Gleiche Engine, gleiche Frage: einer von 32 Namen überlebt, wenn die KI suchen darf

Hier ist ein Versuch, den wir nie gemacht hatten und dessen Ergebnis uns eine Woche Korrekturen gekostet hat. Nehmen Sie einen einzigen Assistenten - Gemini. Stellen Sie ihm eine einzige Frage: „Wer sind die besten Klempner in Bordeaux?“. Ändern Sie weder das Modell noch die Formulierung noch den Tag. Ändern Sie nur eines: ob er vor dem Antworten Google heranziehen darf oder nicht.

Durchgeführt heute Morgen, am 10. August 2026, über vier Gewerke in vier Städten - ein Klempner in Bordeaux, ein Zahnarzt in Nantes, eine Werkstatt in Toulouse, ein gehobenes Restaurant in Straßburg. Acht Fragen, eine Engine. Das Ergebnis: 32 aus dem Gedächtnis genannte Firmennamen, 32 nach der Suche genannte, und ein einziger Name, der auf beiden Listen steht. Drei Prozent.

Das sind nicht zwei Fassungen derselben Antwort. Es sind zwei verschiedene Antworten unter derselben Unterschrift.

Was das für Ihren Betrieb bedeutet

Beide Antworten tragen genau denselben selbstsicheren Ton. Ohne Suche kündigt Gemini „eine Auswahl regelmäßig empfohlener Bordelaiser Klempner, auf Grundlage von Kundenbewertungen und lokalem Ruf“ an und nennt dann Betriebe. Mit Suche kündigt es „Empfehlungen auf Grundlage von Nutzerrückmeldungen und spezialisierten Vermittlungsplattformen“ an und nennt dann andere. Nichts in der Formulierung sagt dem Leser, dass es gerade seine Informationsquelle gewechselt hat.

Ihr Kunde aber benutzt die App - die, die sucht. Wenn Sie Ihre Sichtbarkeit mit einem Werkzeug prüfen, das das Modell ohne Suche befragt, messen Sie sein Gedächtnis: was es aus dem Training behalten hat, eingefroren vor Monaten. Das ist eine echte und nützliche Information - Markenbekanntheit wohnt dort -, aber es ist nicht das, was Ihr Kunde heute sieht.

Wir mussten unsere eigene Punktzahl korrigieren

Diese Unterscheidung ist für uns nicht theoretisch: sie hat unser Produkt kaputtgemacht. Unser kostenloser Audit befragt zwei Engines - eine sucht im Web, die andere antwortet aus dem Gedächtnis -, und unsere Punktzahl mittelte beide. Die rechnerische Folge: ein Betrieb, den die suchende Engine an ERSTER Stelle nannte, war bei 50 von 100 gedeckelt, heruntergezogen vom Schweigen derjenigen, die nicht sucht. In der Praxis landete er bei 15 oder 30, und der Bericht las sich als „geringe Sichtbarkeit“.

In den drei vorangegangenen Wochen ergaben 56 unserer 74 Audits genau 0. Ein Nutzer meldete es so schlicht wie möglich: sein Betrieb erscheint in der ChatGPT-App, und unser Werkzeug gab ihm null. Er hatte recht, und wir lagen falsch.

Die Regel änderte sich am 9. August: sobald mindestens ein Assistent tatsächlich im Web gesucht hat, zählt die Punktzahl nur diese Assistenten. Ein Modell, das aus dem Gedächtnis antwortet, bezeugt Ihre Sichtbarkeit nicht - sein „ich kenne sie nicht“ ist ein Nicht-Gemessen, keine Null. Derselbe Audit, der eine gedeckelte Punktzahl lieferte, liefert nun eine, die widerspiegelt, was die Engine tatsächlich gefunden hat, und jeder Bericht nennt, welche Engines gesucht und welche sich erinnert haben.

Das Problem ist weit größer als unser Fall

Mehr als zwanzig Unternehmen verkaufen inzwischen Werkzeuge zur Messung der KI-Sichtbarkeit, mit unterschiedlichen Methoden, die für dieselbe Marke unterschiedliche Antworten liefern. Die häufigste Bruchlinie ist genau die, die wir eben gemessen haben: die Schnittstelle eines Modells befragen, oder beobachten, was der Nutzer in der App sieht. Beide Wege haben Fehler - eine Schnittstelle unterschätzt, was die App weiß; ein Auslesen des Bildschirms überschätzt, indem es eine personalisierte Sitzung für die Regel nimmt.

Die praktische Folge für jeden, der ein solches Werkzeug kauft: fragen Sie Ihren Anbieter, ob seine Messungen eine Websuche einschließen. Wenn er nicht antworten kann oder die Frage ihn unbehaglich macht, bedeutet seine Zahl nicht das, was Sie glauben. Das ist keine technische Spitzfindigkeit - das ist der Unterschied zwischen 3 % und 100 % der genannten Namen.

Was sollten Sie morgen früh tun?

• Prüfen Sie es selbst: stellen Sie die Frage in der ChatGPT- oder Gemini-App, der, die Ihre Kunden benutzen. Das ist die eine Messung, die niemand bestreiten kann.
• Verlangen Sie von jedem Werkzeug für KI-Sichtbarkeit - unserem eingeschlossen -, dass es sagt, welche Engines gesucht und welche aus dem Gedächtnis geantwortet haben. Ein Werkzeug, das es nicht sagt, vermischt zwei Messungen.
• Arbeiten Sie an beiden Schichten, sie werden nicht gleich gewonnen: die Suche gewinnt man in den Verzeichnissen und Bewertungen, die die Engine beim Antworten liest; das Gedächtnis gewinnt man langfristig, über Erwähnungen, die der nächste Trainingslauf aufnimmt.
• Unser kostenloser Audit befragt die Assistenten in 60 Sekunden, ohne Konto - und sagt Ihnen seit gestern, welcher gesucht hat.

Eine Schlussbemerkung, denn diese Art Artikel veröffentlichen Unternehmen sonst nicht. Zuzugeben, dass ein Messprodukt schlecht gemessen hat, ist unangenehm und dem kurzfristigen Verkauf vermutlich abträglich. Aber was wir verkaufen, ist ehrliche Messung: eine Methodenkorrektur zu verstecken wäre genau das Verhalten, vor dem wir unsere Leser warnen. Die Methodik ist öffentlich, sie ist datiert, und sie trägt diese Regel jetzt schwarz auf weiß.