Kanäle der KI-Sichtbarkeit
Trainingsdaten und Live-Suche sind zwei völlig verschiedene Systeme. Die KI-Tools, die deine Käufer nutzen, funktionieren nicht alle gleich. Zu verstehen, welchen Kanal jedes Tool nutzt, wann welcher greift und welchen du gerade misst, ist das Fundament für alles andere in diesem Leitfaden.
Die Kurzfassung
- Verschiedene KI-Tools nutzen standardmäßig verschiedene Kanäle. Perplexity und Google AI Overviews arbeiten fast ausschließlich mit Live-Suche. ChatGPT ohne Websuche antwortet aus seinen Trainingsdaten. Es macht einen enormen Unterschied, welchen Kanal du misst.
- Bei ChatGPT landen die meisten Fragen zu Marken und Kategorien in den Trainingsdaten. Eine Live-Suche kostet Rechenleistung und wird gezielt ausgelöst, nicht bei jeder Anfrage.
- Ein gutes Ranking heißt nicht, dass die KI dich richtig darstellt. Die Live-Suche ruft deine Seite ab und schreibt sie dann um. Du kannst auf Platz eins stehen und trotzdem falsch dargestellt werden.
- Trainingsdaten sind nicht komplett eingefroren. Große Modelle verschieben ihren Wissensstichtag und nehmen Aktualisierungen auf, ohne jedes Mal komplett neu trainiert zu werden. Verglichen mit der Live-Suche ändert sich aber trotzdem alles nur langsam.
- Was du heute veröffentlichst, wirkt in der Live-Suche nach Tagen. In den Trainingsdaten dauert es Monate bis über ein Jahr. Das sind grundverschiedene Zeiträume, und sie verlangen verschiedene Strategien.
Probier das vor allem anderen aus
Öffne ChatGPT mit ausgeschalteter Websuche und frag: „Was weißt du über [deine Marke] im Zusammenhang mit [deiner Kategorie]?“
Schalte jetzt die Websuche ein und stell genau dieselbe Frage. Stell sie danach auch in Perplexity. Vergleiche alle drei Antworten.
Fragen, die sich lohnen
Welche Antwort wirkt am zutreffendsten? Welche am gefährlichsten? Zeigt die Version mit Websuche die richtigen Seiten oder die eines Wettbewerbers? Liefert Perplexity noch einmal etwas anderes? Steht in einer der Antworten etwas, das kein Käufer lesen sollte?
Um die Unterschiede zwischen diesen drei Antworten geht es in diesem Kapitel.
Nicht alle KI-Tools funktionieren gleich
Der größte Fehler bei der Messung von KI-Sichtbarkeit ist die Annahme, alle KI-Tools würden gleich funktionieren. Das tun sie nicht. Jede große Plattform hat einen anderen Standardkanal, und davon hängt ab, wie du deine Daten deutest und was du tust, um deine Sichtbarkeit zu verbessern.
Perplexity
Fast ausschließlich Live-Suche. Jede Anfrage löst einen Abruf aus dem Web aus. Eine Trainingsdaten-Ebene, die du separat beeinflussen könntest, gibt es nicht. Hier zählen dein SEO und dein Zitationsprofil.
Google AI Overviews
Ruft standardmäßig live aus dem Google-Index ab und baut auf der klassischen Suchinfrastruktur auf. Wer für AI Overviews optimiert, löst also vor allem eine SEO-Aufgabe, keine Trainingsdaten-Aufgabe.
ChatGPT
Antwortet standardmäßig aus den Trainingsdaten. Die Websuche lässt sich manuell einschalten oder startet automatisch, wenn die Anfrage nach aktuellen Informationen verlangt. Auf dieser Plattform ist der Unterschied zwischen Trainingsdaten und Live-Suche für die Arbeit an der Markensichtbarkeit am wichtigsten.
Microsoft Copilot / Bing
Arbeitet standardmäßig mit Live-Suche über den Bing-Index. Ähnlich wie bei Perplexity ist der Live-Abruf der wichtigste Mechanismus. Die Trainingsdaten helfen beim Formulieren der Antwort, entscheidend ist aber der Abruf.
Gemini
Arbeitet hybrid. Gemini hat Zugriff auf die Google-Suche und ruft live ab, wenn eine Anfrage davon profitiert. Den Wissensstichtag der Trainingsdaten verschiebt Google häufiger als manche Wettbewerber, deshalb ist die Grenze zwischen statischem und aktuellem Wissen hier weniger scharf.
Claude
Antwortet standardmäßig aus den Trainingsdaten mit festem Wissensstichtag. Eine Live-Suche gibt es nur, wenn ein Suchwerkzeug angebunden ist. Für die Markensichtbarkeit ist Claude damit ein reiner Trainingsdaten-Kanal.
Misst du nur ChatGPT mit ausgeschalteter Websuche, misst du die Trainingsdaten einer einzigen Plattform. Das ist wichtig, aber nur ein Ausschnitt. Deine Käufer nutzen vielleicht viel häufiger Perplexity oder Google AI Overviews, und das sind ganz andere Kanäle, die eigene Strategien und eigene Messansätze brauchen.
Wie die beiden Kanäle tatsächlich funktionieren
Trainingsdaten
Wissen, das beim Vortraining auf großen Momentaufnahmen des Webs fest ins Modell eingeflossen ist. Es ist nicht komplett eingefroren: Große Modelle verschieben ihren Wissensstichtag und nehmen Aktualisierungen über Verfahren wie fortgesetztes Vortraining und Knowledge Distillation auf, ohne jedes Mal komplett neu trainiert zu werden. Verglichen mit der Live-Suche ändert sich das Wissen aber langsam und schwer vorhersehbar.
Kennzeichen
Weitgehend statisch. Das Grundverständnis des Modells von deiner Marke, geprägt von dem, was während seines Trainingszeitraums im Web stand.
Live-Suche
Abruf in Echtzeit per RAG (Retrieval Augmented Generation). Das Modell holt aktuelle Suchergebnisse aus dem Web und fasst sie zu einer Antwort zusammen. Du wirst also nicht nur gerankt, du wirst interpretiert. Der Nutzer sieht die Zusammenfassung des Modells, nicht deine Seite.
Kennzeichen
Dynamisch und aktuell. Dass ein Abruf stattfindet, garantiert aber nicht, dass der Inhalt deiner Seite zutreffend oder vorteilhaft wiedergegeben wird.
Wann sucht ChatGPT live?
Bei Plattformen, die standardmäßig live suchen (Perplexity, Google AI Overviews, Copilot), löst jede Anfrage einen Abruf aus. Bei ChatGPT entscheidet das Modell selbst. Die folgenden Signale zeigen, wann eine Live-Suche wahrscheinlicher ist. Es sind keine festen Regeln, aber die Muster sind beständig genug, um damit zu planen.
| Art der Anfrage | Wahrscheinlicher Kanal | Warum |
|---|---|---|
| „Was gibt es Neues über [Marke]?“ | Live-Suche | „Neues“ signalisiert, dass es auf Aktualität ankommt. Das Modell geht davon aus, dass seine Trainingsdaten veraltet sein könnten. |
| „Welches sind die besten Tools für [Kategorie]?“ | Trainingsdaten | Kein Hinweis auf Aktualität. Das Modell greift auf sein trainiertes Marktwissen zurück. Aus diesem Kanal stammen deine Daten zu Share of Voice und Topical Presence. |
| „Hat [Marke] eine Integration mit Salesforce?“ | Trainingsdaten | Bei etablierten Marken meist Trainingsdaten. Bei neueren Marken, über die in den Trainingsdaten wenig steht und bei denen sich das Modell unsicher ist, kann eine Live-Suche starten. |
| „Was kostet [Marke] aktuell?“ | Live-Suche | Preise ändern sich oft. Das Modell erkennt, dass sich solche Informationen besser live abrufen lassen. |
| „Vergleiche [Marke] mit [Wettbewerber]“ | Gemischt | Löst zunehmend eine Live-Suche aus, weil Modelle darauf trainiert wurden, aktuelle Funktions- und Preisvergleiche zu liefern. 2023 kamen solche Antworten noch überwiegend aus den Trainingsdaten, 2024 und 2025 hat sich das verschoben. |
| „Hat [Marke] in letzter Zeit Stellen abgebaut?“ | Live-Suche | Eindeutig ereignisbezogen. Das Modell sucht live, außer das Ereignis liegt vor seinem Wissensstichtag. |
Ob ChatGPT live sucht, entscheidet das Modell nach Wahrscheinlichkeit. Derselbe Prompt kann einmal eine Antwort aus den Trainingsdaten und beim nächsten Durchlauf eine aus der Live-Suche liefern. Auch deshalb musst du Prompts mehrfach ausführen und die Ergebnisse mitteln, wenn du verlässlich messen willst.
Ein gutes Ranking heißt nicht, dass die KI dich richtig darstellt
Die Live-Suche ruft ab und schreibt dann um
Wenn ein Modell deine Seite abruft, zeigt es sie dem Nutzer nicht. Es liest sie, zieht heraus, was es für relevant hält, und schreibt eine neue Antwort. Du kannst nicht bestimmen, welche Informationen das Modell übernimmt, wie es konkurrierende Quellen gewichtet oder wie es deine Marke in der Antwort darstellt.
Mit Platz eins gehörst du zu den Quellen, auf die das Modell zurückgreifen kann. Das garantiert nicht, dass du in dem, was der Nutzer tatsächlich liest, zutreffend, vollständig oder vorteilhaft dargestellt wirst.
Ein Käufer fragt ChatGPT (Websuche eingeschaltet): „Hat [deine Marke] eine Integration mit Salesforce?“
Das Modell ruft drei Seiten ab: deine Seite zu Integrationen, einen Vergleichsartikel eines Dritten über einen Wettbewerber und einen zwei Jahre alten Thread in einem Community-Forum. Aus allen dreien formt es diese Antwort:
Deine Seite zu Integrationen stand auf Platz eins. Das Modell hat sie gelesen. Trotzdem glaubt der Käufer jetzt, dass es bei dir keine Salesforce-Integration gibt.
Das Problem war nicht dein Ranking. Das Problem war, dass das Modell einen veralteten Forenbeitrag und die Vergleichsseite eines Wettbewerbers stärker gewichtet hat als deine eigene Dokumentation. Die Live-Suche ist nicht nur eine SEO-Aufgabe. Es geht um alle Inhalte, die über dich im Umlauf sind.
Bau deine wichtigsten Produktseiten so auf, dass die entscheidenden Fakten im ersten Absatz stehen und nicht in einer Tabelle oder einem Unterreiter versteckt sind. Das Modell übernimmt, was es zuerst liest und was in mehreren Quellen übereinstimmend vorkommt. Formuliere deine klarsten und genauesten Aussagen so, dass man sie nicht übersehen kann. Und prüfe die Inhalte Dritter, die neben deinen eigenen als Quelle abgerufen werden könnten.
Was du heute veröffentlichst, ändert das Modell nicht heute
Zwei sehr unterschiedliche Zeiträume
Zu den häufigsten Irrtümern bei der KI-Sichtbarkeit gehört die Annahme, neue Inhalte würden schnell verändern, was ein Modell über deine Marke sagt. Für Plattformen mit Live-Suche stimmt das weitgehend. Für Trainingsdaten stimmt es nicht, auch wenn das Bild vielschichtiger ist, als ein einfacher Stichtag vermuten lässt.
Tage bis Wochen
Sobald eine Seite indexiert ist, kann sie schnell in der Live-Suche auftauchen. Bei etablierten Domains geschieht das meist innerhalb von Tagen bis wenigen Wochen. Neue Domains brauchen länger, bis sie genug Vertrauenssignale gesammelt haben, um verlässlich als Quelle abgerufen zu werden.
Eignet sich für
Korrekturen, die eilen. Ankündigungen neuer Produkte. Preisänderungen. Alles, was das Modell sofort zeigen soll.
Monate bis über ein Jahr
Modelle übernehmen neue Trainingsdaten in unregelmäßigen Abständen. Je nach Anbieter werden große Basismodelle alle paar Monate bis seltener als einmal im Jahr neu trainiert. Manche Modelle verschieben ihren Wissensstichtag über leichtere Aktualisierungen häufiger, aber das ist von Anbieter zu Anbieter verschieden und nicht öffentlich dokumentiert.
Eignet sich für
Langfristigen Aufbau von Verknüpfungen. Thematische Autorität. Die grundlegende Präsenz, die mit der Zeit prägt, wie das Modell deine Marke und deine Kategorie versteht.
Sagt ein Modell gerade etwas Falsches über deine Marke und musst du das schnell korrigieren, ist die Optimierung für die Live-Suche dein schnellster Weg. Korrigiere die Inhalte, die als Quellen abgerufen werden. Korrekturen in den Trainingsdaten sind wichtig und lohnen sich, aber rechne nicht damit, sie vor Ablauf einiger Monate in den Antworten zu sehen. Plane beide Zeiträume parallel, statt dich für einen zu entscheiden.
Was du bei den Trainingsdaten beeinflussen kannst
Die Chance erhöhen, aufgenommen zu werden
- Verwende deinen Markennamen auf allen Seiten und Plattformen in derselben verbindlichen Schreibweise
- Veröffentliche auf angesehenen, crawlbaren Domains, aus denen Trainingsdatensätze bekanntermaßen schöpfen
- Räum Hürden für Crawler aus dem Weg: Ausschlüsse in der robots.txt, Login-Sperren, aufwendiges JavaScript-Rendering
- Nutze strukturierte Formate: FAQ, semantische Überschriften, eindeutige Verweise auf Entitäten
- Sorg für Erwähnungen durch Dritte auf Plattformen mit starker Präsenz im Web: Wikipedia, Fachmedien, Bewertungsportale
Prüfen und nachsteuern
- Stell jeden Monat Markenfragen mit ausgeschalteter Websuche, um das trainierte Wissen zu testen
- Halte Halluzinationen, fehlende Verknüpfungen und falsche Beschreibungen fest
- Veröffentliche korrigierende Inhalte zu konkreten Fehldarstellungen, und zwar in der Breite
- Nutze halluzinierte Zitationen als Content-Briefing: Das Modell hat eine Seite erwartet, die es nicht gibt
Der monatliche Trainingsdaten-Check
Stell einmal im Monat diesen Prompt in mehreren Modellen mit ausgeschalteter Websuche:
„Was weißt du über [DeineMarke.com] im Zusammenhang mit [deiner Nische]?“
| Befund | Was du tust |
|---|---|
| Marke wird nicht erwähnt | Veröffentliche crawlbare Inhalte mit klaren Entitäten auf angesehenen Domains. Sorg für Erwähnungen auf Bewertungs- und Vergleichsportalen. |
| Falsche Beschreibungen | Leg eine verbindliche Markenbotschaft fest und wiederhole sie einheitlich in allen Inhalten. Gestalte deine Über-uns-Seite direkt und sachlich. Siehe Kapitel 4 (Faktentreue). |
| Schwache Verknüpfung mit Themen | Bau Themencluster rund um deine wichtigsten Anwendungsfälle auf, mit klarer interner Verlinkung und einheitlichen Verweisen auf Entitäten. Siehe Kapitel 3 (AI Topical Presence). |
| Halluzinierte Angebote | Veröffentliche korrigierende Inhalte, die klar sagen, was du anbietest und was nicht. Wiederhole das in mehreren angesehenen Quellen, damit das Modell immer wieder auf die Korrektur stößt. |
Was du bei der Live-Suche beeinflussen kannst
Auf Abruf und Zusammenfassung ausrichten
- Stell die wichtigsten Fakten in den ersten Absatz jeder wichtigen Seite. Was weit oben steht, übernehmen Modelle am zuverlässigsten.
- Nutze klare, direkte Überschriften. Modelle erfassen die Struktur, bevor sie den Fließtext lesen.
- Orientiere dich an Formaten für Featured Snippets: knappe Definitionen, Antworten als Aufzählung, klare Vergleiche
- Sorg dafür, dass Crawler alles erreichen: schnelle Ladezeiten, mobilfreundlich, vollständig indexierbar, Schema-Markup
Mitbestimmen, welche Quellen abgerufen werden
- Finde Seiten Dritter über deine Marke, die in der Suche weit oben stehen und neben deinen Seiten abgerufen werden könnten
- Lass Faktenfehler auf Bewertungsportalen, Vergleichsseiten und in Community-Foren korrigieren
- Bau plattformübergreifend Vertrauenssignale auf: Autorenprofile, Bewertungen Dritter, einheitliche NAP-Daten (Name, Adresse, Telefon), Schema-Markup
- Verfolge, welche Seiten von Wettbewerbern bei Fragen zu deiner Marke abgerufen werden, und finde heraus, was dort steht
Fehlst du in den Ergebnissen von Perplexity oder Google AI Overviews bei Anfragen, bei denen du auftauchen solltest, liegt das oft an fehlenden Vertrauenssignalen und nicht an den Inhalten. Diese Plattformen sind vorsichtig mit dünnen, werblichen oder wenig angesehenen Inhalten. Bevor du an Texten feilst, prüf die Grundlagen: klare Über-uns- und Kontaktseiten, namentlich genannte Autoren, Bestätigung durch Dritte und strukturierte Daten.
Warum du beide Kanäle messen musst
Wenn du Prompts in beiden Kanälen und auf mehreren Plattformen ausführst, bekommst du ein Bild, das keiner der Kanäle allein liefern kann. Das sagt dir jede Messung.
Trainingsdaten (Websuche ausgeschaltet)
Was das Modell in seinem Trainingszeitraum über deine Marke gelernt hat. Stabil, ändert sich nur langsam, und für die meisten Markenfragen an ChatGPT und Claude der wichtigste Kanal. Das ist die Ausgangslage, die du über Monate verbessern willst. Sie spielt auch eine Rolle dafür, wie das Modell Ergebnisse der Live-Suche zusammenfasst, denn trainiertes Wissen prägt, wie abgerufene Inhalte gedeutet werden.
Live-Suche (Websuche eingeschaltet / Perplexity)
Welche Quellen bei Fragen zu deiner Marke gerade abgerufen werden können: deine Seiten, Seiten von Wettbewerbern, Erwähnungen durch Dritte. Das zeigt nahezu in Echtzeit, was ein Käufer auf Plattformen mit Live-Suche sieht. Lässt sich schneller beeinflussen, reagiert aber auch schneller auf Inhalte Dritter, die du nicht kontrollierst.
Der Abstand zwischen beiden
Ein großer Abstand heißt: Die Trainingsdaten sind dünn, und die Live-Suche gleicht das aus. Setz dann auf langfristige Inhalte und Erwähnungen, um die trainierte Ebene aufzubauen. Ein kleiner Abstand bei falschen Trainingsdaten heißt: Das Modell hat etwas falsch gelernt, und die Live-Suche überdeckt es womöglich. Korrigiere dann, was das Modell bereits gelernt hat, nicht nur das, was in der Suche weit oben steht.
Die Topic Reports im Brand Tracker von Waikay testen beide Kanäle für jeden verfolgten Prompt. Jeder Report zeigt dir nebeneinander, was das Modell mit ausgeschalteter und mit eingeschalteter Websuche über deine Marke sagt. Dieser Vergleich ist der Ausgangspunkt, um zu erkennen, welcher Kanal Arbeit braucht, welche Strategie Vorrang hat und ob das, was du tust, tatsächlich etwas bewegt.
