Anne Böthig
Senior SEO Consultant

Wir werden häufig gefragt, wie sich GEO überhaupt messen lässt. Die Frage ist berechtigt, denn die klassische SEO-Logik aus Keyword-Rankings, Klicks und organischem Traffic greift im GEO nicht mehr. SEO ist ein Traffic-Kanal: Nutzer kommen über Rankings auf die Website, wo sich jeder Schritt messen lässt. GEO ist hingegen bislang ein Sichtbarkeitskanal: Entscheidend ist, ob die Marke oder das Produkt in der KI-Antwort empfohlen wird.

Dabei setzen bereits 52 Prozent der Konsumenten in Deutschland KI-Anwendungen innerhalb der Kaufentscheidung als Berater oder zum Produktvergleich ein (Deloitte, 2026). Wer in dieser Vorauswahl fehlt, steht am Ende nicht zur Wahl.

Warum es für Marken essentiell ist, die Sichtbarkeit in KI-Systemen zu messen

In den letzten Monaten hat sich der Ort der Kaufentscheidung verschoben. Statt sich durch Suchergebnisse zu klicken, lassen sich Nutzer direkt in KI-Systemen wie ChatGPT oder Gemini Optionen vergleichen, Anbieter empfehlen und Produktfragen beantworten, teilweise, ohne eine einzige Website zu besuchen.

Wie weit das geht, zeigt ein Experiment in AI Mode von Kevin Indig: In der klassischen Suche stellten sich 56 Prozent der Nutzer ihre Auswahl aus mehreren Quellen selbst zusammen. Im Google AI Mode übernahmen dagegen 88 Prozent die Shortlist der KI, ohne sie extern zu prüfen, und der Top-Vorschlag der KI wurde in 74 Prozent der Fälle auch zur ersten Wahl des Users. Für Marken entsteht daraus eine neue Realität: Sichtbarkeit muss zunehmend in der KI-Antwort selbst stattfinden.

Das ist erst der Anfang. KI-Systeme entwickeln sich rasant. Perspektivisch übernehmen KI-Agenten immer größere Teile der Customer Journey – von der Recherche über den Vergleich bis zur Transaktion. Je mehr Entscheidungsschritte an intelligente Agenten delegiert werden, desto wichtiger wird, ob eine Marke in deren Antworten überhaupt vorkommt. Marken und Produkte, die dort nicht auftauchen, existieren für diesen Teil der Customer Journey nicht.

Daraus folgt eine strategische Konsequenz, die weit über Reporting hinausgeht: Unternehmen sollten heute damit beginnen, ihre Inhalte nicht nur für Menschen, sondern auch für KI-Agenten zugänglich und verwertbar zu gestalten → GEO. Wer GEO bereits in seinen Channelmix aufgenommen hat, benötigt eine Messgrundlage, um Fortschritte zu belegen.

Wie lässt sich die Performance in KI-Systemen messen? Vier Methoden im Überblick

Um die Performance von Marken in KI-Systemen zu messen, sollten mehrere Methoden kombiniert werden:

(1) KI-Traffic in Google Analytics 4 (GA4) messen

Lange floss der KI-Traffic in GA4 in das Sammelbecken „Referral“. Das änderte sich im Mai 2026: Google ergänzte die Default Channel Group um einen nativen Kanal „AI Assistant„, der Traffic von Chatbots wie ChatGPT, Gemini und Claude automatisch erkennt und zuordnet, ohne Konfiguration durch den Property-Inhaber.

So finden Sie die Daten in GA4:
Reports → Acquisition → Traffic acquisition → Dimension „Session default channel group“ → Zeile „AI Assistant“

Für eine granularere Sicht wechseln Sie in denselben Bericht auf die Dimension Session Source/Medium. Dort sehen Sie die einzelnen Quellen wie chatgpt.com, gemini.google.com, claude.ai oder perplexity.ai.

GA4: Traffic Acquisition-Report, Session Source/Medium – KI-Referrer

Limitationen der AI-Assistant Channel Group in GA4:

1. Die Daten laufen seit Einführung der Channel Group
   GA4 klassifiziert historische Daten nicht rückwirkend um. AI-Traffic, der vor dem 13. Mai 2026 auf die Website kam, bleibt als Referral kategorisiert.
2. Gemessen werden Website-Besuche
   GA4 erfasst KI-Traffic ausschließlich dann, wenn Nutzer im KI-System aktiv auf einen Link zur Website klicken. Wird die Marke in einer KI-Antwort genannt, ohne dass jemand klickt, taucht das in GA4 nicht auf und genau diese Nennungen sind bei GEO von größerer Bedeutung als der Traffic aus den KI-Systemen auf die Website. GEO ist kein primärer Traffickanal.

(2) Prompt-Tracking: Die zentrale Methode der GEO-Messbarkeit

Prompt-Tracking beantwortet die Fragen, die GA4 nicht beantworten kann:

• Wird die Marke in KI-Antworten überhaupt genannt und wenn ja für welche Themen?
• Werden die Produkte von der KI empfohlen?
• Wie sprechen verschiedene KI-Systeme über die Marke?

Dafür wird ein Set an vordefinierten Prompts regelmäßig an mehrere KI-Systeme gestellt und die Antworten systematisch ausgewertet.

Um die KI-Sichtbarkeit mittels Prompt-Tracking zu messen, gibt es verschiedene Tools: Peec AI, Profound, Rankscale, Sistrix und weitere.

Die Tools unterscheiden sich vor allem in der Abdeckung der KI-Systeme, der Anzahl trackbarer Prompts, der Aktualisierungsfrequenz und der Erhebungsmethode: API-Abfrage oder simulierte Browser-Session.

Das Prompt-Set entscheidet über die Datenqualität

Die Qualität des Prompt-Sets bestimmt unmittelbar die Qualität der Daten. Schlecht konstruierte Prompts messen die Sichtbarkeit für Fragen, die niemand stellt.

Fünf Prinzipien haben sich für uns im GEO bewährt:

1. Prompts nach Audiences und deren Probleme ausrichten
   Orientieren Sie sich an den tatsächlichen Bedürfnissen und Entscheidungsfragen Ihrer Zielgruppe. Kundenbefragungen, Support-Anfragen und andere Touchpoints liefern dafür die besten Vorlagen.
2. Entitäten nach Business-Wichtigkeit abdecken
   Die Prompts sollten sich nach dem jeweiligen Geschäftsmodell ausrichten und basierend darauf, die Themen oder auch Produktkategorien abdecken.
3. Prompts kontextuell anreichern
   Reale Nutzer formulieren innerhalb der Chat-Interfaces keine Keywords, sondern konkrete Situationen. Statt „Jeans“ heißt es dann: „Welche Marken bieten nachhaltig produzierte Damenjeans in Größe 46?“
4. Long-Tail-Formulierungen wählen, die Markennennungen triggern
   Nicht jeder Prompt löst überhaupt eine Markennennung aus. Rein informative Fragen (z. B. „Was ist ein CRM?“) beantworten KI-Systeme meist ohne Anbieter zu nennen. Markennennungen entstehen dort, wo der Prompt nach einer Auswahl, einem Vergleich oder einer Empfehlung fragt.
5. Daten in die Prompts einfließen lassen
   Nutzen Sie vorhandene Datenquellen: Long-Tail-Queries aus der Google Search Console, je nach Branche Fragen aus Reddit und Fachforen, Keyword-Daten aus SEO-Tools wie Ahrefs oder Sistrix. Und testen Sie Prompts vorab selbst in ChatGPT, Gemini, Claude & Co.
6. Branded Prompts ergänzen
   Ergänzend zum kommerziellen Set sollten Sie ein Set an Branded Prompts tracken, um zu erfassen, wie KI-Systeme über die Marke selbst sprechen.

Prompts – Beispiele:

Kommerzieller Prompt mit Kontext:
„Ich suche eine nachhaltige Outdoor-Jacke für Wandertouren im Herbst, wasserdicht, Budget bis 250 Euro. Welche Marken kommen infrage und worin unterscheiden sie sich?“
Dieser Prompt enthält Bedürfnis, Anwendungsfall, Eigenschaft und Preisrahmen.

Branded Prompt:
„Wie wird die Marke [Markenname] bewertet? Wofür steht sie und welche Vor- und Nachteile werden genannt?“
Dieser Prompt zeigt, ob die KI die Marke korrekt einordnet und in welchem Ton sie über sie spricht.

KPIs beim Prompt-Tracking

(3) Generative-AI-Reports von Google und Bing

2026 haben erstmals die Plattformen selbst begonnen, First-Party-Daten zur KI-Sichtbarkeit bereitzustellen. Microsoft startete im Februar 2026, fast vier Monate vor Google (Juni 2026).

Generative-AI-Report in der Google Search Console

Googles Generative-AI-Performance-Report misst Impressionen aus AI Overviews und AI Mode. Der Report zeigt Impressionen, aufgeschlüsselt nach Seiten, Ländern, Geräten und Datum, aber keine Klicks, CTR und keine Query-Daten.
Ein wichtiger Punkt zur Einordnung: Google hat bestätigt, dass diese KI-Impressionen schon immer in den Gesamtzahlen des Performance-Reports enthalten waren. Neu ist lediglich die getrennte Ansicht. Die aggregierten Zahlen Ihrer Property ändern sich dadurch nicht.
Google hat angekündigt, im Zeitverlauf weitere Metriken einschließlich Klickdaten zu ergänzen, hat dafür aber keinen konkreten Zeitplan genannt (Southern, 2026).

AI-Impressions-Report in der Google Search Console

Gut zu wissen: Der Report wurde zunächst nur an einen Teil der Websitebetreiber ausgerollt; eine globale Ausweitung ist geplant, aber ohne festes Datum. Im deutschsprachigen Markt ist er entsprechend noch nicht flächendeckend verfügbar (Stand: Juli 2026).

AI-Performance-Report in den Bing Webmaster Tools

Microsofts AI-Performance-Report erfasst Citations über Microsoft Copilot, KI-Zusammenfassungen in Bing und Partner-Integrationen und liefert Citation-Zahlen, seitenbezogene Performance-Daten, Grounding Queries und Sichtbarkeitstrends.
Zwei Metriken sind dabei besonders wertvoll:

Citations: Zeigen, wie oft eine konkrete Seite Ihrer Website herangezogen wurde, um eine KI-Antwort zu formulieren.
Grounding Queries: Suchphrasen, die Copilot intern selbst erzeugt, wenn es Webinhalte zur Beantwortung einer Nutzerfrage abrufen muss. Das sind nicht die ursprünglichen Prompts der Nutzer, sondern umformulierte Suchanfragen, die das System im Hintergrund bildet. Sie zeigen also, über welche Formulierungen KI-Systeme tatsächlich zu Ihren Inhalten gelangen.

Gut zu wissen: Auch Monitoring-Tools wie Peec AI zeigen die Unterabfragen, die ein KI-Modell intern gestellt hat, allerdings für die selbst hinterlegten Prompts.

Der Microsoft Report wurde außerdem um Intents, Topics und Citation Share erweitert.

(4) Self-Reported Attribution über Post-Purchase-Surveys

Die vierte Methode ist die konzeptionell einfachste: Self-Reported Attribution, das zugehörige Instrument ist der Post-Purchase-Survey beziehungsweise die HDYHAU-Frage („How did you hear about us“). Hierbei fragen Sie die Kunden direkt.

Statt „Wie haben Sie von uns erfahren?“ besser „Wo haben Sie zuerst von uns erfahren?“ oder „Wodurch sind Sie auf unsere Marke aufmerksam geworden?“. Das Wort „zuerst“ regt Kunden an, weiter zurückzudenken als bis zum letzten Touchpoint.

Bewährt hat sich eine einzelne Frage mit 5 bis 8 Antwortoptionen, die den tatsächlich bespielten Kanälen entsprechen, plus einem „Sonstiges“-Freitextfeld, bei zufälliger Reihenfolge der Optionen.

GEO ist das anspruchsvollere SEO – und messbarer, als viele denken

Der Erfolg von GEO zeigt sich daran, ob die eigene Marke und die eigenen Produkte in KI-Antworten empfohlen werden. Und dieser Einfluss ist heute schon erheblich: Ein großer Teil der Produkt- und Anbietersuche läuft inzwischen über KI-Systeme.

Es gibt Methoden, mit denen sich die KI-Sichtbarkeit messen lässt: GA4-Channel-Daten, kontinuierliches Prompt-Tracking, First-Party-Reports von Google und Bing sowie die Attributionsfrage im eigenen Check-out.

KI-Systeme sind für einen wachsenden Teil der Kaufentscheidungen längst der erste Anlaufpunkt. Marken, die dort nicht auftauchen, stehen in der Vorauswahl nicht zur Verfügung und kommen damit für einen Teil potenzieller Kunden nicht mehr vor. Sichtbarkeit in KI-Antworten ist die Voraussetzung dafür, in der Customer Journey überhaupt Bestand zu haben.

About the author

Anne Böthig

Senior SEO Consultant

Over five years ago, Anne discovered her passion for SEO and designing interactive websites that both users and Google love. She focuses on achieving the perfect balance between strong E-E-A-T and technical optimisation. As search is constantly evolving, innovation is key on every page. GEO is the standard of tomorrow.