AI-Sichtbarkeit für lokale Unternehmen messen und tracken

Warum lokale AI-Sichtbarkeit jetzt messbar werden muss

Lokale Kaufentscheidungen beginnen zunehmend in KI-Assistenten statt in der klassischen Trefferliste. Laut einer US-Verbraucherbefragung nutzen 45 % der Konsumenten KI-Tools für lokale Unternehmensempfehlungen, ein Sprung von 6 % im Vorjahr. KI ist dort inzwischen das dritthäufigste Werkzeug für lokale Empfehlungen, hinter Google und Facebook, aber vor Yelp und TripAdvisor. ChatGPT führt mit 31 %, der Google AI Mode folgt mit 23 %. Diese Zahlen stammen aus den USA, das Verhalten ist jedoch übertragbar.

Im DACH-Raum ist die Nutzungsbasis bereits sehr breit. In Deutschland nutzen laut Bitkom 67 % der Menschen ab 16 Jahren generative KI, im Sommer 2024 waren es erst 40 %. Auf Tool-Ebene liegt ChatGPT bei 43 %, Microsoft Copilot bei 39 %, Google Gemini bei 28 %. In Österreich nutzten laut Statistik Austria 57,4 % der 16- bis 24-Jährigen und 75,6 % der Schüler:innen und Studierenden in den letzten drei Monaten generative KI-Tools. Der österreichische Markt ist mit 8,69 Mio. Internetnutzer:innen und 95,3 % Online-Penetration nahezu vollständig erschlossen.

Das Problem für lokale Betriebe ist die geringe Trefferdichte. Laut dem SOCi 2026 Local Visibility Index empfiehlt ChatGPT aktuell nur 1,2 % aller lokalen Unternehmensstandorte. Wer nicht misst, ob er zu diesen 1,2 % gehört, optimiert blind.

Was lokale AI-Sichtbarkeit bedeutet (AEO, GEO, LLMO)

Klassisches lokales SEO zielt auf eine Position im Local Pack und in Google Maps. AI-Sichtbarkeit zielt auf die Erwähnung innerhalb einer generierten Antwort. Drei Begriffe beschreiben das Feld:

AEO (Answer Engine Optimization): Optimierung, damit ein Betrieb in der direkten Antwort von Antwortmaschinen wie AI Overviews erscheint, nicht nur als verlinkter Treffer.

GEO (Generative Engine Optimization): Optimierung der Inhalte und Entitätssignale, damit generative Systeme den Betrieb in ihre synthetisierten Antworten aufnehmen und zitieren.

LLMO (Large Language Model Optimization): Sicherstellung, dass ein Modell den Betrieb als relevante Entität kennt und korrekt wiedergibt, etwa über konsistente Daten in Trainings- und Retrieval-Quellen.

Der zentrale Unterschied zum lokalen SEO: Im Local Pack zählt die Position. In der KI-Antwort zählt, ob der Name überhaupt fällt, in welchem Kontext, mit welchem Sentiment und mit welcher Citation. Es gibt keine zehn Plätze, oft nur drei bis fünf Nennungen. Sichtbarkeit ist binärer und stärker abhängig von Drittquellen-Erwähnungen.

Welche Plattformen lokale Betriebe priorisieren sollten

Die Priorisierung folgt zwei Fragen: Wo suchen lokale Kunden und woher kommt verwertbarer Traffic. Auf Referral-Ebene ist ChatGPT weltweit dominant. Laut StatCounter entfielen im März 2026 78,16 % aller AI-Chatbot-Referrals auf ChatGPT, 8,65 % auf Gemini, 7,07 % auf Perplexity, 3,19 % auf Copilot und 2,91 % auf Claude. Für lokale Betriebe ergibt sich daraus folgende Reihenfolge:

ChatGPT: Höchste Nutzung in DE und höchster Referral-Anteil. Pflicht-Monitoring für jeden lokalen Betrieb.

Google AI Overviews und AI Mode: Direkt in den Suchergebnissen sichtbar und damit reichweitenstark bei klassischen lokalen Suchen. AI Overviews erscheinen laut Whitespark bei durchschnittlich 68 % lokaler Unternehmensanfragen.

Gemini: Zweitgrößte Referral-Quelle und tief in das Google-Ökosystem integriert, daher für DACH relevant.

Perplexity: Kleinerer, aber zitierfreudiger Kanal, der Quellen transparent ausweist und sich gut für Citation-Tracking eignet.

Microsoft Copilot bleibt im DACH-Markt relevant, weil es laut Bitkom mit 39 % Tool-Nutzung in Deutschland direkt hinter ChatGPT liegt, auch wenn der Referral-Anteil gering ist.

Funktionsweise: KPIs und Messmethoden

Lokale AI-Sichtbarkeit wird über vier Kennzahlengruppen messbar:

AI Answer Inclusion Rate: Anteil der getesteten Ziel-Prompts, bei denen der Betrieb in der Antwort genannt wird. Die Kernkennzahl, da sie binäre Sichtbarkeit abbildet.

Share of Voice: Anteil der eigenen Erwähnungen an allen genannten Anbietern pro Prompt, im Vergleich zu lokalen Mitbewerbern.

Citation Accuracy: Ob Name, Adresse, Telefonnummer, Öffnungszeiten und Leistungen in der KI-Antwort korrekt wiedergegeben werden. Falsche Daten kosten Kunden direkt.

AI-Referral-Traffic: Sitzungen und Conversions, die nachweislich aus KI-Quellen stammen, gemessen über GA4 und Referrer-Analyse.

Ergänzend zählen Brand Mention Frequency und das Sentiment der Erwähnung. Eine Nennung in einem negativen Kontext ist keine gute Sichtbarkeit. Der wirtschaftliche Grund für das Tracking liegt im Wert des Kanals: AI-Search-Traffic konvertiert laut Semrush bei informationellen und Consideration-Stage-Anfragen durchschnittlich 4,4-mal höher als organischer Such-Traffic, weil Besucher vorinformiert ankommen.

Best Practices: Manuelles Tracking und Tool-Setup

Standardisierte lokale Test-Prompts

Definieren Sie ein festes, reproduzierbares Prompt-Set und testen Sie es regelmäßig. Verwenden Sie deutschsprachige, lokal formulierte Anfragen, etwa "beste(r) [Leistung] in [Stadt]", "[Leistung] in [Bezirk] mit guten Bewertungen", "Wer macht [Leistung] in [PLZ]". Loggen Sie pro Lauf: Datum, Plattform, exakter Prompt, ob der Betrieb genannt wurde, Position innerhalb der Antwort, genannte Mitbewerber, zitierte Quellen und Sentiment. Ein einfaches Tabellenblatt genügt für den Start, wichtig ist die Konstanz der Prompts und der Rhythmus.

Tools für das AI-Monitoring

Mehrere Werkzeuge automatisieren das Tracking. Ahrefs Brand Radar verfolgt Erwähnungen, Share of Voice und zitierte Quellen in KI-Antworten und lässt sich auf den eigenen Markennamen und lokale Prompts konfigurieren. Semrush AI Visibility und Mangools AI Search Grader decken AI Overviews und Chatbot-Erwähnungen ab. LocalFalcon kombiniert lokales Rank-Tracking mit AI-Overviews- und ChatGPT-Monitoring auf Standortebene. Für den österreichischen Kontext gilt: Wählen Sie als Standort und Sprache konsequent AT und Deutsch, hinterlegen Sie regionale Mitbewerber als Benchmark und testen Sie sowohl Stadt- als auch Bezirks- und PLZ-Varianten.

AI-Referral-Traffic in GA4 messen

GA4 weist KI-Traffic nicht automatisch sauber aus. Identifizieren Sie ihn über die Referrer-Domains der Assistenten und über UTM-Parameter, wo Sie Links selbst setzen können. Legen Sie eine eigene Channel-Gruppe oder ein Segment für KI-Quellen an, damit AI-Referrals nicht unter "Organic" oder "Direct" verschwinden. Bewerten Sie den Kanal anschließend nach Conversions und Conversion-Wert, nicht nur nach Sitzungen, da der Traffic gemäß Semrush deutlich höher konvertiert.

Suchintent-abhängiges Tracking

Welcher Antworttyp dominiert, hängt vom Intent ab. Laut Whitespark erscheinen AI Overviews bei transaktionalen lokalen Anfragen nur in 15 % der Fälle, das Local Pack jedoch in 93 %, während AI Overviews bei informationellen Anfragen in 92 % der Fälle auftauchen. Praktische Folge: Überwachen Sie das klassische Local Pack weiter für transaktionale "Jetzt buchen"-Anfragen und priorisieren Sie AI-Monitoring bei informationellen und vergleichenden Anfragen ("welcher Anbieter ist gut für ..."). Die Auslösehäufigkeit von AI Overviews ist zudem volatil. Laut Semrush wurden sie bei 6,49 % der Anfragen im Januar 2025, 24,61 % im Juli 2025 und 15,69 % im November 2025 ausgelöst.

Vom Messen zum Handeln

Die Hebel zur Verbesserung sind weitgehend bekannt aus dem lokalen SEO, gewichten aber anders. Das Google-Unternehmensprofil bleibt zentral: Laut der Local-Search-Ranking-Factors-Auswertung von BrightLocal und Whitespark entfallen 32 % der Local-Pack-Faktoren auf das Google Business Profile. Für die AI-Sichtbarkeit verschiebt sich der Fokus jedoch auf Drittquellen: Dieselbe Auswertung untersucht erstmals AI-Search-Faktoren, und ganz oben stehen die Präsenz auf kuratierten "Best-of"-Listen, die Prominenz auf branchenrelevanten Domains und die Qualität unstrukturierter Citations. Praktisch bedeutet das: GBP pflegen, kontinuierlich Bewertungen einholen, konsistente Citations und NAP-Daten sicherstellen, Drittquellen-Erwähnungen und Listenplatzierungen aufbauen sowie strukturierte Daten und klare Entitätsdaten bereitstellen.

Häufige Fehler

Einmal-Messung statt Monitoring: Eine einzelne Stichprobe sagt nichts aus, weil AI-Antworten stark schwanken. Sichtbarkeit muss kontinuierlich getrackt werden.

Nur ChatGPT prüfen: Wer Google AI Overviews, Gemini und Perplexity ignoriert, übersieht reichweitenstarke Kanäle, gerade im Google-Ökosystem.

Englische Prompts für den DACH-Markt: Lokale Kunden suchen auf Deutsch. Englische Test-Prompts liefern verzerrte Ergebnisse für AT- und DE-Standorte.

Citation-Fehler übersehen: Eine Nennung mit falscher Adresse oder veralteten Öffnungszeiten schadet, statt zu helfen. Citation Accuracy gehört ins Monitoring.

AI-Traffic in GA4 nicht segmentieren: Ohne eigene Channel-Definition verschwinden AI-Referrals unter Direct oder Organic und der Kanalwert bleibt unsichtbar.

Intent ignorieren: AI-Monitoring für rein transaktionale Anfragen anzusetzen, wo das Local Pack dominiert, verschwendet Aufwand am falschen Query-Typ.

Metriken und Reporting-Rhythmus

Berichten Sie lokale AI-Sichtbarkeit über ein festes Kennzahlen-Set: AI Answer Inclusion Rate pro Plattform, Share of Voice gegenüber lokalen Mitbewerbern, Brand Mention Frequency, Citation Accuracy, Sentiment und AI-Referral-Traffic inklusive Conversion-Wert aus GA4.

Der Rhythmus muss kurz sein. Die zugrunde liegenden Antworten ändern sich laufend, wie die Schwankung der AI-Overviews-Auslösung von 6,49 % auf 24,61 % und zurück auf 15,69 % innerhalb von 2025 zeigt. Wöchentliches Monitoring ist das Minimum, monatliches Reporting fasst Trends zusammen. Halten Sie die Prompts, Standorte und Mitbewerber zwischen den Läufen konstant, sonst sind die Datenpunkte nicht vergleichbar.

Weiterführendes: Lokaler und österreichischer Fokus

Für den österreichischen Markt zählen deutschsprachige, regional formulierte Prompts und AT-spezifische Quellen. KI-Systeme stützen sich auf etablierte lokale Verzeichnisse und autoritäre Drittquellen. Pflegen Sie daher WKO-Firmenprofile, regionale Branchenverzeichnisse wie Herold und lokale Medien, weil genau diese Quellen in KI-Antworten zitiert werden. Benchmarken Sie konsequent gegen die tatsächlichen lokalen Mitbewerber im selben Bezirk oder derselben Stadt, nicht gegen überregionale Marken.

AI-Sichtbarkeit ist kein einmaliges Projekt, sondern ein dauerhafter Prozess. Wer ein konstantes Prompt-Set wöchentlich testet, AI-Traffic in GA4 sauber segmentiert und die Hebel GBP, Bewertungen, Citations und Drittquellen kontinuierlich bedient, baut messbare Sichtbarkeit in Antwortmaschinen auf, bevor der Wettbewerb es tut.