Directional oder decision-grade: Welchen KI-Sichtbarkeitszahlen du trauen kannst

Es gibt inzwischen einen Markt für Zahlen, die dir sagen sollen, wie oft ChatGPT, Gemini oder Perplexity deine Marke nennen. Und es gibt ein Problem mit diesem Markt: Die Zahlen widersprechen sich. Genau da setzt das IAB an — mit einer Unterscheidung, die du in deine Budgetlogik übernehmen solltest, bevor du das nächste Tool kaufst.

Was das IAB veröffentlicht hat — und was nicht

Am 3. August 2026 hat das IAB das Dokument „Measuring Visibility in the AI Era“ veröffentlicht. Die Begründung des Verbands: Mehr als 20 Anbieter verkaufen mittlerweile Tools zur Messung von KI-Sichtbarkeit, und sie kommen mit unterschiedlichen Methoden zu unterschiedlichen Ergebnissen für dieselbe Marke (belegt durch die IAB-Pressemitteilung — Primärquelle, aber zugleich Eigendarstellung des Herausgebers). Der Umfang liegt bei 36 Seiten, datiert auf August 2026 (belegt über ppc.land, Fachpublikation mit namentlicher Autorenschaft).

Wichtiger als das, was drinsteht, ist zunächst, was ausdrücklich nicht drinsteht. Das Dokument bewertet keine Anbieter, schreibt keine Tools vor und baut kein Messsystem. Es liefert Vokabular, Qualitätskriterien und Offenlegungsanforderungen — so die Executive Summary des Papiers selbst.

Und es ist ausdrücklich kein Standard. Caroline Giegerich, VP AI beim IAB, sagte AdExchanger, ein Standard setze Stabilität voraus, und der Markt sei in einer Übergangsphase. Auch das Wort „Framework“ habe man kurzfristig aus dem Titel genommen, um dem überfüllten Framework-Stapel nicht noch eines hinzuzufügen. Bemerkenswert: Die IAB-eigene Pressemitteilung spricht trotzdem mehrfach von „this Framework“, Marketing Dive nennt es „AI Visibility Measurement Framework“. Die Verbandskommunikation ist hier schlicht nicht konsistent. Für dich heißt das: Behandle es als Orientierung mit Verbandsgewicht, nicht als etwas, worauf du dich vertraglich berufen kannst.

Zweite Grenze: Es geht ausschließlich um organische KI-Sichtbarkeit, nicht um bezahlte Platzierungen. Giegerich begründete das gegenüber MediaPost damit, dass organische Sichtbarkeit schwerer zu messen sei als Paid Media — deshalb habe man dort angefangen.

Der eigentliche Punkt: zwei Qualitätsstufen

Das Nützlichste in dem Papier ist eine einfache Trennung.

Directional heißt: Die Daten erkennen Muster und zeigen Trends. Sie taugen für Frühwarnung und Wettbewerbsbeobachtung. Sie reichen laut IAB nicht für Budgetallokation oder Strategieentscheidungen auf Führungsebene.

Decision-grade heißt: Die Daten erfüllen einen höheren Rigorositätsstandard über sechs Dimensionen — Query-Volumen, Stichprobengröße, Abdeckung der Prompt-Typen, Testfrequenz, Reproduzierbarkeit und Plattformabdeckung. Erst dann sind sie Grundlage für Budget- oder Strategieentscheidungen (beides belegt durch die IAB-Pressemitteilung; Marketing Dive nennt zusätzlich Datenvalidierung als Kriterium — die exakte Zahl der Dimensionen ist zwischen den Quellen also nicht deckungsgleich).

Eine konkrete Untergrenze ist dokumentiert: Alles unter 50 Queries stuft das IAB als „exploratory“ ein, weil sich mit weniger Prompts eine Kategorie nicht sinnvoll charakterisieren lässt (AdExchanger, mit direktem Zitat aus dem Dokument). Ob „exploratory“ im Papier eine eigene dritte Stufe ist oder nur ein Schwellenwert innerhalb von directional, ist offen — die Pressemitteilung spricht durchgängig von zwei Stufen, mehrere Sekundärlektüren beschreiben faktisch drei.

Das Ergebnis dieses Widerspruchs für dich ist trotzdem eindeutig: Es gibt eine Schwelle, unter der eine Zahl keine Entscheidungsgrundlage ist. Und die meisten Dashboards sagen dir nicht, auf welcher Seite dieser Schwelle sie stehen.

Warum das kein methodisches Feintuning ist, sondern der Kern

Der Grund für die ganze Übung ist im Papier selbst benannt: KI-Plattformen liefern keine deterministischen Ausgaben. Identische Queries erzeugen unterschiedliche Antworten, und Plattform-Updates können Sichtbarkeitsmetriken über Nacht verschieben — völlig unabhängig davon, was deine Marke tut.

Giegerich hat das gegenüber MediaPost anschaulich gemacht: Wer aus SEO und SEM kommt, ist relativ geradlinige Daten gewohnt. ChatGPT und Gemini sind probabilistische Modelle. Bei einer Marke wie Coca-Cola fällt das kaum auf. In einer variablen Kategorie wie Feuchtigkeitscremes können hundert Nutzer hundert unterschiedliche Antworten bekommen.

Daraus folgt die Empfehlung, Sichtbarkeit als Spanne statt als Einzelwert zu berichten. Vorsicht bei den kursierenden Zahlenbeispielen dazu: Die konkrete Formulierung „rund 22 %, plus/minus 4 Punkte“ findet sich nur in Anbieter-Blogs von Marktteilnehmern, nicht als belegte IAB-Formulierung. Das Prinzip ist tragfähig, das Beispiel ist es nicht.

Ebenso das schärfste Werkzeug im Papier, das gern übersehen wird: Eine verweigerte oder unmögliche Offenlegung ist selbst ein Signal. Wenn ein Anbieter dir nicht sagt, wie viele Queries, welche Prompt-Typen, welche Plattformen und in welcher Frequenz — dann hast du die Antwort auf die Qualitätsfrage bereits.

Die 4 Ps: Vokabular, das deine Diskussionen sortiert

Marketing Dive beschreibt die Metrik-Hierarchie so: Presence (Mention Rate, Citation Rate, Share of Voice), darunter Prominence (Platzierung und Reihenfolge), dann Portrayal (Sentiment, Framing, Hallucination Rate, Factual Inaccuracy Rate), zuletzt Persuasion (Recommendation Strength, Post-Citation-Click-Through-Rate). Das IAB selbst beschreibt das als kausale Hierarchie, in der jede Metrik gemeinsam mit den Offenlegungen definiert wird, die Ergebnisse zwischen Anbietern überhaupt vergleichbar machen.

Der für Marketing-Verantwortliche interessanteste Teil ist Persuasion — er ist explizit als Brücke zum kommenden Attributions-Framework angelegt. Digiday berichtet, ein solches Dokument sei für den 12. November 2026 angekündigt und solle behandeln, wie durch KI beeinflusste Conversions attribuiert werden; voraussichtlich unterschieden nach „KI spielt etwas aus“ und „KI hilft bei der Entscheidung“. Das ist eine Ankündigung, kein Ergebnis.

Und es gibt einen Einwand, der bleibt: Digiday hält in einem Briefing fest, dass Branchen-Frameworks Definitionen setzen können, ihre Wirksamkeit aber davon abhängt, ob die Plattformen genug Zugang gewähren, um solche Standards unabhängig anzuwenden. Ein Vokabular allein erzeugt keine Citations.

Was das für dich im DACH-Raum heißt

Eine deutschsprachige Fachberichterstattung zum IAB-Papier ist nicht auffindbar — eine Einordnung für den DACH-Markt musst du selbst bauen, du kannst sie nirgends abschreiben.

Die Nachfrageseite ist immerhin grob umrissen: In einer repräsentativen Bitkom-Umfrage unter mehr als 1.000 Anwendern in Deutschland nutzt die Hälfte zumindest manchmal den KI-Dialog statt der klassischen Suche; 7 % überwiegend, 5 % ausschließlich. 42 % derer, die KI zur Suche nutzen, haben nach eigener Angabe schon falsche oder erfundene Informationen erhalten. Einschränkung: Die Erhebung stammt aus November 2025 und liegt hier nur als Presseberichtssekundärbeleg vor.

Auf der Messseite existiert eine deutsche Studie mit offengelegter Methodik: Collective Brain wertete 986 Antworten von Perplexity und Google Gemini zu 193 Mittelständlern aus zehn Branchen aus. 39,9 % der Unternehmen tauchten in keiner einzigen Antwort zu ihrer Branche auf, 61 % der Antworten zitierten Verzeichnisse statt Firmen-Websites. Es ist eine Agentur-Eigenstudie ohne Drittvalidierung — und nach IAB-Logik mit zwei Engines und knapp 1.000 Antworten nicht ohne Weiteres als decision-grade einzuordnen. Als Richtungsanzeige ist sie brauchbar, als Budgetbegründung nicht.

Einen Wert solltest du in keiner Präsentation ungeprüft verwenden: die viel zitierten 16 % der Marken, die KI-Sichtbarkeit systematisch verfolgen. Marketing Dive schreibt sie McKinsey-CMO-Befragungen zu, andere Fachbeiträge halten fest, dass sie ohne Stichprobe, Methodik oder geografischen Zuschnitt im IAB-Papier steht. Die Zuschreibung ist ungeklärt. Wer die Zahl auf eine Folie nimmt, sollte das dazusagen.

Der Test, den du diese Woche machen kannst

Nimm das Dashboard, aus dem in deinem Team KI-Sichtbarkeitszahlen kommen, und stelle sechs Fragen: Wie viele Queries? Welche Stichprobe? Welche Prompt-Typen? Wie häufig getestet? Reproduzierbar? Welche Plattformen? Wenn du auf mehr als zwei davon keine Antwort bekommst, hast du eine directional-Zahl — und die darf Aufmerksamkeit steuern, aber kein Budget.

Genau diese Sortierarbeit ist der Grund, warum wir so arbeiten, wie wir arbeiten. Impact-first heißt bei uns: Es zählen Umsatz, Leads und Wachstum, nicht Aktivitätsmetriken — und dazu gehört die unbequeme Vorarbeit, welche Zahl diesen Anspruch überhaupt erfüllt und welche nur so aussieht. Zero-Silo heißt: ein gemeinsames Team mit dir statt getrennter Abteilungen, mit wöchentlichen Entscheidungsrunden, in denen genau solche Fragen gestellt werden, bevor jemand eine Kurve interpretiert. Und Brandformance — Markenaufbau und messbarer Abverkauf in einem System statt in zwei konkurrierenden Teams — ist bei KI-Sichtbarkeit keine Haltung, sondern Notwendigkeit: Presence und Portrayal sind Markenthemen, Persuasion ist ein Performance-Thema, und sie hängen in derselben Hierarchie.

Wir sind nicht die, die dir ein weiteres Sichtbarkeits-Dashboard verkaufen. Wir sind die, die dir sagen, welcher Zahl darin du nicht trauen solltest — und die die Messlogik dann mit dir so aufsetzen, dass sie Entscheidungen tragen kann.

Wenn du wissen willst, wie belastbar deine KI-Sichtbarkeitszahlen wirklich sind: Lass uns in einem kostenlosen Erstgespräch gemeinsam draufschauen.

Dieser Beitrag wurde mit KI-Unterstützung erstellt und redaktionell geprüft.