Share of Voice in KI-Antworten: wie du deinen Anteil richtig misst
Berger+Team · 30.10.2026
Thema: Sichtbarkeit messen
Share of Voice in KI-Antworten ist dein Anteil an allen Anbietern, die eine KI auf eine feste Liste von Kundenfragen nennt. Die Zahl beantwortet eine andere Frage als die eigene Nennungsrate: nicht „Werde ich genannt?“, sondern „Wie viel Platz bekomme ich neben den anderen?“
Was Share of Voice in KI-Antworten bedeutet
Share of Voice stammt aus der Werbeplanung und beschreibt den eigenen Anteil an der gesamten Präsenz einer Branche, früher gemessen an Werbeausgaben oder an Erwähnungen in den Medien. Übertragen auf KI-Antworten zählst du, welche Anbieter ein Modell auf eine Frage nennt, und rechnest aus, welcher Teil davon auf dich entfällt.
Im Fachjargon heißt das auch Share of Model Voice. Gemeint ist dasselbe Prinzip: nicht die Position in einer Liste, sondern der Platz in der Antwort, die der Kunde liest.
Nennungsrate und Share of Voice sind zwei verschiedene Zahlen
Die Nennungsrate sagt, in wie vielen Antworten du vorkommst. Der Share of Voice sagt, welchen Anteil du an allen Nennungen hast. Beide können weit auseinanderliegen.
Nehmen wir an, zehn Fragen an drei Modelle mit Websuche ergeben 30 Antworten. Du kommst in 15 davon vor, eine Nennungsrate von 50 %. In denselben 30 Antworten werden aber insgesamt 150 Anbieter genannt, du davon 15-mal. Dein Share of Voice liegt dann bei 10 %.
Wer nur die eigene Rate kennt, weiß also nicht, ob er vorne liegt oder einer von vielen ist. Welche Kennzahlen ein kleiner Betrieb überhaupt im Blick haben sollte, steht in Was du misst, wenn Platz 1 nichts mehr wert ist. Hier geht es um die Rechnung dahinter.
So rechnest du den Share of Voice selbst
Du brauchst dafür kein Werkzeug, nur eine feste Methode und Geduld. Fünf Schritte:
- Fragenset festlegen. Fünf bis zehn Fragen, die echte Kunden stellen, ohne deinen Firmennamen. Stell sie jedes Mal mit denselben Worten.
- Messart trennen. Ein Modell mit Websuche antwortet anders als dasselbe Modell aus seinem gespeicherten Wissen. Zähl beides getrennt und rechne es nie zusammen. In unserer eigenen Messung nannten uns die Modelle mit Websuche in 16 von 27 Antworten (Lauf vom 26. Oktober 2026), aus dem Modellwissen in 0 von 61 (Lauf vom 5. Oktober 2026).
- Jeden Anbieter zählen. Schreib je Antwort auf, welche Firmen genannt werden, nicht nur, ob du dabei bist.
- Bereinigen. Bevor du rechnest, gehören drei Dinge aus der Liste, siehe den nächsten Abschnitt.
- Je Modell ausrechnen. Eigene Nennungen geteilt durch alle Anbieter-Nennungen, mal 100. Und zwar über mehrere Läufe, nicht aus einem: Die Antworten ändern sich von Woche zu Woche, wie GEO je Modell zeigt.
Drei Fehler, die den Anteil verfälschen
Die Formel ist einfach. Schwierig ist, was in Zähler und Nenner landet.
Die eigene Marke steht auf der falschen Seite
In der Liste der Domains, die unser Zitations-Monitor in den Antworten zählt, steht berger.team ganz oben, mit 120 Nennungen (Stand 30. Oktober 2026). Das ist kein Mitbewerber, sondern die Website von Berger+Team; btlabs.dev ist die Website des Produkts. Wer Firmenname, Produktname und alle eigenen Domains nicht zu einem Absender zusammenführt, rechnet sich selbst kleiner und die anderen größer.
Quellen sind keine Mitbewerber
Unter den häufig genannten Domains stehen bei uns auch eine Hilfeseite von OpenAI und die Handelskammer. Sie werden als Beleg zitiert, empfehlen aber keinen Anbieter. In den Nenner gehören nur Firmen, die dasselbe anbieten wie du.
Genannt ist nicht empfohlen
Eine Antwort kann dich beiläufig erwähnen, empfehlen oder als erste Wahl nennen. Wer alles gleich zählt, überschätzt seinen Anteil. Zähl die drei Stufen getrennt oder gewichte sie, zum Beispiel erwähnt mit einem Punkt, empfohlen mit zwei, erste Wahl mit drei. Welche Gewichtung du nimmst, ist weniger wichtig, als dass sie über alle Läufe gleich bleibt.
Was die Zahl nicht kann
Ein Share of Voice aus zehn Fragen ist eine Stichprobe, keine Marktforschung. Er zeigt, dass sich etwas bewegt, aber nicht, warum eine KI jemanden nennt.
Dazu kommt der Messweg: Unser Monitor fragt die Modelle über einen Vermittlungsdienst ab, nicht über die Apps, die deine Kunden benutzen. Was dort angezeigt wird, kann abweichen.
Und die Zahl ist ehrlich, auch wenn sie unbequem ist. Auf die Frage „Wie kann ein Unternehmen messen, ob es in KI-Antworten sichtbar ist?“ nannte uns im Lauf vom 26. Oktober 2026 keines der drei Modelle mit Websuche.
Wie oft du messen solltest
Mit Websuche reicht ein Lauf pro Woche, denn diese Antworten reagieren innerhalb von Tagen auf neue Inhalte. Das Modellwissen ändert sich über Monate; dort genügt ein Lauf im Monat. Eine Richtung erkennst du erst über mehrere Läufe, nicht zwischen zwei Wochen.
Wie der Anteil in KI-Antworten neben Besuchern, KI-Zugriffen und Suchdaten zusammenspielt, zeigt KI-Sichtbarkeit messen.
Häufig gestellte Fragen.
Wie messe ich, ob mein Betrieb in KI-Antworten vorkommt?
Der direkteste Weg: selbst testen. Stelle in den gängigen KI-Assistenten die Fragen, die deine Kunden stellen würden — etwa „Welcher Betrieb in meiner Gegend macht …?“ — und prüfe, ob dein Betrieb genannt wird und ob die Angaben stimmen. Wiederhole das regelmäßig und in mehreren Sprachen, denn Antworten ändern sich. Ergänzend zeigen Website-Statistiken, ob KI-Systeme auf deine Inhalte zugreifen: Solche Zugriffe hinterlassen Spuren.
Damit es nicht bei Stichproben bleibt, hat btlabs Core ein Sichtbarkeits-Cockpit: Es bündelt Suchdaten und die Zugriffe von KI-Systemen auf deine Website an einem Ort, verständlich aufbereitet. So siehst du Entwicklungen statt Momentaufnahmen — und erkennst früh, wenn Angaben über deinen Betrieb korrigiert werden sollten.
Brauche ich ein Werkzeug, um meinen Anteil in KI-Antworten zu messen?
Für den Anfang nicht, eine Tabelle reicht. Stell fünf bis zehn Kundenfragen ohne deinen Firmennamen, immer mit denselben Worten, notiere je Antwort alle genannten Anbieter und rechne deinen Anteil je Modell aus.
Ein Werkzeug spart vor allem Zeit und hält die Fragen über Monate gleich. Wenn du eines nutzt, prüf, ob es Antworten mit Websuche und aus dem Modellwissen getrennt zählt und ob es deine eigenen Marken und Domains zu einem Absender zusammenführt.
Wie oft sollte ich meine Nennungen in KI-Antworten messen?
Mit Websuche einmal pro Woche, aus dem Modellwissen einmal im Monat. Antworten mit Websuche reagieren innerhalb von Tagen auf neue Inhalte und schwanken von Woche zu Woche; das gespeicherte Wissen eines Modells ändert sich erst über Monate.
Eine Richtung erkennst du deshalb erst über mehrere Läufe, nicht zwischen zwei Wochen.
