Diese Kennzahlen misst du mit Waikay

Waikay erfasst sechs zentrale Kennzahlen, die dir zusammen zeigen, wie KI-Modelle deine Marke verstehen, beschreiben und empfehlen. Jede Kennzahl misst eine andere Ebene der KI-Sichtbarkeit: ob die KI weiß, wer du bist, mit welchen Themen sie dich verbindet und ob die Fakten, die sie über dich nennt, tatsächlich stimmen.

Diese Seite erklärt, was jede Kennzahl misst, wie Waikay sie berechnet und was du tun kannst, wenn die Zahlen nicht dort liegen, wo du sie haben willst.

🧠
Kennzahl 01

Understanding Score

Das ist der erste Wert, den du erhältst, wenn du ein Waikay-Projekt anlegst: eine Zahl auf einer Skala bis 100, die angibt, wie gut ein KI-Modell deine Marke versteht.

70+ Ziel

Was die Zahl bedeutet

Über 70 heißt: Der weitaus größte Teil dessen, was deine Marke online vermittelt, kommt auch in den Antworten der LLMs an. Unter 70 fehlen in der Beschreibung deiner Marke durch KI-Modelle wahrscheinlich zentrale Konzepte.

Waikay liest die wichtigsten Seiten deiner Website und zieht per NLP die bedeutsamen Entitäten heraus: alles, worüber du sprichst, was du verkaufst und wofür du stehst. Daraus entsteht ein kleiner Knowledge Graph. Getrennt davon fragt Waikay vier KI-Modelle (Sonar, ChatGPT, Gemini und Claude) mit einem direkten Prompt ab: what do you know about mybrand.com?

Example knowledge graph for a brand

Der Wert vergleicht die Entitäten in diesen KI-Antworten mit deinem Knowledge Graph. Lücken im Wert sind Lücken darin, wie die KI deine Marke versteht.

Understanding Score in Waikay
Was du damit tun kannst

Öffne den Action Plan oben rechts in deinem Report oder geh im Menü auf den Tab „Action Plans“. Dort siehst du, mit welchen Entitäten deine Wettbewerber verbunden werden und du nicht, und bekommst einen Schritt-für-Schritt-Plan, um die Verknüpfungen deiner Marke zu stärken.

Entity gap analysis in Waikay
📊
Kennzahl 02

Share of Model

Share of Model sagt dir, wie oft deine Marke in KI-Antworten genannt wird, im Verhältnis zu jedem Wettbewerber, der für denselben Prompt erfasst wird. Es ist das KI-Gegenstück zum Share of Voice. Gemessen werden aber nicht Anzeigenimpressionen oder Suchrankings, sondern wie prominent deine Marke in den Antworten vorkommt, die KI-Modelle Käufern in deiner Kategorie geben.

Im Prompt-Tracking legst du kaufrelevante Prompts fest, die täglich in mehreren LLMs gleichzeitig verfolgt werden. Zum Beispiel: What are the best SEO tools for enterprise teams? Waikay stellt diesen Prompt in ChatGPT, Gemini, Perplexity und Claude, erfasst jede Marke, die in jeder Antwort genannt wird, und berechnet deinen Anteil über alle hinweg.

Rechenbeispiel

Marke A wird in einem Monat in allen LLM-Antworten 100-mal genannt, Marke B 75-mal, Marke C 25-mal. Insgesamt: 200 Nennungen.

Marke A = 50 %  ·  Marke B = 37,5 %  ·  Marke C = 12,5 %

50 %
Marke A: führend
37,5 %
Marke B: Mittelfeld
12,5 %
Marke C: im Kommen

Du kannst den Anteil über alle LLMs zusammen verfolgen oder nach einzelnen Modellen aufschlüsseln und so sehen, wo du am stärksten bist und wo du am meisten aufzuholen hast. Sieh dir den Anteil für alle Prompts auf einmal an oder greif einen einzelnen Prompt heraus, um zu verstehen, wie du bei einer bestimmten Käuferfrage abschneidest.

Bis zu 20 Wettbewerber je Prompt verfolgen

Waikay erkennt automatisch Marken von Wettbewerbern, die in LLM-Antworten auftauchen, auch solche, an die du selbst nicht gedacht hast. Du kannst dich je Prompt mit bis zu 20 Wettbewerbern vergleichen. So bekommst du ein vollständiges Bild davon, wie die KI-Landschaft die Sichtbarkeit in deiner Kategorie verteilt.

Share of Model dashboard in Waikay
🔗
Kennzahl 03

Entitätserwähnungen

Wird ein Prompt verfolgt, werden alle genannten Marken erfasst. Waikay geht weiter: Es schlüsselt jede Marke nach den konkreten Entitäten auf, mit denen sie beschrieben wird, und verfolgt diese Verknüpfungen über die Zeit in einer Heatmap.

Heatmap der Entitätsverknüpfungen: Beispiel
MarkeEntity SEOContentInterne LinksMarkeDaten
InLinks 9688 611822
Wettbewerber A 5479 –8245
Wettbewerber B 2148 –5591
Entity mentions heatmap in Waikay

Im Beispiel oben ist InLinks stark mit Entity SEO und Content verknüpft, aber nur schwach mit markenbezogenen Funktionen: ein klares Signal dafür, worauf du deine Investitionen in Content konzentrieren solltest. Die Entitätsverknüpfungen werden über die Zeit verfolgt, damit du Fortschritte messen kannst.

Entity mentions tracked over time in Waikay
🎯
Kennzahl 04 Neu

AI Topical Presence

Share of Model sagt dir, ob deine Marke in KI-Empfehlungen vorkommt. AI Topical Presence sagt dir, wofür. Und das ist die Frage, die darüber entscheidet, ob deine Investitionen in SEO die richtigen Verknüpfungen in KI-Modellen aufbauen.

Diese Kennzahl misst, wie stark und wie breit ein KI-Modell deine Marke mit den kaufrelevanten Themen in deinem Markt verbindet. Sie ergibt einen Wert von 0 bis 100, der sich aus drei Bausteinen zusammensetzt:

⚡

Tiefe (Depth)

Wie stark die KI deine Marke mit den wertvollsten Themen in deinem Markt verbindet, gewichtet nach ihrer kommerziellen Bedeutung.

🌐

Breite (Breadth)

Mit wie vielen zentralen kaufrelevanten Themen in deinem Markt deine Marke verbunden wird, gemessen auf einer weichen Bewertungskurve, nicht an einem harten Schwellenwert.

⚖️

Konzentration (Concentration)

Wie gleichmäßig diese Verknüpfungen verteilt sind. Eine Marke, die sich auf ein einziges Thema konzentriert, ist anfällig: Ein einziges Modell-Update kann den Wert deutlich einbrechen lassen.

75+ Führend

So liest du deinen Wert

Die Werte sind auf die stärkste Marke in deinem Wettbewerbsumfeld normiert. 75+ = führend in der Kategorie. 45-74 = sichtbar, aber lückenhaft. 20-44 = schmal aufgestellt oder im Kommen. Unter 20 = in KI-Empfehlungen weitgehend nicht vorhanden.

Warum das über Share of Model hinaus wichtig ist

Zwei Marken können aus völlig unterschiedlichen Gründen denselben Share-of-Model-Wert haben. Die eine ist vielleicht mit vielen Themen verbunden, aber nur schwach. Die andere ist mit zwei oder drei Themen stark verbunden, anderswo aber unsichtbar. AI Topical Presence trennt diese Profile und zeigt genau, bei welchen Themen Lücken bestehen, an denen du ansetzen kannst.

1

Starte deine Analyse der AI Topical Presence in Waikay

Finde heraus, mit welchen Themen deine Marke stark verbunden ist, mit welchen schwach und welche ganz fehlen.

2

Bestimme die Art der Lücke

Produktlücke, Dokumentationslücke oder fehlende inhaltliche Tiefe: Jede verlangt eine andere Lösung und ein anderes Gespräch im Team.

3

Erstelle Inhalte und stärke die interne Verlinkung

Erstelle semantisch gehaltvolle Inhalte und verlinke Themencluster sauber, damit die Verknüpfungen über deine ganze Website hinweg wirken.

4

Miss nach 8 bis 12 Wochen erneut

Verfolge, in welche Richtung sich die Werte für Tiefe und Breite bewegen. Unveränderte Werte nach einem vollen Quartal sind ein Signal, die Diagnose deiner Lücke zu überdenken, statt mehr vom selben Content zu produzieren.

🔍
Kennzahl 05

Zitations-Tracking

Jedes Mal, wenn Waikay eine Antwort von einem LLM erhält, hält es die Quellen fest, auf die das Modell seine Antwort gestützt hat. Das Besondere am Zitations-Tracking von Waikay: Es führt zwei getrennte Gruppen von Zitationen, und erst diese Trennung macht die Daten für konkrete Maßnahmen nutzbar.

Wissen Zitationen

Wissenszitationen

Quellen, die abgerufen werden, wenn die KI direkt nach deiner Marke gefragt wird, zum Beispiel: „what do you know about Waikay?“ Diese Zitationen prägen die Darstellung deiner Marke: was die KI für sachlich richtig hält, wenn es darum geht, wer du bist, was du tust und wie du beschrieben wirst. Kursieren Falschinformationen über deine Marke, tauchen sie hier zuerst auf.

Kauf Zitationen

Kaufrelevante Zitationen

Quellen, die zitiert werden, wenn die KI Anfragen mit Kaufabsicht beantwortet, zum Beispiel: „what is the best SEO tool?“ Diese Zitationen beeinflussen, ob deine Marke empfohlen wird. Eine Domain, die durchgängig in kaufrelevanten Zitationen auftaucht, prägt aktiv, welche Marken die KI Käufern präsentiert. Das sind deine wertvollsten Ziele für PR und Content-Platzierungen.

Knowledge citations in Waikay Commercial citations in Waikay

Weil du beide Gruppen getrennt verfolgst, kannst du zwei verschiedene Probleme unabhängig voneinander diagnostizieren. Schwache Wissenszitationen deuten auf Lücken darin hin, wie deine Marke im Web dokumentiert ist. Schwache kaufrelevante Zitationen deuten auf Lücken bei den Inhalten Dritter, den Bewertungen und Vergleichen hin, die zu KI-Empfehlungen führen. Beides ist wichtig, verlangt aber völlig unterschiedliche Antworten.

Worauf du in jeder Gruppe achten solltest

Bei den Wissenszitationen: Tauchen deine eigenen Seiten auf? Kommen Falschinformationen von einer bestimmten Domain: einem Bewertungsportal, einem veralteten Artikel, dem Blog eines Wettbewerbers? Verfolge sie zurück, finde heraus, warum sie Einfluss haben, und arbeite daran, sie an der Quelle zu korrigieren.

Bei den kaufrelevanten Zitationen: Welche Domains werden am häufigsten zitiert, wenn Käufer Fragen in deiner Kategorie stellen? Das sind die Websites, denen die KI bei kaufrelevanten Anfragen vertraut. Dort mit deiner Marke vertreten zu sein, ist für die KI-Sichtbarkeit wertvoller als fast jede Optimierung auf der eigenen Website.

✅
Kennzahl 06

Fact Checker

Waikay nimmt die Rohantworten, die KI-Modelle über deine Marke erzeugen, und verdichtet sie zu klaren Einzelsätzen: eine Aussage pro Zeile. Jeder Satz ist mit dem Modell gekennzeichnet, von dem er stammt (zum Beispiel gemini-grounded oder chatgpt), sodass du immer weißt, welche KI welche Aussage gemacht hat.

Jede Entität in jedem Satz ist hervorgehoben und farblich markiert. So ist sofort klar, was die KI mit deiner Marke verbindet und wie. Du kannst über alle Sätze hinweg nach Entität filtern und siehst dann jede Aussage, in der ein bestimmtes Konzept vorkommt. Das ist nützlich, um Muster darin zu erkennen, wie ein bestimmter Aspekt deiner Marke in verschiedenen Modellen beschrieben wird.

Fact Checker in Waikay
Check oder Flag, dann nachforschen

Zu jedem Satz gibt es zwei Aktionen: Check markiert ihn als zutreffend. Flag markiert ihn als Halluzination oder Falschinformation. Wenn du einen Satz mit Flag markierst, kannst du ihn öffnen, genau sehen, welches Modell ihn erzeugt hat, und den Zitationen folgen, die das LLM angegeben hat. Das ist ein direkter Weg, um nachzuverfolgen, woher die falsche Information kommt und was sie verstärkt.

Jedes Mal, wenn deine Topic Reports aktualisiert werden, werden die Sätze mit frischen KI-Antworten neu aufgesetzt. Dein Team prüft also immer aktuelle Aussagen, keine veralteten. Damit ist der Fact Checker ein praktisches Werkzeug, um laufend zu überwachen, ob die Aussagen über deine Marke stimmen, und kein einmaliges Audit.

Genie Jones is a Knowledge Graph Manager at InLinks and Waikay. A Warwick University graduate with a degree in Language, Culture, and Communications, she combines her passion for linguistics with website optimization. Genie specializes in using linguistic insights to enhance content structure, improve SEO, and manage knowledge graphs, helping brands connect effectively with their audiences.