AI-Visibility-Audit: Die 20-Punkte-Checkliste

Was das Audit tatsächlich bewertet

Bevor es ein Markenproblem ist, ist es ein Klickproblem. Das Pew Research Center hat echte Google-Nutzer beobachtet und festgestellt: Erschien eine KI-Zusammenfassung, klickten Nutzer bei 8 % der Besuche auf ein klassisches Suchergebnis, gegenüber 15 % der Besuche ohne Zusammenfassung — und nur 1 % klickte auf einen Link innerhalb der Zusammenfassung selbst. Die Quelle zu sein, aus der die Zusammenfassung gebaut wird, zählt mehr, als darunter zu ranken.

Das Audit bewertet daher fünf Dinge in strikter Abhängigkeitsreihenfolge. Crawlbarkeit entscheidet, ob Retrieval-Agenten Sie überhaupt lesen können. Entitätskonsistenz entscheidet, ob ein Modell Ihren Namen eindeutig einer Organisation zuordnen kann. Externe Signale entscheiden, ob irgendetwas außerhalb Ihrer Domain bestätigt, was Sie behaupten. Zitierbarkeit entscheidet, ob Ihre Sätze die Extraktion überstehen. Messung entscheidet, ob Sie überhaupt erkennen, dass sich etwas verändert hat.

Bewerten Sie jeden Punkt bestanden oder nicht bestanden, ohne Teilpunkte. Halbe Punkte sind der Grund, warum Audits zu 40-Seiten-Dokumenten werden, die niemand umsetzt. Zwanzig Prüfungen, zwanzig binäre Antworten, danach die Fehler von oben nach unten abarbeiten. Warum es diese Disziplin überhaupt gibt, erklärt unsere Einführung zu AI Visibility.

Teil 1 — Crawlbarkeit für KI (Punkte 1–4)

Retrieval-Agenten sind nicht dasselbe wie Trainings-Crawler, und genau an dieser Unterscheidung scheitern die meisten robots.txt-Dateien. OpenAI dokumentiert drei getrennte User Agents — GPTBot fürs Training, OAI-SearchBot für die Suchindexierung und ChatGPT-User für Live-Abrufe, die Nutzer auslösen — in seiner Bot-Dokumentation. Anthropic dokumentiert ClaudeBot und die Blockieranweisungen in einem eigenen Support-Artikel, und Perplexity veröffentlicht PerplexityBot und Perplexity-User. Den Trainings-Crawler zu blockieren, ist eine legitime unternehmerische Entscheidung; den Retrieval-Agenten versehentlich zu blockieren, ist Selbstschädigung.

Copilot-Antworten stützen sich auf den Bing-Index. Wer nicht in den Bing Webmaster Tools verifiziert ist, fliegt bei einem der sechs großen Assistenten im Blindflug.

• 1. robots.txt erlaubt Retrieval-Agenten. Prüfung: /robots.txt abrufen und nach GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, PerplexityBot, Perplexity-User, Google-Extended und Bingbot suchen. Bestanden: Jeder Retrieval-Agent ist auf kommerziell relevanten Pfaden zugelassen, und jede Blockierung eines Trainings-Crawlers ist eine dokumentierte Entscheidung statt eines kopierten Templates.
• 2. Keine Blockade auf Edge-Ebene. Prüfung: Ihre fünf wichtigsten URLs per curl mit dem User-Agent-String jedes Agenten abrufen — von einer Rechenzentrums-IP, nicht aus dem Büro. Bestanden: HTTP 200 und vollständiges HTML — kein 403, kein 429, kein Bot-Challenge-Interstitial von WAF oder CDN.
• 3. Inhalte stehen im initialen HTML. Prüfung: Quelltext ansehen oder mit deaktiviertem JavaScript abrufen. Bestanden: Überschrift, Fließtext, Preise, Spezifikationen und Kernfakten sind vor der Hydration vorhanden. Wenn Ihre Produktseite ein leeres div ist, sind Sie unsichtbar — unabhängig von der robots.txt.
• 4. Sitemap, Canonicals und Ladezeit sind sauber. Prüfung: Jede umsatzrelevante URL steht in der XML-Sitemap, liefert 200 und trägt ein selbstreferenzierendes Canonical. Bestanden: keine verwaisten Seiten, kein Canonical, das auf eine Redirect-Kette zeigt, und HTML schnell genug ausgeliefert, dass ein Abruf mit Timeout durchläuft.

Teil 2 — Entitätskonsistenz (Punkte 5–8)

Ein Modell, das „Wer ist X?“ beantwortet, betreibt Entitätsauflösung gegen jede Menge widersprüchlichen Text. Wenn Sie auf vier Kanälen als „Acme“, „Acme Inc.“, „Acme Software“ und „ACME“ auftreten und in einem angrenzenden Markt ein anderes Acme existiert, wird der Assistent entweder relativieren oder beide vermischen. Vermischung ist schlimmer als Abwesenheit: Sie erben fremde Preise und fremde Beschwerden.

Strukturierte Daten sind der günstigste Hebel zur Disambiguierung. Googles Dokumentation zu strukturierten Daten erklärt die Mechanik, und die sameAs-Eigenschaft leistet die eigentliche Identitätsarbeit — sie verknüpft Ihre Website mit den externen Profilen, die dieselbe Entität beschreiben.

• 5. Ein kanonischer Namensstring. Prüfung: Homepage, Footer, LinkedIn, Crunchbase, Bewertungsprofile und Presse-Boilerplate auf Firmierung und Handelsnamen durchsuchen. Bestanden: überall identische Schreibweise, Groß-/Kleinschreibung und Rechtsformzusatz, Varianten nur als ausdrückliche Aliasse.
• 6. Organization-Schema mit sameAs. Prüfung: Homepage durch einen Validator für strukturierte Daten schicken. Bestanden: ein valider Organization- (oder LocalBusiness-)Knoten mit name, url, logo, description und einem sameAs-Array, das auf Ihre verifizierten externen Profile zeigt.
• 7. Profilgleichheit über alle Plattformen. Prüfung: alle Profile, die Sie kontrollieren — LinkedIn, Crunchbase, G2, GitHub, App-Stores, lokale Einträge — nebeneinander öffnen. Bestanden: gleicher Einsatzbeschreibungssatz, gleiches Gründungsjahr, gleiche Kategorie, gleiche Adresse und Telefonnummer, gleiches URL-Format.
• 8. Eine auflösbare öffentliche Identität. Prüfung: Ihren Namen auf Wikidata und Wikipedia suchen und ansehen, was zurückkommt. Bestanden: entweder ein korrektes Wikidata-Item mit Branche, Gründungsdatum und offizieller Website gemäß Wikidatas Relevanzkriterien — oder zumindest keine fremde Entität, die Sie beim eigenen Namen überholt.

Teil 3 — Externe Signale (Punkte 9–12)

Assistenten bauen Shortlists weit stärker aus Drittquellen als aus Anbieterseiten. Fragt jemand nach dem besten Tool einer Kategorie, synthetisiert das Modell in der Regel Listicles, Bewertungsplattformen, redaktionelle Berichterstattung und Community-Threads. Ihre eigene Vergleichsseite ist in diesem Mix ein schwaches Signal; eine Übersicht auf einem Medium, das für die Suchanfrage bereits rankt, ein starkes.

Das ist die Kategorie, die sich am langsamsten bewegt — genau deshalb sollte sie früh geprüft werden. Im sechsten Monat festzustellen, dass Sie in keiner Kategorieübersicht auftauchen, ist eine deutlich teurere Erkenntnis als ein robots.txt-Fehler.

• 9. Präsenz in Kategorieübersichten. Prüfung: die zehn „beste [Kategorie] für [Anwendungsfall]“-Suchanfragen ausführen, die Ihre Käufer tatsächlich nutzen, die zehn ersten organischen Treffer auflisten und festhalten, welche davon Sie nennen. Bestanden: Präsenz in mehr als der Hälfte, mit korrekter Beschreibung.
• 10. Tiefe und Aktualität auf Bewertungsplattformen. Prüfung: auf den zwei oder drei Bewertungsportalen, die in Ihrer Kategorie zählen, Gesamtzahl der Bewertungen, Bewertungen im letzten Quartal und Anteil mit echtem Fließtext statt bloßer Sternebewertung zählen. Bestanden: ein stetiger aktueller Zufluss und genug Text, damit ein Modell eine konkrete Stärke zitieren kann.
• 11. Unabhängige redaktionelle Erwähnungen. Prüfung: Markennamen suchen, dabei die eigene Domain und die Presseverteilung ausschließen. Bestanden: mindestens eine Handvoll unabhängiger Artikel, die in einem Satz beschreiben, was Sie tun — einem Satz, den ein Modell wörtlich übernehmen könnte.
• 12. Community-Präsenz. Prüfung: Marke auf Reddit, Stack Overflow, Hacker News und in den Nischenforen Ihrer Käufer suchen. Bestanden: echte Threads, in denen Kunden Ergebnisse beschreiben — nicht nur Beiträge des eigenen Teams und keine Wand unbeantworteter Beschwerden.

Teil 4 — Zitierbarkeit der Inhalte (Punkte 13–16)

Zitierbarkeit ist eine Schreibvorgabe, kein Mengenziel. Ein Modell, das eine Antwort extrahiert, braucht eine in sich geschlossene Aussage, die es ohne den umgebenden Absatz zitieren kann. Text, der sich drei Absätze lang warmläuft, bevor er irgendetwas definiert, gibt nichts her. Text, der mit einem klaren Aussagesatz aus Subjekt, Definition und Einschränkung beginnt, wird zitiert.

Die zweite Vorgabe ist Konkretheit. „Schnelles Setup“ ist nicht zitierbar. „Das Setup dauert bei einer Standard-Shopify-Installation unter 30 Minuten“ ist zitierbar, überprüfbar und lässt sich einem Nutzer zurückspielen. Zahlen, Einheiten, Daten und benannte Bedingungen erhöhen alle die Chance, dass Ihr Satz die Extraktion unbeschädigt übersteht.

Die dritte ist Ehrlichkeit über Grenzen. Assistenten bekommen häufig Vergleichsfragen gestellt, und Seiten, die benennen, für wen ein Produkt nicht geeignet ist, gelten tendenziell als verlässlicher als Seiten, die universelle Passung behaupten.

• 13. Antwort zuerst. Prüfung: die ersten 40 Wörter Ihrer zehn wichtigsten Seiten isoliert lesen. Bestanden: Jede beantwortet die Frage aus dem Titel als eigenständiger Satz, ohne Pronomen, das den vorherigen Absatz zur Auflösung braucht.
• 14. Fakten mit Einheiten und Datum. Prüfung: jede Aussage auf einer Kernseite markieren und fragen, ob ein Außenstehender sie überprüfen könnte. Bestanden: Mengen, Zeiträume, Preise, Grenzwerte und Integrationen sind explizit genannt, inklusive Datum bei jeder Zahl, die sich ändert.
• 15. Vergleichs- und Preisseiten benennen ihre Grenzen. Prüfung: Sagt irgendeine Seite, für wen das Produkt schlecht passt? Bestanden: ein ausdrücklicher „Nicht geeignet, wenn …“-Abschnitt und Preise, die auf der Website stehen statt hinter einem Formular zu liegen.
• 16. Struktur ist maschinenlesbar. Prüfung: Überschriften, Tabellen, FAQ-Blöcke und URL-Stabilität. Bestanden: H2 als die Fragen formuliert, die Käufer stellen, Spezifikationen in Tabellen statt im Fließtext, stabile URLs, die sich bei einer Überarbeitung der Seite nicht ändern.

Teil 5 — Messung (Punkte 17–20)

Assistentenantworten schwanken zwischen Durchläufen selbst bei identischen Prompts — eine einzelne Abfrage ist also eine Anekdote. Messung heißt: ein festes Prompt-Set, wiederholt über mehrere Assistenten ausgeführt, mit gespeicherten Ergebnissen, sodass Sie zwei Stichtage vergleichen und Bewegungen einer konkreten Änderung zuordnen können.

Bauen Sie das Prompt-Set aus der Sprache, die Käufer wirklich verwenden — Transkripte aus Sales-Calls, Support-Tickets und die Suchanfragen in Ihrer Search Console — nicht aus Keyword-Tools. Gruppieren Sie nach Intent-Stufe: Kategoriesuche, Shortlist-Vergleich, Einwandbehandlung und Markenanfragen. Ein Shortlist-Prompt, in dem Sie nie auftauchen, ist ein anderes Problem als ein Marken-Prompt, in dem Sie mit falscher Beschreibung erscheinen.

Genau diesen Teil automatisiert Growli: Wir führen Ihr Prompt-Set planmäßig über ChatGPT, Gemini, Claude, Perplexity, Copilot und Grok aus, erfassen Erwähnungsrate, Share of Voice der Wettbewerber, Tonalität und die URLs, die jeder Assistent zitiert, und priorisieren die Lücken nach Aufwand und Wirkung. So funktioniert es erklärt die Mechanik.

• 17. Es existiert ein dokumentiertes Prompt-Set. Prüfung: Gibt es eine Datei mit 30–100 Prompts, gruppiert nach Intent-Stufe? Bestanden: Prompts in Käufersprache, unmarkierter und markenbezogener Intent abgedeckt, versioniert, sodass Änderungen sichtbar sind.
• 18. Mehrere Assistenten, wiederholte Durchläufe. Prüfung: Wie viele Assistenten und wie viele Durchläufe pro Prompt und Periode? Bestanden: mindestens vier Assistenten, mehrere Durchläufe pro Prompt und eine gespeicherte Historie statt Screenshots in einem Chat-Thread.
• 19. Wettbewerbs- und qualitatives Tracking. Prüfung: Erfassen Sie, welche Wettbewerber neben Ihnen auftauchen und wie Sie beschrieben werden? Bestanden: benannter Share of Voice je Prompt-Gruppe plus Kennzeichnung faktisch falscher Beschreibungen — das sind die Fixes mit der höchsten Priorität im ganzen Audit.
• 20. Zitierte Quellen und Referral-Traffic. Prüfung: Welche URLs zitieren Assistenten, wenn sie Ihre Kategorie erwähnen, und segmentiert Ihre Analytics Referrals von Assistenten-Domains? Bestanden: eine priorisierte Liste der Drittseiten, die Antworten in Ihrer Kategorie speisen, und eine gespeicherte Analytics-Ansicht für Referrer aus KI-Assistenten.

Auswerten und aus Fehlern eine Arbeitsliste machen

Zählen Sie die bestandenen Punkte. Sechzehn oder mehr: Ihr Problem ist kompetitiv, nicht strukturell — investieren Sie in externe Signale und in die konkreten Prompts, in denen ein Wettbewerber dominiert. Zwischen 11 und 15 ergibt sich ein gemischtes Bild: Reparieren Sie Crawlbarkeit und Entität in Woche eins, denn sie sind das Nadelöhr für alles Nachgelagerte. Zehn oder darunter: Beauftragen Sie keinen neuen Content, bevor Abrufpfad und Entitätsgraph sauber sind.

Die Reihenfolge zählt mehr als der Score. Ein Crawlbarkeitsfehler entwertet jede Content-Investition, solange er besteht — und ist meist ein Einzeiler im CDN. Entitätsfehler kosten Tage. Umschreiben für Zitierbarkeit kostet Wochen. Externe Signale kosten Quartale. Wer in dieser Reihenfolge arbeitet, sorgt dafür, dass jeder Fix auf dem vorherigen aufbaut, statt auf Seiten zu verpuffen, die Assistenten nie abrufen.

Führen Sie das vollständige Audit quartalsweise durch, die Messpunkte laufend. Crawler-User-Agents ändern sich, CDN-Regeln werden von jemandem aus der Security verschärft, Bewertungsvolumen veraltet, und Kategorieübersichten werden neu geschrieben — ohne Sie. Das Audit ist eine laufende Kontrolle, kein Projekt.

FAQ