KI-Sichtbarkeit allein reicht nicht: zwei Achsen zählen

Wer heute wissen will, warum ein Wettbewerber bei ChatGPT genannt wird und die eigene Marke nicht, öffnet meist ein KI-Sichtbarkeits-Tool. Das ist der naheliegende erste Schritt, und er liefert tatsächlich eine Antwort - nur selten die vollständige. Reine GEO-Monitoring-Tools zeigen zuverlässig, ob und wie oft eine Marke in KI-Antworten vorkommt. Was sie strukturell nicht zeigen, ist der Grund dafür. Und dieser Grund liegt auffällig oft außerhalb der KI-Systeme selbst.

Die Frage, die reine KI-Sichtbarkeits-Tools nicht beantworten

„Warum empfiehlt ChatGPT meine Konkurrenz und nicht mich?” gehört zu den meistgestellten Fragen, sobald eine Marke KI-Sichtbarkeit ernst nimmt. Ein GEO-Monitoring-Tool beantwortet den ersten Teil zuverlässig: Es zeigt, dass der Wettbewerber genannt wird, wie oft, in welcher Position, mit welchem Ton. Den zweiten, eigentlich interessanteren Teil - warum - beantwortet dieselbe Kennzahl nicht von selbst.

KI-Systeme erfinden ihre Empfehlungen nicht. Sie stützen sich auf das, was im Netz über eine Marke zu finden ist: Vergleichsartikel, Erfahrungsberichte, Presseerwähnungen, Forenbeiträge, Produktbeschreibungen. Was genau ein Sprachmodell als Antwort aufgreift und warum, ordnet der Beitrag Was ist GEO und AEO? ausführlich ein. Für die Wettbewerbsfrage reicht hier die verkürzte Version: Ein Wettbewerber, der in KI-Antworten auffällig zulegt, hat sich selten über Nacht inhaltlich neu erfunden. Häufiger liegt die Erklärung in dem, was um seine KI-Sichtbarkeit herum passiert - und das ist mit einem Tool, das nur auf KI-Systeme schaut, gar nicht zu sehen.

Eine Achse: was reine GEO-Monitoring-Tools zeigen

Reine GEO-Monitoring-Tools sind, in ihrem eigenen Bereich, oft gründlich gebaut: Sie stellen definierte Fragen an mehrere KI-Systeme, protokollieren Nennung, Position und Sentiment, und zeigen den Verlauf über Wochen. Wer wissen will, ob ChatGPT die eigene Marke empfiehlt, bekommt darüber eine saubere, wiederholbare Antwort - deutlich verlässlicher als eine einmalige Stichprobe von Hand.

Das Problem ist nicht die Qualität dieser Messung. Das Problem ist ihr Rahmen. Eine Kennzahl, die ausschließlich beschreibt, was innerhalb der KI-Antworten passiert, kann nicht erklären, was außerhalb davon passiert - und dort liegt bei einer auffälligen Verschiebung meist die Ursache.

Für wen ein reines GEO-Monitoring-Tool die richtige Wahl bleibt

Das ist keine Kritik an einer sauberen KI-Sichtbarkeits-Messung als solcher. Wenn die tägliche Arbeit primär aus der Optimierung der eigenen KI-Sichtbarkeit besteht - viele Prompts, Sentiment-Analyse, Zitier-Quellen im Detail, Anbindung an eigene Content-Workflows -, ist ein spezialisiertes GEO-Monitoring-Tool oft die richtige, ausgereifte Wahl. Für ein SEO- oder Content-Team, dessen Kernaufgabe die eigene KI-Sichtbarkeit ist und nicht der Wettbewerbsvergleich über mehrere Kanäle hinweg, bildet diese eine Achse den relevanten Ausschnitt vollständig ab.

Die Einschränkung gilt für eine andere Frage: Sobald das Ziel nicht die Optimierung der eigenen Sichtbarkeit ist, sondern die Einordnung „wo stehe ich gegenüber meiner Konkurrenz insgesamt”, reicht eine Achse strukturell nicht aus - unabhängig davon, wie gründlich sie gemessen wird.

Die zweite Achse: Werbung als Wettbewerbssignal

Der naheliegendste blinde Fleck ist Werbung. Seit der Digital Services Act (DSA) der EU wirksam ist, liegen Reichweite, Demografie und Laufzeit jeder in der EU geschalteten Meta-Anzeige offen - kostenlos einsehbar, für jede Marke, ohne Login. Wie sich diese Daten in der Meta Ad Library auslesen lassen, haben wir an anderer Stelle ausführlich beschrieben. Für die Wettbewerbsfrage zählt hier vor allem eines: Ein Wettbewerber, der gerade eine neue Kampagne mit wachsender Reichweite fährt, mehrere Varianten parallel testet und einen frischen Winkel skaliert, verändert damit sein Bild im Netz - das Bild, aus dem KI-Systeme ihre Empfehlungen ziehen. Welche konkreten Signale dafür sprechen, dass eine Anzeige tatsächlich funktioniert und nicht nur zufällig lange läuft, ordnet der Beitrag Winning Ads erkennen ein.

Der Zusammenhang ist selten so direkt, dass eine einzelne Anzeige eine einzelne KI-Nennung erklärt. Aber im Aggregat gilt: Eine Marke, die mehr Werbedruck aufbaut, erreicht mehr Kunden - und die schreiben Erfahrungsberichte. Über Wochen verändert das die Textmasse, aus der ein Sprachmodell schöpft.

Google und Presse: der Rahmen, der die zwei Achsen einordnet

Zwei weitere Signale gehören in dasselbe Bild, auch wenn sie seltener den Ausschlag geben als Werbung. Ob eine Marke bei Google erkannt wird - klassisch in den organischen Treffern wie auch in Googles KI-Antworten über den eigentlichen Ergebnissen - ist ein eigenständiges Kontext-Signal, das häufig mit der KI-Sichtbarkeit korreliert, ohne mit ihr identisch zu sein. Eine Marke, die bei Google kaum erkannt wird, hat in der Regel auch wenig Material im Netz, aus dem ein KI-System schöpfen könnte.

Presse ist das langsamste, aber oft aufschlussreichste Signal. Eine Marke, die in der Fachpresse zunehmend auftaucht - ein Produkttest, ein Gründerporträt, eine Marktübersicht mit Nennung -, liefert die Art von unabhängiger, glaubwürdiger Drittquelle, die ein Sprachmodell bevorzugt zitiert. Wer eine auffällige KI-Nennung des Wettbewerbers beobachtet und parallel eine Presse-Welle übersieht, hält eine Korrelation für einen Zufall, die tatsächlich ein Muster ist.

Für DACH-Mittelstandsmarken kommt ein weiterer Punkt hinzu: Ein Großteil der einschlägigen Fachmedien und Vergleichsportale im deutschsprachigen Raum erscheint ausschließlich auf Deutsch und ist für ein international ausgerichtetes GEO-Tool kein natürlicher Bestandteil der Auswertung. Wer die eigene Presse-Resonanz im DACH-Raum gegenüber der Konkurrenz einschätzen will, braucht diesen Kontext ohnehin als eigenen Baustein - unabhängig davon, welches KI-Sichtbarkeits-Tool sonst im Einsatz ist.

Eine Achse vs. zwei Achsen im Vergleich

	Eine Achse (nur KI-Sichtbarkeit)	Zwei Achsen (KI-Sichtbarkeit + Werbung)
Was gemessen wird	Nennung, Position und Sentiment bei ChatGPT, Perplexity und Co.	Zusätzlich Reichweite, Demografie und Laufzeit der Meta-Werbung nach EU-DSA-Daten
Beantwortet die Frage „warum”?	Selten - zeigt das Ergebnis, nicht die Ursache	Häufiger - zeigt, ob eine Werbeoffensive oder Presse-Welle dahintersteht
Blinder Fleck	Werbung und Presse der Konkurrenz bleiben unsichtbar	KI-Sichtbarkeit bleibt unsichtbar, wenn nur die Werbe-Achse geprüft wird
Google und Presse	Kein Kontext-Signal vorgesehen	Ergänzt als Kontext: Google-Erkennung und Presse-Resonanz
Typische Handlungsableitung	„Mehr GEO-Optimierung” - unabhängig davon, ob das Problem dort liegt	Gezielt: Werbedruck prüfen, Content-Arbeit, oder beides
Passt am besten zu	SEO-/Content-Teams mit Fokus auf die eigene KI-Sichtbarkeit	Wettbewerbsvergleich als Grundlage für Marketing-Entscheidungen

So prüfen Sie die zweite Achse auch ohne Tool

Sie müssen nicht sofort ein zusätzliches Werkzeug einsetzen, um die blinde Stelle zu schließen. Ein manueller Abgleich dauert eine halbe Stunde und reicht für einen ersten Eindruck:

KI-Nennung notieren. Halten Sie fest, welcher Wettbewerber in Ihrem GEO-Monitoring-Tool oder in einer manuellen Stichprobe bei ChatGPT und Perplexity zuletzt auffällig zugelegt hat.
Meta Ad Library desselben Wettbewerbers öffnen. Prüfen Sie, wie viele Anzeigen aktuell laufen, seit wann, und ob die Reichweite laut EU-DSA-Daten zuletzt sichtbar gestiegen ist.
Presse-Erwähnungen der letzten Wochen suchen. Eine einfache Suche nach dem Markennamen in Google News zeigt, ob im selben Zeitraum ein Produkttest, ein Porträt oder eine Marktübersicht erschienen ist.
Zeitpunkte vergleichen. Fällt der Anstieg der KI-Nennung zeitlich mit einer neuen Kampagne oder einer Presse-Welle zusammen, haben Sie die wahrscheinliche Ursache gefunden. Fällt er nicht zusammen, ist das selbst ein Befund - dann lohnt sich der Blick auf die inhaltliche Positionierung des Wettbewerbers.

Für eine einmalige Einordnung reicht dieser manuelle Abgleich aus. Wer ihn für mehrere Wettbewerber und über Wochen wiederholen will, stößt schnell an dieselbe Grenze wie beim manuellen Blick in die Meta Ad Library allein: Es bleibt bei Momentaufnahmen, ohne Verlauf und ohne direkten Vergleich.

Ein Denkbeispiel

Ein illustratives, konstruiertes Beispiel (keine reale Kundin): Der Performance-Marketer eines DACH-Anbieters für Fahrradzubehör beobachtet seit einigen Wochen mit einem GEO-Monitoring-Tool, dass ein Hauptwettbewerber bei ChatGPT deutlich häufiger genannt wird als noch im Frühjahr. Das Tool zeigt das zuverlässig - Position, Sentiment, sogar die Zitier-Quellen. Was es nicht zeigt: Derselbe Wettbewerber hat vor sechs Wochen eine neue Kampagne gestartet, mittlerweile mit sechs parallelen Anzeigenvarianten und sichtbar wachsender Reichweite laut EU-DSA-Daten, und ist im selben Zeitraum in zwei Branchenmagazinen mit einem Produkttest erwähnt worden.

Der Marketer hätte aus der reinen KI-Kennzahl schließen können, es liege an der eigenen Content-Strategie. Mit Blick auf die zweite Achse zeigt sich ein anderes Bild: Der Wettbewerber hat in kurzer Zeit deutlich mehr Sichtbarkeit im Netz erzeugt - über Werbung und über Presse -, und die KI-Nennung folgt dieser Entwicklung. Die Handlungsableitung ist eine andere, je nachdem, welches Bild man sieht.

Wie Rivly beide Achsen zusammenführt

Genau diese Zusammenschau ist der Grund, warum Rivly nicht als reines GEO-Monitoring-Tool gebaut ist. Sie geben Ihre Domain und die Ihrer Wettbewerber ein, Rivly misst regelmäßig vier Module nebeneinander: Werbung über die offizielle Meta Ad Library mit Reichweite, Demografie und Laufzeit nach EU-DSA-Daten, KI-Sichtbarkeit bei ChatGPT, Perplexity, Claude und Gemini im direkten Wettbewerbsvergleich, ob eine Marke bei Google erkannt wird, und Presse-Resonanz. Das Ergebnis steht in einer Brand-Scorecard gegenüber - nicht als vier getrennte Zahlen, sondern als ein Bild, in dem sichtbar wird, ob eine auffällige KI-Nennung mit einer Werbeoffensive oder einer Presse-Welle zusammenhängt, oder ob sie ein isoliertes Signal ist.

Das ersetzt nicht die Arbeit an der eigenen KI-Sichtbarkeit selbst - welche konkreten Maßnahmen dafür wirken, von Schema.org bis zu Presse-Erwähnungen mit Attribution, beschreibt der Beitrag KI-Sichtbarkeit erhöhen im Detail. Es ergänzt diese Arbeit um den Kontext, ohne den eine einzelne Kennzahl schwer einzuordnen ist.

Fazit

KI-Sichtbarkeit ist eine von mehreren Achsen einer Wettbewerbsanalyse. Wer nur diese eine Kennzahl beobachtet, sieht zuverlässig, was passiert, aber selten, warum. Die zweite Achse - Werbung, ergänzt um Google und Presse als Kontext - liefert die Antwort, die eine isolierte KI-Sichtbarkeits-Zahl schuldig bleibt.

Für DACH-Performance-Marketer und E-Commerce-Marken, die regelmäßig wissen wollen, wo sie gegenüber ihren zwei oder drei wichtigsten Wettbewerbern stehen, ist das mehr als eine akademische Unterscheidung. Es entscheidet darüber, ob eine Maßnahme am richtigen Hebel ansetzt oder an einem, der das eigentliche Problem gar nicht berührt.

Jetzt prüfen, wie Ihre Marke dasteht - die erste Analyse läuft in wenigen Minuten, ohne Kreditkarte, sieben Tage kostenlos.