Definition
Share of Model ist eine Sichtbarkeitskennzahl, die den Anteil der Antworten eines KI-Systems angibt, in denen eine bestimmte Marke genannt oder als Quelle verlinkt wird. Gemessen wird an einem festen Katalog von Fragen, die mehrfach und über mehrere Systeme gestellt werden. Die Kennzahl überträgt den Gedanken des Marktanteils auf die Sichtbarkeit in generativen Antworten und wird von den Anbietern der KI-Systeme selbst nicht ausgewiesen.
Warum das zählt
In der klassischen Suche misst man Platzierungen. Bei einer KI-Antwort gibt es keine Platzierung, sondern nur zwei Zustände: genannt oder nicht genannt. Google hat am 3. Juni 2026 eigene Leistungsberichte für generative KI-Funktionen in der Search Console gestartet. Sie zeigen Impressionen, betroffene Seiten, Länder, Geräte und den Zeitverlauf. Klicks gehören bisher nicht dazu, und der Rollout begann bei einer Teilmenge der Websites.
Dazu kommt eine inhaltliche Grenze. Eine Impression, also die Einblendung eines Links zur eigenen Seite, sagt nichts darüber aus, ob die Marke im Antworttext genannt wurde und wer sonst in derselben Antwort steht. Genau das misst Share of Model.
Der Nutzen liegt weniger im absoluten Wert als in zwei Vergleichen. Erstens im Zeitverlauf: Steigt der Anteil, nachdem Maßnahmen umgesetzt wurden? Zweitens im Wettbewerb: Wer wird bei denselben Fragen genannt? Der zweite Vergleich ist meist der lehrreichere, weil er zeigt, welche Art von Quelle die Modelle bei Ihrem Thema bevorzugen.
Wie es funktioniert
Die Kennzahl ist nur so gut wie der Fragenkatalog. Der Aufbau folgt vier Schritten.
Fragen festlegen. Zwanzig bis vierzig Fragen, die Ihre Kunden tatsächlich stellen, in deren Wortwahl. Nicht Ihre Suchbegriffe, sondern ganze Fragen, denn so wird mit KI-Systemen gesprochen.
Systeme festlegen. Für den deutschsprachigen Raum in der Regel ChatGPT, Perplexity und die Übersicht mit KI von Google. Die Ergebnisse werden getrennt ausgewertet, weil die Systeme unterschiedliche Quellen bevorzugen. Bei Google löst nicht jede Frage eine KI-Antwort aus. Laut Google-Hilfe erscheint die Übersicht mit KI, „wenn unsere Systeme feststellen, dass generative KI besonders hilfreich sein kann“.
Wiederholt abfragen. Jede Frage mehrfach, im gleichen Wortlaut, weil dieselbe Frage unterschiedliche Antworten erzeugen kann. Eine Einzelabfrage ist keine Messung, sondern eine Stichprobe von eins. Drei Läufe je Frage und System sind ein brauchbarer Kompromiss.
Auswerten. Gezählt wird, in wie vielen Antworten Ihr Unternehmen genannt und in wie vielen es als Quelle verlinkt wird. Beides wird getrennt geführt.
| Messgröße | Was gezählt wird | Was der Wert aussagt |
|---|---|---|
| Nennung | Der Markenname steht im Antworttext | Bekanntheit im Modell, aber kein Besuch auf der Website |
| Zitat | Die eigene Seite ist als Quelle verlinkt | Bekanntheit und eine mögliche Klickchance |
| Keine KI-Antwort | Das System liefert nur klassische Treffer | Die Frage eignet sich nicht für die Messung |
Der Wert selbst ist eine einfache Quote. Wer ohne Werkzeug arbeitet, protokolliert je Lauf eine Zeile.
Share of Model = Antworten mit Nennung / Antworten gesamt
frage_id;system;lauf;kia_erschienen;genannt;verlinkt;datum
F-07;ChatGPT;1;ja;ja;nein;2026-08-05
F-07;ChatGPT;2;ja;nein;nein;2026-08-05
F-07;Google;1;nein;;;2026-08-05Läufe ohne KI-Antwort gehören nicht in den Nenner, sonst sinkt der Wert allein deshalb, weil Google seltener generativ antwortet.
In der Praxis
Die Messung läuft in fester Reihenfolge ab. Erstens: Fragenkatalog, Systeme, Zahl der Läufe und Auswertungsregeln schriftlich festhalten. Zweitens: Nullmessung, bevor etwas an der Website geändert wird. Ohne diesen Ausgangswert lässt sich später nicht sagen, ob eine Maßnahme gewirkt hat. Drittens: dieselbe Auswertung für zwei bis drei Wettbewerber, aus denselben Antworten heraus. Viertens: Wiederholung im Monatsrhythmus.
Woran erkennt man das Ergebnis? Bei der ersten Messung liegt der Anteil für viele Unternehmen bei null. Das ist ein brauchbarer Ausgangspunkt, weil sich daraus die nächste Frage ergibt: Wer wird stattdessen genannt? Häufig sind es nicht die direkten Wettbewerber, sondern Portale, Verbände und Fachmedien. Genau dort liegt dann der Hebel, außerhalb der eigenen Website.
Steigt der Anteil, prüfen Sie das Verhältnis von Nennung zu Zitat. Viele Nennungen ohne Verlinkung deuten darauf hin, dass die Marke bekannt ist, die eigenen Seiten aber nicht als Beleg taugen. Dann geht es um Zitierfähigkeit, also um klare Aussagen, Zahlen und Datumsangaben, die ein Modell übernehmen kann.
Monatlich zu messen reicht meist. Häufigere Messungen erzeugen Rauschen, weil die Antworten ohnehin schwanken. Wichtiger ist, dass Fragenkatalog und Auswertungsregeln unverändert bleiben. Wie eine belastbare Messung im Detail aufgebaut wird, beschreibt der Beitrag KI-Sichtbarkeit messen.
Häufige Fehler
Den Katalog nachträglich ändern. Wer Fragen austauscht, weil die Zahlen schlecht aussehen, misst danach etwas anderes. Der Vergleich über die Zeit ist dann wertlos.
Einmal abfragen und daraus schließen. Dieselbe Frage kann bei jedem Aufruf anders beantwortet werden. Ohne Wiederholung ist der Wert Zufall.
Nennung und Zitat vermischen. Beides zusammenzuzählen verwischt, ob Sichtbarkeit auch zu Besuchern führt.
Nur ein System messen. Was in einem Modell funktioniert, gilt im nächsten nicht. Der Durchschnitt über mehrere Systeme sagt mehr aus als ein einzelner Wert.
Ohne Vergleichsgruppe messen. Ein Anteil von zehn Prozent kann sehr gut oder sehr schlecht sein. Das zeigt sich erst im Vergleich mit dem Wettbewerb.
Impressionen aus der Search Console als Share of Model ausgeben. Der Bericht zu generativen KI-Funktionen zählt Einblendungen der eigenen URLs, nicht Nennungen im Antworttext und nicht den Wettbewerb.
Abgrenzung
Share of Model ist eine Kennzahl, keine Maßnahme. Sie misst das Ergebnis der Generative Engine Optimization, verändert es aber nicht. Wie stark sich das Ergebnis beeinflussen lässt, hängt vom Themenfeld ab. Die Arbeit GEO: Generative Engine Optimization (Aggarwal u. a., KDD 2024) berichtet Sichtbarkeitsgewinne von bis zu 40 Prozent in generativen Antworten, betont aber, dass die Wirksamkeit je nach Themengebiet stark schwankt. Eine allgemeingültige Zielmarke folgt daraus nicht.
Vom klassischen Sichtbarkeitsindex unterscheidet sich die Kennzahl grundlegend: Solche Indizes beruhen auf Platzierungen und Suchvolumen in einer Trefferliste, Share of Model auf Nennungen in erzeugten Texten. Umrechnen lassen sich beide nicht, führen Sie sie nebeneinander.
Ebenfalls zu trennen ist der Begriff von der Prompt-Sichtbarkeit: Diese betrachtet die einzelne Frage und ihre Antwort, Share of Model verdichtet viele solcher Einzelfälle zu einer Quote.
Die Kennzahl ist auch keine technische Anforderung. Google schreibt in der Dokumentation zu KI-Funktionen in der Google Suche, es gebe „keine zusätzlichen Anforderungen, um in Übersichten mit KI oder im KI-Modus zu erscheinen“, und keine speziellen Optimierungen. Share of Model misst also ein Ergebnis, für das es keinen Schalter gibt.
Der Begriff ist nicht standardisiert und stammt aus der Fachpraxis. Anbieter verwenden ihn mit leicht abweichender Bedeutung, manche sprechen von Share of Voice oder Nennungsrate. Dokumentieren Sie deshalb Ihre eigene Berechnungsweise.
Geschrieben von
Marcel Speckmann
Geschäftsführer der Speckmann Webdesign GmbH in Oldenburg. Ich arbeite an Suchmaschinenoptimierung, KI-Sichtbarkeit und den Websites, die dafür die Grundlage sind. Was hier steht, stammt aus laufenden Projekten, nicht aus Lehrbüchern.
Dazu passt
Wie wir prüfen, ob und wo Sie in KI-Antworten vorkommen, und was daraus an Maßnahmen folgt, steht auf der Leistungsseite.