Welche Spalten sollte ein AI-Share-of-Voice-Tracker enthalten?

Ein belastbarer AI-SoV-Tracker braucht neun Spalten: Prompt-Text, Engine-Name, Durchlaufdatum, Marke erwähnt (J/N), Position in der Antwort (als Erstes genannt / sekundär / nicht erwähnt), Sentiment (positiv / neutral / negativ), Wettbewerber-Erwähnungen (kommagetrennte Markennamen), zitierte URL (der vom Modell angegebene Quell-Link) und Notizen für Halluzinationen oder ungewöhnliches Antwortverhalten. Diese neun Spalten erfassen alle Daten, die du brauchst, um den SoV zu berechnen, das Sentiment zu prüfen und Zitierungslücken zu erkennen – ohne das Sheet aufzublähen.

Was ist die Share-of-Voice-Formel für die KI-Suche?

AI SoV = (Anzahl eigener Markenerwähnungen) / (Gesamterwähnungen im definierten Wettbewerbsset, inklusive eigener Marke) x 100. Beispiel: Du hast 100 Prompts ausgeführt, deine Marke erschien in 28, Wettbewerber A in 41 und Wettbewerber B in 19 Antworten. Dein SoV beträgt 28 / (28 + 41 + 19) = 31,1 %. Der Nenner muss immer die eigenen Erwähnungen einschließen, nicht nur die der Konkurrenz.

Wie viele Durchläufe pro Prompt brauche ich für ein verlässliches Ergebnis?

Führe jeden Prompt mindestens fünf Mal pro Engine aus, bevor du eine Schlussfolgerung ziehst. Answer Engines sind probabilistisch: Eine einzelne Antwort ist nur eine Stichprobe aus einer Verteilung. Fünf Durchläufe liefern eine stabile Citation Rate für diesen Prompt. Verwende 10 Durchläufe für Prompts mit hoher Entropie (offen formuliert, meinungslastig oder mit geringem Konsens) und führe sie wöchentlich oder vierzehntägig erneut aus, um Drift zu verfolgen.

Soll ich dieselben Prompts jede Woche tracken?

Ja, mit regelmäßiger Bereinigung. Konsistente Prompts ermöglichen es dir, Drift im Zeitverlauf zu erkennen. Sortiere einen Prompt aus, wenn er nicht mehr widerspiegelt, wie echte Käufer die Frage formulieren würden, wenn dein SoV auf diesem Prompt mehrere Wochen lang nahezu 100 % beträgt oder wenn er einen anderen Prompt im Set dupliziert. Investiere diese Durchlauf-Credits in Prompts, bei denen die Antwort noch umkämpft ist.

Welche KI-Engines sollte ich im Tracker berücksichtigen?

Beginne mit ChatGPT, Perplexity, Google AI Overviews, Gemini und Microsoft Copilot. Diese fünf decken den Großteil KI-gestützter Recherche- und Kaufprozesse ab. Füge Google AI Mode und Meta AI hinzu, sobald die ersten fünf reibungslos laufen. Tracke jede Engine als separate Zeile für denselben Prompt, damit du den SoV je Engine siehst und die Divergenz erkennst, die Multi-Engine-Tracking notwendig macht.

Kann ich diesen Tracker automatisieren statt ihn manuell zu pflegen?

Manuelles Tracking funktioniert für 20 bis 50 Prompts über zwei oder drei Engines. Darüber hinaus übernehmen dedizierte Plattformen die Prompt-Ausführung, Durchlauf-Mittelwertbildung und SoV-Berechnung automatisch. Peec AI, Otterly.AI, Profound und Temso führen Prompts nach Zeitplan aus, exportieren Rohantworten und liefern SoV-Dashboards. Das Spreadsheet-Template ist der richtige Einstieg, um die Methodik zu verstehen; Automatisierung ist der nächste Schritt, sobald dein Prompt-Set wächst.

Das Share-of-Voice-Tracker-Template: Eine Tabellenkalkulation zur Messung deiner KI-Markenerwähnungen im Vergleich zu Wettbewerbern über 5 Engines

Zuletzt aktualisiert Juli 2026

Zu wissen, ob ChatGPT deine Marke erwähnt, ist ein Anfang. Zu wissen, dass deine Marke in 28 % der kategoriebezogenen Prompts erscheint, während dein stärkster Wettbewerber in 41 % auftaucht, ist eine Zahl, mit der du handeln kannst. Diese Lücke macht ein AI-Share-of-Voice-Tracker sichtbar.

Das Problem: Die meisten Teams überspringen den Tracker ganz oder bauen einen, der unter Nachfragen zusammenbricht. Die Spaltenauswahl sieht gut aus, bis jemand fragt, warum die Zahlen von Woche zu Woche springen. Die Antwort ist fast immer dieselbe: ein einziger Durchlauf pro Prompt, keine Mittelwertbildung und eine Formel, die rohe Erwähnungen zählt statt ein definiertes Wettbewerbsset zu verwenden.

Dieser Beitrag gibt dir das vollständige Spalten-Schema, die korrekte SoV-Formel, ein durchgerechnetes Beispiel mit drei Wettbewerbern und die Durchlauf-Mittelwertbildung, die deine Zahlen belastbar macht.

Das 9-Spalten-Schema

Kopiere diese Struktur in eine beliebige Tabellenkalkulation. Jede Zeile steht für einen Prompt-Durchlauf auf einer Engine an einem bestimmten Datum.

#	Spaltenname	Was du erfasst	Beispielwert
1	Prompt	Der genaue Fragetext, wörtlich	„Was ist das beste AI-Visibility-Tool für B2B-SaaS?“
2	Engine	Die abgefragte KI-Plattform	ChatGPT
3	Durchlaufdatum	ISO-Datum (JJJJ-MM-TT)	2026-07-16
4	Marke erwähnt (J/N)	Wurde deine Marke in der Antwort genannt?	J
5	Position	Wo deine Marke erschien: Als Erstes genannt / Sekundär / Nicht erwähnt	Sekundär
6	Sentiment	Wie deine Marke beschrieben wurde: Positiv / Neutral / Negativ	Positiv
7	Wettbewerber-Erwähnungen	Kommagetrennte Liste der in derselben Antwort genannten Konkurrenz-Marken	Profound, Otterly.AI
8	Zitierte URL	Die vom Modell verlinkte oder zitierte Quell-URL, falls vorhanden	https://yoursite.com/category-page
9	Notizen	Halluzinationen, falsche Preisangaben, veraltete Aussagen oder ungewöhnlich lange oder kurze Antworten markieren	Halluzination: falsche Preisangabe

Ein paar Hinweise zu den Feldern:

Position ist wichtig, weil Marken, die als Erste genannt werden, eine überproportional starke Wirkung auf die Erinnerung der Leserinnen haben. Tracke das separat vom J/N-Flag.
Wettbewerber-Erwähnungen sollten den exakten Markennamen verwenden, so wie er in der Antwort erscheint, nicht dein internes Kürzel. Nur so funktionieren COUNTIF-Formeln zuverlässig.
Zitierte URL ist bei konversationellen Engines oft leer und bei retrieval-augmentierten Engines (Perplexity, Google AI Overviews) häufig befüllt. Trag sie ein, wenn sie erscheint.
Notizen ist die Spalte, die Analysten überspringen und später bereuen. Eine Notiz wie „ChatGPT hat unseren Preis mit 99 $/Monat angegeben; korrekt sind 29 $/Monat” ist genau die Art von Genauigkeitslücke, die getrackt und behoben werden muss.

Die SoV-Formel

AI Share of Voice = (eigene Markenerwähnungen / Gesamterwähnungen im Wettbewerbsset) x 100

Der Nenner umfasst deine Marke plus jeden Wettbewerber in deinem definierten Set. Er verwendet nicht die Gesamtzahl der ausgeführten Prompts. Er zählt, wie oft eine Marke aus deinem Wettbewerbsuniversum überhaupt erwähnt wurde, und misst dann deinen Anteil an dieser Gesamtzahl.

SoV = (EigeneErwähnungen / (EigeneErwähnungen + WettbewerberA + WettbewerberB + ... + WettbewerberN)) × 100

Das ist die Formel, die dedizierte Plattformen wie Peec AI, Profound und Otterly.AI verwenden. Wenn du deinen eigenen Tracker damit baust, bleiben deine Zahlen mit denen dieser Plattformen vergleichbar.

Durchgerechnetes Beispiel: 3-Wettbewerber-Set

Du führst 100 Prompts über fünf Engines aus (20 pro Engine). Nach der Mittelwertbildung aus fünf Durchläufen pro Prompt (also 500 Rohdurchläufe pro Engine, aber 100 gemittelte Ergebnisse) ergibt sich folgende Auszählung:

Marke	Erwähnungen über 100 gemittelte Prompts	SoV
Deine Marke	28	31,1 %
Wettbewerber A	41	45,6 %
Wettbewerber B	19	21,1 %
Wettbewerber C	2	2,2 %
Gesamt	90	100 %

10 der 100 Prompts lieferten überhaupt keine Markenerwähnung. Diese 10 Prompts sind nicht im Nenner enthalten. Dein SoV beträgt 28 / 90, nicht 28 / 100.

Das ist relevant. Wenn ein Kategorie-Prompt wie „Wie verbessere ich meine Suchsichtbarkeit?” eine generische Antwort ohne Markennamen liefert, würde das Einbeziehen dieses Prompts in den Nenner den SoV aller Beteiligten künstlich drücken. Schließe Prompts ohne Erwähnungen aus der SoV-Berechnung aus, behalte sie aber im Sheet. Ein steigender Anteil von „Keine Erwähnung”-Prompts für deine Kategorie ist selbst ein Signal.

Die Methode zur Durchlauf-Mittelwertbildung

Answer Engines sind probabilistisch. Stelle ChatGPT dieselbe Frage fünf Mal, und du erhältst möglicherweise fünf verschiedene Markenerwähnungen. Ein einzelner Durchlauf ist ein Datenpunkt. Fünf Durchläufe sind eine Messung.

Der praktische Arbeitsablauf:

Führe jeden Prompt fünf Mal in einer einzigen Session aus (gleicher Tag, gleiche Engine, gleicher Account-Zustand).
Trage jeden Durchlauf als separate Zeile im Sheet ein.
Berechne die Citation Rate für diesen Prompt: Erwähnungen über fünf Durchläufe geteilt durch fünf. Eine Marke, die in drei von fünf Durchläufen erscheint, hat eine Citation Rate von 60 % für diesen Prompt.
Verwende die Prompt-bezogenen Citation Rates, nicht die Rohzahlen, wenn du den wöchentlichen SoV berechnest.
Verfolge die Citation Rate im Zeitverlauf. Ein Prompt, der sich über vier Wochen von 40 % auf 70 % bewegt, ist die Art von Drift, die eine Untersuchung rechtfertigt: Entweder wurde das Training des Modells aktualisiert, ein neuer Content-Beitrag hat eine Zitierung erhalten oder ein Wettbewerber hat Boden verloren.

Die Methodennotiz, die deine Zahlen belastbar macht: Gib bei jeder SoV-Meldung die Durchlauf-Anzahl und den Datumszeitraum an. „Unser AI-SoV für das Kategorie-Prompt-Set betrug 31,1 % (5 Durchläufe je Prompt, 100 Prompts, Woche vom 14. Juli 2026, ChatGPT + Perplexity + Google AI Overviews + Gemini + Microsoft Copilot)” ist eine Zahl, die ein Stakeholder hinterfragen kann. „Unser AI-SoV beträgt 31 %” ist es nicht.

Wie du dein Prompt-Set strukturierst

Das Tracker-Schema übernimmt die Erfassung. Das Prompt-Set bestimmt, was du misst.

Strebe 30 bis 100 Prompts pro Messzyklus an. Weniger als 30 liefert eine verrauschte SoV-Zahl, die bei einzelnen Prompt-Änderungen zu stark schwankt. Mehr als 100 ist manuell schwer zu pflegen (und die richtige Antwort bei diesem Umfang ist Automatisierung).

Organisiere Prompts in Intent-Cluster:

Kategoriebewertung („Was ist das beste Tool für X”): erfasst die Entdeckung im oberen Funnel.
Feature-Vergleich („Welches Tool macht X besser”): erfasst die Abwägung im mittleren Funnel.
Preis oder Einwand („Lohnt sich X”): erfasst die Kaufentscheidung im unteren Funnel.
Problem-first („Wie behebe ich X”): erfasst Prompts, die deine Kategorie nicht benennen, in denen du aber dennoch erwähnt werden möchtest.

Tracke den SoV jedes Clusters separat. Eine Marke, die Kategoriebewertungs-Prompts dominiert, aber bei Problem-first-Prompts verschwindet, hat eine konkrete Lücke zu schließen: Content, der das Problem so beantwortet, dass er zu einer Kategorieempfehlung führt.

Per-Engine-SoV: Warum das wichtig ist

Führe jeden Prompt gegen jede Engine aus, die du trackst. Berechne den SoV je Engine, nicht nur aggregiert.

Forschungsergebnisse von Profound (Juli 2025) zeigen, dass nur etwa 11 % der Domains sowohl von ChatGPT als auch von Perplexity zitiert werden, basierend auf der Analyse von 100.000 Prompts über beide Plattformen. Die Engines schöpfen weitgehend aus unterschiedlichen Quellen. Dein aggregierter SoV kann gut aussehen, während du auf einer Engine unsichtbar bist, die deine Käufer am häufigsten nutzen.

Die Per-Engine-Spalte in deinem Tracker macht diese Aufspaltung sichtbar. Wenn dein SoV bei ChatGPT 40 % beträgt, bei Google AI Overviews aber nur 8 %, handelt es sich um zwei unterschiedliche Probleme, die zwei unterschiedliche Lösungen erfordern.

Tracker-Pflege: eine kurze Checkliste

Konsequentes Tracking ist wertvoller als ein perfekter Tracker, den du aufgibst. Halte es einfach:

Führe Prompts an einem festen Wochentag aus (oder vierzehntägig). Dienstagvormittag funktioniert gut, weil so Rauschen durch Modell-Updates am Wochenende vermieden wird.
Archiviere alte Durchläufe, lösche sie nicht. Historische Daten sind die Voraussetzung für Trendlinien.
Sortiere Prompts aus, die nicht mehr widerspiegeln, wie Käufer die Frage formulieren. Füge Ersatz-Prompts hinzu, wenn du neue Formulierungen in Verkaufsgesprächen oder Support-Tickets entdeckst.
Markiere jede Woche, in der du die Prompt-Formulierung geändert hast. Schon kleine Anpassungen (ein Fragezeichen hinzufügen, den Tempus ändern) können die Citation Rate verschieben und deine Trendlinie unterbrechen.
Überprüfe die Notizen-Spalte monatlich. Muster bei Halluzinationen (falscher Preis, falsches Feature-Set, falsche Unternehmensgröße) zeigen an, welche Quellinhalte aktualisiert werden müssen.

Wann du stattdessen ein dediziertes Tool verwenden solltest

Das Spreadsheet-Template ist der richtige Einstieg. Es zwingt dich, die Methodik zu verstehen, bevor du sie an Software übergibst.

Sobald dein Prompt-Set über 50 bis 100 Prompts hinauswächst oder du mehr als drei Engines trackst, wird manuelles Tracking zum Engpass. Dann zeigen spezialisierte Plattformen ihren Wert.

Peec AI führt Prompts täglich über 9+ Engines aus, darunter DeepSeek und Grok, exportiert Rohantwort-Daten und liefert Per-Engine-SoV ohne manuelle COUNTIF-Formeln. Agenturen schätzen es, weil alle Pläne unbegrenzte Nutzer-Seats beinhalten.

Otterly.AI bietet strukturierte GEO-Audit-Anleitung neben Prompt-bezogenem Citation Tracking über sechs Plattformen. Der Standard-Plan beginnt bei 189 $/Monat und enthält Wettbewerbs-SoV-Benchmarking, das beim Lite-Tarif fehlt.

Profound ist die Spezialistenwahl für Teams, die die tiefste Citation Intelligence benötigen. Der Datensatz mit 680 Millionen Zitierungen und das Prompt-Volumes-Feature, das anzeigt, welche Fragen echte Nutzer KI-Engines stellen, gehen weit über das hinaus, was eine Tabelle leisten kann. Der Einstieg in ein vollwertiges Programm liegt bei 399 $/Monat.

Temso ist die All-in-one-Option für Teams, die Monitoring und Aktionsplan in einem Produkt wollen. Es trackt Share of Voice, Markenerwähnungen, Zitierungen und Sentiment über acht KI-Engines ab 89 $/Monat und wandelt Sichtbarkeitslücken in eine priorisierte Aufgabenliste im selben Abonnement um.

Semrush hat 2025 AI-Overviews-Tracking in seine Plattform integriert. Ein vernünftiger Ausgangspunkt für Teams, die bereits im Semrush-Ökosystem arbeiten, obwohl sein AI-Tracking enger ist als das dedizierter AEO-Plattformen.

Die vollständige Rangliste der AI-Visibility-Tools vergleicht alle wichtigen Optionen mit Preisen und Engine-Abdeckung auf einen Blick.

Die Methodennotiz

Jede SoV-Zahl, die du kommunizierst, sollte drei Metadaten enthalten: die Durchlauf-Anzahl pro Prompt, die Prompt-Set-Größe und die Engine-Liste. Ohne diese Angaben können Stakeholder nicht beurteilen, ob es sich um eine Momentaufnahme aus wenigen Durchläufen auf einer Engine handelt oder um einen stabilen Mittelwert aus einem rigorosen Messprogramm.

Die Formel und das Schema in diesem Beitrag entsprechen der Methodik der großen AI-Visibility-Plattformen. Wenn du von dieser Tabelle zu einem dedizierten Tool wechselst, bleiben deine historischen Daten interpretierbar und deine SoV-Zahlen über beide Ansätze hinweg vergleichbar.

Die vollständige Messmethodik, nach der Tools auf dieser Website bewertet werden, findest du unter /methodology. Begriffsdefinitionen findest du unter /glossary.

Beginne mit den neun Spalten, führe jeden Prompt fünf Mal aus, wende die Formel an und füge die Methodennotiz zu jedem Bericht hinzu. Das ist das vollständige Fundament für ein belastbares AI-Share-of-Voice-Programm.

Wenn du die Messung von Anfang an automatisiert über acht Engines haben möchtest, führt Temsos 89 $/Monat-Plan die Prompts aus, bildet den Mittelwert der Durchläufe und liefert das SoV-Dashboard, ohne dass eine Tabellenkalkulation nötig ist. Peec AI und Otterly.AI sind starke Alternativen, wenn Agentur-Multi-Seat-Zugang oder strukturierte GEO-Audit-Anleitung wichtiger ist als All-in-one-Ausführung.