Minus 42 Prozentpunkte und sechs angebliche Verdränger: wann ein KI-Sichtbarkeitsbericht schweigen muss

Am 1. September 2026 meldete unser eigener KI-Sichtbarkeitsbericht minus 42 Prozentpunkte und nannte sechs Marken, die uns verdrängt hätten. Keine davon hatte. Drei der fünf verlorenen Antwortzellen erklärt bei Webappski allein ein Modellwechsel im Messgerät. Für die beiden übrigen haben wir keinen Beleg — und dieser Beitrag sagt das, statt zu runden.

Der Interessenkonflikt gehört an den Anfang und nicht in eine Fußnote. Webappski hat dieses Messwerkzeug gebaut, misst damit das eigene Produkt TypelessForm und verkauft Answer Engine Optimization als Dienstleistung. Der Fehler unten ist unserer, das falsche Ergebnis stand in unserem eigenen Bericht — und wir haben es zuerst geglaubt. Genau deshalb taugt der Fall als Beleg: Ein Anbieter, der Ihnen Zahlen verkauft, sollte zeigen können, wann seine eigenen Zahlen ihn getäuscht haben.

Dieser Beitrag ist keine Produktankündigung. Er beschreibt, wie bei uns gearbeitet wird: die Disziplin, eine Schlussfolgerung zu verweigern, welche die Daten nicht tragen. Für ein Unternehmen im DACH-Raum, das monatlich einen Sichtbarkeitsbericht bekommt und ihn nicht selbst nachrechnen kann, ist das die praktisch wichtigere Frage — nicht welches Werkzeug die schönste Kurve zeichnet, sondern woran Sie erkennen, dass eine Kurve überhaupt etwas bedeutet.

Von unserem Beitrag Warum eine ChatGPT-Prüfung nichts über Gemini aussagt unterscheidet sich dieser hier in genau einer Achse. Dort ging es um die Engine-Achse: Eine Prüfung in einer Engine sagt nichts über eine andere. Hier geht es um die Modellachse innerhalb einer einzigen Engine — darum, dass zwei Läufe in derselben Engine auf zwei verschiedenen Modellen gemessen sein können und die Differenz dann keine Aussage über Ihre Sichtbarkeit ist. Die erste Achse betrifft die Breite einer Messung, die zweite ihre Vergleichbarkeit über die Zeit.

Was ist die Modellachse einer KI-Sichtbarkeitsmessung?

Die Modellachse ist die Frage, ob zwei Läufe derselben Engine auf demselben Modell gemessen wurden. Ohne diese Angabe ist eine Differenz zwischen zwei Berichten keine Aussage über eine Marke.

Eine Engine ist die Antwortfläche, die ein Käufer benutzt: ChatGPT, Gemini, Claude, Perplexity. Der Name auf der Oberfläche ist ein Produktname, keine technische Konstante.

Ein Modell ist die konkrete, versionierte Variante, mit der eine Engine tatsächlich antwortet — etwa gpt-5-search-api oder gpt-5.4-mini. Zwei Modelle derselben Engine können auf dieselbe Frage unterschiedlich lange, unterschiedlich recherchierte und inhaltlich unterschiedlich verstandene Antworten geben.

Ein Messgerät ist in diesem Sinn erst die Kombination aus Engine, Modell und Datum. Eine Zahl ohne diese drei Angaben ist keine Messung, sondern eine Behauptung.

Eine Antwortzelle ist genau eine Frage, an genau eine Engine, in genau einem Lauf. Die Läufe in diesem Beitrag umfassen zwölf Zellen: drei Fragen mal vier Engines.

Like-for-like bedeutet: derselbe Fragensatz, dieselbe Engine-Liste, dasselbe Modell je Engine. Fehlt eine dieser drei Bedingungen, misst der zweite Lauf etwas anderes als der erste, und die Differenz beschreibt den Unterschied der Messungen, nicht den Unterschied der Sichtbarkeit.

Persistenz ist das Unterscheidungsmerkmal zwischen Streuung und Befund. Eine Zelle, die verschwindet und im nächsten Lauf wiederkommt, ist Rauschen. Eine Zelle, die über drei aufeinanderfolgende Läufe geschlossen bleibt, ist ein Signal, auf das man Geld setzen darf.

Wie sah der Fehlalarm vom 1. September 2026 aus?

Der Bericht wies einen Rückgang von 92 % auf 50 % aus — 42 Prozentpunkte — und nannte sechs Marken, welche die Lücke gefüllt hätten. Keine davon hatte sie gefüllt.

Die sechs Namen waren keine Halluzination. Sie standen tatsächlich in den Antworten, die an diesem Tag gemessen wurden. Falsch war nicht die Extraktion, sondern die Frage, die beantwortet worden war: Das Modell in der ChatGPT-Spalte hatte unsere Frage nach einer E-Commerce-Anwendung als Frage nach Chrome-Erweiterungen für persönliches Autofill gelesen — eine andere Produktkategorie. In dieser Kategorie gibt es andere Anbieter, und die nannte es korrekt.

Jede einzelne Stufe dieser Kette war für sich plausibel. Die Zahl war korrekt gerechnet, die Namen waren echte Zeichenketten aus echten Antworten, die Tabelle war sauber formatiert. Genau das macht diesen Fehlertyp gefährlich: Er sieht nicht aus wie ein Fehler, sondern wie ein Marktereignis. Ein Bericht, der so etwas ausgibt, ist keine Nachlässigkeit im Rechnen, sondern eine Schlussfolgerung, welche die Daten nicht tragen.

Wir haben den Bericht zuerst geglaubt. Das gehört in diesen Text hinein, weil sonst der Eindruck entstünde, ein Werkzeug hätte sich selbst korrigiert. Aufgefallen ist der Widerspruch beim Nachlesen der Rohantworten — dem einzigen Schritt, den kein automatischer Bericht ersetzt.

Welcher Teil des Rückgangs lässt sich belegbar dem Messgerät zuschreiben?

Ein Kontrollpaar vom selben Tag deckt drei der fünf verlorenen Antwortzellen ab — die gesamte ChatGPT-Spalte. Erklären tut es aber nur zwei davon. Auf der dritten hatte das neuere Modell uns am 13. August sehr wohl genannt: achtmal, gegenüber zweiunddreißig Nennungen des älteren. Geschwächt, nicht geschlossen — der Wechsel allein reicht dort als Erklärung nicht aus. Belegt sind damit 2 von 12 Zellen und somit rund 17 der gemeldeten 42 Prozentpunkte. Dass ein Kontrollpaar vorliegt, heißt eben noch nicht, dass es die Zuschreibung trägt.

Der Beleg für diese drei Zellen ist ein Kontrollpaar: gleiche Marke, gleiche drei Fragen, gleicher Tag — nur das Modell unterschied sich. Am 13. August 2026 nannte gpt-5-search-api die Marke in 3 von 3 Antworten, gpt-5.4-mini in 1 von 3.

Die ersten beiden Zeilen sind der eigentliche Beleg. Sie stammen vom selben Tag, aus demselben Fragensatz, für dieselbe Marke; verändert wurde eine einzige Größe. Der Unterschied beträgt zwei Zellen von zwölf, also rund 17 Prozentpunkte des Gesamtwerts — erzeugt allein durch die Wahl des Modells. Das ist keine Modellierung und keine Schätzung, sondern ein gemessenes Paar.

Die dritte und vierte Zeile schließen den Bogen. Der Lauf vom 1. September ging auf demselben Modell hinaus, das im Kontrollpaar schwächer abgeschnitten hatte, und lieferte 0 von 3. Nach der Korrektur der Modellwahl ergab der Lauf vom 2. September wieder 3 von 3; über alle vier Engines hinweg 83 % — 10 von 12 Zellen. Zwischen diesen beiden Läufen wurde auf der gemessenen Domain nichts veröffentlicht und nichts ausgerollt; ob sich im Web sonst etwas verändert hat, wissen wir nicht und behaupten es nicht.

Für die anderen beiden verlorenen Zellen gibt es diesen Beleg nicht, und an dieser Stelle muss ein Beitrag über unhaltbare Schlussfolgerungen die eigene Rechnung offenlegen. Zwischen dem 13. August und dem 1. September gingen fünf von zwölf Zellen verloren — das ergibt die 42 Prozentpunkte. Drei davon stehen in der ChatGPT-Spalte und sind durch das Kontrollpaar gedeckt. Die restlichen zwei sind es nicht.

Die Gemini-Zeile ist die lehrreichste. Dort wechselte zwar ebenfalls das Modell, aber ohne Kontrollpaar — und die Zelle kam am 2. September auf einem gegenüber dem 1. September unveränderten Modell zurück. Ein Einfluss des Modellwechsels ist dort also möglich und nicht belegt. Die Perplexity-Zeile lässt sich gar nicht prüfen: Bei manuell erfassten Antworten wird keine Modellkennung mitgeschrieben, es gibt also nichts zu vergleichen.

Wer die vollen 42 Prozentpunkte dem Messgerät zuschreibt, tut damit genau das, was der Bericht vom 1. September getan hat: eine plausible Ursache auf die ganze Bewegung ausdehnen. Belegt sind rund 17 Prozentpunkte. Der Rest bleibt offen, und offen ist eine zulässige Antwort.

Eine Anmerkung zur Zähmethode, die klein wirkt und es nicht ist: Alle Zellen dieser Tabelle sind nach genau einer Regel gezählt. Eine Vergleichstabelle, deren Zeilen nach zwei verschiedenen Methoden entstanden sind — hier Nennungen im Antworttext, dort zusätzlich Adressen aus der Quellenliste — widerlegt sich selbst und ist derselbe Fehler in klein. Wir hatten eine solche Tabelle in unserer internen Vorlage und haben sie vor der Veröffentlichung ersetzt.

Warum ist der Fehler entstanden — und warum meldete das Werkzeug dabei Erfolg?

Die Modellsuche filterte auf den Namensbestandteil -mini, bevor sie nach Generation sortierte. Die neuere Modellreihe des Anbieters trägt keinen Größenzusatz im Namen und fiel damit vollständig aus der Auswahl.

Das Ergebnis war ein Werkzeug, das auf einem zwei Generationen alten Modell sitzen blieb und dabei Erfolg meldete. Es gab keine Fehlermeldung, keinen roten Hinweis und keinen Abbruch — die Suche fand ein Modell, das ihrem Filter entsprach, und meldete korrekt, dass sie fündig geworden war. Ein stiller Fehler dieser Art ist schlimmer als ein Absturz, weil er ein Ergebnis produziert, das man weiterverwendet.

Ein zweiter Fehler deckte den ersten. Die ausdrückliche Festlegung eines Modells auf der Kommandozeile war dokumentiert, aber wirkungslos: Sie landete in demselben Feld, das eine erfolgreiche Suche anschließend überschrieb. Wer den Verdacht hatte und das Modell von Hand festnageln wollte, bekam trotzdem die Auswahl der Suche. Zwei stille Fehler, die einander decken, ergeben ein System, das sich nicht widerlegen lässt.

Behoben ist beides seit dem 1. September 2026, veröffentlicht als Version 1.11.0 unseres offenen Werkzeugs aeo-platform (am 2. September 2026 auf npm nachgeprüft). Drei Änderungen tragen die Korrektur: Die Generation entscheidet jetzt zuerst und die günstige Stufe wird innerhalb der neuesten Generation gewählt; die Rangfolge aus manueller Festlegung, Suche und Konfigurationsdatei ist eine eigene, getestete Funktion geworden; und jede Antwortzelle schreibt mit, welches Modell angefordert und welches tatsächlich geliefert wurde.

So sieht das im Ergebnis des Laufs vom 2. September aus — ein gekürzter Auszug aus der Zusammenfassungsdatei, zwei von zwölf Zellen:

{
  "date": "2026-09-02",
  "score": 83,
  "mentions": 10,
  "total": 12,
  "results": [
    {
      "query": "Q3",
      "provider": "openai",
      "model": "gpt-5.6-luna",
      "mode": "web",
      "mention": "yes",
      "requestedModel": "gpt-5.6-luna",
      "resolvedModel": "gpt-5.6-luna"
    },
    {
      "query": "Q1",
      "provider": "anthropic",
      "model": "manual",
      "mode": null,
      "mention": "yes",
      "requestedModel": null,
      "resolvedModel": null
    }
  ]
}

Die beiden Felder requestedModel und resolvedModel sind der eigentliche Fortschritt: Solange sie fehlten, war ein stiller Modellwechsel im Nachhinein nicht nachweisbar. Die zweite Zelle zeigt zugleich eine offene Lücke, die wir nicht wegformulieren: Für manuell eingefügte Antworten stehen dort null-Werte, weil bei diesem Erfassungsweg keine Modellkennung mitgeliefert wird. Diese Spalten sind bis heute nicht auf der Modellachse prüfbar.

Welcher Teil der Bewegung war nicht das Messgerät?

Die Gemini-Spalte lief am 1. und am 2. September auf demselben Modell und bewegte sich trotzdem: von einer auf zwei Zellen mit Nennung. Dort hat kein Messgerät gewechselt.

Dieser Absatz ist die Stelle, an der ein Beitrag über Selbsttäuschung sich selbst prüfen muss. Der Modellwechsel erklärt die ChatGPT-Spalte vollständig und die Gemini-Spalte gar nicht. Wer die gesamte Bewegung dem Modellwechsel zuschreibt, irrt auf exakt dieselbe Weise wie der Bericht vom 1. September: Er nimmt die erstbeste plausible Ursache für die ganze Erklärung. Zwischen zwei Läufen derselben Konfiguration schwankt eine einzelne Zelle auch dann, wenn niemand etwas verändert hat.

Das Unterscheidungsmerkmal ist deshalb nicht die Größe eines Ausschlags, sondern seine Persistenz. Eine Zelle, die in einem Lauf verschwindet und im nächsten wiederkommt, ist Streuung und darf keine Maßnahme auslösen. Eine Zelle, die über drei aufeinanderfolgende Läufe geschlossen bleibt, ist ein Befund und gehört in eine Entscheidung. Diese Grenze zieht unser Berichtswesen hart: Unterhalb von drei Läufen ist kein Trendwort erlaubt — kein „steigend“, kein „fallend“, kein „Erholung“.

In unseren eigenen Daten stehen beide Fälle direkt nebeneinander, und sie sehen im Bericht zunächst gleich aus. Die Gemini-Zelle zur Frage nach den besten Werkzeugen zur Sprach-Formularbefüllung war am 13. August genannt, am 1. September nicht und am 2. September wieder — sie ging und kam zurück, also Streuung. Die Gemini-Zelle zur mehrsprachigen Frage ist am 13. August, am 1. September und am 2. September geschlossen geblieben — drei Läufe hintereinander, also ein Befund. Nur die zweite rechtfertigt Arbeit; die erste rechtfertigt Abwarten.

Diese Unterscheidung ist zugleich der Grund, warum ein einzelner starker Ausschlag der schlechteste denkbare Auslöser für eine Maßnahme ist. Der 1. September trägt den größten Ausschlag unserer vergleichbaren Messreihe — und war zugleich der Lauf, auf den hin am wenigsten zu tun war.

Praktisch heißt das für Sie als Auftraggeber: Ein einzelner Monatsbericht kann Ihnen sagen, was heute wahr ist. Eine Richtung kann er Ihnen nicht seriös verkaufen. Wenn Ihr Anbieter nach dem zweiten Bericht von einem Trend spricht, spricht er über zwei Punkte.

Welche Regeln lassen unseren Bericht eine Aussage verweigern?

Vier Regeln gegen die häufigste Selbsttäuschung einer Messreihe: eine kleine Bewegung als Befund zu lesen. Jede steht als feste Konstante im offenen Quelltext, alle vier in derselben Datei, damit sie nicht auseinanderdriften.

Die zweite Regel ist die interessanteste, weil sie keine feste Schwelle benutzt. Der Rauschtest vergleicht eine Bewegung mit dem eigenen typischen Schritt derselben Kennzahl über die bisherige Reihe: Nur was größer ist als der übliche Abstand zwischen zwei Läufen, darf als Ursache benannt werden. Vor dem fünften Lauf ist der Test abgeschaltet, weil es dann noch keine Reihe gibt, an der sich „üblich“ ablesen ließe — eine Kennzahl gegen ihre eigene, aus zwei Punkten geschätzte Normalität zu prüfen, würde jeden echten Befund unterdrücken.

Und jetzt der Satz, auf den es in diesem Abschnitt ankommt: Keine dieser vier Regeln hätte den 1. September verhindert. Alle vier sind Wächter gegen Streuung — gegen eine kleine Bewegung, die als Befund auftritt. Der 1. September war das Gegenteil: eine große Bewegung mit falscher Ursache.

Im Einzelnen: 42 Prozentpunkte überspringen die Schwelle von 3,0 Punkten mühelos und sind größer als jeder übliche Schritt dieser Reihe, der Rauschtest lässt sie also durch. Trendwörter waren zulässig, weil längst mehr als drei Läufe vorlagen. Und die Regel zur Antwortpopulation berührt die Präsenzzahl gar nicht: Direkt gemessene Achsen — Präsenz und Zitate — laufen im Code an dieser Prüfung vorbei, gegated werden nur die bedingten Achsen Tonalität und Rangposition. Vier sorgfältig gebaute Wächter auf der Frageachse, und auf der Modellachse keiner.

Diesen Kontrast schreiben wir bewusst so hin, statt die vier Regeln nachträglich zum Held der Geschichte zu machen. Eine Kausalität, die gut klingt und nicht passt, ist genau der Fehler, den dieser Beitrag beschreibt — er wird nicht dadurch zulässig, dass er diesmal zu unseren Gunsten ausfiele.

Die fünfte Regel, die seither hinzugekommen ist, ist deshalb bewusst anders gebaut: Sie verweigert nichts. Wenn zwischen zwei Läufen das Modell gewechselt hat, wird die Differenz trotzdem berechnet und gezeigt — und der Wechsel wird direkt daneben benannt, mit den tatsächlichen Modellkennungen vorher und nachher, in derselben Tabelle, in der auch die Wettbewerber stehen. Der Grund ist eine Entscheidung über den Leser: Wer dafür bezahlt, seine Zahl zu beobachten, darf nicht mit „nicht vergleichbar“ abgespeist werden. Er muss erfahren, was sich sonst noch bewegt hat. Bei der Frageachse ist die Lage anders — wenn der Fragensatz wechselt, gibt es buchstäblich keine gemeinsame Größe mehr, und dort ist Verweigern richtig.

Gegen den Fehlertyp vom 1. September helfen deshalb genau zwei Dinge, und beide sind unspektakulär: das Messgerät neben jeder Zahl zu nennen, und eine Bewegung erst über mehrere Läufe zu bewerten. Das Erste ist seit Version 1.11.0 im Werkzeug, das Zweite ist eine Regel der Auswertung und lässt sich nicht in Software erzwingen. Eine Schwelle mehr hätte hier nichts ausgerichtet.

Wie ein Bericht eine Bewegung anschließend bis auf die einzelne Kombination aus Frage und Engine zurückführt, haben wir getrennt beschrieben: Ihre KI-Sichtbarkeit fällt um acht Punkte — welche Frage in welcher Engine war das?

Wo war die Reparatur am 2. September noch nicht angekommen?

Im HTML-Bericht — also in genau der Datei, die ein Kunde öffnet, ausdruckt und weiterreicht. Der Warnhinweis stand im Markdown-Bericht und im Datenpaket für das Portal, aber nicht dort.

Technisch war die Lage grotesk und lehrreich zugleich. Die HTML-Ausgabe berechnete das Vergleichsmodell zwischen zwei Läufen vollständig und las das Ergebnis anschließend nirgends aus. Der Wächter war korrekt gebaut und stand an der falschen Tür. Der falsche Schluss vom 1. September wurde genau auf dieser Oberfläche gelesen.

Wir haben das nicht argumentiert, sondern an unserem eigenen Bericht vom 2. September nachgezählt. Die Zeichenketten „Where you lost ground“, „different model than last run“, „like-for-like“ und „instrument“ kommen in der Markdown-Fassung vor; in der HTML-Fassung kommen sie null Mal vor. Ein Kommentar im Quelltext behauptete zu diesem Zeitpunkt, die Übersicht lese das Vergleichsmodell — am 2. September 2026 war das nicht wahr.

Daneben liegt eine zweite Stille derselben Bauart. Wenn eine Engine in einem Lauf gemessen wurde und im nächsten fehlt, ist das kein Modellwechsel, sondern eine Änderung der Abdeckung — richtig unterschieden, aber anschließend von keiner Ausgabe berichtet. Der Fall landet in einem Sammelkübel, den keine Darstellung ausgibt. Kein Satz irgendeines Berichts hätte also gesagt: „Diese Engine haben wir diesmal nicht gemessen.“ Am 2. September hat uns das nicht getroffen, weil alle vier Engines geliefert haben — behoben wurde es trotzdem, zusammen mit der Modellachse, in Version 1.12.0.

Zum zeitlichen Ablauf, weil er zur Sache gehört: Version 1.11.0 vom 2. September enthielt die Ursachenbehebung — die Modellwahl, die Rangfolge der Festlegung und die Protokollierung von angefordertem und geliefertem Modell — sowie den Warnhinweis in der Markdown-Ausgabe. Die HTML-Ausgabe, also genau die Oberfläche, an der die Fehlschlussfolgerung gelesen worden war, blieb an diesem Tag noch stumm. Erst Version 1.12.0, wenige Stunden später am selben Tag veröffentlicht, trägt den Hinweis auch dorthin, zusammen mit der Meldung fehlender Engines. Wir lassen die Reihenfolge stehen, statt sie zu einer einzigen sauberen Behebung zusammenzufassen: Ein Beitrag über das Verweigern unhaltbarer Schlussfolgerungen darf sich die bequemste Erzählung am wenigsten erlauben.

Wie prüfen Sie den KI-Sichtbarkeitsbericht Ihres Anbieters?

Verlangen Sie zu jeder Zahl drei Angaben: Engine, Modellkennung und Datum. Fehlt eine davon, ist die Zahl mit dem Vormonat nicht vergleichbar, egal wie sauber der Bericht gestaltet ist.

1. Modellkennung je Spalte verlangen. Nicht „ChatGPT“, sondern die genaue Kennung des Modells, mit dem gemessen wurde — und dieselbe Angabe für den Vormonat. Weichen sie ab, ist die Differenz zwischen den beiden Berichten keine Aussage über Ihr Unternehmen.
2. Nach dem eingefrorenen Fragensatz fragen. Lassen Sie sich die Fragen im Wortlaut geben. Ein zwischen zwei Monaten stillschweigend geänderter Fragensatz erzeugt jede gewünschte Kurve.
3. Auf die Engine-Liste achten. Prüfen Sie, ob in beiden Berichten dieselben Engines enthalten sind. Eine fehlende Engine verschiebt den Wert, ohne dass jemand etwas Falsches behauptet hätte.
4. Zwei Rohantworten im Volltext anfordern. Eine, in der Sie genannt werden, und eine, in der Sie fehlen. Lesen Sie nach, ob die Antwort überhaupt Ihre Produktkategorie behandelt — genau dieser Schritt hat bei uns den Fehlalarm aufgedeckt.
5. Trendwörter zählen. Steht „steigend“ oder „fallend“ in einem Bericht, der auf zwei Läufen beruht, ist das eine Erzählung und keine Messung.
6. Nach der Grenze der Aussage fragen. Ein belastbarer Bericht sagt von sich aus, was er nicht zeigen kann. Wer auf diese Frage keine Antwort hat, hat sie sich nicht gestellt.

Diese sechs Punkte kosten Sie ein Gespräch und keinen Auftrag. Sie sind bewusst so formuliert, dass sie auch gegen uns funktionieren. Wie wir dieselbe Prüfung an das eigene Werkzeug anlegen, steht in Kann man einem KI-Sichtbarkeitswert trauen?; eine Übersicht der Anbieter im deutschsprachigen Raum finden Sie im DACH-Vergleich der AEO-Agenturen.

Häufig gestellte Fragen

Sechs Fragen, die uns zu diesem Fall regelmäßig gestellt werden.

Kann ein KI-Sichtbarkeitswert fallen, ohne dass sich die Sichtbarkeit geändert hat?

Ja, und in unserem Fall ist genau das passiert. Am 13. August 2026 nannte ein Modell derselben Engine unsere Marke in 3 von 3 Antworten, ein anderes am selben Tag in 1 von 3 — rund 17 Prozentpunkte Unterschied allein durch die Wahl des Modells. Ein Wechsel des Modells zwischen zwei Berichten kann eine Bewegung erzeugen, die auf Ihrer Website keine Entsprechung hat.

Woran erkenne ich, ob zwei Berichte auf demselben Messgerät beruhen?

An drei Angaben pro Zahl: Engine, genaue Modellkennung und Datum. Wenn ein Bericht nur den Produktnamen der Engine nennt, ist die Frage unbeantwortbar. Belastbar wird es, wenn für jede Antwortzelle festgehalten ist, welches Modell angefordert und welches tatsächlich geliefert wurde — ohne diese beiden Angaben ist ein stiller Modellwechsel im Nachhinein nicht nachweisbar.

Sollte ein Bericht den Vergleich verweigern, wenn das Modell gewechselt hat?

Nein — er sollte den Wechsel benennen. Wenn der Fragensatz wechselt, gibt es keine gemeinsame Größe mehr, und dort ist Verweigern richtig. Beim Modellwechsel bleiben die Fragen identisch und die Bewegung ist real; unklar ist nur, welcher Anteil davon zur Marke gehört. Deshalb zeigen wir die Differenz und stellen die Modellkennungen vorher und nachher daneben.

Ab wann ist eine Bewegung ein Signal und nicht Rauschen?

Wenn sie persistent ist. Eine Antwortzelle, die verschwindet und im nächsten Lauf wiederkommt, ist Streuung — unsere Gemini-Spalte bewegte sich zwischen dem 1. und 2. September auf unverändertem Modell von einer auf zwei Zellen. Eine Zelle, die über drei aufeinanderfolgende Läufe geschlossen bleibt, ist ein Befund. Unter drei Läufen verwenden wir kein Trendwort.

Gilt dieser Befund auch für Berichte anderer Anbieter?

Die Ursache liegt nicht in unserem Werkzeug, sondern darin, dass Engines ihre Modelle laufend austauschen — insofern ist jeder Anbieter betroffen, der Zeitreihen über Monate ausweist. Ob ein bestimmter Bericht davor geschützt ist, können wir nicht beurteilen und behaupten es nicht. Prüfbar ist es für Sie an einer einzigen Frage: Steht in dem Bericht neben jeder Zahl die Modellkennung?

Warum veröffentlicht Webappski einen Fehler des eigenen Werkzeugs?

Weil unser Angebot auf der Belastbarkeit von Zahlen beruht und ein Anbieter, der nie eine falsche Zahl gehabt hat, entweder nicht misst oder nicht nachliest. Die Alternative wäre gewesen, den 1. September nicht zu erwähnen und den Anstieg von 50 auf 83 am 2. September als Erfolg zu verkaufen. Dieser Anstieg ist dieselbe Zahl von der anderen Seite: Wer den Rückgang nicht dem Messgerät zuschreiben durfte, darf auch die Erholung nicht der eigenen Arbeit zuschreiben.

Was das für Ihre nächste Messung heißt

Ein Bericht ist genau so viel wert wie die Bedingungen, die er neben seine Zahlen schreibt. Engine, Modellkennung, Datum, Fragensatz — fehlt eine dieser Angaben, misst der nächste Monat etwas anderes als dieser.

Für ein Unternehmen im deutschsprachigen Raum ist das keine akademische Feinheit. KI-Sichtbarkeit wird gerade zu einer Position im Marketingbudget, und die ersten Berichte, die dafür vorgelegt werden, sind Monatsvergleiche mit einer großen Zahl oben. Wenn Sie eine solche Zahl bezahlen, bezahlen Sie in Wahrheit für die Sorgfalt, mit der jemand aufschreibt, was sie nicht bedeutet.

Wenn Sie diese Art von Auswertung für Ihre eigene Marke sehen möchten, können Sie ein kostenloses AEO-Audit von Webappski anfordern — mit Ihren Fragen, aufgeschlüsselt nach Engine, mit den Rohantworten und mit der Angabe, welches Modell jede Zahl erzeugt hat. Welche Arbeit daraus folgt, beschreibt die Seite zu unseren AEO-Leistungen.

Methodik: Alle Zahlen stammen aus eigenen Messläufen von Webappski auf der Domain typelessform.com am 13. August, 1. September und 2. September 2026, je zwölf Antwortzellen aus drei Fragen und vier Engines bei unverändertem Fragensatz. Markennennungen sind einheitlich als Vorkommen des Markennamens im Antworttext gezählt, ohne Adressen und Metadaten; die Rohantworten liegen als Dateien vor. Der Rückgang von 42 Prozentpunkten entspricht fünf verlorenen Antwortzellen; für drei davon liegt ein Kontrollpaar auf der Modellachse vor, für zwei nicht; von diesen drei stützt das Kontrollpaar die Zuschreibung an das Messgerät jedoch nur bei zweien — auf der dritten hatte das neuere Modell am Kontrolltag genannt. Die Zuschreibung gilt daher ausdrücklich nur für zwei Zellen, also rund 17 Prozentpunkte. Die genannten Konstanten sind aus lib/report/trend-model.js des offenen Werkzeugs aeo-platform zitiert, Stand 2. September 2026; die Versionen 1.11.0 und 1.12.0 wurden am 2. September 2026 auf npm nachgeprüft. Der Hinweis in der HTML-Ausgabe kam mit 1.12.0 und wurde im veröffentlichten Paket gegen einen echten Lauf verifiziert. Es handelt sich um einen datierten Einzelfall am eigenen Produkt, nicht um eine repräsentative Untersuchung des Marktes. Fällt Ihnen eine veraltete oder falsche Angabe auf, schreiben Sie uns an info@webappski.com.