Wir haben dieselben Fragen zur KI-Sichtbarkeit 26 Tage später erneut gestellt
15. Oktober bis 10. November 2026. Zwei getrennte Erhebungen. 148 gültige Antworten. Keine identischen Anbieterreihenfolgen in den 60 direkt vergleichbaren Antwortpaaren. Keine letsrocc-Nennung.
Wenn ein Bericht zur KI-Sichtbarkeit über Budget, Inhalte oder die Auswahl eines Dienstleisters mitentscheiden soll, reicht eine vorteilhafte Antwort nicht aus. Sie zeigt, was einmal passiert ist. Sie belegt weder eine Marktposition noch eine belastbare Entwicklung oder einen wirtschaftlichen Effekt.
Wir wollten wissen, ob dieselbe kommerzielle Frage bei wiederholten, dokumentierten Abfragen und zu zwei verschiedenen Zeitpunkten dieselben Empfehlungen hervorbringt.
Die kurze Antwort lautet: nein. Die Anbieterempfehlungen änderten sich. letsrocc blieb ungenannt. Das ist das Ergebnis. Es ist nicht die Erklärung.
Lesen Sie, was eine Prüfung zur KI-Sichtbarkeit belegen kann und was nicht
Die Studie in 53 Sekunden
Die Zusammenfassung zeigt, was wir geprüft haben, was sich verändert hat, was unverändert blieb und welche Schlussfolgerung die Daten tragen. Sie lässt sich auch unabhängig von diesem Beitrag verstehen.
Warum wir den Test wiederholt haben
Eine einzelne generierte Antwort kann sehr verbindlich wirken. Sobald sie in einem Dashboard steht und einen Score erhält, sieht sie schnell wie ein Beleg für eine Marktposition aus.
Für eine folgenreiche Entscheidung ist das zu wenig.
Die erste Runde lieferte für uns ein ungünstiges Ergebnis: letsrocc kam in keiner der 60 vollständig erfassten, vergleichbaren Antworten vor. Wir haben daraufhin weder die Fragen geändert noch nach einem schmeichelhafteren Screenshot gesucht. Stattdessen blieben die vier Fragen zur Anbieterauswahl unverändert und wurden erneut gestellt.
Der Test sollte eine engere Frage beantworten:
Wiederholt sich die Empfehlung?
Eine einzelne KI-Antwort ist wie ein Foto von fließendem Verkehr. Sie zeigt, was in einem Moment an der Kamera vorbeikam. Eine verlässliche Straßenkarte entsteht daraus nicht.
Was wir geprüft haben
Die Studie verwendete vier Fragen, die ein etabliertes Unternehmen bei der Auswahl einer SEO-Beratung plausibel stellen könnte:
- Welche SEO-Beratungen eignen sich am besten für ein mittelständisches E-Commerce-Unternehmen, das in Großbritannien und Deutschland tätig ist?
- Welche senior geführten SEO-Beratungen sind auf komplexe internationale E-Commerce-Websites spezialisiert?
- Empfehlen Sie eine SEO-Beratung für ein Unternehmen, dessen organischer Traffic nach einem Website-Relaunch zurückgegangen ist.
- Welche Beratungen können sowohl technisches SEO als auch die wirtschaftlichen Ursachen schwacher organischer Performance untersuchen?
In der Oktober-Runde wurden ChatGPT Search, Google AI Mode und Gemini eingesetzt. Jeder Prompt wurde in jedem System fünfmal in einer neuen Unterhaltung oder Abfrage ausgeführt. Daraus entstanden 60 gültige Antworten.
Die November-Runde wiederholte dieses Protokoll mit 60 Antworten und ergänzte Perplexity und Claude. Geplant waren insgesamt 100 Beobachtungen. 88 konnten abgeschlossen werden.
| Messung | Geplant | Gültig | letsrocc-Nennungen | letsrocc-Quellenverweise |
|---|---|---|---|---|
| Ausgangsrunde am 15. Oktober, drei Systeme | 60 | 60 | 0 | 0 |
| Direkt vergleichbare Wiederholung am 10. November, drei Systeme | 60 | 60 | 0 | 0 |
| Perplexity-Erweiterung am 10. November | 20 | 20 | 0 | 0 |
| Claude-Erweiterung am 10. November | 20 | 8 | 0 | 0 |
| Gesamt am 10. November | 100 | 88 | 0 | 0 |
Das Kontingent des kostenlosen Claude-Kontos war nach acht gültigen Antworten erschöpft. Die übrigen zwölf Abfragen wurden nicht beobachtet und deshalb nicht als Auslassungen von letsrocc gewertet.
Erschienen dieselben Anbieter an denselben Positionen?
Nein. Die Ergebnisse waren nicht stabil genug, um von einer festen Rangfolge zu sprechen.
Wir haben die 60 Oktober-Antworten jeweils mit der entsprechenden November-Antwort für denselben Prompt, dasselbe System und denselben Durchlauf verglichen.
| Stabilitätsprüfung | Ergebnis |
|---|---|
| Vollständige Anbieterreihenfolge wiederholte sich exakt | 0 von 60 |
| Erste Empfehlung blieb gleich | 9 von 60 |
| Mindestens ein Anbieter kam in beiden Antworten vor | 28 von 60 |
| Derselbe Anbieter stand an derselben Listenposition | 15 von 220 vergleichbaren Positionen |
Die generierten Namen sind Vorschläge innerhalb dieser Stichprobe. Sie bilden keine verifizierte Wettbewerbergruppe. Auch ihre Position in der Liste ist nicht mit einem Google-Ranking gleichzusetzen.
Eine praktische Schlussfolgerung trägt die Evidenz dennoch: Eine einzelne Antwort ist keine belastbare Ausgangsbasis.
Was sich verändert hat
Die am häufigsten empfohlenen Anbieter wechselten zwischen den beiden Runden.
In der Oktober-Ausgangsrunde erschien Claneo mit 16 Nennungen in 60 Antworten am häufigsten.
In der direkt vergleichbaren November-Kohorte lagen SALT.agency und Builtvisible mit jeweils 14 Nennungen vorn. Claneo wurde neunmal genannt.
Über alle 88 gültigen November-Antworten hinweg wurden diese Namen am häufigsten vorgeschlagen:
| Empfohlener Anbieter | Nennungen in der November-Stichprobe |
|---|---|
| SALT.agency | 22 |
| Re:signal | 21 |
| Orainti | 18 |
| Builtvisible | 15 |
| Claneo | 12 |
| NOVOS | 12 |
Diese Zahlen beschreiben ausschließlich die verwendeten Prompts und den Erhebungszeitpunkt. Sie stehen weder für Marktanteil noch für allgemeine Sichtbarkeit oder eine dauerhafte Rangfolge.
Auch je nach Frage wechselten die häufigsten Empfehlungen. NOVOS erschien bei der Frage nach E-Commerce in Großbritannien und Deutschland am häufigsten. Orainti führte bei der Frage nach internationalem E-Commerce und technischer Tiefe. Builtvisible lag bei der technischen und wirtschaftlichen Diagnose vorn. Bei der Frage zum Relaunch entstand ein Gleichstand von drei Anbietern mit geringerer Häufigkeit.
Es gab keine Anbieterreihenfolge, die über alle Fragen, Systeme und Erhebungszeitpunkte hinweg Bestand hatte.
Was sich nicht verändert hat
letsrocc wurde weiterhin nicht genannt.
- Oktober-Ausgangsrunde: 0 von 60
- Direkt vergleichbare November-Wiederholung: 0 von 60
- Vollständige November-Runde: 0 von 88 gültigen Antworten
- Bestätigte Quellenverweise auf letsrocc: 0
In dieser Prompt-Stichprobe war keine positive Entwicklung erkennbar.
Deshalb schreiben wir der neuen Website, strukturierten Daten, Inhaltsänderungen oder einem llms.txt-Experiment keinen Effekt zu, der nicht beobachtet wurde.
Wir können daraus ebenso wenig ableiten, dass eine dieser Maßnahmen gescheitert ist. Die Studie wurde nicht so angelegt, dass sich deren einzelne Wirkung isolieren ließe.
Warum das Ergebnis wirtschaftlich relevant ist
Eine schwache Messung wird teuer, sobald sie Arbeit und Budget steuert.
Ein Unternehmen kann zusätzliche Inhalte beauftragen, technisch einwandfreie Seiten umschreiben, eine Monitoring-Plattform kaufen oder einen Dienstleister austauschen, weil eine generierte Antwort als stabiler Markthinweis behandelt wurde.
Das Risiko liegt nicht nur in den Kosten der Maßnahme. Hinzu kommen die Opportunitätskosten einer falschen Priorität, die Managementzeit für die Verteidigung der Entscheidung und eine trügerische Sicherheit durch einen aufgeräumten Report.
Bevor eine Beobachtung zur KI-Sichtbarkeit Budget beeinflusst, muss sie drei Fragen standhalten:
- Wiederholt sich das Ergebnis?
- Lassen sich Quelle und Belege prüfen?
- Gibt es eine Verbindung zu einem wirtschaftlichen Ereignis?
Unsere Wiederholung beginnt, die ersten beiden Fragen zu beantworten. Die dritte beantwortet sie nicht.
Nennung, Empfehlung und Quellenverweis sind verschiedene Ereignisse
Eine Nennung ist keine Empfehlung.
Eine Empfehlung ist kein Quellenverweis.
Ein Quellenverweis ist nicht zwangsläufig anklickbar.
Ein Klick ist keine Anfrage.
Eine Anfrage ist kein Umsatz.
Umsatz ist nicht automatisch Deckungsbeitrag.
Diese Ereignisse benötigen getrennte Messgrößen. Ein gemeinsamer Score verdeckt die Entscheidung, die ein Unternehmen tatsächlich treffen muss.
Wenn die Geschäftsführung wissen möchte, ob KI-Antwortsysteme qualifizierte Nachfrage erzeugen, kann eine reine Nennungsquote diese Frage nicht beantworten.
Die Systeme legten ihre Belege unterschiedlich offen
Die Systeme unterschieden sich darin, wie gut sich ihre Quellen prüfen ließen.
Einige Antworten aus ChatGPT Search und Perplexity enthielten direkte Anbieter-URLs. Google AI Mode zeigte Referenzen häufig innerhalb der eigenen Oberfläche. Gemini antwortete in den erfassten Fällen oft ohne direkt prüfbare Quell-URLs. Claude lieferte während der gültigen Läufe webgestützte Antworten, die Kohorte endete jedoch vorzeitig durch das Kontingentlimit.
Eine genannte Quelle beweist nicht, dass die Aussage über einen Anbieter stimmt. Sie gibt dem Leser einen Ausgangspunkt für die Prüfung.
Was die Studie nicht belegen kann
Die Wiederholung erklärt nicht, warum letsrocc nicht genannt wurde.
Mögliche Erklärungen sind:
- die Beleglage auf den relevanten Seiten;
- Bestätigung durch unabhängige Dritte;
- Entitätserkennung;
- Links und Quellenverweise;
- geografische Zuordnung oder wahrgenommene Markttauglichkeit;
- Aktualität und Zeitpunkt des Abrufs;
- die Formulierung der Kauffrage;
- das Verhalten von System und Modell;
- oder mehrere dieser Faktoren zugleich.
Die Daten entscheiden nicht zwischen diesen Erklärungen.
Ebenso wenig bestätigt die Studie die Aussagen über die empfohlenen Anbieter. Erfasst wurde, was die Systeme ausgegeben haben. Die genannten Unternehmen wurden nicht in jeder Antwort unabhängig geprüft.
Was das Ergebnis für llms.txt bedeutet
Diese Studie bestätigt oder widerlegt llms.txt nicht.
Wir können eine individuelle, datierte und maschinenlesbare Seitenzusammenfassung als Experiment veröffentlichen. Wir können daraus keine Ursache für eine Nennung, Empfehlung oder Quellenangabe ableiten, solange der Test diese Datei nicht von Inhalten, Indexierung, Links, externen Quellen und Veränderungen der Antwortsysteme trennt.
Die passende Bezeichnung lautet Experiment, nicht Rankinghebel.
Wie es weitergeht
Die fehlenden zwölf Claude-Beobachtungen sollten als eigener datierter Block ergänzt werden, sofern das Konto dies zulässt. Sie dürfen nicht nachträglich unbemerkt in das Ergebnis vom 10. November einfließen.
Die nächste vollständige Runde sollte dieselben vier Prompts, Systeme und Abfrageplätze beibehalten. Vorher sollte genau eine definierte und nachweisbare Änderung an der Beleglage erfolgen, nicht ein Bündel gleichzeitiger Website-Anpassungen.
Auch im nächsten Vergleich bleiben diese Ebenen getrennt:
- Nennungen;
- Empfehlungen und Platzierung auf einer Shortlist;
- Quellenverweise und anklickbare Quellen;
- identifizierbare Besuche;
- qualifizierte Anfragen;
- Umsatz und Ergebnisbeitrag.
Wenn sich eine Zahl bewegt, ist das zunächst eine Beobachtung. Die Ursache muss weiterhin belegt werden.
Warum wir ein Ergebnis ohne Verbesserung veröffentlichen
Eine Messung, die der gewünschten Geschichte nicht widersprechen darf, ist ein Verkaufsinstrument und keine brauchbare Kontrolle.
Das erste Ergebnis war für uns ungünstig. Das zweite verbesserte es nicht. Gleichzeitig änderten sich die Anbieterempfehlungen stark genug, um zu zeigen, warum ein einzelner Screenshot nicht als stabile Marktposition gelten kann.
Das liefert etwas Verwertbares: eine datierte Ausgangsbasis, ein wiederholbares Prüfprotokoll und einen öffentlichen Änderungsnachweis, der sich ergänzen lässt, ohne die Vergangenheit umzuschreiben.
Dieselbe Disziplin gilt für Marketing-Performance insgesamt. Rankings, Traffic, Aktivität und überzeugende Erklärungen können sich verändern, obwohl das wirtschaftliche Ergebnis gleich bleibt.
Nächster sinnvoller Schritt
Wenn ein KI-Sichtbarkeitsbericht Budget oder Dienstleisterentscheidungen beeinflusst
Der Evidenzcheck zur KI-Sichtbarkeit trennt Bericht, Beobachtung und wirtschaftliche Entscheidung. Wenn die Frage Marketing, Messung, Verantwortung und Ergebnis gleichzeitig betrifft, prüft das Marketing MRI, ob die bestehende Erklärung der Evidenz standhält, bevor das Unternehmen eine weitere Maßnahme finanziert.
Autoren und Verantwortung
Die Menschen hinter der Untersuchung
Chris Wheeler verbindet die Sichtbarkeitsaussage mit Customer Journey, operativem System und der wirtschaftlichen Entscheidung, die sie stützen soll. Wenn die Belege keine Ursache tragen, stellt er sie nicht als Tatsache dar.
Claudia Misselwitz prüft Such-, Technik- und Inhaltsbelege, bevor eine KI-Antwort als belastbares Marktsignal gilt. Die Methode muss eine weitere Erhebung überstehen, nicht nur in einem Screenshot überzeugen.
Methodischer Hinweis
Das interne Evidenzregister erfasst Prompt, Durchlauf, System, Produkt- oder angezeigte Modellbezeichnung, Kontostatus, Suchstatus, empfohlene Anbieter, letsrocc-Nennung, Quellenstatus, Quellenbelege und Protokollhinweise.
Der Website-Beitrag veröffentlicht datierte Aggregationen, exakte Prompts, Methode und Grenzen. Kontobezogene Daten und persönliche Rohinformationen bleiben intern.
Aktualisierungsprotokoll
| Datum | Aktualisierung |
|---|---|
| 15. Oktober 2026 | Erste Ausgangsrunde mit 60 Antworten erhoben. |
| 10. November 2026 | Direkt vergleichbare Wiederholung abgeschlossen sowie Perplexity und Claude ergänzt. 88 gültige November-Antworten erfasst. |
| 12. November 2026 | Deutsche Fassung als kanonischer öffentlicher Evidenznachweis veröffentlicht. |