KI-Sichtbarkeit im B2B ist keine einzelne Zahl
Unser Director Technology Tilman Bohn hat dazu im Experten-Blog des Bundesverbands Industrie Kommunikation (bvik) einen Gastbeitrag veröffentlicht: AI Visibility Analyse im B2B: Der Kanal ohne Reporting.
Warum eine einzelne Zahl nicht reicht
Für Industrieunternehmen zerfällt KI-Sichtbarkeit in Märkte, Sprachen, Industrien, Anwendungen und Modelle. Vier Erkenntnisse aus dem Beitrag zeigen, warum.
1. Genannt werden heißt nicht zitiert werden
In einer Messung hatte ein Unternehmen keine spanischsprachige Website. Trotzdem lag sein Sichtbarkeitsscore bei spanischen Fragen nur knapp unter dem Wert in den Website-Sprachen. Die Quellenzitate gingen dagegen gegen null.
Der Grund: LLMs antworten in fast jeder Sprache, verlinken aber kaum Quellen in einer anderen Sprache als der Frage. Wer in einem Markt zitiert werden will, braucht dort Inhalte in der Landessprache - auf der eigenen Website und auf Drittseiten.
2. China braucht eigene Modelle und eigene Fragen
China hat ein weitgehend eigenständiges KI-Ökosystem, mit Modellen von ByteDance, Tencent, Baidu oder Alibaba. Genutzt wird es vor allem über mobile Apps, eng verzahnt mit weiteren Diensten der Anbieter.
Für eine verlässliche Messung reicht es nicht, westliche Fragen zu übersetzen. In realen Messungen zeigten sich teils dramatische Unterschiede zwischen Fragenkatalogen, die westliche Modelle erstellt hatten, und solchen, die chinesische Modelle „nativ“ generiert hatten. Entscheidend ist der tatsächliche Sprachgebrauch der Nutzer vor Ort.
3. Belastbar wird die Messung erst mit genug Fragen
Ein Hersteller kann bei einer Anwendung als Goldstandard gelten und in einer verwandten Nische völlig fehlen. Im DACH-Raum gut positioniert, in Frankreich oder den USA unsichtbar. Eine Momentaufnahme aus wenigen Prompts zeigt das nicht.
Die Empfehlung aus der Praxis: etwa 20 Fragen oder mehr pro Dimensionswert, also pro Branche, Produkt oder Anwendung. Bei einem breiten Portfolio sind das schnell über 1.000 Fragen. Damit Folgemessungen vergleichbar bleiben, werden Fragenkataloge, Marken, Sprachen, Märkte und Modellversionen festgeschrieben und versioniert. Warum wenige Prompts nicht reichen, zeigt auch unser Artikel Reichen 50 Prompts, um KI-Sichtbarkeit zu messen?
Wichtig ist außerdem die Trennung von Brand- und Non-Brand-Fragen. Bei neutralen Fragen zählt, ob die eigene Marke überhaupt genannt wird. Bei Fragen, die die Marke schon nennen, zählt, wie sie dargestellt wird: Tonalität, Soft USPs, Abweichung von der Eigendarstellung.
4. Sichtbarkeit ist kein Marktanteil
In KI-Antworten tauchen regelmäßig Anbieter auf, die auf keiner Wettbewerbsliste stehen. Umsatz und Bekanntheit fließen nur indirekt ein. Was direkt wirkt, sind Struktur und Zugänglichkeit der öffentlich verfügbaren Informationen.
Versteckt ein Marktführer sein Fachwissen hinter Logins, Formularen oder Marketingfloskeln, greifen Sprachmodelle schwer darauf zu. Ein kleinerer Anbieter mit frei zugänglichen, sauber strukturierten Fachartikeln und Produktdaten erscheint dann prominent - der Branchenprimus fehlt. Solche Schattenwettbewerber fallen im klassischen Marktmonitoring durchs Raster. Eine ausreichend detaillierte KI-Sichtbarkeitsanalyse macht sie früh erkennbar.
Fazit: ein Prozess, keine Kennzahl
AI Visibility ist im B2B ein Messsystem, das die tatsächlichen Märkte, Sprachen und Modelle abbilden und sich in sechs Monaten identisch wiederholen lassen muss. Der Einstieg kann trotzdem schlank sein: ein Markt, eine Sprache, wenige Dimensionen und Wettbewerber, gemessen gegen die gängigsten Modelle.
Genau dafür haben wir aiva entwickelt - die AI Visibility Analysis von effective world, mit Abdeckung westlicher und chinesischer Modelle, kundenspezifischen Dimensionen und beratergestützter Auswertung.
➡️ Zum vollständigen Gastbeitrag im bvik-Blog
➡️ Jetzt aiva-Beispielanalyse herunterladen (PDF)
➡️ Mehr über aiva erfahren
➡️ Eigene aiva-Analyse anfragen