

Welche drei Fragen ein Sichtbarkeits-Dashboard nicht beantworten kann

Kein Geschäftsführer liegt nachts wegen eines Sichtbarkeits-Prozentwerts wach. Wach halten ihn drei andere Fragen – und keine davon lässt sich aus dem klassischen Dashboard beantworten:

• Wir oder die anderen? Empfiehlt die KI uns oder den Wettbewerb – und auf welcher Grundlage?
• Welche Geschichte? Welches Narrativ baut die KI über uns auf, bevor der Kunde bei uns landet?
• Stimmt das überhaupt? Ist das, was die KI über uns behauptet, sachlich korrekt?

Um diese Fragen zu beantworten, hilft ein einfaches Modell: Denk dir KI-Monitoring als vier aufeinander aufbauende Ebenen. Je höher du kommst, desto schwerer ist die Ebene zu faken – und desto wertvoller ist die Antwort.

1. Sichtbarkeit – Sind wir überhaupt präsent? (Das Dashboard von oben.)
2. Wettbewerb – Wem schreibt die KI im direkten Vergleich welche Stärke zu?
3. Assoziation – Wofür sind wir bekannt? Welche Attribute verbindet die KI mit uns?
4. Faktentreue – Stimmt, was die KI über uns sagt?

Die meisten Tracking-Tools bewegen sich auf der ersten Ebenen. Der eigentliche Wert liegt in den oberen Ebenen. Gehen wir sie durch.

Ebene 2 – Wettbewerb: Wem schreibt die KI deine Stärken zu?

Vergiss für einen Moment, wie oft du auftauchst. Interessanter ist: Wenn die KI dich mit einem Konkurrenten vergleicht – wer bekommt für welches Feature die Credits? Genau das leistet eine sogenannte USP- & Feature-Battlecard. Sie stellt Merkmal für Merkmal gegenüber, für welche Marke die KI ein Attribut „häufig“, „manchmal“ oder „gar nicht“ nennt.

Für ABC Design liest sich diese Karte klar: Bei Komfort & Ergonomie und Modularität/Langlebigkeit wird die Marke „häufig“ genannt – das sind echte Stärken. Bei Preis-Leistung, Reisetauglichkeit und Geländetauglichkeit steht sie auf „manchmal“ – solide, aber ausbaufähig. Und bei Sport/Aktivität taucht sie gar nicht auf, während Thule, Baby Jogger und Mountain Buggy dort dominieren.

Das ist die entscheidende Erkenntnis: Ein Wettbewerber gewinnt ein Attribut oft nicht, weil sein Produkt besser ist, sondern weil er zuerst und ausführlicher darüber geschrieben hat. Die KI schreibt Stärken demjenigen zu, dessen Content sie findet. Ein gewinnbarer Kampf, der still verloren geht – und die Antwort auf Managementfrage eins: „Wir oder die anderen?“

Ebene 3 – Assoziation: Womit verbindet die KI deine Marke?

Jede Marke trägt in der KI einen „Attribut-Fingerabdruck“ – ein Bündel von Eigenschaften, mit denen sie beschrieben wird. Und dieser Fingerabdruck ist selten der, den sich die Marketingabteilung ausgesucht hat. Er ist über Jahre aus Content, Tests und Rezensionen zusammengewachsen. Eine Attribut-Matrix macht ihn sichtbar: Sie zeigt, in welchem Anteil der themenbezogenen Prompts die KI eine Marke nennt – je dunkler die Zelle, desto häufiger.

Aus der Matrix lässt sich der Fingerabdruck von ABC Design ablesen. Drei Felder gehören der Marke fast allein: Ergonomie (Schieber / Elterngröße) mit 100 % – ABC Design ist die einzige Marke, die konsequent sowohl bei „großen Eltern“ als auch bei „kleinen Eltern“ empfohlen wird. Gelände/Federung mit 50 %, wo Bugaboo komplett fehlt. Und Leicht/kompakt/Reise mit 86 %, gleichauf an der Spitze. Genauso aussagekräftig sind die Lücken: Bei Geschwister/2 Kinder steht ABC Design bei 0 %, während alle drei Wettbewerber präsent sind. Diesen Raum besitzt in der KI-Wahrnehmung der Bugaboo Donkey.

Der reine Anteil ist aber nur die halbe Geschichte. Genauso wichtig ist die Tonalität. Und hier zeigt die qualitative Auswertung ein feines, aber teures Muster. Zieht man alle Nennungen zusammen, verdichtet sich der Fingerabdruck von ABC Design auf drei Kernattribute: Preis-Leistung (mit Abstand das dominanteste – „viel Ausstattung für weniger Geld“), Luftreifen + Federung → Geländetauglichkeit (fast immer an die „Air“-Modelle geknüpft) und leicht & kompakt / faltbar (vor allem die Ping-Linie). Die Erwähnungen sind durchweg positiv bis neutral – kein einziges negatives Sentiment.

Und trotzdem steckt hier das teure Detail. Die zentrale Spannung heißt Reichweite gegen Wärme: ABC Design gewinnt bei der Präsenz – mehr Redeanteil und mehr Nennungen als jede andere Marke –, aber die KI framt die Marke kühler als die Premium-Riege. ABC Design bekommt fast durchgängig das Etikett „Preis-Leistungs-Tipp“ oder „gute Alternative“, während Joolz, Bugaboo und Cybex die aspirationale, hochwertige Sprache abbekommen. 

Viel Sichtbarkeit, aber fest im Wert-Segment verankert. Das ist die Antwort auf Managementfrage zwei: „Welche Geschichte erzählt die KI?“ – und ein klarer Auftrag für die Content-Strategie.

Ebene 4 – Faktentreue: Stimmt überhaupt, was die KI erzählt?

Die oberste Ebene ist die unangenehmste – und die, die am dringendsten bearbeitet werden muss. Setz einmal beiseite, ob du auftauchst, ob du gewinnst und wofür du bekannt bist. Die Frage lautet: Ist das, was die KI über dich sagt, überhaupt wahr? Genau in diesem Moment erzählt vielleicht eine KI einem Kaufinteressenten einen Preis, den du gar nicht verlangst, oder behauptet, ein Feature fehle, das du längst hast. Das ist keine Marketing-Kennzahl mehr – das ist ein „Das-reparieren-wir-heute“-Problem.

Bei ABC Design zeigt sich die positive Kehrseite derselben Ebene. Beim Prompt „Passt der Kinderwagen in meinen Kofferraum?“ wird die Marke nicht nur genannt, sondern als inhaltliche Quelle zitiert: Sowohl ChatGPT als auch die Google-KI-Übersicht verweisen auf die ABC-Design-Ratgeberseite und beschreiben sogar den hauseigenen Kofferraum-Test als Referenz. Über diese Prompts hinweg tauchten ABC-Design-URLs neunmal als Zitation auf. 

Das ist ein starkes Signal für Generative Engine Optimization (GEO): Eigener Ratgeber-Content, der es direkt in die KI-Antwort schafft. Faktentreue-Monitoring heißt also beides – falsche Aussagen finden und korrigieren und erkennen, wo dein Content bereits als Autorität zitiert wird.

Vom Snapshot zum Trend: Wie sich die KI-Wahrnehmung bewegt

Keine dieser Ebenen ist ein einmaliges Audit. Sie sind Kennzahlen, die du beeinflussen kannst – und die sich bewegen, sobald du Content veröffentlichst oder der Wettbewerb es tut. Der Blick auf die Veränderung von Monat zu Monat ist deshalb oft aussagekräftiger als jeder Einzelwert:

Diese Veränderungs-Matrix erzählt eine kleine Wettbewerbsgeschichte. Der auffälligste Zug ist ein echter Territoriumswechsel beim Thema Leicht/Reise: Vor einem Monat gehörte dieser Raum Bugaboo (86 %), ABC Design lag dahinter (57 %). Jetzt ist es umgekehrt – ABC Design führt mit 86 %, Bugaboo ist auf 57 % gefallen. Zusätzlich hat ABC Design zwei neue Türen aufgestoßen: Bei Neugeborene/flaches Liegen war die Marke vorher gar nicht präsent (0 %) und taucht jetzt in 40 % der Prompts auf. Und der Ergonomie-Vorsprung wächst – nicht, weil ABC etwas geändert hätte, sondern weil Bugaboo und Cybex dort von 100 % auf 50 % gefallen sind.

Die Schattenseite: Bei Geschwisterwagen wird ABC Design gar nicht mehr genannt, während Joolz neu in dieses Thema eingestiegen ist. 

„Frag die KI, was sie über dich weiß“ – die qualitative Auswertung per MCP

Die meisten der genannten Analysen sind strukturierte Reports. Der eigentliche Sprung nach vorn ist aber, jede Frage in natürlicher Sprache stellen zu können und die echten Zahlen deiner Marke zurückzubekommen. Genau dafür haben wir die Daten aus BuzzView über einen sogenannten MCP-Server (Model Context Protocol) direkt in einen KI-Assistenten wie Claude oder ChatGPT geholt. Statt durch Dashboards zu klicken, fragst du einfach:

Ein Prompt wie „Zieh die Prompts mit ihren Antworten aus dem ABC-Design-Projekt und fass zusammen: Mit welchen Features verbindet die KI die Marke am häufigsten?“ liefert in Sekunden den Attribut-Fingerabdruck – inklusive Grundton, dominanter Attribute und der Modelle, die die KI als „Gesicht“ der Marke nutzt (bei ABC Design die Salsa- und die Ping-Familie). Und du kannst sofort nachhaken: „Benchmarke die Attribut-Häufigkeiten sauber gegen Bugaboo, Cybex und Joolz.“

Der Charme dieser Methode: Du bist nicht auf vorgefertigte Reports beschränkt. Jede strategische Frage – „Wo werde ich stark, aber kühl beschrieben?“, „Welche freien USPs besetzt noch keine Marke?“, „Unterscheidet sich mein Fingerabdruck zwischen ChatGPT und der Google-KI-Übersicht?“ – lässt sich direkt an die Daten stellen. Bei ABC Design fördert das etwa zutage, dass ChatGPT den Sonnenschutz der Marke nennt, die Google-KI-Übersicht aber nicht. Solche Plattform-Unterschiede sieht man in keinem aggregierten Balken.

So gehst du KI-Monitoring in der Praxis an

Damit aus der Analyse Handeln wird, hier ein Ablauf, den du auf jede Marke anwenden kannst – vom Einsteiger bis zum Profi:

1. Baseline messen. Erfasse Sichtbarkeit, Share of Voice, Sentiment und Zitationen – pro Plattform (ChatGPT, Google-KI-Übersicht, Perplexity), nicht nur aggregiert.
2. Wettbewerbs-USPs prüfen. Erstelle eine Battlecard und finde die Attribute, die ein Konkurrent gewinnt, obwohl du sie auch bietest. Das sind deine schnellsten „Rückeroberungen“.
3. Fingerabdruck mit Wunschbild abgleichen. Vergleiche, wofür dich die KI kennt, mit dem, wofür du bekannt sein willst. Die Lücke ist dein Content-Briefing.
4. Whitespace besetzen. Themen, bei denen du auf 0 % stehst (bei ABC Design: Geschwisterwagen), gezielt mit Ratgeber-Content, Tests und Rezensions-Signalen angreifen.
5. Sentiment heben. Wenn die KI dich „günstig“ statt „hochwertig“ framt, verschiebe die Sprache mit Autoritäts-Signalen: Testsiege, Auszeichnungen, unabhängige Reviews.
6. Fakten korrigieren. Falsche Preise, veraltete Features oder erfundene Angaben aufspüren und dort korrigieren, wo die KI ihre Quellen zieht.
7. Über die Zeit tracken. Nicht als einmaliges Audit, sondern als Trend – geglättet über mehrere Tage, damit du echte Bewegung von Rauschen unterscheidest.

FAQ

Was ist AI-Monitoring und wie unterscheidet es sich von reinem Sichtbarkeits-Tracking?

AI-Monitoring beobachtet systematisch, wie KI-Systeme eine Marke behandeln, statt nur zu zählen, ob sie erwähnt wird. Es geht in vier Ebenen über bloße Sichtbarkeit hinaus: Wettbewerb, Assoziation und Faktentreue.

Welche Fragen beantwortet AI-Monitoring, die ein klassisches Sichtbarkeits-Dashboard nicht kann?

Ob die KI die eigene Marke oder den Wettbewerb empfiehlt, welches Narrativ sie über die Marke aufbaut und ob ihre Aussagen sachlich korrekt sind. Ein reiner Sichtbarkeitswert sagt nur, ob man überhaupt vorkommt.

Wie setzt man AI-Monitoring in der Praxis um?

Über eine Baseline aus Sichtbarkeit, Share of Voice und Zitationen pro Plattform, eine Wettbewerbs-Battlecard sowie den Abgleich des eigenen Attribut-Fingerabdrucks mit dem Wunschbild. Whitespace-Themen und falsche Fakten werden anschließend gezielt korrigiert.