Miss zuerst, wo du überhaupt stehst
Erst mal der Begriff selbst. AI Visibility heißt: Wenn jemand ChatGPT, Claude oder Perplexity eine Frage aus deiner Produktkategorie stellt, taucht deine Marke dann in der Antwort auf? Genau das solltest du wissen, bevor du intern irgendjemanden überzeugen willst. Fremde Statistiken über AI-Nutzung wischt jeder vom Tisch. Was in einem Meeting hängen bleibt, ist das, was die Assistenten heute wörtlich über deine Marke sagen. Ein kostenloser AI-Visibility-Check liefert dir diesen ersten Schnappschuss, ohne Budget, ohne Einkauf, ohne Login.
Wenn der Schnappschuss Fragen aufwirft, mach eine richtige Baseline daraus. Baseline heißt einfach: eine erste Messung, an der du alle späteren Messungen misst. Praktisch sieht das so aus: Du schreibst eine feste Liste der Fragen auf, die deine Käufer wirklich stellen (so eine Liste nennt man auch Frage-Korpus), lässt sie durch mehrere Assistenten wie ChatGPT, Claude, Perplexity und Gemini laufen und wiederholst das alle paar Wochen. Die Liste bleibt zwischen den Läufen eingefroren, sonst sind die Zahlen nicht mehr vergleichbar. Assistenten formulieren ihre Antworten außerdem bei jedem Lauf etwas anders. Genau deshalb beweist ein einzelner Screenshot nichts, wiederholte Läufe schon.
Am Ende steht ein einziger Satz, und der trägt den ganzen Pitch: „Wir tauchen in X Prozent der Antworten auf unsere Kauffragen auf. Wettbewerber Y wird etwa doppelt so oft genannt." Versuch mal, den in einem Budget-Meeting wegzuwischen. Eine vage Sorge über AI wird gern aufs nächste Quartal verschoben. Eine gemessene Lücke mit dem Namen des Wettbewerbers dran eher selten. Wie so eine Messung technisch funktioniert, also das regelmäßige Abfragen derselben Fragen und das Protokollieren der Antworten, erklären wir in Was ist Prompt Monitoring?
Drei Leute können das Projekt stoppen. Rede mit jedem anders.
Ein AI-Visibility-Projekt braucht ein Ja aus drei Büros: vom Budget-Verantwortlichen, von der IT und vom Datenschutz. Das sind deine Stakeholder, also die Leute, ohne deren Zustimmung nichts passiert. Jeder von ihnen kann das Projekt monatelang aufhalten, und ehrlicherweise ist jeder der drei Einwände berechtigt. Der häufigste Fehler: derselbe Pitch, dreimal gehalten. Besser sind drei verschiedene Pitches, je einmal.
| Stakeholder | Die eigentliche Frage | Was überzeugt |
|---|---|---|
| Geschäftsführung / Budget | „Was bekommen wir für das Geld?" | Zwei konkrete Wertströme. Erstens gesparte Support-Zeit: Wer eine geprüfte Antwort auf deiner Website findet, schreibt deinem Team nicht dieselbe Frage per Mail. Zweitens messbare Bewegung in der AI-Sichtbarkeit, gezeigt als Trendlinien aus deiner eigenen Baseline statt als Prognose. |
| IT | „Wie viel meiner Roadmap frisst das?" | Kein Replatforming, es wird also kein Kernsystem umgebaut oder abgelöst. Die Anbindung liest Content, der schon da ist: Website, FAQ-Seiten, Hilfetexte. Dazu ein schriftlicher Scope vor dem Start: was die IT liefert und ungefähr wie viele Stunden das kostet. |
| Datenschutz | „Was passiert mit personenbezogenen Daten?" | Ein Auftragsverarbeitungsvertrag, kurz AVV, der Standard-DSGVO-Vertrag mit jedem Anbieter, der personenbezogene Daten anfasst. Dazu EU-Hosting, Pseudonymisierung vor jedem AI-Call (personenbezogene Daten werden vorher durch neutrale Platzhalter ersetzt) und die vertragliche Zusage, dass deine Daten nicht für Modell-Training genutzt werden. Alles schriftlich, nicht im Verkaufsgespräch. |
Für die Geschäftsführung: Erfinde keine Rendite-Zahl, also kein Versprechen, wie viel jeder eingesetzte Euro zurückbringt. Das kannst du noch nicht belegen, und in einem Jahr erinnert sich garantiert jemand daran. Verankere den Pitch in der Baseline-Lücke und in Kosten, die du schon kennst: den Stunden, die dein Team damit verbringt, dieselben Fragen immer wieder zu beantworten. Für den Datenschutz: Komm vorbereitet statt defensiv. Ein Tool, das für den EU-Markt gebaut ist, hat diese Anforderungen in der Architektur verankert, nicht nachträglich im Papierkram. Klariton dokumentiert sein eigenes Setup im Compliance Center. Die Seite taugt auch als Checkliste für die Fragen, die du jedem Anbieter stellen solltest.
Lass einen 2-Wochen-Pilot überzeugen
Ein Pilot ist ein kleiner Testlauf mit festem Enddatum. Bitte im ersten Meeting nicht um einen Jahresvertrag, sondern um zwei Wochen. Das verschiebt die Diskussion von „Glauben wir daran?" zu „Was haben wir gefunden?", und jeder Stakeholder bekommt etwas Konkretes in die Hand statt einer Folie.
Bestehenden Content scannen, die Baseline über mehrere Assistenten messen und die ersten AI-generierten Antworten mit Quellenangaben erzeugen. Dein eigenes Team prüft und gibt jede einzelne frei, bevor irgendetwas live geht.
Die geprüften Antworten auf zwei Pilotseiten live schalten und das erste Dashboard ins Steuerungsmeeting mitbringen: Baseline-Zahlen, welche Wettbewerber genannt werden und die priorisierte Liste der Content-Lücken.
Lege vor dem Start gemeinsam mit dem Budget-Verantwortlichen fest, was „weitermachen lohnt sich" heißt. Eine vernünftige Messlatte: Die Baseline ist glaubwürdig, der Prüf- und Freigabe-Workflow passt zu deinem Team, und die Lückenliste enthält Arbeit, die jemand tatsächlich anpacken würde. Reißt der Pilot eine Latte, die du selbst gesetzt hast, hast du das für den Preis von zwei Wochen herausgefunden. Billiger geht diese Erkenntnis kaum.
Wähle Zahlen, die du in sechs Monaten noch verteidigen kannst
Der schnellste Weg, den internen Fall zu verlieren: ihn mit einer Metrik gewinnen, die später zerbricht. „Platz 1 in ChatGPT" kann dir niemand versprechen. Einen stabilen Platz 1 gibt es schlicht nicht, denn dieselbe Frage bekommt je nach Lauf, Formulierung und Modellversion leicht andere Antworten. Ein Anbieter, der trotzdem eine feste Position verspricht, sagt damit mehr über sich selbst als über deine Sichtbarkeit.
Was trägt, ist unspektakulärer: Indikatoren, die über die Zeit gleich gemessen werden. Präsenz, also wie oft du in den Antworten auf deine feste Frageliste auftauchst. Zitat-Anteil, also wie oft Assistenten deine Seiten als Quelle nennen, verglichen mit den Seiten der Wettbewerber. Und die Zahl der Content-Lücken, die seit dem letzten Lauf geschlossen wurden. Berichte Trends über wiederholte Läufe, nie Einzelwerte, und sag das von Anfang an dazu. Ehrliche Metriken kosten dich im ersten Meeting etwas Glanz und kaufen dir die Glaubwürdigkeit, die das Budget im sechsten Monat am Leben hält. Klaritons LLM Discovery Intelligence ist genau um solche Wiederholungs-Indikatoren herum gebaut.
Eine Einschränkung noch: Wenn deine Web-Präsenz insgesamt dünn ist, wird die Messung vor allem das bestätigen. Dann ist die richtige erste Investition Content, kein Tool. Wann sich Messen auszahlt und wann es zu früh ist, steht in Lohnt sich AI Visibility für kleinere Marken?
Häufige Fragen
Wie zeige ich Wert, bevor wir irgendetwas gekauft haben?
Messen statt versprechen. Ein kostenloser AI-Visibility-Check liefert dir einen ersten Schnappschuss davon, was Assistenten über deine Marke sagen. Ein kleiner Messlauf mit einer festen Frageliste macht daraus eine Baseline, also einen Referenzwert, an dem spätere Läufe gemessen werden. Ab dann argumentierst du mit eigenen Zahlen statt mit den Folien eines Anbieters.
Was muss die IT für einen Pilot wirklich bereitstellen?
Typischerweise lesenden Zugriff auf Content, der schon existiert: Website, FAQ-Seiten, Hilfetexte. Ein Tool, das für so einen Pilot gebaut ist, sollte kein Replatforming und keine Eingriffe in Kernsysteme verlangen. Verlang vom Anbieter einen schriftlichen Scope, was die IT liefert und wie viele Stunden das kostet. Kann er das nicht beantworten, ist der Pilot nicht reif.
Was fragt der Datenschutzbeauftragte, und was sind gute Antworten?
Rechne mit vier Fragen: Gibt es einen Auftragsverarbeitungsvertrag (kurz AVV), wo liegen die Daten, was erreicht die AI-Modellanbieter, und werden unsere Daten für Modell-Training genutzt? Klaritons Antworten, als Beispiel dafür, worauf du achten solltest: AVV vorhanden, EU-Hosting, jeder AI-Call läuft durch ein Pseudonymisierungs-Gateway, das personenbezogene Daten vorher entfernt, und kein Training auf deinen Daten.
Was, wenn die Baseline zeigt, dass wir in AI-Antworten kaum vorkommen?
Eine schwache Baseline ist keine schlechte Nachricht für den Business Case, sie ist der Business Case. Sie benennt die Lücke, listet die Wettbewerber, die gerade an deiner Stelle empfohlen werden, und liefert eine priorisierte Liste der Fragen, die du angehen kannst. Die Folgeläufe zeigen dann, ob die Content-Arbeit die Zahlen wirklich bewegt.
Der kostenlose AI-Visibility-Check zeigt, was AI-Assistenten aktuell über deine Marke sagen. Kein Setup, keine Verpflichtung. Er liefert die erste Zahl deines Business Case, und wenn die Befunde es rechtfertigen, bringt dich Klariton vom Schnappschuss zum 2-Wochen-Pilot.