Durchschnittliche Position, Impressions, Citation Share: Was deine SEO-Berichte wirklich messen

Innerhalb von sechs Monaten sind drei neue Berichtsoberflächen dazugekommen oder repariert worden. Im Februar 2026 hat Microsoft den AI Performance Report in den Bing Webmaster Tools als Public Preview gestartet und ihn im Juni um Intents, Topics, Citation Share und Compare erweitert. Am 3. Juni 2026 hat Google den Generative-KI-Bericht in der Search Console nachgezogen. Und Ende April 2026 hat Google einen Logging-Fehler behoben, der die Impressionsdaten seit Mai 2025 verfälscht hatte.

Drei Ereignisse, ein gemeinsamer Nenner: Die Spalten in diesen Berichten heißen wie die Spalten, die du seit Jahren kennst. Impressions. Position. CTR. Und weil sie gleich heißen, legt sie jeder nebeneinander, bildet Mittelwerte, baut Trendlinien und stellt Charts in Quartalsberichte.

Ich habe genau das gemacht, mit meiner eigenen Domain, über sechs Monate. Nicht weil die Zahlen beeindruckend wären. Sie sind es ausdrücklich nicht, du siehst sie gleich in voller Pracht. Sondern weil eine kleine Datenbasis Fehler sichtbar macht, die auf einer großen Domain im Rauschen verschwinden. Bei 50.000 Klicks im Monat mitteln sich Widersprüche weg. Bei 480 Klicks in sechs Monaten stehen sie dir direkt vor der Nase.

Was dabei herauskam, ist unangenehmer, als ich erwartet hatte. Zwei der vier Berichte melden Werte, die sich mit den anderen nicht vereinbaren lassen. Und in zwei von vier Berichten stammt ein erheblicher Teil dessen, was als Sichtbarkeit ausgewiesen wird, aus meinen eigenen Messwerkzeugen.

Das ist kein Sonderfall meiner Website. Sobald in einem Projekt mehr als ein Monitoring läuft, und das ist inzwischen der Normalzustand, entsteht dasselbe Muster. Der Unterschied ist nur, ob jemand nachsieht.

Bevor die Zahlen kommen, vier Begriffe, die im Verlauf tragend werden. Kurz gehalten, die sollten bekannt sein.

Impression. Google zählt eine Impression, sobald dein Ergebnis auf der geladenen Ergebnisseite steht, unabhängig davon, ob der Nutzer bis dorthin scrollt. Steht dein Ergebnis auf Seite 3 und der Nutzer bleibt auf Seite 1, wird nichts gezählt. Wichtig ist der zweite Teil des Satzes: Gezählt wird bei einem Seitenaufruf, nicht bei einer bewussten Wahrnehmung. Für Bing existiert keine vergleichbar detaillierte Dokumentation. Was Bing intern als Impression wertet, lässt sich von außen nicht prüfen, und genau das wird später zum Problem.

Durchschnittliche Position. Der impressionsgewichtete Mittelwert aller Positionen, an denen dein Ergebnis ausgeliefert wurde. Zwei Dinge folgen daraus. Erstens sagt der Wert nichts darüber, wo du an einem einzelnen Tag standest. Zweitens, und das übersehen die meisten: Wenn sich die Zusammensetzung der Impressions ändert, ändert sich der Positionswert, ohne dass sich an deinem Ranking irgendetwas bewegt hat.

Grounding Query. Nicht die Frage, die ein Nutzer stellt, sondern die Abfrage, die das KI-System daraus intern formt, um im Index zu suchen. Der Bing AI Performance Report weist diese Grounding Queries aus, und das ist die interessanteste Spalte, die derzeit ein Suchanbieter anbietet. Sie ist auch die verräterischste, wie sich zeigen wird.

Citation Share. Dein prozentualer Anteil an allen Zitierungen zu einer Grounding Query. Verkauft wird das als Wettbewerbsmetrik. Was es tatsächlich misst, klären wir später in Befund 3.

Zeitraum 13. Februar bis 11. August 2026, identischer Host https://feller.systems/.

Vier Zeilen, an denen sich schon hier etwas festmachen lässt.

Google liefert 53,7 mal so viele Impressions wie Bing, aber nur 12,6 mal so viele Klicks. Bing erzeugt aus seinen wenigen Impressions also die deutlich höhere Klickrate. Das ist die Lesart, die ich in dieser Auswertung zuerst notiert hatte, und sie ist falsch. Warum, steht im nächsten Kapitel.

Bing zitiert die Domain in KI-Antworten 10.312 mal und liefert sie in klassischen Ergebnissen 6.584 mal aus. Mehr Zitierungen als Impressions, aus demselben Haus, unter demselben Login. Die beiden Tagesreihen korrelieren in den letzten 28 Tagen mit 0,34, also praktisch überhaupt nicht.

Und die 480 Klicks in einem halben Jahr sind das, was am Ende auf dem Konto steht. Alles andere in dieser Tabelle ist nur Messung.

Als vierte Quelle nutze ich einen unabhängigen Rank Tracker, der dieselben Keywords bei Google und bei Bing scrapt. Diese Gegenprobe ist der Grund, warum sich die folgenden Befunde belegen lassen und nicht nur behaupten.

Wenn du in die Bing Webmaster Tools schaust und dort für ein umkämpftes generisches Keyword Position 4 stehen siehst, ist die erste Reaktion vorhersehbar. Bei mir war sie es jedenfalls. Google sortiert dieselbe Seite auf Platz 57, Bing auf Platz 4, und daraus lässt sich eine schöne These bauen: Bing erkennt die inhaltliche Relevanz, die Google der Domain noch nicht zutraut.

Die These hält genau so lange, bis du dir die Klickspalte danebenlegst.

281 Impressions auf einer gemeldeten Durchschnittsposition um 4, über ein halbes Jahr, null Klicks. Rechne das einmal durch. Selbst wenn du eine sehr defensive Klickrate von drei Prozent annimmst, weil in B2B-Themen Anzeigen und KI-Antworten oben stehen, liegt die Wahrscheinlichkeit für null Klicks bei 0,97 hoch 281, also bei etwa 0,019 Prozent. Mit einer realistischeren Annahme von fünf Prozent landest du im Bereich von eins zu einer Million.

Dasselbe auf Aggregatebene: Bing meldet für meine Domain über sechs Monate überwiegend einstellige Positionen und gleichzeitig eine Gesamt-CTR von 0,577 Prozent. Diese beiden Zahlen können nicht dasselbe Nutzerverhalten beschreiben.

Die Gegenprobe

Hier hilft die vierte Datenquelle. Ich lasse dieselben Keywords von einem unabhängigen Rank Tracker scrapen, bei Google und bei Bing. Das ist eine Messung, die keinerlei Verbindung zu den Webmaster Tools hat.

Googles Wert deckt sich mit dem unabhängigen Scrape. Bings Wert tut es bei zwei von drei Keywords nicht, und bei seo beratung liegen zwischen den beiden Messungen mehr als zwanzig Plätze, an den meisten Tagen sogar die gesamte Top 100.

Dazu kommen Artefakte, die dir sofort auffallen, sobald du die Rohdaten und nicht das Dashboard ansiehst. Für carsten feller google meldet Bing zwei Klicks bei einer Impression, also eine Klickrate von 200 Prozent. Für publii themes einen Klick auf Position 78.

Was daraus folgt und was nicht

Ich behaupte nicht, dass Bing falsche Zahlen liefert. Ich kann nicht wissen, was Bing intern als Impression und als Position wertet, weil Microsoft das nicht in vergleichbarer Tiefe dokumentiert wie Google. Denkbar sind mehrere Ursachen: eine abweichende Impressionsdefinition, Abfragen aus Rank Trackern und Monitoring-Tools, die Bing schwächer filtert als Google, oder Copilot- und DuckDuckGo-Oberflächen, in denen Position 4 unter einer vollständigen KI-Antwort schlicht keine Klicks mehr erzeugt.

Was ich behaupte, ist enger und belastbarer: Der gemeldete Positionswert trägt bei diesem Datenvolumen nicht die Schlussfolgerung, die man gern daraus zieht. Er ist kein Ersatz für einen Rank Tracker und keine Grundlage für einen Vergleich mit der Search Console.

Zwei Einschränkungen für die Nachvollziehbarkeit: Der Rank Tracker hat Bing nur an 10 bis 32 der 83 Tage erfasst, die Bing-Prüfungen enden am 2. Juli 2026. Das ist eine Stichprobe. Und die Bing-Daten laufen laut Anbieter als Bing, Yahoo und DuckDuckGo zusammen, sind also ohnehin ein Mischwert aus drei Oberflächen.

Derselbe Zeitraum, dieselbe Domain, dasselbe Login bei Microsoft.

Bing zitiert die Domain in KI-Antworten häufiger, als es sie in klassischen Ergebnissen ausliefert. Die beiden Tagesreihen korrelieren in den letzten 28 Tagen mit 0,34, bewegen sich also weitgehend unabhängig voneinander.

Damit fällt die Prämisse weg, mit der ich diese Auswertung begonnen hatte. „Bing hat eben wenig Reichweite" stimmt für meine Domain nicht. Bing hat die deutlich größere Ausspielung, sie findet nur nicht dort statt, wo der klassische Bericht hinschaut.

Und der Wachstumswert daneben

Zwischen den letzten 28 Tagen und der Vorperiode legen die Bing-Impressions von 832 auf 1.606 zu. Plus 93 Prozent. Eine Zahl, die in jedem Monatsreport gut aussieht.

Sie hält keine fünf Minuten. Von den 1.606 Impressions entfallen 1.076 auf elf Tage, davon acht auf den Zeitraum 4. bis 11. August. Rechnest du diese elf Tage heraus, bleiben 530 Impressions auf 17 Tagen, also 31,2 pro Tag. Die Vorperiode lag bei 832 auf 28 Tagen, also 29,7 pro Tag.

Das ist kein Wachstum, das ist Stillstand plus zwei Ereignisse. Und wenn du dich fragst, was an diesen Tagen passiert ist: dazu kommen wir jetzt.

An dieser Stelle hört der Beitrag auf, ein Vergleich zweier Suchmaschinen zu sein.

Der Bing AI Performance Report zeigt für meine Domain 10.312 Zitierungen über 180 Tage. Sortiere sie nach Wochentag:

Die 17 stärksten Zitierungstage des gesamten Halbjahres sind ausnahmslos Montage. 56,4 Prozent aller Zitierungen fallen auf 14,4 Prozent der Tage.

Mein AI-Visibility-Monitoring läuft montags.

Die Zuordnung

Ich habe den Export aus dem Monitoring-Tool gegen die Tagesreihe des Berichts gelegt. Das Tool fragt fünf Systeme ab, darunter Bing Copilot, also genau das System, dessen Zitierungen Microsoft zählt. Rund 100 Copilot-Abfragen pro Montag, insgesamt etwa 487 Läufe über alle fünf Engines.

Korrelation 0,707. 16,3 Prozent der Tage tragen 59,5 Prozent der Zitierungen.

Der sauberste Einzelbeleg steckt in der ersten Augustwoche. In dieser Woche ist der Lauf verrutscht. Am Montag, dem 3. August, meldet der Bericht null Zitierungen. Am Dienstag, dem 4. August, meldet er 123. Der Ausschlag ist mit dem Tool mitgewandert, nicht mit dem Kalender. Damit scheidet die naheliegende Ausrede aus, Microsoft würde eben montags aggregieren und einbuchen.

Die Grounding Queries verraten es direkt

Der Bericht weist 77 Grounding Queries aus. Ich habe sie gegen die 250 Prompts aus meinem Monitoring abgeglichen:

Teilweise sind die Zuordnungen wörtlich:

Die dritte Zeile ist der Beleg, den ich nicht besser hätte konstruieren können. Ich verwende GEO und AEO in meinen Inhalten nicht. Ich habe einen eigenen Beitrag dazu geschrieben, warum wir diese Akronyme nicht brauchen. Die Begriffe stehen trotzdem in Microsofts Protokoll, weil mein eigener Monitoring-Prompt sie dort hineingetragen hat.

Wer diesen Bericht ohne Kenntnis des Prompt-Sets liest, schließt daraus: Nutzer verbinden diese Marke mit GEO und AEO. Das Gegenteil ist der Fall.

Und was Citation Share tatsächlich misst

Das Muster ist eindeutig. Citation Share ist genau dort hoch, wo mein Name bereits in der Abfrage steht. Bei den wenigen echten Fremdabfragen im Set fällt der Wert auf ein Prozent. 46,9 Prozent aller Zitierungen auf Query-Ebene entfallen auf die acht Marken- und Namensabfragen an der Spitze.

Ein Citation Share von 87 Prozent bei einer Query, die deinen Namen enthält, ist keine Leistung. Es ist eine Tautologie mit Prozentzeichen.

Die Kontrollgruppe in den Server-Logs

Bis hierhin ist das eine sehr gut belegte Korrelation. Zum Beleg wird sie durch die dritte Messebene: die Zugriffe der KI-Crawler in meinen Access-Logs, aggregiert über 145 Tage.

Mein Monitoring fragt ChatGPT und Perplexity ab. Deren Bots schlagen an meinen Lauftagen aus. Claude steht in keinem meiner Prompt-Sets, und ClaudeBot bewegt sich exakt gar nicht. Die klassischen Index-Crawler bingbot und Googlebot ebenfalls nicht.

Das ist der Unterschied zwischen einer Korrelation und einem Beleg: Der Effekt tritt nur bei den Systemen auf, die ich tatsächlich abfrage.

Eine Beobachtung nebenbei, die ich hier als offene Frage stehenlasse: OAI-SearchBot reagiert überhaupt nicht, GPTBot dagegen um den Faktor 4,3. Nach dem gängigen Modell ist OAI-SearchBot der Crawler für ChatGPT Search und GPTBot reiner Trainingscrawler. Auf meiner Domain verhält es sich umgekehrt. Das ist eine Einzelbeobachtung auf einer kleinen Website und kein Befund, den ich verallgemeinern würde. Prüfenswert ist er trotzdem.

Was ich nicht behaupte

Die Korrelation beweist nicht, dass jede einzelne Zitierung aus meinem Monitoring stammt. Copilot fächert einen Prompt in mehrere Grounding Queries auf, und eine Grounding Query erzeugt mehrere Zitierungen. Die Kette ist nicht eins zu eins.

Vor allem: Das Montagsmuster existiert bereits vor dem Start dieses Tools. Im Zeitraum 13. Februar bis 17. Mai liegt der Montagsschnitt bei 185,6 gegenüber 24,4 an den übrigen Tagen. Dort läuft also schon ein zweites System. Ich habe inzwischen zwei weitere gefunden, die ebenfalls montags prüfen. Das eine fährt allein in einem von drei Projekten 179 Prompts gegen fünf Modelle mit je drei Antworten, also rund 2.685 Modellabfragen pro Woche. Das andere hat Anfang Juli von wöchentlich auf täglich umgestellt.

Die belastbare Aussage lautet deshalb: Ein erheblicher, mehrheitlicher Teil meiner gemessenen Copilot-Sichtbarkeit ist meine eigene Messung.

Bis hierhin ließe sich der Beitrag als Kritik an einem Microsoft-Bericht abtun, den ohnehin kaum jemand nutzt. Deshalb habe ich dieselbe Prüfung auf die Search Console angewendet, und zwar getrennt nach Marken- und Nicht-Marken-Abfragen.

Der Non-Brand-Bereich ist über alle sieben Wochentage flach, Spannweite 1.571 bis 1.719. Der Ausschlag existiert ausschließlich dort, wo mein Name in der Query steht. 31,3 Prozent aller Brand-Impressions fallen auf 14 Prozent der Tage.

Und wieder die Klickspalte daneben:

674 Impressions auf durchschnittlicher Position 1,78 und kein einziger Klick. Das ist der Punkt, an dem jede Diskussion über Snippet-Optimierung sich erübrigt.

Elf aufeinanderfolgende Sonntage liegen zwischen 587 und 815 Impressions. Am 9. August bricht die Reihe auf 292 ein. Denselben Bruch am selben Tag zeigt der Generative-KI-Bericht der Search Console, ein vollständig getrennter Bericht mit 21.199 Impressions über drei Monate und einem regelmäßigen Wochenzacken von rund 200 auf 400 bis 520.

Der unangenehme Teil

Ich kann dir nicht sagen, welches Tool das ist.

Mein Hauptmonitoring läuft montags. Das zweite läuft montags. Das dritte läuft montags. Keines meiner angebundenen Systeme prüft sonntags. In den Logs zeigt sich sonntags eine leichte Googlebot-Erhöhung von 77,0 gegenüber 60,3, während ChatGPT-User und PerplexityBot sonntags sogar niedriger liegen. Das passt zu einem System, das ausschließlich Google-Oberflächen abfragt. Beweisen lässt es sich damit nicht, weil Googlebot am Wochenende ohnehin schwankt.

Ich halte diese offene Stelle inzwischen für den wichtigsten Teil des ganzen Befunds. Denn die Schlussfolgerung hängt nicht am Toolnamen:

Ich sehe in vier Berichten ein Muster, das eindeutig maschinell ist. Bei einem Wochentag kann ich es lückenlos zuordnen. Beim anderen kann ich es trotz Zugriff auf sämtliche eigenen Systeme nicht. Wer die Zuordnung nicht schafft, kann die Metrik nicht bereinigen. Und wer sie nicht bereinigen kann, darf sie nicht als Sichtbarkeitsmaß verwenden.

Und darunter liegt noch der Logging-Fehler

Als wäre das nicht genug, überlagert den Gesamtzeitraum ein weiterer Effekt. Google hat auf der Seite zu Datenanomalien in der Search Console bestätigt, dass ein Logging-Fehler vom 13. Mai 2025 bis zum 27. April 2026 die Impressions verhindert hat, korrekt zu erfassen. Betroffen waren nach Googles eigener Formulierung Impressions und die davon abgeleiteten Metriken CTR und durchschnittliche Position. Klicks waren nicht betroffen. Die Altdaten wurden nicht korrigiert, nur die Erfassung ab dem Stichtag.

Mein Vergleichszeitraum beginnt am 13. Februar 2026. Rund 73 von 180 Tagen liegen damit im defekten Fenster, und zwar mit genau der Metrik, auf der die halbe Auswertung ruht.

Eine Zahl, die verlockend aussieht

Im Generative-KI-Bericht steht meine Grounding Page auf Platz zwei der meistgezeigten Seiten, mit 4.330 Impressions, direkt hinter der Startseite. Das wäre ein schöner Beleg dafür, dass Grounding Pages wirken.

Ich verwende sie nicht dafür. Angesichts der Sonntagskontamination lässt sich diese Zahl nicht als Nutzernachfrage lesen. Was für Grounding Pages spricht, sind Crawler-Zugriffe in den Server-Logs, also eine andere Metrik aus einer anderen Quelle. Der Unterschied zwischen diesen beiden Zahlen ist genau das Thema dieses Beitrags, und ich wende die Regel dann auch auf mich selbst an.

Die Befunde oben stammen aus meiner Domain. Die Fehler, die dahinterstehen, stammen aus jedem zweiten Monatsreport, den ich in den letzten Jahren gesehen habe. Hier sind sie einzeln, jeweils mit dem Test, der sie auffliegen lässt.

Fehler 1: Positionswerte aus zwei Systemen nebeneinanderlegen

Der Ausgangspunkt dieser ganzen Auswertung war eine Tabelle, in der Googles durchschnittliche Position und Bings durchschnittliche Position in benachbarten Spalten standen. Optisch ist das eine Gegenüberstellung. Inhaltlich vergleichst du eine dokumentierte Metrik mit einer, deren Berechnungsgrundlage der Anbieter nicht offenlegt.

Google dokumentiert, wann eine Impression gezählt wird und wie sich der Positionswert daraus bildet. Für Bing existiert nichts Vergleichbares. Ob der Wert Copilot-Oberflächen einschließt, wie DuckDuckGo und Yahoo einfließen, ob automatisierte Abfragen gefiltert werden: alles unbekannt.

Der Test: Nimm dir drei Keywords und prüfe die gemeldete Position gegen einen unabhängigen Scrape. Wenn die Abweichung zweistellig ist, ist die Spalte kein Vergleichsmaß, sondern ein Indikator, und du behandelst sie ab sofort als solchen.

Fehler 2: Einen CTR-Anstieg feiern, der aus dem Nenner kommt

In meinen Daten steckt ein Musterbeispiel. Zwischen der Vorperiode und den letzten 28 Tagen ist die Google-CTR von 0,118 auf 0,135 Prozent gestiegen. Klingt nach einer Verbesserung.

Tatsächlich sind die Impressions um 21,5 Prozent gefallen und die Klicks um 10,2 Prozent. Beide Werte sind gesunken, der Nenner nur schneller als der Zähler. Ein Bruch, dessen Nenner schrumpft, wird größer. Das ist Arithmetik, keine Leistung.

Diese Fehlerklasse ist gerade besonders gefährlich, weil in vielen Properties zusätzlich der Google-Logging-Fehler nachwirkt. Wer eine Periode aus dem defekten Fenster gegen eine Periode danach vergleicht, misst die Fehlerbehebung und nennt sie CTR-Optimierung.

Der Test: CTR nie ohne die absoluten Zahlen daneben berichten. Wenn Klicks und Impressions in dieselbe Richtung laufen und die CTR in die andere, hast du nichts optimiert.

Fehler 3: Spitzen als Trend lesen

Plus 93 Prozent Bing-Impressions. Die Zahl stimmt. Zwei Drittel davon entfallen auf elf von 28 Tagen, und rechnet man diese elf Tage heraus, liegt der Tagesschnitt bei 31,2 gegenüber 29,7 in der Vorperiode.

Prozentuale Veränderungen auf kleinen Basen sind fast immer Ereignisse und fast nie Entwicklungen. Bei 3 gegenüber 4 Klicks bedeutet plus 33 Prozent genau gar nichts.

Der Test: Bevor du eine Veränderung berichtest, sieh dir die Tagesreihe an. Nicht die Summe, nicht das Balkendiagramm über Monate, die Tagesreihe. Wenn ein einstelliger Anteil der Tage die Mehrheit des Volumens trägt, berichtest du einen Median oder gar nichts.

Fehler 4: Kombinationen ignorieren, die einander ausschließen

Das ist der wichtigste Test, und er kostet dich keine dreißig Sekunden.

Position und CTR stehen in einem bekannten Verhältnis zueinander. Nicht in einem exakten, es hängt an Anzeigen, KI-Antworten, SERP-Features und Suchintention. Aber die Größenordnung ist stabil genug, um Unmögliches von Unwahrscheinlichem zu unterscheiden.

Position 1,78 bei 674 Impressions und null Klicks ist nicht unwahrscheinlich, sondern unmöglich, wenn dahinter Menschen stehen. Position 4 bei 281 Impressions und null Klicks über sechs Monate ebenfalls. Es gibt für diese Kombination genau zwei Erklärungen: Entweder ist der Positionswert nicht das, was du denkst, oder die Impressions stammen nicht von Nutzern. Beide Erklärungen sind gleich unangenehm, und beide führen dazu, dass du die Zahl nicht verwenden kannst.

Der Test: Jede Zeile, in der eine gute Position auf eine CTR nahe null trifft, ist ein Alarm. Nicht ein Optimierungspotenzial für den Title Tag, sondern ein Alarm.

Und weil die Frage sonst offenbleibt: Ja, es gibt legitime Fälle mit hoher Position und niedriger CTR. Eine Query, die vollständig von einer KI-Antwort beantwortet wird. Ein Knowledge Panel, das die Information direkt liefert. Der Unterschied ist die Größenordnung. Legitime Fälle drücken die CTR auf ein bis drei Prozent. Sie drücken sie nicht auf null über 281 Impressions.

Bis hierhin liest sich der Beitrag, als könntest du keinen dieser Berichte mehr verwenden. So ist es nicht gemeint, und es wäre auch praktisch unbrauchbar. Drei Dinge tragen weiterhin, und sie tragen sogar besser, wenn du weißt, warum der Rest es nicht tut.

Klicks

In der gesamten Auswertung steht genau eine Metrik, die nicht wackelt. Google hat beim Logging-Fehler ausdrücklich festgehalten, dass Klicks nicht betroffen waren. Automatisierte Abfragen erzeugen Impressions, aber keine Klicks, weswegen sie den Wert nicht verfälschen, sondern nur verwässern, wenn du ihn ins Verhältnis setzt.

480 Klicks in sechs Monaten sind eine unangenehme Zahl. Sie ist aber die einzige in der ganzen Tabelle, auf die ich mich verlassen kann. Alles, was in einem Bericht nach Erfolg aussieht und keine Klicks enthält, ist bestenfalls ein Indikator.

Die Schnittmenge zweier unabhängiger Systeme

Der ursprüngliche Anlass dieser Auswertung war die Frage, ob Google und Bing dieselbe Website unterschiedlich einordnen. Nach allem oben lässt sich der Abstand zwischen den Positionswerten nicht mehr interpretieren. Was sich interpretieren lässt, ist die Übereinstimmung.

Es gibt Themen, bei denen beide Systeme dieselben Seiten für dieselben Konzepte als relevant einstufen: Publii, B2B-Nischen-SEO, Dark Keywords, der Vergleich zwischen Bing Webmaster Tools und Search Console, Entitätsabfragen zur Person und zur Marke.

Wenn zwei Ranking-Systeme mit unterschiedlichen Indizes, unterschiedlichen Crawlern und unterschiedlichen Signalen unabhängig voneinander zum selben Ergebnis kommen, ist das ein stärkeres Signal als eine einzelne gute Position in einem System. Diese Aussage überlebt alle vier Befunde, weil sie nicht auf den Absolutwerten beruht, sondern auf der Übereinstimmung zweier fehlerbehafteter Messungen. Zwei unabhängige Fehlerquellen produzieren selten denselben Fehler.

Für die inhaltliche Arbeit ist das die brauchbarste Ableitung aus der ganzen Übung: Verdichte dort, wo beide Systeme dir bereits recht geben. Nicht dort, wo eines von beiden dir schmeichelt.

Die Struktur der Grounding Queries

Auch wenn die Zitierungszahlen kontaminiert sind, bleibt die Liste der Grounding Queries lesbar, sobald du deine eigenen Prompts abgezogen hast. Was danach übrigbleibt, zeigt dir, welche thematischen Verbindungen ein KI-System zwischen fremden Fragen und deinen Inhalten herstellt. Bei mir waren das nach Abzug des Monitorings ernüchternd wenige, aber die verbliebenen waren informativ.

Der Punkt ist die Reihenfolge: erst bereinigen, dann lesen. Nicht umgekehrt.

Das hier ist das Artefakt, für das der ganze Beitrag geschrieben ist. Sieben Prüfschritte, jeweils mit einem Abbruchkriterium. Wenn ein Abbruchkriterium greift, verwendest du die Metrik nicht mehr als Sichtbarkeitsmaß. Nicht mit Fußnote, nicht mit Vorbehalt. Gar nicht.

Schritt 1: Metrikdefinitionen gegenüberstellen

Schreib für jede Kennzahl, die du vergleichen willst, auf, wie der jeweilige Anbieter sie definiert. Nicht aus dem Gedächtnis, aus der Dokumentation.

Abbruch: Für eine der beiden Quellen existiert keine öffentliche Definition. Dann ist es kein Vergleich, sondern eine Gegenüberstellung zweier Zahlen, die zufällig gleich heißen.

Schritt 2: Position gegen CTR plausibilisieren

Für jede Zeile mit einer gemeldeten Durchschnittsposition unter 10: Passt die CTR dazu?

Die Rechnung dahinter ist eine Binomialverteilung. Bei einer angenommenen Klickrate p und n Impressionen liegt die Wahrscheinlichkeit für null Klicks bei (1 − p) hoch n. Weil die realistische Klickrate von Anzeigen, KI-Antworten und Suchintention abhängt, findest du hier drei Annahmen nebeneinander:

Wahrscheinlichkeit für null Klicks bei gemeldeter Position unter 10

Abbruch: Der Wert in der für dein Umfeld passenden Spalte liegt unter einem Prozent. Dann ist die Zeile widerlegt, und zwar unabhängig davon, wie plausibel sie im Dashboard aussieht.

Welche Spalte gilt für dich? Ein Prozent ist die defensivste Annahme und passt zu Queries, die vollständig von einer KI-Antwort beantwortet werden oder von Anzeigen und SERP-Features überlagert sind. Drei Prozent ist der brauchbare Standardfall für B2B und erklärungsbedürftige Themen. Fünf Prozent ist die klassische Annahme für Position 4 bei einer weitgehend organischen Ergebnisseite. Im Zweifel nimmst du die linke Spalte, dann irrst du dich zugunsten der Daten.

Meine Zeilen aus Befund 1 landen zusammengenommen bei 281 Impressionen auf Position um 4 mit null Klicks. In der Drei-Prozent-Spalte sind das 0,019 Prozent. Die Kombination gibt es nicht, wenn dahinter Menschen stehen.

Zwei Hinweise zur sauberen Anwendung. Erstens gilt die Prüfung nur für Positionen unter 10. Auf Position 40 sind null Klicks völlig normal und sagen dir nichts. Zweitens ist eine niedrige CTR bei guter Position kein Abbruchkriterium, nur eine CTR von exakt null. Ein Prozent statt fünf ist ein Optimierungsthema. Null bei dreistelligen Impressionen ist ein Messproblem.

Schritt 3: Unabhängige Gegenprobe für drei Keywords

Nimm drei Keywords mit relevantem Volumen und lass sie von einem Rank Tracker scrapen, getrennt für jedes System.

Abbruch: Die Abweichung zwischen gemeldetem und gemessenem Wert ist bei mehr als einem der drei Keywords zweistellig.

Schritt 4: Monitoring-Zeitplan über die Tagesreihe legen

Trag zusammen, welche deiner Tools an welchen Wochentagen laufen. AI-Visibility-Monitoring, Rank Tracker, Uptime-Checks, Crawler von SEO-Suiten. Dann bilde für jede Metrik den Mittelwert an Lauftagen und den Mittelwert an den übrigen Tagen.

Entscheidend ist, dass du Impressionen und Klicks getrennt betrachtest. Ein wöchentlicher Ausschlag allein beweist nämlich gar nichts. Viele Websites haben aus vollkommen legitimen Gründen einen Wochenrhythmus: der Newsletter geht montags raus, das Webinar läuft donnerstags, der feste LinkedIn-Post erscheint dienstags. All das erzeugt Markensuchen, und Markensuchen erzeugen Impressionen. Aber sie erzeugen eben auch Klicks.

Die Unterscheidung ist deshalb einfach:

Abbruch: Der Mittelwert der Impressionen an Lauftagen liegt beim Dreifachen der übrigen Tage oder darüber, während die CTR an diesen Tagen gleichzeitig unter das Niveau der übrigen Tage fällt. Steigen beide Werte gemeinsam, greift das Kriterium nicht.

Bei mir waren es 251,9 gegenüber 33,3 Zitierungen an Lauftagen, also Faktor 7,6, und in der Search Console 646 gegenüber 222 Brand-Impressionen an Sonntagen. Klicks an diesen Sonntagen: null, an jedem einzelnen von elf aufeinanderfolgenden Sonntagen.

Zusatzschritt für alle, die kein Tool zuordnen können: Prüfe stattdessen alle sieben Wochentage. Wenn ein Wochentag ohne erkennbaren Grund heraussticht, gilt dasselbe Kriterium. Der Grund muss nicht bekannt sein, damit es greift.

Und ein Plausibilitätscheck, der nichts kostet: Passt der Wochentag überhaupt zu deiner Zielgruppe? Eine B2B-Website hat ihre schwächsten Tage normalerweise am Wochenende. Wenn ausgerechnet der Sonntag der stärkste Tag ist und der Donnerstag der schwächste, ist das schon ohne jeden Toolvergleich ein Grund, genauer hinzusehen.

Schritt 5: Brand und Non-Brand trennen

Wiederhole Schritt 4 getrennt für Abfragen mit und ohne deinen Markennamen.

Abbruch: Das Muster tritt nur im Brand-Segment auf. Dann ist die Ursache mit hoher Wahrscheinlichkeit Brand-Monitoring, und deine Brand-Kennzahlen sind unbrauchbar, während die Non-Brand-Kennzahlen weiterverwendet werden können. Diese Trennung rettet dir in der Regel den größeren Teil deiner Daten.

Schritt 6: Bekannte Datenfehler des Anbieters annotieren

Für Google Search Console: Der Zeitraum 13. Mai 2025 bis 27. April 2026 ist für Impressions, CTR und durchschnittliche Position nicht mit späteren Zeiträumen vergleichbar. Prüfe die Anomalienseite deines Anbieters, bevor du einen Periodenvergleich baust.

Abbruch: Dein Vergleichszeitraum überlappt zu mehr als einem Drittel mit einem bekannten Fehlerfenster.

Schritt 7: Auf Klicks zurückfallen

Wenn mindestens ein Abbruchkriterium gegriffen hat, formulierst du die Aussage neu, und zwar auf Basis der Metrik, die nicht betroffen ist.

Das ist unbequemer, weil Klickzahlen kleiner und langweiliger sind als Impressionen. Es ist auch der einzige Weg, eine Aussage zu treffen, die drei Monate später noch trägt.

Merksatz für das Prüfraster: Eine Datenquelle ist erst dann auswertbar, wenn du eine zweite hast, die unabhängig dasselbe misst. Das ist der Grund, warum der Abgleich zwischen Bing-Bericht und Monitoring-Export etwas gezeigt hat und die schönste Einzelauswertung nichts gezeigt hätte.

Eine Stunde, vier Blöcke. Am Ende weißt du, welche deiner Kennzahlen du im nächsten Report verwenden darfst und welche nicht.

Wer alle vier Blöcke durchhat, weiß mehr über die eigene Datenlage als die meisten Agenturen über die ihrer Kunden.

Die ehrlichste Zusammenfassung dieses Beitrags ist eine Zahl: 480 Klicks in sechs Monaten. Alles andere in meiner Auswertung, 353.607 Google-Impressionen, 10.312 Copilot-Zitierungen, 21.199 Impressionen im Generative-KI-Bericht, ist Messung. Und ein erheblicher Teil dieser Messung misst meine eigene Messung.

Das ist kein Argument gegen Monitoring. Ohne den Export aus meinem AI-Visibility-Tool hätte ich das Muster nie zuordnen können, und ohne die Server-Logs hätte ich keine Kontrollgruppe gehabt. Mehr Datenquellen sind besser, nicht schlechter. Aber sie sind nur dann besser, wenn du sie gegeneinander prüfst statt nebeneinanderzulegen.

Die Branche macht gerade das Gegenteil. Es kommen laufend neue Berichtsoberflächen dazu, sie tragen dieselben Spaltennamen wie die alten, und niemand fragt nach, ob dahinter dieselbe Definition steht. Citation Share wird als Wettbewerbskennzahl verkauft, obwohl er bei Markenabfragen strukturell hoch sein muss. AI-Impressionen werden als Nachfrage gelesen, obwohl sie zu einem messbaren Teil aus Monitoring-Panels stammen. Und die durchschnittliche Position aus zwei Systemen landet in benachbarten Spalten, als wäre das ein Vergleich.

Wenn du es nicht messen kannst, steuerst du nach Gefühl. Wenn du falsch misst, steuerst du nach Gefühl und hältst es für Daten. Das Zweite ist der teurere Fehler, weil es sich nach Kontrolle anfühlt.

Der nächste sinnvolle Schritt

Öffne die Search Console, exportiere den Leistungsbericht als Tagesreihe über 90 Tage und trenne ihn nach Brand und Non-Brand. Bilde je Wochentag den Mittelwert der Impressionen und den der Klicks. Das dauert zwanzig Minuten.

Wenn ein Wochentag heraussticht und dort nur die Impressionen steigen, hast du dasselbe Problem wie ich. Dann geh die sieben Prüfschritte aus dem Validitätsraster durch und entscheide für jede Kennzahl einzeln, ob sie in deinen nächsten Report gehört.

Und wenn kein Wochentag heraussticht: umso besser. Dann hast du zwanzig Minuten investiert und weißt jetzt, dass deine Zahlen tragen. Das ist mehr, als die meisten über ihre Daten sagen können.