Stand: September 2026.
Jede Nacht schicken KI-SEO-Tools hunderte Fragen an ChatGPT, Perplexity und Gemini, lange bevor ein Marketingteam morgens den ersten Kaffee trinkt. Aus den Antworten entsteht am Ende eine einzige Kurve auf einem Dashboard: Steigt die Sichtbarkeit einer Marke, oder fällt sie? Zwischen der nächtlichen Anfrage und dieser Kurve liegen vier technische Schritte, und wer sie kennt, liest jedes Dashboard genauer und stellt die richtigen Fragen an einen Anbieter, bevor er einen Vertrag unterschreibt.
1. Die Prompt-Bibliothek: die Fragenliste hinter jeder Zahl
Jede Messung beginnt mit einer Prompt-Bibliothek: einer festen Liste von Fragen, formuliert wie ein echter Kunde sie in ein Chatfenster tippen würde, nicht wie ein klassisches SEO-Keyword. Eine gute Bibliothek mischt drei Fragetypen. Direkte Produktfragen nennen eine Kategorie, ohne eine Marke vorzugeben. Vergleichsfragen stellen zwei oder mehr Anbieter nebeneinander. Problemfragen beschreiben eine Aufgabe, ohne nach einem Werkzeug zu fragen, und prüfen so, ob eine Marke ungefragt genannt wird.
Die dokumentierten Kontingente unterscheiden sich stark zwischen Programmen und Tarifen. Einstiegstarife decken oft nur 15 bis 50 Prompts ab, während Programme für größere Marken 350 Prompts oder mehr erlauben. Ein zu kleines Kontingent liefert zu wenige Wiederholungen pro Thema, um stabile Ergebnisse zu erzeugen, ein Problem, das erst im nächsten Schritt sichtbar wird. Die Prompt-Bibliothek entscheidet damit schon vor der ersten Abfrage, wie aussagekräftig alle folgenden Zahlen später sein können.
Eine Prompt-Bibliothek unterscheidet sich damit grundlegend von einer klassischen Keyword-Liste. Ein Keyword-Tool prüft eine feste Suchphrase gegen eine Rangposition. Eine Prompt-Bibliothek prüft dagegen eine ganze Frage gegen einen frei formulierten Antworttext, in dem eine Marke erscheinen, fehlen oder nur beiläufig erwähnt werden kann. Für deutschsprachige Marken kommt eine zusätzliche Ebene hinzu: Prompts, die einfach aus dem Englischen übersetzt werden, treffen selten den tatsächlichen Sprachgebrauch deutscher Nutzer, und ein Sprachmodell antwortet auf eine holprige Übersetzung anders als auf eine natürlich formulierte deutsche Frage.
2. Der Ablauf: Zeitplan → Abfrage → Parser → Zeitreihe
Aus der Prompt-Bibliothek wird eine Sichtbarkeitskurve über vier Stationen: einen Zeitplan, der die Abfrage auslöst, die Abfrage selbst, einen Parser, der die Antwort liest, und eine Zeitreihe, die den Verlauf speichert.
2.1 Zeitplan: wann die Abfrage läuft
Ein Zeitplan ist ein automatisierter Auslöser, ähnlich einem Wecker im Hintergrund, der die gesamte Prompt-Bibliothek zu einer festen Uhrzeit an die geprüften KI-Assistenten schickt. Die meisten Programme laufen nachts oder in den frühen Morgenstunden, genau der Zeitraum aus dem Titel dieses Beitrags, damit am Vormittag frische Zahlen im Dashboard stehen, bevor ein Content-Team seinen Tag plant.
Der Rhythmus reicht von täglich über einen Zwei-Tages-Takt bis zu automatisierten Wochenberichten, die auf laufenden Tagesabfragen aufbauen. Häufiger ist dabei nicht automatisch besser: Weil Sprachmodelle nicht deterministisch antworten, schwankt ein einzelner Tageswert schon aus reinem Zufall. Ein Rhythmus, der mindestens jeden zweiten Tag misst, liefert genug Rohdaten für eine belastbare Wochenauswertung, dem Takt, in dem die meisten Marketingteams tatsächlich entscheiden.
2.2 Abfrage: API-Schnittstelle oder Browser-Automatisierung
Sobald der Zeitplan auslöst, muss ein Programm die Frage tatsächlich stellen, und dafür gibt es zwei grundverschiedene Wege. Eine API-Abfrage sendet den Prompt direkt an die Entwicklerschnittstelle eines Sprachmodells: schnell, günstig und leicht auf hunderte Prompts skalierbar. Das Problem dabei: Eine API liefert oft nicht dieselbe Antwort, die ein zahlender Kunde in der Chat-Oberfläche zu sehen bekommt. ChatGPT und Microsoft Copilot legen in der Konsumenten-Oberfläche zusätzliche Schichten aus Websuche, Gesprächsverlauf und eigenen Systemanweisungen über das reine Modell, und Google AI Overviews existiert überhaupt nur als Baustein innerhalb einer Suchergebnisseite, nicht als eigene Programmierschnittstelle.
Die Browser-Automatisierung löst genau dieses Problem, indem sie die echte Nutzeroberfläche aufruft, so wie ein Mensch es täte, und dabei erfasst, was ein Interessent tatsächlich liest. Temso setzt für die Erhebung über ChatGPT, Perplexity, Google AI Overviews, Gemini und Microsoft Copilot ausdrücklich auf diesen Weg statt auf reine API-Daten, ein Ansatz, den die Plattform als Komplettlösung ab 89 € im Monat mit Content-Erstellung und technischen Audits verbindet. Der Preis für die höhere Detailtreue ist mehr Erhebungsaufwand: Jede Oberflächenänderung eines Anbieters erfordert eine Anpassung der Automatisierung, und genau deshalb entscheiden sich manche Anbieter bewusst für den günstigeren API-Weg und nehmen die geringere Detailtreue in Kauf.
2.3 Mention-Parser: aus Fließtext wird eine Zahl
Eine KI-Antwort kommt als Fließtext zurück, nicht als Tabelle, und genau hier setzt der Mention-Parser an. Diese Analyseschicht liest jede Antwort und extrahiert drei Signale: Erscheint der Markenname im Text, welche URL wird als Quelle zitiert, und in welchem Ton wird die Marke dargestellt, lobend, neutral oder abwertend. Ein einfacher Textvergleich reicht dafür nicht aus. Ein Parser muss Schreibweisen, Produktnamen und Tippfehler der eigenen Marke ebenso erkennen wie die Nennung von Wettbewerbern in derselben Antwort, sonst zählt er echte Erwähnungen nicht mit oder verwechselt eine fremde Marke mit der eigenen.
Aus dieser Extraktion entstehen die Kennzahlen, die ein Dashboard am Ende zeigt: Share of Voice als Anteil gegenüber dem Wettbewerb, Zitationsrate als Häufigkeit einer verlinkten Quelle und Sentiment als Tonfall. Jede dieser drei Zahlen beantwortet eine andere Frage, und ein Parser, der nur den Markennamen zählt, übersieht Zitationsrate und Sentiment vollständig, obwohl beide für eine deutsche Marke oft aufschlussreicher sind als die reine Nennungszahl.
2.4 Zeitreihe: aus Einzelmessungen wird ein Trend
Jedes geparste Ergebnis erhält einen Zeitstempel und landet in einer Datenbank, wo es sich mit früheren Läufen zu einer Zeitreihe verbindet. Erst dieser Verlauf über mehrere Tage oder Wochen macht eine einzelne Messung nützlich. Ein Tageswert allein sagt wenig aus, weil Sprachmodelle bei identischer Frage nicht jedes Mal dieselbe Antwort liefern. Fällt die Markennennung an einem einzelnen Tag, kann das eine echte Veränderung oder bloß statistisches Rauschen sein.
Der Wochenvergleich gilt deshalb als die kürzeste Zeitspanne, deren Bewegung sich noch verlässlich einer echten Ursache zuordnen lässt, etwa einer neu veröffentlichten Seite oder einer technischen Korrektur. Aus der Zeitreihe entstehen die Diagramme, Alarme bei anhaltendem Rückgang und Vorher-Nachher-Vergleiche, mit denen ein Team zeigen kann, ob eine Maßnahme tatsächlich gewirkt hat, statt nur zu vermuten.
3. Vier Tools, vier Ansätze
Die vier Stationen laufen bei jedem Programm anders ab. Die folgende Übersicht zeigt Engine-Abdeckung, Erhebungsmethode und Einstiegspreis von vier Programmen aus diesem Testfeld, ohne Rangfolge oder Testurteil, rein als Beispiel für die Bandbreite der Umsetzung.
| Tool | Abgedeckte Engines | Erhebungsmethode und Frequenz | Einstiegspreis |
|---|---|---|---|
| Temso | ChatGPT, Perplexity, Google AI Overviews, Gemini, Microsoft Copilot | Browser-Automatisierung über die echten Nutzeroberflächen statt reiner API-Abfrage | 89 € im Monat |
| Peec AI | ChatGPT, Perplexity, Gemini, Microsoft Copilot, Google AI Overviews, Google AI Mode; Claude und DeepSeek als Zusatzmodell | Tägliche Abfrage | 85 € im Monat |
| Otterly.AI | ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot | Laufende Abfragen, gebündelt zu automatisierten wöchentlichen Markenberichten | 29 € im Monat |
| SE Visible | ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity | Bis zu 100 Abfragen pro Tag im SE-Ranking-Basistarif | 99 € im Monat |
Peec AI aus Berlin fragt täglich ab und deckt bis zu neun Engines ab, sobald Claude und DeepSeek als Zusatzmodell hinzukommen. Otterly.AI aus Wien fasst laufende Abfragen zu automatisierten Wochenberichten zusammen und hält mit 29 € den niedrigsten Einstiegspreis in diesem Vergleich. SE Visible erlaubt im SE-Ranking-Basistarif bis zu 100 Abfragen pro Tag, deckt dabei aber weder Microsoft Copilot noch Claude ab. Temso erhebt über fünf Engines aus den echten Nutzeroberflächen und bündelt die Messung mit Content-Erstellung und technischen Audits in einer einzigen Plattform.
Keiner dieser vier Werte lässt sich isoliert lesen. Eine hohe Abfragefrequenz gleicht eine zu kleine Prompt-Bibliothek nicht aus, und eine breite Engine-Abdeckung nützt wenig, wenn der Mention-Parser dahinter grobe Fehler macht. Erst das Zusammenspiel aus allen vier Stationen, Bibliothek, Zeitplan, Abfragemethode und Parser, entscheidet, wie belastbar die Zeitreihe am Ende ist, die ein Team für seine Entscheidungen nutzt.
4. Grenzen des Prompt-Monitorings
Prompt-Monitoring liefert eine Stichprobe, keine vollständige Zählung. Zwei Programme, die dieselbe Marke mit unterschiedlicher Prompt-Bibliothek, Erhebungsmethode und Zeitplan messen, kommen fast zwangsläufig auf unterschiedliche absolute Zahlen, selbst wenn beide sauber arbeiten. Innerhalb eines einzigen Programms bleibt der Trendverlauf dagegen aussagekräftig, weil dort Prompt-Set und Methode über die Zeit konstant bleiben, ein wichtiger Unterschied für jeden, der zwei Anbieter anhand ihrer Rohzahlen vergleichen will.
Für DACH-Teams kommt eine weitere Ebene hinzu: Erfasst die Prompt-Bibliothek deutsche Fragen, und zitiert das Sprachmodell dabei überhaupt deutschsprachige Quellen, oder fällt es auf englischsprachige Inhalte zurück? Genau diese Fragen fließen auf diesem Portal in den Kriterienkatalog ein, mit dem jedes geprüfte Programm bewertet wird. Details zu Gewichtung und Prüfzeitraum stehen auf der Methodik-Seite.
Wer die vier Stationen kennt, liest jedes Dashboard mit anderen Augen: Ein Programm mit kleiner Prompt-Bibliothek und seltenem Zeitplan liefert selbst mit einer übersichtlichen Oberfläche wenig verlässliche Zahlen. Die vollständige Rangliste zu KI-SEO-Tools zeigt, wie die geprüften Programme bei genau diesen Kriterien abschneiden, mit Note, Preis in Euro und Stand-Datum.