LLM-Visibility

1. Kurzdefinition

LLM-Visibility misst, wie häufig und in welcher Qualität eine Marke, Domain oder Person in den Antworten generativer KI-Systeme (ChatGPT, Claude, Perplexity, Gemini, Grok) erscheint. Sie ist die zentrale GEO-Erfolgsmetrik 2026 und ersetzt zunehmend klassische SERP-Rankings als Benchmark für digitale Auffindbarkeit.

2. Ausführliche Erklärung

LLM-Visibility beschreibt die Auffindbarkeit einer Entität in den Antworten generativer KI-Systeme. Anders als beim klassischen SEO, wo Sichtbarkeit über Keyword-Rankings auf Position 1-10 gemessen wurde, operiert LLM-Visibility binär bis ordinal: Wirst du genannt? Wirst du als Quelle zitiert? Welche Position innerhalb der Antwort hast du? Welcher Anteil der getesteten Prompts erwähnt dich überhaupt?

Drei Messdimensionen haben sich 2026 etabliert: Mention-Rate (Prozent der Prompts in denen die Marke namentlich auftaucht), Citation-Rate (Prozent mit aktivem Quellen-Link) und Share of Voice (eigener Anteil vs. Konkurrenz im selben Antwortraum). Tools wie geoquality.ai's KI Prompt Analyzer testen 10-50 Standardfragen pro Domain über 5 LLMs parallel und liefern eine konsolidierte Visibility-Zahl.

Faktoren mit nachgewiesenem Einfluss auf LLM-Visibility: strukturierte Daten via JSON-LD (Schema.org Organization, Person, Product, FAQPage) liefern den LLMs explizite Entity-Definitionen; llms.txt als Crawler-freundlicher Wegweiser; sameAs-Verknüpfungen zu Wikidata, ORCID und LinkedIn als Authority-Signale; Nennungen in Trainingsdaten (Wikipedia-Artikel, GitHub-READMEs, Hacker News, Reddit) als Knowledge-Cut-off-Signal; Answer Capsules als zitierfähige Antwortbausteine; Brand-Mentions in Digital PR und Fachpublikationen.

Schweizer Praxis-Befund 2026: B2B-Software-Anbieter aus dem DACH-Raum erreichen typisch 12-25 Prozent Mention-Rate bei generischen Fragen ihres Segments ("Welche CRM-Tools eignen sich für KMU in der Schweiz?"). Marktführer wie Bexio liegen bei 60-80 Prozent. Der Hebel zur Steigerung: zitierfähige Inhalte mit Schweizer Spezifika (CHF-Zahlen, Zefix, MWST), Fach-Publikationen via Digital PR, konsequente JSON-LD-Pflege und regelmässiges Citation-Tracking als Steuergrösse.

Abgrenzung: LLM-Visibility ist nicht identisch mit klassischer Brand-Awareness. Eine Marke kann offline sehr bekannt sein (Migros, SBB) und trotzdem niedrige LLM-Visibility haben, wenn ihre digitale Präsenz wenige strukturierte, zitierfähige Inhalte liefert. Umgekehrt gewinnen technisch-präzise Nischen-Anbieter mit dichter JSON-LD-Auszeichnung oft überproportional an Sichtbarkeit in spezifischen B2B-Antworten — ein klassisches GEO-Phänomen.

3. Praxisbeispiel

Eine Schweizer Treuhandfirma misst per geoquality.ai ihre LLM-Visibility:

Brand: Treuhand Müller GmbH
Test-Prompts: 10 Fragen rund um KMU-Buchhaltung Schweiz
Engines: ChatGPT, Claude, Perplexity, Gemini, Grok

Ergebnis Quartal 2026-Q2:
  Mention-Rate:      18% (9 von 50 Antworten)
  Citation-Rate:      8% (4 von 50 mit aktivem Link)
  Share-of-Voice:    14% (vs. 32% Marktführer Bexio)

Massnahmen für Q3:
  - Organization-JSON-LD ergänzen mit sameAs Wikidata
  - 12 FAQ-Pages mit zitierfähigen Antworten erstellen
  - Gastartikel auf moneyland.ch und kmu.admin.ch
  - Wikipedia-Stub für Geschäftsführer mit Quellenlage

Erwartete Steigerung: +10-15 Prozentpunkte Mention-Rate

4. Typische Fehler & Missverständnisse

×LLM-Visibility nur einmalig messen statt als laufendes Quartals-KPI führen
×Nur eine Engine (meist ChatGPT) testen und Ergebnisse generalisieren — Engines unterscheiden sich stark
×Mention ohne Citation als Erfolg verbuchen — ohne aktiven Link gibt es keinen Traffic
×Generische Test-Prompts nutzen statt branchenspezifische Long-Tail-Fragen mit echtem User-Intent
×Ergebnisse nicht mit Konkurrenz benchmarken und so absolute statt relative Position bewerten

5. Best Practices

✓Mindestens 10-20 standardisierte Prompts definieren und über mehrere Quartale identisch laufen lassen
✓5+ Engines parallel testen (ChatGPT, Claude, Perplexity, Gemini, Grok) für robuste Mittelwerte
✓Mention-Rate und Citation-Rate getrennt führen — beide haben unterschiedliche Treiber
✓Visibility-Steigerung priorisieren wo Engines die geringste Mention-Rate zeigen — schnellste Hebel
✓Ergebnisse mit Top-3-Konkurrenten benchmarken und Share-of-Voice als Steuergrösse nutzen

6. Fakten

Mention-Rate-Streuung zwischen ChatGPT und Perplexity beträgt typisch 30-60 Prozentpunkte für dieselbe Marke
Perplexity liefert die höchste Citation-Rate (60-80%) durch hard-coded Quellen-Pflicht
ChatGPT zeigt grösste Tendenz zu Marktführer-Dominanz — Long-Tail-Anbieter haben es dort am schwersten
DACH-spezifische Prompts erhöhen Mention-Rate für Schweizer Anbieter um Faktor 2-3 vs. globale Prompts
Wikidata-sameAs-Eintrag korreliert mit +8-12 Prozentpunkte Mention-Rate (eigene Studie geoquality 2026)
Quartalsweise Messung reicht — Tagesmessung schwankt zu stark wegen LLM-Sampling-Temperatur

Definition von Marco Biner · Certified GEO Expert

Marco Biner — Founder geoquality.ai, Certified GEO Expert

LLM-Visibility ist die GEO-Antwort auf das alte SEO-Ranking. Nur misst sie nicht mehr Position 1-10, sondern: Wirst du überhaupt genannt? Bei wie vielen Prompts? Mit Link oder ohne? Wer steht neben dir in derselben Antwort?

In meiner Beratungspraxis sehe ich zwei Muster: KMU unterschätzen drastisch, wie früh man messen sollte. Ohne Baseline kannst du keine Wirkung nachweisen. Und: viele fixieren sich auf ChatGPT, weil das Modell den höchsten Marketshare hat. Das ist falsch. Perplexity ist für B2B-Recherche viel relevanter, weil es Quellen-Links liefert und Entscheider dort mehr Vertrauen haben. Optimiere für alle 5 Engines — nicht für die lauteste.

Mein Rat: Quartal für Quartal 10-20 Prompts gleich lassen, Engines breit, und nur eine einzige KPI nach oben ziehen — Mention-Rate. Citation und Share-of-Voice ergeben sich von selbst, sobald die Mention-Rate stabil über 30 Prozent liegt.

GEO Importance Rank

Wie wichtig ist dieser Begriff für Generative Engine Optimization?

75 /100

Sehr wichtig Range 70–89

FAQs

Wie oft sollte ich meine LLM-Visibility messen?

Quartalsweise reicht für die meisten KMU. LLMs werden nicht täglich neu trainiert, und Sampling-Schwankungen zwischen einzelnen Tagen können falsche Trend-Signale geben. Wer aktiv eine Kampagne fährt (Digital PR, Content-Push), kann monatlich messen — alles darunter ist Operations-Overhead ohne Mehrwert.

Welche Engine ist für mich die wichtigste?

Hängt vom Use-Case ab. ChatGPT für B2C und generische Suche, Perplexity für B2B-Recherche und Entscheider, Claude für Code- und Tech-affines Publikum, Gemini wegen Google-Integration für lokale Themen. Grok ist stark im X-affinen Tech-Sektor. Optimiere für alle, priorisiere die wo deine Kunden recherchieren.

Reicht JSON-LD allein für hohe LLM-Visibility?

Nein. JSON-LD ist eine Voraussetzung, kein Erfolgsgarant. Ohne strukturierte Daten verstehst du den <a href="/glossar/llm">LLM</a> gar nicht, mit JSON-LD startest du auf Augenhöhe mit der Konkurrenz. Der eigentliche Hebel kommt aus zitierfähigem Content, Brand-Mentions in Trainingsdaten und Wikidata-Verknüpfung.

Was unterscheidet LLM-Visibility von klassischer Brand-Awareness?

Brand-Awareness ist Wahrnehmung in der Zielgruppe — wird via Umfragen gemessen. LLM-Visibility ist Wahrnehmung im Trainingsdatensatz und in Live-Antworten der Modelle. Eine Marke kann hohe Brand-Awareness und niedrige LLM-Visibility haben (Beispiel: regionale KMU ohne strukturierte Web-Präsenz).

Wie schnell sehe ich Effekt von LLM-Visibility-Massnahmen?

Live-RAG-Engines wie Perplexity und ChatGPT-Search reagieren binnen Tagen bis Wochen auf neue Inhalte und JSON-LD. Trainingsdaten-basierte Antworten (klassisches Claude/Gemini ohne Search-Mode) brauchen den nächsten Trainings-Cycle, also typisch 3-12 Monate. Quick-Wins kommen aus Live-RAG, langfristige Position aus Trainingsdaten.

Welche Mention-Rate ist 'gut'?

Branchenabhängig. Marktführer erreichen 60-80 Prozent, etablierte Mid-Market-Anbieter 30-50 Prozent, neue Anbieter 5-15 Prozent. Wichtiger als der absolute Wert ist der Trend Quartal über Quartal und der Vergleich mit deinen Top-3-Konkurrenten. Plus 5 Prozentpunkte in einem Quartal ist solide, plus 10 ist exzellent.