Es gibt unzählige Empfehlungen, wie man die Sichtbarkeit in KI-Assistenten verbessert. Viele davon sind Annahmen. Prompt-Level SEO ist die Disziplin, systematisch zu testen, ob Ihre Marke in KI-Antworten vorkommt und welche Änderungen an Inhalten oder Auszeichnungen daran tatsächlich etwas verändern.
Das Kernproblem: Sichtbarkeit in KI-Antworten lässt sich nicht wie ein klassisches Ranking mit einem einzigen Screenshot festhalten. Antworten schwanken, hängen von Kontext und Zeitpunkt ab und verändern sich mit jedem Modell-Update. Dieser Leitfaden zeigt das Experiment-Framework – und wie Sie die wichtigsten Checks ganz ohne kostenpflichtiges Tool durchführen.
Vertiefung: Bings Grounding-Index und Attribution · KI-SEO und GEO bei YellowFrog
Prompt-Level SEO braucht dasselbe Vorgehen wie jedes saubere Experiment: eine klar isolierte Variable, einen definierten Messzeitraum, eine vorab dokumentierte Hypothese und eine wiederholbare Testumgebung. Weil KI-Antworten laut OpenAI standardmäßig nicht deterministisch sind, zählt nicht die einzelne Antwort, sondern die Quote über wiederholte Abfragen. Für den Einstieg genügen eine feste Prompt-Liste, ein Tabellenprotokoll und kostenlose Datenquellen: Google Search Console (Suchtyp „Web“ für AI Overviews und KI-Modus), Bing Webmaster Tools (Bericht „AI Performance“) und Google Analytics 4 (Channel „KI-Assistent“).
Warum LLM-Sichtbarkeit Experimente braucht
Sichtbarkeit in KI-Antworten braucht Experimente, weil der klassische Rückkopplungskreis der Suchmaschinenoptimierung – ändern, Rankings beobachten, Ursache ableiten – bei KI-Assistenten nicht von selbst funktioniert.
- Antworten sind nicht deterministisch: OpenAI beschreibt seine APIs im OpenAI Cookbook als standardmäßig nicht deterministisch. Selbst mit festem Seed-Parameter ist Determinismus ausdrücklich nicht garantiert.
- Kontext beeinflusst Antworten: Verlauf, Einstellungen und Standort können Ergebnisse verändern – ohne Kontrolle entsteht kein sauberes Signal.
- Modell-Updates verschieben die Basis: Ohne Dokumentation von System und Zeitpunkt ist kein Vergleich möglich.
- Änderungen wirken verzögert: Neue Inhalte fließen erst ein, wenn die Systeme Ihre Seiten erneut abrufen – eine Praxisbeobachtung, kein dokumentierter Zeitraum.
Die vier Grundprinzipien des Prompt-Level SEO
Vier Prinzipien entscheiden darüber, ob ein Test belastbare Erkenntnisse liefert oder nur Anekdoten. Sie beruhen auf allgemeinen Grundsätzen sauberer Experimente und unserer Praxis:
| Prinzip | Was es bedeutet | Typischer Fehler |
|---|---|---|
| Eine Variable isolieren | Pro Experiment nur eine Änderung – Inhalt oder Markup, nie beides | Produktbeschreibung und Markup gleichzeitig ändern – keine Zuordnung möglich |
| Wenn-dann-weil | Hypothese vor dem Test: Wenn X, dann Y, weil Z | Ergebnis erst nachträglich deuten – Bestätigungsfehler |
| Versionen dokumentieren | KI-System, Modell (soweit angezeigt) und Datum festhalten | Modell-Update verändert die Basis, aber es gibt keinen Vergleichspunkt |
| Kontrollierte Umgebung | Ohne Login und Verlauf testen oder über eine API abfragen | Personalisiertes Ergebnis als allgemeine Sichtbarkeit deuten |
Das häufigste Problem: zu viel auf einmal ändern. Ein Update, das gleichzeitig Produktbeschreibung, FAQ-Antwort und Markup verändert, zeigt im besten Fall, ob die Marke besser oder schlechter sichtbar ist – aber nicht, warum. Ohne diese Zuordnung ist das Experiment für künftige Entscheidungen wertlos.
Experiment-Typ 1: Content-Modifikation (Single-Paragraph-Swap)
Das aussagekräftigste Content-Experiment verändert genau einen Textabschnitt – nicht die ganze Seite, nicht mehrere Abschnitte.
Aufbau: Auf der Testseite wird ein einzelner Absatz geändert, etwa eine Produktbeschreibung. Die Prompts zielen genau auf die geänderte Information. Gemessen werden Inclusion Rate und Position in der Antwort vor und nach der Änderung.
Hypothese: Wenn wir den Produktabsatz auf Seite X von vagen Adjektiven auf konkrete, überprüfbare Angaben umschreiben, dann steigt die Inclusion Rate bei der Frage „Welche Tools helfen bei [konkretes Problem]?“, weil konkrete Fakten leichter in eine Antwort zu übernehmen sind als Werbesprache. Die Begründung ist eine Arbeitshypothese – genau sie soll der Test prüfen.
Warum es funktioniert: Der Single-Paragraph-Swap erzeugt maximale Isolation. Weil der Prompt direkt auf die geänderte Information zielt, lässt sich eine Veränderung der Inclusion Rate dieser Änderung zuordnen – vorausgesetzt, im selben Zeitraum gab es kein Modell-Update.
Experiment-Typ 2: Schema-Testing (FAQ-Schema-Isolation)
Markup-Experimente brauchen vollständige Isolation: Die Änderung am strukturierten Markup ist die einzige Variable, der sichtbare Text bleibt exakt gleich.
Beispiel: Seiten, die bereits Frage-Antwort-Abschnitte enthalten, erhalten zusätzlich FAQPage-Markup – der sichtbare Text bleibt unverändert. Beachten Sie dabei: Google zeigt laut Änderungsprotokoll der Search-Central-Dokumentation seit dem 7. Mai 2026 keine FAQ-Rich-Results mehr an. Ein solcher Test misst also ausschließlich, ob sich die Darstellung in KI-Antworten verändert, nicht einen Effekt in der klassischen Suche. Was das Ende der FAQ-Rich-Results für bestehendes Markup bedeutet, erläutern wir im Beitrag Google beendet FAQ Rich Results.
Weitere Testideen: Marken-, Modell- oder Angebotsangaben im Produkt-Markup ergänzen, ohne den sichtbaren Text zu ändern; Autoren- und Organisations-Markup auf Artikelseiten testen. Jede dieser Änderungen ist ein eigenes Experiment.
Markup-Änderungen brauchen eine saubere Basisphase. Wir empfehlen aus der Praxis mindestens eine Woche Messung vor der Änderung und mindestens eine Woche danach – nur so lässt sich eine Veränderung der Änderung zuordnen.
Checks ohne kostenpflichtiges Tool
Die wichtigsten Prüfungen der KI-Sichtbarkeit gelingen mit kostenlosen Mitteln: einer festen Prompt-Liste, einem Tabellenprotokoll und den Berichten, die Google, Microsoft und Google Analytics ohnehin bereitstellen.
1. Feste Prompt-Liste anlegen
Legen Sie 10 bis 20 Fragen fest, die Ihre Zielgruppe tatsächlich stellen würde – von allgemeinen Kategoriefragen („Welche Software eignet sich für …?“) bis zu konkreten Vergleichsfragen. Formulieren Sie jede Frage einmal und verändern Sie den Wortlaut danach nicht mehr. Die Anzahl ist eine Praxisempfehlung: groß genug für ein Muster, klein genug für regelmäßige Wiederholung.
2. Jeden Prompt mehrfach abfragen
Weil Antworten schwanken, fragen Sie jeden Prompt pro Messtermin mehrmals ab, jeweils in einem neuen Chat, ohne Login-Verlauf oder mit deaktiviertem Verlauf. Aus den Wiederholungen ergibt sich die Inclusion Rate: Anzahl der Antworten mit Ihrer Marke geteilt durch die Zahl der Abfragen.
3. Quellen in den Antworten prüfen
Perplexity versieht seine Antworten laut eigenem Hilfe-Center mit Zitaten und Links zu den Originalquellen. Auch die Suchfunktion von ChatGPT verweist auf Websites; dafür setzt OpenAI laut seiner Crawler-Dokumentation den OAI-SearchBot ein. Notieren Sie, welche Quellen zitiert werden – Ihre eigene Website, Vergleichsportale, Foren, Presse. Prüfen Sie außerdem, ob Ihre robots.txt den OAI-SearchBot versehentlich aussperrt.
4. Google Search Console auswerten
Laut Google werden AI Overviews und der KI-Modus im Leistungsbericht der Search Console unter dem Suchtyp „Web“ erfasst. Zusätzliche Anforderungen oder spezielle Optimierungen für diese Funktionen gibt es laut Google nicht – es gelten die bekannten SEO-Grundlagen. Beobachten Sie deshalb Impressionen und Klicks Ihrer wichtigsten Suchanfragen und prüfen Sie ergänzend selbst, ob für diese Anfragen eine KI-Übersicht erscheint und Ihre Seite darin verlinkt ist.
5. Bing Webmaster Tools nutzen
Microsoft hat im Februar 2026 den Bericht „AI Performance“ in den Bing Webmaster Tools als öffentliche Vorschau eingeführt. Laut Bing Webmaster Blog zeigt er, wie Inhalte von Publishern in Microsoft Copilot, in KI-generierten Zusammenfassungen in Bing und in ausgewählten Partnerintegrationen zitiert werden – unter anderem mit der Gesamtzahl der Zitierungen, den durchschnittlich zitierten Seiten, Grounding-Suchanfragen und Zitierungen pro URL. Die Bing Webmaster Tools selbst sind laut Microsoft kostenlos.
6. Besuche aus KI-Assistenten in Google Analytics 4 erkennen
Die Standard-Channelgruppe von Google Analytics 4 enthält den Channel „KI-Assistent“ für Nutzer, die über Quellen wie ChatGPT, Gemini, Deepseek, Copilot oder Grok auf Ihre Website gelangen. Übersichten mit KI und der KI-Modus von Google sind davon laut Google ausgeschlossen. Der Channel zeigt also, ob KI-Antworten tatsächlich Besuche bringen – nicht, wie oft Sie erwähnt werden.
Protokollvorlage
Halten Sie jede Abfrage in einer einfachen Tabelle fest. So bleiben Ergebnisse über Wochen und Modellwechsel hinweg vergleichbar:
| Spalte | Inhalt | Beispiel |
|---|---|---|
| Datum | Tag der Abfrage | 14.10.2026 |
| KI-System | Dienst und, soweit angezeigt, Modell | Perplexity, Standardmodell |
| Prompt | Exakter Wortlaut aus der festen Liste | „Welche Software eignet sich für …?“ |
| Durchlauf | Nummer der Wiederholung | 2 von 5 |
| Marke erwähnt | Ja oder nein | Ja |
| Position | Zuerst genannt, mittendrin oder am Rand | Zweite Empfehlung |
| Framing | Positiv, neutral oder eingeschränkt | Neutral |
| Zitierte Quellen | Verlinkte Websites | Eigene Produktseite, ein Vergleichsportal |
Für lokale Unternehmen gelten zusätzliche Besonderheiten, etwa beim Standortbezug der Antworten. Wie ein methodisch sauberer lokaler Audit aussieht, zeigt unser Baseline-Audit für lokale KI-Sichtbarkeit.
Messung und Dokumentation
Jeder Testdurchlauf erfasst dieselben drei Kennzahlen, damit Ergebnisse über Zeit vergleichbar bleiben:
| Kennzahl | Was gemessen wird | Wie gemessen wird |
|---|---|---|
| Inclusion Rate | In wie vielen Antworten kommt die Marke vor? | Antworten mit Marke geteilt durch alle Abfragen |
| Position in der Antwort | Wo erscheint die Marke – zuerst, mittendrin, am Rand? | Reihenfolge der Nennung je Antwort festhalten |
| Framing | Wie wird die Marke beschrieben? | Je Antwort einordnen: positiv, neutral, eingeschränkt |
Dokumentations-Standard: Jeder Test wird mit seiner Wenn-dann-weil-Hypothese archiviert. Das hält Prämisse, Maßnahme und erwartetes Ergebnis fest – und erlaubt späteren Teams zu prüfen, ob ein Test nach Modell-Updates noch aussagekräftig ist.
Versionsdokumentation ist nicht optional. Wenn ein Modell-Update die Basis verändert, muss nachvollziehbar sein, welches System zu welchem Zeitpunkt abgefragt wurde. Ohne diese Angabe ist kein sinnvoller Vergleich möglich.
Testumgebung richtig einrichten
Eine kontrollierte Testumgebung sorgt dafür, dass Sie Veränderungen der Sichtbarkeit messen und nicht Ihre eigene Personalisierung.
- Ohne Login und Verlauf testen oder den Verlauf in den Einstellungen deaktivieren
- Für jeden Prompt einen neuen Chat öffnen, damit frühere Fragen die Antwort nicht beeinflussen
- Über eine API abfragen, wo das möglich ist – aber beachten: Je nach Konfiguration arbeiten API-Modelle ohne Websuche und können sich deutlich von der Consumer-App unterscheiden, die Ihre Kunden nutzen (Praxishinweis)
- Prompt-Bibliothek pflegen: Jede Abfrage wird mit Datum und System gespeichert
Vorsicht bei Modell-Updates: Ein Update kann die Basis verschieben, ohne dass Sie etwas geändert haben. Eine Verbesserung von letzter Woche kann nach einem Update wieder verschwinden – nicht weil Ihre Änderung rückgängig gemacht wurde, sondern weil sich das Modell geändert hat.
Häufige Fragen
Was ist Prompt-Level SEO?
Prompt-Level SEO bezeichnet das systematische Testen, ob und wie eine Marke in den Antworten von KI-Assistenten wie ChatGPT, Perplexity oder Gemini erscheint – und welche Änderungen an Inhalten oder Auszeichnungen diese Sichtbarkeit verändern. Gearbeitet wird mit festen Prompts, Hypothesen und dokumentierten Messungen.
Kann ich KI-Sichtbarkeit ohne kostenpflichtiges Tool prüfen?
Ja. Eine feste Prompt-Liste, wiederholte Abfragen, ein einfaches Protokoll in einer Tabelle sowie kostenlose Datenquellen reichen für den Einstieg: der Leistungsbericht der Google Search Console, der Bericht „AI Performance“ in den Bing Webmaster Tools und der Channel „KI-Assistent“ in Google Analytics 4.
Warum muss ich denselben Prompt mehrmals abfragen?
Weil KI-Antworten schwanken. OpenAI beschreibt seine APIs als standardmäßig nicht deterministisch; selbst mit festem Seed-Parameter ist Determinismus laut OpenAI nicht garantiert. Erst mehrere Abfragen desselben Prompts zeigen, wie stabil die Erwähnung Ihrer Marke tatsächlich ist.
Wie messe ich meine Sichtbarkeit in Google AI Overviews?
Google erfasst Daten aus AI Overviews und dem KI-Modus im Leistungsbericht der Search Console unter dem Suchtyp „Web“. Zusätzliche Anforderungen oder spezielle Optimierungen für diese Funktionen gibt es laut Google nicht. Ergänzend können Sie relevante Suchanfragen regelmäßig selbst prüfen und dokumentieren.
Welche Kennzahlen sollte ich protokollieren?
Bewährt haben sich drei Kennzahlen: die Inclusion Rate (in wie vielen Antworten die Marke vorkommt), die Position in der Antwort (zuerst genannt, mittendrin oder am Rand) und das Framing (positiv, neutral oder eingeschränkt). Dazu gehören Datum, KI-System und, wo erkennbar, die verlinkten Quellen.
Wie lange sollte ein Experiment laufen?
Wir empfehlen aus der Praxis mindestens eine Woche Basismessung vor einer Änderung und mindestens eine Woche Messung danach. Wichtiger als die genaue Dauer ist, dass Sie nur eine Variable ändern und Modellwechsel der Anbieter dokumentieren, weil diese die Ergebnisse unabhängig von Ihren Änderungen verschieben können.
Fazit
Prompt-Level SEO ist kein Hype, sondern die konsequente Anwendung sauberer Experimente auf ein neues Feld. Die Werkzeuge sind andere, die Grundsätze dieselben: isolieren, messen, dokumentieren, wiederholen.
- Eine Variable pro Experiment: Inhalt oder Markup, nie beides.
- Wenn-dann-weil: Hypothese vor dem Test festhalten, nicht nach dem Ergebnis.
- Wiederholen statt einmal fragen: KI-Antworten sind nicht deterministisch.
- Versionen dokumentieren: System und Datum immer festhalten.
- Kostenlose Daten nutzen: Search Console, Bing Webmaster Tools und Google Analytics 4.
- Drei Kennzahlen: Inclusion Rate, Position in der Antwort, Framing.
Ob Ihre Marke in KI-Antworten vorkommt, hängt auch davon ab, was andere Websites über Sie schreiben. Wie Sie diese Fremdquellen prüfen, zeigt unser Off-Page-Audit für KI-Sichtbarkeit; wie KI-Antworten grundsätzlich zu ihren Quellen kommen, erklärt der Leitfaden In KI-Antworten zitiert werden.
„Prompt-Level SEO prüft systematisch, ob und wie eine Marke in ChatGPT, Perplexity und Gemini auftaucht. Mit klaren Hypothesen, wiederholbaren Prompts und dokumentierten Messungen wird KI-Sichtbarkeit vom Bauchgefühl zur überprüfbaren Größe – und die wichtigsten Checks gelingen auch ohne kostenpflichtiges Tool.“
Aus der Praxis
Erfahrungsgemäß scheitern erste Sichtbarkeitstests in KI-Systemen an fehlender Systematik: Prompts werden einmalig und unstrukturiert abgesetzt. Belastbar wird das Bild erst durch definierte Hypothesen, wiederholbare Abfragen und saubere Dokumentation über mehrere Modelle und Zeitpunkte hinweg.
Quick-Check: Testen Sie Ihre KI-Sichtbarkeit systematisch genug?
Setzen Sie die Haken, die auf Ihre Marke zutreffen.
Quellen
Allgemeine Information zu Testmethoden für KI-Sichtbarkeit. KI-Modelle, Schnittstellen und Berichte entwickeln sich laufend weiter – Testergebnisse sind Momentaufnahmen und keine Garantie für künftige Sichtbarkeit. Stand: Oktober 2026.
YellowFrog
Sichtbarkeit ist kein Zufall.
Lassen Sie uns gemeinsam prüfen, wie Ihre Marke in Google – und in KI-Antworten – sichtbarer wird. Konkret, messbar, ohne Buzzword-Bingo.
Weiterlesen & passende Leistungen
Verwandte Beiträge
Passende Leistungen