Sagt ein GEO-Score, wie sichtbar du in KI-Antworten bist?
Nein — dieselben Rohdaten ergeben je nach Formel völlig verschiedene Scores (gemessen: 20 %, 16,8 % und 31,4 % aus einem identischen Datensatz), und weil Sprachmodelle auf dieselbe Frage unterschiedlich antworten, ist eine Einzelmessung kein stabiler Wert. Ein Score ohne offengelegte Formel und ohne ausgewiesene Streuung ist eine Anbieter-Kennzahl, keine Messung.
Die Behauptung
Fast jedes Werkzeug der Kategorie führt eine Prozentzahl: „AI Visibility Score", „Share of Voice", „Brand Presence". Die Zahl steht groß im Dashboard, hat eine Farbe und eine Trendlinie, und sie soll beantworten, wie sichtbar deine Marke in KI-Antworten ist.
Der Reiz ist offensichtlich: Eine Zahl lässt sich vergleichen, im Team berichten und über die Zeit verfolgen. Genau das erwarten Kunden, die aus dem klassischen Rank-Tracking kommen.
Was gemessen wurde
Der Score hat zwei unabhängige Probleme: Die Formel ist beliebig, und die Datengrundlage ist instabil. Beide sind gemessen.
Ein identisches Datenset ergab drei verschiedene Sichtbarkeits-Scores — 20 %, 16,8 % und 31,4 % — je nachdem, welche Formel angewendet wurde. Dieselbe Realität, drei Zahlen.
Canonry, Vergleich von Score-Formeln auf einem identischen Datensatz
Derselbe Prompt, 1.000 Mal bei Temperature 0 gestellt, ergab 80 verschiedene Antworten (die häufigste kam 78 Mal). Ursache ist die Nicht-Assoziativität von Fliesskomma-Arithmetik bei gebatchter GPU-Inferenz — Nicht-Determinismus ist also keine Einstellungssache.
Thinking Machines Lab, 1.000 Wiederholungen bei Temperature 0
Der Überlapp der zitierten Quellen zwischen verschiedenen Nutzern, die dieselbe Frage stellen, liegt bei 19 %. Vier von fünf Quellen unterscheiden sich also je nach Nutzer.
Similarweb, Analyse von 8.000 URL-Zitationen
Zwischen 40 und 60 % der zitierten Quellen wechseln von Monat zu Monat — was jede Ranglisten-Darstellung über die Zeit untergräbt.
Search Engine Land
Für ein Konfidenzintervall von ±5 Prozentpunkten braucht es je nach Engine rund 40–50 Abfragen (Gemini), etwa 100 (Perplexity) oder mehr als 150 (SearchGPT). Werkzeuge, die einmal täglich eine Abfrage je Prompt fahren, liegen weit darunter.
Keines von acht geprüften Werkzeugen veröffentlicht eine Methodik für Wiederholungsmessungen oder Konfidenzintervalle. Die akademische Literatur ist durchgehend strenger als jede kommerzielle Produktdokumentation.
Eigene Auswertung der öffentlichen Dokumentation von acht Anbietern, Stand Juli 2026 (Peec, Semrush, Rankscale, Ahrefs, Profound, Otterly, AthenaHQ, Nozzle)
Was das für deeploupe selbst heißt
Diese Kritik trifft uns mit. Ein deeploupe-Scan misst jede Buyer-Frage einmal je Engine — das ist von einer belastbaren Ratenaussage genauso weit entfernt wie bei allen anderen. Der Unterschied liegt darin, was wir daraus behaupten: Ein Scan zeigt einen Beleg („auf diese Frage hat diese Engine diese Seiten genannt und dich nicht"), und das ist eine Aussage über einen konkreten Lauf — ein Fakt, kein Schätzwert. Sobald daraus eine Rate wird („du bist zu X % sichtbar"), gilt der Einwand oben in voller Härte. Deshalb rechnet das laufende Monitoring Raten über viele Messzellen und weist sie mit Konfidenzband aus, statt eine nackte Prozentzahl anzuzeigen. Und deshalb steht auf einem einzelnen Scan der Beleg im Vordergrund und nicht ein Score.
Was daraus folgt
Frag bei jedem Werkzeug — auch bei diesem — drei Dinge: Wie lautet die Formel? Wie oft wird gemessen? Wie groß ist die Streuung? Wer eine dieser Fragen nicht beantworten kann, führt eine Kennzahl, die er selbst nicht prüfen kann.
Miss dem Verlauf einer solchen Zahl nicht mehr Bedeutung bei als der Zahl selbst. Wenn 40 bis 60 % der Quellen ohnehin monatlich wechseln, ist ein Rückgang von 24 auf 19 % erst einmal Rauschen und kein Ereignis.
Und trenne zwei Dinge, die routinemässig vermischt werden: Sichtbarkeit ist nicht Geschäftsergebnis. Ein Anbieter, der einen Score-Anstieg als Umsatzwirkung verkauft, ohne die Kausalkette zu zeigen, überspringt genau den Schritt, auf den es ankommt.
Was stattdessen trägt
Der Beleg statt der Zahl. „ChatGPT hat auf diese Frage diese drei Anbieter genannt und dich nicht" ist überprüfbar, hat einen Zeitstempel und einen Antworttext — und sagt dir konkret, gegen wen du antrittst. Eine Prozentzahl sagt dir nichts davon.
Und wenn es eine Rate sein soll, dann eine mit Unsicherheit daneben: über viele Messzellen gerechnet, mit Konfidenzband, und mit einem Vergleichsurteil, das die Streuung berücksichtigt statt zwei Balken nebeneinanderzustellen.
Der Grund, warum das kaum jemand tut, ist nicht technisch. Eine ehrliche Zahl mit Fehlerbalken sieht im Dashboard schwächer aus als eine glatte. Das ist ein Verkaufsargument gegen Ehrlichkeit, kein Messargument.
Pauschalaussagen helfen deiner Seite nicht — die Messung an deiner Domain schon.
Seite gratis prüfenkostenlos · keine Anmeldung · keine KreditkarteHäufige Fragen
Sind AI-Visibility-Scores also komplett wertlos?
Nicht komplett — als grobe Richtungsangabe über längere Zeiträume können sie taugen, und ein Anbieter formuliert das auch so („directional indicators, not exact traffic counts"). Wertlos werden sie, wenn sie als präziser Messwert auftreten: exakte Ränge ohne Konfidenzintervall, Monatsvergleiche kleiner Differenzen, Ranglisten gegen Wettbewerber.
Warum ist die Antwort nicht reproduzierbar, wenn man Temperature 0 setzt?
Weil der Nicht-Determinismus nicht aus der Zufallsauswahl beim Sampling kommt, sondern aus der Arithmetik: Fliesskomma-Addition ist nicht assoziativ, und bei gebatchter GPU-Inferenz hängt die Reihenfolge der Rechenoperationen davon ab, welche anderen Anfragen gerade im selben Batch liegen. Temperature 0 schaltet die eine Quelle der Varianz aus, nicht die andere.
Hat deeploupe auch einen Score?
Der Bericht führt einen Score für die klassische SEO- und Technik-Basis — dort ist er berechtigt, weil die zugrundeliegenden Prüfungen deterministisch sind: Ein Canonical ist da oder nicht. Für die KI-Sichtbarkeit steht bewusst der Beleg im Vordergrund: welche Frage gestellt wurde, was jede Engine geantwortet hat, wer statt dir genannt wurde. Im laufenden Monitoring kommt eine Rate dazu, aber mit Konfidenzband.
Wie prüfe ich einen Anbieter, bevor ich zahle?
Lass dir die Prompt-Liste zeigen und frag, woher sie stammt. Frag nach der Zahl der Wiederholungsmessungen je Prompt. Frag, wie der Score gerechnet wird. Und frag, ob dieselbe Firma, die misst, auch die Optimierung verkauft — das ist derselbe Interessenkonflikt, der 2015 bei den Facebook-Videometriken zu einer Überzählung um 150 bis 900 % geführt hat.
Stand: August 2026 · Alle geprüften Annahmen