Wie messen wir LLM-Sichtbarkeit? Eine ehrliche Methodik für 2026

Eine der ehrlichsten Antworten in der GEO-Beratung ist diese: “Wir können nicht exakt messen, wie oft ChatGPT Sie zitiert. Aber wir können es systematisch annähern.” Das wirkt unbefriedigend nach Jahren mit präziser Google Search Console — ist aber 2026 die Realität. Dieser Guide zeigt, was geht, was nicht geht, und welche Methodik wir bei webAION einsetzen.

Warum es keine “GSC für LLMs” gibt

ChatGPT, Perplexity, Claude und Gemini liefern ihre Antworten direkt an den Nutzer. Es gibt keinen Klick auf Ihre Website, der dann gemessen werden könnte. Wenn ein LLM Sie empfiehlt, sehen Sie das nicht in Ihrem Analytics — der Nutzer hat die Information bereits bekommen, ohne Sie zu besuchen. Das ist die “Zero-Click”-Realität, vor der schon Google AI Overviews gewarnt haben.

OpenAI und Anthropic veröffentlichen keine Logs darüber, welche Quellen sie zitieren. Perplexity zeigt Quellen sichtbar an, aber bietet keine Aggregat-Statistik. Google AI Overviews tauchen in der GSC unter einem Sammelbegriff auf, aber ohne klare Aufschlüsselung.

Was Sie trotzdem messen können

1. Klassische GSC-Daten (immer noch wichtig)

Die Google Search Console liefert weiterhin die mit Abstand belastbarsten Daten:

• Klicks auf Ihre Pages aus klassischen Google-Ergebnissen
• Impressionen in der Google-Suche (auch wenn nicht geklickt)
• CTR als Indikator für Snippet-Qualität
• Position als Indikator für Wettbewerbsstärke

Wer GEO macht, sollte trotzdem GSC weiter führen. Klassisches SEO ist nicht weg, nur ergänzt.

2. Manuelle Stichproben in den 4 großen LLMs

Unser Standard-Vorgehen pro Quartal:

1. Erstellen Sie eine Liste von 10–20 Suchanfragen, die typische Kunden stellen würden. Mischung: 50 % lokal (“Klempner Lauenburg”), 50 % thematisch (“DSGVO-konforme KI für Steuerberater”).
2. Stellen Sie jede Frage in: ChatGPT (free + plus), Perplexity (free + pro), Claude (free), Gemini (free + pro).
3. Dokumentieren Sie als Tabelle: Wurden Sie genannt? An welcher Position? Mit welchem Snippet? Mit welcher Quelle (Ihre Website? Branchenverzeichnis? Bewertungsportal?)?
4. Screenshot pro Treffer, mit Datum.
5. Wiederholung pro Quartal: hat sich die Position verbessert oder verschlechtert?

Aufwand: 2–3 Stunden pro Quartal, dafür echte Datenbasis.

3. Tracking-Tools (mit Grenzen)

Es gibt 2026 mehrere Tools, die LLM-Sichtbarkeit versprechen:

• Otterly.ai — automatisierte Stichproben in ChatGPT/Perplexity/Gemini, dashboardisiert. Nützlich für Skalierung, aber begrenzt durch automatisierte Befragung (LLMs ändern Antworten je nach Kontext).
• Profound — ähnliches Konzept, B2B-Fokus, teurer.
• AthenaHQ — frühe Phase, vor allem Brand-Mention-Tracking.

Unsere Erfahrung: Diese Tools liefern Trends, aber keine punktgenaue Wahrheit. Wenn Otterly sagt “Sie wurden in 30 % der ChatGPT-Antworten genannt”, ist das eine Annäherung, kein hartes Faktum. Manuelle Stichproben sind ehrlicher, kosten aber Zeit.

4. Indirekte Indikatoren

Wenn Sie LLM-Sichtbarkeit haben, sehen Sie es manchmal an unerwarteten Stellen:

• Direkte Anfragen mit ungewöhnlichem Kontext: “Ich habe gehört, Sie machen X für Y” — ohne dass der Kunde sagen kann, wo. Oft: ChatGPT oder Perplexity.
• Brand-Suchen in der GSC: Wenn jemand Ihren Firmennamen direkt googelt, war das oft ein vorher LLM-Touchpoint.
• Newsletter-Abos und Kontaktformular-Anfragen mit thematisch sehr spezifischen Fragen, die zu Ihren Long-Form-Inhalten passen.

Diese Signale sind nicht skalierbar messbar, aber sie geben Hinweise.

Was wir bei webAION als Reporting liefern

Im Authority+-Paket (949 €/Mo) liefern wir pro Quartal:

1. GSC-Standardreport — Klicks, Impressionen, CTR, Position (klassisch)
2. LLM-Sichtbarkeits-Stichprobe — 15 Anfragen × 4 LLMs, dokumentiert mit Screenshots, Trend zur Vorperiode
3. NAP-Konsistenz-Check — alle 6 Monate, Diff-Tabelle aller relevanten Quellen
4. Schema-Audit — was ist im Markup, was fehlt, was wurde nachgerüstet
5. Empfehlungen — was sollten wir im nächsten Quartal anpassen?

Das ist keine perfekte Wissenschaft. Es ist ein Methodik-Mix aus belastbaren Daten (GSC), strukturierten Stichproben (manuell), und Tool-Trends (Otterly et al.) — mit klarer Kennzeichnung, was hart und was Annäherung ist.

Der häufigste Fehler in LLM-Reporting

Anbieter, die behaupten, sie könnten GEO-Sichtbarkeit “exakt messen”. Können sie nicht. Wer Ihnen ein Dashboard mit “97 % LLM-Sichtbarkeit” zeigt, verkauft Ihnen ein Tool-Output, das Sie nicht eigenständig verifizieren können.

Bessere Frage an Ihren GEO-Dienstleister: “Welche Anfragen wurden manuell geprüft? Wo sind die Screenshots? Wie hat sich die Position seit letztem Quartal verändert?” — und wenn die Antwort vage bleibt: nachhaken.

Wann lohnt sich systematisches LLM-Reporting?

• Wenn Sie B2B in einer Branche operieren, in der Recherche-Anfragen an LLMs üblich sind (Steuerberatung, IT-Service, KI-Beratung, Recht, Medizin).
• Wenn Sie spezielle Long-Form-Inhalte produzieren und wissen wollen, ob die zitiert werden.
• Wenn Sie GEO-Investitionen rechtfertigen müssen (Geschäftsführer, Aufsichtsrat).

Für lokale B2C-Sites mit Standard-Dienstleistungen reicht oft der GSC-Report plus 1× pro Halbjahr eine Stichprobe.

Weiterführend

• Was ist GEO? — der Einstiegs-Guide
• Schema.org 2026: Welche JSON-LD-Typen LLMs lesen — die technische Grundlage
• GEO/LLM-Sichtbarkeit als Authority+-Tier — unser Beratungsangebot mit Quartals-Reporting