SEO Galaxy ist jetzt GetMentioned. Die Plattform bleibt dieselbe. Du willst eine Demo? Buch Dir hier einen Termin →
Dieselbe Frage liefert im selben Moment verschiedene Antworten. Wie ein Messaufbau aussieht, der das aushält, und warum die Zahlen zweier Werkzeuge nicht vergleichbar sind.
David Hahn · 15.08.2026 · 14 Min. Lesezeit
Das Wichtigste in Kürze
Prompt Tracking ist das wiederholte Stellen fester Fragen an KI-Systeme, um zu messen, ob und wie eine Marke in den Antworten vorkommt. Beobachtet werden Systeme wie ChatGPT, Perplexity, Google AI Overviews, der KI-Modus von Google und Gemini. Erfasst wird je Durchlauf, ob die Marke genannt wird, in welchem Zusammenhang und welche Quellen das System dafür heranzieht.
Der Unterschied zur klassischen Rankingmessung liegt in der Stabilität des Messobjekts. Eine Position in der Ergebnisliste ist über Stunden hinweg gleich. Eine KI-Antwort ist es nicht, auch nicht bei identischer Frage im selben Moment.
Die Messung besteht aus drei Teilen. Eine feste Liste von Fragen, ein festes Verfahren, mit dem diese Fragen gestellt werden, und eine feste Erfassung dessen, was zurückkommt.
Erfasst wird je Durchlauf:
Aus diesen Rohdaten entstehen die Kennzahlen. Der Sprung von der einzelnen Antwort zur belastbaren Kennzahl ist der eigentliche Gegenstand dieses Beitrags.
Unter Prompt Tracking wird auch etwas völlig anderes verstanden. In der Softwareentwicklung meint der Begriff das Protokollieren der eigenen Prompts in der eigenen Anwendung, also Versionierung, Kostenkontrolle über den Tokenverbrauch, A/B-Tests und Fehlersuche.
Beide Bedeutungen teilen sich denselben Namen und haben nichts miteinander zu tun. Wer nach Werkzeugen sucht, stößt auf beide Sorten. Dieser Beitrag behandelt die Messung von Markensichtbarkeit.
Das ist der Punkt, an dem die meisten Messaufbauten scheitern. Wer eine Frage einmal stellt und das Ergebnis notiert, hat eine Stichprobe der Größe eins gezogen.
Eine Untersuchung der Universität St. Gallen hat das im Frühjahr 2026 quantifiziert. Vier Systeme, 32 Fragen aus vier Branchen, bis zu zehn gleichzeitige Durchläufe je Paarung.
Das Ergebnis fällt deutlich aus. Bei gleichzeitigen Wiederholungen derselben Frage überschneiden sich die zitierten Quellen im Mittel nur zu 32 bis 43 Prozent. Es geht hier nicht um verschiedene Tage. Es geht um dieselbe Frage, im selben Moment, an dasselbe System.
Von einem Tag zum nächsten wechseln rund 65 Prozent der zitierten Quellen.
Die Untersuchung ist ein Preprint ohne erkennbares Peer Review, sie umfasst 32 Fragen, und der Erstautor ist neben der Universität einem Anbieter zugeordnet. Die Größenordnung deckt sich aber mit dem, was andere Messungen zeigen.
SISTRIX hat die zeitliche Bewegung getrennt davon gemessen, über 82.619 Fragen und rund 1,5 Millionen Momentaufnahmen zwischen Dezember 2025 und April 2026.
| System | Anteil der zitierten Domains, die wöchentlich wechseln |
|---|---|
| Google AI Overviews | 5 Prozent |
| Google KI-Modus | 56 Prozent |
| ChatGPT mit Websuche | 74 Prozent |
Dieselbe Untersuchung zeigt zwei Dinge, die zusammengehören. 86,5 Prozent der Fragen haben einen stabilen Kern aus einer bis fünf Domains. Von den übrigen Domains rotieren 89 Prozent wöchentlich.
Es gibt also einen festen Sockel und darum herum ständigen Wechsel. Wer nur die Gesamtzahl der Quellen betrachtet, sieht Bewegung, wo ein stabiler Kern liegt.
Ein weiterer Wert fällt auf. Bei identischer Anfrage nennen Google AI Overviews und der KI-Modus in 83 Prozent der Fälle unterschiedliche Domains. Zwei Oberflächen desselben Anbieters, zwei Antworten.
In SEO-Ratgebern steht meist, die Streuung komme aus der Temperatur-Einstellung des Modells. Das greift zu kurz.
Das Thinking Machines Lab hat im September 2025 gemessen, was bei abgeschalteter Zufallsauswahl passiert. Bei Temperature 0, also theoretisch deterministischer Auswahl, ergaben 1.000 Durchläufe desselben Prompts 80 verschiedene Antworten. Die häufigste kam 78-mal vor.
Die Ursache liegt in der wechselnden Serverlast. Wie viele Anfragen ein Rechenknoten gleichzeitig verarbeitet, verändert das Ergebnis der Berechnung in den letzten Nachkommastellen. Über hunderte Token summiert sich das zu abweichenden Formulierungen.
OpenAI sagt das für die eigene Schnittstelle selbst. Zum Parameter für einen festen Startwert steht in der Dokumentation, dass Determinismus nicht garantiert wird.
Bei Systemen mit Websuche kommt ein zweiter Grund hinzu. Das System sucht zur Laufzeit und bekommt je nach Zeitpunkt andere Treffer.
Neben der Streuung des Modells wirkt der Kontext der Messung.
Google beschreibt die Personalisierung im KI-Modus in der eigenen Hilfe. Frühere Suchen und gespeicherte Aktivität fließen in die Antwort ein, sofern der Verlauf aktiviert ist. Die Personalisierung lässt sich abschalten.
ChatGPT kann Erinnerungen aus früheren Unterhaltungen speichern und in neue Antworten einbeziehen.
Für die Messung folgt daraus eine harte Anforderung. Wer angemeldet misst, misst die Sichtbarkeit für dieses eine Konto mit dieser Vorgeschichte. Wer vergleichbare Werte will, misst ohne Anmeldung, ohne Verlauf und mit festgelegter Region und Sprache.
Die Autoren der St.-Gallen-Untersuchung leiten aus ihren Daten eine konkrete Zahl ab. Sie empfehlen mindestens sieben Durchläufe je Frage und Tag für die Beobachtung von Markennennungen, und mindestens acht, wenn es auf die Quellen ankommt. Ab sieben Durchläufen fällt der Standardfehler der Erkennungsrate unter 0,10.
Das ist die praktische Konsequenz aus der Streuung. Eine Frage einmal zu stellen und das Ergebnis in ein Berichtsblatt zu schreiben, erzeugt eine Zahl ohne Aussagekraft.
Die Liste ist das Messinstrument. Ändert sie sich, ist der Vergleich mit dem Vormonat wertlos.
Die Zahl ergibt sich aus einer Rechnung, nicht aus einem Bauchgefühl. Jede Frage wird mehrfach abgefragt, in mehreren Systemen, in festem Abstand.
Bei sieben Durchläufen, vier Systemen und täglicher Messung erzeugt eine einzige Frage 196 Abfragen in der Woche. Wer 50 Fragen beobachten will, landet bei fast 10.000 Abfragen pro Woche.
Deshalb ist weniger meist mehr. Eine Liste aus 20 bis 40 Fragen, die die wichtigsten Kaufentscheidungen abbilden, ist belastbarer als 200 Fragen, die je einmal gestellt werden.
Beide Sorten gehören in die Liste, sie beantworten verschiedene Fragen.
Ungebrandete Fragen sind der härtere Test. Eine Marke, die nur bei direkter Nachfrage auftaucht, ist in der Auswahlphase unsichtbar.
Wöchentlich reicht für die meisten Zwecke. Die Drift-Werte oben erklären das. Bei AI Overviews wechseln nur 5 Prozent der Quellen pro Woche, dort erzeugt tägliche Messung kaum Erkenntnis. Bei ChatGPT mit Websuche sind es 74 Prozent, dort wäre auch tägliche Messung überwiegend Rauschen.
Sinnvoller als mehr Messpunkte sind mehr Durchläufe je Messpunkt.
Ändert sich einer dieser Punkte, ist die Reihe unterbrochen. Das gehört dokumentiert, sonst wird ein Messfehler später als Entwicklung gelesen.
Der häufigste Bruch kommt von außen. Wechselt ein Anbieter das Modell hinter seinem Dienst, ändern sich die Antworten, ohne dass am eigenen Aufbau etwas anders wäre. Solche Wechsel werden selten angekündigt. Ein Vermerk im Protokoll, wann ein auffälliger Sprung auftrat, hilft später bei der Einordnung mehr als jede nachträgliche Erklärung.
Hier gehen die verfügbaren Zahlen weit auseinander, und die Differenz ist selbst eine Information.
Die Anbieter melden große Reichweiten. ChatGPT nennt 900 Millionen wöchentlich aktive Nutzer, die Gemini-App 950 Millionen monatlich aktive, Googles KI-Funktionen in der Suche über eine Milliarde monatlich.
Panelmessungen zeigen ein anderes Bild. Nach Auswertungen von Anfang 2026 entfallen auf KI-Werkzeuge rund 3 Prozent der Suchvorgänge, und sie senden unter 1 Prozent des Verweis-Traffics.
Der Widerspruch löst sich in der Zählweise auf. Googles Milliarde zählt, wer eine KI-Antwort gesehen hat, nicht wer ein Werkzeug bewusst gewählt hat. Wöchentlich und monatlich aktive Nutzer sind ohnehin nicht vergleichbar.
Für Deutschland liefert eine Bitkom-Erhebung von November 2025 den brauchbarsten Anhaltspunkt. Die Hälfte der Befragten nutzt zumindest gelegentlich KI-Chats statt einer Suchmaschine. Ausschließlich auf KI setzen 5 Prozent, überwiegend 7 Prozent.
Für die Auswahl folgt daraus zweierlei. Googles KI-Funktionen gehören in jede Messung, weil sie die Reichweite haben. ChatGPT gehört dazu, weil dort die bewusste Nutzung stattfindet. Alles Weitere hängt vom Markt ab.
Für jede Kombination aus Frage, System und Durchlauf gehören folgende Felder ins Protokoll:
| Feld | Inhalt |
|---|---|
| Zeitpunkt | Datum und Uhrzeit |
| System | ChatGPT, Perplexity, AI Mode und so weiter |
| Marke genannt | ja oder nein |
| Position | an welcher Stelle der Antwort |
| Zusammenhang | Empfehlung, Beispiel, Aufzählung, Warnung |
| Wettbewerber | welche daneben stehen |
| Quellen | verlinkte oder genannte Domains |
| Richtigkeit | stimmt die Aussage über die Marke |
Das Feld Richtigkeit wird oft vergessen. Eine falsche Aussage über die eigene Marke in einer Antwort ist wichtiger als eine fehlende Nennung.
Anteil der Durchläufe, in denen die Marke genannt wird. Das ist die Grundkennzahl, und sie braucht immer eine Bezugsgröße. 40 Prozent über 7 Durchläufe bei 20 Fragen ist eine andere Aussage als 40 Prozent bei einem Durchlauf.
Wie oft die eigene Marke genannt wird im Verhältnis zu allen genannten Anbietern. Diese Kennzahl heißt je nach Anbieter Share of Voice oder Share of Model.
Sie ist aussagekräftiger als die reine Erwähnungsrate, weil sie den Wettbewerb einbezieht. Sie ist auch empfindlicher. Nennt ein System plötzlich zehn statt drei Anbieter, sinkt der Anteil, ohne dass sich an der eigenen Sichtbarkeit etwas geändert hat.
Anteil der Antworten, in denen die eigene Domain als Quelle verlinkt oder genannt wird. Nennung und Zitation fallen auseinander. Eine Marke kann empfohlen werden, ohne dass ihre Website als Quelle auftaucht.
Ob die Nennung als Empfehlung, als Beispiel unter vielen oder mit Einschränkung erfolgt. Diese Bewertung ist die einzige, die sich schlecht automatisieren lässt, und sie ist oft die nützlichste.
Es gibt keine einheitliche Definition. Jeder Anbieter rechnet anders, und die Unterschiede sind größer als die Effekte, die gemessen werden sollen.
Ein Beispiel für die Zählweise. Ein Anbieter zählt eine Erwähnung einmal je Antwort, unabhängig davon, wie oft die Marke im Text vorkommt. Zitationen zählt derselbe Anbieter dagegen einzeln. Zwei Werkzeuge mit unterschiedlicher Zählregel liefern für dieselbe Antwort verschiedene Werte.
Dazu kommt der Messkanal. Ein Anbieter dokumentiert ausdrücklich, dass über die offiziellen Schnittstellen der KI-Anbieter gemessen wird. Das ist sauber und wiederholbar, zeigt aber nicht, was ein angemeldeter Nutzer in der Oberfläche sieht. Andere Anbieter machen dazu keine Angabe.
Die praktische Folge: Zahlen aus verschiedenen Werkzeugen dürfen nicht in eine Tabelle. Innerhalb eines Werkzeugs ist die Entwicklung über die Zeit aussagekräftig. Der Vergleich zwischen Werkzeugen ist es nicht.
Selbst messen heißt, die Fragen in einer Tabelle zu führen, die Antworten manuell abzurufen und die Ergebnisse einzutragen. Das funktioniert bis etwa zehn Fragen und zwei Systeme. Bei sieben Durchläufen je Frage sind das schon 140 Abrufe pro Runde.
Werkzeuge nehmen diese Arbeit ab. Bei der Auswahl lohnen vier Fragen:
Die letzte Frage lohnt eine Rechnung. Ein Anbieter beziffert den Verbrauch je Antwort und gibt für einen mittleren Tarif 2.500 Einheiten im Jahr an. Bei einem teuren System entspricht das rund 1.250 Antworten im Jahr, also bei täglicher Messung gut drei Fragen.
Zwei Anbieter vertreten öffentlich entgegengesetzte Annahmen.
SISTRIX verzichtet bewusst auf Wiederholungen und begründet das damit, dass sich bei mehrfacher Abfrage die Formulierung ändere, an den Fakten aber nichts, weil das Modell dasselbe bleibe.
seoClarity macht Wiederholungen zum Verkaufsargument und spricht von einer statistisch belastbaren Präsenzrate über tausende Varianten. Eine Wiederholungszahl oder ein Signifikanzniveau nennt der Anbieter nicht.
Die St.-Gallen-Messung spricht gegen die erste Annahme, jedenfalls auf Quellenebene. Wenn sich bei gleichzeitigen Durchläufen nur ein Drittel bis zwei Fünftel der Quellen überschneiden, ändert sich mehr als die Formulierung.
Für die eigene Auswahl folgt daraus eine erste Prüffrage. Wie viele Durchläufe je Prompt macht das Werkzeug, und beziffert es das?
Die Messung zeigt, dass eine Marke genannt wird oder nicht. Warum, zeigt sie nicht. Steigt die Erwähnungsrate, kann das an der eigenen Arbeit liegen, an einem Modellwechsel beim Anbieter oder an einem Wettbewerber, der ausgefallen ist.
Für einen ursächlichen Zusammenhang zwischen Nennung in KI-Antworten und Umsatz gibt es keine Studie mit offengelegter Methodik. Es gibt Korrelationen, und die stammen überwiegend von Anbietern, die Messwerkzeuge verkaufen.
Das ist kein Argument gegen die Messung. Es ist ein Argument gegen Versprechen, die aus ihr abgeleitet werden.
Gemessen wird eine Auswahl von Fragen in einer Auswahl von Systemen zu einem Zeitpunkt. Was Nutzer tatsächlich fragen, weiß niemand vollständig, weil die Anbieter diese Daten nicht herausgeben.
Prompt Tracking ist die Beobachtung. Ob eine Marke in Antworten vorkommt, entscheidet sich an anderer Stelle: an der Klarheit der eigenen Angaben und daran, was unabhängige Quellen über sie berichten. Der Beitrag zu AI Visibility beschreibt diese Arbeit.
Prompt Tracking misst eine bewegliche Größe. Dieselbe Frage, im selben Moment an dasselbe System gestellt, führt zu Antworten, deren Quellen sich nur zu einem Drittel bis zwei Fünfteln überschneiden. Wer einmal misst, misst Zufall.
Ein brauchbarer Aufbau folgt daraus fast von selbst. Eine kleine, feste Fragenliste. Mehrere Durchläufe je Frage. Gleichbleibende Bedingungen. Kennzahlen mit genannter Bezugsgröße. Und die Bereitschaft, kleine Bewegungen als das zu lesen, was sie meistens sind, nämlich Rauschen.
Das wiederholte Stellen fester Fragen an KI-Systeme, um zu messen, ob und wie eine Marke in den Antworten vorkommt. Erfasst werden Nennung, Zusammenhang, genannte Wettbewerber und die verwendeten Quellen.
Wöchentlich reicht meist. Wichtiger als häufige Messpunkte sind mehrere Durchläufe je Messpunkt, weil dieselbe Frage unterschiedliche Antworten bekommt.
Eine Untersuchung der Universität St. Gallen vom April 2026 empfiehlt mindestens sieben Durchläufe je Frage und Tag, und mindestens acht, wenn die zitierten Quellen ausgewertet werden.
Die Ausgabe eines Sprachmodells ist auch bei abgeschalteter Zufallsauswahl nicht wiederholbar. Hauptgrund ist die wechselnde Auslastung der Server, die das Rechenergebnis in den letzten Nachkommastellen verändert. Bei Systemen mit Websuche kommen wechselnde Suchtreffer hinzu.
Meist 20 bis 40. Jede Frage wird mehrfach und in mehreren Systemen abgefragt, dadurch wächst der Aufwand schnell. Eine kleine, gut gewählte Liste ist belastbarer als eine lange, die je einmal abgefragt wird.
Gebrandete Fragen enthalten den Markennamen und messen, was ein System über die Marke sagt. Ungebrandete Fragen enthalten ihn nicht und messen, ob die Marke überhaupt in Betracht gezogen wird.
Ja. Google bezieht im KI-Modus frühere Suchen ein, wenn der Verlauf aktiviert ist. ChatGPT kann Erinnerungen aus früheren Unterhaltungen nutzen. Für vergleichbare Messungen sollte ohne Anmeldung und ohne Verlauf gemessen werden.
Nein. Es gibt keine einheitliche Definition der Kennzahlen, und die Anbieter messen teils über die Schnittstelle, teils über die Oberfläche. Aussagekräftig ist die Entwicklung innerhalb eines Werkzeugs.
Die Preise reichen von rund 119 Euro im Monat bei einem Anbieter mit öffentlicher Preisliste bis zu Tarifen, die nur auf Anfrage genannt werden. Den Ausschlag gibt die enthaltene Zahl an Abfragen, nicht der Grundpreis.
Googles KI-Funktionen wegen der Reichweite und ChatGPT wegen der bewussten Nutzung. In Deutschland nutzen laut einer Bitkom-Erhebung von November 2025 rund 5 Prozent ausschließlich KI-Chats statt einer Suchmaschine, weitere 7 Prozent überwiegend.
Nur eingeschränkt. Die Messung zeigt Veränderungen, nennt aber keine Ursachen. Ein Anstieg kann von der eigenen Arbeit kommen, von einem Modellwechsel oder vom Ausfall eines Wettbewerbers.
Nein, es beobachtet sie. Sichtbarkeit entsteht durch klare eigene Angaben und durch Erwähnungen auf Seiten, denen die Systeme folgen.
Über den Autor
Geschäftsführer GetMentioned
David baut seit 2016 Linkaufbau- und Digital-PR-Prozesse, erst als Agentur unter SEO Galaxy, heute als Plattform mit GetMentioned. Er hat eigene Projekte von null auf siebenstelligen Monats-Traffic skaliert und tausende Kampagnen für Kunden umgesetzt. Hier schreibt er über das, was in der Praxis wirkt, und über das, was nur Budget kostet.
Vergleiche Publisher, SEO-Daten und Preise an einem Ort und buche passende Placements direkt.
KI-Antworten empfehlen Anbieter, bevor jemand ein Ranking anklickt. Wie Du KI-Sichtbarkeit misst, welche Signale sie tragen und woher die externen Belege kommen, auf die sich Modelle stützen.
10.08.2026 · 12 Min. Lesezeit
GEO zielt auf die Nennung in einer KI-Antwort statt auf eine Position in der Ergebnisliste. Was daran belegt ist, welche Hebel wirken und was die kursierenden Zahlen taugen.
14.08.2026 · 11 Min. Lesezeit
AEO arbeitet am einzelnen Abschnitt, nicht an der ganzen Seite. Was Google zum Begriff sagt, welche Hebel belegt sind und wie ein Abschnitt aussieht, den eine Antwortmaschine übernimmt.
15.08.2026 · 17 Min. Lesezeit
