Eine Erwähnung liegt vor, wenn ein Text eine Marke beim Namen nennt, ohne dafür eine Quelle anzugeben. Ein Beispiel: Auf die Frage nach Software für die Zeiterfassung in kleinen Betrieben nennt ein KI-System drei Anbieter, beschreibt jeden in einem Satz und setzt keinen Link. Jeder dieser drei Namen ist eine Erwähnung. Gibt eine Antwort dagegen eine Seite als Quelle an, mit Link, Fußnote oder Quellenhinweis, ist das ein KI-Zitat. Beides gehört zur KI-Sichtbarkeit einer Marke und kommt unabhängig voneinander vor. Nennt eine Antwort die Marke und gibt zugleich ihre Website als Quelle an, enthält sie beides: eine Erwähnung und ein KI-Zitat.
Erwähnungen in KI-Antworten
In einer KI-Antwort kann eine Marke als Empfehlung vorkommen, in einer Aufzählung, in einem Vergleich oder als Beispiel für eine Produktkategorie. Für die Erwähnung zählt allein, dass die Marke genannt wird. Ob die Antwort sie dabei richtig darstellt, ist eine eigene Frage (Faktentreue von KI-Antworten).
Erfasst werden Erwähnungen über ein festes Prompt-Set, eine Sammlung typischer Fragen, die beim Prompt-Tracking regelmäßig an KI-Systeme wie ChatGPT, Gemini, Claude und Perplexity gestellt werden. Eine einfache Kennzahl dafür ist die Erwähnungsrate, der Anteil der Antworten, in denen eine Marke vorkommt. Zitate werden getrennt davon gezählt, etwa als Zitierrate, denn eine Marke kann oft erwähnt und ihre Website selten zitiert werden oder umgekehrt. Wer beide Zahlen nebeneinander berichtet, sieht, ob KI-Systeme eine Marke von sich aus nennen und ob sie ihre Website als Quelle angeben.
Erwähnungen auf fremden Websites
Erwähnungen gibt es auch außerhalb von KI-Antworten: in Fachartikeln, Testberichten, Vergleichen, Foren, Verzeichnissen und Bewertungen, die eine Marke nennen, oft ohne auf ihre Website zu verlinken. Solche Nennungen können über die Trainingsdaten eines Sprachmodells oder über Seiten, die ein KI-System für eine Antwort abruft (Grounding), in KI-Antworten gelangen. Für Erwähnungen ist dabei wichtig, dass Modelle aus dem Text selbst lernen: Eine Nennung kann auch ohne Link in ihr Wissen eingehen, und wie gut ein Modell eine Marke kennt, dürfte auch davon abhängen, wie oft sie in seinen Trainingsdaten vorkommt.
Berichte, die andere aus eigenem Antrieb über eine Marke veröffentlichen, heißen Earned Media; sie sind eine wichtige Quelle solcher Erwähnungen. Unechte Erwähnungen zu erzeugen, ist dagegen nach Googles Angaben für die KI-Funktionen der Google Suche nicht so hilfreich, wie es vielleicht scheint. Wie eine Marke echte Präsenz auf fremden Websites aufbaut, ist Gegenstand von Offpage-GEO. Eine Übersicht, welche fremden Seiten eine Marke nennen und in welchem Zusammenhang, zeigt, auf welches Material KI-Systeme zurückgreifen können; im Vergleich mit Seiten, die Wettbewerber nennen, zeigt sie auch, wo die Marke fehlt.
Woher Erwähnungen in KI-Antworten stammen
Dass eine Marke auf einer als Quelle angegebenen Seite steht, heißt nicht, dass die Antwort sie auch nennt. Und nicht jede Marke, die eine Antwort nennt, lässt sich in den angegebenen Quellen wiederfinden. Das veranschaulicht eine Vorabveröffentlichung vom Juli 2026, also eine Studie, die vor der fachlichen Begutachtung erschienen ist. Die Forschenden gehören zum Institut eines Pekinger Technologieunternehmens und erhoben ihre Daten mit einem Tool zur Beobachtung von KI-Antworten, dessen Namen das Institut trägt. Überwiegend im Juni und Juli 2026 stellten sie vier chinesischen KI-Systemen, Doubao, DeepSeek, Tencent Yuanbao und Qwen, über Web und App jeweils 614 Fragen auf Chinesisch, jede dreimal. Dann verglichen sie die Marken in den Antworten mit den Marken im Text der angegebenen Quellen. Von den Marken, die in den Quellen vorkamen, nannten die Antworten nur rund 8 Prozent. Umgekehrt ließen sich rund 13 Prozent der Markennennungen in den Antworten keiner Marke in den gleichzeitig angegebenen Quellen zuordnen.
Woher diese Erwähnungen stammten, ließ die Studie offen. Denkbar sind etwa das parametrische Wissen des Sprachmodells, also das im Training erworbene Wissen, oder Quellen, die das System nicht anzeigt. Auch die Messung selbst kann Lücken haben: Die Auswertung erfasste von den Quellseiten nur den Fließtext, ohne Schaltflächen, Kontaktangaben in der Fußzeile oder strukturierte Daten, und Seiten können sich bis zur Auswertung geändert haben. Ob sich die Werte auf ChatGPT, Gemini, Claude und Perplexity übertragen lassen, wurde nicht untersucht. Die Richtung ist dennoch aufschlussreich: Erwähnungen folgen nicht einfach den Quellen, die eine Antwort angibt. Erfassen lassen sie sich deshalb nur, indem die Antworttexte selbst ausgewertet werden.
Namensvarianten erkennen
Um Erwähnungen zu zählen, muss eine Auswertung sie zuerst im Text finden. Das ist schwieriger, als es klingt, denn eine Marke taucht in vielen Schreibweisen auf: mit und ohne Rechtsform („Müller Haustechnik GmbH“, „Müller Haustechnik“), mit oder ohne Umlaut („Mueller Haustechnik“), abgekürzt („MHT“), unter einem früheren Namen oder schlicht falsch geschrieben. Die Aufgabe, Namen in einem Text zu finden und einem Typ wie Person, Ort, Organisation oder Produkt zuzuordnen, heißt in der Sprachverarbeitung Named Entity Recognition, auf Deutsch Eigennamenerkennung.
Auswertungen von KI-Antworten gehen dabei unterschiedlich vor. Manche suchen eine feste Liste von Markennamen im Text; Forschende der Universität St. Gallen weisen in einer Vorabveröffentlichung vom April 2026 darauf hin, dass ein solcher Abgleich Marken übersieht, die über Synonyme, Abkürzungen oder Umschreibungen genannt werden. Andere lassen ein Sprachmodell die genannten Marken aus dem Antworttext herausziehen, wie Forschende der University of Toronto in einer Vorabveröffentlichung vom September 2025. Auch dann müssen die gefundenen Schreibweisen anschließend derselben Marke zugeordnet werden. Grundlage jeder verlässlichen Zählung ist deshalb eine möglichst vollständige Liste der Namen einer Marke, mit Rechtsform, Kurzformen, früheren Namen und häufigen Schreibfehlern, die für alle Messungen gleich verwendet wird.