Suchergebnisse werden zu Antworten. Damit entscheidet nicht mehr allein die Position einer Seite über ihre Sichtbarkeit, sondern die Frage, ob ihr Inhalt in die generierte Antwort eingeflossen ist – eine Ebene, die sich inzwischen wenigstens grob vermessen lässt.
Wer heute eine Frage in ein Suchfeld tippt, bekommt immer häufiger keine Liste, sondern einen Absatz: eine zusammengefasste Antwort, daneben drei oder vier verlinkte Quellen, darunter erst die vertrauten Ergebnisse. Für Websitebetreiber verschiebt sich damit etwas Grundsätzliches. Die entscheidende Frage lautet nicht mehr nur, auf welchem Platz eine Seite steht, sondern ob sie überhaupt zu den Quellen gehört, aus denen die Antwort gebaut wurde.
Das ist keine akademische Unterscheidung. Ein Wiener Steuerberatungsbüro auf Platz vier für eine Grundlagenfrage hatte früher eine berechenbare Klickchance. Beantwortet ein Sprachmodell dieselbe Frage und die Kanzlei fehlt in der Quellenzeile, ist der vierte Platz praktisch entwertet – die Sichtbarkeit ist nicht schlechter geworden, sie hat den Ort gewechselt. Diese Ebene über dem Ranking zu beschreiben, ist der Anspruch des Bereichs AI Analytics, den das neue Semalt Panel neben die klassischen Auswertungen stellt.
Von zehn blauen Links zur einen Antwort
Die klassische Ergebnisseite war ein Auswahlmenü: zehn Vorschläge, ein kurzer Blick auf Titel und Beschreibung, eine Entscheidung, ein Klick. Diese Auswahlhandlung war der Kern des Modells. Sie erzeugte den Besuch, sie erzeugte die Klickrate, und sie machte Optimierung überhaupt messbar.
Eine generierte Antwort nimmt dem Nutzer diese Auswahl ab. Statt zehn Optionen erhält er eine Synthese, oft aus mehreren Quellen zusammengesetzt, mit einer schmalen Leiste von Quellenangaben, die viele gar nicht mehr aufklappen. Das verändert das Verhalten in drei Richtungen gleichzeitig.
- Weniger Klicks bei gleichem Interesse. Fragen, deren Antwort in zwei Sätzen passt, führen seltener zu einem Websitebesuch. Der Bedarf ist gedeckt, bevor jemand die Quelle öffnet.
- Längere, gesprochenere Anfragen. Wer weiß, dass eine Maschine antwortet, formuliert vollständiger. Aus zwei Stichwörtern wird ein ganzer Fragesatz mit Ort, Zeitraum und Randbedingung.
- Verschobene Klickqualität. Wer nach der Antwort trotzdem klickt, will prüfen, vertiefen oder beauftragen. Das Klickvolumen kann sinken, während der Wert des einzelnen Besuchs steigt.
Die dritte Bewegung wird meist übersehen. Ein Rückgang der Klickrate ist nicht automatisch ein Verlust; er kann bedeuten, dass die oberflächlichen Besuche wegfallen und die ernsthaften bleiben. Wer ausschließlich in Rankingpositionen denkt, bemerkt die Verschiebung überhaupt nicht: Die Position bleibt unverändert, während sich darüber eine zweite Bühne aufgebaut hat.
Platz fünf und „als Quelle zitiert“ sind zwei verschiedene Ziele
Es ist verlockend, beides in einen Topf zu werfen: Gute Rankings führen doch wohl dazu, dass ein Modell die Seite heranzieht. Teilweise stimmt das. Aber die Ziele folgen unterschiedlicher Logik – und darum ergibt eine eigene Analyseebene überhaupt Sinn.
Der Wettbewerb um einen Platz
Ein Ranking ist eine geordnete Liste. Es gibt genau eine Position eins, und der Kampf darum ist ein Nullsummenspiel.
- Gemessen pro Keyword
- Ein Gewinner je Platz
- Tagesgenau beobachtbar
Die Aufnahme in eine Synthese
Eine Antwort kann mehrere Quellen gleichzeitig nennen. Ausschlaggebend ist nicht der Rang, sondern ob ein Abschnitt die konkrete Teilfrage sauber und überprüfbar klärt.
- Gemessen pro Frage
- Mehrere Quellen nebeneinander
- Nur indirekt beobachtbar
Eine Seite kann auf Platz neun stehen und trotzdem zitiert werden, weil sie den einen Absatz enthält, der die Frage präzise klärt. Umgekehrt kann eine Seite auf Platz zwei übergangen werden, weil ihr Text aus Werbesprache besteht. Ein Modell kann mit „maßgeschneiderten Lösungen für Ihren Erfolg“ nichts anfangen. Mit einem datierten Grenzwert samt Geltungsbereich schon.
Die zweite Unterscheidung betrifft die Granularität. Rankings werden pro Keyword gemessen, Zitierungen entstehen pro Aussage. Eine einzige gut gegliederte Ratgeberseite kann in Antworten auf zwanzig Formulierungen derselben Frage auftauchen, ohne je ganz oben gestanden zu haben. Deshalb ist die Keyword-Liste als Planungsgrundlage für die KI-Ebene zu grob.
Die folgende Gegenüberstellung ist bewusst zugespitzt – in der Praxis arbeitet niemand ausschließlich nach der einen oder der anderen Logik. Die Spalten machen aber deutlich, welche Fragen zusätzlich zu stellen sind.
| Betrachtungsebene | Klassisches SEO-Denken | KI-Suchlogik |
|---|---|---|
| Leitkennzahl | Durchschnittsposition, Klicks, Impressionen, Klickrate | Anteil der Antworten, in denen die Domain als Quelle erscheint |
| Messeinheit | Ein Keyword | Eine Frage beziehungsweise eine Suchabsicht |
| Zielgröße | Ein Platz möglichst weit oben in einer Rangliste | Aufnahme in eine Antwort, die mehrere Quellen zulässt |
| Wettbewerbsbild | Domains, die für dieselben Keywords ranken | Domains, die im selben Themenraum als glaubwürdig gelten |
| Optimierungshebel | Relevanzsignale, Verlinkung, technische Zugänglichkeit | Klare Faktenlage, saubere Struktur, datierte Einzelaussagen |
| Rückmeldung | Tagesgenaue Daten aus Search Console und Rank-Tracking | Modellgestützte Einschätzung, unschärfer und schwer normierbar |
| Zeit bis zur Wirkung | Wochen bis Monate, relativ gut beobachtbar | Schwer terminierbar, abhängig von Modellaktualisierungen |
Die letzte Zeile ist die unbequemste. Beim Rank-Tracking sehen Sie, wann sich etwas bewegt. Bei der Zitierhäufigkeit in generierten Antworten sehen Sie es verzögert, unregelmäßig und ohne verlässliche Ursachenzuordnung. Wer das verschweigt, verkauft eine Präzision, die es nicht gibt.
Der KI-Wettbewerbsfähigkeits-Score und der Market Circle
Die KI-Ebene umfasst sechs Ansichten. Die erste berechnet einen Wettbewerbsfähigkeits-Score für die eigene Domain und stellt das Umfeld in einer Darstellung dar, die im Panel Market Circle heißt: Konkurrierende Domains werden in drei Ringe einsortiert – Top-Tier, Mid-Tier und Nischen-Wettbewerber.
Die Dreiteilung ist mehr als eine grafische Spielerei: Jeder Ring legt eine andere strategische Antwort nahe. Wer alle drei gleich behandelt, plant zu groß oder zu klein.
Top-Tier – der Vergleichsmaßstab, nicht das Ziel
Domains mit der größten thematischen Autorität: Portale, große Fachmedien, überregionale Anbieter.
- Nicht als Zielvorgabe lesen. Für ein Wiener Zehn-Personen-Unternehmen sind das keine Wettbewerber, die man einholt. Wer diesen Ring als Benchmark nimmt, frustriert sich ohne Erkenntnisgewinn.
- Als Inhaltslandkarte lesen. Der Ring zeigt, welche Themen ein Modell im eigenen Feld als zentral behandelt und in welcher Tiefe sie dort ausgearbeitet sind.
- Struktur abschauen, nicht Umfang. Interessant ist, wie diese Seiten Fragen zerlegen – nicht, wie viele Beiträge sie haben.
Mid-Tier – hier wird tatsächlich um Sichtbarkeit gerungen
Anbieter vergleichbarer Größenordnung, oft aus derselben Region oder demselben Segment.
- Der ehrliche Spiegel. Ein Wiener Sanitärbetrieb erkennt hier eine Handvoll Betriebe mit ähnlich alter Website und ähnlichem Leistungsversprechen.
- Abdeckung vergleichen, nicht Design. Entscheidend ist, welche Fragen diese Domains beantworten und welche sie auslassen. Die Auslassungen sind Ihre Gelegenheit.
- Überschneidung prüfen. Häufig sind es nicht dieselben Domains wie in der klassischen Wettbewerberliste aus dem Rank-Tracking. Genau diese Differenz ist die Information.
Nische – wo Spezialisierung schnell trägt
Spezialisierte Domains mit engem Themenzuschnitt und wenigen, aber tiefen Seiten.
- Der lehrreichste Ring für KMU. Eine kleine Seite, die ausschließlich ein einziges Verfahren erklärt, kann in Antworten zu diesem Verfahren regelmäßig auftauchen.
- Tiefe schlägt Breite. Ein Generalist mit zwanzigmal mehr Seiten bleibt oft unerwähnt, weil keine seiner Seiten die Frage abschließend beantwortet.
- Direkt übertragbar. Der Zuschnitt dieser Domains lässt sich auf zwei, drei eigene Themen kopieren, ohne die Website umzubauen.
Die praktische Leseweise lautet damit: Top-Tier gibt die Themen vor, Mid-Tier gibt den Maßstab, Nische gibt die Taktik. Wer die AI-Analytics-Ansichten von Semalt neben der klassischen Wettbewerberliste aus dem SERP-Bereich betrachtet, sieht diese Überschneidungen direkt nebeneinander.
Marktkontext: die eigene Domain von außen betrachtet
Eine zweite Ansicht erzeugt einen modellgenerierten Marktkontext für eine eingegebene Domain: Positionierung, Traffic-Einschätzung, Chancen. Das Ergebnis ist Fließtext plus Kennzahlen – keine gemessene Analytics-Wahrheit, und genau so sollte man es behandeln.
Der Wert liegt in der Außenperspektive. Unternehmen beschreiben sich fast immer anders, als ihre Website auf ein Modell wirkt. Ein typisches Muster: Eine Agentur hält sich für einen Spezialisten für Shop-Migrationen, spricht auf der Website aber zu vier Fünfteln über Webdesign im Allgemeinen – und der Marktkontext beschreibt folgerichtig einen Webdesign-Dienstleister. Diese Diskrepanz ist die eigentliche Information.
- Positionierung. Wie das Modell die Domain thematisch einordnet – vergleichen Sie diesen Absatz Satz für Satz mit Ihrer eigenen Selbstbeschreibung.
- Traffic-Einschätzung. Eine Größenordnung für den Wettbewerbsvergleich, keine Messung. Für kleine .at-Domains kann sie deutlich danebenliegen.
- Chancen. Vom Modell benannte Ansatzpunkte. Brauchbar als Ideenliste, ungeeignet als Arbeitsplan ohne eigene Prüfung.
Query-Recherche: warum Intention das Suchvolumen überholt
Die dritte Ansicht betrifft KI-gestützte Query-Recherche mit einer Klassifikation der Suchintention. Das klingt nach einer Standardfunktion, verschiebt aber im KI-Kontext das Gewicht erheblich. Im klassischen Keyword-Denken war das Suchvolumen die Leitgröße: Man sortierte Kandidaten nach Volumen, schätzte die Schwierigkeit dagegen und arbeitete die Liste ab.
Das hat bei generierten Antworten zwei Schwächen. Erstens sind lange, gesprochene Fragen einzeln volumenschwach – hundert Varianten mit je zwanzig Suchen pro Monat tauchen in keiner nach Volumen sortierten Liste auf, decken zusammen aber einen ganzen Themenbereich ab. Zweitens sagt das Volumen nichts darüber, ob eine Frage zu einem Geschäftsvorgang führt. Die Intentionsklassifikation ordnet Anfragen deshalb danach, was der Suchende erreichen will.
Wissensfragen
„Wie funktioniert X“, „was bedeutet Y“. Hoher Anteil generierter Antworten, geringe direkte Klickchance – aber die typische Stelle, an der Zitierung überhaupt stattfindet.
- Kernterrain der KI-Sichtbarkeit
- Braucht abschließende Antworten
Vergleichsfragen
„X oder Y“, „was kostet X“. Hier gehen Nutzer nach der Antwort häufiger auf eine Quelle weiter, weil sie eine Entscheidung absichern wollen.
- Beste Kombination aus Zitat und Klick
- Braucht Zahlen und Bedingungen
Handlungsabsicht
„X in Wien beauftragen“, „Termin im 7. Bezirk“. Diese Anfragen führen weiterhin überwiegend zu klassischen Ergebnissen und lokalen Einträgen.
- Terrain des klassischen Rankings
- Lokale Signale bleiben entscheidend
Navigationsabsicht
Die Suche nach einer bestimmten Marke oder Seite – von der Verschiebung am wenigsten betroffen, weil das Ziel feststeht.
- Kaum Veränderung
- Kein sinnvoller Ausbauhebel
Für die Planung heißt das: Auf Wissens- und Vergleichsfragen entscheidet sich die Sichtbarkeit in KI-Antworten, Handlungsabsicht bleibt das Terrain des klassischen Rankings. Beides braucht Inhalte, aber unterschiedlich gebaute – und beides lässt sich getrennt planen, sobald die Query-Recherche im Panel die Rohliste nach Absicht sortiert hat.
Content-Lücken, Hebelseiten und der globale Sichtbarkeitswert
Zwei weitere Ansichten arbeiten an der Umsetzung: Die eine analysiert Wettbewerberstärken und Content-Lücken, die andere markiert eigene Seiten, die das Modell als Hebel für Content-Ausbau oder interne Verlinkung einstuft. Die Lückenanalyse zeigt, welche Themen im Umfeld belegt sind und im eigenen Bestand fehlen – weniger als fehlende Keywords, mehr als fehlende Antworten.
| Lückentyp | Woran Sie ihn erkennen | Erste Maßnahme | Aufwand |
|---|---|---|---|
| Fehlende Kostenantwort | Mehrere Mid-Tier-Domains behandeln Preise, Ihre Website schweigt | Preisrahmen mit Bedingungen und Stand nennen | gering |
| Fehlende Abgrenzung | Wettbewerber erklären, wann eine Leistung nicht passt | Ausschlusskriterien in einem eigenen Abschnitt | gering |
| Fehlende Verfahrenstiefe | Nischen-Domains erklären einen Ablauf Schritt für Schritt | Bestehende Leistungsseite um den Ablauf ergänzen | mittel |
| Verstreute Antwort | Der Inhalt existiert, verteilt über vier Absätze | Frage als Zwischenüberschrift, Antwort direkt darunter | sehr gering |
| Veraltete Angabe | Zahlen ohne Datum, Rechtsstand von vorgestern | Stand ergänzen oder Wert aktualisieren | sehr gering |
Die markierten Hebelseiten sind der praktischere Teil: keine Liste neu zu schreibender Artikel, sondern Hinweise auf vorhandene Seiten, bei denen ein Ausbau oder eine bessere interne Verlinkung überproportional wirken könnte. Für ein KMU mit vierzig Seiten schlägt das gründliche Überarbeiten von drei Seiten zehn neue oberflächliche fast immer. Sinnvoll ist es, diese Hinweise zusammen mit den technischen Grundlagen anzugehen – eine inhaltlich starke, aber schlecht erreichbare Seite verschenkt beide Ebenen gleichzeitig, wie wir unter technisches SEO beschrieben haben.
Die sechste Ansicht fasst einen globalen Sichtbarkeitswert für die KI-Suchlandschaft zusammen: ein einzelner Wert für ein Domain-Portfolio, gedacht als Vergleichsgröße über die Zeit. Ein solcher Sammelwert verdichtet vieles zu einer Zahl und verliert dabei die Ursachen. Er kann steigen, weil neue Inhalte greifen – oder weil ein Wettbewerber an Substanz verloren hat.
- Als Verlaufskurve. Die Richtung über drei bis sechs Monate ist aussagekräftiger als jeder Einzelstand. Ein Wert ohne Vorgeschichte sagt fast nichts.
- Als Abweichungsmelder. Ein plötzlicher Sprung nach unten ist der Anlass, die darunterliegenden Ansichten zu prüfen – nicht schon der Befund.
- Als Gesprächsgrundlage. Eine gemeinsame Bezugszahl erspart endlose Einzelfalldiskussionen, solange klar gesagt wird, was sie ist und was nicht.
Was Inhalte auszeichnet, die als Quelle herangezogen werden
Die praktische Frage bleibt: Wie schreibt man so, dass ein Sprachmodell den Text brauchbar findet? Eine geheime Formel gibt es nicht, aber wiederkehrende Eigenschaften – sechs davon tauchen in fast jeder Analyse auf.
Klare Faktenlage
Aussagen mit Zahlen, Fristen, Grenzwerten und Bedingungen sind verwertbar. „Die Bearbeitung dauert zehn bis vierzehn Werktage“ ist zitierfähig, „wir arbeiten schnell“ nicht.
Saubere Struktur
Eine Frage, eine Überschrift, eine Antwort. Verteilt sich die Antwort über vier Absätze und einen Nebensatz, sinkt die Chance, dass sie als geschlossene Aussage erkannt wird.
Eindeutige Aussagen
Einschränkungen gehören in den Satz, nicht ins Kleingedruckte. Sonst übernimmt ein Modell die Aussage ohne die Bedingung – oder gar nicht.
Aktualität
Ein sichtbares Datum und ein Hinweis auf den Stand helfen mehr, als man vermutet, gerade bei rechtlichen und steuerlichen Themen mit österreichischer Besonderheit.
Überprüfbare Angaben
Wer eine Zahl nennt, sollte sagen, woher sie stammt und für welchen Zeitraum sie gilt. Das ist nicht nur zitierfreundlich, sondern schlicht solide Arbeit.
Eindeutige Urheberschaft
Ein erkennbarer Autor mit fachlichem Hintergrund, ein Impressum, eine klare Zuordnung. Anonyme Inhalte taugen schlechter als Beleg.
Auffällig ist, wie stark sich diese Liste mit dem deckt, was gute Fachtexte ohnehin auszeichnet. Der Unterschied liegt in der Disziplin: Was früher als stilistische Nachlässigkeit durchging – die vage Formulierung, die undatierte Zahl, der verteilte Gedanke –, wird jetzt zum Sichtbarkeitsnachteil.
Diese Einschränkungen sind kein Argument gegen die Messung, sondern dafür, sie richtig einzusetzen: als Kompass für inhaltliche Entscheidungen, nicht als Erfolgsnachweis. Der bleibt dort, wo er immer war – bei Anfragen, Abschlüssen und den harten Daten aus den verknüpften Google-Quellen, die im Semalt-Dashboard neben der KI-Ebene liegen. Dass beides in einer Oberfläche zusammenläuft, ist der praktische Gewinn: Eine Vermutung lässt sich sofort gegen gemessene Klickdaten halten.
Häufige Fragen
Ersetzt die KI-Sichtbarkeit das klassische Ranking?
Nein. Sie legt eine zusätzliche Ebene darüber. Anfragen mit Handlungsabsicht – jemand sucht einen Anbieter in Wien und will ihn beauftragen – laufen weiterhin überwiegend über klassische Ergebnisse und lokale Einträge. Die Verschiebung betrifft vor allem Wissens- und Vergleichsfragen. Wer Rankings vernachlässigt, weil er auf KI-Sichtbarkeit setzt, verliert doppelt.
Wie genau ist ein KI-Wettbewerbsfähigkeits-Score?
Er ist eine modellgestützte Einschätzung, keine Messung. Es gibt keine offizielle Schnittstelle, die Zitierungen meldet, deshalb arbeiten alle Werkzeuge mit Annäherungen. Der Wert ist innerhalb desselben Systems über die Zeit vergleichbar, zwischen Anbietern nicht. Nutzen Sie ihn für Richtungsentscheidungen, nicht als Kennzahl in einem Vertrag.
Mein Unternehmen ist klein. Lohnt sich der Blick auf den Market Circle überhaupt?
Ja, aber mit anderem Fokus als bei einem Großanbieter. Der äußere Ring dient als Themenlandkarte, der mittlere als realistischer Maßstab, der innere als Taktikvorlage. Gerade für kleine Anbieter ist der Nischen-Ring der lehrreichste, weil er zeigt, wie weit eine enge Spezialisierung trägt, ohne dass man hundert Seiten produzieren muss.
Wie lange dauert es, bis sich etwas an der KI-Sichtbarkeit ändert?
Das lässt sich nicht seriös terminieren. Bei klassischen SEO-Maßnahmen ist eine erste messbare Bewegung typischerweise nach vier bis acht Wochen zu sehen. Für die Aufnahme in generierte Antworten hängt es zusätzlich von Modellaktualisierungen ab, die niemand von außen planen kann. Rechnen Sie in Quartalen und beurteilen Sie Verläufe, keine Einzelstände.
Muss ich für die KI-Ebene komplett neue Inhalte schreiben?
In den seltensten Fällen. Der größte Hebel liegt meist im Bestand: Fragen als Zwischenüberschriften formulieren, Antworten direkt darunter setzen, Zahlen mit Stand und Geltungsbereich versehen, Einschränkungen in denselben Satz ziehen. Die als Hebel markierten Seiten sind genau dafür gedacht – sie zeigen, wo eine Überarbeitung mehr bringt als eine Neuanlage.
Ein Einstieg, der in drei Monaten zu schaffen ist
Für ein Unternehmen mit begrenzten Ressourcen ergibt ein knapper, wiederholbarer Ablauf mehr Sinn als ein großes Projekt – vor allem, wenn jeder Monat mit einem greifbaren Ergebnis endet und nicht mit einer weiteren Analyse.
- Monat eins – Bestandsaufnahme. Market Circle ansehen, die Mid-Tier-Gruppe notieren, den modellgenerierten Marktkontext mit der eigenen Selbstbeschreibung vergleichen. Die Diskrepanz zwischen beidem ist der erste Arbeitsauftrag.
- Monat zwei – Fragen sammeln und ordnen. Query-Recherche laufen lassen, Ergebnisse nach Absicht gruppieren, Wissens- und Vergleichsfragen herausziehen. Zehn bis fünfzehn Fragen auswählen, die zum tatsächlichen Geschäft passen.
- Monat drei – dort umsetzen, wo der Hebel liegt. Statt neuer Seiten zuerst die markierten Hebelseiten überarbeiten: Fragen als Zwischenüberschriften, Antworten direkt darunter, Zahlen mit Stand und Quelle, Einschränkungen im Satz.
Die Verschiebung von der Ergebnisliste zur generierten Antwort ist kein Bruch, der alles Bisherige entwertet; sie legt eine zusätzliche Ebene darüber. Wer sauber strukturierte, faktenfeste Inhalte schreibt, arbeitet auf beiden Ebenen gleichzeitig – und wer die neue Ebene wenigstens grob misst, entscheidet besser als jemand, der sie ignoriert.
Wenn Sie die AI-Analytics-Ansichten für Ihre eigene Domain sehen möchten, können Sie ein Konto im Semalt Panel einrichten und die Auswertung mit Ihren eigenen Daten starten. Der Score, den Sie dort finden, ist eine Orientierung – aber eine, die Sie vorher nicht hatten.