Käufer starten nicht mehr auf deiner Produktseite, sie fragen ein LLM. Klariton misst, wie ChatGPT, Perplexity, Gemini und Claude frühe Kaufabsicht-Fragen in deiner Kategorie beantworten, zeigt, wo Wettbewerber gewinnen und deine Marke fehlt, und macht aus jeder Lücke konkrete Aktionen für Content, BIQs und Produktdaten.
Käufer beginnen mit einem Problem, nicht mit einem Produktnamen. Das LLM beantwortet die frühe Frage und bildet das relevante Set, bevor überhaupt jemand deinen Shop besucht. Wenn du nicht in dieser Antwort vorkommst, bist du aus der Entscheidung raus, bevor sie beginnt.
Jede Metrik ist eine Zählung von Zitaten, Antworten und Quellen, pro Engine und pro Kauf-Phase. Kein vermischter Index. Die Zahlen unten sind illustrative Demo-Daten; im Produkt zeigen sie deine echten Werte.
LLM Discovery prägt das relevante Set am meisten dort, wo die Entscheidung überlegt getroffen wird. Klariton ist für Kategorien gebaut, in denen Käufer ein Problem recherchieren, bevor sie das Produkt kennen, klares Targeting statt eines Versprechens, für alles zu passen.
Ehrlicher Scope: Wenn Käufer nicht recherchieren, gibt es wenig Discovery zu gewinnen, und das sagen wir auch.
Das ist der Kern von Klariton: ein geschlossener Loop vom LLM-Scan bis zur attribuierten Wirkung. Jeder Output wird von dir erstellt oder empfohlen, geprüft und freigegeben, nie eigenständig veröffentlicht.
Fragen und Antworten werden pro Engine und Intent-Phase erfasst.
→Marke fehlt oder ein Wettbewerber wird zitiert, Lücke nach Typ klassifiziert.
→Die passende Wissens-Aktion wird erstellt oder empfohlen.
→Quellenbelegt und auf Claim-Drift geprüft, bevor irgendetwas ausgeliefert wird.
→Die freigegebene Antwort erscheint im Advisor, am Produkt und im Magazin.
→Klicks und Bestell-Signale werden entlang der Kette zurückverfolgt.
Frühe Fragen wollen Orientierung; späte wollen eine Entscheidung. Klariton leitet jede Lücke auf die Fläche, die zu ihrer Intent-Phase passt, und verknüpft sie zu einem Cluster, damit Problem-Content das Produkt erreicht, ohne wie Werbung zu klingen.
Quellenbelegte Käuferfragen direkt am Produkt, für Käufer kurz vor der Wahl.
Vergleichen · EntscheidenRatgeber zu Problemen und Lösungen, die Antwort, die das LLM in der frühen Phase sucht.
Discover · ExploreVerbundene Artikel rund um ein Käuferproblem, eine Tiefe, die einzelne Seiten nicht liefern.
Problem-aware · Solution-awareEingebettete Antwort- und Empfehlungsblöcke genau dort, wo der Kauf passiert.
KaufkontextSichtbarkeit in Antworten beginnt eine Stufe früher, bei der Frage, ob ein Modell die Fakten überhaupt sauber erfassen kann. Discovery Intelligence misst deshalb nicht nur, ob deine Marke genannt wird, sondern auch, was maschinell von dir lesbar ist und wer es tatsächlich abruft.
Klariton stellt nicht nur Standard-Markup bereit, sondern ein kuratiertes Set aus gescannten Seiten, Produktdaten und geprüftem Antwortwissen. Es wird server-seitig als JSON-LD ausgeliefert, je Produkt abrufbar. Damit liest ein Modell Maße, Höhe, Breite oder Anschlusswerte einer Siebträgermaschine direkt als Fakt, statt sie aus Fließtext zu schätzen.
Der Audit prüft, was ein Crawler wirklich sieht: ob Inhalte erst nach JavaScript erscheinen, ob Zugriffsregeln und Sprachauszeichnung sauber sind, ob die Seite erreichbar ist. Das Ergebnis ist eine Liste konkreter Schritte, nicht nur ein Score.
Über den Reach-Beacon wird sichtbar, welche AI-Crawler deine Inhalte abrufen, von welchem Anbieter sie kommen und welche Seiten und Touchpoints sie erreichen. Das ist gemessener Abruf, keine Hochrechnung aus Rankings.
„Ich suche ein Familienauto." Darauf fragt der Assistent nach Budget, Personenzahl und Nutzung, bekommt eine Antwort, fragt weiter. Erst am Ende dieser Kette steht eine Empfehlung. Wer nur die erste Antwort misst, sieht den Moment nicht, in dem die Auswahl wirklich entsteht.
Heute misst Discovery Intelligence Einzelfragen über die Engines hinweg. Die Messung mehrstufiger Verläufe ist in Arbeit: an welcher Stelle der Kette eine Marke auftaucht, ob sie über die Rückfragen hinweg im Gespräch bleibt und wo sie herausfällt. Wir sagen bewusst dazu, dass dieser Teil noch nicht live ist.
Jede Frage, die in einem Klariton-Touchpoint gestellt wird, ist ein Beleg dafür, was am Markt gerade unklar ist. Genau deshalb landen diese Fragen nicht in einem Log, sondern im Kreislauf.
Neben der Einzelansicht gibt es eine aggregierte Sicht: wiederkehrende und inhaltlich ähnliche Fragen werden dort zusammengefasst. Aus zwanzig Varianten derselben Unsicherheit wird ein Thema, an dem sich arbeiten lässt.
Eine Einkäuferin fragt anders als ein Techniker und anders als eine Geschäftsführerin. Fragen werden deshalb nicht nur nach Thema erfasst, sondern der Persona zugeordnet, für die sie relevant sind. So wird sichtbar, welche Einwände bei wem auftreten.
Eine häufige Frage promotest du mit einem Schritt zu einer belegten Antwort, oder du verwirfst sie. Kuratiert wird sie von dir, mit Quelle und Freigabe. Der Kreis schließt sich: gemessene Nachfrage wird geprüftes Wissen, das wieder in Antworten einfließt.
Nennt jemand im Gespräch persönliche Angaben, etwa eine E-Mail-Adresse, eine Anschrift oder eine Telefonnummer, werden diese vor einem Aufruf an ein externes Modell über ein Pseudonymisierungs-Gateway ersetzt. Sie gehen nicht im Klartext an den Modellanbieter. Für die Auswertung im Backend zählt die Frage, nicht die Person dahinter.
Klariton handelt nicht eigenständig in deinem Shop. Es misst, erklärt und schlägt vor, du behältst die Kontrolle.
Klariton ändert nichts an Preisen, Beständen oder Content ohne deine Freigabe. Der Scope ist klar definiert und nachvollziehbar, keine Black Box.
Jeder Output entsteht aus freigegebenem Material und wird vor der Veröffentlichung geprüft. Unbelegte Claims und Claim-Drift werden geflaggt, bevor sie live gehen.
Daten werden in der EU gehostet und vor der Modellverarbeitung minimiert und geschützt. Die Architektur ist auf die Anforderungen des AI Act ausgelegt, Vertrauen by default.
Klariton verbindet Sichtbarkeit mit Wirkung: vom ersten LLM-Read über die geschlossene Lücke bis zum Produkt-Klick. Eine nachvollziehbare Messkette, wir messen Wirkung, wir versprechen sie nicht.
Das LLM beantwortet eine frühe Käuferfrage in deiner Kategorie.
Deine Marke fehlt oder ein Wettbewerber wird zitiert.
Klariton schließt die Lücke mit quellenbelegtem, LLM-lesbarem Content.
Die Antwort erscheint im Chat-Advisor, am Produkt und im Magazin.
Produkt-Klick und Bestell-Signal werden auf die Kette zurückgeführt.
Ein Scan zeigt deine LLM Discovery-Lücken über alle vier Engines. Daraus wird ein konkreter Content- und BIQ-Plan, kontrolliert, quellenbelegt, freigabe-gated.
Live über dieselbe API, die auch auf deiner Seite läuft. Kein Suchindex, keine erfundenen Angaben. Jeder Satz zeigt, aus welchem Dokument er kommt.
Klariton ist eine Answer-Engine-Optimization-Plattform. Sie ergänzt deine bestehende Shop- oder Website, ohne etwas zu ersetzen oder Daten zu migrieren. Aus deinem eigenen Wissen entstehen geprüfte, quellenbasierte Antworten (BIQs), die AI-Assistenten und deine Besucher direkt nutzen.