Microsoft Clarity für SEO und AI Visibility: Was das Tool wirklich liefert

Zur Methodik: Grundlage dieses Beitrags ist die Auswertung der Herstellerdokumentation, der offiziellen Produkt-Blogs von Microsoft Clarity und Bing sowie öffentlich dokumentierter Praxisfälle. Dazu kommen eigene Messdaten von feller.systems aus sieben Tagen Clarity-Nutzung, 9. bis 15. August 2026, ausgewertet über die CSV-Exporte. Sieben Tage sind ein erster Eindruck und keine belastbare Zeitreihe, die Zahlen sind entsprechend zu lesen. Wo ich mich auf Beobachtungen Dritter stütze, steht das im Text.

Seit Februar 2026 bekommen Websitebetreiber zum ersten Mal Daten darüber, mit welchen Suchanfragen ein KI-System ihre Inhalte tatsächlich abgerufen hat, bevor es geantwortet hat. Erst in den Bing Webmaster Tools, dann in Microsoft Clarity. Google hat im Juni nachgezogen, allerdings deutlich schmaler: Der Bericht „Generative KI" in der Search Console zeigt Impressionen in AI Overviews und AI Mode, aufgeschlüsselt nach Seite, Land, Gerät und Datum. Keine Klicks, keine CTR, keine Queries, kein API-Zugriff, und der Rollout lief zunächst nur auf einen Teil der Websites, beginnend in Großbritannien.

Das ist die eigentliche Nachricht: Microsoft zeigt dir Suchanfragen, Google zeigt dir Zählwerte. Und Microsoft zeigt sie kostenlos, ohne Traffic-Limit, in einem Tool, das viele Agenturen ohnehin schon für Heatmaps installiert haben.

Genau da beginnt das Problem. Ein kostenloses Tool, das etwas liefert, wofür spezialisierte Anbieter dreistellige Monatsbeträge aufrufen, erzeugt zuverlässig zwei Reaktionen. Die erste ist Begeisterung. Die zweite ist die stille Annahme, das Kostenlose sei mit dem Bezahlten identisch. Beides ist in den letzten Monaten auf LinkedIn und in den einschlägigen Fachmedien gut zu beobachten: Überschriften wie „Microsoft verschenkt, was andere verkaufen" beschreiben den Funktionsumfang korrekt und die Aussagekraft der Daten falsch.

Die Verwechslung begegnet mir in Gesprächen inzwischen regelmäßig, und zwar nicht bei Leuten, die schlampig arbeiten. Der Ablauf ist immer derselbe: Jemand exportiert die Grounding Queries aus dem Dashboard und berichtet sie nach oben als die Anfragen, mit denen KI-Systeme das eigene Unternehmen finden. Die Liste ist echt, die Interpretation nicht. Und wenn daraus eine Content-Roadmap für zwei Quartale abgeleitet wird, hängt eine Menge Arbeit an einer Annahme, die die Daten nicht tragen.

Verantwortlich dafür sind nicht die Kolleginnen und Kollegen, die das reporten. Verantwortlich ist eine Oberfläche, die eine technische Retrieval-Phrase so präsentiert, als wäre sie eine Nutzerfrage, flankiert von einer Fachöffentlichkeit, die den Unterschied munter einebnet. Wer täglich mit Search-Console-Queries arbeitet, liest eine Query-Spalte erst einmal als das, was sie dort immer war: eine Eingabe von Menschen.

Wenn du es nicht messen kannst, steuerst du nach Gefühl. Wenn du das Falsche misst, steuerst du mit voller Überzeugung in die falsche Richtung. Das zweite ist teurer.

Deswegen dieser Beitrag. Nicht als Setup-Anleitung, davon gibt es genug, sondern als Einordnung: Was liefert Clarity, was ist davon einzigartig, was ist Doppelarbeit, wo sind die Zahlen belastbar und wo nicht, und wie berichtest du sie, ohne dich in sechs Monaten korrigieren zu müssen.

Die halbe Verwirrung entsteht, weil vier verschiedene Dinge in Diskussionen und Reportings als „KI-Sichtbarkeit" durcheinandergehen. Trenn sie einmal sauber, dann löst sich ein Großteil der Missverständnisse von allein.

Zwei dieser Zeilen verdienen mehr als eine Tabellenspalte.

Grounding Query

Microsoft definiert Grounding Queries als die Anfragen, mit denen KI-Systeme deine Inhalte abgerufen haben, bevor sie eine Antwort erzeugt haben. Und ergänzt ausdrücklich: Diese Anfragen können sich von dem unterscheiden, was Nutzer tatsächlich eingeben.

Das ist kein Kleingedrucktes, sondern der Kern. Ein Nutzer fragt „Welcher Baustoffhändler in Norddeutschland liefert kurzfristig Kalksandstein?". Das Retrieval-System daraus macht daraus möglicherweise baustoffhandel norddeutschland lieferzeit, kalksandstein verfügbarkeit händler und baustoffhändler schleswig-holstein bewertungen. In deinem Dashboard siehst du die drei technischen Anfragen. Den Menschen dahinter siehst du nie.

Query Fan-Out

Der Fan-Out ist der Vorgang, nicht das Ergebnis: ein Prompt, daraus mehrere parallele Suchanfragen, daraus ein Kandidatenpool, daraus eine Auswahl, daraus die Antwort. Was Clarity dir zeigt, ist ein Ausschnitt aus der zweiten Stufe, und zwar nur der Ausschnitt, bei dem deine Domain vorkam.

Der Unterschied, kurz und benutzbar:

Das ist wertvoll. Es ist nur etwas anderes.

Clarity besteht mittlerweile aus vier Bausteinen, die technisch wenig miteinander zu tun haben und die du getrennt bewerten solltest.

1. Verhaltensanalyse, der alte Kern

Session Recordings, Click- und Scroll-Heatmaps, Funnels, Smart Events und Frustrationssignale wie Rage Clicks, Dead Clicks, Excessive Scrolling und Quick Backs. Für SEO ist das die Antwort auf die eine Frage, die weder Search Console noch Rank-Tracker beantworten: Was passiert nach dem Klick?

Der typische Anwendungsfall ist unspektakulär und trotzdem der mit dem verlässlichsten Ertrag. Du filterst Sessions nach Landingpage und organischem Einstieg, nimmst dir die Seiten mit hohen Impressionen und schwacher Conversion vor und schaust dir an, wo die Leute hängenbleiben. CTA unterhalb der tatsächlichen Scrolltiefe. Formular, das auf dem Smartphone zerbricht. Preisangabe, die drei Klicks tief liegt.

Wichtig für die Erwartungshaltung: Das ist kein Rankingfaktor und keine Keyword-Datenquelle. Es verbessert die Verwertung vorhandener Sichtbarkeit. Nichts weniger, aber auch nichts mehr.

2. Citations, der Grund für den ganzen Wirbel

Das Citation Dashboard zeigt, wann Seiten deiner Domain in KI-generierten Antworten als Quelle verwendet wurden. Die Metriken haben sich seit Februar mehrfach verändert. Stand jetzt:

Seit dem 3. August 2026 kommt eine Trennung nach Branded und Non-Branded dazu, auch für den Share of Authority. Das ist die inhaltlich sinnvollste Erweiterung der letzten Monate, weil sie zwei Dinge auseinanderhält, die in fast jedem AI-Visibility-Dashboard zusammengeworfen werden: bestehende Markennachfrage und tatsächliche Kategorie-Sichtbarkeit. Wer nur bei „Firma XY Erfahrungen" zitiert wird, hat kein Discovery-Problem gelöst, sondern nur seine eigene Marke gespiegelt.

Bei dieser Kachel lohnt ein zweiter Blick, sonst liest du die falsche Zahl. Clarity zeigt dort unter „Share of authority by query type" zwei Prozentwerte, und die sind nicht der Anteil der jeweiligen Query-Art an deinen Citations, sondern dein Share of Authority innerhalb dieser Query-Art. In meinen eigenen Daten steht bei „Mit Branding" 72,19 Prozent und bei „Nicht gebrandet" 21,63 Prozent. Die beiden Werte ergeben zusammen keine 100 Prozent, und genau das ist der Hinweis. Die tatsächliche Aufteilung steht daneben in absoluten Zahlen: 579 zu 358 Citations, also 62 Prozent gebrandet und 38 Prozent nicht gebrandet. Wer die 72,19 Prozent als Branded-Anteil in ein Reporting schreibt, meldet einen Wert, der zehn Prozentpunkte danebenliegt und außerdem etwas anderes bedeutet.

Zwei Dinge musst du beim Share of Authority wissen, sonst berichtest du ihn falsch. Erstens: Die Berechnung läuft tagesweise, und nur Tage, an denen deine Domain für eine Query zitiert wurde, fließen ein. Microsoft schreibt selbst, dass dieser Ansatz zu höheren Werten führen kann als eine breitere Berechnung. Zweitens: Es ist ein Anteil innerhalb einer beobachteten Query-Menge, kein Marktanteil. Ein Share of Authority von 40 Prozent klingt in einer Präsentation großartig und bedeutet möglicherweise, dass du bei elf Anfragen im Monat vier Nennungen hattest.

Und dann die Passage, die in keiner der euphorischen Zusammenfassungen auftaucht. Microsoft beschreibt die Datengrundlage so: Die Daten liefern eine repräsentative Sicht auf Grounding- und Citation-Aktivität, kein vollständiges Protokoll jeder Referenz. Nicht jede Citation-Aktivität erscheint, sehr geringe Volumina können ausgeschlossen werden, und Summen können zwischen verschiedenen Ansichten abweichen. Das Dashboard sei für Trendanalyse und Vergleiche über die Zeit gedacht, nicht für die exakte Abrechnung einzelner KI-Antworten oder Prompts.

Die Bing Webmaster Tools formulieren es bei ihren Grounding Queries noch direkter: Die angezeigten Daten stellen eine Stichprobe der gesamten Citation-Aktivität dar.

Das ist der Satz, den du in dein Reporting-Template schreibst. Nicht in die Fußnote.

3. Bot Activity, das nützlichste technische Feature

Clarity kann serverseitige Zugriffe von KI-Crawlern auf Request-Ebene sichtbar machen: Anzahl und Anteil der Requests, welche Betreiber zugreifen, welche Pfade besonders häufig abgerufen werden, HTTP-Statusverteilung, und seit Juni 2026 auch Verstöße gegen die eigene robots.txt.

Der Haken steckt in der Voraussetzung. Das funktioniert nur mit angebundenem CDN. Unterstützt werden Fastly, Amazon CloudFront, Cloudflare, Azure Front Door und Akamai, bei WordPress zusätzlich über das aktuelle Clarity-Plugin. Und: Die Log-Weiterleitung läuft über die Pipelines des jeweiligen Anbieters, Microsoft weist ausdrücklich darauf hin, dass dabei Kosten beim CDN-Anbieter entstehen können, abhängig von Log-Volumen, Region und Konfiguration.

Wenn du ohnehin Cloudflare einsetzt: Cloudflare zeigt robots.txt-Verstöße inklusive verletzter Direktive und betroffener Pfade bereits selbst an, in AI Crawl Control. Clarity ist dann ein zweites Dashboard auf Daten, die du schon hast, dafür in derselben Oberfläche wie deine Citations. Ob dir das die Einrichtung wert ist, ist eine Prozessfrage, keine Datenfrage.

Wichtig bleibt die Einordnung, die Microsoft selbst mitliefert: Crawling zeigt Zugriff, nicht Verwendung. Ein Bot kann eine Seite hundertmal abrufen, ohne dass daraus jemals eine Citation wird.

4. Topic Insights, und hier wird es interessant

Seit Juli 2026 gibt es Topic Insights. Du definierst ein Thema und schreibst dazu eigene Prompts, Clarity lässt sie gegen ein Modell laufen und wertet aus, welche Domains und Seiten zitiert werden, wie stark einzelne Quellen zur Antwort beitragen und wo Content-Lücken liegen.

Die Rahmenbedingungen laut Microsofts eigenem Disclaimer: Beta, GPT-5.3 als Modell, WebIQ als Grounding-Layer, zehn Reports pro Projekt und Woche, nur für berechtigte Website-Kategorien verfügbar. Ergebnisse ausdrücklich nur als richtungsweisende Einschätzung zu verwenden. Praxisberichte ergänzen: Fester Wochenrhythmus ohne Möglichkeit, einen Report außer der Reihe anzustoßen, und keine Trendlinie über die Report-Historie, du vergleichst also Zahlen per Auge zwischen Karten.

Und jetzt die Beobachtung, die ich für die aufschlussreichste am ganzen Produkt halte. Im März 2026 veröffentlichte Microsoft einen Beitrag mit dem Titel „Measuring AI Visibility: Why Real Data Matters". Das Argument darin: Zwei identische Prompts im Minutenabstand können unterschiedliche Citations liefern, Simulationen erfassen deshalb Momentaufnahmen statt konsistenter Muster echter Nutzung. Vier Monate später liefert dasselbe Produkt eine Prompt-Simulation als Feature aus.

Das ist halt Produktpolitik. Aber auch ein guter Grund, die Positionierung „echte Daten statt Simulation" nicht als technisches Argument zu übernehmen, sondern als das, was sie ist: Marketing gegen den Wettbewerb. Beide Datentypen haben ihre Berechtigung, und Microsoft verkauft dir inzwischen beide.

Wie weit die beiden Datentypen auseinanderliegen können, zeigt der Abschnitt mit meinen eigenen Zahlen weiter unten: In derselben Woche, für dieselbe Domain, liefert der beobachtete Teil 38,14 Prozent Share of Authority und der simulierte Report null.

Kurze Antwort: nein.

Was Clarity dir zeigt, sind reale Grounding Queries. Ob eine einzelne davon Bestandteil eines Query Fan-Outs war, steht in den Daten nicht drin. Es lässt sich aus ihnen auch nicht ableiten.

Dass die Verwechslung trotzdem so verbreitet ist, hat einen nachvollziehbaren Grund: Grounding Queries sitzen in der Verarbeitungskette an genau der Stelle, an der auch ein Fan-Out entsteht. Ein KI-System zerlegt einen Prompt, erzeugt mehrere Retrieval-Anfragen, ruft Dokumente ab, wählt aus, antwortet. Was du siehst, ist ein Ausschnitt aus der zweiten Stufe. Aus „an dieser Stelle entstehen Fan-Outs" folgt aber nicht „das hier ist ein Fan-Out". Eine Grounding Query kann genauso gut die einzige Anfrage zu einem simplen Prompt gewesen sein. Oder ein Nachfassen in einem mehrstufigen Dialog. Oder der Probelauf eines Monitoring-Tools, hinter dem überhaupt kein Prompt eines Menschen steht.

Belastbar ist deshalb nur diese Formulierung:

Der Konjunktiv ist kein Absichern, er ist der Informationsstand. Wer ihn streicht, behauptet etwas, das er nicht wissen kann.

Was du nicht bekommst:

1. Die Zuordnung zum Nutzerprompt. Du siehst die Retrieval-Query, nicht die Frage, die ein Mensch gestellt hat. Der Rückschluss vom einen aufs andere ist Spekulation.

2. Den vollständigen Fan-Out. Du siehst deinen Ausschnitt, nicht die Geschwisterqueries, die parallel liefen und bei denen dein Wettbewerber zitiert wurde.

3. Die Retrieval-Tiefe. Wie viele Dokumente abgerufen, wie viele in den Kontext gehoben und wie viele davon verworfen wurden, steht nirgends.

4. Vollständigkeit. Siehe oben, repräsentative Auswahl, geringe Volumina fallen raus.

Damit lässt sich sehr gut arbeiten, wenn du die Signaltypen sauber auseinanderhältst. Diese fünf Ebenen gehören in jedes AI-Visibility-Konzept, das mehr sein soll als eine Zahlensammlung:

Die praktische Regel für dein Reporting: Wenn eine Zahl aus Ebene drei stammt, darf sie nicht mit einer Formulierung aus Ebene zwei beschriftet werden. „Fan-Out Queries unserer Kunden" ist Ebene zwei. „Anfragen, mit denen KI-Systeme unsere Inhalte abgerufen haben" ist Ebene drei und beschreibt genau das, was du hast.

Das klingt nach Wortklauberei, bis du die Konsequenzen durchdenkst. Wenn die Geschäftsführung glaubt, sie sehe die Fragen ihrer Kunden, leitet sie daraus Content-Themen ab. Wenn sie versteht, dass sie technische Retrieval-Phrasen sieht, stellt sie die richtige Anschlussfrage: Was von dem, wonach unsere Kunden wirklich fragen, taucht hier nicht auf?

Wie das in echten Daten aussieht

In meinen eigenen sieben Tagen steht ein Cluster, der exakt wie ein Fan-Out aussieht. Vier Anfragen, thematisch benachbart, im selben Zeitraum, zusammen 24 Citations:

Das sieht aus wie die Zerlegung einer einzigen Frage in vier Teilabfragen. Es könnte auch die Zerlegung von zwei Fragen sein. Oder vier einzelne Anfragen, die zufällig am selben Thema liegen. Oder ein Monitoring-Tool, das dieselbe Prompt-Formulierung viermal leicht variiert hat, was bei diesen Werkzeugen gängige Praxis ist.

Ich kann das nicht auflösen, und du kannst es bei deinen Daten auch nicht. Die Spalten heißen Query, Citations und SoA. Eine Spalte, die vier Zeilen einem gemeinsamen Auslöser zuordnet, gibt es nicht. Genau hier entsteht die Verwechslung: Das Muster ist so naheliegend, dass man es für einen Beleg hält. Es ist aber nur ein Muster.

Lässt sich das in ein paar Monaten genauer sagen?

Die naheliegende Hoffnung lautet: Das Feature ist jung, Microsoft baut weiter, irgendwann wird die Zuordnung schon kommen. Ich halte das für unwahrscheinlich, und zwar nicht wegen des Reifegrads, sondern wegen der Bauart.

Damit aus „könnte Bestandteil eines Fan-Outs sein" ein „war Bestandteil eines Fan-Outs" wird, müsste genau eine Sache dazukommen: eine Gruppierung der Grounding Queries nach dem auslösenden Request. Also die Information, dass diese vier Anfragen zusammen aus einem einzigen Nutzerprompt entstanden sind. Alles andere, was zuletzt ergänzt wurde, geht in eine andere Richtung. Thematische Cluster, Intent-Klassifikation und die Trennung nach Branded und Non-Branded sind Deutungsebenen über den Anfragen, keine strukturelle Auflösung dahinter.

Zwei Gründe sprechen dagegen, dass diese Gruppierung kommt. Erstens läuft die gesamte Berechnung tagesweise und aggregiert, das gilt ausdrücklich auch für den Share of Authority. Eine Zuordnung auf Request-Ebene wäre kein zusätzliches Feld, sondern ein anderes Datenmodell. Zweitens hätte Microsoft damit offengelegt, wie Copilot Prompts zerlegt, und zwar für jeden, der eine verifizierte Domain besitzt. Das ist Wettbewerbsinformation, keine Webmaster-Information.

Und selbst wenn es käme, bliebe der Begriff falsch. Du sähest dann Microsofts Fan-Out. Wie Gemini oder ChatGPT dieselbe Frage zerlegen, stünde dort weiterhin nicht. „Fan-Out Queries" ohne Angabe des Systems wäre auch dann eine Aussage über einen Anbieter, formuliert als Aussage über den Markt.

Rechne also nicht damit, dass sich die Formulierung entspannt. Rechne eher damit, dass die Datenlage in die andere Richtung geht: Microsoft hat angekündigt, die Abdeckung auf weitere Partner-Plattformen auszuweiten. Mehr Partner in einem Topf, dessen Zusammensetzung nicht offengelegt wird, macht die Herkunft einer einzelnen Anfrage nicht klarer, sondern unschärfer.

Jetzt der Teil, den die Begeisterungswelle konsequent ausblendet.

Die US-Agentur Hive Digital hat ihren eigenen bestperformenden Artikel über drei Monate ausgewertet und drei Zahlen nebeneinandergelegt: 1.064 Citations in den Bing Webmaster Tools. 3 Impressionen in der klassischen Bing-Suche im selben Zeitraum. 452 Impressionen und 6 Klicks in der Google Search Console.

Interessanter als die Diskrepanz ist die Zusammensetzung. Zwei Grounding Queries verantworteten den Löwenanteil, mit 716 und 348 Citations. Ihr Wortlaut, sinngemäß: eine kommagetrennte Aneinanderreihung von Fachbegriffen zu KI-Sichtbarkeit, Customer Journey und Tracking-Phasen, einmal in dieser Reihenfolge, einmal mit vertauschten Endgliedern. Die Agentur ordnet das als maschinell erzeugte Anfragen ein, mutmaßlich von GEO-Monitoring-Plattformen oder automatisierten Brand-Reports.

Das ist ein Einzelfall aus einer Agentur, die im selben Beitrag ihre eigenen Dienstleistungen verkauft. Als Studie taugt das nicht. Als Warnsignal sehr wohl, weil der Mechanismus dahinter zwingend ist: Jedes Prompt-Monitoring-Tool schickt Anfragen in KI-Systeme. Jede dieser Anfragen läuft durch dieselbe Retrieval-Ebene wie eine echte Nutzerfrage. Und jede davon kann in deinen Citation-Zahlen landen.

Anders gesagt: Ein Teil deiner „KI-Sichtbarkeit" ist möglicherweise das Monitoring deiner Wettbewerber. Je nischiger dein Thema und je aktiver die Branche im AI-Visibility-Monitoring, desto größer der Anteil. Für einen Baustoffhändler in Ostholstein spielt das kaum eine Rolle. Für eine Marketingberatung, die über AI Search schreibt, ist es strukturell relevant.

Und dann wird es kurios. Dieselbe Agentur empfiehlt in ihren Handlungsempfehlungen, Inhalte gezielt auf solche werkzeuggetriebenen Anfragen zu optimieren, unter anderem durch Platzierung entsprechender Begriffe weit oben im HTML und durch zusätzliche Seiten, die gezielt Vergleichsanfragen bedienen.

Damit ist ein Punkt erreicht, den man beim Namen nennen sollte: Hier wird empfohlen, für die Messinstrumente anderer Agenturen zu optimieren, um eine Kennzahl zu erhöhen, die keinen einzigen Kunden im Verkaufsgespräch produziert. Das ist die AI-Search-Variante eines alten Musters. Wer lange genug in dieser Branche unterwegs ist, hat das schon dreimal gesehen: erst PageRank-Sculpting, dann Sichtbarkeitsindizes, jetzt Citation-Counts. Sobald eine Metrik öffentlich, kostenlos und vergleichbar wird, entsteht ein Markt dafür, sie zu bearbeiten statt das, was sie messen soll.

Was du messen musst, damit es nicht zur Bauchentscheidung wird

Vier Gegenproben, bevor du aus Citation-Zahlen eine Maßnahme ableitest:

1. Sprachlicher Plausibilitätscheck. Lies dir deine Top-Grounding-Queries laut vor. Klingen sie wie etwas, das ein Mensch fragen würde? Kommagetrennte Begriffsketten und nahezu identische Varianten mit vertauschter Wortreihenfolge sind ein Warnzeichen.

2. Abgleich mit der Bing-Suchperformance. Vierstellige Citations bei einstelligen Impressionen sind kein Erfolg, sondern ein zu klärender Befund.

3. Serverlog-Abgleich. Schau nach, ob die Zugriffszeitpunkte deiner KI-Crawler mit den Citation-Spitzen zusammenfallen und ob die User Agents zum Bild passen.

4. Referral-Abgleich. Landet daraus irgendjemand auf deiner Seite? Wenn über Monate Citations steigen und AI-Referrals bei null bleiben, hast du entweder ein Zero-Click-Thema oder ein Messartefakt. Beides musst du benennen, bevor jemand anders es tut.

Ich habe Clarity während der Arbeit an diesem Beitrag auf feller.systems aufgesetzt. Was folgt, sind sieben Tage, vom 9. bis 15. August 2026. Das ist keine Zeitreihe und kein Beweis für irgendetwas Allgemeines. Es ist ein erster Blick auf eine kleine B2B-Domain in einer Nische, in der auffällig viele Leute AI-Visibility-Monitoring betreiben. Genau deshalb ist es interessant.

Die Kopfzahlen:

937 Citations bei einer Domain dieser Größe klingen erst einmal gut. Auf einer Folie wäre das die Zahl, die man zeigt. Deshalb der Rest dieses Abschnitts.

Befund 1: Über die Hälfte der Anfragen ist der eigene Name

Von den 91 Grounding Queries im Export enthalten 49 entweder „carsten feller" oder „feller.systems", das sind 53,8 Prozent. Auf sie entfallen 576 der 918 Citations in der Liste.

Das deckt sich mit der Branded-Kennzahl im Dashboard und heißt übersetzt: Der größte Teil dessen, was als KI-Sichtbarkeit gezählt wird, ist die Antwort auf die Frage, wer ich bin. Diese Frage stellt nur, wer den Namen schon kennt. Für die Bewertung ist das der entscheidende Punkt und nicht die 937.

Umgekehrt gilt: Wo ich nicht gebrandet vorkomme, sind es genau die Themen, zu denen ich seit Jahren schreibe. ai search b2b nischen mit 24 Citations, seo audit voraussetzungen mit 18, skyscraper seo vs ranch style mit 18, dark keywords mit 16, strukturierte daten für ai search mit 15. Das ist kein Zufallstreffer, das ist die Rendite von Content-Arbeit. Sie ist nur deutlich kleiner als die Gesamtzahl suggeriert.

Befund 2: Ein Teil der Anfragen kann niemand getippt haben

Drei Grounding Queries enthalten den site:-Operator:

• site:feller.systems generative engine optimization geo leitfaden

• blogbeiträge site:feller.systems strukturierte daten ki sichtbarkeit

• ai visibility geo aeo llmo site:feller.systems

Das ist Suchmaschinensyntax. Niemand tippt das in Copilot, um etwas über mich zu erfahren. Entweder hat ein Retrieval-System die Einschränkung selbst gesetzt, oder ein Werkzeug hat sie gesetzt. In beiden Fällen steht dahinter kein Mensch mit einer Frage.

Dazu kommt ein Muster, das dem dokumentierten Fall aus dem vorigen Abschnitt verblüffend ähnelt. Vier Anfragen bestehen aus derselben Begriffsmenge in unterschiedlicher Reihenfolge:

66 Citations aus vier Permutationen desselben Begriffssatzes. So schreibt kein Mensch, und schon gar nicht viermal hintereinander mit vertauschten Endgliedern.

Noch deutlicher wird es bei einem zweiten Cluster. Sechs Varianten einer einzigen Frage, ob eine Marke aus KI-Empfehlungen ausgeschlossen ist:

47 Citations, sechs Formulierungen desselben Gedankens, systematisch durchvariiert in Verb und Wortstellung. Und dieses Cluster ist im Dashboard sogar als eigenes Query Topic aufgetaucht, unter dem Namen „Brand Exclusion in AI Recommendations". Clarity hat also einer maschinellen Variantenreihe ein Thema zugewiesen und es mir als inhaltlichen Befund präsentiert.

Der auffällig niedrige Share of Authority in diesem Cluster passt ins Bild. Bei 2 bis 14 Prozent bin ich eine Quelle unter vielen, was bei einer generischen Prüffrage zu erwarten ist. Für mein Geschäft bedeuten diese 47 Citations nichts. In der Gesamtzahl 937 stecken sie trotzdem drin.

Und dann sind da vier Anfragen aus Branchen, in denen ich nicht arbeite: dreimal Rückgang des organischen Suchtraffics bei Zahnarztpraxen im DACH-Raum, einmal KI-Sichtbarkeit für Reinigungsunternehmen. Ich habe keine Zahnarztkunden und schreibe nicht über Zahnarzt-SEO. Da hat vermutlich jemand anderes ein Prompt-Set laufen lassen, und ich bin als Quelle mit eingesammelt worden.

Belastbar bleibt daraus dieser Satz: Ein nicht bezifferbarer Anteil der 937 Citations geht auf automatisierte Systeme zurück. Ich kann ihn nicht exakt beziffern, weil Clarity die Herkunft nicht ausweist. Ich kann ihn nur an sprachlichen Mustern erkennen, und das ist eine Schätzung, keine Messung.

Befund 3: Dieselbe Domain, dieselbe Woche, 38 Prozent und 0 Prozent

Das ist der Befund, an dem sich der ganze Beitrag festmachen lässt.

Der beobachtete Teil des Dashboards weist für feller.systems einen Share of Authority von 38,14 Prozent aus. Parallel dazu habe ich in Topic Insights einen Report zum Thema „B2B SEO strategy" laufen lassen, also mit selbst formulierten Prompts statt beobachteten Anfragen. Ergebnis desselben Werkzeugs, dieselbe Domain, derselbe Zeitraum:

Zitiert wurden stattdessen authorityspecialist.com, mettevo.com, seo.com, hubspot.com und pedowitzgroup.com, dazu 129 Citations auf weitere Domains.

Beide Zahlen sind korrekt. Sie beantworten nur unterschiedliche Fragen. Die 38 Prozent sagen: Wenn im Microsoft-Ökosystem etwas passiert, bei dem meine Domain überhaupt in Frage kommt, bin ich überdurchschnittlich oft dabei. Was dabei nicht dabeisteht: Der größte Teil dieser Fälle sind Anfragen nach meinem Namen und maschinelle Prüfroutinen. Die 0 Prozent sagen: Bei einer offen formulierten Frage nach B2B-SEO-Strategie, gestellt ohne jede Vorkenntnis meiner Existenz, komme ich nicht vor.

Für die Praxis heißt das: Die zweite Zahl beschreibt mein Geschäftsproblem, die erste beschreibt meine Markenbekanntheit. Wer nur die erste berichtet, berichtet die angenehmere Hälfte.

Und es heißt noch etwas. Microsoft hat im März 2026 argumentiert, simulierte Prompts erfassten nur Momentaufnahmen statt konsistenter Muster echter Nutzung. In meinem Fall hat ausgerechnet die Simulation die ehrlichere Antwort geliefert. Nicht weil Simulation besser wäre, sondern weil die beobachteten Daten von Markenanfragen und Werkzeugverkehr dominiert werden. Beide Methoden haben blinde Flecken. Wer nur eine benutzt, sieht seinen nicht.

Befund 4: Die Grounding Page trägt

Ein Ergebnis, das mich positiv überrascht hat. Die zehn meistzitierten URLs:

Auf Platz zwei steht meine Grounding Page, also die Faktenseite unter /facts, die seit März 2026 online ist. 132 Citations aus 51 zitierten URLs insgesamt.

Vorsicht mit der Schlussfolgerung: Ein großer Teil der Anfragen ist gebrandet, und bei einer Frage nach meiner Person ist eine Faktenseite naheliegend zitierfähig. Der Befund lautet also nicht „Grounding Pages erzeugen Sichtbarkeit". Er lautet: Wenn ein System nach Fakten über eine Marke sucht, greift es bevorzugt auf eine Seite zu, die genau das strukturiert bereitstellt. Das ist eine Aussage über Zitierfähigkeit, nicht über Nachfrage.

Befund 5: Was Clarity als KI-Bot zählt

Das Bot-Dashboard lief bei mir über die Cloudflare-Anbindung. 3.117 Requests in sieben Tagen, 9,01 Prozent des gesamten Traffics, 21,55 Prozent der angeforderten HTML-Seiten, 0,29 Prozent Regelverstöße gegen die eigene robots.txt.

Nach Betreibern:

Nach Zugriffsart: 56,91 Prozent AI Crawler, 28,10 Prozent AI Assistant, 14,98 Prozent AI Search. Der Großteil ist also Sammeltätigkeit für Trainings- und Indexzwecke, nicht Abruf für eine konkrete Antwort.

Jetzt der Teil, der mich stutzig gemacht hat. Unter den angeforderten Pfaden stehen im Export unter anderem /.aws/config, /secrets.json, /.ssh/known_hosts, /firebase-adminsdk.json, /config.json, /env.js, /.vscode/launch.json, /.cursor/mcp.json, /.claude/settings.json, /actuator, /_debugbar/open, /_profiler/open und /pi.php. Ich zähle 17 solcher Pfade mit zusammen 107 Requests, und der Export deckt nur die Top-95-Pfade ab.

Keine dieser Adressen existiert auf einer Kirby-Installation. Das sind Standardpfade automatisierter Scans, die nach hinterlegten Zugangsdaten und offenen Entwickler-Endpunkten suchen. Sie erscheinen bei mir unter dem Filter „AI bots".

Zwei Konsequenzen. Erstens erklärt das einen Teil der Fehlerquote: 38,47 Prozent aller Requests waren nicht erfolgreich, 1.199 an der Zahl. Das ist keine kaputte Website, das sind zum Teil Zugriffe auf Adressen, die es nie gab. Zweitens taugt die Kennzahl „Anteil KI-Bots am Gesamttraffic" nur mit angezogener Handbremse. Was da mitgezählt wird, ist nicht durchweg KI-Crawling.

Für die Frage, ob ein Crawler-Budget-Problem vorliegt, ist die Einordnung wichtiger als die Zahl. Bei mir stehen an der Spitze der angeforderten Pfade CSS- und JavaScript-Dateien sowie Logos, dazu robots.txt und sitemap.xml. Von den Inhaltsseiten führt ausgerechnet der Artikel zur llms.txt-Datei, gefolgt von Local SEO und der Quartalseinordnung AI Search gegen SEO. Für eine kleine Domain ist das unauffällig.

Ein Hinweis zur Datenqualität

Beim Gegenlesen der Exporte ist mir eine Abweichung aufgefallen, die ich nicht auflösen kann. Die Pfadanforderungen zeigen im Dashboard für robots.txt 88 Requests und für die Startseite 75. Der CSV-Export desselben Zeitraums mit denselben Filtern weist für /robots.txt 5 und für / 8 Requests aus. Auch die Summen passen nicht zueinander.

Möglicherweise aggregiert der Export anders als die Oberfläche, etwa weil das Dashboard vollständige URLs inklusive Subdomain listet und der Export nur Pfade. Das erklärt aber keine Abweichung nach unten. Ich habe dafür keine Erklärung in der Dokumentation gefunden.

Praktische Konsequenz: Wenn du Zahlen aus Clarity in ein Reporting übernimmst, leg einmal Oberfläche und Export nebeneinander und prüfe, ob sie übereinstimmen. Wenn nicht, entscheide dich für eine Quelle und dokumentiere, welche. Sonst diskutierst du in drei Monaten über eine Differenz, deren Ursache niemand mehr rekonstruieren kann.

Was ich daraus für mich mitnehme

Vier Punkte, und keiner davon lautet „das Tool taugt nichts".

1. Die Gesamtzahl ist die unwichtigste Kennzahl im Dashboard. 937 sagt fast nichts. Der Branded-Anteil, der Non-Branded Share of Authority und die sprachliche Plausibilität der Top-Queries sagen alles.

2. Beobachtete und simulierte Daten gehören nebeneinander. Wer nur eine Methode nutzt, bekommt ein systematisch schiefes Bild, und zwar in eine vorhersagbare Richtung.

3. Meine eigene Nische ist besonders stark kontaminiert. Wer über AI Visibility schreibt, wird von AI-Visibility-Werkzeugen gemessen. Bei einem Baustoffhändler dürfte der Anteil maschineller Anfragen deutlich niedriger liegen. Übertrag meine Quoten nicht auf deine Domain.

4. Die interessanteste Zahl war die, die auf null stand. Nicht die 937.

Diese Frage entscheidet über den Wert der Daten für dich, und Microsoft beantwortet sie nur halb.

Die offiziellen Formulierungen: Die Bing Webmaster Tools zeigen Citations „über Microsoft Copilot, KI-generierte Zusammenfassungen in Bing und ausgewählte Partnerintegrationen". Clarity spricht von „unterstützten AI Experiences" und in der Meta-Beschreibung des Ankündigungsbeitrags von „Microsoft Copilot und Partner-Erfahrungen". Welche Partner, steht nirgends. In Aussicht gestellt wird, die Abdeckung auf weitere Partner-Plattformen auszuweiten.

Der technische Unterbau ist dagegen klar benannt. Microsoft schreibt, dass sein Grounding auf der Bing-Infrastruktur aufbaut und sowohl Microsofts eigene KI-Erlebnisse als auch Partner-Plattformen versorgt, die für Retrieval und Grounding auf Bing zurückgreifen. Im Februar-Beitrag zum Thema Grounding steht zusätzlich der Satz, Microsofts Grounding versorge „nahezu jeden großen KI-Assistenten am Markt".

Diese Behauptung ist unbelegt und stammt vom Anbieter selbst. Sie ist gleichzeitig nicht frei erfunden: Ein Teil der Assistenten mietet tatsächlich fremde Indizes, weil weltweit nur eine Handvoll Betreiber das offene Web in dieser Größenordnung crawlt. Aber die Lage ist beweglich und schlecht dokumentiert. Zu ChatGPT etwa widersprechen sich öffentlich verfügbare Analysen erheblich: Manche beschreiben Bing als primären Retrieval-Layer, andere eine Mischung aus Bing, einem eigenen Crawler und weiteren Quellen. Wer dir sagt, er wisse das genau, hat entweder Insiderwissen oder rät.

Für dich bleibt in der Praxis:

• Deine Clarity-Citations bilden Microsofts Grounding-Ökosystem ab. Was Google in AI Overviews und AI Mode macht, ist definitiv nicht enthalten.

• Wie viel vom ChatGPT-, Perplexity- oder Gemini-Geschehen mitläuft, kannst du nicht überprüfen, weil Microsoft die Partner nicht benennt.

• Ein Nullwert im Dashboard bedeutet nicht, dass du in KI-Antworten unsichtbar bist. Er bedeutet, dass du in Microsofts beobachtetem Ausschnitt nicht vorkamst.

Und wie relevant ist das im DACH-Markt?

Hier lohnt der nüchterne Blick auf Zahlen statt auf Stimmung. StatCounter weist für Deutschland im Juli 2026 über alle Geräte hinweg aus: Google 85,6 Prozent, Bing 7,06 Prozent, Yandex 2,15 Prozent, Yahoo 2,08 Prozent, DuckDuckGo 1,46 Prozent, Ecosia 1,25 Prozent.

Zwei Einschränkungen, die man mitliefern muss. StatCounter misst über Seitenaufrufe in einem eigenen Panel, das ist eine Schätzung mit bekannten methodischen Schwächen, keine Zählung. Und mehrere der genannten Anbieter beziehen ihre Ergebnisse ganz oder teilweise aus dem Bing-Index, der bing-gespeiste Anteil liegt also über dem reinen Bing-Wert. Wie weit darüber, lässt sich aus öffentlichen Daten nicht sauber beziffern.

Deutlicher wird das Bild nach Segment. Bing ist in Deutschland ein Desktop- und Arbeitsplatzphänomen, getrieben durch Edge, Windows und Microsoft 365, während der mobile Anteil im Bereich unter einem Prozent liegt. Sekundäranalysen auf StatCounter-Basis nennen für Desktop je nach Erhebungszeitpunkt Werte zwischen etwa 10 und 18 Prozent. Die Spannweite zwischen diesen Quellen ist zu groß, um einen einzelnen Wert zu zitieren, die Richtung ist aber konsistent.

Was folgt daraus für die Bewertung von Clarity?

• B2B, Industrie, Software, Verwaltung, beratungsintensive Dienstleistung: relevant. Deine Zielgruppe sitzt tagsüber an einem Windows-Rechner mit Edge und Copilot in der Taskleiste.

• Endkundengeschäft mit hohem Mobilanteil, lokale Dienstleistung, Handel: deutlich weniger relevant. Deine Nachfrage entsteht auf dem Smartphone, und dort ist Microsoft praktisch nicht vorhanden.

Das ist keine Aussage über die Qualität des Tools, sondern über die Passung zu deinem Markt. Ein hervorragendes Messgerät für einen Kanal, in dem deine Kunden nicht unterwegs sind, bleibt ein hervorragendes Messgerät ohne Nutzen.

Hier lohnt sich die Detailarbeit, denn die Überschneidungen sind größer, als die meisten Beiträge zum Thema behaupten. Vieles, was noch im Frühsommer als Clarity-Alleinstellung galt, ist es seit Juni 2026 nicht mehr.

Clarity gegen Bing Webmaster Tools

Im Juni 2026 haben die BWT vier Funktionen im Preview bekommen: Intents (Klassifikation der Grounding Queries nach Informational, Commercial, Navigational, Local und weiteren Kategorien), Topics (thematische Cluster über Grounding Queries), Citation Share (dein Anteil an allen Citations für eine bestimmte Grounding Query) und Compare (Zeitraumvergleich).

Citation Share ist konzeptionell das, was Clarity Share of Authority nennt. Wer also noch mit einer Tabelle arbeitet, in der Wettbewerbsanteile als Clarity-Exklusivfunktion stehen, arbeitet mit einem überholten Stand.

Die Empfehlung daraus ist eindeutig: Erst BWT, dann Clarity. Wer die Bing Webmaster Tools noch nicht verifiziert hat, lässt den Kern der Microsoft-Daten liegen und diskutiert gleichzeitig über ein Dashboard, das darauf aufsetzt.

Clarity gegen Google Search Console

Kein Wettbewerb, sondern zwei komplementäre Lücken. Google liefert seit Juni 2026 Impressionen für AI Overviews, AI Mode und generative Funktionen in Discover, aufgeschlüsselt nach Seite, Land, Gerät und Datum. Ohne Klicks, ohne CTR, ohne Query-Daten, ohne API. Microsoft liefert Queries und Citations, aber nichts aus Googles Ökosystem.

Für dich heißt das: Für die Google-Seite hast du Mengengerüst ohne Kontext, für die Microsoft-Seite Kontext ohne Vollständigkeit. Wer beides zusammen berichtet, muss die unterschiedliche Aussagekraft mitliefern, sonst entsteht in der Präsentation eine Scheinvergleichbarkeit.

Clarity gegen Rankscale, Peec und Otterly

Anderer Signaltyp, kein Ersatz in beide Richtungen.

Prompt-Monitoring beantwortet: Wie stehe ich bei den 50 Fragen da, die für mein Geschäft entscheidend sind, über mehrere Systeme hinweg? Clarity beantwortet: Bei welchen Anfragen bin ich in Microsofts Retrieval tatsächlich vorgekommen? Wer das eine durch das andere ersetzt, tauscht Steuerbarkeit gegen Zufall oder umgekehrt.

Clarity gegen deine eigenen Logfiles

Für Bot-Analyse ist Clarity ein bequemes Dashboard auf Daten, die dir ohnehin gehören. Bei Cloudflare bekommst du robots.txt-Verstöße samt verletzter Direktive nativ. Bei eigener Logfile-Analyse bekommst du zusätzlich die Freiheit, beliebig auszuwerten, dafür ohne Oberfläche.

Für Kirby-, statische oder eigengehostete Setups ohne unterstütztes CDN bleibt die Logfile-Analyse die robustere Primärquelle. Das ist keine Schwäche von Clarity, sondern eine Frage der Datenherkunft: Was nicht über eine angebundene Edge läuft, kann Microsoft nicht sehen.

Nicht das Tool ist der Unterschied, der Prozess ist der Unterschied. Fünf Dashboards, die niemand systematisch liest, schlagen kein einziges, aus dem monatlich drei Entscheidungen entstehen.

Microsoft bezeichnet Clarity als DSGVO-konform und benennt sich dabei ausdrücklich als Datenverantwortlicher, nicht als Auftragsverarbeiter. Das ist keine Formalie, sondern verändert die Rollenverteilung gegenüber dem, was Website-Betreiber von Analytics-Tools gewohnt sind. Kunden im EWR schließen laut Microsoft mit Microsoft Ireland Operations Limited ab, für Übermittlungen an die Microsoft Corporation in den USA kommen Standardvertragsklauseln zum Einsatz.

Dass ein Anbieter sich selbst als konform bezeichnet, macht deinen Einsatz nicht konform. Verantwortlich für Rechtsgrundlage, Transparenz, Einwilligung, Konfiguration und Risikoabwägung bleibst du.

Die Punkte, die in der Praxis wirklich weh tun

Einwilligung ist Pflicht und wird technisch durchgesetzt. Für Nutzer im EWR, in Großbritannien und der Schweiz ist ein gültiges Consent-Signal erforderlich, bevor Clarity-Cookies gesetzt werden. Die Standortbestimmung erfolgt bei Clarity über IP-Geolokalisierung. Ohne Einwilligung fällt ein erheblicher Teil der Funktionalität weg: Seitenaufrufe werden als getrennte Sessions gezählt, wiederkehrende Nutzer sind nicht erkennbar, Funnels und vollständige Session Replays funktionieren nicht sinnvoll.

Einzelne Nutzerdaten lassen sich nicht löschen. Microsoft schreibt in der FAQ ausdrücklich, dass für das Löschen von Nutzerdaten das gesamte Projekt gelöscht werden muss. Wie du damit ein Auskunfts- oder Löschersuchen bearbeitest, klärst du besser vor dem Rollout als danach.

Die Aufbewahrung ist kürzer, als viele annehmen. Verhaltensdaten stehen laut Microsoft bis zu 30 Tage zur Auswertung bereit. Recordings werden 30 Tage aufbewahrt, Favoriten und eine zufällige Stichprobe bis zu neun Monate. Heatmaps sind bis zu neun Monate abrufbar. Für die Citation-Daten nennt Microsoft keine konkrete Frist, sondern nur, dass die Historie auf die im Dashboard angezeigten Zeiträume begrenzt ist. Wer Jahresvergleiche plant, exportiert regelmäßig oder hat sie nicht.

Die Dokumentation widerspricht sich an einer Stelle. In der FAQ steht an einer Position, Consent lasse sich unter anderem über Google Consent Mode übermitteln, an anderer Position, die Unterstützung dafür komme demnächst. Vor einem Rollout mit CMP-Anbindung prüfst du das für deine konkrete Konstellation selbst nach, statt dich auf eine der beiden Aussagen zu verlassen.

Und eine Nebenbedingung, die gern übersehen wird: Clarity soll laut Microsoft nicht auf Websites oder in Apps eingesetzt werden, die sich an Personen unter 18 Jahren richten.

Die interessante Option für datenschutzkritische Projekte

Für das Citation Dashboard musst du die Domain verifizieren. Laut Microsoft-Dokumentation gibt es dafür drei Wege: den Clarity-Tracking-Code, eine Verbindung über die Google Search Console oder über die Bing Webmaster Tools.

Damit ergibt sich eine Trennung, die für Kunden mit hohen Datenschutzanforderungen praktisch sehr relevant ist:

Heißt in der Praxis: Du kannst die AI-Visibility-Funktionen möglicherweise nutzen, ohne ein einziges Skript einzubinden und ohne einen Consent-Banner zu erweitern. Die alternative Verifikation ist dokumentiert. Wie weit sich sämtliche Funktionen ohne clientseitiges Tracking betreiben lassen, ist es nicht, also teste das projektspezifisch, bevor du es einem Kunden zusagst.

Praxis-Checkliste Deutschland

• Clarity in der CMP als nicht essenzielles Analyse- und Verhaltens-Tracking kategorisieren

• Script erst nach aktivem Opt-in laden oder sauber über die Consent API freigeben

• Datenschutzinformation ergänzen: Anbieter, Rolle als Datenverantwortlicher, Zweck, Datenkategorien, Speicherdauer, Drittlandübermittlung, Widerruf

• Maskierung prüfen und sensible Bereiche explizit maskieren: Login, Suche, Formulare, Adressen, Zahlungs-, Gesundheits- und Vertragsdaten

• Keine Recordings in authentifizierten Bereichen, im Checkout oder in Support-Flows ohne belastbares Datenschutzkonzept

• Projektberechtigungen restriktiv vergeben, Integrationen und Aufbewahrung dokumentieren

• Bei sensiblen Daten oder umfangreichem Tracking eine Datenschutz-Folgenabschätzung fachlich prüfen lassen

• Prüfen, ob für den konkreten Fall die reine AI-Visibility-Nutzung über GSC- oder BWT-Verifikation ausreicht

Ich bin kein Anwalt und das hier ist keine Rechtsberatung. Die Punkte oben sind die, an denen es in Projekten regelmäßig hakt, die rechtliche Bewertung gehört zu deinem Datenschutzbeauftragten oder zu einer Kanzlei.

Eine praktische Konsequenz bleibt unabhängig von der Rechtsfrage: Mit sauberem Opt-in wird dein Verhaltensdatensatz bei deutschen Zielgruppen kleiner und tendenziell selektiv, weil zustimmungsbereite Nutzer sich systematisch von ablehnenden unterscheiden können. Nutze Clarity deshalb als qualitatives Diagnosewerkzeug, nicht als repräsentative Wahrheit über sämtliche Nutzer.

Die Frage ist nicht „geht das?", sondern „lohnt sich das, und wie kontrollierst du es?". Vier Entscheidungen, in dieser Reihenfolge.

Entscheidung 1: Brauchst du Microsoft-Daten überhaupt?

Ja, wenn dein Geschäft B2B ist, beratungsintensiv, mit Desktop-lastiger Recherche, oder wenn deine Kunden in Unternehmensumgebungen mit Microsoft 365 arbeiten.

Eher nein, wenn deine Nachfrage mobil und lokal entsteht. Dann investierst du dieselbe Zeit besser in Google-Sichtbarkeit, Entitätenpflege und, falls AI Search strategisch relevant ist, in ein Prompt-Monitoring, das die Systeme abdeckt, die deine Zielgruppe wirklich benutzt.

Entscheidung 2: BWT oder Clarity zuerst?

Immer BWT. Dort liegen Suchperformance, Indexierungsdaten, URL-Prüfung, Sitemaps und IndexNow, dazu inzwischen Citations, Grounding Queries, Topics, Intents und Citation Share. Clarity kommt dazu, wenn du entweder ohnehin UX-Arbeit machst oder Citation-Daten mit Onsite-Verhalten und Bot-Zugriffen zusammenführen willst.

Entscheidung 3: Welchen Baustein aktivierst du?

Entscheidung 4: Was reportest du?

Am schnellsten verbrennst du Vertrauen, indem du zu früh zu große Zahlen zeigst. Citation-Counts sind groß, sehen gut aus und bedeuten wenig. Mein Vorschlag für ein KMU-Reporting:

• Nach oben berichtet werden: AI Referrals und was daraus wird, Citation Rate im Trend, Non-Branded-Anteil an den Grounding Queries

• Im Arbeitsdokument bleiben: absolute Page Citations, Share of Authority, einzelne Grounding Queries

Die Begründung ist einfach. Die erste Gruppe verträgt Nachfragen. Die zweite nicht.

Du brauchst kein Mehr an Komplexität, du brauchst ein besseres System. Drei Kennzahlen, die du verteidigen kannst, sind mehr wert als zwölf, die beim ersten kritischen Nachhaken zerfallen.

Konstruiertes Szenario mit typischen Größenordnungen, die Zahlen sind Annahmen zur Veranschaulichung, keine Messwerte aus einem realen Projekt. Es beschreibt bewusst einen anderen Fall als meine eigenen Daten weiter oben: Ein Unternehmen ohne Publikationshistorie in einer Nische, in der kaum jemand AI-Visibility-Monitoring betreibt. Dort ist mit weniger maschineller Aktivität in den Zahlen zu rechnen, dafür auch mit weniger Substanz.

Ausgangslage. Mittelständischer Zulieferer für die Verpackungsindustrie, rund 180 indexierte Seiten, davon 40 technische Ratgeberartikel, etwa 6.000 organische Sitzungen im Monat, Leads über Formular und Telefon. Kein CDN, Hosting bei einem deutschen Anbieter. Geschäftsführung fragt nach der KI-Sichtbarkeit, weil ein Wettbewerber auf LinkedIn damit wirbt.

Setup. Clarity-Projekt angelegt, Domain über die bereits vorhandenen Bing Webmaster Tools verifiziert. Kein Tracking-Script, kein neuer Consent-Eintrag, Aufwand rund 20 Minuten. Bot Activity entfällt mangels unterstütztem CDN, dafür wird die vorhandene Logfile-Auswertung um KI-User-Agents erweitert.

Befund nach vier Wochen.

Interpretation. 214 Citations wären in einer Präsentation der Aufmacher gewesen. Die relevante Zahl ist der Branded-Anteil von 61 Prozent. Übersetzt: Wenn jemand den Firmennamen kennt, findet das KI-System die Website zuverlässig. Bei der Frage „Wer liefert Verpackungslösungen für Anwendung X?" taucht sie kaum auf. Das ist kein KI-Problem, das ist ein Kategorie-Sichtbarkeitsproblem, und es hätte sich auch klassisch nachweisen lassen.

Die 15 Non-Branded-Grounding-Queries wurden gegen die vorhandenen Ratgeberartikel gelegt. Ergebnis: Für neun gab es eine passende Seite, für sechs nicht. Von den neun waren vier so aufgebaut, dass die Antwort erst im dritten Absatz kommt.

Maßnahmen, priorisiert.

1. Vier bestehende Artikel umbauen, Antwort in die ersten Sätze, klare Zwischenüberschriften, Datentabelle statt Fließtextaufzählung

2. Zwei neue Seiten für die zwei Non-Branded-Anfragen mit erkennbarem Kaufbezug

3. Restliche vier Anfragen bewusst nicht bedienen, weil sie inhaltlich am Angebot vorbeigehen

4. Baseline dokumentieren, nächste Auswertung in zwölf Wochen

Zahlenrahmen. Aufwand rund 4 Personentage Redaktion plus 3 Stunden Analyse. Erwartung: In einem Markt mit einem Bing-Anteil im mittleren einstelligen Bereich ist der direkte Traffic-Effekt klein. Der Ertrag liegt woanders, nämlich in der Erkenntnis, welche Kategoriefragen unbeantwortet sind. Dieselbe Content-Arbeit wirkt in der Google-Suche mit, und dort liegt der Umsatz.

Genau das ist der ehrliche Rahmen für Clarity bei einem deutschen Mittelständler: ein sehr günstiges Diagnoseinstrument, dessen Wert in der Diagnose liegt, nicht im gemessenen Kanal.

Baseline vor der ersten Maßnahme

Bevor du irgendetwas änderst, dokumentierst du für einen definierten Zeitraum, idealerweise 30 Tage:

• Queries Cited und Query Volume

• Citation Rate

• Anteil Branded gegen Non-Branded

• Top-10-Grounding-Queries im Wortlaut, mit Plausibilitätsbewertung

• Zitierte URLs mit Anzahl

• AI Referral Sessions, falls das Script läuft

• Zum Abgleich: Bing-Impressionen für dieselben URLs im selben Zeitraum

Ohne diesen Ausgangswert kannst du später keine Wirkung nachweisen, und wegen der begrenzten Historie im Dashboard bekommst du ihn rückwirkend nicht mehr.

KPI-Set mit Definitionen

Reporting-Regeln, die Ärger ersparen

Diese fünf Sätze gehören einmal in dein Reporting-Template und dann in jede Präsentation, in der Citation-Zahlen vorkommen:

1. „Diese Daten stammen aus Microsofts Grounding-Ökosystem. Google AI Overviews und AI Mode sind nicht enthalten."

2. „Microsoft beschreibt die Daten selbst als repräsentative Auswahl, nicht als vollständiges Protokoll."

3. „Grounding Queries sind technische Retrieval-Anfragen, keine Nutzerprompts und keine belegbaren Fan-Out Queries."

4. „Citations sind kein Ranking, keine prominente Platzierung und kein Traffic."

5. „Ein Teil der Aktivität kann von automatisierten Monitoring-Systemen stammen."

Das kostet dich fünf Zeilen und einen Moment Enthusiasmus. Es erspart dir das Gespräch, in dem du in sechs Monaten erklären musst, warum die schöne Zahl von damals nichts bedeutet hat.

Failure Modes

Für die erste Einordnung, ob Clarity in deinem Fall etwas bringt.

Microsoft Clarity ist 2026 deutlich mehr als ein kostenloses Heatmap-Tool. Es ist die erste frei zugängliche Möglichkeit, echte Retrieval-Anfragen aus einer produktiven KI-Grounding-Infrastruktur zu sehen. Das ist bemerkenswert, und es ist mehr, als Google seinen Websitebetreibern gibt.

Es ist aber nicht das, was gerade darüber behauptet wird. Die Daten sind eine repräsentative Auswahl, kein Protokoll. Sie decken ein Ökosystem ab, dessen Umfang Microsoft nicht offenlegt. Ein unbekannter Anteil der gezählten Aktivität stammt vermutlich von den Monitoring-Systemen anderer Marktteilnehmer. Und Grounding Queries sind technische Retrieval-Anfragen, keine Fragen deiner Kunden und keine Fan-Out Queries. Sie könnten Bestandteile eines Fan-Outs sein. Mehr gibt die Datenlage nicht her, und nach allem, was über die Bauart des Dashboards bekannt ist, wird sie in absehbarer Zeit auch nicht mehr hergeben.

Wenn du eine Sache mitnimmst, dann diese: Der Wert von Clarity liegt in der Diagnose, nicht in der Kennzahl. Die Frage, die dir die Non-Branded-Grounding-Queries beantworten, lautet nicht „Wie sichtbar bin ich?", sondern „Welche Kategoriefragen stelle ich unbeantwortet?". Das ist eine Content-Strategiefrage, und ihre Antwort wirkt in der Google-Suche genauso wie in KI-Antworten.

In meinen eigenen sieben Tagen sah das so aus: 937 Citations, 38,14 Prozent Share of Authority, und in dem einen Report, der eine offene Kategoriefrage simuliert hat, null. Die 937 hätte ich auf eine Folie schreiben können. Die Null war die Zahl, aus der eine Aufgabe folgt.

Dein nächster Schritt: Prüf zuerst, ob deine Bing Webmaster Tools verifiziert sind. Falls ja, leg ein Clarity-Projekt an, verifizier die Domain darüber, ohne ein Skript einzubinden, und zieh dir deine ersten Grounding Queries. Zwanzig Minuten. Dann liest du die Liste laut vor und markierst, welche davon nach einem Menschen klingen.

Was du an dieser Stelle siehst, sagt dir mehr über deine tatsächliche Ausgangslage als jedes Dashboard, das dir eine Prozentzahl anzeigt.

Wenn du an dem Punkt nicht weiterkommst oder dir unsicher bist, wie du diese Daten in ein Reporting bringst, das auch einer kritischen Nachfrage standhält, sprich mich an. Genau dafür gibt es Sparringspartner.

Quellen

Primärquellen: Microsoft Learn (Citation Dashboard, FAQ, Consent Mode), Microsoft Clarity Blog (Citations GA, Branded vs Non-Branded, Query Topics, Topic Insights, Bot Activity, robots.txt-Verstöße, Real Data Matters), Bing Blogs (AI Performance Februar 2026, Intents/Topics/Citation Share/Compare Juni 2026, Elevating the Role of Grounding), Google Search Central (Generative AI Performance Reports Juni 2026), StatCounter Global Stats Deutschland Juli 2026, Cloudflare-Dokumentation zu AI Crawl Control.

Sekundärquelle mit Kennzeichnung im Text: Hive Digital, Einzelfallauswertung Februar 2026, als Praxisbeobachtung eines interessengeleiteten Anbieters gekennzeichnet.