Seit ChatGPT, Perplexity und Google AI Overviews einen Teil der klassischen Suche ersetzen, ist ein ganzer Markt entstanden, der eine einfache Frage beantworten will: Wie sichtbar ist eine Marke in den Antworten dieser KI-Systeme?

HubSpot bietet kostenlos den AI Search Grader an, Semrush und Ahrefs haben ihre bestehenden Suites um entsprechende Module erweitert, und spezialisierte Anbieter wie Profound, Peec AI, Otterly oder Rankscale widmen sich dem Thema.

Was diese Tools tatsächlich tun

Das Prinzip ist bei praktisch allen Anbietern dasselbe. Ein Set an definierten Prompts werden in regelmässigem Abstand an mehrere KI-Systeme geschickt. Aus den Antworten wird dann abgelesen: Wird die Marke erwähnt (Share of Voice), in welchem Ton (Sentiment), welche Quellen werden zitiert, und wie schneiden Mitbewerber bei denselben Prompts ab?

Bei HubSpot etwa laufen die Testfragen über ChatGPT, Gemini und Perplexity, und daraus entstehen eine Gesamtnote, ein Sentiment-Wert und ein Share-of-Voice-Wert. Bei den spezialisierten, kostenpflichtigen Plattformen ist der Ansatz identisch, nur granularer und mit mehr Modellen. Das ist im Kern ein SEO-Rank-Tracker-Dashboard, übertragen auf ein System, das – anders als eine Google-Ergebnisliste – keine feste, abrufbare Rangfolge kennt, sondern bei jeder Anfrage neu einen Text generiert.

Die Grundidee geht auf eine echte wissenschaftliche Arbeit zurück: die 2023/24 an der Universität Princeton entstandene Studie «GEO: Generative Engine Optimization», die den Begriff GEO überhaupt erst geprägt hat. In einem kontrollierten Experiment mit rund 10 000 Anfragen über neun Themenfelder zeigte die Studie, dass sich die Sichtbarkeit einer Quelle in generierten Antworten durch gezielte Textoptimierung tatsächlich verschieben lässt – die drei wirksamsten Methoden (Statistiken ergänzen, Zitate von Fachpersonen einbauen, Quellenangaben liefern) brachten 30 bis 41 % relative Verbesserung gegenüber der unveränderten Version. Klassisches Keyword-Stuffing schnitt dagegen 10 % schlechter ab als der unveränderte Text. Das deckt sich inhaltlich mit dem, was wir im Content-Pillar-Baukasten ohnehin empfehlen: vollständige Sätze statt Stichwörter, konkrete Zahlen statt Behauptungen.

Wichtig ist aber die Einschränkung, die auch die Studie selbst benennt: Getestet wurde in einer stark vereinfachten Simulation mit nur fünf konkurrierenden Quellen pro Anfrage und einer GPT-3.5-Pipeline aus der Zeit vor den heutigen Systemen. Die prozentualen Werte sind ein Beleg für den Mechanismus, keine übertragbare Grössenordnung für die heutige Praxis auf Google AI Overviews, Perplexity oder Claude.

Wo die Zahlen brüchig werden

Genau hier beginnt das eigentliche Problem der kommerziellen Tools: Sie verkaufen eine Kennzahl, wo die zugrundeliegende Forschung eher eine Richtung liefert.

1. Zwei unterschied­liche Dinge werden in einer Zahl vermischt

ChatGPT und Gemini beantworten die meisten Testfragen aus trainiertem, weitgehend statischem Wissen. Das sind Inhalte, die heute live auf einer Website stehen, können dieses Wissen frühestens beim nächsten Trainingslauf beeinflussen. Perplexity dagegen sucht bei jeder Anfrage live im Web. HubSpots eigene Dokumentation bestätigt diesen Unterschied ausdrücklich, verrechnet die Resultate trotzdem zu einer einzigen Gesamtnote. Das ist, als würde man die Position in einem Jahrbuch von 2024 und die Position in der heutigen Google-Suche zu einer Kennzahl mitteln.

2. Zitationen mit Quellenan­gaben sind nicht immer verlässlich

Eine Studie der Salesforce-Forschungsgruppe um Pranav Venkit, vorgestellt am ACM-Fachkongress FAccT 2025, hat systematisch geprüft, ob die von Perplexity, You.com, Bing Chat und GPT-4.5 angegebenen Quellen die daneben stehenden Behauptungen tatsächlich stützen.

Das Ergebnis: Bei Perplexity, You.com und Bing Chat war rund ein Drittel der Aussagen nicht durch die eigene zitierte Quelle gedeckt, bei GPT-4.5 waren es 47%. Eine separate, in Nature veröffentlichte Studie zur wissenschaftlichen Literaturrecherche (Hajishirzi et al., «OpenScholar») fand bei GPT-4o sogar in 78 bis 98% der Fälle frei erfundene Zitationen – und selbst dort, wo die zitierte Quelle real existierte, war sie meist nicht durch den Inhalt gedeckt.

Ein Tool, das «12 Zitationen diesen Monat» als Erfolgskennzahl meldet, meldet damit ein Ereignis, dessen Beweiskraft in der zugrundeliegenden Forschung selbst höchst zweifelhaft ist.

3. Gemessene Werte sind instabiler als suggieriert

Eine Studie der Columbia Business School (Allouah, Besbes, Figueroa, Kanoria, Kumar, 2025) hat KI-Agenten in einer kontrollierten E-Commerce-Simulation Kaufentscheidungen treffen lassen. Das Ergebnis: Die Modelle konzentrierten sich stark auf wenige «Lieblingsprodukte», die Position auf der Seite beeinflusste die Auswahlwahrscheinlichkeit um das bis zu Fünffache, und in 25 % der Testfälle genügte eine einzelne Änderung an einer Produktbeschreibung, um den gemessenen Marktanteil deutlich zu verschieben.

Übertragen auf GEO-Tools heisst das: Eine Share-of-Voice-Zahl, die von einem Monat zum nächsten um zehn Prozentpunkte schwankt, ist nicht zwangsläufig ein Signal. Sie kann ebenso gut das erwartbare Rauschen eines Systems sein, das schon auf kleinste Textänderungen überproportional reagiert.

4. Der Branche fehlt, was Google-SEO seit Jahren hat: eine überprüf­bare Gegenprobe.

Die Search Console zeigt, wie Google die eigene Seite tatsächlich crawlt und einstuft. Es ist also eine offizielle, einsehbare Datenquelle. Für ChatGPT, Perplexity oder Gemini gibt es nichts Vergleichbares.

Jedes GEO-Tool schätzt aus einer Stichprobe von Antworten, wie ein Blackbox-System sich verhält, ohne die Möglichkeit, das Ergebnis an einer offiziellen Quelle zu spiegeln. Das ist grundsätzlich ein anderes methodisches Problem als eine Rankingposition abzulesen: eine Schätzung mit unbekannter Fehlerquote, keine Messung.

Genau dieses Problem sehen wir in eigenen Kundenprojekten regelmässig bestätigt. Bei einer ganzen Reihe von Kundinnen und Kunden zeigen die gängigen Tools 0 % Share of Voice oder «keine Abdeckung» an. Fragen wir dieselben KI-Systeme von Hand mit realistischen, alltagsnahen Prompts ab, taucht das Unternehmen durchaus auf.

Das ist kein Einzelfall, sondern die direkte Folge der Stichprobenlogik: Ein Tool mit 50 oder 150 fixen Prompts pro Monat tastet nur einen winzigen Ausschnitt des möglichen Anfragenraums ab. Ein negatives Ergebnis in dieser Stichprobe bedeutet «in genau diesen Prompts nicht aufgetaucht», nicht «nicht sichtbar».

Was Google selbst dazu sagt

Bezeichnend ist, dass die zurückhaltendste Stimme zum Thema von Google selbst kommt. Search Advocate John Mueller warnte im August 2025 öffentlich davor, dass neue, dringlich beworbene Akronyme rund um «AI-SEO» oft ein Warnsignal für unseriöse Anbieter seien, und riet dazu, Content-Strategien an echtem Geschäftsnutzen statt an neuen Tool-Versprechen auszurichten.

Wie relevant ist das für ein typisches Schweizer KMU?

Für unsere Kernzielgruppe von KMU, Verbände und andere Organisationen in der Schweiz lohnt sich die Frage in zwei Teilen: Wie viel Traffic kommt aktuell überhaupt über KI-Systeme, und wie gut bilden die Tools ab, was tatsächlich zählt?

Traffic von KI ist gering

Branchenanalysen (u. a. Similarweb, Ahrefs) beziffern den Anteil von KI-Chat-Verweisen am gesamten Website-Traffic aktuell auf rund 1 Prozent im Branchendurchschnitt, mit spürbaren Unterschieden je nach Branche. Die klassische Google-Suche liefert weiterhin rund 88 Prozent aller Suchverweise.

Genau dieses Bild sehen wir auch in den Web-Analytics-Reports unserer eigenen Kundenprojekte: Klicks, die eindeutig aus KI-Systemen stammen, können gemessen werden. Aber es bleiben vereinzelte Zugriffe und sind in keiner Grössenordnung, die für sich allein eine eigene Tracking-Investition rechtfertigen würde.

Belastbare Schweizer Zahlen fehlen bislang. Wir stützen uns hier auf internationale Daten und die eigene Beobachtung, nicht auf eine hiesige Studie.

KMU werden wenig oft genannt

Für lokale KMU kommt ein zweiter Effekt dazu: Selbst wenn jemand eine KI statt Google fragt, empfehlen die Systeme heute deutlich weniger einzelne Betriebe, als eine klassische lokale Google-Ergebnisliste anzeigt.

Eine Analyse von Whitespark beziffert die Trefferquote von ChatGPT bei lokalen Anfragen auf rund 1,2 Prozent der tatsächlich relevanten Betriebe. Ein Vielfaches tiefer als im klassischen lokalen Suchergebnis.

Für ein einzelnes KMU heisst das: Selbst mit optimal aufgebauter Website bleibt die Wahrscheinlichkeit, in einer beliebigen KI-Antwort wirklich genannt zu werden, strukturell klein. Und zwar unabhängig davon, wie gut oder schlecht das Tool misst. Diese Zahl stammt aus einer Branchenanalyse, nicht aus einer akademischen Studie, und ist entsprechend mit Vorsicht zu lesen; die Grössenordnung deckt sich aber mit dem, was wir selbst beobachten.

Ist klassisches SEO deshalb weniger wichtig?

Im Gegenteil. Alle KI-Systeme, die überhaupt live im Web suchen (Perplexity, Copilot, Google AI Overviews), greifen für ihre Quellenauswahl auf dieselbe technische Infrastruktur zurück, die auch klassisches SEO adressiert: Crawlbarkeit, Ladezeit, sauberes HTML, strukturierte Daten, Backlinks.

Semrush hat in einer eigenen Analyse über 1000 Domains eine deutliche Korrelation zwischen klassischer Domain-Autorität und KI-Sichtbarkeit gefunden. Somit kann die These aufgestellt werden: Wer in der klassischen Google-Suche technisch und inhaltlich nicht sauber aufgestellt ist, wird auch von den KI-Systemen kaum als Quelle herangezogen.

GEO baut auf SEO auf, es ersetzt es nicht. Und weil klassische Suche für ein Schweizer KMU nach wie vor den weit überwiegenden Teil des messbaren Traffics liefert, bleibt sie für diese Zielgruppe der wichtigere Hebel: Der Content-Pillar-Baukasten und ein technisch sauberes Fundament zahlen auf beides ein, unabhängig davon, über welchen Kanal am Ende geklickt wird.

Unser Fazit

Die Kritik richtet sich nicht gegen die Grundannahme, dass Inhalte mit klaren Fakten, Zitaten und einer sauberen Struktur in generierten Antworten eher auftauchen, ist durch die Princeton-Studie sauber belegt und deckt sich mit unserem eigenen Content-Pillar-Baukasten.

Die Kritik richtet sich gegen die Verpackung: einzelne Prozentzahlen, Monatsvergleiche und toolübergreifende Rankings, die eine Präzision vortäuschen (die das gemessene System nicht hergibt) sind mit Vorsicht zu geniessen.

Wir nutzen GEO-Tools deshalb als groben Kompass, nicht als KPI. Trends über viele Prompts und mehrere Monate sind aussagekräftiger als ein einzelner Wert. Ein manueller Stichprobentest («was antwortet ChatGPT tatsächlich, wenn ich selbst frage?») bleibt die wichtigste Gegenprobe zu jedem Dashboard. Und das technische und inhaltliche Fundament aus Content-Pillar-Baukasten sowie einem sauberen SEO bleibt der Hebel, der für beide Kanäle gleichzeitig wirkt.