Google verlagert die Suche in den AI Mode – Ihre Sichtbarkeitszahl folgt nicht mit

· November 9, 2026

Wie misst man Markenpräsenz in AI-Mode-Ergebnissen? Sicher nicht mit dem Dashboard, das Sie für AI Overviews gebaut haben. Der AI Mode beantwortet nicht die Frage, die Sie getippt haben: Er fächert die Frage in eine Reihe von Unterabfragen auf, führt sie gleichzeitig aus und setzt aus dem, was diese Unterabfragen zutage fördern, eine Antwort zusammen. Ihre Kennzahl vom letzten Monat sagt über das, was hier passiert, fast nichts aus.

Das ist der unbequeme Teil davon, dass Google die klassische Suche in den AI Mode verschiebt. Die Engine hat geändert, wie sie entscheidet, was sie liest — während die meisten Markenteams noch die alte Entscheidung messen.

Warum der AI Mode kein größerer AI Overview ist

Ein AI Overview ist eine Zusammenfassung, die an eine Ergebnisseite angehängt wird. Der AI Mode ist ein anderes Produkt: eine dialogorientierte Oberfläche, in der Nutzer nachfragen und in der die Engine jede Runde im Hintergrund ausweitet. Google beschreibt den Mechanismus selbst eindeutig — der AI Mode nutzt eine Technik namens „query fan-out“, zerlegt die Frage in Unterthemen und setzt im Namen des Nutzers eine Vielzahl von Abfragen gleichzeitig ab.

Daraus folgen zwei Konsequenzen, und beide brechen die Annahmen einer klassischen Sichtbarkeitskennzahl:

  1. Ihr Zielkeyword ist nicht die Abfrage. Aus einer Nutzerfrage werden fünf bis fünfzehn maschinell erzeugte Unterabfragen. Sie konkurrieren also um Unterabfragen, die Sie nie kartiert haben.
  2. Das Gespräch bewegt sich. Weil der Nutzer nachfragt, werden zweite und dritte Runde mit dem Kontext der ersten beantwortet. Eine Seite, die Runde eins beantwortet, kann in Runde drei vollständig herausfallen.

Wie man Markenpräsenz in AI-Mode-Ergebnissen misst

Es braucht drei Signale, und es sind nicht die drei, die Sie bereits verfolgen. Die Nennungsquote sagt Ihnen, ob Sie erscheinen; sie sagt nicht, ob Sie überhaupt erreichbar waren.

Signal Was es liest Was es Ihnen sagt
Abdeckung der Unterabfragen Wie viele der Fan-out-Unterabfragen hinter einer Frage eine Seite auf Ihrer Domain haben, die sie beantworten könnte Ob Sie berechtigt waren, bevor die Antwort geschrieben wurde
Nennungshäufigkeit Wie oft Ihre Marke über wiederholte Läufe derselben Frage und ihrer Nachfragen erscheint Ob Ihre Präsenz stabil ist oder ein Münzwurf
Form der Nennung Wie Sie genannt werden: als empfohlene Option, als eine von mehreren oder als beiläufiger Verweis im Fließtext Ob die Nennung kommerzielles Gewicht hat

Erheben Sie jedes Signal getrennt. Sie zu einer einzigen Zahl zu verschmelzen, macht eine Kennzahl genau dadurch unüberprüfbar.

Signal 1: Abdeckung der Unterabfragen

Googles internes Fan-out können Sie nicht beobachten, also rekonstruieren Sie es. Nehmen Sie die Frage, die Ihnen wichtig ist, lassen Sie einen KI-Assistenten die Unterthemen auflisten, die eine vollständige Antwort abdecken müsste, und behandeln Sie diese Liste als Ihren Arbeitssatz. Prüfen Sie dann Seite für Seite Ihre Domain dagegen und bewerten Sie jedes Unterthema: abgedeckt, teilweise abgedeckt oder fehlend.

Das Ergebnis ist meist unausgewogen. Marken sind stark bei dem Unterthema, das sie verkaufen, und dünn bei den drei benachbarten Unterthemen, die ein vergleichender Käufer braucht — Preislogik, Wechselkosten und was passiert, wenn das Produkt versagt. Genau in diesen Lücken hört der AI Mode still auf, Sie in Betracht zu ziehen.

Wie oft erwähnt die KI Ihre Marke?

Häufigkeit ist das Signal, über das die meisten Teams berichten und das die wenigsten kontrollieren. Stellen Sie dieselbe Frage fünfmal in derselben Woche und zählen Sie. Schwankung ist normal; nützlich ist die Form der Schwankung, nicht ihr Mittelwert.

  • Fünf von fünf: Sie sind ein stabiler Kandidat. Beobachten Sie die Form, nicht die Häufigkeit.
  • Zwei oder drei von fünf: Sie sind im Kandidatenpool, aber nicht die bevorzugte Option. Der Hebel ist Beleg, nicht Volumen.
  • Null oder eins: Sie werden überhaupt nicht abgerufen. Gehen Sie zurück zur Abdeckung der Unterabfragen, bevor Sie irgendetwas umschreiben.

Eine Marke, die jedes Mal als „ebenfalls erwähnt“ erscheint, steht kommerziell schlechter da als eine, die drei von fünf Mal als Empfehlung erscheint. Häufigkeit ohne Form ist eine Eitelkeitskennzahl.

Signal 3: wie der AI Mode Sie erwähnt

Lesen Sie den Satz, nicht die Anzahl. Vier Formen kehren wieder, und jede verlangt einen anderen Hebel:

Wie Sie erwähnt werden Was das impliziert Der Schritt
Als empfohlene Antwort genannt Ihre Seite trug die entscheidende Tatsache Schützen Sie sie; aktualisieren Sie Daten und Zahlen quartalsweise
Eine von mehreren Optionen Sie sind vergleichbar, nicht unterscheidbar Setzen Sie das Unterscheidungsmerkmal nach vorn, das Sie im sechsten Absatz vergraben
Als Quelle zitiert, Marke ungenannt Ihr Inhalt war nützlich, Ihre Entität war unklar Nennen Sie die Entität im ersten Satz jedes Abschnitts
Beiläufiger Verweis im Fließtext Sie erscheinen im Vergleich von jemand anderem Publizieren Sie Ihren eigenen Vergleich, damit Sie die Rahmung kontrollieren

Die Kennzahl, die sich nicht überträgt

Hier ist die praktische Falle. Ein Team prüft AI Overviews, erhält eine respektable Nennungsquote und nimmt an, der AI Mode werde ähnlich aussehen. Wird er nicht, weil sich die beiden Oberflächen in fünf Mechaniken unterscheiden:

Mechanik AI Overviews AI Mode
Auslösung An eine konventionelle Abfrage gekoppelt Dialogisch, mehrstufig
Umgang mit der Abfrage Weitgehend die getippte Abfrage Fan-out in viele Unterabfragen
Kontext Einzelne Runde Trägt frühere Runden mit
Quellenauswahl Gerankte Ergebnisse plus Auszüge Abruf über Unterthemen und Datenquellen hinweg
Was zu messen ist Nennungsquote gegen ein Keyword-Set Abdeckung, Häufigkeit und Form gegen ein Unterthemen-Set

Behandeln Sie beide Kennzahlen als zwei getrennte Instrumente. Eine einzige verschmolzene Zahl für „KI-Sichtbarkeit“ verdeckt, dass die eine Oberfläche keyword-förmig und die andere themenförmig ist.

Ein 5-Schichten-Prompt-Panel für den AI Mode

Kopieren Sie diese fünf Prompts der Reihe nach. Jede Schicht beantwortet eine Frage, und Schicht 3 ist die, die ändert, wie Sie den nächsten Monat ausgeben.

  1. Basislinie — „Zur Frage ‚[Kundenfrage]‘: erscheint meine Marke überhaupt? Antworte mit Ja oder Nein und zitiere dann den Satz, in dem sie erscheint.“
  2. Fan-out-Rekonstruktion — „Liste die Unterthemen auf, die eine vollständige Antwort auf ‚[Kundenfrage]‘ abdecken müsste. Beantworte die Frage nicht, liste nur die Unterthemen.“
  3. Abdeckungsprüfung — „Prüfe für jedes Unterthema oben [Ihre Domain] und sage mir, ob es eine Seite gibt, die es direkt beantwortet. Kennzeichne: abgedeckt, teilweise, fehlend.“
  4. Häufigkeitslauf — „Stelle ‚[Kundenfrage]‘ fünfmal und notiere jedes Mal die Form der Nennung: empfohlen, eine von mehreren, nur Quelle, oder fehlend.“
  5. Formkontrast — „Vergleiche, wie meine Marke genannt wird, mit [Wettbewerber]. Zitiere beide Sätze und sage mir, welcher als Empfehlung gelesen wird.“

Schicht 3 ist die teure, und sie ist die einzige, die eine Arbeitsliste erzeugt, die Sie einem Autor geben können. Die anderen vier sagen Ihnen, wo Sie stehen.

Zwei Kennzahlen, eine Entscheidung

Sobald Sie beide Messungen haben, ist die Entscheidung mechanisch. Ist AI Overviews stark und AI Mode schwach, ist Ihr Problem die Themenabdeckung, nicht die Textqualität — schreiben Sie die benachbarten Unterthemen, die Sie übersprungen haben. Sind beide schwach, liegt das Problem früher: Ihre Seiten werden nicht abgerufen, und Prosa umzuschreiben behebt den Abruf nicht. Ist AI Mode stark und AI Overviews schwach, haben Sie ein Rankingproblem bei konventionellen Abfragen — das ist gewöhnliche SEO-Arbeit, keine KI-Arbeit.

Der AI Mode ist kein größeres Fenster auf dasselbe Web. Es wird eine andere Frage gestellt — mehrere, genau genommen — und Ihre Sichtbarkeit dort hängt von Seiten ab, die Sie vielleicht nie geplant hatten zu schreiben.

Weiterlesen

Dr. Sofia Lindqvist
Multilingual GEO Specialist · Trends Dr. Sofia Lindqvist Stockholm, Sweden

Multilingual GEO specialist. PhD in Computational Linguistics (KTH Royal Institute of Technology); former Head of Algorithm Strategy at a European search/NLP startup. Developed the Multilingual Citation Consistency Audit methodology.

See how AI answers treat your brand

Free baseline scan, no credit card required.

Kostenlosen Scan starten