Google AI Mode nennt die meisten Marken pro Antwort (7,3 im Durchschnitt); Google AI Overviews die wenigsten (3,1).
Zählt man die verschiedenen Marken, die jede Antwort nennt (unabhängig davon, ob sie verlinkt sind), kommt Google AI Mode auf durchschnittlich 7,3 und Google AI Overviews auf 3,1. Dies misst, wie viele Marken eine Engine pro Antwort vor den Nutzer bringt – der Rohstoff des KI-Share-of-Voice.
Durchschnittlich genannte Marken pro Antwort, nach Engine
| KI-Engine | Wert |
|---|---|
| Google AI Mode | 7,3 |
| Gemini | 6,7 |
| ChatGPT | 5,3 |
| Perplexity | 3,3 |
| Google AI Overviews | 3,1 |
Was die Spannweite aussagt
Die Spannweite ist groß: Google AI Mode nennt 7,3 Marken pro Antwort, 2,4× so viele wie Google AI Overviews mit 3,1. Das ist keine subtile Vorliebe – es verändert das Sichtbarkeitsspiel pro Engine. Ein Assistent, der viele Marken pro Antwort nennt (wie Google AI Mode), gibt mehr Akteuren die Chance, in einer bestimmten Antwort zu erscheinen, sodass der Share of Voice dort umkämpfter ist. Eine Engine, die wenige Marken nennt (wie Google AI Overviews), konzentriert die Aufmerksamkeit auf eine Handvoll Namen, was es schwerer macht, in ihre Antworten einzudringen, aber wertvoller, wenn es gelingt.
Für eine Marke, die ihre KI-Präsenz verfolgt, stellt sich die Frage, wo sich der Einsatz lohnt: Eine Erwähnung in einer markendichten Engine zu gewinnen, ist erreichbarer, aber einzeln weniger wert; eine Erwähnung in einer markenarmen Engine zu gewinnen, ist schwieriger, aber wirkungsvoller.
Ready to Monitor Your AI Visibility?
Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.
Was das für die KI-Such-Sichtbarkeit bedeutet
Der KI-Share-of-Voice wird zum Teil dadurch bestimmt, wie viele Marken jede Engine bereit ist zu nennen – und wie die Zahlen zeigen, unterscheiden sie sich stark. Ihr KI-Sichtbarkeitsplan sollte daher engine-spezifisch sein, nicht nach dem Einheitsprinzip.
Erkenntnisse
- Behandeln Sie jede Engine als eigenen Sichtbarkeitsmarkt mit eigenen „Slots pro Antwort“.
- Konkurrieren Sie in markendichten Engines in der Breite – eine von vielen genannten Optionen zu sein, ist realistisch und summiert sich.
- Priorisieren Sie in markenarmen Engines die spezifischen Suchanfragen, bei denen Sie plausibel eine der sehr wenigen genannten Marken sein können.
Das Markendichte-Spektrum: von 3,1 bis 7,3 Marken pro Antwort
Der 2,4-fache Unterschied zwischen Google AI Mode (7,3 Marken pro Antwort) und Google AI Overviews (3,1 Marken pro Antwort) ist keine statistische Kuriosität – er definiert grundlegend unterschiedliche Wettbewerbslandschaften. Dies sind keine subtilen Unterschiede in der Art, wie Engines Informationen präsentieren; es sind unterschiedliche Produkte mit unterschiedlichen redaktionellen Philosophien.
Google AI Mode ist als umfassender Recherche-Assistent konzipiert. Seine Antworten sind lang, mehrteilig und quellenreich. Er nennt viele Marken, weil er versucht, den Nutzern ein vollständiges Bild der verfügbaren Optionen zu geben. Dies macht ihn zur „demokratischsten“ Engine – mehr Marken bekommen einen Platz am Tisch.
Google AI Overviews ist als schnelle Antwortebene über den traditionellen Suchergebnissen konzipiert. Seine Antworten sind prägnante Zusammenfassungen. Er nennt weniger Marken, weil er versucht, den Nutzern schnell die relevanteste Antwort zu geben, nicht eine umfassende Übersicht.
Gemini (6,7 Marken) und ChatGPT (5,3 Marken) liegen in der Mitte – sie sind konversationelle Assistenten, die substanzielle Antworten liefern, aber nicht die erschöpfende Abdeckung von Google AI Mode anstreben.
Perplexity (3,3 Marken) ist die Überraschung. Es ist eine suchfokussierte Engine, nennt aber relativ wenige Marken pro Antwort. In Kombination mit seiner 86%igen unverlinkten Rate ist Perplexity die Engine, in der Markensichtbarkeit gleichzeitig schwer zu erreichen (wenige Slots) und schwer zu messen (wenige Links) ist.
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
Wie Sie Ihre Strategie je nach Engine anpassen
Die Markendichte-Daten legen unterschiedliche Optimierungsstrategien für verschiedene Engines nahe:
Für markendichte Engines (Google AI Mode, Gemini):
- Konkurrieren Sie in der Breite. Eine von 7 Marken in einer Antwort zu sein, ist erreichbar und kumulativ wertvoll.
- Optimieren Sie darauf, im „langen Schwanz“ einer Antwort genannt zu werden – in den späteren Abschnitten, in denen Google AI Mode zusätzliche Optionen auflistet.
- Verfolgen Sie Ihre Präsenz über viele Suchanfragen hinweg, anstatt sich auf die Position in einer einzelnen Antwort zu versteifen.
Für markenarme Engines (Google AI Overviews, Perplexity):
- Konkurrieren Sie über die Position. Wenn nur 3 Marken genannt werden, ist eine davon zu sein eine bedeutende Errungenschaft.
- Priorisieren Sie die spezifischen Suchanfragen, bei denen Ihre Marke einen starken, verteidigungsfähigen Anspruch hat, eine der Top-Optionen zu sein.
- Akzeptieren Sie, dass Sie nicht in jeder relevanten Antwort erwähnt werden – konzentrieren Sie sich darauf, diejenigen zu gewinnen, bei denen Sie am wettbewerbsfähigsten sind.
Für ChatGPT (Mittelfeld):
- ChatGPTS 5,3 Marken pro Antwort und 55% Verlinkungsrate machen es zur ausgewogensten Engine. Eine ausgewogene Strategie funktioniert hier: Verfolgen Sie sowohl Breite (in vielen Antworten erwähnt werden) als auch Tiefe (in wenigen die primäre Empfehlung sein).
Die strategische Implikation: Engine-spezifische Optimierung
Die Erkenntnis aus sowohl den Markendichte-Daten als auch den Daten zu unverlinkten Erwähnungen ist dieselbe: KI-Sichtbarkeit ist nicht eine Sache. Sie besteht aus fünf verschiedenen Dingen, eines pro Engine. Jede Engine hat ihre eigenen:
- Markendichte (wie viele Marken sie pro Antwort nennt)
- Verlinkungsrate (wie oft sie die genannten Marken verlinkt)
- Antwortstil (umfassend vs. prägnant)
- Quellenpräferenzen (welche Domains sie am häufigsten zitiert)
Eine Einheits-KI-Sichtbarkeitsstrategie, die alle Engines gleich behandelt, wird schlechter abschneiden. Die anspruchsvollsten KI-Sichtbarkeitsprogramme behandeln jede Engine als eigenen Kanal mit eigenen KPIs, Optimierungstaktiken und Reporting-Rhythmen.
Praktische Empfehlungen
Legen Sie engine-spezifische KPIs fest. Berichten Sie nicht einen einzelnen „KI-Sichtbarkeitswert“. Berichten Sie ChatGPT-Erwähnungen, Perplexity-Erwähnungen, Google AI Mode-Erwähnungen usw. getrennt.
Verteilen Sie den Aufwand nach Engine-Dichte. Konzentrieren Sie sich in markendichten Engines auf Volumen (in vielen Antworten erwähnt werden). Konzentrieren Sie sich in markenarmen Engines auf Präzision (in den wichtigsten Antworten erwähnt werden).
Beobachten Sie Engine-Veränderungen. KI-Engines entwickeln sich rasant weiter. Die 7,3 Marken pro Antwort von Google AI Mode heute können sich ändern, wenn das Produkt reift. Verfolgen Sie diese Kennzahlen im Zeitverlauf, um Veränderungen in der Wettbewerbslandschaft zu erkennen.
Verwenden Sie das richtige Tool für die richtige Engine. Wenn Ihr Tracking-Tool nur Links misst, entgeht Ihnen der Großteil der Geschichte bei Perplexity und Gemini. Verwenden Sie ein Tool, das sowohl Erwähnungen als auch Zitierungen verfolgt.
Methodik
Berechnet aus AmICiteds 1.905 getrackten Prompts (24. Juni 2026 – 23. Juli 2026), in ChatGPT, Perplexity, Google AI Overviews, Google AI Mode und Gemini. Eine Marke ist jeder Name, den AmICiteds Markenerkennung im Antworttext findet, erwähnt mit oder ohne Link, einmal pro Antwort gezählt. Dies ist engine-übergreifend konsistent, da es nicht davon abhängt, ob ein Link erfasst wurde. Unterschiedliche Marken werden einmal pro Antwort gezählt, sodass eine Antwort, die dieselbe Marke zweimal nennt, diese nur einmal zählt. Da die Metrik auf der Markenerkennung im Antworttext basiert (nicht auf erfassten Links), ist sie engine-übergreifend vergleichbar, auch wenn sich die Link-Erfassungsraten unterscheiden. Microsoft Copilot wird getrackt, lieferte aber in diesem Zeitraum keine Zitierungsdaten. In diesem Bericht erscheinen keine externen Links.
