Die Frage geht inzwischen über die bloße Messbarkeit von KI-Sichtbarkeit hinaus
KI-Suche wurde 2026 besser messbar. Google führte eine eigene Ansicht für Impressionen aus generativer KI ein. Bing erweiterte AI Performance um Kontext auf Themenebene. Keine dieser Entwicklungen liefert eine vollständige Kennzahl dafür, wie häufig eine Marke potenzielle Kunden über alle Assistenten hinweg erreicht.
Der zentrale Forschungsbefund: Diese Systeme beobachten unterschiedliche Ereignisse. Eine Suchplattform kann einen angezeigten Link erfassen. Ein Monitoring-Werkzeug kann festhalten, welche Antwort eine ausgewählte Frage erzeugt. Website-Analyse kann einen Besuch erfassen. Eine Kundendatenbank kann eine Anfrage speichern. Diese Ereignisse können in einem Kundenweg zusammenhängen, sind aber nicht dasselbe Ereignis, das viermal gezählt wird.
Das ist wichtig, wenn die Führung fragt, ob KI-Suche besser funktioniert. Mehr Präsenz kann ermutigend sein, während die Entdeckung durch neue Interessenten schwach bleibt. Mehr Zitate können mit wenigen direkten Besuchen einhergehen. Eine steigende Kennzahl kann sogar auf einen veränderten Fragenmix zurückgehen. Welche Schlussfolgerung nützlich ist, hängt davon ab, welche Geschäftsfrage die Daten tatsächlich beantworten können.
Google weist KI-Impressionen getrennt aus, doch die Zählregeln sind entscheidend
Laut Google wurde der Leistungsbericht für generative KI am 31. August 2026 weltweit verfügbar. Er umfasst Link-Impressionen in AI Overviews und AI Mode, ohne Search-Labs-Experimente. Er zeigt angezeigte Links, nicht jede Markenerwähnung im Antworttext.
Das Standarddiagramm fasst auf Property-Ebene zusammen: Zwei Links derselben Website in einer Funktion zählen dort als eine Impression. Seitentabellen aggregieren dagegen auf Seitenebene. Die Summe ihrer Zeilen kann deshalb vom Diagramm abweichen, ohne dass eine der Ansichten falsch ist. Der Bericht überschneidet sich mit den Web-Leistungsdaten. Wer beide Summen addiert, zählt die Abdeckung doppelt.
Auch ein Exportdetail verdient Aufmerksamkeit: Nicht verfügbare Werte, die als Strich oder Tilde erscheinen, werden beim Herunterladen zu Nullen. Eine Tabelle kann fehlende Informationen dadurch wie gemessene Abwesenheit aussehen lassen.
Strategisch bedeutet das: Schon die Datenaufbereitung kann die scheinbare Geschichte verändern, bevor eine Wettbewerbsanalyse beginnt. Ein Team, das Seitensummen mit einem Website-Trend vergleicht, vergleicht womöglich zwei Einheiten. Eine scheinbare Null muss möglicherweise geprüft werden, bevor daraus die Behauptung entsteht, das Unternehmen sei verschwunden.
Bings Themengröße misst Zitate, keine Zielgruppe von Käufern
Bing startete Topics Portfolio am 13. Oktober 2026 als Beta. Die Kennzahl Topic Size schätzt die Gesamtzahl der Zitate über Websites hinweg zu einem Thema. Queries zählt unterschiedliche zugrunde liegende Suchabfragen; Sites Cited schätzt die konkurrierenden Websites. Potenzialvolumen werden als Spannen angegeben, nicht als genaue Summen.
Zugrunde liegende Suchabfragen dienen dem Abruf unterstützender Informationen. Ihre Anzahl ist nicht die Zahl der Menschen, die dieselbe Verbraucherfrage stellen. Ein großes Zitationsthema lässt sich deshalb nicht direkt in einen Markt mit ebenso vielen potenziellen Kunden übersetzen.
Der Bericht blendet außerdem Themen mit zu geringer Websitepräsenz oder Aktivität im Quellenumfeld aus. Fehlende Themen belegen kein fehlendes Interesse. Für einen Seniorenwohnanbieter kann diese Unterscheidung beeinflussen, wie ein kleines lokales Pflegethema neben einem breiten landesweiten Ruhestandsthema eingeordnet wird.
Unsere Schlussfolgerung: Diese Daten verbessern den Wettbewerbskontext. Sie zeigen, wo Quellen an einem Umfeld von Antworten beteiligt sind. Sie ersetzen keine lokale Nachfrageforschung, und ihre ungefähren Themengruppen sollten nicht als exakte Suchvolumen von Verbrauchern dargestellt werden.
Zitate belegen eine Beteiligung als Quelle, keinen Empfehlungsrang
Bings ursprüngliche AI-Performance-Ankündigung vom 10. Februar 2026 beschreibt Zitatzahlen, zitierte Seiten, Stichproben zugrunde liegender Suchabfragen und Trends in unterstützten Microsoft-KI-Anwendungen. Microsoft trennt diese Kennzahlen ausdrücklich von Rang, Autorität oder Position innerhalb einer Antwort.
Diese Unterscheidung erklärt ein sonst verwirrendes Ergebnis: Eine Seite kann häufiger als Quelle dienen, ohne dass das Unternehmen zum bevorzugten Anbieter wird. Eine Quelle zur Pflegefinanzierung könnte eine allgemeine Erklärung stützen. Die Antwort könnte anschließend eine andere Einrichtung empfehlen oder gar keine.
Diese Folgerung gilt über das Seniorenwohnen hinaus. Die Dokumentation eines Softwareunternehmens, ein Einkaufsratgeber eines Händlers und die Leistungsbeschreibung eines Anbieters können jeweils Fakten beitragen, ohne eine direkte Empfehlung zu erhalten. Quellenpräsenz und geschäftliche Bevorzugung sind verschiedene Befunde.
Eine einzelne Zitierungskennzahl zeigt nicht, welche Rolle das Unternehmen spielte. Die Antwort selbst enthält den fehlenden Kontext: Wurde die Marke nur beschrieben, verglichen, empfohlen oder kritisiert? Oder fehlte sie, während ihre Seite Belege lieferte? Deshalb werden Zählwerte nützlicher, wenn die zugrunde liegende Antwort danebensteht.
Eine geprüfte Stichprobe zeigt, wie eine beruhigende Gesamtzahl schwache Entdeckung verdecken kann
Unser bereitgestellter Datensatz zum Seniorenwohnen enthält 100 erzeugte ChatGPT-Fragen und 17 Markenerwähnungen für einen kanadischen Anbieter. Auf den ersten Blick ergibt das eine Erwähnungsquote von 17%. Die Trennung der Fragen zeigt einen viel deutlicheren Unterschied: Der Anbieter erschien in allen 13 Fragen, die ihn nannten, aber nur in vier der übrigen 87 Fragen.
Die Erwähnungsquote bei der Entdeckung liegt damit bei ungefähr 4.6%. Dreizehn der 17 beobachteten Erwähnungen, also etwa 76.5%, stammten aus Fragen, die den Namen bereits vorgaben. Das sind Berechnungen aus der geprüften Stichprobe, keine Marktanteilsschätzungen und kein beobachtetes Familienverhalten. Erhebungsdatum und Messfenster waren nicht verfügbar.
Die Stichprobe zeigt ein Messproblem, keinen Branchenrichtwert. Eine Marke kann bei vorgegebenem Namen zuverlässig erkannt werden und in den breiteren getesteten Fragen trotzdem selten auftauchen. Ein anderer Anteil von Fragen mit Markennamen würde die Gesamtkennzahl verändern, selbst wenn die Leistung innerhalb jeder Gruppe gleich bliebe.
Die Zusammensetzung einer Fragensammlung ist damit Teil des Ergebnisses, keine nebensächliche methodische Fußnote.
| Fragengruppe | Erwähnungen / Fragen | Was diese Stichprobe nahelegt |
|---|---|---|
| 13 / 13 | Wiedererkennung bei vorgegebenem Namen | |
| 4 / 87 | Begrenzte Entdeckung in diesen Stichprobenfragen | |
| 17 / 100 | Eine Summe, die den Unterschied verdeckt |
Ein Wert aus erzeugten Fragen lässt sich nicht automatisch in Besuche umrechnen
Betrachten wir zwei gleich große fiktive Testsammlungen. Eine enthält viele Fragen, die bereits eine Marke nennen. Die andere konzentriert sich auf Entdeckung ohne Markennamen. Die Marke könnte innerhalb jedes Fragentyps gleich abschneiden und trotzdem unterschiedliche Gesamterwähnungsquoten erhalten, weil die Sammlungen verschiedene Dinge fragen. Das veranschaulicht Gewichtung, kein gemessenes Kampagnenergebnis.
Keine Sammlung verrät, wie viele reale Menschen diese Fragen stellen. Die Tests zeigen auch nicht, wie oft jemand die Antwort sieht, ob die Erwähnung hilfreich ist oder ob die Person einem Link folgt. Eine Erwähnungsquote aus erzeugten Fragen mit einer angenommenen Zielgruppe zu multiplizieren, würde Größen verbinden, die das Experiment nie gemessen hat.
Die fehlende Verbindung ist eine Ereigniskette: Eine relevante Person sieht eine Antwort, bemerkt einen passenden Anbieter, entscheidet sich für weitere Recherche und erreicht ein messbares Ziel. Jeder Schritt kann sich je nach Frage, Markt, Produkt und Familienbedarf unterscheiden. Ein fester Test kann die Antwort selbst untersuchen. Er liefert nicht das unbeobachtete Verhalten zwischen dieser Antwort und einem Besuch.
Daraus folgt: Ein stärkerer Stichprobenwert kann eine Hypothese zur besseren Entdeckung stützen, ohne eine Besucherprognose zu rechtfertigen. Belege für den nächsten Schritt müssen aus der Beobachtung dieses nächsten Schritts kommen.
Ein dokumentierter Diagrammrückgang war ein Protokollierungsproblem
Google dokumentierte einen Protokollierungsfehler bei Impressionen der generativen KI-Suche für den 13.–17. August 2026. Die Aktualisierung vom 21. August bestätigt, dass die fehlenden Daten wiederhergestellt wurden. Betroffen war die Berichterstattung, nicht die tatsächliche Suchsichtbarkeit.
Das ist ein konkretes Beispiel dafür, warum eine Diagrammbewegung zunächst erklärt werden muss, bevor daraus eine strategische Schlussfolgerung wird. Im betroffenen Zeitraum hätte ein Anbieter einen scheinbaren Sichtbarkeitsverlust sehen können, ohne im Produkt selbst Sichtbarkeit zu verlieren. Die wiederhergestellten Daten konnten den scheinbaren Rückgang anschließend verschwinden lassen.
Die allgemeinere Interpretation lautet nicht, dass Plattformdaten unzuverlässig seien. Messsysteme haben eine eigene Geschichte: Protokollierungsstörungen, veränderte Zusammenfassungen, unvollständige aktuelle Daten und sich wandelnde Definitionen. Eine überzeugende Erklärung einer Veränderung muss zu dieser Geschichte ebenso passen wie zu den Marketingaktivitäten.
Der August-Vorfall ist behoben. Er sollte nicht dazu dienen, spätere Rückgänge abzutun. Sein Wert liegt im Beleg, dass ein Bericht sich aus Gründen ändern kann, die nichts mit Inhaltsqualität, Wettbewerbsleistung oder Kundeninteresse zu tun haben.
Geschäftlicher Wert liegt jenseits der Sichtbarkeitskennzahl
Searchables Funktion für Erwähnungen und Zitate unterscheidet Markenpräsenz von verlinkten Quellen und liefert Belege auf Antwortebene. Das unterstützt die Prüfung der Rolle einer Marke in einer Antwort. Für sich genommen bestimmt es nicht den dadurch erzeugten Umsatz.
Im Seniorenwohnen sind eine passende Anfrage, eine abgeschlossene Besichtigung und ein Einzug getrennte wirtschaftliche Ergebnisse. Eine Anfrage nach nicht verfügbarer Pflege kann wenig Wert haben, selbst wenn die Marke prominent empfohlen wurde. Eine korrekte Antwort über Leistungsgrenzen kann ungeeignete Anfragen reduzieren, ohne die gesamte Interessentenzahl zu erhöhen.
Die nützlichste wirtschaftliche Interpretation kann deshalb vom attraktivsten Wachstumsdiagramm abweichen. Bessere Richtigkeit, relevantere Entdeckung und besser informierte Gespräche können auf unterschiedliche Weise wichtig sein. Die Belege für jeden Effekt sollten erkennbar bleiben.
Auch Attribution und Kausalität bleiben verschieden. Zu erfassen, dass ein Kunde KI genutzt hat, beschreibt den Kundenweg. Nachzuweisen, dass die Arbeit einen zusätzlichen Kunden geschaffen hat, erfordert einen glaubwürdigen Vergleich mit dem Verlauf ohne diese Arbeit. Eine Tracking-Kennzeichnung allein liefert diesen Vergleich nicht.
Fazit: Die stärkste Messung erzählt eine zusammenhängende Geschichte mit klaren Grenzen
Die hier geprüften Belege stützen drei getrennte Schlussfolgerungen: Plattformberichte zeigen inzwischen mehr KI-Aktivität. Sammlungen erzeugter Antworten können relevante Wettbewerbslücken sichtbar machen. Und beobachtete Präsenz in Stichproben wird nicht automatisch zu Besuchen oder Geschäftsergebnissen. Keine dieser Aussagen erfordert, die anderen Messgrößen abzulehnen.
Ein guter Führungsbericht verbindet sie, ohne unvereinbare Summen zu addieren. Er kann erklären, welche Fragen sich veränderten, was die Antworten sagten, ob relevante Seiten mehr Sichtkontakte erhielten und was mit erkennbaren Anfragen geschah. Wo sich die Verbindung nicht nachweisen lässt, gehört die Unsicherheit in die Schlussfolgerung.
Diese Analyse verbindet aktuelle Google- und Bing-Dokumentation mit einer geprüften bereitgestellten Antwortstichprobe. Die Quellen wurden am 3. November 2026 geprüft. Der Vergleich gleich großer Fragensammlungen ist ein eigenes hypothetisches Beispiel. Der Bericht schätzt keinen weltweiten Marktanteil der KI-Suche und leitet keinen ursächlichen Umsatz aus Sichtbarkeit ab.
Ich arbeite bei Searchable. Mit Führungsteams mache ich diese Unterscheidungen nutzbar: durch klarere Wettbewerbsfragen, Belege für reale Märkte und eine wirtschaftliche Interpretation, die einer Prüfung standhält. Ein Gespräch mit Daavid und Searchable sollte klären, was die Zahlen für Ihr Unternehmen bedeuten, statt nur eine weitere Kennzahl zu produzieren.
Quellen und Hinweise
Quellen geprüft: 3. November 2026. Pläne und Beispiele sind Empfehlungen, keine gemessenen Kundenergebnisse. Ich arbeite bei Searchable. Produktlinks spiegeln diese Verbindung wider.
1
Searchable