KI-Sichtbarkeit: der ehrliche Blick

Vor einigen Monaten habe ich angefangen, meine eigene Website daraufhin zu beobachten, wer sie eigentlich liest. Die Antwort war unbequem. Immer seltener ist es ein Mensch, der auf ein Suchergebnis klickt, und immer öfter ein Modell, das den Text einsammelt, zusammenfasst und weitergibt. KI-Sichtbarkeit beschreibt genau diese Verschiebung: nicht mehr die Frage, ob eine Marke in einer Ergebnisliste auftaucht, sondern ob sie in einer Antwort vorkommt, die der Leser nie als Liste zu sehen bekommt.

Für Marketingverantwortliche ist das unangenehm, weil es eine vertraute Sicherheit auflöst. Position eins war eine Zahl, die man jemandem zeigen konnte. Eine Erwähnung in einer generierten Antwort ist es bisher nicht. Trotzdem halte ich KI-Sichtbarkeit für das wichtigste Thema, das mir in diesem Jahr begegnet ist, und zwar nicht aus technischer Neugier, sondern weil sich die Frage nach Markenführung dahinter versteckt.

• KI-Sichtbarkeit fragt nicht, ob du gefunden wirst, sondern ob du zitiert wirst.
• Ein Satz, der nur im Zusammenhang funktioniert, fällt aus der Antwort heraus.
• Modelle bevorzugen Quellen mit Autor, Haltung und erkennbarem Absender.
• Eine Aussage wird zur Tatsache, wenn sie an mehreren Orten steht, nicht wenn sie oft wiederholt wird.
• Wer jetzt Software zur Messung kauft, kauft meist eine Oberfläche über einer Schätzung.

Warum KI-Sichtbarkeit etwas anderes ist als Ranking

Eine Suchmaschine hat dich einsortiert. Ein Sprachmodell nimmt dich auseinander. Es interessiert sich nicht für deine Seite als Ganzes, sondern für einzelne Aussagen, die es aus deinem Text herauslöst und in einen fremden Zusammenhang stellt. Damit verschiebt sich, was ein guter Text ist. Er muss nicht mehr vor allem gefunden werden, er muss zitierfähig sein.

Das klingt nach einer Nuance und ist in Wahrheit ein anderer Beruf. Wer für Ranking geschrieben hat, hat Begriffe wiederholt, Zwischenüberschriften gesetzt und intern verlinkt. Wer für KI-Sichtbarkeit schreibt, muss überprüfbare Aussagen treffen, die einzeln stehen können. Ein Satz, der nur im Zusammenhang funktioniert, wird aus der Antwort fallen. Ein Satz, der eine klare Position vertritt und benennt, worauf sie sich stützt, hat eine Chance.

Die zweite Verschiebung, die KI-Sichtbarkeit auslöst, betrifft den Klick. Wir haben zwanzig Jahre lang so getan, als sei der Besuch auf der eigenen Seite das Ziel. In einer Welt, in der Antworten direkt ausgeliefert werden, ist der Besuch die Ausnahme und die Erwähnung der Normalfall. Das ist der eigentliche Bruch, und ich finde ihn bis heute schwer zu akzeptieren, weil er jedes Reporting infrage stellt, das ich kenne.

Woran Modelle entscheiden, wen sie zitieren

Ehrlich gesagt weiß das niemand vollständig, auch die Anbieter nicht im Detail. Was sich beobachten lässt, ist trotzdem brauchbar. Modelle greifen bevorzugt auf Quellen zurück, die eindeutig zuzuordnen sind. Ein Text mit einem Autor, einer Haltung und einem erkennbaren Absender wird eher verwendet als ein anonymer Ratgeber. Das ist die erste gute Nachricht für Marken, die tatsächlich jemanden haben, der schreibt.

Zweitens gewinnt Struktur, und zwar für KI-Sichtbarkeit noch stärker als für Ranking. Nicht die formale Struktur einer Gliederung, sondern die inhaltliche: eine Frage, eine Antwort, eine Begründung. Wenn ein Abschnitt diese drei Teile enthält, lässt er sich sauber herauslösen. Wenn er erst nach vier Absätzen zum Punkt kommt, wird er überlesen, von Menschen wie von Maschinen.

Drittens zählt Wiederholung über Quellen hinweg. Eine Aussage, die nur an einer Stelle im Netz steht, ist für ein Modell ein Risiko. Eine Aussage, die sich in einem Fachmedium, in einem Interview und auf der eigenen Seite wiederfindet, wird zur Tatsache. Das ist kein SEO-Trick, das ist klassische Pressearbeit, nur mit einem neuen Adressaten. Wer seine Themen konsequent an mehreren Orten vertritt, baut genau die Redundanz auf, die ein Modell braucht, um sich sicher zu fühlen.

Viertens bleibt die technische Basis für KI-Sichtbarkeit wichtiger, als es die Diskussion nahelegt. Wenn eine Seite langsam lädt, wenn Inhalte erst per Skript erscheinen oder wenn strukturierte Daten fehlen, wird ein Text seltener erfasst. Das ist Handwerk und lässt sich abarbeiten, anders als die Frage, wie man eine Marke interessant macht.

Was das für eine Marke praktisch bedeutet

Die erste Konsequenz aus der KI-Sichtbarkeit ist unbequem. Man braucht eine Meinung. Generische Inhalte, die nichts behaupten, verschwinden in dieser Logik vollständig, weil ein Modell sie durch eine eigene Zusammenfassung ersetzen kann. Was es nicht ersetzen kann, ist eine begründete Position, eine Erfahrung aus der eigenen Arbeit, eine Zahl, die sonst niemand hat.

Die zweite Konsequenz der KI-Sichtbarkeit betrifft die Organisation. Wer in diesem Feld sichtbar bleiben will, produziert mehr Text als früher, und zwar in mehreren Sprachen, weil Modelle Sprachräume unterschiedlich abdecken. Damit wird aus einer Kommunikationsaufgabe eine Produktionsaufgabe, und die gehört geplant. Ich habe an anderer Stelle beschrieben, warum ich das für die eigentliche Baustelle halte: die Content Supply Chain entscheidet, ob eine Marke dieses Tempo überhaupt durchhält.

Die dritte Konsequenz der KI-Sichtbarkeit ist die Messung. Klassische Kennzahlen zeigen die Wirkung zu spät oder gar nicht, weil ein Teil des Effekts ohne Besuch stattfindet. Wer hier ernsthaft arbeiten will, muss Erwähnungen beobachten statt Klicks und sich von der Vorstellung verabschieden, dass eine einzelne Quelle die ganze Wahrheit kennt. Das ist nicht neu. Die gleiche Debatte haben wir beim Marketing Mix Modeling geführt, als klar wurde, dass die letzte Anzeige vor dem Kauf nicht der Grund für den Kauf ist.

Und die vierte Konsequenz ist die unbequemste: Die Werkzeuge, die dabei helfen, sind noch keine Werkzeuge, sondern Versprechen. Wer jetzt Software kauft, um KI-Sichtbarkeit zu messen, kauft im Zweifel eine Oberfläche über einer Schätzung. Das ist in Ordnung, solange man weiß, dass man es tut. Ich würde das Geld lieber in den Martech Stack stecken, der ohnehin gepflegt werden muss.

Wo ich selbst noch unsicher bin

Ich betreibe diese Website unter anderem als Versuchsaufbau. Alle Texte hier liegen in drei Sprachen vor, sind sauber verschlagwortet und von einer Person geschrieben, die dazu steht. Nach meinem eigenen Modell von KI-Sichtbarkeit müsste das gut funktionieren. Ob es das tut, weiß ich erst in einigen Monaten, und ich werde es hier berichten, auch wenn das Ergebnis mager ausfällt.

Unsicher bin ich vor allem bei der Frage, wie stabil das alles ist. Die Anbieter ändern ihre Systeme schneller, als sich eine Strategie aufbauen lässt. Wer heute eine Methode optimiert, optimiert möglicherweise auf einen Zustand, den es in einem halben Jahr nicht mehr gibt. Meine Konsequenz daraus ist bescheiden: Ich schreibe Texte, die auch ohne Modell einen Wert haben. Wenn sie zusätzlich zitiert werden, ist das ein Gewinn. Wenn nicht, habe ich immer noch etwas geschrieben, das jemand lesen kann.

Am Ende ist KI-Sichtbarkeit weniger eine Disziplin als eine Prüfung. Sie fragt eine Marke, ob sie etwas zu sagen hat, das sich in einem Satz wiedergeben lässt, ohne falsch zu werden. Marken, die diese Frage beantworten können, werden auch in generierten Antworten vorkommen. Marken, die es nicht können, hatten das Problem vorher schon, nur ist es jetzt sichtbar.