Share of Model: Der KPI, der Share of Voice im KI-Zeitalter ablöst

Ihre Share-of-Voice-Zahl sieht gut aus. Ihre Pipeline aus organischem Traffic schrumpft still und leise. Diese beiden Fakten widersprechen sich nicht - sie beschreiben dasselbe Problem.

Käufer haben ihre Recherche in KI-Assistenten verlagert. Wenn ein B2B-Käufer ChatGPT fragt "Was ist die beste GTM-Plattform für ein SaaS-Unternehmen mit 50 Mitarbeitern?", landen die Marken, die in dieser Antwort erscheinen, auf der Shortlist. Marken, die nicht erscheinen, kommen nie ins Gespräch. Markensichtbarkeit entsteht heute, bevor Website-Traffic überhaupt stattfindet. Klassische Kennzahlen wie Klickraten und Seitenaufrufe erfassen nur die Nutzer, die tatsächlich auf Ihrer Website landen - doch wenn ein LLM Ihre Marke in seiner Antwort nicht erwähnt, erreichen diese Nutzer Ihren Funnel erst gar nicht.

Share of Voice kann Ihnen das alles nicht sagen. Er wurde für eine andere Welt gebaut.

---

Warum Share of Voice heute die falsche Welt misst

Share of Voice war eine gute Kennzahl für die Ära, für die er entwickelt wurde. Ursprünglich maß er den prozentualen Anteil der Werbepräsenz, den eine Marke in einem Markt beanspruchte - wie viel vom Gespräch sie über bezahlte Medien dominierte. Er beantwortete die Frage: "Wie laut ist unsere Marke im Markt?"

Diese Frage setzte voraus, dass Käufer Anzeigen sahen, Suchergebnisseiten überflogten und auf blaue Links klickten. Wenn Käufer KI-Assistenten nach Produktempfehlungen fragen, überspringen sie die Suchergebnisseite oft vollständig. Die KI liefert eine direkte Antwort, und die darin genannten Marken sichern sich die Aufmerksamkeit. Share of Model verfolgt, welche Marken für KI "top of mind" sind - was zunehmend gleichbedeutend damit ist, für Käufer top of mind zu sein, die KI für ihre Recherche nutzen.

Die Zahlen hinter diesem Wandel sind längst keine Spekulation mehr. Aktuelle Käuferbefragungen zeigen: Die Mehrheit der Software-Käufer beginnt ihre Recherche inzwischen mit einem KI-Chatbot statt mit Google, ein erheblicher Anteil entscheidet sich am Ende für einen anderen Anbieter als ursprünglich geplant, und ein nennenswerter Teil kauft bei einer Marke, die sie vor der KI-Empfehlung noch nie gehört hatten.

Hier liegt der praktische Unterschied: Sie können 40 % Share of Voice durch aggressives Werbebudget erreichen und trotzdem 0 % Share of Model haben, wenn KI-Plattformen Sie nie erwähnen. Das Gegenteil gilt ebenso - eine kleinere Marke mit starker Content-Autorität kann KI-Empfehlungen dominieren, während sie in klassischen Medien mit einem Verhältnis von 1:10 überboten wird.

Das ist keine Nuance. Das ist ein struktureller Bruch in der Art und Weise, wie Sichtbarkeit funktioniert.

---

Was Share of Model ist - und seine drei Kern-Submetriken

Share of Model (SoM) ist eine Marketing-Kennzahl, die misst, wie oft, wie prominent und wie positiv eine Marke in Antworten großer Sprachmodelle erscheint - im Verhältnis zu ihren Wettbewerbern. Er ist das KI-Zeitalter-Pendant zu Share of Voice.

Die Berechnung lautet: (Anzahl der KI-Antworten, in denen Ihre Marke erwähnt wird) ÷ (Gesamtzahl der getesteten Anfragen) × 100. Führen Sie 20 kaufabsichtsbezogene Prompts auf ChatGPT aus und Ihre Marke erscheint in 5 Antworten - Ihr SoM für diese Plattform beträgt 25 %.

Die Formel ist einfach. Die Messung ist es nicht, denn LLM-Sichtbarkeit ist probabilistisch. Ein KI-Modell könnte Ihre Marke in 80 % der Antworten auf einen bestimmten Prompt erwähnen und nur in 20 % der Antworten auf eine leicht abgewandelte Formulierung. Diese Variabilität macht häufigkeitsbasierte Messung unverzichtbar und Einzel-Snapshot-Rankings bedeutungslos.

SoM gliedert sich in drei Submetriken, die separat verfolgt werden müssen:

1. Citation Share of Voice - Wie oft Sie im Vergleich zu Wettbewerbern über einen definierten Prompt-Satz zitiert werden. Ein wichtiger Unterschied: Eine URL kann zitiert werden, ohne dass die Marke namentlich genannt wird (Recognition Gap), und die Marke kann namentlich genannt werden, ohne dass ein URL-Link gesetzt wird (Referral Gap). Umsatz korreliert stärker mit Zitierungen; Bekanntheit korreliert stärker mit Erwähnungen. Verfolgen Sie beides und berichten Sie getrennt darüber.

2. Source-URL-Einbindung - Welche Ihrer Seiten tatsächlich als zitierte Quellen herangezogen werden. Die Mention-Citation-Lücke entsteht, wenn KI-Plattformen Ihre Marke in einer Antwort nennen, aber nicht auf Ihre Inhalte als Quelle verlinken. Das signalisiert, dass die KI Ihre Marke kennt, Ihren Inhalten aber nicht genug vertraut, um sie zu zitieren. Schließen Sie diese Lücke, indem Sie strukturierte, autoritative Inhalte auf Ihrer eigenen Domain veröffentlichen, die die Fragen direkt beantworten, die KI-Systeme aufwerfen.

3. Sentiment bei Erwähnungen - Ob die KI Sie positiv, neutral oder negativ darstellt. Halten Sie für jede Erwähnung fest, ob die Marke als empfehlenswerte Lösung beschrieben wird, ohne Bewertung genannt wird oder mit Einschränkungen und Kritik erwähnt wird. Sentiment ist entscheidend, weil Sie die Zitierungshäufigkeit steigern können, während Sie die Deutungshoheit verlieren, wenn das Modell Sie mit Vorbehalten erwähnt.

---

Die unbequeme Wahrheit: Der Großteil Ihrer KI-Sichtbarkeit entsteht außerhalb Ihrer eigenen Seiten

Hier ist die Erkenntnis, die Ihre gesamte Content-Strategie verändern sollte.

Eine Studie von Foundation × AirOps analysierte 57,2 Millionen KI-Zitierungen über 50 Marken, sieben Branchen und 5,1 Millionen KI-Antworten in einem Zeitraum von 60 Tagen. Das Ergebnis: Über alle 50 Marken und sieben Branchen hinweg verlinkten nur 10,15 % der Zitierungen in LLM-Antworten auf markeneigene Domains. Die verbleibenden 90 % verlinkten auf Quellen, die diese Marken nicht kontrollieren: Reddit-Threads, YouTube-Videos, Bewertungsseiten, Wettbewerberseiten, Community-Foren und mehr. In mehr als zwei von drei KI-Antworten fehlten die eigenen Inhalte der Marke vollständig unter den zitierten Quellen - selbst wenn die Marke selbst thematisiert wurde.

Lesen Sie diesen letzten Satz noch einmal. Die KI sprach über diese Marken - und zitierte trotzdem nicht deren eigene Seiten.

Der AirOps 2026 State of AI Search Report bestätigt dieses Muster in großem Maßstab: Rund 85 % der Markenerwähnungen in KI-generierten Antworten stammen von Drittanbieter-Seiten statt von eigenen Domains, und etwa 48 % der Zitierungen kommen von Community-Plattformen wie Reddit und YouTube.

Die Lücke wird bei ungebrandeten Suchanfragen noch deutlicher. Als AirOps KI-Antworten auf ungebrandete Anfragen wie "Was ist das beste Marketing-Automatisierungstool für den Mid-Market?" analysierte, stammte nur ein niedriger einstelliger Prozentsatz der zitierten Links von markeneigenen Domains - und in den meisten dieser Antworten wurde keine markeneigene Quelle zitiert. Diese Anfragen repräsentieren die frühe Entdeckungsphase, in der Käufer ihre erste Auswahlliste zusammenstellen.

Das ist der Moment, der im B2B am meisten zählt - und Ihre eigenen Inhalte fehlen dabei fast vollständig.

Marken, die in eine starke Präsenz außerhalb der eigenen Seiten investieren, erzielen mit deutlich höherer Wahrscheinlichkeit Sichtbarkeit in der KI-Suche als durch ihre eigenen Inhalte allein. Der Großteil der Drittanbieter-Erwähnungen stammt aus Listicles, Vergleichsseiten und Review-Roundups, und die meisten erwähnten Marken erscheinen innerhalb der ersten Positionen auf der Seite.

Die Schlussfolgerung ist eindeutig: Wenn Ihre Content-Strategie primär darauf ausgerichtet ist, "mehr auf unserem Blog zu veröffentlichen", optimieren Sie für die 10 % und ignorieren die 90 %.

---

Warum SoM volatil ist - und kontinuierlich gemessen werden muss

Wenn die Drittanbieter-Realität die erste unbequeme Wahrheit ist, sind die Volatilitätsdaten die zweite.

Nur 30 % der Marken bleiben von einer KI-Antwort zur nächsten sichtbar, und lediglich 20 % sind über fünf aufeinanderfolgende Durchläufe desselben Prompts hinweg präsent, so der AirOps 2026 State of AI Search Report.

LLMs bauen die Antwort jedes Mal von Grund auf neu auf und bewerten dabei neu, welche Seiten am besten zur Anfrage passen. Diese Rekonstruktion führt zu ständigem Umschichten, was dazu beiträgt, dass Sichtbarkeit auf Ebene einzelner Antworten instabil wirkt. Es gibt keine "Position eins", die man halten könnte. Es gibt nur eine Wahrscheinlichkeit des Erscheinens - und diese Wahrscheinlichkeit verschiebt sich ständig.

Unabhängige Analysen großer Zitierungsdatensätze zeigen, dass ein erheblicher Anteil der zitierten Domains bei identischen Anfragen von Monat zu Monat wechselt, und über einen Zeitraum von sechs Monaten sind die meisten zitierten Domains vollständig andere als zu Beginn.

Deshalb ist eine vierteljährliche Stichprobe Ihrer KI-Sichtbarkeit keine Messstrategie. Es ist ein trügerisches Sicherheitsgefühl.

Aktualität ist der Hebel, den Sie tatsächlich bedienen können. Die Datenlage ist über mehrere Studien hinweg konsistent:

• Seiten, die seit mehr als 3 Monaten nicht aktualisiert wurden, verlieren mit über 3-facher Wahrscheinlichkeit ihre KI-Sichtbarkeit im Vergleich zu kürzlich aktualisierten Seiten (AirOps, 2026 State of AI Search)
• Mehr als 70 % aller von KI zitierten Seiten wurden innerhalb der letzten 12 Monate aktualisiert (AirOps, 2026 State of AI Search)
• Kommerzielle Zitierungen - also solche, die direkt mit Kaufentscheidungen zusammenhängen - konzentrieren sich stark auf Inhalte, die innerhalb des letzten Jahres aktualisiert wurden (AirOps, 2026 State of AI Search)

Bei kaufabsichtsbezogenen Anfragen wird Aktualität zur Notwendigkeit, nicht zur Option. Wenn Nutzer Optionen vergleichen, priorisieren Modelle Seiten, die aktuelle Preise, Funktionen und Aussagen widerspiegeln.

Die Ära "einmal veröffentlichen, dauerhaft ranken" ist vorbei. In der KI-Suche verschwindet Inhalt, der nicht aktiv gepflegt wird, still und leise aus den Antworten.

---

Share of Model instrumentieren: Eine Schritt-für-Schritt-Anleitung

Schritt 1 - Prompt-Bibliothek definieren

Ihre Prompt-Bibliothek ist das Fundament von allem. Eine praxistaugliche Prompt-Bibliothek für das Tracking sollte drei Anfragetypen abdecken: kaufabsichtsbezogene Prompts ("beste Tools für X"), Vergleichs-Prompts ("Marke A vs. Marke B") und informationelle Prompts ("Wie funktioniert X?"). Die Kombination dieser Kategorien ergibt ein vollständigeres Bild davon, wo Ihre Marke erscheint und wo sie fehlt.

Beginnen Sie mit 20-30 Prompts. Erweitern Sie auf 50-100, sobald Sie eine Baseline haben. Priorisieren Sie die Prompts, die den tatsächlichen Recherchefragen Ihrer Käufer entsprechen - ziehen Sie sie aus Gesprächsaufzeichnungen im Vertrieb, Support-Tickets und "Ähnliche Fragen"-Daten aus der Google-Suche.

Schritt 2 - Wettbewerbsset definieren

Führen Sie dieselben Anfragen aus und erfassen Sie, wann Wettbewerber erscheinen. Berechnen Sie: (Ihre Erwähnungen) ÷ (Ihre Erwähnungen + alle Wettbewerber-Erwähnungen) × 100. Das ist Ihr relativer Anteil - wenn Sie 6 Mal erscheinen und Wettbewerber zusammen 14 Mal, beträgt Ihr kompetitiver SoM 30 %.

Verfolgen Sie 3-5 direkte Wettbewerber. Bei mehr wird das Signal zu unscharf.

Schritt 3 - Pro Plattform tracken, nicht als gemischten Score

Share of Model wird pro Plattform gemessen - Ihr ChatGPT-SoM, Perplexity-SoM, Gemini-SoM und Claude-SoM werden separat verfolgt, denn eine Marke kann auf einer Plattform einen hohen SoM haben und auf einer anderen nahe null liegen. Die Menge der Seiten, die jede Engine zitiert, überschneidet sich weit weniger als erwartet.

Schritt 4 - Rhythmus festlegen und einhalten

Speichern Sie Ihr Anfragen-Set und verwenden Sie es jeden Monat. Konsistenz ist wichtiger als jeder einzelne Datenpunkt - KI-Modellantworten ändern sich häufig, wenn Indizes aktualisiert werden. Monatliches Tracking ermöglicht es Ihnen, konkrete GEO-Maßnahmen (Content-Updates, Entity-Signal-Arbeit, Schema-Änderungen) mit messbaren SoM-Veränderungen zu verknüpfen.

In schnelllebigen Kategorien wie SaaS lohnt sich wöchentliches Tracking.

---

So verbessern Sie Ihren SoM: Das Drei-Ebenen-Playbook

Die Messung zeigt Ihnen, wo Sie stehen. So bewegen Sie die Zahl.

Ebene 1 - Owned: Grounding Pages als Genauigkeitsfundament

Ihre eigenen Inhalte sind nicht der Hauptursprung der meisten KI-Zitierungen - aber sie sind dennoch unverzichtbar. Sie sind die autoritative Quelle, auf die Drittanbieter-Autoren und Community-Mitglieder zurückgreifen, wenn sie über Sie schreiben. Ohne sie hat die 90 % nichts Verlässliches, woraus sie schöpfen kann.

Bei Nukipa nennen wir diese Seiten Grounding Pages: strukturierte, faktenreiche Seiten, die Ihre Positionierung, Produktdetails und Belege in einem Format kodieren, das KI-Systeme sauber extrahieren können. Stellen Sie sie sich als die kanonische Quelle der Wahrheit für alles vor, was anderswo über Sie geschrieben wird. Sie müssen in einem regelmäßigen Rhythmus aktualisiert werden - Seiten, die länger als drei Monate nicht aktualisiert wurden, verlieren mit über 3-facher Wahrscheinlichkeit ihre Sichtbarkeit im Vergleich zu kürzlich aktualisierten Seiten.

Ebene 2 - Earned: Drittanbieter-Zitierungen sind der eigentliche Treiber

Hier sind die meisten B2B-Marketing-Teams unterinvestiert. Aktuelle Analysen legen nahe, dass Drittanbieter-Markenerwähnungen stärker mit KI-Sichtbarkeit korrelieren als klassische Backlinks - was den Aufwand in Richtung Earned Media und Digital PR verschiebt.

Das praktische Playbook:

• In Vergleichsinhalten erscheinen. Für Herausforderer-Marken ist die Aufnahme in "Best of"-Listen, Vergleichsartikel und branchenweite Review-Roundups der primäre Weg zur KI-Suchsichtbarkeit.
• Authentisch in Community-Plattformen teilnehmen. Community- und nutzergenerierte Plattformen prägen heute, wie Modelle Vertrauen, Erfahrung und Bewertung in Kategorien verstehen. Beteiligen Sie sich in Foren, Q&A-Plattformen und Nischen-Communities, in denen Ihre Zielgruppe Fragen stellt - authentisch durch das Beantworten von Fragen und das Liefern von Kontext, nicht durch bloße Eigenwerbung.
• Presse- und Analysten-Erwähnungen erarbeiten. Earned-Media-Platzierungen in Publikationen, die KI-Systeme bereits indexieren und vertrauen, sind der Mechanismus, der Ihre Marke in das Gedächtnis des Modells einschreibt.

Ebene 3 - Freshness-Loop: Kontinuierliche Aktualisierung statt einmaliger Optimierung

LLMs belohnen Neuheit, nicht Lärm. Das Web ist gesättigt mit Wiederholungen, und große Modelle filtern nach Quellen, die etwas Neues beitragen. Erfolgreiche Teams konkurrieren über Information Gain. Sie veröffentlichen proprietäre Daten, interne Erkenntnisse und eigenständige Standpunkte, die das Wissen des Modells erweitern - nicht wiederholen.

Etablieren Sie einen festen Aktualisierungszyklus: Prüfen Sie Ihre wichtigsten Seiten quartalsweise, aktualisieren Sie Statistiken, fügen Sie neue Belege hinzu und stellen Sie sicher, dass Ihre strukturierten Daten aktuell sind. Das ist kein Content-Projekt - es ist eine Wartungsgewohnheit.

---

Ein kurzer Hinweis zu Tools

Die SoM-Messkategorie ist real und wächst schnell, aber sie ist noch jung. Es gibt noch keine einheitliche Formel - HubSpot, Semrush und Profound berechnen sie jeweils unterschiedlich. Das ist kein Grund zu warten; es ist ein Grund, eine konsistente Methodik zu wählen und dabei zu bleiben.

Die Tool-Kategorien, die eine Evaluierung wert sind:

• Dedizierte KI-Sichtbarkeitsplattformen (z. B. Profound, AthenaHQ, Scrunch AI, Otterly.AI) - speziell entwickelt für Prompt-Tracking, Citation-Monitoring und kompetitiven SoM über mehrere LLMs hinweg
• SEO-Plattformen mit KI-Sichtbarkeitsmodulen (z. B. Semrush, Ahrefs) - nützlich, wenn Sie KI-Daten neben klassischen Suchmetriken in einem Dashboard haben möchten
• Kostenlose Diagnose-Tools (z. B. HubSpots AEO Grader) - gut für einen einmaligen Baseline-Snapshot, nicht für kontinuierliches Tracking

Achten Sie auf Citation Intelligence, die URLs und Domains anzeigt, die KI-Systeme zitieren, gruppiert und im Zeitverlauf dargestellt; Wettbewerber-Benchmarking mit Share-of-Voice-Vergleich; sowie Benachrichtigungen bei Sichtbarkeitseinbrüchen und Wettbewerbergewinnen.

Unabhängig vom gewählten Tool: Führen Sie viele kategoriebezogene Prompts über jedes für Ihre Zielgruppe relevante Modell aus - mehrfach -, und behandeln Sie die Ergebnisse als Richtungstrends, nicht als exakte Zahlen. Messen Sie pro Modell, nicht als einzigen gemischten Score, da Sichtbarkeit in einem Modell wenig über ein anderes aussagt.

---

Der Messungswandel in einem Satz

Share of Voice maß, wie laut Sie in einer Welt aus Anzeigen und gerankte Links gesprochen haben. Share of Model misst, ob KI-Systeme - die heute die erste Phase der meisten B2B-Kaufentscheidungen vermitteln - Sie in die Antwort aufnehmen.

Man kann nicht steuern, was man nicht misst. Und im Moment messen die meisten B2B-Marketing-Teams eine Welt, die ihre Käufer längst verlassen haben.

Die Marken, die jetzt SoM-Messung und die dahinterstehende Earned-Content-Infrastruktur aufbauen, schaffen einen sich verstärkenden Vorteil. Diejenigen, die warten, bis die Kennzahl "reif" ist, geben Terrain auf, dessen Rückeroberung Jahre dauern wird.