Share of Model: die Metrik dafür, in der KI-Antwort sichtbar zu sein

Es gibt jedoch ein Gegengewicht. Besucher, die über KI weitergeleitet wurden, konvertierten bei einem B2B-SaaS-Publisher mit einer 23-fach höheren Rate als ein klassischer organischer Klick (Ahrefs, 2025). Eine Studie von Semrush über mehr als 500 B2B-Themen zeigte zudem einen durchschnittlichen Anstieg um das 4,4-Fache für KI-vermittelten Traffic.
 

Das Volumen bricht ein. Die Qualität steigt. Die Dashboards, die über zwei Jahrzehnte für eine lineare Suche entwickelt wurden, wurden für eine andere Fragestellung gebaut – und sie werden zunehmend still zu der Frage, die heute wirklich zählt.

Über zwanzig Jahre hinweg haben Marketingteams gemessen, was ihre Analytics sichtbar machen konnten: Sitzungen, Rankings, Backlinks, Conversions. Diese Kennzahlen funktionierten, weil der Weg von der Suche zur Website linear und nachvollziehbar war. Jemand suchte, klickte, landete auf einer Seite und konvertierte – oder eben nicht.
 

Dieser Ablauf fragmentiert sich zunehmend. Ein wachsender Anteil der Käufer liest heute über eine Marke direkt in einer KI-generierten Antwort und bildet sich eine Meinung, ohne jemals die Website der Marke zu besuchen. Der Traffic-Bericht zeigt davon nichts. Keine Conversion ist gescheitert. Die Interaktion hat schlicht an einem Ort stattgefunden, der derzeit nicht gemessen wird.
 

Weniger Besuche zu messen ist keine Strategie. Die entscheidende Frage ist heute, ob Ihre Marke überhaupt in der Antwort erscheint.
 

Das bedeutet jedoch nicht, dass klassische KPIs obsolet sind. Organischer und bezahlter Traffic treiben weiterhin reale Geschäftsergebnisse, und die entsprechenden Kennzahlen behalten ihre Relevanz. SoM ist ergänzend: eine neue Messgröße für den Anteil an Sichtbarkeit, der innerhalb von KI-Systemen entsteht – parallel zum Traffic, der weiterhin über Klicks auf die Website gelangt.

Die Marketingbranche beginnt sich auf einen Begriff für diese Entwicklung zu einigen: Share of Model (SoM). Er misst, wie oft eine Marke in den KI-Systemen erscheint, in denen sich zunehmend Recherche- und Kaufentscheidungen formen: ChatGPT, Perplexity, Google AI Overviews, Claude, Gemini sowie die KI-gestützten Oberflächen von Microsoft und LinkedIn.
 

SoM ist keine einzelne Zahl. Es ist ein Muster, das über verschiedene Plattformen hinweg und anhand der tatsächlichen Fragen der Zielgruppen gemessen wird. Ein hoher SoM bedeutet: Wenn ein CMO ChatGPT nach führenden Data-Marketing-Partnern in der Schweiz fragt, erscheint Ihre Marke in der Antwort. Wenn ein Procurement-Leiter Perplexity nach Marketing-Plattformen mit Datenresidenz in der Schweiz fragt, erscheint Ihre Marke. Wenn ein CEO Claude nach vertrauenswürdigen IT-Partnern für nLPD-konforme Workflows fragt, erscheint Ihre Marke.
 

Ein niedriger SoM bedeutet, dass sich die Antwort ohne Sie bildet. Es gibt keinen Traffic-Peak, den man analysieren kann, keinen Conversion-Fehler zu debuggen, keinen Lead im CRM nachzuverfolgen. Die Marke verschwindet schleichend aus der Betrachtung von Menschen, die ihren Namen nie in eine Suchmaschine eingegeben hätten.
 

Wenn SoM die relevante Kennzahl ist, stellt sich als nächstes die Frage, was ihn tatsächlich beeinflusst. Die Ahrefs-Studien zu KI-Zitationsmustern, die über das Jahr 2025 hinweg veröffentlicht wurden, liefern hierfür bislang das klarste Bild.
 

Markenerwähnungen in glaubwürdigen Drittquellen sind etwa dreimal so stark prädiktiv für KI-Zitationen wie Backlinks. Auch Ankertexte und das volumenbezogene Markensuchinteresse spielen eine Rolle – deutlich mehr, als viele klassische SEO-Playbooks bislang annehmen. Backlinks, lange Zeit die zentrale Währung der Suchmaschinenoptimierung, rangieren eher am unteren Ende der Einflussfaktoren.
 

Eine Aktualisierung von Ahrefs im Dezember 2025 zeigt zudem einen Befund, der viele Teams überrascht: Erwähnungen auf bestimmten Plattformen außerhalb des klassischen digitalen Marketing-Kanons, darunter auch YouTube, gehören inzwischen zu den stärksten Treibern für KI-Sichtbarkeit insgesamt.
 

Zwei Schlussfolgerungen ergeben sich daraus. Erstens: Von glaubwürdigen Quellen erwähnt zu werden ist wichtiger, als von ihnen verlinkt zu werden. Zweitens: Der Kanal-Mix, der KI-Zitationen beeinflusst, unterscheidet sich deutlich von dem Mix, in den die meisten B2B-Marketingteams heute investieren. Welche Kanäle im Detail am wichtigsten sind – und in welcher Reihenfolge für eine bestimmte Marke oder Branche – ist genau der Punkt, an dem Strategie entsteht. Das lässt sich nicht auf eine Checkliste reduzieren.
 

Das alte Playbook wird neu geschrieben. Content-, PR-, Brand- und Earned-Media-Teams müssen auf andere Signale optimieren als jene, die über zwei Jahrzehnte Rankings bestimmt haben. Die nächste Analyse in dieser Reihe beleuchtet die Mechanik dahinter. Denn die Hebel, die SoM bewegen, sind nicht die Hebel, die die meisten Marketingteams heute bedienen.

Eine Umfrage von Conductor im Januar 2026 unter mehr als 250 leitenden Marketingverantwortlichen in großen Unternehmen quantifiziert, was viele CMOs bereits intuitiv wahrnehmen. 94 % planen, ihre Investitionen in AEO und GEO im Jahr 2026 zu erhöhen. 97 % berichten, dass die bereits laufenden Maßnahmen einen messbaren Geschäftseffekt erzielen. Im Jahr 2025 haben Unternehmen im Durchschnitt 12 % ihres digitalen Marketingbudgets für die Optimierung von KI-Suche eingesetzt.
 

Die Diskrepanz zeigt sich jedoch in denselben Daten. Die Investitionen steigen schnell, die Messframeworks jedoch nicht. Die meisten Organisationen können nicht sagen, wie hoch ihr Share of Model (SoM) auf einer bestimmten Plattform oder für eine bestimmte Frage in dieser Woche ist. Sie erhöhen ihre Ausgaben, ohne eine belastbare Ausgangsbasis zu haben.
 

Genau diese Lücke prägt derzeit die Realität der meisten Marketingteams.

Die eigentliche Herausforderung beim Share of Model (SoM) ist sehr praktisch. Es gibt kein natives Dashboard in ChatGPT, Perplexity, Claude oder anderen KI-Systemen, das anzeigt, ob eine Marke zitiert wird. Es gibt kein Äquivalent zur Google Search Console für KI-Antworten. Marketingteams können nicht einfach einen Tab öffnen und nachsehen.
 

Jeder manuelle Ansatz stößt schnell an seine Grenzen. Einige wenige Prompts an einem Dienstagnachmittag sind keine Messung, sondern Anekdote. Dieselbe Marke kann in einer Antwort erscheinen und in der nächsten fehlen – abhängig von Formulierung, Aktualität und Gesprächskontext. Ohne systematische, wiederholte Abfragen über mehrere Engines hinweg sind die resultierenden Zahlen nicht belastbar. Reporting, das gegenüber dem Management bestand haben soll, erfordert eine kontinuierliche und strukturierte Messung, die kein Team manuell leisten kann.
 

ELCA hat dafür den AI Agent Automation Orchestrator entwickelt. Er wird individuell auf Marken, Branchen und Zielgruppen eines Kunden konfiguriert und misst den SoM kontinuierlich. Die Ergebnisse werden in der jeweils benötigten Form bereitgestellt: als Reports, Dashboards, Alerts oder direkt integriert in bestehende Analytics-Stacks. Die Ergebnisse gehören dem Kunden und fließen in die Tools ein, die seine Teams bereits nutzen.
 

Die Messung von SoM ist eine der agentengestützten Aufgaben, die der Orchestrator übernimmt. Eine weitere Aufgabe mit ähnlicher Struktur ist das mehrstufige Lead-Nurturing: Agenten segmentieren das CRM, wählen passende Inhalte für jedes Segment aus, timen die Ausspielung anhand aktueller Kauf- oder Intent-Signale, beobachten die Reaktionen und entscheiden, ob ein Lead weiterentwickelt, pausiert oder an den Vertrieb übergeben wird. Eine Form von kontinuierlicher Nachverfolgung, die die meisten B2B-Marketingteams zwar für notwendig halten, aber selten sauber implementieren können.

Die Teams, die im Bereich KI-Suche tatsächlich an Bedeutung gewinnen, sind selten diejenigen mit den teuersten Tools. Es sind vielmehr jene, die den Share of Model (SoM) früh als Frage des Operating Models verstanden haben. Drei Fragen sollten Sie Ihrem Führungsteam in den nächsten 30 Tagen stellen.
 

1. Haben wir heute eine SoM-Baseline? Wenn nicht, ist das die erste Aufgabe. Investitionen ohne Messung sind Bewegung, aber kein Fortschritt.
2. Wenn der Wert niedrig ist – wissen wir warum? SoM-Scores hängen von Signalen aus Content, PR, Brand und Earned Media ab. Zu verstehen, welcher Hebel nicht funktioniert, entscheidet darüber, ob ein Korrekturprogramm sechs oder zwölf Monate dauert.
3. Wer ist dafür verantwortlich? SoM durchzieht Content, PR, SEO, Marke und Operations. Wenn niemand die Orchestrierung übernimmt, bleibt das Dashboard unbeachtet.
    

Die Einführung von Share of Model ist keine Tool-Entscheidung. Es ist eine Messentscheidung, eine Organisationsentscheidung und eine Entscheidung über das Betriebsmodell – in genau dieser Reihenfolge.