GEO-Metriken und Erfolgsmessung

Warum GEO-Metriken zur Pflichtdisziplin im B2B-Marketing werden

Generative KI-Systeme beantworten Suchanfragen zunehmend direkt, statt nur Links zu liefern. Damit verschiebt sich die Sichtbarkeit von Marken weg von der klassischen Ranking-Position hin zur Erwaehnung innerhalb einer KI-Antwort. Für das Marketing entsteht ein Messproblem: Wer in ChatGPT, Perplexity oder Google AI Overviews zitiert wird, taucht in keinem klassischen Ranking-Report auf. GEO-Metriken schliessen diese Lücke.

Die Dringlichkeit lässt sich am Verhalten ablesen. Google selbst meldete, dass AI Overviews seit dem Start auf über 1,5 Milliarden Nutzer in 200 Ländern und Territorien skaliert sind. Parallel sinken die Klickraten der organischen Suche dort, wo KI-Antworten erscheinen. Eine internationale Analyse von 300.000 Keywords zeigt, dass die Präsenz einer AI Overview die Klickrate auf Position 1 um rund 34,5 Prozent reduziert.

Für den DACH-Raum ist die Lage ähnlich akut. SISTRIX hat für den deutschen Google-Index ermittelt, dass AI Overviews für gut 20 Prozent der Keywords ausgespielt werden und dass die Klickrate auf Position 1 von über 27 Prozent auf nur 11 Prozent fällt, sobald eine AI Overview erscheint. In Summe kostet das den deutschen Markt 265 Millionen organische Google-Klicks pro Monat. Wer diese Verschiebung nicht misst, verliert Reichweite, ohne die Ursache benennen zu können.

Die zentralen GEO-KPIs: AI-Share-of-Voice, Citation-Rate und mehr

GEO-Metriken bündeln mehrere Kennzahlen, die zusammen ein Bild der KI-Sichtbarkeit ergeben. Anders als beim klassischen SEO genügt eine einzelne Ranking-Zahl nicht. Die folgenden KPIs bilden den Kern:

• AI-Share-of-Voice (AI-SOV): Anteil der KI-Antworten in einem definierten Prompt-Set, in denen die eigene Marke erscheint, relativ zum Wettbewerb. Diese Kennzahl macht die Marktposition über mehrere Engines vergleichbar.
• Citation-Rate vs. Mention-Rate: Die Citation-Rate zählt, wie oft die eigene Domain als verlinkte Quelle in der Antwort auftaucht. Die Mention-Rate zählt jede namentliche Erwaehnung der Marke, auch ohne Link. Beide unterscheiden sich deutlich und sollten getrennt erfasst werden.
• Quellenanteil (cited vs. nur erwaehnt): Verhältnis aus aktiv zitierten Antworten zu reinen Markennennungen. Ein hoher Anteil reiner Nennungen ohne Zitat signalisiert Bekanntheit, aber fehlende Verlinkung als Quelle.
• Sentiment der Erwaehnung: Tonalität der Nennung (positiv, neutral, negativ). Eine hohe Sichtbarkeit mit negativem Kontext kann dem Geschäftswert schaden.
• Durchschnittliche Position innerhalb der Antwort: Steht die Marke im ersten Absatz oder erst im Anhang? Front-Loading erhöht die wahrgenommene Autorität.

Als grobe Orientierung gilt: Eine Mention Rate unter fünf Prozent bedeutet praktische Unsichtbarkeit, 15 bis 30 Prozent zeigen eine starke Position, und über 30 Prozent kennzeichnen einen Category Leader. Diese Schwellen sind Erfahrungswerte aus der Praxis und kein normierter Standard. Entscheidend ist die Entwicklung über die Zeit relativ zur eigenen Baseline und zum direkten Wettbewerb.

AI-Referral-Traffic in GA4 sauber tracken

Die Sichtbarkeit in KI-Antworten erzeugt Besucher, die GA4 nicht automatisch korrekt zuordnet. KI-Plattformen sind in der Standardkonfiguration oft kein eigener Kanal, sondern landen unter Referral oder Direct. Ein sauberes Setup umfasst drei Schritte.

Erstens braucht es eine eigene Channel-Gruppe für KI-Traffic. Über eine benutzerdefinierte Kanalgruppe lassen sich Referrer wie chatgpt.com, chat.openai.com, perplexity.ai, gemini.google.com und copilot.microsoft.com per Regex zu einem Kanal bündeln. Ein Pattern wie .*chatgpt.*|.*perplexity.*|.*gemini.*|.*copilot.* fasst die wichtigsten Quellen zusammen und macht den Kanal in jedem Report sichtbar.

Zweitens sollten ausgehende Links in der eigenen Kontrolle mit UTM-Parametern versehen werden, soweit das möglich ist. Bei organischen KI-Zitaten geht das nicht, dort bleibt nur die Referrer-Auswertung.

Drittens, und das ist die wichtigste Einschränkung, gibt es eine harte Attributionsgrenze. Viele In-App-Antworten senden keinen Referrer. Klickt ein Nutzer in der ChatGPT-App auf eine Quelle, erscheint der Besuch in GA4 häufig als Direct Traffic. Schätzungen aus der Praxis gehen davon aus, dass 30 bis 50 Prozent des ChatGPT-Traffics als Direct Traffic verbucht werden. Diese Zahl ist eine Branchenschätzung und keine offizielle Plattformangabe. Für das Reporting bedeutet das: AI-Referral in GA4 ist eine Untergrenze, nicht die volle Wirkung. Dieses Dark Traffic-Problem lässt sich nur durch Triangulation mit anderen Signalen wie direkten Markensuchen und Sichtbarkeits-Tools eingrenzen.

Conversion statt Volumen: warum KI-Traffic höherwertig ist

Der entscheidende Hebel im B2B liegt nicht im Volumen, sondern in der Qualität des KI-Traffics. Wer eine KI nach einer Lösung fragt und einer empfohlenen Quelle folgt, befindet sich oft tiefer im Entscheidungsprozess als ein klassischer Sucher.

Eine Fallstudie auf Basis von GA4-Daten belegt das eindrücklich. Dort konvertierte Traffic von ChatGPT mit 15,9 Prozent gegenüber 1,76 Prozent bei der organischen Google-Suche, und Perplexity erreichte 10,5 Prozent Conversion Rate. Auch das Engagement war höher: ChatGPT-Besucher erzeugten rund 2,3 Seiten pro Sitzung gegenüber gut 1,2 Seiten bei organischem Google-Traffic. Diese Werte stammen aus einer einzelnen US-Fallstudie und sind nicht ohne Weiteres verallgemeinerbar, sie zeigen aber die Richtung.

Für die GEO-Erfolgsmessung folgt daraus eine klare Konsequenz. Bewerten Sie den KI-Kanal nicht nach Sitzungszahlen, sondern nach nachgelagerten Metriken: Conversion Rate, Pages per Session, Engagement Rate und im B2B vor allem dem Pipeline-Beitrag. Verknüpfen Sie den KI-Kanal mit dem CRM, etwa über Lead-Quellenfelder, damit der Conversion-Wert dem GEO-Kanal zugeordnet werden kann. Eine niedrige Reichweite mit hoher Conversion kann mehr Umsatz bringen als ein grosser, aber kalter Kanal.

Sichtbarkeit über mehrere KI-Engines messen

KI-Engines wählen ihre Quellen nach unterschiedlicher Logik aus. Ein GEO-Reporting, das nur eine Engine betrachtet, verzerrt das Bild. Die Quellenlogik unterscheidet sich systematisch.

ChatGPT und Perplexity greifen stärker auf Foren, Communitys und nutzergenerierte Inhalte wie Reddit zurück. Google AI Mode und AI Overviews bevorzugen autoritative Domains und Inhalte, die ohnehin in der organischen Suche stark sind. Wie eng diese Kopplung an die klassische Suche ist, zeigt eine Analyse von 863.000 SERPs: Aktuell stammen nur rund 37,9 Prozent der AI-Overview-Zitate aus den organischen Top 10, gegenüber etwa 76 Prozent im Juli 2025. Google zieht also zunehmend Quellen heran, die nicht auf der ersten Seite ranken. Das erweitert die Chance, auch ohne Top-Ranking zitiert zu werden.

Praktisch messen Sie Engine-Sichtbarkeit über ein definiertes Prompt-Set. Legen Sie 30 bis 100 reale Kundenfragen fest, die Ihr Angebot betreffen, und prüfen Sie diese regelmässig in ChatGPT Search, Perplexity, Google AI Mode und Gemini. Erfassen Sie pro Engine, ob die Marke erscheint, an welcher Position und mit welchem Sentiment. So entsteht ein engine-spezifischer Benchmark, der Stärken und Lücken sichtbar macht.

Brand Mentions vs. Backlinks: die neue Steuergrösse

Im klassischen SEO galt der Backlink als härteste Währung. Für KI-Sichtbarkeit verschiebt sich das Gewicht hin zur unverlinkten Markenerwaehnung. Eine Korrelationsanalyse von 75.000 Marken liefert dazu deutliche Befunde.

Demnach korrelieren branded Web Mentions mit der KI-Sichtbarkeit zwischen 0,66 und 0,71 (Spearman), während YouTube-Erwaehnungen mit rund 0,737 die stärkste Korrelation zeigen. Das Domain Rating als klassische Linkstärke fällt deutlich schwächer aus und liegt je nach KI-Oberfläche bei 0,266 für ChatGPT, 0,285 für AI Mode und 0,326 für AI Overviews. Reine Link-Metriken wie die Zahl der Backlinks bezeichnet die Studie nur als sehr schwach korreliert. Korrelation ist dabei nicht gleich Kausalität, die Richtung des Befunds ist aber konsistent.

Daraus folgt eine konkrete Steuergrösse: die Erwaehnungsdichte. Statt ausschliesslich Backlinks aufzubauen, lohnt sich digitale PR, die Marke in Fachmedien, Branchenverzeichnissen, Podcasts und auf YouTube zu platzieren, auch ohne Link. Richten Sie ein Mention-Monitoring ein, das namentliche Nennungen über das Web verfolgt, und behandeln Sie die Erwaehnungsdichte als eigene KPI neben dem Backlink-Profil.

GEO-Tools und Tech-Stack für den DACH-Raum

Manuelles Prompt-Testing skaliert nicht. Für ein belastbares GEO-Reporting braucht es spezialisierte Tools. Der Markt hat sich 2025 schnell entwickelt, die deutschsprachige Abdeckung variiert jedoch stark.

• SISTRIX AIO-Tracking: starke DACH-Datenbasis und solide Abdeckung des deutschen Google-Index, geeignet für AI-Overview-Monitoring im deutschsprachigen Raum.
• Peec AI: auf GEO spezialisiertes Tool aus Europa, das Sichtbarkeit über mehrere KI-Engines und Prompt-Sets verfolgt, mit Fokus auf Share-of-Voice und Wettbewerbsvergleich.
• Semrush AI Visibility: breites Toolset mit KI-Sichtbarkeitsmodul, das sich gut mit klassischem SEO-Reporting kombinieren lässt.
• Ahrefs Brand Radar: verfolgt Markenerwaehnungen und Zitate in KI-Antworten und schliesst an die etablierte Backlink- und Mention-Datenbasis an.

Wichtige Auswahlkriterien für DACH-Anwender sind die deutschsprachige Antwortqualität, die Abdeckung der relevanten Engines, die Möglichkeit eigener Prompt-Sets und die Integration in das bestehende Reporting. Prüfen Sie vor der Auswahl mit einem realen deutschsprachigen Prompt-Set, ob das Tool Ihre Wettbewerber und Ihre Region korrekt abbildet. Ergänzend lohnt sich ein Blick auf die nativen Reports der Plattformen, etwa den AI-Report in den Bing Webmaster Tools.

Content-Hebel mit nachweisbarer Wirkung auf GEO-Metriken

Nicht jeder Optimierungsansatz wirkt gleich. Die Princeton-GEO-Studie hat erstmals systematisch getestet, welche Content-Taktiken die Sichtbarkeit in generativen Antworten messbar erhöhen. Sie prüfte neun Methoden anhand eines Benchmarks aus 10.000 Suchanfragen über neun Quellen und diverse Domains.

Das zentrale Ergebnis: GEO kann die Sichtbarkeit in den Antworten generativer Engines um bis zu 40 Prozent steigern. Am wirksamsten waren dabei drei Taktiken. Laut der Studie erreichten die Top-Methoden Cite Sources, Quotation Addition und Statistics Addition eine relative Verbesserung von 30 bis 40 Prozent auf der Position-Adjusted Word Count Metrik. Praktisch heisst das: Belege deine Aussagen mit Quellen, ergänze relevante Zitate und füge konkrete Statistiken hinzu. Diese Befunde stammen aus einer internationalen Studie und beziehen sich auf englischsprachige Engines, das Prinzip ist aber übertragbar.

Zwei weitere Hebel ergänzen das Bild. Front-Loading platziert die Kernantwort im ersten Absatz, sodass KI-Systeme sie leicht extrahieren können. Sogenannte Answer Islands sind in sich geschlossene, klar abgegrenzte Antwortblöcke, die eine konkrete Frage vollständig beantworten und maschinell gut entnehmbar sind. Strukturierte Daten über Schema.org machen Inhalte zusätzlich maschinenlesbar und helfen KI-Systemen, Entitäten, Fakten und Zusammenhänge korrekt zuzuordnen.

Häufige Fehler bei der GEO-Erfolgsmessung

In der Praxis scheitern GEO-Reportings oft an denselben Mustern. Wer sie kennt, vermeidet Fehlinterpretationen.

• Volumen über Wert stellen: KI-Kanäle liefern oft wenig Traffic, aber hohe Conversion. Wer nur Sitzungen zählt, unterschätzt den Geschäftswert systematisch.
• Dark Traffic ignorieren: Wird der als Direct verbuchte KI-Traffic nicht berücksichtigt, erscheint der Kanal kleiner, als er ist. Die GA4-Zahl ist eine Untergrenze.
• Nur eine Engine messen: Eine starke Position in ChatGPT sagt wenig über Google AI Overviews aus. Die Quellenlogik unterscheidet sich, deshalb braucht es ein engine-übergreifendes Set.
• Citation und Mention verwechseln: Eine namentliche Nennung ohne Link ist nicht dasselbe wie eine zitierte Quelle. Beide Metriken getrennt zu führen verhindert Fehlschlüsse.
• llms.txt überschätzen: Die Datei llms.txt ist ein vorgeschlagener Standard, der KI-Crawlern relevante Inhalte ausweisen soll. Ihre Adoption durch grosse KI-Anbieter ist bislang gering, und ihre Wirkung lässt sich kaum sauber messen. Behandeln Sie sie als optionales Signal, nicht als Ranking-Hebel.
• Keine Baseline definieren: Ohne Ausgangsmessung lässt sich kein Fortschritt belegen. Der erste Schritt jedes GEO-Programms ist die Baseline.

Metriken, Logfiles und das Reporting-Framework

Ein belastbares GEO-Reporting kombiniert mehrere Datenquellen zu einem konsistenten Bild. Neben den Sichtbarkeits-KPIs gehört die Crawler-Analyse dazu. KI-Bots wie GPTBot, PerplexityBot und Google-Extended hinterlassen Spuren in den Server-Logfiles. Eine Logfile-Analyse zeigt, welche KI-Crawler Ihre Inhalte abrufen, wie häufig und welche Seiten. Das ist eines der wenigen technischen GEO-Signale, das sich direkt und objektiv messen lässt.

Bauen Sie das Reporting in vier Ebenen auf. Erstens die Baseline: Erfassen Sie zum Start AI-Share-of-Voice, Citation-Rate und Mention-Rate pro Engine sowie den AI-Referral-Traffic in GA4. Zweitens das Dashboard: Führen Sie diese KPIs zusammen mit Conversion-Werten und der Crawler-Aktivität in einer Ansicht. Drittens die Frequenz: Ein monatliches Reporting ist für die meisten B2B-Fälle sinnvoll, bei volatilen Märkten auch zweiwöchentlich. Viertens die Verzahnung: Kombinieren Sie GEO-KPIs mit dem klassischen SEO-Reporting zu gemeinsamen Kennzahlen.

Diese Verzahnung ist mehr als Komfort. Sichtbarkeit in KI-Antworten und organische Suche bedingen sich gegenseitig. Eine Analyse von 3.119 Suchanfragen über 42 Organisationen zeigt, dass Marken, die in einer AI Overview zitiert werden, 35 Prozent mehr organische Klicks und 91 Prozent mehr bezahlte Klicks erhalten als nicht zitierte Marken. Ein Zitat in der KI-Antwort wirkt also auf den gesamten Kanal zurück. Genau deshalb gehören GEO- und SEO-Metriken in ein gemeinsames Framework.

DACH- und Österreich-Spezifika

Die Reife der KI-Nutzung bestimmt, wie relevant GEO im jeweiligen Markt schon ist. Für den DACH-Raum lässt sich die Entwicklung mit offiziellen Zahlen belegen, und sie verläuft schnell.

In Österreich nutzten laut STATISTIK AUSTRIA 2024 bereits 20 Prozent der Unternehmen KI-Technologien, gegenüber rund 11 Prozent im Jahr 2023. Am häufigsten kommt KI dabei zur Texterkennung und -verarbeitung zum Einsatz, und zwar bei 65 Prozent der KI-nutzenden Unternehmen, gefolgt von Sprachgenerierung bei 41 Prozent. Im Sektor Information und Kommunikation liegt die Nutzung mit 61 Prozent am höchsten. Diese Branchen sind häufig zugleich die Zielkunden im B2B, was GEO dort früh geschäftsrelevant macht.

Auf der Nachfrageseite zeigt sich dasselbe Tempo. In Deutschland nutzen laut Bitkom inzwischen 67 Prozent der Menschen ab 16 Jahren zumindest gelegentlich generative KI wie ChatGPT, gegenüber 40 Prozent im Sommer 2024. Wenn zwei Drittel der Bevölkerung KI-Assistenten verwenden, wird die Erwaehnung in deren Antworten zu einem realen Touchpoint in der Customer Journey. Für DACH-Unternehmen heisst das konkret: deutschsprachige Antwortqualität gezielt prüfen, gegen lokale Wettbewerber benchmarken und das Prompt-Set auf reale deutschsprachige Kundenfragen ausrichten.

Weiterführendes

GEO-Erfolgsmessung ist kein einmaliges Projekt, sondern ein laufender Prozess. Beginnen Sie schlank: ein definiertes Prompt-Set, eine saubere Baseline pro Engine, ein GA4-Kanal für KI-Referral und eine Logfile-Auswertung der KI-Bots. Erweitern Sie das Setup schrittweise um ein spezialisiertes Tool, sobald der manuelle Aufwand steigt.

Verankern Sie GEO-Metriken im bestehenden Marketing-Reporting statt in einem Silo. Die wechselseitige Wirkung von KI-Sichtbarkeit und organischer Suche macht eine gemeinsame Betrachtung notwendig. Wer Mention-Rate, AI-Share-of-Voice, Conversion-Beitrag und Crawler-Aktivität zusammen mit den klassischen SEO-Kennzahlen führt, erkennt früh, wo die Marke in der KI-Suche steht und welcher Content-Hebel tatsächlich wirkt.