AI Visibility Monitoring: Wie du ein Prompt-Set baust, das Sichtbarkeit statt Rauschen misst

Wer sein AI Visibility Monitoring mit denselben Reflexen aufbaut, mit denen er früher Keywords in ein Rank-Tracker-Tool gepumpt hat, bekommt schön bunte Dashboards und kaum brauchbare Daten. Das liegt nicht am genutzten Tool. Es liegt daran, dass die Grundannahme falsch ist.

Die falsche Annahme: Prompts im Monitoring funktionieren wie Prompts sonst – je besser formuliert, desto besser das Ergebnis.

Die richtige Annahme: Ein Monitoring-Prompt ist kein Suchwerkzeug. Er ist ein Beobachtungsinstrument. Es geht nicht darum, eine gute Antwort zu bekommen, sondern darum zu messen, wer in der Antwort vorkommt - reproduzierbar, über verschiedene Engines hinweg, in der Sprache deiner Zielgruppe.

Das klingt nach feinem Unterschied. In der Praxis entscheidet er darüber, ob du nach 60 Tagen Monitoring handlungsfähige Erkenntnisse hast oder dich frägst, warum deine Sichtbarkeit mal bei 40 % und mal bei 70 % liegt und du nicht weißt, welche Zahl stimmt.

AI-Referral-Traffic ist klein, wächst aber schnell und verhält sich anders als jeder Traffic-Kanal, den du bisher gemessen hast. Laut Similarweb-Daten (April bis Mai 2026) konvertiert ChatGPT-Traffic mit 7,1 % - besser als die organische Suche, besser als direkter Traffic, schlechter nur als Paid Search. Wer über KI-Systeme empfohlen wird, kommt mit einer anderen Kaufentscheidungsreife an.

Das Monitoring-Problem: Du kannst nicht direkt in die Ranking-Daten der Modelle schauen. Es gibt kein GSC-Pendant für ChatGPT. Du kannst nur von außen messen, was die Modelle auf definierte Prompts antworten und daraus ableiten, wie du positioniert bist.

Hier liegt das Kernproblem der meisten Monitoring-Setups: Das Prompt-Set wird mit den falschen Logiken zusammengestellt. Zu viele Wording-Varianten desselben Intents, zu wenig Coverage relevanter Use Cases, keine Trennung nach Engine, kein Stabilitäts-Test. Das Ergebnis ist, dass du nicht weißt, ob deine Visibility-Änderungen real sind oder ob du gerade Rauschen misst.

Das klingt offensichtlich, ist es aber nicht. Im Prompt Engineering geht es darum, aus einem Sprachmodell einen besseren Output für eine bestimmte Aufgabe herauszuholen: Bessere Zusammenfassungen, sauberere Strukturierungen, treffendere Formulierungen. Jede Stellschraube an einem Prompt dient dem Zweck, die Antwortqualität zu verbessern.

Im AI Visibility Monitoring drehst du die Logik um. Dein Ziel ist nicht, dass das Modell eine bessere Antwort gibt. Dein Ziel ist, zu messen, ob eine bestimmte Marke, Domain oder Themenposition in der Antwort auftaucht, über viele Runs hinweg, reproduzierbar. Verbesserter Antwort-Output ist für dich als Monitoring-Signal aktiv unerwünscht, wenn er das Muster der Markennennung verzerrt.

Das hat zwei direkte Konsequenzen:

Erstens: Stilistische Ausarbeitung eines Prompts kostet Energie ohne Messgewinn. Ob du „Kannst du mir bitte Empfehlungen zu..." oder „Welche..." schreibst, ist für die Frage, ob deine Marke in der Antwort erscheint, nach aktuellem Forschungsstand weitgehend bedeutungslos.

Zweitens: Standardisierung ist wichtiger als Kreativität. Ein Set aus 15 sorgsam formulierten, thematisch gut verteilten Prompts liefert dir mehr Erkenntnisse als 50 Variationen derselben Frage in verschiedenen Höflichkeitsgraden.

Zur Frage, wie stark Prompt-Wording die AI-Sichtbarkeit beeinflusst, gibt es inzwischen eine methodisch saubere und öffentlich zugängliche Analyse.

Jan Ehrlinspiel, Malte Landwehr (CPO/CMO bei Peec AI) und Tomek Rudzki veröffentlichten am 10. Juni 2026 eine Studie auf Search Engine Journal und parallel als Working Paper auf SSRN.

Wichtiger Hinweis vorab: Es handelt sich um Sponsored Content des Tool-Anbieters. Die Methodik ist transparent dokumentiert, das Datenmaterial öffentlich, die SSRN-Version durch externe Reviewanforderungen strukturiert - eine andere, unabhängige Replikation steht aus. Die Ergebnisse sind belastbar genug für praktische Ableitungen, aber mit dieser Herkunft im Hinterkopf zu lesen.

Die Datenbasis: 37.804 KI-Antworten aus 1.754 Prompts, fünf Sektoren, 18 Subvertikalen, gemessen über ChatGPT, Gemini, Perplexity, Google AI Mode und Google AI Overviews. Zwei Parallelstudien: Eine auf Basis von 288 menschlich verfassten Prompts aus dem Fishkin/SparkToro-Datensatz, eine zweite mit 54 Basis-Prompts und kontrollierten semantischen Variationen.

Das methodische Herzstück ist die Verwendung von Kosinus-Ähnlichkeit zwischen Prompt-Embeddings. Kurz erklärt: Ein Embedding ist eine numerische Darstellung eines Textes - das Modell wandelt jeden Prompt in eine Liste von Zahlenwerten um, die seine Bedeutung im mathematischen Raum beschreibt. Zwei Prompts, die dasselbe meinen, landen in diesem Raum nah beieinander, auch wenn sie vollständig unterschiedlich formuliert sind. Die Kosinus-Ähnlichkeit misst den Winkel zwischen diesen Zahlenvektoren: Wert 1,0 bedeutet identische Bedeutung, Wert 0 bedeutet kein inhaltlicher Zusammenhang. Das ist grundlegend anders als oberflächliche Textähnlichkeit, die nur misst, wie viele Wörter zwei Sätze gemeinsam haben. „Beste SEO-Agentur für Mittelstand" und „Welche SEO-Beratung empfiehlst du B2B-Unternehmen?" teilen kaum ein Wort, aber ihre Embeddings liegen nah beieinander, weil der Intent derselbe ist.

Was herauskommt:

Füllwörter und Länge sind ohne nachweisbaren Effekt. Das Hinzufügen von Höflichkeitsformeln, Kontextbeschreibungen oder konversationeller Prosa verändert nicht, welche Marken in der Antwort erscheinen. Die Modelle normalisieren Prompts intern auf ihre Kern-Entitäten und den Intent.

Format entscheidet. Prompts, die explizit eine Liste, ein Ranking oder einen Vergleich verlangen, bringen im Schnitt 20 % mehr Marken in die Antwort. Kompakte, keyword-artige Formulierungen führen zu bis zu 25 % mehr Brand Mentions gegenüber ausführlichen Konversations-Prompts.

MOFU ist die kritische Zone. TOFU-Prompts (Kategoriedefinitionen, Erklärfragen) sind gegen Formulierungsvarianten weitgehend stabil - dieselben Marktführer erscheinen konsistent. BOFU-Prompts (markennah, direkter Vergleich) sind ebenfalls stabil, weil der Markenanker die Antwort verankert.

Unbranded Middle-of-Funnel-Prompts - also genau die Prompts, die für Empfehlungen und Anbieterlisten relevant sind - reagieren auf kleine thematische Verschiebungen mit wechselnden Markensätzen.

Engines verhalten sich nicht einheitlich. Google AI Overviews zeigt die stärkste MOFU-Sensitivität. Gemini reagiert am robustesten auf Formulierungsvariationen. Bei ChatGPT und Perplexity beginnt sichtbarer Marken-Drift erst unterhalb einer semantischen Ähnlichkeit von 0,60 bis 0,64 (gemessen mit Kosinus-Ähnlichkeit). Aggregierte Engine-Werte verdecken genau diese Unterschiede.

Der semantische Blind Spot. Hohe Kosinus-Ähnlichkeit bedeutet nicht automatisch gleicher Intent. „SEO Beratung KMU Österreich" und „SEO Beratung KMU Deutschland" können sich sehr ähnlich anfühlen und trotzdem vollständig verschiedene Anbieterlisten produzieren - weil der geografische Qualifier das Quellenreservoir des Modells verschiebt. Wenn ein zentraler Qualifier sich ändert, handelt es sich um einen neuen Intent.

Ergänzend dazu: Rand Fishkin und SparkToro veröffentlichten im Januar 2026 eine Studie mit knapp 3.000 AI-Antworten auf 12 Prompts über ChatGPT, Claude und Google AI hinweg. Zentrales Ergebnis: Die Wahrscheinlichkeit, zweimal exakt dieselbe Empfehlungsliste zu erhalten, lag unter 1 zu 100. Die Wahrscheinlichkeit, dieselbe Liste in derselben Reihenfolge zu erhalten, bei etwa 1 zu 1.000. Damit ist Position-Tracking - gemeint ist die Stelle, an der deine Marke im Antworttext erscheint, also ob du als erste, zweite oder dritte Nennung auftauchst - als primäre Metrik methodisch erledigt.

Bevor du konkrete Prompts schreibst, brauchst du ein Raster. Nicht nach Keyword-Semantik, sondern nach Intent, Funnel-Stage und Format. Das folgende Schema gibt dir die Entscheidungslogik:

MOFU-Prompts brauchen mehr Tracking-Aufmerksamkeit, nicht weniger. Die Peec-Studie empfiehlt als Faustregel: 25 % deines Prompt-Budgets für TOFU, 50 % für MOFU (mit mehreren Varianten je Intent-Cluster), 25 % für BOFU und Branded.

Was du nicht tust

Wording-Varianten desselben Intents tracken. Diese vier Prompts sehen verschieden aus und meinen dasselbe. Du bekommst viermal Messaufwand für einmal Erkenntnisgewinn:

• „Welche SEO-Berater sind auf B2B spezialisiert?"

• „Was sind gute SEO-Berater für B2B-Unternehmen?"

• „Kannst du mir SEO-Berater für B2B empfehlen?"

• „Welche SEO-Beratung eignet sich für B2B?"

Das ist viermal Messaufwand für einmal Erkenntnisgewinn. Nimm den Prompt, der dem realen Sprachstil deiner Zielgruppe am nächsten kommt, und leg eine Variante mit anderem Format daneben - also entweder kompakt als Keyword-Style oder als explizite Listenfrage. Mehr nicht.

Höflichkeitsformeln und ausführliche Szenarien. Das Folgende liefert keine besseren Monitoring-Daten als eine prägnante Frage:

„Ich bin Geschäftsführerin eines mittelständischen B2B-Unternehmens im DACH-Raum und suche seit Längerem nach einem erfahrenen SEO-Berater, der nicht nur klassische SEO-Arbeit beherrscht, sondern auch KI-gestützte Suche versteht. Könntest du mir bitte einige Empfehlungen geben?"

Der kurze Prompt „SEO Berater KMU DACH AI Search" erreicht dasselbe Citation-Muster - und ist reproduzierbarer.

Position als KPI verwenden. Wenn dein Tool dir sagt, du stehst auf Position 2 in ChatGPT für einen bestimmten Prompt, ist das ein Schnappschuss, kein Trend. Für denselben Prompt eine Stunde später kann die Antwort vollständig anders aussehen. Mention Rate (in wie viel Prozent der Runs erscheinst du?) über mindestens 5 bis 10 Runs ist die einzige Metrik, auf die du steuerst.

Alle Engines in einen Score aggregieren. Was Perplexity bei einem MOFU-Prompt zitiert, hat wenig mit dem zu tun, was Google AI Overviews ausgibt. Aggregierte Engine-Werte verdecken genau die Unterschiede, die du für Content-Entscheidungen brauchst.

Prompt-Set laufend verändern. Wenn du dein Set alle zwei Wochen anpasst, sind Trendverläufe wertlos. Änderungen immer als neue Kohorte einführen, bestehende Prompts weiterlaufen lassen.

Branded Prompts in den generischen Sichtbarkeits-Score einrechnen. „Wofür steht feller.systems?" misst Brand Understanding. Das ist ein anderer KPI als ungestützte Sichtbarkeit in offenen Empfehlungsfragen. Getrennt erfassen, getrennt reporten.

Aus einem einzigen Run Schlüsse ziehen. AI-Antworten sind probabilistisch. Eine Abfrage sagt dir, was einmal passiert ist. Fünf Abfragen sagen dir, ob du im Consideration Set des Modells bist.

Was du tust

Keyword-Style als Standard. Kompakt, ohne ausführliche Einleitung, mit klaren Themen-Ankern:

• ✓ „AI Visibility Tools DACH"

• ✓ „SEO Berater B2B Deutschland Empfehlung"

• ✓ „AI Search Monitoring ChatGPT Perplexity Vergleich"

Listen- und Ranking-Formate bewusst einsetzen. Du willst Competitive Share of Voice messen? Dann formuliere Prompts, die das Modell dazu bringen, explizit Anbieterlisten zu generieren:

• ✓ „Die besten AI Visibility Tools für B2B-Marketingteams"

• ✓ „Welche Tools eignen sich für AI Search Monitoring im DACH-Raum – erstelle eine Übersicht"

Für MOFU-Monitoring ist das die wirksamste Prompt-Variante.

MOFU mit 3 bis 5 Varianten abdecken. Nicht 5 Wording-Varianten desselben Intents, sondern 5 echte Intent-Varianten innerhalb desselben Themenfeldes:

• „AI Visibility Tools für SEO-Agenturen"

• „AI Visibility Monitoring für Inhouse-SEO-Teams"

• „AI Search Monitoring für Freelancer SEO"

• „AI Visibility Tracking für KMU"

• „AI Search Monitoring Software DACH"

Das sind fünf verschiedene Entscheidungssituationen, nicht fünf Formulierungen derselben.

Qualifier als eigenständige Intents behandeln. Sobald sich ein geografischer Bezug, eine Produktkategorie, eine Zielgruppe oder ein Markenname im Prompt ändert, ist das ein neuer Intent. Praxistest: Erzeugt dieser Qualifier eine andere Anbieterliste? Wenn ja, eigener Prompt.

Mentions und Citations getrennt messen. Eine Markennennung ohne verlinkten Quellen-URL ist eine andere Information als eine Citation. Wenn du häufig genannt wirst, aber kaum zitiert: Das ist ein Entity-Problem, kein Sichtbarkeitsproblem. Wenn du häufig zitiert, aber selten aktiv empfohlen wirst: Du hast ein Content-Struktur-Problem. Beide Muster brauchen verschiedene Maßnahmen.

Runs wiederholen. Als Faustregel: 3 Runs pro Prompt für einen ersten Überblick. 5 bis 10 Runs für MOFU-Prompts, wenn du sie in dein laufendes Monitoring aufnimmst. Bei High-Stakes-Prompts (die direkt auf transaktionale Kaufentscheidungen abzielen) sind 10 bis 20 Runs notwendig, um statistisch stabile Visibility-Rates zu ermitteln.

Das ist der am häufigsten unterschätzte Punkt bei der Prompt-Konzeption - und es lohnt sich, kurz zu klären, was Quellenraum hier bedeutet: Welche Websites, Plattformen und Dokumente das Modell für eine bestimmte Anfrage heranzieht. Ein Qualifier verschiebt genau diesen Raum.

Ein Qualifier ist nicht irgendein Detail, das du einem Prompt hinzufügst. Er ist ein Signal an das Modell, welchen Quellenraum es aktivieren soll. Schreibst du „SEO Beratung", zieht das Modell aus einem breiten Reservoir relevanter Quellen. Schreibst du „SEO Beratung Mittelstand Österreich", aktiviert es eine deutlich spezifischere Quellenlandschaft – mit anderen Domains, anderen Branchen-Plattformen, anderen Bewertungsseiten.

Die Konsequenz: Wenn du denselben Prompt mal ohne und mal mit Qualifier laufenlässt und verschiedene Ergebnisse bekommst, ist das kein Rauschen. Das ist das Signal. Du hast gerade zwei verschiedene Intents gemessen.

Der Praxistest ist einfach: Ändert dieser Begriff die Anbieterliste, die das Modell zurückgibt? Wenn ja, wird daraus ein eigenständiger Prompt. Wenn nein, ist es eine Formulierungsvariante.

Typische Qualifier, die fast immer einen eigenen Intent darstellen:

• Geografie (Deutschland vs. Österreich vs. Schweiz vs. DACH)

• Unternehmensgröße (KMU vs. Enterprise vs. Freelancer)

• Branche (B2B SaaS vs. E-Commerce vs. Pharma)

• Technologiebezug (Shopify vs. Spryker vs. HubSpot)

• Vergleichs- oder Alternativenkontext (Alternative zu X, Vergleich X vs. Y)

Das ist die Frage, die in den meisten Guides nicht gestellt wird - obwohl sie entscheidend für die richtige Tool-Wahl und das richtige Budget ist.

Wann reicht eine Einmal-Analyse

Eine einmalige Prompt-Set-Analyse liefert dir eine Bestandsaufnahme: Werde ich überhaupt genannt? In welchen Prompts erscheinen meine Wettbewerber, ich aber nicht? Welche Content-Themen sind mit meiner Domain assoziiert - welche nicht?

Das reicht für:

• Ersten Überblick / Basis-Audit: Du willst vor dem Start von Content-Maßnahmen wissen, wo du stehst.

• Pitch-Vorbereitung: Du möchtest einem potenziellen Kunden zeigen, wie er im Vergleich zu Wettbewerbern positioniert ist.

• Content-Gap-Identifikation: Du willst wissen, bei welchen Prompts du nicht auftauchst, obwohl du solltest.

• Projekte ohne laufendes Monitoring-Budget: Die Einzel-Analyse liefert dir eine verwertbare Grundlage, auch ohne Monats-Abo.

Tools und Methoden für die Einzel-Analyse:

J.O.E. (Jaeckert O'Daniel Engine) ist ein Tool, das genau dafür gebaut ist: Eine strukturierte Einzel-Analyse mit einem Set von 25 Prompts, die du selbst festlegst. Der Zugang läuft über die GEO Academy-Mitgliedschaft von Jaeckert & O'Daniel (Stand Juli 2026: 3 Analysen pro Monat im Mitgliedschafts-Paket). Du bekommst keine Zeitreihe, aber du bekommst eine methodisch saubere Momentaufnahme mit Wettbewerbs-Einordnung auf einer definierten Prompt-Basis.

Rankscale.ai lässt sich ebenfalls für Einzel-Runs nutzen - credits-basiert, ab ca. 20 € im Essentials-Plan. Wenn du für einen bestimmten Kunden oder einen bestimmten Markt schnell eine Sichtbarkeits-Bestandsaufnahme brauchst, ohne ein laufendes Monitoring zu starten, ist das ein pragmatischer Weg.

Die 3-mal-im-Minutentakt-Methode ist kein Tool-Feature, sondern ein Schnelltest, den du manuell durchführen kannst. Schick denselben Prompt dreimal innerhalb von drei bis fünf Minuten ab - manuell in ChatGPT und Perplexity oder per API. Was du daraus lernst:

• Alle drei Runs nennen dieselben Marken in ähnlicher Konstellation: Der Prompt ist stabil, du hast ein verlässliches Signal für diesen Intent-Cluster.

• Zwei von drei Runs liefern die gesuchte Marke: Du bist wahrscheinlich im Consideration Set, aber nicht dominant.

• Alle drei Runs kommen zu anderen Ergebnissen: Der Prompt ist hochvolatil. Entweder ist der Intent zu breit formuliert, oder du bist schlicht nicht im Consideration Set für dieses Thema. In beiden Fällen ist ein Einzel-Run bedeutungslos.

Dieser Test eignet sich gut dafür, vor dem Aufbau eines Monitoring-Sets zu prüfen, welche Prompts überhaupt stabil genug für sinnvolles Tracking sind.

Wann brauchst du laufendes Monitoring

Laufendes Monitoring lohnt sich, wenn du eine der folgenden Fragen beantworten willst:

• Hat meine Content-Maßnahme geholfen - und wenn ja, bei welchen Prompts?

• Wann und warum hat sich mein Wettbewerber verbessert?

• Gibt es saisonale Muster in der Quellenauswahl der Modelle?

• Was passiert nach einer Modell-Update-Welle mit meiner Sichtbarkeit?

Dafür brauchst du Zeitreihen, und die gibt es nur durch regelmäßige, automatisierte Abfragen. Tools dafür: Peec.ai (tägliche Messung, ab ca. 85 €/Monat für 3 Modelle z. B. ChatGPT + Perplexity + Google AI Overviews), Rankscale (einmalig, stündlich, täglich, wöchentlich oder monatlich, ab ca. 20 €/Monat mit credits-basiertem Modell), Otterly.ai als schlankere Alternative.

Frequenz-Empfehlung

Täglich ist sinnvoll, wenn du gerade in einer aktiven Maßnahmenphase bist und Veränderungen zeitnah erkennen willst - etwa nach dem Launch eines neuen Artikels, einer Digital-PR-Maßnahme oder einem größeren Content-Update. Für ruhige Phasen ist das über das Ziel hinaus geschossen.

Wöchentliche Review der täglichen Daten ist der Standard, der für die meisten Projekte passt. Die Tools laufen täglich, du schaust dir die aggregierten Wochenwerte an. So erkennst du Trends, ohne von täglichem Rauschen überfordert zu werden.

Monatlich reicht für eine Basis-Kontrolle und für Reporting an Stakeholder, die keinen operativen Monitoring-Bedarf haben. Wenn du monatlich reportest, brauchst du aber immer noch mindestens wöchentliche Datenabfragen, um innerhalb des Monats statistisch stabile Werte zu haben.

Einmalig ist die richtige Frequenz für Audits, Baseline-Messungen vor Maßnahmen-Start und Einschätzungen in einem Beratungskontext, wo kein laufendes Monitoring-Budget vorhanden ist.

Eine kurze Entscheidungshilfe:

ChatGPT dominiert beim messbaren AI-Referral-Traffic. Es kursieren noch Conductor-Daten aus dem Jahr 2025, die den Anteil auf 87,4 % beziffern. Diese Zahl ist inzwischen überholt: Aktuelle Similarweb-Daten (bis Mai 2026) zeigen ChatGPTs Anteil bei noch ca. 52 bis 63 %, je nach Panel und Berechnungsmethode - bei weiter sinkendem Trend, weil Gemini und Claude deutlich zulegen. ChatGPT bleibt die wichtigste Einzelplattform. Aber der Vorsprung schrumpft schnell.

Wichtiger als der Traffic-Anteil ist für das Monitoring die Frage, welche Quellenlogik die einzelnen Engines verwenden. Und hier unterscheiden sie sich fundamental.

ChatGPT hat mit aktiver Websuche (Search-Feature) eine deutlich gestiegene Citation-Rate. Laut Similarweb-Daten enthielten im August 2025 bereits 2,8 % aller ChatGPT-Antworten explizite Citations - gegenüber 0,6 % im Januar 2025. Das Wachstum ist relevant, die absolute Rate aber noch immer gering. ChatGPT zieht bevorzugt Wikipedia, Reddit, YouTube und Produktdokumentationen.

Perplexity ist citation-aggressiv: Explizite Quellenlinks sind das Kernversprechen der Plattform. Perplexity-Traffic konvertiert laut verschiedenen Quellen überdurchschnittlich gut - die Nutzer kommen mit klarer Kaufabsicht. Für Sichtbarkeits-Monitoring ist Perplexity informativer als ChatGPT, weil du sofort siehst, welche URLs das Modell heranzieht.

Google AI Overviews zeigen die stärkste Sensitivität auf MOFU-Formulierungsvarianten und bevorzugen, wenig überraschend, Domains mit starker klassischer SEO-Performance. Wenn du auf Google präsent bist, ist die Chance hoch, in AI Overviews zu erscheinen - aber das ist nicht garantiert.

Gemini ist die stabilste Plattform bei Formulierungsvarianten und hat durch Android- und Workspace-Integration eine massive Nutzerbasis, die in Referral-Traffic-Daten unterrepräsentiert ist (weil viele Interaktionen nicht als klassischer Referral messbar sind).

Was das für dein Monitoring bedeutet:

Das Minimum für ein belastbares DACH-Monitoring sind ChatGPT und Perplexity. ChatGPT wegen des Traffic-Anteils, Perplexity wegen der Citation-Transparenz. Wenn Google-organischer Traffic ein zentrales Standbein ist, kommt Google AI Overviews dazu. Gemini ist sinnvoll, sobald du Enterprise-Zielgruppen oder Workspace-intensiv-Nutzer adressierst.

Warum du die Engines nicht zusammenwerfen solltest: Was Perplexity für einen MOFU-Prompt zitiert, kann völlig anders sein als das, was ChatGPT ausgibt - weil die Quellenräume unterschiedlich sind, die Retrieval-Logik unterschiedlich ist und die Nutzergruppen unterschiedlich sind. Ein aggregierter Engine-Score zeigt dir einen Mittelwert über inkompatible Systeme. Das ist für strategische Entscheidungen wenig hilfreich.

DACH-Sprachbias: Prompts auf Deutsch erzeugen andere Quellenräume als semantisch identische Prompts auf Englisch. Profound analysierte in einer Studie 3,25 Milliarden Citations über 7 Modelle und 14 Länder - mit dem Ergebnis, dass die Abfragesprache der dominante Faktor für Quellenverteilung und Citation-Muster ist. Wenn deine Zielgruppe auf Deutsch abfragt, musst du auf Deutsch monitoren. Nicht zusätzlich - ausschließlich, wenn du DACH-spezifische Erkenntnisse willst.

Das folgende Template zeigt einen vollständig strukturierten Monitoring-Ansatz für eine exemplarische SEO- und AI-Search-Beratungsposition. Die Cluster-Logik lässt sich direkt auf andere Positionen übertragen.

Cluster 1 - Kategorie-Framing (TOFU, 2 Prompts)

Ziel: Wie definiert das Modell deine Kategorie – und passt das zu deiner Positionierung?

• „Was ist AI Search Optimization?"

• „Welche Aufgaben übernimmt ein SEO-Berater?"

Wichtig: Bei echten Kategorie-Definitionsfragen nennt ChatGPT in der Regel keine Marken. Das ist kein Fehler im Prompt-Set, sondern erwartbares Verhalten - diese Prompts sind keine Brand-Monitoring-Prompts, sondern Kategorie-Research. Sie zeigen dir, welche Begriffe das Modell mit deinem Themenfeld assoziiert, und liefern einmalig eine nützliche Positionierungs-Einschätzung. Für laufendes Monitoring tragen sie nichts bei. Für KMU-Projekte und Solo-Berater: Diesen Cluster als einmaligen Analyse-Schritt nutzen und aus dem regelmäßigen Tracking herauslassen. Stelle in der 3-mal-im-Minutentakt-Prüfung sicher, dass ein TOFU-Prompt überhaupt Marken nennt - wenn nicht, gehört er nicht ins Monitoring-Set.

Cluster 2 - Unbranded Commercial (MOFU, 5 Prompts)

Ziel: Wirst du bei konkreten Entscheidungsfragen empfohlen?

• „AI Search Beratung DACH Freelancer"

• „SEO Berater AI Visibility KMU"

• „AI Search Optimierung Inhouse-Team Unterstützung"

• „Welche Berater helfen bei AI Search Sichtbarkeit Deutschland?"

• „AI Visibility Strategie externe Beratung B2B"

Stabilität: Niedrig bis mittel. Hier brauchst du mindestens 5 Runs je Prompt und wöchentliche Auswertung.

Cluster 3 - Use Case + Persona (MOFU, 3 Prompts)

Ziel: Erscheinst du in konkreten Entscheidungskontexten?

• „Wir sind ein mittelständisches B2B-Unternehmen und wollen in ChatGPT sichtbar werden - welche Berater kommen infrage?"

• „Welche SEO Freelancer werden für B2B-Mittelstand in Deutschland empfohlen?"

• „AI Search Monitoring aufbauen - welche Berater oder Tools empfehlt die KI?"

Stabilität: niedrig. MOFU mit starkem Persona-Anker. 3 bis 5 Runs je Prompt.

Cluster 4 - Vergleich / Wettbewerb (BOFU, 2 Prompts)

Ziel: Wie positionierst du dich im direkten Vergleich?

• „Beste AI Visibility Tools im Vergleich: Peec, Rankscale, Otterly"

• „Empfehlenswerte SEO Berater mit AI Search Expertise Deutschland"

Stabilität: mittel. Monatlicher Check reicht.

Cluster 5 - Branded / Sentiment (2 Prompts)

Ziel: Wie beschreibt das Modell dich und deine Marke?

• „Wofür steht [Dein Name / Deine Domain]?"

• „[Dein Name]: Erfahrungen und Empfehlungen"

Stabilität: hoch. Quartalsmäßiger Check reicht - du willst nur wissen, ob sich etwas grundlegend verändert hat.

Übertragung auf Produkt- und Shop-Kontexte

Die Cluster-Logik und die Qualifier-Mechanik funktionieren für Shops genauso - aber die Prompts selbst verschieben sich deutlich.

Im Dienstleistungskontext sind die relevanten Qualifier Use Case, Zielgruppe und Region. Im Produktkontext treten Preisspanne, Anwendungsfall, Vergleichsprodukt und Kategorie an ihre Stelle.

MOFU-Prompts für einen Online-Shop sehen entsprechend anders aus:

• „Ergonomischer Bürostuhl Home Office bis 400 Euro Empfehlung"

• „Laufschuhe Einsteiger Dämpfung unter 100 Euro"

• „Welche Kaffeemühle eignet sich für Filterkaffee unter 150 Euro?"

• „Beste Einsteiger-Espressomaschine 2026 Vergleich"

Was sich außerdem verschiebt: Das Quellenreservoir. Während das Modell im Dienstleistungskontext bevorzugt Branchen-Blogs, LinkedIn-Inhalte und Fachportale heranzieht, wechselt es bei Produktkategorien auf Vergleichsportale, Review-Aggregatoren wie Trusted Shops oder Testberichte.de und Kategorieseiten von Marktplätzen.

Wer ChatGPT mit aktiviertem Shopping-Feature im Blick hat: Rankscale hat seit Q1 2026 ein dediziertes ChatGPT Shopping Analysis-Feature, das Produkt- und Händlerempfehlungen in ChatGPT-Suchergebnissen trackt. Für E-Commerce-Kunden mit Fokus auf transaktionale KI-Sichtbarkeit ist das die sinnvollste Ergänzung zum Standard-Monitoring-Set. Peec.ai hat eine ähnliche Funktion.

Das Muster ist immer ähnlich. Jemand - ein Unternehmen, eine Agentur, ein Inhouse-SEO - richtet ein AI Visibility Monitoring ein und beobachtet nach vier Wochen, dass die Daten „komisch" sind.

Die Visibility springt zwischen 20 % und 80 %, ohne erkennbaren Grund. Manchmal erscheint die Marke, manchmal nicht. Trends sind nicht erkennbar.

Meistens liegt einer dieser Fehler vor:

Zu viele Wording-Varianten statt Cluster-Tiefe. Fünfzehn leicht verschiedene Formulierungen desselben MOFU-Intents machen das Set breiter auf dem Papier, aber enger in der Erkenntnis. Die Varianz kommt nicht aus dem Markt, sondern aus dem Prompt-Rauschen.

Positionswerte als Trendlinie. Wer in einem wöchentlichen Report mit einer Durchschnittsposition von 2,3 arbeitet, misst das Falsche. Die Reihenfolge, in der ein Modell Marken nennt, korreliert nicht mit Empfehlungsgewicht. Ob du als erste oder dritte Nennung erscheinst, variiert von Run zu Run, ohne dass du etwas geändert hättest. Du beobachtest hier Rauschen. Was entscheidet: Ob du überhaupt erscheinst. Mention Rate, nicht Position.

Monatliches Prompt-Set-Resetting. Wenn du nach drei Wochen entscheidest, dass Prompt 4 „nicht funktioniert", und ihn durch einen neuen ersetzt, hast du dir selbst die Zeitachse zerstört. Schlechte Sichtbarkeit in einem Prompt ist keine Fehlfunktion des Prompts - es ist ein Messergebnis. Erst verstehen, dann vielleicht ändern.

Engine-Aggregation ohne Segmentierung. Wenn Perplexity dich für drei Prompts konsistent zitiert und ChatGPT dich für dieselben Prompts ignoriert, sagt dir ein aggregierter Score von 50 % Visibility: Nichts. Du weißt nicht, wo du gut aufgestellt bist und wo du Content brauchst.

Ein deutsches B2B-SaaS-Unternehmen im HR-Tech-Bereich startet Mitte 2025 mit AI Visibility Monitoring. Das erste Set umfasst 40 Prompts, alle aus dem Content-Team zusammengestellt, mix aus Produktfeature-Fragen, allgemeinen HR-Begriffen und einigen spezifischen Use-Case-Fragen.

Nach sechs Wochen: Die Visibility-Rate schwankt zwischen 12 % und 67 %, je nach Woche. Das Content-Team schlägt neue Prompts vor. Die SEO-Verantwortliche zweifelt an den Daten.

Das Problem, das bei einer genaueren Analyse sichtbar wird: 22 der 40 Prompts sind semantische Variationen von drei Kern-Intents. Die Engine-Daten werden aggregiert. Runs werden einmalig pro Woche durchgeführt. Branded Prompts fließen in denselben Score wie generische Empfehlungs-Prompts.

Neuaufbau des Sets: 15 Prompts in fünf Clustern nach der obigen Logik. Engine-Trennung: ChatGPT und Perplexity separat. Pro MOFU-Prompt 5 Runs. Stabilisierungsphase 60 Tage ohne Prompt-Änderungen.

Nach 60 Tagen: Die Visibility-Rate liegt bei ChatGPT bei 28 % (konsistent, Range 23 bis 33 %), bei Perplexity bei 47 % (Range 40 bis 54 %). Content-Lücke identifiziert: Bei Use-Case-Prompts zu Remote-Team-Onboarding erscheint das Unternehmen nie, während drei Wettbewerber konsistent genannt werden. Maßnahme: Dedizierter Content-Cluster zu diesem Thema. Messung: Sichtbarkeit in diesem Cluster nach 90 Tagen nochmals erheben.

Das ist AI Visibility Monitoring, das steuerbar ist - weil das Messinstrument sauber konstruiert ist.

Die Frage „Wie promte ich richtig für mein AI Visibility Monitoring?" ist die falsche Einstiegsfrage. Die richtige lautet: „Welche Entscheidungssituationen meiner Zielgruppe bilde ich ab - und wie designe ich ein Prompt-Portfolio, das diese Situationen reproduzierbar und über Engines hinweg misst?"

Danach: Stabilität über Eleganz. Wiederholung über Variation. Cluster über Wortvarianten. Und für MOFU-Prompts: Mehr Runs, nicht mehr Formulierungen.

AI Visibility Monitoring ist kein Prompt-Engineering-Thema. Es ist ein Messdesign-Thema.

Wer das versteht, baut kein Set aus sprachlich ausgearbeiteten Prompts, sondern ein Portfolio aus reproduzierbaren Messsituationen. Er misst MOFU-Cluster mit mehreren Varianten. Er trennt Engines. Er versteht Qualifier als Trigger für neue Intents. Und er zieht Schlüsse aus Visibility Rates über ausreichend viele Runs - nicht aus Positions-Screenshots einer einzigen Abfrage.

Der nächste sinnvolle Schritt: Führe einen AI Visibility Audit durch, bevor du mit laufendem Monitoring startest. Ein Audit zeigt dir, wo du heute stehst, welche Prompt-Cluster für dich relevant sind und wo die ersten Content-Lücken liegen. [→ Link folgt: AI Visibility Audit - Vorgehen und Interpretation]

Wenn das Monitoring dann läuft und du weißt, bei welchen Prompts deine Sichtbarkeit liegt, lohnt sich ein genauerer Blick auf die Quellen: Welche Domains zitiert die KI, wenn sie dich nicht nennt? Dort beginnt die eigentliche Optimierungsarbeit.