Ihre KI-Sichtbarkeit fällt um acht Punkte — welche Frage in welcher Engine war das?

aeo-platform benennt, welche Frage in welcher KI-Engine eine Bewegung Ihrer Sichtbarkeit ausgelöst hat — nicht nur, dass sie sich bewegt hat. Das kostenlose, quelloffene Kommandozeilen-Werkzeug führt sechs Kennzahlen als datierte Messreihe, vergleicht jeden Lauf mit dem Vorlauf und mit dem allerersten, und schreibt offen hin, welcher Teil eines Ausschlags aus dem Lauf heraus nicht zuordenbar ist.

Im deutschen Berichtswesen ist der Reflex vertraut: Eine Kennzahl, die sich bewegt hat, ohne dass die Ursache benannt ist, ist kein Befund — sie ist ein Anlass zur Ursachenanalyse. Genau an dieser Stelle enden die meisten Werkzeuge für KI-Sichtbarkeit. Sie zeigen einen Balken, der gestern höher stand, und überlassen die Frage nach dem Warum dem Leser.

Dieser Artikel zeigt, wie ein Lauf-über-Lauf-Vergleich aussieht, der die Ursachenfrage tatsächlich beantwortet — und wo er ehrlich zugibt, dass er sie nicht beantworten kann. Alle Abbildungen stammen aus einem echten Produktionsbericht für typelessform.com, nicht aus einem Entwurf: acht Läufe zwischen dem 23. April und dem 13. August 2026, Index 33 bis 92.

Was ist eine datierte Messreihe zur KI-Sichtbarkeit?

Eine datierte Messreihe zur KI-Sichtbarkeit ist eine Folge gespeicherter Messungen mit festem Datum, festem Fragensatz und festen Engines. Nur so sind zwei Zeitpunkte überhaupt vergleichbar. Ein einzelner Score ohne diese drei Fixpunkte ist eine Momentaufnahme: Er sagt, wie eine Engine heute geantwortet hat, aber nichts darüber, ob das besser oder schlechter ist als vorher.

Die kleinste Einheit einer solchen Messung ist die Zelle: eine Frage, an eine Engine gestellt. Der Bericht in diesem Artikel arbeitet mit zwölf Zellen pro Lauf — drei Fragen mal vier Engines (ChatGPT, Claude, Gemini und Perplexity). Ein Lauf ist die vollständige Ausführung aller Zellen an einem Tag; die Rohantworten bleiben dabei als Dateien auf der Festplatte liegen.

aeo-platform ist das quelloffene Kommandozeilen-Werkzeug von Webappski, das diese Läufe ausführt, speichert und vergleicht. Es steht unter MIT-Lizenz auf GitHub und liegt als Paket aeo-platform auf npm; die zum Zeitpunkt dieses Artikels veröffentlichte Version ist 1.8.0. Es läuft lokal auf Ihrem Rechner mit Ihren eigenen API-Schlüsseln — es gibt kein Dashboard, in das Ihre Daten hochgeladen werden.

Welche sechs Kennzahlen führt jeder Lauf mit?

Jeder Lauf schreibt sechs Kennzahlen fort, und jede trägt zwei Vergleichswerte: den Abstand zum Vorlauf und den zum allerersten Lauf. Vier davon zählen ganze Dinge, zwei sind Skalen von 0 bis 100 — und diese Unterscheidung entscheidet später darüber, ab wann eine Bewegung überhaupt gemeldet werden darf.

Die Bezeichnungen im Bericht sind englisch, weil das Werkzeug international ausgeliefert wird. Inhaltlich decken die sechs Kennzahlen zwei verschiedene Fragen ab: Die ersten fünf messen, wie die Engines auf Ihre Fragen antworten; die sechste misst Ihre eigene Startseite und damit, ob dort überhaupt etwas steht, das eine Engine als vollständige Antwort übernehmen könnte.

Was bedeuten „gegenüber dem Vorlauf“ und „seit Tag 1“ — und warum brauchen Sie beide?

Der Vorlauf-Vergleich zeigt, ob die letzte Änderung gewirkt hat; der Vergleich zum ersten Lauf zeigt, ob sich das Programm überhaupt lohnt. Wer nur einen der beiden Werte führt, beantwortet regelmäßig die falsche Frage — und trifft auf dieser Basis Budgetentscheidungen.

Der dritte Lauf des gezeigten Berichts ist dafür das saubere Beispiel. Gegenüber dem Vorlauf hatte sich der Index nicht bewegt: null Punkte Differenz zum 13. Mai. Gegenüber dem ersten Lauf standen im selben Moment neun Punkte Plus. Beides ist gleichzeitig wahr, und beide Zahlen stehen deshalb nebeneinander in derselben Kachel.

Interessant ist die dritte Kachel in derselben Zeile: Während der Index stillstand, verlor die Marke eine Engine, die sie vorher vollständig genannt hatte. Ein Bericht, der nur den Gesamtwert führt, hätte diesen Lauf als ereignislos abgehakt.

Warum reicht die Meldung „minus acht Punkte“ für Ihr Berichtswesen nicht?

Eine reine Differenzangabe erlaubt keine Entscheidung, weil sie offenlässt, ob überhaupt etwas zu tun ist. Minus acht Punkte können bedeuten: eine Engine hat eine einzelne Frage anders beantwortet, ein Wettbewerber hat einen Platz besetzt, oder der Lauf hat schlicht weniger Zellen gemessen als der vorherige. Diese drei Fälle verlangen drei völlig verschiedene Reaktionen — und zwei davon verlangen gar keine.

In der Praxis führt die nackte Zahl zu einem bekannten Muster: Das Marketing bekommt einen roten Balken vorgelegt, reagiert mit Budget, und niemand kann hinterher sagen, ob die Maßnahme gewirkt hat oder ob der Wert ohnehin zurückgeschwungen wäre. Das ist teuer, und es ist vor allem nicht prüfbar.

Die Anforderung an einen belastbaren Bericht ist deshalb dieselbe wie in jeder anderen Ursachenanalyse: Er muss die Bewegung auf einen konkreten, benannten Vorgang zurückführen — und er muss sagen, welchen Teil er nicht zurückführen kann.

Wie zerlegt der Bericht eine Bewegung bis zur einzelnen Frage?

Eine eigene Vergleichsstufe stellt die beiden jüngsten Läufe Zelle für Zelle gegenüber und benennt die geänderte Kombination aus Frage und Engine. Sie klassifiziert jede Zelle als gehalten, verloren oder neu gewonnen und rechnet aus, was der Verlust einer einzelnen Zelle im gewichteten Index wert war.

Die Karte in der Abbildung beantwortet vier Fragen, und zwar getrennt voneinander:

1. Was hat sich geändert? Gemini nannte die Marke bei einer bestimmten Frage nicht mehr — die Frage steht im Klartext da, ebenso die Spur über alle acht Läufe: sieben Treffer, dann ein Ausfall.
2. Was hat das gekostet? Eine von zwölf Antworten sind 8,3 Prozentpunkte der Präsenz-Achse, und diese Achse geht mit 35 % in den Index ein — macht 2,9 Punkte.
3. Wer stand stattdessen dort? In diesem Fall niemand: Die Engine beantwortete die Frage ohne Empfehlung irgendeines Werkzeugs. Das ist eine Inhaltslücke, kein Wettbewerbsproblem — zwei Befunde, die gegensätzliche Maßnahmen nach sich ziehen.
4. Was bleibt unerklärt? Der Index bewegte sich um acht Punkte, zuordenbar sind davon 2,9. Der Rest steht ausdrücklich als nicht zuordenbar im Bericht, weil ein Lauf eine Indexzahl speichert und nicht die vier Achsenwerte dahinter.

Der vierte Punkt ist der unbequemste — und der wichtigste. Ein Bericht, der jede Bewegung restlos erklärt, erklärt sie in aller Regel zu viel. Dieselbe Zurückhaltung findet sich in zwei weiteren Details derselben Abbildung: Unter der Achtlauf-Spur steht der Hinweis, dass die Frage während der Messreihe umformuliert wurde und Läufe vor dem 10. Juni eine andere Formulierung desselben Messplatzes trugen. Und Lauf 5 ist in der Kurve als „partial“ markiert, weil er nur neun von zwölf Antworten gemessen hat — er wird gezeigt, aber ausdrücklich als nicht vergleichbar gekennzeichnet, statt stillschweigend in den Verlauf eingerechnet zu werden.

Woran erkennen Sie, dass eine Bewegung kein Rauschen ist?

Drei Prüfungen entscheiden im Werkzeug darüber, ob eine Differenz überhaupt als Bewegung gemeldet wird. Sie sind fest im Code hinterlegt, nicht pro Kunde eingestellt, und sie sind der Grund, warum viele Läufe unspektakulär aussehen.

• Feste Signifikanzschwelle je Einheit. Auf einer 0-bis-100-Achse müssen es mindestens 3,0 Punkte sein, bei gezählten Dingen eine ganze Einheit, bei Rangplätzen ein halber Platz. Darunter wird die Zahl zwar angezeigt, aber nicht eingefärbt und nicht als Bewegung behauptet.
• Rauschtest ab dem fünften Lauf. Sobald fünf gemessene Werte vorliegen, muss eine Differenz größer sein als der typische Schritt dieser Kennzahl von Lauf zu Lauf — gemessen als Median der bisherigen Schritte. Erst dann darf die Kennzahl als Treiber benannt werden. Der Test gilt nur für die beiden 0-bis-100-Achsen: Bei gezählten Dingen ist die kleinste mögliche Änderung bereits eine ganze Einheit, ein zusätzlicher Rauschtest würde dort jede echte Bewegung dauerhaft unterdrücken.
• Abdeckungsschutz für bedingte Kennzahlen. Tonalität und Rangplatz werden nur über jene Antworten gemittelt, in denen die Marke überhaupt vorkommt. Verändert sich diese Grundgesamtheit zu stark — unter 60 % der Antworten des Laufs oder um mehr als 25 Prozentpunkte gegenüber dem Vorlauf — druckt der Bericht statt einer Differenz die Abdeckung und den Hinweis „too few to score“.

Der Unterschied zu einem Dashboard, das jede Schwankung einfärbt, ist kein kosmetischer. Ein Werkzeug, das aus vier von zwölf Antworten eine Tonalitätsentwicklung ableitet, produziert eine Zahl, die vor allem beschreibt, welche Antworten sich zufällig klassifizieren ließen — und nicht, wie eine Marke wahrgenommen wird.

Was zeigt der Bericht, wenn Sie erst einen einzigen Lauf haben?

Beim ersten Lauf zeigt der Bericht ausschließlich den Ist-Zustand und nennt ihn beim Namen: die Ausgangslage. Es gibt keine Differenz-Chips, keine Kurve und kein einziges Verlaufswort, weil es nichts gibt, wogegen verglichen werden könnte.

Von dort aus schaltet der Bericht stufenweise frei, was die vorhandene Datenmenge trägt:

1. Lauf 1: nur der Ist-Zustand, ausdrücklich als Ausgangslage bezeichnet.
2. Ab Lauf 2: Differenz-Chips gegenüber dem Vorlauf. Eine Kurve wäre hier eine Linie durch zwei Punkte — also eine Richtungsbehauptung, die zwei Punkte nicht tragen.
3. Ab Lauf 3: Verlaufskurve, die Angabe „seit Tag 1“, Verlaufswörter wie „steigend“ oder „fallend“ und die Nennung eines konkreten Ansatzpunkts.
4. Ab Lauf 5: zusätzlich der Rauschtest, der eine Differenz gegen den bisher typischen Schritt derselben Kennzahl prüft.

Die Staffelung ist der Kern des Ansatzes: Jede Darstellung im Bericht ist selbst eine Behauptung. Eine Kurve behauptet eine Richtung, ein „seit Tag 1“ behauptet einen Ausgangspunkt, ein roter Chip behauptet einen Verlust. Wo die Datenlage die Behauptung nicht trägt, wird sie nicht gezeichnet — auch wenn eine leere Fläche im Bericht weniger beeindruckend aussieht. Wie dieses Ehrlichkeitsprinzip an anderer Stelle des Werkzeugs aussieht, haben wir in Kann man einem KI-Sichtbarkeitswert trauen? aufgeschrieben.

Wer erklärt sonst noch, warum sich eine Zahl bewegt hat?

Ursachenanalyse pro Lauf ist der seltene Teil — mehrere Kennzahlen zu führen, ist es längst nicht mehr. In unserer Prüfung von achtzehn Werkzeugen für KI-Sichtbarkeit am 26. August 2026 führten siebzehn davon mehrere Kennzahlen gleichzeitig; auch kostenlos plus datierter Verlauf ist keine Seltenheit mehr. Selten ist etwas anderes: zu sagen, was die Bewegung ausgelöst hat.

Zwei Einschränkungen gehören zu diesem Befund dazu. Erstens gilt er für die achtzehn geprüften Werkzeuge und für den 26. August 2026 — nicht für den Markt als Ganzes. Eine Suche über die GitHub-API am selben Tag fördert weitere quelloffene Tracker zutage, etwa elmohq/elmo mit 266 Sternen, die wir in dieser Runde nicht im Detail geprüft haben. Zweitens sagt „erklärt die Ursache“ nichts über die Qualität der übrigen Funktionen: Ein bezahltes Dashboard mit täglichen Läufen deckt einen Frageraum ab, den ein wöchentlich von Hand gestarteter lokaler Lauf nicht erreicht.

Wenn Sie einen breiteren Überblick über den kostenlosen Teil des Marktes suchen: Wir haben sechs Gratis-Checks in Kostenlose Tools für KI-Sichtbarkeit 2026 nebeneinandergestellt und sechzehn Werkzeuge in Kein simuliertes Ranking nach der Frage sortiert, ob sie echte Antworten im Wortlaut zeigen.

Was heißt das für ein deutsches B2B-Unternehmen?

Der praktische Unterschied zeigt sich in dem Moment, in dem die Zahl den Raum verlässt und in einer Geschäftsführungsrunde landet. Ein Wert, der um acht Punkte gefallen ist, löst dort Fragen aus, die ein Dashboard-Screenshot nicht beantwortet — und die ein Vergleich, der Frage und Engine benennt, in einem Satz beantwortet.

• Nachweisführung statt Behauptung. Die Rohantworten jedes Laufs liegen als Dateien vor. Wer die Zahl anzweifelt, kann die Antwort lesen, die zu ihr geführt hat — intern wie gegenüber einer Agentur, die den Bericht liefert.
• Weniger Fehlreaktionen. Der häufigste teure Fehler ist, auf eine Bewegung zu reagieren, die innerhalb der normalen Schwankung liegt. Die Schwelle von 3,0 Punkten und der Rauschtest ab dem fünften Lauf sind genau dafür da.
• Der Befund bestimmt die Maßnahme. „Kein Wettbewerber wurde stattdessen genannt“ heißt: Der Engine fehlte Material — eine Inhaltsaufgabe. „Wettbewerber X stand dort“ heißt: Ihr Platz ist besetzt — eine Wettbewerbsaufgabe. Wer beides nicht unterscheiden kann, wählt die Maßnahme im Zweifel falsch.

Zur Datenfrage, die im deutschsprachigen Raum meist als erste kommt: Das Werkzeug läuft lokal, spricht ausschließlich mit den KI-Anbietern, deren Schlüssel Sie selbst hinterlegen, und schickt keine Telemetrie an Webappski. Was das für ein mittelständisches Unternehmen konkret bedeutet, steht in KI-Sichtbarkeit für den Mittelstand — ohne DSGVO-Risiko.

Wie führen Sie den ersten Lauf aus?

Drei Befehle genügen für die erste Messung: Konfiguration anlegen, Lauf ausführen, Bericht erzeugen. Vorausgesetzt sind Node 20 oder neuer und mindestens ein API-Schlüssel eines KI-Anbieters in Ihrer Umgebung.

npx aeo-platform@latest init --yes --brand=IHREMARKE --domain=IHREDOMAIN.DE --auto \
  && npx aeo-platform@latest run \
  && npx aeo-platform@latest report

Der erste Bericht wird nüchtern ausfallen — er zeigt die Ausgangslage und sonst nichts. Das ist beabsichtigt. Interessant wird die Reihe ab dem dritten Lauf, wenn Kurve und „seit Tag 1“ erscheinen, und belastbar ab dem fünften, wenn der Rauschtest zuschaltet. Wer wöchentlich misst, hat diesen Punkt nach gut einem Monat erreicht. Der einzige Fehler, den man dabei machen kann, ist, den Fragensatz zwischendurch umzubauen: Dann vergleicht die Reihe zwei verschiedene Messungen miteinander.

Wie aus einer solchen Messung ein priorisierter Maßnahmenplan wird, beschreibt aeo-platform: messen, planen, verbessern. Die Darstellung des Berichts hat übrigens kürzlich eine ruhigere Form bekommen; die hier gezeigte Fähigkeit ist deutlich älter als die neue Optik.

Häufig gestellte Fragen

Was kostet aeo-platform?

Das Werkzeug selbst ist kostenlos und steht unter MIT-Lizenz. Kosten entstehen nur bei den KI-Anbietern, deren API-Schlüssel Sie hinterlegen — Sie zahlen also direkt an OpenAI, Anthropic, Google oder Perplexity, nicht an Webappski.

Ab wie vielen Läufen ist der Verlauf aussagekräftig?

Ab dem dritten Lauf zeichnet der Bericht eine Verlaufskurve, nennt den Abstand zum ersten Lauf und darf Verlaufswörter verwenden. Ab dem fünften Lauf kommt der Rauschtest hinzu, der eine Differenz gegen den bisher typischen Schritt derselben Kennzahl prüft. Davor zeigt der Bericht bewusst nur den Ist-Zustand.

Misst aeo-platform das, was ein Mensch in ChatGPT sieht?

Nein. Das Werkzeug fragt die API-Oberfläche der Anbieter mit Ihren eigenen Schlüsseln ab. Das ist ein reproduzierbarer, prüfbarer Stellvertreter, aber nicht identisch mit der Verbraucher-App, die eine andere Abrufkette, teils eine andere Modellversion sowie Personalisierung und Sprachraum-Anpassung mitbringt.

Welche KI-Engines werden gemessen?

ChatGPT, Claude, Gemini und Perplexity über ihre jeweiligen Programmierschnittstellen. Google AI Overviews beziehungsweise AI Mode und Microsoft Copilot sind ausdrücklich nicht dabei, weil es für sie keine Erstanbieter-Schnittstelle zum Abfragen gibt. Der Bericht schreibt diese Grenze selbst hin — und ergänzt, dass ihr Fehlen im Wert eine Abdeckungslücke ist und kein Beleg dafür, dass Sie auf diesen Oberflächen unsichtbar wären.

Verlassen meine Daten den Rechner?

Nur in Richtung der KI-Anbieter, die Sie selbst konfiguriert haben, sowie höchstens einmal täglich für eine Versionsprüfung gegen die npm-Registry, bei der nichts übertragen wird. Rohantworten bleiben lokal auf der Festplatte, API-Schlüssel werden aus der Umgebung gelesen und nie in eine Datei geschrieben. Es gibt keine Telemetrie und keinen Datenverkehr zu webappski.com.

Erklärt der Bericht jede Bewegung vollständig?

Nein, und er behauptet es auch nicht. Im gezeigten Beispiel bewegte sich der Index um acht Punkte, zuordenbar waren davon 2,9 — der Rest steht ausdrücklich als nicht zuordenbar im Bericht, weil ein Lauf eine Indexzahl speichert und nicht die vier Achsenwerte dahinter. Diese Lücke offen auszuweisen ist der Unterschied zwischen einer Ursachenanalyse und einer Erzählung.

Erst die Ausgangslage, dann die Ursache

Eine Messreihe wird nicht dadurch wertvoll, dass sie lang ist, sondern dadurch, dass jeder Ausschlag darin einen benannten Grund hat. Oder ehrlich als unerklärt markiert ist. Wer heute mit dem ersten Lauf beginnt, hat in gut einem Monat den Punkt erreicht, an dem der Bericht Bewegung von Rauschen unterscheiden kann.

Wenn Sie den ersten Lauf lieber nicht selbst starten möchten: Denselben Messaufbau fahren wir für Kunden als kostenloses KI-Sichtbarkeits-Audit — Sie erhalten die Ausgangslage mit den Antworten im Wortlaut, bevor irgendetwas beauftragt wird. Wie die laufende Betreuung darauf aufbaut, steht auf der Seite zu unseren AEO-Dienstleistungen.