Agenturen und Marken: ChatGPT Erwähnungen mit 30 Prompts messen
Agenturen und Marken: ChatGPT Erwähnungen mit 30 Prompts messen
Ja, mit einem strukturierten Prompt-Monitoring lassen sich ChatGPT-Erwähnungen zuverlässig messen. Für den Start reichen zwei Kennzahlen: die Mention Rate und die Share of Voice, gemessen über ein festes Set von 30 Prompts. Sie brauchen dafür kein teures Tool, sondern eine Tabelle, eine Prompt-Liste und Disziplin bei der wöchentlichen Wiederholung. Wer diese Basis einmal aufgebaut hat, kann später jederzeit auf Automatisierung skalieren.
Kurz gesagt:
- Der manuelle Aufbau eines Prompts-Sets mit 30 bis 50 unmarkierten und markenbezogenen Formulierungen genügt für ein zuverlässiges erstes Monitoring, das sich später automatisieren lässt.
- Die wichtigsten KPIs sind Mention Rate, Citation Rate, Share of Voice, Sentiment Score und Rank Position, wobei die Stabilität der Messwerte durch den sogenannten Stability Score überprüft werden sollte.
- Alles über mehrere KI-Modelle hinweg zu tracken, ist essenziell, da unterschiedliche Anbieter wie ChatGPT, Perplexity oder Gemini variierende Zitier- und Antwortmuster aufweisen.
- Automatisierte Tools ab etwa 49 € monatlich sind sinnvoll, sobald die Anzahl der Prompts oder Kundenprojekte zunimmt, wobei eine Multi-Engine-Abdeckung und API-Zugriff zu den wichtigsten Kaufkriterien gehören.
- Für eine akkurate Interpretation der Ergebnisse ist eine Langzeitbetrachtung mit mindestens vier Wochen Daten nötig, um echte Trends von zufälligen Schwankungen zu unterscheiden.
Inhaltsverzeichnis
- Welche KPIs Sie wirklich brauchen
- Prompt-Set aufbauen: So läuft Ihr manuelles Monitoring
- Warum Multi-Plattform-Tracking Pflicht ist
- Wann lohnt sich Automatisierung statt manueller Messung?
- Wie interpretieren Sie die Ergebnisse richtig?
- Praxisbelege für die Relevanz von KI-Sichtbarkeit
- Wie Agenturen das Thema in Kundenprojekten organisieren
- growResonance: Ihre Plattform für KI-Sichtbarkeit über alle Modelle hinweg
- Quellen
- FAQ
Welche KPIs Sie wirklich brauchen
Fünf Kennzahlen haben sich in der Praxis als Standard etabliert: Mention Rate, Citation Rate, Share of Voice, Sentiment Score und Rank Position. Die Branche hat sich weitgehend auf genau diese Kernmetriken geeinigt, was Reporting zwischen Agenturen und Kunden vergleichbar macht.
Die Mention Rate zeigt, in wie vielen Ihrer Test-Prompts die Marke überhaupt auftaucht, unabhängig davon, ob ein Link gesetzt wird. Die Citation Rate ist enger gefasst: Sie zählt nur Fälle, in denen ChatGPT tatsächlich eine URL Ihrer Marke referenziert. Beide Zahlen driften oft auseinander, und genau das ist informativ. Steigt die Citation-Abdeckung, ohne dass Klicks folgen, ist das meist ein Zeichen wachsender Markenwirkung ohne unmittelbaren Traffic, ein frühes, positives Signal, das viele Teams fälschlich als Nullwert abtun.
Die Share of Voice (SOV) setzt Ihre Erwähnungen ins Verhältnis zur Konkurrenz: (eigene Erwähnungen ÷ Gesamterwähnungen relevanter Anbieter) × 100. Läuft ein Prompt-Set mit fünf Wettbewerbern und Ihre Marke erscheint in 12 von 40 Gesamterwähnungen, liegt Ihre SOV bei 30 %. Zum Vergleich: Führende Marken erreichen in eng definierten Nischen typischerweise 25 bis 30 % Share of Voice, alles darüber ist bereits eine dominante Position.
Sentiment Score und Rank Position ergänzen das Bild, sobald die Grundwerte stabil laufen. Sentiment unterscheidet, ob ChatGPT Sie neutral aufzählt oder aktiv empfiehlt. Rank Position erfasst, an welcher Stelle einer Liste Ihre Marke genannt wird, denn Platz eins von drei zählt anders als Platz sieben von acht.
Ein einzelner Messlauf sagt wenig aus, weil ChatGPT bei identischem Prompt unterschiedliche Antworten liefert. Deshalb braucht jede KPI einen Stability Score: den Anteil der Wiederholungen (empfohlen: fünf pro Prompt), in denen das Ergebnis konsistent bleibt. Liegt die Streuung über 30 %, ist der Wert Rauschen, kein Trend.
Prompt-Set aufbauen: So läuft Ihr manuelles Monitoring
Ein reproduzierbares, versioniertes Prompt-Set ist das eigentliche Messinstrument, nicht das Tool, das die Antworten abruft. Wer das verinnerlicht, spart sich teure Fehlkäufe bei Automatisierungssoftware.
- Prompts sammeln. Bauen Sie 30 bis 50 Formulierungen, davon 80 bis 90 % unbranded (“beste Projektmanagement-Software für kleine Teams”) und nur ein kleiner Rest markenspezifisch (“Ist [Marke] gut für Freelancer?”). Unbranded-Prompts zeigen, ob Sie überhaupt im relevanten Antwortraum auftauchen.
- Kategorien zuweisen. Jeder Prompt bekommt ein Label für Intent (Vergleich, Empfehlung, Problemlösung), Persona (Einsteiger, Profi, Einkäufer) und Funnel-Phase (Awareness, Consideration, Decision). Ohne diese Metadaten lässt sich später nicht sagen, welche Phase schwächelt.
- Version festhalten. Jeder Prompt-Lauf braucht ein Datum, die genutzte Modellversion und die exakte Formulierung. ChatGPT ändert sich zwischen Updates, und ohne Versionierung verwechseln Sie Modelldrift mit echtem Sichtbarkeitsverlust.
- Antworten erfassen. Für jeden Durchlauf dokumentieren Sie: vollständigen Antworttext, ob die Marke genannt wurde, ob zitiert wurde (mit Link), die Position in der Antwort und den Sentiment-Eindruck.
- Wiederholen und aggregieren. Fünf Durchläufe pro Prompt, wöchentlich, ergeben nach vier Wochen eine belastbare Datenbasis für den Stability Score.
Für diesen Umfang reicht ein manueller Test mit 30 Prompts und rund 90 Minuten Aufwand pro Woche völlig aus, bevor Sie über Automatisierung nachdenken müssen.
Profi-Tipp: Führen Sie eine separate Spalte für “Quellseite” statt nur “Zitiert Ja/Nein”. Erfassen Sie drei getrennte Signale: Markenerwähnung im Text, Zitation mit Link und die konkrete Quellseite, auf die sich das Modell stützt. Alle drei brauchen unterschiedliche Optimierungshebel, und wer sie vermischt, optimiert am falschen Punkt.
Warum Multi-Plattform-Tracking Pflicht ist
ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews trainieren mit unterschiedlichen Datenständen und folgen unterschiedlicher Zitierlogiken. Perplexity zitiert fast immer mit Link, Claude tendiert zu ausführlicheren Fließtext-Antworten ohne Quellenverweis, und Gemini ist stark an Google-Suchdaten gekoppelt. Wer nur ChatGPT beobachtet, sieht bestenfalls die halbe Wahrheit über seine KI-Sichtbarkeit.
Ein Einkäufer nutzt Perplexity für Produktvergleiche mit Quellen, während dieselbe Person ChatGPT für schnelle, konversationelle Empfehlungen befragt.
Für ein Start-Panel empfiehlt sich diese Priorisierung:
- ChatGPT zuerst, wegen der schlicht größten Nutzerbasis und Alltagsrelevanz.
- Perplexity direkt danach, weil die Zitierpraxis dort am transparentesten ist und Optimierungserfolge sichtbar macht.
- Google AI Overviews als dritte Priorität, weil hier erstmals belastbare First-Party-Daten existieren.
- Claude und Gemini ergänzend, je nach Branche und Zielgruppe des Kunden.
Führen Sie jede Engine als eigenes Benchmark, nicht als gemittelten Gesamtwert. Ein hoher Perplexity-Score kann einen schwachen ChatGPT-Wert kaschieren, wenn Sie beide Zahlen zusammenwerfen, und genau das verschleiert das eigentliche Problem.
Wann lohnt sich Automatisierung statt manueller Messung?
Manuelles Monitoring funktioniert gut bis zu einer bestimmten Größe. Sobald Sie mehr als 50 Prompts pflegen, mehrere Kundenmandate parallel betreuen oder mehr als eine Engine regelmäßig prüfen wollen, wird die Tabellenkalkulation zum Flaschenhals.
Relevante Funktionen, auf die Sie bei Automatisierungssoftware achten sollten:
- Multi-Engine-Abdeckung, damit ChatGPT, Claude, Perplexity und Gemini nicht separat eingerichtet werden müssen.
- NLP-gestützte Sentimentanalyse, statt manueller Einschätzung jeder einzelnen Antwort.
- API-Zugang, um Rohdaten in bestehende Reporting-Pipelines zu integrieren.
- White-Label-Reporting, wenn Sie als Agentur unter eigener Marke an Kunden berichten.
Preislich bewegt sich der Markt für spezialisierte Monitoring-Tools ab etwa 49 € pro Monat, wobei der Funktionsumfang mit steigendem Preis deutlich zunimmt, insbesondere bei Multi-Client-Verwaltung und API-Zugriff.
Prüfen Sie vor dem Abschluss vier Punkte: Wie viele Engines deckt das Tool tatsächlich ab, nicht nur laut Marketingtext? Wie granular sind die Exporte, reicht ein PDF oder brauchen Sie CSV-Rohdaten für eigene Dashboards? Welche Integrationen bestehen zu Analytics- oder BI-Systemen? Und läuft die Datenverarbeitung DSGVO-konform, was für europäische Kundenverträge ohnehin Voraussetzung ist. Eine Übersicht darüber, welche Software Agenturen zum Tracking der KI-Sichtbarkeit ihrer Kunden nutzen können, hilft bei der Vorauswahl.
Profi-Tipp: Testen Sie jedes Tool zunächst an einem einzigen Kundenprojekt über vier Wochen, bevor Sie es agenturweit ausrollen. Viele Anbieter zeigen bei kleinen Prompt-Sets stabile Werte, die bei 50 oder mehr Prompts plötzlich kippen.
Wie interpretieren Sie die Ergebnisse richtig?
Ein einzelner Messwert ist kein Trend, das gilt besonders in den ersten Wochen. Berechnen Sie den Stability Score über mindestens vier Wochen, bevor Sie eine Veränderung als echt einordnen.
Die Reporting-Frequenz sollte sich an der Projektphase orientieren:
- Aufbauphase (Woche 1 bis 8): wöchentliche Messung, um die Baseline zu stabilisieren und Ausreißer zu erkennen.
- Etablierte Kampagne: zweiwöchentlich, sobald der Stability Score über mehrere Zyklen konstant bleibt.
- Reifer Kunde mit stabilem SOV: monatliches Reporting reicht meist aus, ergänzt durch Alerts bei größeren Ausschlägen.
Verlassen Sie sich nicht allein auf Prompt-Daten. Nur rund 9 % der Nutzer klicken direkt aus einem Chatbot zur Zielseite, der größere Effekt bleibt klicklos und zeigt sich stattdessen verzögert als Anstieg der Markensuchen oder des Direkt-Traffics. Gleichen Sie deshalb Ihre Prompt-KPIs regelmäßig mit der Google Search Console und den Markensuchtrends in Analytics ab. Google liefert mit den Generative-AI-Performance-Reports inzwischen erste First-Party-Daten zu AI Overviews, doch diese ersetzen kein Multi-Engine-Tracking, sie ergänzen es lediglich für einen Ausschnitt der Systeme.
Praxisbelege für die Relevanz von KI-Sichtbarkeit
Die Adoption generativer KI im Alltag ist längst kein Nischenphänomen. Ein Microsoft-Bericht zur KI-Nutzung in EMEA-Märkten dokumentiert eine deutliche Verschiebung der Aufmerksamkeit hin zu KI-gestützten Antwortsystemen, was die strategische Relevanz von Markenerwähnungen in diesen Systemen unterstreicht.
Auch clickstreambasierte Auswertungen bestätigen den Trend indirekt: Analysen von Similarweb zum ChatGPT-Traffic zeigen, dass KI-beeinflusste Besucher oft überdurchschnittliches Engagement mitbringen, ein Kanal, der bei reiner Referrer-Zählung regelmäßig unterschätzt wird.
Ein einfaches, versioniertes Prompt-Set ist das eigentliche Messinstrument, nicht das Tool, das die Antworten abruft. Wer zuerst in die Software investiert und erst danach über die richtigen Prompts nachdenkt, misst am Ende teuer und ungenau.
Diese Einschätzung stammt aus der praktischen Arbeit von Harald Pfanner, Redakteur bei growResonance und langjährig mit KI-Sichtbarkeitsmessung befasst. Die zentrale Limitierung bleibt: Modell-Updates verändern Antwortverhalten über Nacht, und Referrer-Daten aus Chatbots erfassen nur einen Bruchteil des tatsächlichen Effekts. Genau deshalb bleibt Triangulation, das Zusammenführen von Prompt-Daten, Suchtrends und First-Party-Signalen, kein optionaler Feinschliff, sondern methodische Notwendigkeit.
Wie Agenturen das Thema in Kundenprojekten organisieren
In der Praxis scheitert Prompt-Monitoring seltener an der Methodik als an der Organisation. Wer als Agentur mehrere Kundenmandate parallel betreut, braucht eine zentrale Prompt-Bibliothek statt individueller Tabellen pro Kunde, sonst wächst der Pflegeaufwand linear mit jedem neuen Projekt.
Bewährt hat sich eine klare Rollenverteilung: ein Analyst führt die Messläufe durch, eine zweite Person übernimmt die Qualitätskontrolle der erfassten Antworten, und ein Projektlead verantwortet die Interpretation gegenüber dem Kunden. Diese Trennung verhindert, dass subjektive Sentiment-Einschätzungen unbemerkt in die Rohdaten einfließen.
Typische Deliverables für Kundenprojekte sind ein initiales Baseline-Audit in Woche eins, ein laufendes AI-SOV-Dashboard mit den fünf Kern-KPIs, und Incident-Alerts, wenn die Mention Rate abrupt einbricht. White-Label-Reporting funktioniert dabei als eigenständiges Agenturangebot, das sich separat abrechnen lässt.
Die Roadmap folgt meist drei Phasen: ein begrenzter Pilot mit einem Kunden und 30 Prompts, dann die Skalierung auf mehrere Mandate und Engines, schließlich ein laufendes Mandat mit fester monatlicher Vergütung, sobald der Kunde den Wert regelmäßig im Reporting sieht.
— Harald Pfanner: SEO- und Content-Marketing-Experte, Redakteur bei growResonance
growResonance: Ihre Plattform für KI-Sichtbarkeit über alle Modelle hinweg
Der Aufbau eines eigenen Prompt-Sets zeigt schnell, wo die manuelle Methode an ihre Grenzen stößt, sobald mehrere Kunden, mehrere Engines und wöchentliche Reportingpflichten zusammenkommen. Es gibt Plattformen, die diesen Aufwand bündeln: tägliches Tracking von Markenerwähnungen in ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews, ergänzt durch Wettbewerbsanalyse, Sentimentauswertung und technische GEO-Audits, etwa zur Prüfung von llms.txt-Dateien oder dem GPTBot-Zugriff auf Websites.
Für Agenturen ist besonders die Multi-Client-Verwaltung mit rollenbasierten Zugriffsrechten relevant, kombiniert mit White-Label-Reporting unter eigener Marke. So lässt sich ein Baseline-Audit aus der Pilotphase direkt in ein laufendes Dashboard überführen, ohne Kundendaten aus mehreren Insellösungen zusammenzuführen. Wer mehrere Kundenprojekte parallel steuert, findet in der Übersicht zu Plattformen für Multi-Kunden-Management einen Vergleich der praktischen Optionen. Auch die Frage, ob eine einzelne Plattform das modellübergreifende Monitoring bündeln kann, lässt sich damit beantworten.
Starten Sie mit einem kostenlosen LLM-Sichtbarkeits-Check, um zu sehen, wie oft Ihre Marke oder die Ihrer Kunden aktuell in ChatGPT erwähnt wird, und prüfen Sie anschließend die Preismodelle für Agenturen.
Quellen
Vertiefende Methodik zu Prompt-Sets und KPI-Formeln liefert der Leitfaden zur ChatGPT-Sichtbarkeitsmessung. Wer die Verbindung zu klicklosem Traffic und Search-Console-Daten genauer verstehen will, findet Details bei alejandrorioja.com zur Messung von KI-Suchtraffic und in der Studie zur Sichtbarkeit in ChatGPT. Für die praktische Umsetzung eignen sich zudem die Anleitung zur LLM-Sichtbarkeitsmessung und eine Übersicht zu Tools für ChatGPT-Erwähnungen. Für organisatorische Fragen rund um Agenturprozesse lohnt sich ein Blick zu Venthra.
FAQ
Wie kann ich meine KI-Sichtbarkeit messen?
Mit einem festen Prompt-Set von 30 bis 50 Formulierungen, wiederholt über mehrere Wochen, und den KPIs Mention Rate, Citation Rate und Share of Voice als Basiswerten.
Kann man herausfinden, ob Texte mit ChatGPT geschrieben wurden?
Zuverlässige Erkennungstools existieren, liefern aber keine belastbare Sicherheit; für die Messung von Markenerwähnungen ist das ohnehin nicht relevant, dort zählt, was ChatGPT über eine Marke sagt, nicht wer den Ausgangstext verfasst hat.
Was ist noch besser als ChatGPT?
Es gibt kein pauschal “besseres” System, denn Perplexity zitiert transparenter mit Links, Claude liefert ausführlichere Fließtext-Antworten, und Gemini ist stark an Google-Daten gekoppelt. Für belastbare Ergebnisse sollten Sie ohnehin mehrere Engines parallel benchmarken, etwa mit einer Plattform wie growResonance, statt sich auf ein einzelnes Modell zu verlassen.
