Was ist ein guter AI Visibility Score? Was die Zahl misst und wo sie aufhört zu helfen

Es gibt keinen Branchenstandard für den AI Visibility Score. Die ehrliche Antwort hängt deshalb vollständig davon ab, welches Instrument die Zahl erzeugt hat. Bei einem Readiness Score, berechnet aus Ihrer eigenen Website, bedeutet 90 und mehr, dass nichts als kritisch oder hoch Bewertetes durchfällt. 70 bis 89 heißt lesbar, mit benannten Lücken, die sich schließen lassen. Unter 70 lesen Sie das Ergebnis von oben nach unten nach Schweregrad, denn ein einzelnes Problem in der Zugriffsschicht kann für ein ganzes Bündel von Fehlern verantwortlich sein. Bei einem Presence Score, gemessen durch echte Fragen an die Assistenten und das Zählen Ihrer Nennungen, gibt es überhaupt keinen guten Wert im luftleeren Raum, sondern nur Ihre Position gegenüber denselben Wettbewerbern in denselben Fragen.

Wer Ihnen einen Benchmark nennt, ohne das Instrument dazu zu nennen, nennt Ihnen Rauschen.

Beide Zahlen beschreiben eine Lücke, geschlossen wird sie von keiner. Ein Readiness Score steigt mit einer Woche technischer Arbeit. Ein Presence Score bewegt sich erst, wenn zu jeder Kauffrage eine vollständige, belegte Antwort auf Ihrer eigenen Seite steht und aktuell bleibt. Diese Produktionshälfte führt scaile als betreute Infrastruktur: ein benannter AI Search Strategist, Recherche aus Ihrer eigenen Wissensbasis, jeder Fakt geprüft, Freigabe durch Ihr Team vor der Publikation, live in 14 Tagen.

Warum gibt es keinen einheitlichen AI Visibility Score?

Weil jeder Anbieter seinen eigenen erfunden hat und sich die Definitionen tatsächlich unterscheiden.

Semrush dokumentiert seinen AI Visibility Score als Benchmark von 0 bis 100, der zeigt, wie häufig Ihre Marke im Vergleich zu Wettbewerbern in KI-generierten Antworten auftaucht. Er entsteht nicht dadurch, dass Semrush Ihre Fragen an Modelle stellt: Grundlage ist eine Datenbank mit über 317 Millionen Prompts und Antworten aus ChatGPT, Gemini, AI Overviews und AI Mode, erhoben aus Clickstream-Daten statt über Modell-APIs, über 117 regionale Datenbanken hinweg. Die Prompt-Datenbank wird rollierend täglich aktualisiert, die darauf aufbauenden Markenberichte dagegen wöchentlich. Ein Dashboard, das Sie am Dienstag öffnen, zeigt Ihnen also nicht den Vortag. Die genaue Gewichtung ist proprietär.

Peec definiert seinen Visibility Score mit einer offengelegten Formel: Antworten, die Ihre Marke nennen, geteilt durch alle Antworten, mal 100. Profound weist ebenfalls einen Visibility Score in Prozent aus, teilt die Markennennungen aber durch alle Antworten, die mindestens eine Marke enthalten. Ein anderer Nenner also, aus Prompts, die Profound täglich an die Antwortmaschinen schickt. Schicken Sie dieselbe Marke am selben Tag mit denselben Fragen durch beide Werkzeuge, werden die zwei Zahlen sich widersprechen, und beide sind richtig.

Ahrefs ist einen vierten Weg gegangen. Brand Radar berichtet Markennennungen über die großen KI-Plattformen hinweg. Die Liste ist 2026 zweimal gewachsen, prüfen Sie also auf der Produktseite, was heute abgedeckt ist. Dazu kommt ein AI Share of Voice gegen Wettbewerber, aber kein Score von 0 bis 100. Die eigene Anleitung von Ahrefs hält fest, dass KI-Plattformen nicht deterministisch sind und dass Sie die Spanne Ihres Share of Voice verfolgen sollten statt eines Punktwerts.

Daraus folgen zwei Dinge. Erstens: “Unser AI Visibility Score liegt bei 62” ist keine Aussage über Ihr Unternehmen, solange Sie nicht sagen, wessen 62 das ist. Zweitens: Es existiert kein Branchen-Benchmark zum Vergleich, denn ein Benchmark setzt ein Instrument voraus, das alle teilen. Semrush schreibt das in der eigenen Dokumentation selbst: KI-Suchantworten sind schnelllebig und stark personalisiert, weshalb keine Plattform exakte Zahlen liefern kann.

Selbst die Forschung musste sich ihren eigenen Maßstab bauen. Die GEO-Arbeit, die dieses Feld begründet hat, misst Sichtbarkeit mit drei selbst definierten Metriken: einer normalisierten Wortzahl, einer positionsgewichteten Wortzahl, die mit der Position des Zitats exponentiell abfällt, und einem subjektiven Eindruckswert, den ein Sprachmodell vergibt. Genau deshalb, weil eine Ranking-Position, die Kennzahl der klassischen Suche, eine generative Antwort nicht beschreibt.

Welche zwei Arten von AI Visibility Score gibt es?

Jeder Score am Markt ist eines von zwei Dingen, und die beiden zu verwechseln ist der teuerste Fehler in diesem ganzen Thema.

Readiness Scores werden aus Ihrer eigenen Website berechnet. Kommen die KI-Crawler zu Ihnen durch? Kann eine Maschine aus der Seite eine Antwort herauslesen? Trägt die Seite Datum, Autor und Quelle, damit eine Antwort sie zuordnen kann? Das sind Fragen an Dateien, die jetzt gerade auf Ihrem Server liegen. Ein Readiness Score ist in dem deterministisch, was er prüft, nicht in dem, was er erreichen kann: Dieselben Prüfungen auf derselben Datengrundlage ergeben denselben Wert, und die im Bericht ausgewiesene Zahl der gelaufenen Prüfungen sagt Ihnen, ob die Grundlage dieselbe war. Eine Fremd-API im Timeout, eine Seite, die sich nicht rendern ließ, eine robots.txt, die mit 503 antwortet: Jeder dieser Fälle nimmt eine Prüfung aus dem Nenner, und ein Wert aus 62 Prüfungen ist nicht dieselbe Messung wie einer aus 95.

Presence Scores entstehen aus Stichproben von Modellantworten. Frage an den Assistenten, Antwort lesen, notieren, ob Sie genannt wurden. Wiederholen. Diese Messung erfasst etwas, das Readiness nicht erfassen kann: ob Sie tatsächlich vorkommen, wenn ein Käufer fragt. Sie bewegt sich aber auch von allein, und stärker, als die meisten Dashboards zugeben.

Warum schwankt der Presence Score ohne eigenes Zutun?

Weil die Antwort live zusammengesetzt wird und zwischen zwei Durchläufen fast nichts an dieser Zusammensetzung festgehalten wird.

Die Hauptursache ist das Retrieval, nicht das Modell. Semrush schreibt es in der eigenen Dokumentation deutlich: KI-Suchantworten sind schnelllebig und stark personalisiert, und genau deshalb kann keine Plattform exakte Zahlen liefern. Ahrefs warnt von der anderen Seite gleichlautend und rät Brand-Radar-Nutzern, KI-Plattformen als nicht deterministisch zu behandeln und eine Spanne statt eines Punktwerts zu lesen. Zwischen Ihrer Montagsstichprobe und Ihrer Donnerstagsstichprobe hat sich der Index hinter dem Assistenten verändert, die abgerufenen Seiten sind andere, und die Personalisierungsschicht hat beide Anfragen unterschiedlich behandelt.

Darunter liegt ein kleinerer, aber überraschender Bodensatz. Thinking Machines hat denselben Prompt 1.000 Mal bei Temperatur null abgefragt, also bei der Einstellung, die die Ausgabe eigentlich deterministisch machen soll, auf einem offenen Modell, und 80 verschiedene Vervollständigungen erhalten, die häufigste davon 78 Mal. Die erste Abweichung trat beim 103. Token auf. Die Ursache war kein Zufall im Sampler, sondern die Batch-Größe auf der Serving-Hardware, die das numerische Ergebnis davon abhängig macht, wie viele andere Menschen zufällig gleichzeitig anfragen. Die wichtigere Hälfte dieses Ergebnisses ist die Lösung: Mit batch-invarianten Kerneln kamen alle 1.000 Vervollständigungen identisch zurück. Das ist also kein Beleg für unvermeidbaren Zufall in Sprachmodellen. Es ist ein Beleg dafür, dass selbst der Idealfall auf gewöhnlicher Serving-Infrastruktur nicht reproduzierbar ist, noch bevor Retrieval und Personalisierung ihre sehr viel größere Bewegung darauflegen.

Die GEO-Forscher sind mit demselben Problem sauber umgegangen: Sie haben pro Anfrage fünf Antworten bei Temperatur 0,7 gezogen, ausdrücklich um statistische Abweichungen zu verringern, auf GEO-bench, einem Benchmark mit 10.000 Anfragen. So viel kostet eine Presence-Messung, wenn sie stillhalten soll.

Wenn ein Dashboard Ihren Presence Score also von 34 auf 31 Prozent gegenüber der Vorwoche bewegt, ist die erste Frage nicht, was den Rückgang verursacht hat. Die erste Frage ist, ob drei Punkte überhaupt außerhalb des Eigenrauschens des Instruments liegen. Bei zehn Fragen, je einmal gestellt, verschiebt eine einzige gekippte Antwort die Zahl um zehn Punkte. An Ihrer Website hat sich nichts geändert.

Deshalb gibt Ihnen der AI Visibility Check von scaile die zugrundeliegenden Antworten in die Hand statt nur eine Schlagzahl: Was die Assistenten tatsächlich gesagt haben, ist nachprüfbar, ein Prozentwert aus einem einzigen Durchlauf nicht. Laufendes Tracking mit genug Wiederholungen, um Signal von Rauschen zu trennen, ist eine andere Aufgabe, und dafür ist die Auswertungsseite der Plattform da.

Was ist ein guter Readiness Score?

Das ist die Familie, in der eine Zahl für sich genommen etwas bedeutet, weil dieselben Prüfungen auf derselben Datengrundlage immer denselben Wert ergeben.

Auf der Skala von 0 bis 100, die der kostenlose AI Search Health Check verwendet:

90 und mehr ist ein A. Nichts, was als kritisch oder hoch bewertet ist, fällt durch. Was noch offen ist, ist kosmetisch oder optional, und was in KI-Antworten fehlt, fehlt aus inhaltlichen und nicht aus technischen Gründen.

70 bis 89 ist ein B oder ein C. Sie sind lesbar, mit benannten Lücken, die sich lohnen. Typischerweise eine Mischung: Schema auf manchen Seitentypen und auf anderen nicht, eine Sitemap, die einen Bereich auslässt, Datumsangaben vorhanden, Autorenschaft nicht. Jede Korrektur ist klein, keine davon blockiert.

Unter 70 schlägt Triage die Abarbeitungsliste. Lesen Sie das Ergebnis von oben nach unten nach Schweregrad, statt die Liste durchzugehen, denn ein einzelnes Problem in der Zugriffsschicht kann ein ganzes Bündel von Fehlern darunter erklären.

Entscheidend ist auf dieser Ebene, welchen Bot Sie gesperrt haben. Die Retrieval-Agenten zu sperren, also OAI-SearchBot und PerplexityBot, ist die teure Sperre: Das sind die Agenten, die eine Seite im Moment der Antwort abrufen. In der Engine von scaile löst eine robots.txt, die die Retrieval-Crawler gemeinsam aussperrt, ein Score-Gate aus, das das Ergebnis unabhängig von allem anderen deckelt. Die Trainings-Crawler zu sperren, also GPTBot, ClaudeBot und CCBot, ist dagegen eine Rechteentscheidung darüber, ob Ihre Inhalte künftige Modelle trainieren dürfen. Sie ist legitim, und sie verändert kaum, ob ChatGPT oder Perplexity Sie heute zitieren, denn Zitate laufen über die Retrieval-Agenten. Beheben Sie das Gate, und der Deckel fällt weg. Ändern Sie eine Trainings-Crawler-Zeile, haben Sie Ihre Lizenzhaltung geändert, nicht Ihre Sichtbarkeit.

Ein Score ist nur dann vertrauenswürdig, wenn er seine Rechnung offenlegt. Der Health Check weist aus, wie viele Prüfungen von wie vielen tatsächlich gelaufenen bestanden wurden, nicht von 103. Denn der kostenlose Durchlauf liest Ihre Startseite, Ihre robots.txt und Ihre Sitemap, was für rund 60 der Prüfungen reicht, und der Rest enthält sich, statt zu raten. Eine Prüfung ohne Urteil sollte Ihr Vertrauen in den Wert senken, nicht stillschweigend den Wert.

Was sagt der Score nicht aus?

Ein Readiness Score ist kein Ranking, und er sagt keinen Traffic voraus. Er ist ein Test auf eine Vorbedingung.

Es gibt keine externe Möglichkeit, einen Zusammenhang zwischen einem Readiness Score und KI-getriebenen Besuchen zu belegen, weil die Daten öffentlich nicht existieren. Google hält fest, dass Seiten, die in AI Overviews und AI Mode erscheinen, in der Search Console im gesamten Suchtraffic aufgehen, ohne eigene Kennzahl für die KI-Funktionen. Und das wertvollste Ergebnis hinterlässt überhaupt keine Spur: Eine Marke, die in einer Antwort genannt und nie geklickt wird, erzeugt nirgendwo ein Analytics-Ereignis, während sich die Referrer-Behandlung bei den Klicks, die es gibt, von Assistent zu Assistent unterscheidet. Wer behauptet, sein Score sage Umsatz voraus, behauptet etwas, das derzeit niemand in diesem Markt messen kann.

Was der Readiness Score Ihnen sagt, ist, ob die Bedingung für alles Weitere erfüllt ist. Googles eigene Voraussetzung für ein Erscheinen in den AI Overviews ist genau eine: Die Seite muss indexiert und für ein Snippet zugelassen sein. Google ergänzt ausdrücklich, dass keine neuen maschinenlesbaren Dateien, keine AI-Textdateien und kein besonderes Schema nötig sind. Das ist eine niedrige Hürde, und Websites scheitern trotzdem daran. Fallen alle drei Zugriffsprüfungen gemeinsam durch, sitzt die Ursache meist am Netzwerkrand und nicht in der Website: eine CDN- oder WAF-Regel, die einen Crawler blockiert, den die robots.txt erlaubt.

Sie können 95 erreichen und trotzdem in jeder Antwort Ihrer Kategorie fehlen, denn Readiness misst, ob Sie zitiert werden könnten, nicht, ob die Antwort auf die Frage Ihrer Käufer überhaupt geschrieben ist. Diese Lücke ist ein Inhaltsproblem, und sie ist die Aufgabe, die echte Arbeit kostet: Dutzende konkrete Kauffragen, jede mit einer vollständigen, belegten, aktuellen Antwort in der Sprache Ihres eigenen Unternehmens. Welche Fragen das sind, klärt die Recherche der Kundenintention, und die Ursachen der Unsichtbarkeit stehen in einer vorhersehbaren Reihenfolge, sobald die technische Schicht sauber ist.

Wie nutzen Sie beide Zahlen zusammen?

Messen Sie zuerst den Readiness Score und behandeln Sie ihn als Tor. Er dauert eine Minute, und er sagt Ihnen, ob eine Presence-Messung überhaupt interpretierbar wäre. Zu messen, wie oft ChatGPT Sie nennt, während OAI-SearchBot gesperrt ist, sagt Ihnen nichts, was Sie nicht schon wussten.

Messen Sie danach Presence und lesen Sie das Ergebnis als Position, nicht als Niveau. In den meisten Antworten genannt und früh genannt ist stark. Spät genannt oder nur bei eng gefassten Fragen ist eine echte Lücke. In der eigenen Kategorie nie genannt zu werden ist der Befund, auf den es ankommt, und an dieser Stelle sagt Ihnen der Readiness Score, welche der beiden Ursachen vorliegt.

Beide Checks von scaile sind kostenlos und keiner verlangt ein Konto. Der Health Check bewertet die Readiness direkt auf der Seite. Der AI Visibility Check schreibt die zehn Kauffragen und zeigt sie kostenlos auf der Seite. Die Antworten selbst, die Wettbewerber-Rangliste und die Quellen, die die Assistenten gelesen haben, kommen im Bericht per E-Mail zurück, wofür Sie eine E-Mail-Adresse brauchen, aber keine Registrierung. Wenn Sie zuerst den strukturellen Blick wollen, zeichnet der Sitemap Visualiser auf, was die Crawler erreichen können und was nicht, noch bevor irgendein Score entsteht.

Häufig gestellte Fragen

Quellen

• Semrush: AI Visibility Metrics. Definition des AI Visibility Score als Wettbewerbs-Benchmark von 0 bis 100.
• Semrush: Herkunft der Daten im AI Visibility Toolkit. 317 Millionen Prompts und Antworten, Clickstream statt APIs, 117 regionale Datenbanken, tägliche rollierende Aktualisierung der Prompts gegenüber wöchentlichen Markenberichten und die Aussage, dass keine Plattform exakte Zahlen liefern kann.
• Peec AI: Dokumentation der Visibility-Metrik. Visibility Score als Antworten mit Markennennung geteilt durch alle Antworten.
• Profound: Answer Engine Insights im Überblick. Visibility Score geteilt durch Antworten mit mindestens einer Marke, Prompts täglich an die Antwortmaschinen.
• Ahrefs Brand Radar und die Ankündigung zu Brand Radar. Aktuelle Plattformliste, AI Share of Voice, kein Score von 0 bis 100 und der Rat, eine Spanne zu verfolgen, weil KI-Plattformen nicht deterministisch sind.
• Defeating Nondeterminism in LLM Inference, Thinking Machines. 1.000 Stichproben bei Temperatur null, 80 verschiedene Vervollständigungen, die häufigste 78 Mal, erste Abweichung bei Token 103, Batch-Größe als Ursache und identische Ergebnisse bei allen 1.000 Durchläufen mit batch-invarianten Kerneln.
• GEO: Generative Engine Optimization, Aggarwal et al., KDD 2024. Die drei eigens gebauten Sichtbarkeitsmetriken, GEO-bench mit 10.000 Anfragen und fünf Stichproben je Anfrage bei Temperatur 0,7 zur Verringerung statistischer Abweichungen.
• Google Search Central: AI features and your website. Indexierung und Snippet-Fähigkeit als einzige Voraussetzung, keine besonderen Dateien oder Schemata, und Traffic aus KI-Funktionen im gesamten Suchtraffic ausgewiesen.
• OpenAI: Übersicht der Crawler. OAI-SearchBot, GPTBot, ChatGPT-User und OAI-AdsBot und wofür sie jeweils genutzt werden.