Prompt Tracking: Was die Zahlen über deine KI-Sichtbarkeit aussagen
Prompt Tracking ist das Pendant zum Rank Tracking. KI-Suchsysteme antworten aber nicht deterministisch, deshalb ist jede Zahl eine Annäherung.
Dieser Artikel zeigt an 23.037 ChatGPT-Läufen aus dem AI Mention Index, wie stark Antworten streuen, was sich trotzdem messen lässt und warum eine Abfrage über die API etwas anderes misst als die Oberfläche.
Prompt Tracking, auch Prompt Monitoring genannt, ist das wiederholte Abfragen einer festen Liste von Fragen in KI-Suchsystemen wie ChatGPT, Google AI Mode oder Perplexity. Ausgewertet wird, welche Marken in den Antworten genannt und empfohlen werden und welche Quellen das System zitiert. Für die Suche in KI-Systemen übernimmt es die Rolle, die Rank Tracking in der klassischen Suche hat.
Der Vergleich hat eine Grenze. Ein Ranking war schon immer etwas fragil und teilweise personalisiert, bei KI-Antworten spitzt sich das zu: Dieselbe Frage liefert beim nächsten Abruf eine andere Antwort. Eine einzelne Abfrage sagt deshalb fast nichts. Viele Abfragen über einen längeren Zeitraum zeigen dagegen recht genau, wie Antworten entstehen, wer darin vorkommt und in welche Richtung sich das bewegt.
Die Zahlen in diesem Artikel stammen aus dem AI Mention Index, mit dem ich seit September 2026 messe, welche Anbieter und Händler ChatGPT bei Kaufanfragen empfiehlt, unter anderem für Handyverträge in Deutschland. Grundlage sind 23.037 Läufe über die ChatGPT-Oberfläche vom 07.09. bis 30.09.2026: 64 Prompts, jeder davon 15-mal am Tag abgefragt. Dazu kommt ein Vergleich derselben Prompts über die API.
Was ist Prompt Tracking?
Prompt Tracking besteht aus drei Schritten: Du legst eine feste Liste von Fragen fest, die deine Zielgruppe einem KI-System stellt. Diese Prompts werden regelmäßig und mehrfach abgefragt. Aus den Antworten wird ausgewertet, welche Marken genannt und empfohlen werden und welche Quellen das System angibt.
Prompt Monitoring meint dasselbe. Semrush, Moz und HubSpot sprechen von Prompt Tracking, Sistrix nennt sein Produkt Prompt Monitoring. Das Ziel dahinter heißt meist KI-Sichtbarkeit oder AI Visibility: wie oft und in welcher Rolle eine Marke in den Antworten vorkommt.
Prompt Tracking und Rank Tracking im Vergleich
| Rank Tracking | Prompt Tracking | |
|---|---|---|
| Was gemessen wird | Position einer URL zu einem Keyword | Anteil der Antworten, in denen eine Marke genannt oder zitiert wird |
| Bei Wiederholung | weitgehend dasselbe Ergebnis | bei jedem Abruf eine andere Antwort |
| Einheit | Platz 1 bis 100 | Prozent über viele Läufe |
| Grundlage | ein Index, eine Ergebnisliste | Modellwissen und Live-Suche mit wechselnden Treffern |
| Personalisierung | Standort, Sprache, teils Suchverlauf | zusätzlich Gesprächsverlauf und Memory |
| Aussage eines Einzelwerts | brauchbar | nahezu keine |
Warum Prompt Tracking keine festen Rankings liefert
ChatGPT gibt auf dieselbe Frage am selben Tag unterschiedliche Empfehlungen. Der Grund liegt in der Technik: Ein Sprachmodell wählt jedes nächste Wort nach Wahrscheinlichkeiten, und wenn es dazu im Web sucht, bekommt es von Abruf zu Abruf andere Treffer. Beides zusammen führt dazu, dass eine Antwort eine Ziehung aus vielen möglichen Antworten ist.
Im AI Mention Index liegen je Prompt und Tag 15 Läufe vor. Ich habe gezählt, wie viele verschiedene Marken dabei als erste Empfehlung auftauchen.
Selbst die Marke, die an einem Tag am häufigsten vorn steht, steht also nur in jedem zweiten Lauf vorn. Über die 24 Tage kommt ein Prompt im Median auf 10 verschiedene Händler als Erstempfehlung, im Extremfall auf 17. Bei den Anbietern ist das Bild ähnlich: 4 verschiedene Erstempfehlungen je Prompt und Tag, in 8,6 % der Fälle immer dieselbe.
Für das Prompt Tracking folgt daraus: Platz 1 ist keine Kennzahl. Was sich messen lässt, ist ein Anteil. In wie vielen von 100 Läufen wird eine Marke genannt, in wie vielen zuerst empfohlen.
Was ein einzelner Lauf im Prompt Tracking wert ist
Ein einzelner Lauf zeigt rund ein Drittel dessen, was ChatGPT zu einem Prompt an Händlern nennt. Im Mittel enthält eine Antwort 2,45 Händler. Über die 15 Läufe desselben Tages nennt ChatGPT für denselben Prompt 7,75 verschiedene Händler.
Das hat eine direkte Folge für jede Stichprobe: Eine Marke, die an einem Tag bei einem Prompt in mindestens der Hälfte der Läufe genannt wird, fehlt in einem zufällig gezogenen Einzellauf trotzdem mit 28 % Wahrscheinlichkeit. Wer einmal fragt und sich nicht findet, weiß danach nicht, ob er ein Problem hat.
Wie viele Wiederholungen eine Kennzahl braucht
Um das zu beziffern, habe ich aus den 15 Läufen je Prompt und Tag zufällig einen, drei oder fünf gezogen, daraus den Mention-Anteil eines Händlers über 32 Prompts berechnet und mit dem Wert aus allen 15 Läufen verglichen. Die Abbildung zeigt das Ergebnis für Sparhandy, den meistgenannten Händler im Index. Für MediaMarkt, DeinHandy, Gomibo und Check24 liegen die Werte in derselben Größenordnung.
Bei einem Lauf je Prompt kann ein Händler mit 44 % Mention-Anteil an einem Tag mit 31 % und am nächsten mit 57 % im Dashboard stehen, ohne dass sich an den Antworten etwas geändert hat. Das gilt schon für eine Kennzahl über 32 Prompts. Für einen einzelnen Prompt ist die Streuung deutlich größer.
Mehr Prompts oder mehr Läufe?
Die Abbildung oben geht von einem festen Prompt-Set aus und fragt, wie viele Läufe es braucht. In der Praxis ist das Budget begrenzt, und die Frage lautet anders: lieber viele Prompts mit je einem Lauf oder wenige Prompts mit mehreren Läufen? Ich habe dazu 30 Läufe am Tag unterschiedlich auf die Prompts verteilt und mit dem Tageswert des ganzen Sets verglichen.
Der Grund liegt in den Prompts selbst. Die Nennungsrate von Sparhandy reicht je nach Prompt von 0 % bis 91 %. Wer nur sechs Prompts misst, erwischt leicht sechs untypische, und daran ändern auch fünf Läufe je Prompt nichts. Für MediaMarkt und Check24 fällt das Ergebnis gleich aus.
Daraus ergeben sich zwei Regeln. Für die Kennzahl über das ganze Set zählt zuerst die Breite: lieber mehr Prompts als mehr Läufe. Für die Frage, welche Marken und Quellen ein bestimmter Prompt hervorbringt, zählen die Wiederholungen: Ein Lauf zeigt nur ein Drittel des Feldes.
Wiederholungen müssen unabhängige Abrufe sein, keine Folgefragen in derselben Sitzung. Eine Folgefrage kennt die erste Antwort und bestätigt sie meist. Die Tageszeit kannst du dagegen vernachlässigen: Zwischen den Messpunkten um 7, 13 und 19 Uhr liegen im Index weniger als 1,5 Punkte.
Auch 480 Läufe am Tag schwanken
Der Tageswert eines Händlers beruht im Index auf 480 Läufen. Trotzdem bewegt er sich von Tag zu Tag: Sparhandy zwischen 36,5 % und 51,0 %, DeinHandy zwischen 18,3 % und 39,2 %, Check24 zwischen 16,7 % und 34,2 %. Durch reinen Zufall wäre bei 480 Läufen eine Schwankung von rund 2 Punkten von Tag zu Tag zu erwarten. Gemessen sind bei Sparhandy 3,5 und bei DeinHandy 6,3 Punkte. Ein Teil der Bewegung trifft also alle Läufe eines Tages gemeinsam, etwa wenn ein Angebot ausläuft oder eine Quelle aus den Suchtreffern fällt. Mehr Läufe am selben Tag gleichen das nicht aus. Unterscheiden lässt sich Rauschen von echter Veränderung nur über den Verlauf mehrerer Tage.
KI-Sichtbarkeit messen: die Kennzahlen im Prompt Tracking
Weil Platzierungen nicht stabil sind, arbeitet Prompt Tracking mit Anteilen über viele Läufe. Fünf Kennzahlen reichen für die meisten Fragen. Die Beispielwerte stammen aus dem Index, Zeitraum 07.09. bis 30.09.2026.
- Mention-Anteil
- In wie vielen Läufen die Marke genannt wird. Sparhandy: 43,7 % der Läufe mit ausdrücklicher Frage nach dem Shop. Im Verhältnis zu den Wettbewerbern gelesen, ist das der Share of Voice.
- Erstempfehlungs-Anteil
- In wie vielen Läufen die Marke als Erstes empfohlen wird. Sparhandy: 18,2 %. Der Abstand zum Mention-Anteil zeigt, ob eine Marke nur mitgenannt oder tatsächlich empfohlen wird.
- Citation-Anteil
- Welcher Anteil aller Quellenangaben auf eine Domain entfällt. telekom.de: 8,9 % aller Zitate. Diese Kennzahl gehört in einen eigenen Bericht, weil dahinter ein anderer Hebel steht als hinter Markennennungen.
- Web-Suche-Anteil
- In wie vielen Läufen das System im Web gesucht hat, statt aus dem Modellwissen zu antworten. Im Zeitraum 94,6 %.
- Verlässlichkeit
- Wie ähnlich sich die Antworten auf denselben Prompt sind, als Wert zwischen 0 und 1. Im Index liegt der Sektorwert aktuell bei 0,50. Je niedriger der Wert, desto mehr Wiederholungen braucht eine Aussage.
Eine durchschnittliche Position, wie manche Tools sie ausweisen, führe ich nicht. Bei im Median vier verschiedenen Erstempfehlungen je Prompt und Tag sagt der Anteil mehr als ein Mittelwert über Plätze.
Was sich mit Prompt Tracking messen lässt
Der größte Nutzen von Prompt Tracking liegt im Verständnis, wie Antworten zustande kommen. Markennennungen zu zählen ist nur der Anfang. Wenn dein Tool neben der Antwort auch Suchtreffer, Quellenangaben und das Web-Suche-Signal speichert, lassen sich vier Fragen beantworten.
Sucht das System oder antwortet es aus dem Modellwissen?
In 5,4 % der Läufe hat ChatGPT keine Web-Suche ausgelöst und aus dem Trainingswissen geantwortet. Der Anteil schwankt je Tag zwischen 0,7 % und 18,2 %. Aktuell liegt der Anteil der Läufe mit Web-Suche bei 95,1 % (Stand 06.10.2026, 20:35 Uhr). Die Antworten unterscheiden sich deutlich:
Für die Optimierung ist das eine Weichenstellung. Antwortet das System mit Web-Suche, entscheiden auffindbare und zitierfähige Seiten. Antwortet es ohne, entscheidet, was das Modell über die Marke gelernt hat, und das ändert sich nur mit dem nächsten Modell.
Welche Quellen tragen die Antworten?
Wenige Domains liefern den Großteil der Quellenangaben. Im Messzeitraum hat ChatGPT 52.598 Zitate aus 458 Domains gesetzt. Die zehn meistzitierten Domains kommen auf 54,6 % aller Zitate, 24 Domains auf 80 %. 177 Domains wurden genau einmal zitiert. Die meistzitierten Quellen sind die Seiten der Netzbetreiber, Vergleichs- und Deal-Portale sowie Ratgeber-Seiten. Händler-Shops folgen dahinter.
Diese Liste ist für die Praxis wertvoller als jede Markennennung: Sie zeigt, auf welchen Seiten deine Marke vorkommen muss, damit sie in die Antwort gelangt.
Gefunden heißt meist auch zitiert
ChatGPT findet bei der Web-Suche etwas mehr Seiten, als es zitiert. In den Läufen mit Quellenangaben wird eine Seite, die in den Suchtreffern stand, in den meisten Fällen auch als Quelle ausgewiesen:
Die Spanne reicht von 60 bis 94 %. Ratgeber liegen im Schnitt etwas höher als Shops, eine klare Trennung nach Seitentyp gibt es aber nicht: gomibo.de und sparhandy.de werden so oft zitiert wie die Ratgeber. Der Engpass liegt vor dem Zitat. Wer in die wenigen Suchtreffer einer Antwort kommt, wird meist auch Quelle.
Genannt ist nicht empfohlen
Eine Nennung sagt noch nichts über die Rolle in der Antwort. Saturn wird im Messzeitraum in 14,6 % der Läufe genannt und ist in 0,1 % die erste Empfehlung. Gomibo wird seltener genannt als Sparhandy, steht im Verhältnis aber deutlich häufiger an erster Stelle. Die aktuellen Werte aus dem Index:
Alle Kennzahlen mit Verlauf findest du auf der Branchenseite Telekommunikation, die Rechenwege in der Methodik.
Wie das System sucht
Ein Teil der Messläufe protokolliert die Suchanfragen, die ChatGPT im Hintergrund absetzt. Von 4.353 Suchanfragen enthalten 76 % die Jahreszahl 2026, 22 % einen Monatsnamen und 20 % eine Einschränkung auf eine bestimmte Domain mit site:. Typisch ist eine Anfrage wie "Samsung Galaxy S26 Ultra Vertrag günstig Deutschland September 2026". Seiten, die Monat und Jahr im Titel führen und aktuell gehalten werden, passen genau auf dieses Muster. Die vollständige Auswertung steht im Artikel zu Query Fan-out.
Nie genannt zu werden ist ein klares Signal
So unsicher ein einzelner Treffer ist, so eindeutig ist das dauerhafte Fehlen. Von 52 Shops und Portalen in meinem Wörterbuch tauchen neun in 23.037 Läufen kein einziges Mal auf. Weitere 26 liegen unter 1 % der Läufe, darunter Namen, die in der klassischen Suche zu den sichtbarsten im Markt gehören: Amazon mit 0,33 %, Idealo mit 0,38 %, Otto mit 0,05 %, eBay mit 0,02 %. Bei den Anbietern liegen Aldi Talk mit 0,29 % und Lidl Connect mit 0,05 % in diesem Bereich.
Bei dieser Zahl an Wiederholungen ist "kommt nicht vor" kein Zufall mehr. Das System führt die Marke für diese Fragen nicht als Antwort.
Wie belastbar eine Null ist, lässt sich mit einer Faustregel abschätzen: Bei null Treffern in n Läufen liegt die wahre Rate mit hoher Sicherheit unter 3 geteilt durch n. Null Nennungen in 15 Läufen heißen also nur "unter 20 %". Null Nennungen in den 360 Läufen eines Prompts über 24 Tage heißen "unter 0,8 %".
Stammplätze sind die Ausnahme
Das Gegenstück dazu: Auch wer vorkommt, kommt selten verlässlich vor. Für jedes Paar aus Prompt und Marke habe ich ausgewertet, in wie vielen der 360 Läufe des Prompts die Marke genannt wird.
Im Median nennt ChatGPT je Prompt über den Zeitraum 16 verschiedene Händler. Nur 1,4 % der Paare haben einen Stammplatz mit über 80 % der Läufe, gut die Hälfte sind Zufallstreffer unter 5 %. Bei den Anbietern sind Stammplätze häufiger, weil die drei Netzbetreiber in fast jeder Antwort vorkommen.
Für die Einordnung der eigenen Marke ergeben sich daraus drei Lagen: nie genannt, gelegentlich genannt, regelmäßig genannt. Der Schritt von der ersten in die zweite Lage ist der wichtigste und lässt sich mit Prompt Tracking am zuverlässigsten nachweisen.
Oberfläche oder API: zwei verschiedene Messungen
Eine Abfrage über die API liefert andere Empfehlungen als die ChatGPT-Oberfläche, die ein Nutzer sieht. Die Oberfläche bringt eigene Systemanweisungen, die Web-Suche, Shopping-Karten und den Standort des Nutzers mit. Die API ist das Modell ohne diese Schicht, und die Web-Suche muss dort ausdrücklich eingeschaltet werden.
Um den Unterschied zu beziffern, habe ich fünf Prompts aus dem Index je fünfmal auf drei Wegen abgefragt: über die Oberfläche (ausgeloggt, Standort Deutschland), über die API ohne Web-Suche und über die API mit Web-Suche. Ausgewertet wurde mit demselben Wörterbuch wie im Index.
Die API ohne Web-Suche gibt Trainingswissen wieder
Ohne Web-Suche wirkt ChatGPT deutlich stabiler, als es in der Oberfläche ist. Telekom steht in 19 von 25 Läufen vorn, Check24 in 15. Verivox wird in 15 von 25 Läufen genannt, in den Tagesdaten der Oberfläche kommt die Marke auf 3,2 % der Läufe. Wer so misst, sieht die Marken, die das Modell aus dem Training kennt, und eine Stabilität, die Nutzer nicht erleben.
Das Modellwissen hängt außerdem hinter dem Markt. In den mitgelieferten Zusammenfassungen der Modell-Überlegungen heißt es zum iPhone 17 Pro, das Gerät sei möglicherweise noch nicht erschienen und könne fiktiv sein. Beim Galaxy S26 Ultra dasselbe. Konkrete Tarife mit Preis nennt in 25 Läufen ein einziger.
Mit Web-Suche ist die API näher dran, aber nicht gleich
Mit eingeschalteter Web-Suche liefert die API Quellen und aktuelle Preise. Die Empfehlungen decken sich trotzdem nicht mit der Oberfläche. Beim Galaxy S25 nennt die API DeinHandy und Sparhandy zuerst, die Oberfläche Check24 und MediaMarkt. Die API zitiert vor allem die Seiten der Netzbetreiber, Ratgeber-Seiten wie finanztip.de, handyhase.de und tariffuxx.de kommen in der Oberfläche auf 20 Zitate und in der API auf 3.
Dazu fehlt der API der Standort. Ein Lauf zum iPhone 17 Pro antwortete für den US-Markt, mit AT&T, Verizon und Preisen in Dollar. Die Suchanfragen dazu waren englisch.
Zwischen den Oberflächen-Läufen und den API-Läufen liegen knapp vier Wochen. Unterschiede bei einzelnen Angeboten können am Zeitabstand liegen. Die Unterschiede in der Struktur (Quellen, Standort, Shopping-Karten, Stabilität) erklärt er nicht.
Wofür die API das richtige Instrument ist
- Oberfläche messen
- Wenn du wissen willst, was Nutzer sehen: welche Marken empfohlen werden, welche Quellen und Shopping-Karten erscheinen. Das ist die Messung für Sichtbarkeit.
- API ohne Web-Suche
- Wenn du wissen willst, was das Modell über deine Marke gelernt hat. Das ist die Messung für Markenwissen im Modell und für die Antworten in den 5 % der Fälle ohne Suche.
- API mit Web-Suche
- Wenn du die Suchanfragen sehen willst. Die API liefert je Lauf 3 bis 8 Suchanfragen mit, die Oberfläche zeigt sie nicht.
Bei der Auswahl eines Tools lohnt deshalb die Frage an den Anbieter, auf welchem Weg die Daten erhoben werden, mit welchem Standort und mit wie vielen Wiederholungen je Prompt.
Mentions sind ein Indikator, keine Ziel-KPI
Als Zielgröße taugen Mentions aus dem Prompt Tracking nicht: Sie schwanken von Lauf zu Lauf, sie hängen am gewählten Prompt-Set, und sie sagen nichts über Traffic oder Umsatz. Ein Ziel wie "30 % Mention-Anteil bis Jahresende" lässt sich weder sauber messen noch gegen den Wettbewerb vergleichen, solange nicht alle dasselbe Set mit derselben Methode abfragen.
Mentions sind keine gute Ziel-KPI. Zur Ableitung der eigenen Maßnahmen und als Indikator für deren Erfolg funktionieren sie gut, solange das Prompt-Set dasselbe bleibt.
Als Indikator leistet Prompt Tracking zwei Dinge. Erstens zeigt es, ob Maßnahmen wirken: ob eine überarbeitete Seite häufiger zitiert wird, ob eine Marke nach neuen Erwähnungen auf Ratgeber-Seiten in den Antworten auftaucht. Zweitens zeigt es Veränderungen in der Ausspielung. So wie Google seine Suchergebnisse umbaut, werden auch ChatGPT und andere Systeme ändern, wie sie suchen, welche Quellen sie bevorzugen und wie sie Antworten aufbauen. Wer ein festes Set misst, sieht solche Verschiebungen und kann sich anpassen.
Im Index sind solche Bewegungen sichtbar, auch in ruhigen Wochen. In der Kalenderwoche 39 lag die Gesamtlage in allen drei Rollen im normalen Bereich, Check24 verlor bei den Händlern trotzdem 20 Punkte Mention-Anteil. Der Anteil der Läufe mit Web-Suche fiel zwischen dem 10. und 14. September von 97 % auf 81,8 % und stieg danach wieder. Beides wäre mit Einzelabfragen nicht aufgefallen.
Wenn sich die Plattform ändert und nicht deine Sichtbarkeit
Ein Teil der Bewegungen hat nichts mit der eigenen Marke zu tun. Vom 11. bis 13. September enthielten im Index nur 1 bis 2 % der Läufe mit Web-Suche eine Quellenangabe, davor und danach rund 99 %. Die Zahl der Suchtreffer je Lauf stieg in denselben Tagen von 3,3 auf 4,9. Ob ChatGPT in dieser Zeit weniger Quellen ausgewiesen hat oder der Abruf sie nicht erfasst hat, lässt sich aus den Daten nicht trennen. Für die Kennzahl ist die Folge dieselbe: Der Citation-Anteil von telekom.de lag am 11. September bei 18,9 % und am 12. September bei 0 %, weil an beiden Tagen nur wenige hundert Zitate vorlagen statt der üblichen rund 2.500.
Dasselbe Muster gibt es in größerem Maßstab. David Konitzny hat für den Google AI Mode dokumentiert, dass die Zahl der Quellen je Antwort Ende August 2026 binnen einer Woche von 15 bis 20 auf 4 bis 5 gefallen ist, in sieben Märkten gleichzeitig. Wer in so einer Woche einen Rückgang der eigenen Zitate sieht, prüft deshalb zuerst, wie viele Quellen das System insgesamt noch ausweist. Werte im Verhältnis zum Wettbewerb sind gegen solche Änderungen robuster als absolute Anteile.
Prompt Tracking ist eine von vier Datenquellen
Prompt Tracking zeigt, was ein KI-System antwortet. Es zeigt nicht, ob daraus Besucher oder Kunden werden. Peec AI beschreibt in seiner GEO-101-Reihe vier Datenquellen, die sich ergänzen:
- Prompt Tracking
- Sichtbarkeit in den Antworten, gemessen im Labor über ein festes Prompt-Set. Die einzige der vier Quellen mit Wettbewerbsvergleich.
- Logfiles
- Welche Bots von OpenAI, Anthropic und Google welche URLs abrufen. Echte Serverdaten, aber ohne Aussage darüber, ob die Seite in eine Antwort eingeflossen ist.
- Webanalyse
- Die wenigen Nutzer, die aus einer KI-Antwort auf die Website klicken. Gut für die Qualität dieser Besuche, ungeeignet für das Volumen.
- Selbstauskunft
- Die Frage "Wie bist du auf uns aufmerksam geworden?" im Formular. Sie erfasst Nutzer, die sich in einem KI-System beraten lassen und danach den Markennamen direkt eingeben.
Wie groß die Lücke zwischen Webanalyse und Selbstauskunft sein kann, zeigt ein Beispiel aus derselben Quelle: Bei n8n kamen laut Webanalyse 0,9 % der Leads aus KI-Systemen, laut Selbstauskunft 9 %. Eigene Zahlen habe ich dazu nicht. Für die Einordnung von Mentions reicht die Richtung: Sie sind ein Signal auf der Angebotsseite. Ob daraus Nachfrage wird, zeigen die anderen drei Quellen, und dafür gelten weiterhin die Grundlagen von SEO & GEO: Was KI-Systeme zitieren, finden sie zum größten Teil über eine Web-Suche.
Ein Prompt-Set aufsetzen, das etwas aussagt
Die Kosten für Prompt Tracking hängen am Messweg. Für den AI Mention Index mit 28.800 Abrufen der ChatGPT-Oberfläche im Monat sind rund 24 bis 36 US-Dollar an Datenkosten kalkuliert. Über die API mit Web-Suche kostete ein Abruf in meinem Vergleich rund 3 Cent, bei derselben Menge wären das über 800 US-Dollar im Monat. Der größere Aufwand liegt in beiden Fällen im Prompt-Set und in der Auswertung. Acht Punkte entscheiden darüber, ob die Kurve am Ende etwas aussagt.
-
Prompts aus echten Fragen ableiten
Das Set im Index stammt aus realen Nutzeranfragen an einen Tarifberater, gruppiert in Cluster und gewichtet nach Häufigkeit. Als Quelle taugen auch Suchanfragen aus der Search Console, Fragen aus dem Kundenservice und die Sprache aus Verkaufsgesprächen. Der Index kommt für einen Sektor mit 64 Prompts aus. Wer getrennt nach Thema, Zielgruppe und Intention berichten will, landet schnell bei mehreren hundert.
-
Nach Intention trennen
Prompts mit Markennamen, generische Kaufanfragen und Informationsfragen gehören in getrennte Sets mit eigenen Kurven. Gemischt verfälschen sie den Verlauf: Brand-Prompts liefern fast immer eine Nennung und heben den Schnitt, ohne dass sich an der Sichtbarkeit etwas geändert hat. Im Index nennen sechs Prompts die Telekom schon in der Frage, dort taucht sie in 99,1 % der Läufe auf. In den 58 Prompts ohne ihren Namen sind es im Mittel 85 %, je nach Prompt zwischen 0 % und 98,6 %. Im Index laufen deshalb zwei Reihen getrennt, eine in Nutzersprache und eine mit ausdrücklicher Frage nach dem Shop.
-
Das Set stabil halten
Ein Verlauf ist nur vergleichbar, wenn dieselben Prompts über Monate gemessen werden. Neue Prompts kommen als neue Version dazu, mit Datum, und alte Kurven werden nicht rückwirkend umgerechnet.
-
Erst Breite, dann Wiederholungen
Bei begrenztem Budget zuerst mehr Prompts aufnehmen, dann die Läufe je Prompt erhöhen. Für die Kennzahl über das Set reicht ein Lauf je Prompt und Tag, wenn du die Werte über sieben Tage zusammenfasst und nur diese Wochenwerte vergleichst. Drei bis fünf Läufe je Prompt brauchst du dort, wo du einzelne Prompts auswerten willst: welche Marken genannt und welche Quellen zitiert werden.
-
Anteile auswerten, keine Plätze
Mention-Anteil, Erstempfehlungs-Anteil und Citation-Anteil über alle Läufe. Dazu den Anteil der Läufe mit Web-Suche und die Liste der zitierten Domains.
-
Standort und Login-Status festlegen
Ausgeloggt oder eingeloggt, welches Land, welche Sprache: Jede dieser Einstellungen ändert die Antworten. Leg sie einmal fest und halte sie konstant. Im Index läuft alles ausgeloggt mit Standort Deutschland.
-
Im Verhältnis zum Wettbewerb lesen
Der eigene Anteil neben den Anteilen der wichtigsten Wettbewerber, je Themenfeld. Ändert die Plattform, wie viele Marken oder Quellen sie nennt, verschieben sich alle Werte gemeinsam, und die Rangfolge bleibt lesbar.
-
Verläufe lesen, keine Tageswerte
Erst das normale Rauschen über zwei bis drei Wochen kennenlernen, dann Bewegungen bewerten. Im Index gilt eine Veränderung erst als Bewegung, wenn sie über der gemessenen Streuung der Kalibrierungsphase liegt.
Der aktuelle Stand aus dem AI Mention Index
Die Zahlen oben beschreiben einen festen Zeitraum. Das Widget zeigt den laufenden Stand: die Lage je Rolle, den Verlauf der letzten 30 Tage und die meistgenannten Marken. Es wird täglich neu berechnet und lädt beim Aufruf der Seite die neuesten Werte nach.
Grenzen dieser Daten
Die Zahlen in diesem Artikel beschreiben einen Sektor und ein System. Für die Übertragung auf andere Fälle gelten vier Einschränkungen.
- Ein Sektor: Telekommunikation in Deutschland, mit Kaufanfragen zu Handyverträgen und Smartphones mit Vertrag. In Branchen mit weniger Anbietern oder weniger Vergleichsportalen können Streuung und Quellen anders aussehen.
- Ein System, ausgeloggt: Gemessen wird die ChatGPT-Oberfläche ohne Konto. Eingeloggte Nutzer mit Verlauf und Memory bekommen zusätzlich personalisierte Antworten, die sich von außen nicht messen lassen. Gemessen ist damit ein Ausschnitt, und der Login-Status ist eine Stellgröße der Messung wie der Standort. Für Gemini, Perplexity oder Google AI Mode habe ich keine eigenen Reihen.
- Ein Wörterbuch: Marken werden über ein gepflegtes Wörterbuch mit Schreibvarianten erkannt. Was dort fehlt, wird nicht gezählt.
- Eine Stichprobe beim API-Vergleich: Fünf Prompts mit je fünf Läufen zeigen Größenordnungen. Einzelne Werte daraus sind nicht belastbar.
Den laufenden Stand mit Tageswerten, Verlauf und zitierten Quellen findest du im AI Mention Index. Wenn du wissen willst, wie deine Marke in KI-Antworten vorkommt und welche Maßnahmen daraus folgen, ist das der Gegenstand eines GEO Audits.
Häufige Fragen zu Prompt Tracking
Antworten zu Begriffen, Wiederholungen, Kennzahlen und Messwegen.
Was ist Prompt Tracking?
Prompt Tracking ist das wiederholte Abfragen einer festen Liste von Fragen (Prompts) in KI-Suchsystemen wie ChatGPT, Google AI Mode oder Perplexity. Ausgewertet wird, welche Marken in den Antworten genannt und empfohlen werden und welche Quellen das System zitiert. Es ist das Pendant zum Rank Tracking in der klassischen Suche.
Was ist der Unterschied zwischen Prompt Tracking und Prompt Monitoring?
Es gibt keinen inhaltlichen Unterschied. Beide Begriffe bezeichnen das systematische Beobachten von KI-Antworten zu einem festen Prompt-Set. Semrush, Moz und HubSpot sprechen von Prompt Tracking, Sistrix nennt sein Produkt Prompt Monitoring.
Wie oft sollte man einen Prompt abfragen?
Das hängt von der Frage ab. Für eine Kennzahl über das ganze Prompt-Set reicht ein Lauf je Prompt und Tag, wenn die Werte über eine Woche zusammengefasst werden; bei festem Budget sind mehr Prompts genauer als mehr Läufe. In meinen Daten weicht der Tageswert bei 30 Prompts mit je einem Lauf im Mittel 5,9 Punkte ab, bei 6 Prompts mit je fünf Läufen 10 Punkte. Für die Auswertung eines einzelnen Prompts braucht es dagegen Wiederholungen: Ein Lauf zeigt im Mittel nur ein Drittel der Händler, die ChatGPT am selben Tag für diesen Prompt nennt.
Wie viele Prompts braucht ein Prompt-Set?
So viele, dass die wichtigen Themen und Kaufsituationen deiner Zielgruppe abgedeckt sind, und so wenige, dass du das Set dauerhaft unverändert messen kannst. Der AI Mention Index arbeitet für den Sektor Telekommunikation mit 64 Prompts in zwei getrennten Reihen. Wer getrennt nach Thema, Zielgruppe und Intention berichten will, braucht schnell mehrere hundert. Wichtiger als die Zahl ist die Trennung nach Intention: Prompts mit Markennamen gehören nicht in dieselbe Kurve wie generische Prompts.
Ist Prompt Tracking über die API dasselbe wie über die ChatGPT-Oberfläche?
Nein. In meinem Vergleich mit fünf Prompts und je fünf Läufen war die Telekom in der API ohne Web-Suche in 19 von 25 Läufen die erste Anbieter-Empfehlung, in der Oberfläche in 7 von 25. Ohne Web-Suche liefert die API keine Quellen und antwortet aus dem Trainingswissen. Mit Web-Suche liegt sie näher an der Oberfläche, zitiert aber andere Quellen und kennt den Standort des Nutzers nicht.
Welche Kennzahlen sind beim Prompt Tracking sinnvoll?
Anteile über viele Läufe statt Platzierungen: der Mention-Anteil (in wie vielen Läufen die Marke genannt wird), der Erstempfehlungs-Anteil (in wie vielen Läufen sie zuerst empfohlen wird) und der Citation-Anteil (welcher Anteil der Quellenangaben auf die eigene Domain entfällt). Dazu der Anteil der Läufe mit Web-Suche, weil er zeigt, ob das System recherchiert oder aus dem Modellwissen antwortet.
Sind Mentions in ChatGPT eine gute Ziel-KPI?
Als Zielgröße nicht, als Indikator schon. Mentions schwanken von Lauf zu Lauf und von Tag zu Tag, und sie sagen nichts über Traffic oder Umsatz. Sie zeigen aber, ob Maßnahmen wirken und ob sich die Ausspielung verändert, wenn du dauerhaft dasselbe relevante Prompt-Set misst.
Reicht Prompt Tracking aus, um KI-Sichtbarkeit zu messen?
Nein. Prompt Tracking zeigt, was ein KI-System antwortet, aber nicht, ob daraus Besucher oder Kunden werden. Dafür braucht es drei weitere Datenquellen: Logfiles für die Zugriffe der KI-Bots, die Webanalyse für die Qualität der Klicks aus KI-Systemen und die Selbstauskunft im Formular, weil viele Nutzer nach einer KI-Antwort den Markennamen direkt eingeben und in der Webanalyse nicht als KI-Besucher erscheinen.
Was bedeutet es, wenn meine Marke nie genannt wird?
Bei wenigen Läufen wenig, bei vielen Läufen viel. Im AI Mention Index tauchen einzelne Shops in 23.037 Läufen kein einziges Mal auf, und bekannte Namen wie Amazon oder Idealo liegen bei Kaufanfragen zu Handyverträgen unter 0,4 Prozent der Läufe. Bei dieser Zahl an Wiederholungen ist das kein Zufall, sondern ein Hinweis, dass das System die Marke für diese Fragen nicht als Antwort führt.
Let's talk
Wenn du ein Prompt-Set für deine Marke aufsetzen willst oder wissen möchtest, wie du in ChatGPT und anderen KI-Systemen vorkommst: Schreib mir kurz, um welche Branche und welche Fragen es geht. Der Austausch ist unverbindlich.
Oder direkt per WhatsApp:
WhatsApp-Chat starten