Prompt-Tracking: KI-Sichtbarkeit verlässlich messen

Was die Zahl im Prompt-Tracking wirklich aussagt

Montag wird deine Marke in 40 Prozent der KI-Antworten genannt, Dienstag in 25 Prozent, Mittwoch wieder in 38. Wer so etwas im Dashboard sieht, sucht schnell nach einer Ursache auf der eigenen Website. Meistens gibt es keine: Die Schwankung steckt in der Messung selbst. Dieser Beitrag zeigt, warum KI-Antworten so unbeständig sind, wie viele Abfragen eine Zahl belastbar machen – und wie du Prompt-Tracking so aufsetzt, dass du echte Veränderungen erkennst.

Was ist Prompt-Tracking – und was ist es nicht?

Beim Prompt-Tracking schickt ein Werkzeug regelmäßig festgelegte Fragen an KI-Systeme wie ChatGPT, Gemini, Perplexity, Copilot oder die KI-Funktionen der Google-Suche. Es wertet aus, ob deine Marke oder Domain in der Antwort genannt oder als Quelle verlinkt wird – und wie oft im Vergleich zu Wettbewerbern.

Auf den ersten Blick ähnelt das dem klassischen Ranking-Monitoring. Wer schon einmal ein Keyword-Set im Monitoring angelegt hat, erkennt das Prinzip wieder. Drei Unterschiede sind aber entscheidend:

	Keyword-Monitoring	Prompt-Tracking
Was gemessen wird	Position einer URL in der Ergebnisliste	ob und wie oft eine Marke oder Quelle in einer generierten Antwort vorkommt
Stabilität	Rankings ändern sich meist langsam, eine Messung pro Tag ist aussagekräftig	Antworten entstehen jedes Mal neu, eine einzelne Messung sagt wenig
Nachfrage	Suchvolumen ist bekannt oder gut schätzbar	wie oft eine bestimmte Frage gestellt wird, ist meist unbekannt

Der zweite Punkt ist der Kern dieses Beitrags. Prompt-Tracking misst keinen festen Zustand, sondern eine Wahrscheinlichkeit: Wie wahrscheinlich ist es, dass deine Marke vorkommt, wenn jemand eine bestimmte Art von Frage stellt?

Warum dieselbe Frage jedes Mal eine andere Antwort bringt

Sprachmodelle wählen beim Schreiben jedes nächste Wort mit einer gewissen Zufälligkeit aus. Dazu kommen weitere Quellen der Veränderung:

Wechselnde Quellen: Antworten mit Websuche stützen sich auf Seiten, die im Moment der Abfrage abgerufen werden. Google beschreibt etwa, dass seine KI-Funktionen eine Frage in mehrere verwandte Suchanfragen auffächern und daraus Quellen auswählen – wie das funktioniert, erklären wir in unserem Beitrag dazu, was Google selbst zur Optimierung für KI-Antworten sagt.
Formulierung und Sprache: Kleine Unterschiede in der Frage verschieben die Antwort. Dieselbe Frage auf Deutsch und Englisch kann zu ganz anderen Empfehlungen führen.
Kontext: Standort, Gesprächsverlauf und persönliche Einstellungen der Nutzer fließen je nach System ein. Ein Tracking-Werkzeug sieht davon nur eine neutrale Variante.
Modell-Updates: Anbieter tauschen Modelle und Suchsysteme aus, oft ohne Ankündigung.

Wie groß die Zufallsanteile sind, hat SparkToro-Mitgründer Rand Fishkin zusammen mit Patrick O'Donnell von Gumshoe untersucht. Im November und Dezember 2025 stellten Freiwillige zwölf Fragen nach Produkt- und Markenempfehlungen insgesamt 2.961 Mal an ChatGPT, Claude und Googles KI-Antworten – etwa nach Kochmessern, Kopfhörern oder Krebskliniken. Das Ergebnis laut Search Engine Journal (30.01.2026): ChatGPT und die AI Overviews lieferten in weniger als 1 Prozent der Fälle dieselbe Markenliste, in derselben Reihenfolge sogar in weniger als 0,1 Prozent. Auch die Zahl der genannten Marken schwankte stark. Die Studie ist nicht wissenschaftlich begutachtet, das betonen die Autoren selbst – die Richtung bestätigen aber auch Forschungsarbeiten.

Eine davon hat Dmitrij Żatuchin im Juli 2026 veröffentlicht. Er hat knapp 13.000 Antworten von drei Systemen (GPT-5.2, Gemini 3 Flash, Perplexity) zu 20 Marken in acht Sprachen zerlegt: Wie viel der Unterschiede zwischen zwei Antworten geht auf welche Ursache zurück? Rund 35 Prozent entfielen auf reinen Zufall beim erneuten Abfragen, rund 27 Prozent auf die Sprache der Frage. Die Marke selbst erklärte nur 1,5 Prozent. Anders gesagt: Ein großer Teil dessen, was ein einzelnes Ergebnis zeigt, hat mit deiner Marke wenig zu tun.

Rangplätze in KI-Antworten: eine Zahl ohne Fundament

Manche Werkzeuge zeigen eine „Position“ in der KI-Antwort an – etwa „Platz 2 bei ChatGPT“. Nach den Ergebnissen oben ist das kaum belastbar: Wenn Liste und Reihenfolge fast nie wiederkehren, beschreibt eine Position nur eine Momentaufnahme. Fishkin formuliert es drastisch: Jedes Tool, das eine „Ranking-Position in KI“ ausgibt, sei Unsinn. Stabiler war in der Studie die Frage, wie oft eine Marke überhaupt vorkam – vor allem bei klar umrissenen Kategorien mit wenigen starken Anbietern.

Für die Praxis heißt das: Arbeite mit Quoten statt Plätzen. Die wichtigsten Kennzahlen sind

Nennungsquote: In wie viel Prozent der Antworten kommt deine Marke vor?
Zitierquote: In wie viel Prozent der Antworten wird eine Seite deiner Domain als Quelle verlinkt?
Anteil im Wettbewerb: Wie verteilen sich die Nennungen auf dich und deine wichtigsten Mitbewerber?

Die Position innerhalb der Antwort kann ergänzend interessant sein, aber nur gemittelt über viele Abfragen – nie als Einzelwert.

Wie viele Abfragen braucht eine belastbare Zahl?

Eine Nennungsquote ist im Grunde ein Umfrageergebnis. Bei einer Wahlumfrage mit 20 Befragten würde niemand ein Ergebnis auf den Prozentpunkt genau ernst nehmen. Beim Prompt-Tracking passiert genau das, wenn eine Zahl aus wenigen Abfragen entsteht.

Wir haben die Unsicherheit mit der üblichen Formel für Anteilswerte (Wilson-Intervall, 95 Prozent) berechnet. Die Tabelle zeigt, in welchem Bereich die tatsächliche Nennungsquote vermutlich liegt, wenn du einen bestimmten Wert beobachtest:

Abfragen	beobachtet 20 % → tatsächlich vermutlich	beobachtet 50 % → tatsächlich vermutlich
10	6 bis 51 %	24 bis 76 %
20	8 bis 42 %	30 bis 70 %
50	11 bis 33 %	37 bis 63 %
100	13 bis 29 %	40 bis 60 %
200	15 bis 26 %	43 bis 57 %
400	16 bis 24 %	45 bis 55 %

Daraus lassen sich zwei Faustregeln ableiten. Für eine Genauigkeit von etwa plus/minus 10 Prozentpunkten brauchst du rund 100 Abfragen, für plus/minus 5 Prozentpunkte rund 400. Und: Unter 50 Abfragen ist eine Quote eher eine Tendenz als eine Messung.

Wie leicht kleine Stichproben täuschen, zeigt ein Beispiel. Angenommen, deine Marke kommt in Wahrheit in 30 Prozent der Antworten vor, und du fragst zehnmal. Dann siehst du mit 2,8 Prozent Wahrscheinlichkeit kein einziges Mal deine Marke – und mit 15 Prozent Wahrscheinlichkeit fünfmal oder öfter. Beides würde im Dashboard wie ein dramatischer Absturz oder Erfolg aussehen, obwohl sich nichts verändert hat.

Wichtig: Die Rechnung setzt voraus, dass die Abfragen unabhängig voneinander sind. Fasst du viele unterschiedliche Prompts zusammen, ist das nur näherungsweise erfüllt. Die Werte sind deshalb Orientierungsgrößen, keine exakte Fehlerrechnung.

Hat sich wirklich etwas verändert?

Noch anspruchsvoller als eine einzelne Quote ist der Vergleich zweier Zeiträume – etwa vor und nach einer Content-Überarbeitung. Damit eine Veränderung mit einiger Sicherheit (95 Prozent Konfidenz, 80 Prozent Trefferwahrscheinlichkeit) als echt erkannt wird, muss sie bei einer Nennungsquote um 30 Prozent ungefähr so groß sein:

Abfragen je Zeitraum	erkennbare Veränderung ab etwa
30	33 Prozentpunkten
100	18 Prozentpunkten
200	13 Prozentpunkten
600	7 Prozentpunkten

Das ist ernüchternd: Wer wöchentlich 30 Abfragen vergleicht, erkennt nur sehr große Sprünge. Kleine, aber reale Verbesserungen gehen im Rauschen unter. Die Konsequenz für die Praxis: Vergleiche lieber Monate oder Quartale als Tage oder Wochen. Ein Quartal mit 600 Abfragen zeigt dir Veränderungen, die ein einzelner Monat mit 200 Abfragen nicht sichtbar macht.

Für die Erfolgskontrolle nach einer Content-Optimierung bedeutet das auch: Plane Geduld ein. Ein Ausschlag in den ersten Tagen nach einer Änderung beweist weder Erfolg noch Misserfolg.

Viele Prompts oder viele Wiederholungen?

Bei begrenztem Budget stellt sich die Frage, wie du die Abfragen verteilst: wenige Prompts sehr oft wiederholen oder viele verschiedene Prompts seltener abfragen?

Die Forschung spricht für Vielfalt. In der erwähnten Auswertung von Żatuchin verringerte jede Wiederholung derselben Frage über die fünfte hinaus den Messfehler kaum noch. Deutlich mehr brachte es, zusätzliche Sprachen, Modelle und Formulierungen einzubeziehen. In einer weiteren Arbeit vom September 2026, die rund 190.000 Beobachtungen aus fünf früheren Studien neu ausgewertet hat, schlägt er gestufte Wiederholungszahlen vor: 5 Durchläufe pro Frage für eine erste Erkundung, 10 für belastbare Aussagen, 15 für besonders strenge Ansprüche.

Dahinter steckt ein einfacher Gedanke. Deine Kunden stellen nicht eine Frage hundertmal, sondern hundert verschiedene Fragen. Ein breites Prompt-Set bildet das besser ab als eine einzelne, oft wiederholte Frage – und ist weniger anfällig dafür, dass eine einzelne Formulierung zufällig besonders gut oder schlecht für dich ausfällt.

Praxis: So baust du ein Prompt-Set auf, das trägt

1. Fragen aus echten Quellen sammeln

Erfinde Prompts nicht am Schreibtisch, sondern leite sie ab: aus deiner Keyword-Recherche, aus Suchanfragen in der Search Console, aus Fragen an Vertrieb und Kundenservice, aus Foren und Bewertungen. Besonders ergiebig sind lange, konkrete Suchanfragen – sie ähneln am ehesten dem, was Menschen in einen Chat tippen. Wie solche Longtail-Anfragen funktionieren, zeigt unser Beitrag über Longtail-Keywords als Antwort auf Zero-Click-Suchen.

2. Nach Absicht und Typ gruppieren

Teile die Prompts in Gruppen ein, die sich unterschiedlich verhalten:

Markenfragen („Was taugt [Marke]?“): Hier wirst du fast immer genannt. Interessant ist vor allem, wie über dich gesprochen wird.
Allgemeine Fragen ohne Marke („Welches Tool eignet sich für …?“): Hier entscheidet sich, ob du im Wettbewerb sichtbar bist – und hier schwanken die Ergebnisse am stärksten.
Vergleichsfragen („[Marke] oder [Wettbewerber]?“): zeigen, wie du gegenüber Mitbewerbern dargestellt wirst.

Zusätzlich lohnt eine Einteilung nach Thema, Produkt und Phase der Kaufentscheidung. Die Analyse der Suchintention hilft dabei, Fragen sauber zuzuordnen. Wirf Marken- und allgemeine Fragen nie in eine gemeinsame Quote: Die Markenfragen treiben den Wert nach oben und verdecken, wie du im offenen Wettbewerb dastehst.

3. Das Set stabil halten

Vergleiche über die Zeit funktionieren nur, wenn du dieselben Fragen misst. Ergänze neue Prompts, wenn nötig – aber werte sie getrennt aus, bis sie einen vollen Vergleichszeitraum gelaufen sind. Notiere jede Änderung am Set mit Datum, damit du später Sprünge erklären kannst.

4. Budget sinnvoll verteilen

Ein Beispiel mit 200 Abfragen im Monat: Statt 20 Prompts je zehnmal abzufragen, ist es meist sinnvoller, 100 Prompts je zweimal oder 200 Prompts je einmal zu messen. Die Gesamtquote ist in allen Fällen ähnlich genau (bei 30 Prozent Nennungsquote etwa plus/minus 6 Prozentpunkte), das breitere Set bildet aber die Fragen deiner Zielgruppe besser ab. Für einzelne, besonders wichtige Prompts kannst du zusätzlich Wiederholungen einplanen.

Die PageRangers AI Suite enthält 200 Prompt-Abfragen pro Monat, einen Prompt-Finder für die Recherche und eine Einteilung der Prompts nach Themen und Produkten – damit lassen sich die Gruppen aus Schritt 2 direkt abbilden.

5. Auswerten wie ein Statistiker

Schau auf Gruppen und das gesamte Set, nicht auf einzelne Prompts.
Vergleiche Monate oder Quartale, nicht Tage.
Werte Modelle getrennt aus, bevor du sie zusammenfasst – ChatGPT und die AI Overviews greifen auf unterschiedliche Quellen zurück.
Reagiere erst, wenn eine Veränderung über mehrere Zeiträume anhält oder größer ist als die Werte in der Tabelle oben.

Prompt-Tracking und echte Daten zusammen lesen

Prompt-Tracking simuliert Nutzerfragen. Es sagt dir nicht, wie viele echte Menschen deine Inhalte in KI-Antworten gesehen haben. Dafür gibt es inzwischen Daten direkt von den Anbietern:

Google Search Console: Der Bericht zu generativen KI-Funktionen zeigt seit Juni 2026, wie oft Seiten deiner Website in AI Overviews, im KI-Modus und in den KI-Funktionen von Discover erschienen sind – nach Seiten, Ländern, Geräten und Zeitraum. Seit dem 31. August 2026 steht er allen Websites zur Verfügung.
Bing Webmaster Tools: Der Bericht „AI Performance“ zeigt seit Februar 2026, wie oft deine Seiten in Copilot und in KI-Zusammenfassungen bei Bing als Quelle genannt werden. Dazu kommen die sogenannten Grounding Queries – die Suchbegriffe, mit denen die KI deine Inhalte gefunden hat. Sie sind eine gute Quelle für neue Prompts.
Webanalyse: Besuche, die von chatgpt.com, perplexity.ai oder gemini.google.com kommen, zeigen, ob Nennungen auch zu Klicks führen. Eine hohe Klickrate darfst du dabei nicht erwarten: KI-Antworten beantworten viele Fragen direkt.

Am aussagekräftigsten ist die Kombination: Steigt die Nennungsquote im Prompt-Tracking und gleichzeitig die Zahl der KI-Impressionen in der Search Console, spricht viel für eine echte Verbesserung. Bewegt sich nur eine der beiden Zahlen, lohnt ein zweiter Blick.

FAQ

Wie oft sollte ich Prompt-Tracking laufen lassen?

Regelmäßig, aber auswerten solltest du in größeren Zeiträumen. Tägliche oder wöchentliche Abfragen sind sinnvoll, um genug Daten zu sammeln. Entscheidungen solltest du auf Basis von Monats- oder Quartalswerten treffen, weil kleine Stichproben stark schwanken.

Warum zeigt mir ChatGPT andere Ergebnisse als mein Tracking-Tool?

Weil jede Antwort neu entsteht und von Formulierung, Sprache, Standort und Gesprächsverlauf abhängt. Eine einzelne eigene Abfrage ist eine Stichprobe von eins. Das Tool misst über viele Abfragen und mit neutralen Einstellungen – beides ist nicht direkt vergleichbar.

Ist eine „Position 1 in ChatGPT“ ein sinnvolles Ziel?

Nein. Untersuchungen zeigen, dass sich Reihenfolge und Zusammensetzung von Empfehlungslisten fast bei jeder Abfrage ändern. Sinnvoller ist das Ziel, in einem möglichst hohen Anteil der Antworten zu relevanten Fragen genannt oder zitiert zu werden.

Wie viele Prompts brauche ich?

Das hängt vom Budget und der Breite deines Angebots ab. Als grobe Orientierung: Für eine Gesamtquote mit plus/minus 10 Prozentpunkten Genauigkeit brauchst du etwa 100 Abfragen pro Auswertungszeitraum, für plus/minus 5 Prozentpunkte etwa 400. Verteile sie lieber auf viele verschiedene Prompts als auf wenige Wiederholungen.

Ersetzt Prompt-Tracking das klassische Ranking-Monitoring?

Nein. KI-Antworten mit Websuche stützen sich auf Suchergebnisse – wer bei Google und Bing gut rankt, hat bessere Chancen, auch als Quelle aufzutauchen. Prompt-Tracking ergänzt das Ranking-Monitoring um eine neue Perspektive, ersetzt es aber nicht.

Fazit

Prompt-Tracking misst keine festen Positionen, sondern Wahrscheinlichkeiten. Einzelne Abfragen, einzelne Prompts und einzelne Tage sagen deshalb wenig aus. Belastbar wird die Messung erst mit genug Abfragen, einem breiten und stabilen Prompt-Set, sauber getrennten Gruppen und Vergleichen über Monate oder Quartale. Wer das beachtet, verwechselt Zufall nicht mehr mit Erfolg oder Absturz.

Dein nächster Schritt: Sammle 50 bis 100 Fragen aus Keyword-Recherche, Search Console und Kundenkontakt, teile sie in Marken-, allgemeine und Vergleichsfragen und lass sie einen vollen Monat laufen, bevor du die erste Bewertung vornimmst. Ergänze die Zahlen dann um den KI-Bericht der Search Console – so siehst du, ob die simulierten Antworten zur Wirklichkeit passen.