Zum Inhalt springen

Sichtbarkeitsindex und KI-Sichtbarkeit: Was die Kurve nicht zeigt

Am 2. April 2026 sagte Sistrix seinen eigenen Kundinnen und Kunden etwas Ungewöhnliches für ein Unternehmen, das seinen Namen auf einer einzigen Zahl aufgebaut hat: Diese Zahl reicht nicht mehr. Ein Changelog-Eintrag beschrieb, wie sich der Fokus von klassischen Rankings weg und hin zu Erwähnungen und Zitationen in KI-Antworten verschiebt — ein stilles Eingeständnis, dass der Sichtbarkeitsindex, mit dem unzählige SEO-Reports seit 2008 eröffnen, genau das nicht mehr abdeckt, was Kundschaft inzwischen wissen will: Erwähnt ein KI-Assistent diese Marke überhaupt.

Für ein Sichtbarkeits-Tool ist das ein seltsames Eingeständnis. Es ist auch das richtige, denn beide Dinge teilen sich nur den Namen — sonst nichts.

Was zählt ein klassischer Sichtbarkeitsindex eigentlich?

Eine Aufschlüsselung der Methode beschreibt drei Schritte. Erstens crawlt das Tool täglich die Google-Ergebnisse für rund eine Million beobachtete Keywords und speichert jeweils die ersten 100 Plätze. Zweitens gewichtet es jede Position nach dem Suchvolumen des Keywords, der vermuteten Suchintention und der Klickwahrscheinlichkeit, die ein Ergebnis auf diesem Rang typischerweise erzielt — ein erster Platz bei einem Keyword mit hohem Volumen bewegt die Zahl deutlich stärker als ein erster Platz bei einem selten gesuchten Begriff. Drittens summiert es die gewichteten Werte über alle URLs einer Domain zu einer einzigen Kennzahl. Sistrix selbst schreibt, dass Unternehmen sich seit 2008 auf diese Zahl verlassen. Semrush und Ahrefs bauen ihre eigenen Sichtbarkeits-Kennzahlen nach demselben Grundprinzip: Rankings, gewichtet nach Volumen, pro Domain summiert.

Für das, wofür er gebaut wurde — wie viel organischen Google-Platz eine Domain besetzt —, ist das eine wirklich brauchbare Zahl. Gebaut wurde sie Jahre, bevor jemand sie für etwas anderes brauchte.

Warum hatte eine KI-Antwort nie einen Platz in der Formel?

Weil die Formel keinen dafür vorsieht. Jeder Eingabewert eines klassischen Sichtbarkeitsindex ist eine Ranking-Position auf einer Ergebnisseite — eine Zahl zwischen 1 und 100, gebunden an ein konkretes Keyword. Eine Antwort von ChatGPT oder Gemini ist keine Rangliste aus zehn blauen Links; es ist ein einziger Fließtext, zusammengesetzt aus Quellen, auf die das Modell zurückgegriffen hat, ohne “Platz vier”, dem sich ein Gewicht zuordnen ließe. Die Dokumentation der Methode erwähnt AI Overviews, ChatGPT oder sonst eine KI-Funktion an keiner Stelle — kein Versehen, sondern die Konsequenz daraus, dass keiner der drei Rechenschritte überhaupt einen Platz dafür hätte.

Diese Lücke wiegt heute schwerer als früher, seit ein wachsender Teil der Suchanfragen direkt in eine generierte Antwort mündet, bevor jemand überhaupt eine klassische Ergebnisseite zu sehen bekommt.

Zeigen die eigenen Daten dieser Website die Lücke?

Eine engere, ehrliche Version davon, ja. Die Search-Console-Daten der eigenen Domain dieses Produkts verzeichnen für die Anfrage “ai visibility” 126 Impressionen bei einer durchschnittlichen Position von 1,4 — praktisch der erste Platz — über die vergangenen Monate. Würde man diese Domain durch einen klassischen Sichtbarkeitsindex laufen lassen, läge der Wert wahrscheinlich nahe null, weil der zugrunde liegende Keyword-Korb rund eine Million generischer, umkämpfter Begriffe umfasst, die über fast zwei Jahrzehnte aufgebaut wurden — und eine echte Spitzenposition bei genau einem Begriff fällt in einem so großen Korb kaum ins Gewicht, wie gut auch immer dieser eine Begriff läuft.

Das beweist noch nichts über ChatGPT konkret — Search Console misst denselben Boden wie der klassische Index, die organischen Google-Ergebnisse, nur durch eine engere Linse. Was es zeigt, ist der Mechanismus: Ein echtes, messbares Ranking kann vollständig außerhalb dessen liegen, was ein fest umrissener Keyword-Korb überhaupt erfassen sollte. Die Lücke zwischen einem Rankingindex und einer tatsächlichen KI-Antwort hat dieselbe Form, nur breiter, weil eine KI-Antwort überhaupt nicht aus diesem Korb stammt.

Hat Sistrix etwas gebaut, das den blinden Fleck sieht?

Ja, und der Zeitpunkt spricht für sich: Die Verschiebung kam, als AI Overviews bereits in rund jeder fünften deutschen Suchanfrage auftauchten und damit genau in die Klickraten schnitten, die der klassische Index ursprünglich abschätzen sollte. Das Changelog aus dem ersten Quartal 2026 beschreibt ein eigenständiges Modul zur KI-Erfassung für vier Plattformen — Google AI Overviews, Google AI Mode, ChatGPT und Perplexity —, das einen eigenen AI Visibility Index erzeugt, der neben der klassischen Zahl steht, statt sie zu ersetzen. Wer weiterhin nur den ursprünglichen Sichtbarkeitsindex beobachtet, sieht davon nichts; die neue Zahl lebt in einem anderen Teil des Produkts.

Ist eine stichprobenbasierte KI-Zahl vollständiger?

Nicht ganz, und das gehört offen gesagt, statt beiseite gewischt zu werden. Die KI-Erfassung von Sistrix funktioniert, indem regelmäßig ein festgelegtes Set an Prompts an jede Plattform geschickt und die Antwort ausgelesen wird — eine Stichprobe plausibler Fragen, keine Erfassung jeder Frage, die eine echte Kundin tatsächlich stellen würde. Diese Einschränkung teilt jedes KI-Sichtbarkeits-Produkt auf dem Markt, auch der Schritt einer vertieften technischen Prüfung, der Modellmeinungen abfragt und genau deshalb eine einzelne Stichprobenantwort als Datenpunkt behandelt, nicht als Urteil. Ein kostenloser Scan auf derselben technischen Basis verzichtet aus demselben Grund vollständig auf Modellabfragen: Eine einzelne, einmal gestellte Frage beweist weniger, als es auf den ersten Blick wirkt.

Ein Rankingindex und eine Prompt-Stichprobe sind beide Annäherungen, die unterschiedliche Dinge durch unterschiedliche Fenster zählen. Die Frage, die eigentlich zählt — was ein Assistent gerade jetzt sagt, wenn man ihn nach dieser Marke fragt — hat weiterhin keine einzige Zahl, die sie vollständig beantwortet, bei keinem Anbieter, auch nicht bei denen, die gerade am intensivsten an einer solchen Zahl arbeiten.

Häufig gestellte Fragen

Was misst ein klassischer Sichtbarkeitsindex wie der von Sistrix eigentlich?

Das Tool crawlt täglich die Google-Ergebnisse für rund eine Million beobachtete Keywords und speichert, auf welchem Platz eine Domain jeweils steht. Jede Position wird nach Suchvolumen, Suchintention und der typischen Klickwahrscheinlichkeit auf diesem Rang gewichtet, dann werden alle gewichteten Werte über alle URLs einer Domain zu einer einzigen Zahl summiert. Sistrix nutzt eine Version davon seit 2008; Semrush und Ahrefs bauen ihre eigenen Sichtbarkeits-Kennzahlen nach demselben Grundprinzip.

Kann ein rankingbasierter Sichtbarkeitsindex zeigen, ob ChatGPT eine Marke erwähnt?

Nein. Die Formel rechnet ausschließlich mit Positionen auf einer Google-Ergebnisseite — einer Zahl zwischen 1 und 100 für ein bestimmtes Keyword. Eine KI-Antwort liefert diese Struktur nicht, also fehlt der Formel schlicht ein Wert, mit dem sie rechnen könnte. Kein großer Sichtbarkeitsindex definiert seine Punktzahl über KI-Antworten.

Hat Sistrix eine eigene Erfassung für KI-Erwähnungen aufgebaut?

Ja. Ein Changelog aus dem ersten Quartal 2026 führte eine Erfassung für Google AI Overviews, Google AI Mode, ChatGPT und Perplexity ein, samt eigenem AI Visibility Index. Sistrix beschrieb das selbst als Verschiebung des Fokus von klassischen Rankings hin zu Erwähnungen und Zitationen — eine zweite, getrennte Zahl, kein Update des ursprünglichen Sichtbarkeitsindex.

Ist diese neue KI-Erfassung eine vollständige Aufzeichnung dessen, was ein Modell über eine Marke sagt?

Nein. Sie funktioniert, indem regelmäßig ein festgelegtes Set an Prompts an die jeweilige Plattform geschickt und die Antwort ausgelesen wird — eine Stichprobe möglicher Fragen, nicht jede Frage, die ein echter Kunde stellen könnte. Diese Einschränkung teilt sie mit jedem anderen KI-Sichtbarkeits-Tool auf dem Markt, auch mit vertieften technischen Prüfungen.

Warum kann eine Marke mit einem Sichtbarkeitsindex nahe null trotzdem in einer KI-Antwort auftauchen?

Weil die klassische Zahl ausschließlich davon abhängt, wie die eigenen Seiten innerhalb des beobachteten Keyword-Sets ranken. Ob ein Modell genug über eine Marke gelesen hat, um sie zu erwähnen, oder eine aktuelle Seite dazu abrufen kann, ist ein eigenständiger Fakt, für den die Ranking-Formel nie gebaut wurde.