
Das Wichtigste vorweg.
- Von KI empfohlen werden heißt: Eine Engine macht dich in ihrer Antwort auf eine Kundenfrage zur Wahl. Diesen Platz gewinnst du einem benannten Wettbewerber ab, Frage für Frage und Engine für Engine, nicht „der KI“ im Allgemeinen.
- Beginne bei den Fragen, bei denen ChatGPT, Perplexity, Gemini, Claude oder Google AI Overviews schon einen Wettbewerber empfehlen. Lies in der gespeicherten Antwort den Grund und die Quelle dahinter, und schließ zuerst die eine Lücke, die auf den meisten Engines verliert.
- Zähl den Wechsel erst, wenn FameScan bei deiner Empfehlungsrate das Urteil „Echte Veränderung“ zeigt, nicht „Im Rauschen“ oder „Zu wenige Antworten“. Das Urteil prüft den gewählten Zeitraum gegen den davor, und jede Rate zeigt ihr 95-%-Intervall.
Von KI empfohlen werden heißt: Die Seiten, die ChatGPT, Perplexity, Gemini, Claude oder Google AI Overviews zur Frage deines Kunden lesen, müssen dich nennen und einen Grund liefern, dich zu wählen. Fang bei den Fragen an, bei denen sie heute einen benannten Wettbewerber wählen: Lies dort den Grund und schließ zuerst diese eine Lücke. Den Wechsel zählst du erst, wenn sich deine Empfehlungsrate über die normale Schwankung hinaus bewegt, nicht wenn eine Antwort kippt.
FameScan misst, wie deine Marke und deine benannten Wettbewerber in KI-Antworten auf die Fragen deiner Kunden erscheinen, in ChatGPT, Perplexity, Gemini, Claude und Google AI Overviews: Es speichert jede Antwort mit ihren Quellen, trennt Nennung, Zitation und Empfehlung und ordnet im Action Center den nächsten Schritt. Die Angaben zu den Engines stammen von deren offiziellen Seiten, geöffnet am 14. November 2026.
Wie kannst du von KI empfohlen werden?
Damit ChatGPT oder eine andere KI dein Unternehmen empfiehlt, müssen die Seiten, die sie liest, dich als Antwort auf genau die Frage deines Kunden nennen und einen Grund liefern. Fang bei den Fragen an, bei denen sie heute jemand anderen empfiehlt. Eine KI-Empfehlung ist der Platz, den eine Engine in ihrer Antwort auf eine Kundenfrage einer oder wenigen Marken gibt; du gewinnst ihn einem benannten Wettbewerber ab, Frage für Frage und Engine für Engine.
Fast jeder Ratgeber zu „bei ChatGPT empfohlen werden“ antwortet mit derselben Liste: Bewertungen sammeln, einheitliche Firmendaten, Google-Unternehmensprofil pflegen, strukturierte Daten, Erwähnungen auf starken Seiten. Das hilft. Aber die Liste behandelt die Empfehlung wie eine Prüfung, die du allein ablegst. In Wahrheit ist es ein Wettbewerb: Ein bestimmter Rivale hat den Platz bei bestimmten Fragen. Welcher Punkt der Liste bei welcher Frage zählt, sagt dir keine Liste. Die Antwort, die den Wettbewerber empfiehlt, sagt es dir.
Die Arbeit hat deshalb vier Schritte:
- Finden: die Kundenfragen, bei denen ein benannter Wettbewerber die Empfehlung bekommt und du fehlst oder nur genannt wirst.
- Lesen: warum. Welche Bedingung der Frage erfüllt er, mit welchem Satz begründet die Antwort das, welche Quelle steht dahinter?
- Schließen: die eine Lücke mit den meisten verlorenen Engines und dem größten Wert für deine Käufer.
- Prüfen: dieselben Fragen erneut stellen und den Wechsel erst zählen, wenn er größer ist als die Schwankung.
Ist es riskant, die Konkurrenz in KI-Antworten zu ignorieren?
Ja, wenn das Muster echt ist. Empfehlen die meisten Engines bei einer Frage, die deine Kunden kurz vor der Entscheidung stellen, denselben Wettbewerber, dann ist sein Name die Antwort, die diese Kunden bekommen. Auf deiner eigenen Website deutet nichts darauf hin. Du siehst es nur, wenn du die Antworten liest.
Das umgekehrte Risiko ist genauso real: Ein Screenshot einer Antwort ist ein Schnappschuss. Antworten schwanken von Lauf zu Lauf, ein Wettbewerber, der heute einmal empfohlen wurde, kann morgen fehlen. Wer wegen einer Antwort Seiten umschreibt, arbeitet am Rauschen. Lies das Risiko an einem Muster über Fragen, Engines und Wochen ab, und handle danach.
Kein Tool und keine Taktik kann garantieren, dass eine Engine zu dir wechselt. Was du in der Hand hast: ob die Seiten, die sie liest, ihr einen Grund dafür geben.
Finde die Fragen, die du an einen Wettbewerber verlierst
Deine erste Aufgabe ist eine kurze Liste: die Kundenfragen, bei denen ein benannter Wettbewerber die Empfehlung bekommt. Zwei Arten von Verlust gehören darauf, und sie verlangen verschiedene Arbeit.
- Du fehlst: Der Wettbewerber wird genannt, du nie. Die Seiten, die die Engine liest, verbinden dich gar nicht mit der Frage.
- Genannt, aber nicht gewählt: Du stehst in der Antwort, die Empfehlung geht an ihn. Die Antwort hat einen Grund, ihn vorzuziehen, und meist steht dieser Grund im Text.
Stell die Fragen ohne deinen Markennamen, so wie Kunden sie stellen, und in jeder Engine dieselben. Stell jede mindestens dreimal pro Engine, an verschiedenen Tagen, und setz einen Wettbewerber erst auf die Liste, wenn er in den meisten dieser Läufe die Wahl ist. Frag ausgeloggt oder in einem neuen Chat mit ausgeschalteten Erinnerungen, so wie ein neuer Kunde fragt. Fragen mit deinem Namen enthalten dich schon und sagen nichts über die Empfehlung im offenen Vergleich. Wie du ein Fragenset baust, das echte Käufer abbildet, steht im Artikel zum Prompt Tracking. Notier pro Antwort drei Dinge: wer genannt wird, wer die Empfehlung bekommt und welche Seite die Antwort dafür zitiert.
Prüf auch die Liste der Wettbewerber. Der Rivale, der dir die Empfehlung abnimmt, ist oft nicht der, den dein Vertrieb nennt. FameScan schlägt unter Wettbewerber, Marken-Vorschläge, Marken vor, die in mindestens zwei gespeicherten Antworten vorkommen und die du noch nicht beobachtest. Mit einem Klick übernimmst du sie als Wettbewerber.
Die Liste der verlorenen Fragen musst du nicht von Hand führen. Das Action Center meldet „Wettbewerber besitzen 3 deiner Fragen“, wenn bei einer Frage über mindestens zwei Antworten Wettbewerber genannt werden und du nie; jede Belegzeile nennt die Frage und an wen sie geht. Wirst du in mindestens drei Antworten genannt, aber in weniger als 40 Prozent davon aktiv empfohlen, erscheint „Oft genannt, selten empfohlen“, mit Belegzeilen wie „KI empfahl stattdessen“ und dem Namen des Wettbewerbers. Jede Zeile öffnet die gespeicherten Antworten dahinter.
Genannt, zitiert, empfohlen: Was hat der Wettbewerber gewonnen?
Eine Nennung ist keine Zitation, und eine Zitation ist keine Empfehlung. Es sind drei verschiedene Erfolge, und wer sie mischt, sieht das eigentliche Problem nicht mehr. Frag deshalb zuerst, welchen der drei der Wettbewerber gewonnen hat.
| Erfolg | In der Antwort | Messgröße in FameScan |
|---|---|---|
| Nennung | Der Name steht im Text | Sichtbarkeit |
| Zitation | Eine Seite der Marke ist als Quelle verlinkt | Zitationsrate |
| Empfehlung | Die Antwort rät, diese Marke zu wählen | Empfehlungsrate |
Daraus folgt die Arbeit. Wird der Wettbewerber zitiert und du nicht, geht es um Quellen; welche Quelle du zuerst angehst, erklärt der Artikel zum AI Citation Tracking. Werdet ihr beide genannt und nur er wird empfohlen, geht es um den Grund: die Tatsache, den Vergleich, die Bewertung, die die Engine wählen lässt. Um diesen dritten Erfolg geht es hier.
Sichtbarkeit und Zitationsrate zählen dieselben Antworten auf Fragen ohne Markennamen: die, die dich nennen, und die, die deine Domain zitieren. Die Empfehlungsrate in FameScan zählt nur Antworten auf Fragen ohne Markennamen, die dich nennen und die FameScan beurteilen konnte: In welchem Anteil davon macht die Engine dich aktiv zur Wahl, statt dich nur aufzuzählen? Sie trägt wie Sichtbarkeit und Zitationsrate ein 95-%-Intervall und ein Urteil. Den Share of Voice gegen deine Wettbewerber zeigt FameScan beschreibend daneben; wie er gerechnet wird, steht im Artikel zum AI Share of Voice.
Warum empfiehlt ChatGPT deinen Wettbewerber statt dich?
Meist, weil die Seiten, die ChatGPT zu dieser Frage gelesen hat, sie mit dem Namen deines Wettbewerbers und einem Grund beantworten, und mit deinem nicht. Für Perplexity, Claude und Google AI Overviews gilt dasselbe, denn auch sie antworten aus Seiten, die sie finden. Zeigt die Antwort keine Quellen, gibt es keine zitierte Seite, an der du ansetzen kannst; die Wahl zeigt, welche Marken die Engine schon mit der Frage verbindet. Die gespeicherte Antwort zeigt, welcher Fall es ist.
Lies eine Antwort in drei Durchgängen:
- Die Bedingung: Welchen Teil der Frage bedient die Empfehlung? Einen Anwendungsfall, eine Teamgröße, eine Preisgrenze, einen Ort, eine Schnittstelle.
- Der Grund: Mit welchen Worten begründet die Antwort die Wahl? Diese Begründung ist die Tatsache, die dir fehlt oder die du nirgends klar sagst.
- Die Quelle: Welche zitierte Seite trägt diesen Grund? Die Seite des Wettbewerbers, eine Vergleichs- oder Bestenliste, ein Bewertungsprofil, ein Forenthread.
Wo die Engine liest, bevor sie empfiehlt, unterscheidet sich. Die Tabelle fasst zusammen, was die Anbieter selbst sagen, Stand 14. November 2026.
| Engine | Was sie liest |
|---|---|
| ChatGPT | Durchsucht für seine Suchantworten das Web. Laut OpenAI erscheinen Seiten, die OAI-SearchBot aussperren, nicht in den Suchantworten von ChatGPT, außer als reine Navigationslinks. |
| Perplexity | Durchsucht das Internet; jede Antwort hat nummerierte Quellenangaben mit Links zu den Originalquellen. |
| Claude | Nutzt ein Suchwerkzeug im Live-Web, wenn es hilft; seine Suchantworten enthalten Quellenangaben. |
| Google AI Overviews | Zeigt Seiten, die indexiert sind und mit Snippet erscheinen dürfen, ohne zusätzliche Anforderungen; kann für eine Antwort mehrere verwandte Suchen ausführen. |
In FameScan antwortet Gemini aus dem, was es schon weiß, ohne Live-Suche. Lies seine Wahl deshalb neben den anderen: Sie zeigt, welche Marken Gemini schon mit der Frage verbindet; die Arbeit an Quellen machst du über die vier suchenden Engines. Bevor du dort Inhalte änderst, prüf, ob die Crawler deine Seite überhaupt lesen dürfen; wie das bei ChatGPT geht, steht im Artikel zur ChatGPT-Sichtbarkeit.
Welche Lücke schließt du zuerst?
Schließ zuerst die Lücke, bei der ein Wettbewerber auf den meisten Engines die Empfehlung bekommt, bei einer Frage nah am Kauf, mit einem Grund, den du wahrheitsgemäß erfüllen kannst. Diese vier Prüfungen sortieren deine Liste:
- Engines: Auf wie vielen der fünf ist der Wettbewerber die Wahl? Drei von fünf schlagen eine von fünf.
- Nähe zum Kauf: „Beste Software für …“ oder „X oder Y für …“ liegt näher an der Entscheidung als „Was ist …“. Das beurteilst du, am besten mit deinem Vertrieb.
- Ein Grund, den du hast: Begründet die Antwort die Wahl mit einer Tatsache, die auch auf dich zutrifft, kannst du sie schließen. Hat der Wettbewerber wirklich etwas, das dir fehlt, ist das eine Produktfrage, keine Content-Aufgabe; nimm die nächste Frage.
- Quellen in der Antwort: Eine Wahl, hinter der zitierte Seiten stehen, kann sich bewegen, wenn sich diese Seiten ändern. Eine Wahl in einer Antwort ohne Quellen, wie hier bei Gemini, beruht auf dem, was die Engine schon weiß; nimm zuerst die Frage mit Quellen.
Bei Gleichstand nimm die Frage, bei der du schon genannt wirst. Die Engine hat dich dort bereits auf der Liste; es fehlt der Grund, nicht die Bekanntheit. Die Tabelle ordnet die häufigsten Gründe ihrer Arbeit zu.
| Was die Antwort zeigt | Deine Arbeit |
|---|---|
| Sie wiederholt die Tatsache des Wettbewerbers und zitiert seine Seite | Die Tatsache klar auf deine Seite für diesen Fall schreiben Produktmarketing |
| Unter den Quellen steht eine fremde Bestenliste | Der Redaktion die Fakten schicken, nach denen sie vergleicht PR oder Content |
| Capterra, G2 oder dein Google-Profil wird zitiert | Eintrag ergänzen, um Bewertungen bitten Kundenbetreuung |
| Du fehlst in den suchenden Engines, deine Domain wird nie zitiert | Crawler-Zugriff und Text ohne JavaScript prüfen Web-Team |
| Die Antwort nennt einen alten Preis oder eine alte Funktion von dir | Die zitierte Quelle korrigieren lassen Betreiber der Quelle |
Schreib die Tatsache so, wie der Begründungssatz der Antwort sie formuliert, in einem klaren Satz weit oben auf deiner Seite für diesen Fall. Ergänze das Detail, nach dem die Frage fragt: welche Kassen, welche Schnittstelle, bis zu welchem Preis.
Für die zweite und dritte Zeile hilft die Lücken-Analyse aus dem Artikel zum AI Citation Tracking; für die vierte prüft das AI-Readiness-Audit die robots.txt für jeden KI-Crawler und ob deine wichtigsten Seiten ihren Text ohne JavaScript zeigen. Welche Schritte auf der eigenen Website allgemein zuerst kommen, steht im Artikel zur Generative Engine Optimization.
Fiktives Beispiel: eine Frage, fünf KI-Systeme
Im Action Center steht „Oft genannt, selten empfohlen“. Eine Belegzeile nennt die Frage „Beste Terminsoftware für Physiotherapiepraxen“ mit „KI empfahl stattdessen Movara“. Slotfin öffnet die gespeicherten Antworten zu dieser Frage:
- ChatGPT empfiehlt Movara, „weil es direkt mit den Kassen abrechnet“, nennt Slotfin weiter unten und zitiert Movaras Funktionsseite und eine Capterra-Kategorieseite.
- Perplexity empfiehlt Movara mit derselben Begründung und zitiert eine Bestenliste in einem Praxis-Fachportal. Slotfin fehlt.
- Google AI Overviews empfiehlt Movara zuerst, wegen der Kassenabrechnung, und verlinkt dieselbe Bestenliste.
- Claude nennt Slotfin und Movara und empfiehlt Slotfin für die Online-Terminbuchung.
- Gemini nennt Movara und Pracsis, ohne Quellen.
Das Muster ist eindeutig: Movara ist auf drei von fünf Engines die Wahl, und alle drei begründen es mit derselben Tatsache. Slotfin rechnet ebenfalls mit den Kassen ab. Das steht aber nur in einem Hilfeartikel, nicht auf der Seite für Physiopraxen und nicht im Capterra-Eintrag. Die Bedingung ist also erfüllt, nur sagt es keine Seite, die die Engines lesen.
Slotfin entscheidet sich für diese Frage, nicht für die zwei anderen verlorenen: drei Engines, nah am Kauf, ein Grund, den Slotfin wahrheitsgemäß erfüllt. Das Produktmarketing schreibt einen klaren Absatz zur Kassenabrechnung auf die Physio-Seite, die Kundenbetreuung ergänzt den Capterra-Eintrag, und die Redaktion der Bestenliste bekommt die Fakten. Im Action Center klickt Slotfin beim Eintrag auf „Bearbeitung starten“.
Zwei Wochen später zeigt der Eintrag unter „Wirkung seit Start“ die Empfehlungsrate in den 14 Tagen davor und danach. Sie ist gestiegen, das Urteil lautet „im Rauschen“. Slotfin berichtet das als „Änderung live, noch kein belegter Wechsel“ und liest dieselben Fragen im nächsten Zeitraum erneut.
So siehst du den Wechsel in FameScan
In FameScan liegt jeder Schritt dieser Arbeit an einer festen Stelle, und jede Zahl lässt sich bis zu den gespeicherten Antworten zurückverfolgen:
- Wettbewerber: Share of Voice, Kategorie-Vergleich und „Wer auf welchem Modell gewinnt“ zeigen, gegen wen du wo verlierst. Ein Klick auf „Genannt in“ bei einem Wettbewerber zeigt die Prompts, die ihn erwähnen. Mehr dazu auf der Seite zum Wettbewerbsvergleich.
- Prompts: Die Spalte „Empfohlen“ zeigt pro Frage, wie oft du die Wahl bist. Klapp eine verlorene Frage auf und klick auf „Copilot fragen“: Der Copilot analysiert, wen die Engines stattdessen empfehlen und warum, welche Quellen sie zitieren, und entwirft einen kurzen Plan.
- Copilot: Frag „Vergleiche unsere Empfehlungsrate mit der von Movara in den letzten 30 Tagen, mit Intervallen“. Der Copilot antwortet aus denselben Daten, mit Diagrammen. Arbeitest du in Claude, liefert der MCP-Server denselben Wettbewerbsvergleich, und der vorbereitete Prompt „Win a prompt“ erklärt eine verlorene Frage.
- Übersicht: Die Kachel Empfehlungsrate zeigt Wert, 95-%-Intervall und Urteil für den gewählten Zeitraum gegen den gleich langen davor. Die Liste „Echte Veränderungen“ zeigt auch statistisch echte Bewegungen deiner beobachteten Wettbewerber.
- Alerts: Ein Alert meldet, wenn KI-Antworten deine Marke häufiger empfehlen, sobald deine Empfehlungsrate wirklich steigt.
- Wirkung: Setzt du „Oft genannt, selten empfohlen“ auf gestartet oder erledigt, vergleicht FameScan deine Empfehlungsrate in den 14 Tagen davor und danach. Ein Urteil gibt es nach mindestens 7 Tagen und 20 Antworten, die dich nennen; vorher steht dort „Noch zu früh“.
Deinen Wettbewerbsvergleich anlegen
Deine nächsten 10 Minuten: eine Lückenkarte
Nimm eine kaufnahe Kundenfrage, bei der du einen Wettbewerber vorn vermutest, stell sie ohne Markennamen, ausgeloggt oder ohne Erinnerungen, je dreimal in zwei Engines und füll für genau diese eine Frage eine Karte aus. Sie passt in eine Nachricht an dein Team:
Eine Karte, eine Frage, ein Wettbewerber. Stell dieselbe Frage zwei Wochen später gleich oft: Bist du jetzt in den meisten Läufen die Wahl, in denen es der Wettbewerber war, mit demselben Grund, hast du den ersten Hinweis. Belegt ist der Wechsel, wenn das Urteil zu deiner Empfehlungsrate „Echte Veränderung“ lautet.
So wie sie ist, ist die Karte auch dein Statusbericht für Chefin oder Kunden: die Frage, der Wettbewerber, die gespeicherten Antworten mit ihrem eigenen Grund, die Änderung mit ihrem Verantwortlichen und die Empfehlungsrate mit Intervall und Urteil. Jede Zeile führt zu einer Antwort zurück.
Häufig gefragt
Wie bringe ich ChatGPT dazu, mein Unternehmen zu empfehlen?
Beginne bei den Kundenfragen, bei denen ChatGPT schon jemand anderen empfiehlt. Lies diese Antworten: Welche Bedingung der Frage erfüllt der Wettbewerber, und welche Seite belegt das? Schreib genau diese Tatsache klar auf deine eigene Seite und sorg dafür, dass die zitierten Quellen sie kennen. Stell danach dieselben Fragen erneut. Eine einzelne Antwort kann zufällig kippen, bewerte den Wechsel deshalb an vielen Antworten.
Warum empfiehlt die KI meinen Wettbewerber und nicht mich?
Meist, weil die Seiten, die die Engine zu dieser Frage liest, sie mit seinem Namen und einem Grund beantworten und nicht mit deinem. Seine Seite nennt die gefragte Bedingung, eine Vergleichs- oder Bewertungsseite führt ihn auf, oder deiner Seite fehlt die Tatsache. Die gespeicherte Antwort und ihre Quellen zeigen, was davon zutrifft.
Kann ich dafür bezahlen, von KI empfohlen zu werden?
Bezahlte Anzeigen sind ein eigener Kanal neben der organischen Antwort: Berichte sie getrennt und zähle eine Anzeige nie als Empfehlung. Die organische Wahl kommt aus den Seiten, die die Engine liest, und aus dem, was sie schon weiß. Die Arbeit ist deshalb, dass diese Seiten dich für die Frage nennen und begründen.
Ist eine Nennung dasselbe wie eine Empfehlung?
Nein. Eine Nennung erwähnt dich, eine Zitation nutzt eine Seite als Quelle, eine Empfehlung macht dich zur Wahl. Du kannst in jeder Antwort genannt werden und die Empfehlung trotzdem an einen Wettbewerber verlieren. Miss die drei getrennt und für dieselben Fragen, sonst siehst du nicht, welche Arbeit fehlt.
Wie lange dauert es, bis die KI uns statt der Konkurrenz empfiehlt?
Ein Datum oder Ergebnis kann niemand versprechen. Engines lesen Quellen in ihrem eigenen Tempo, und Antworten schwanken von Lauf zu Lauf. Stell nach der Änderung dieselben Fragen in denselben Engines erneut. Zähl den Wechsel erst, wenn die Veränderung deiner Empfehlungsrate gegenüber dem Zeitraum davor statistisch echt ist, nicht wenn eine einzelne Antwort kippt.
Mit welchen Wettbewerbern sollten wir uns vergleichen?
Mit denen, die die Engines bei deinen Kundenfragen wirklich nennen, nicht nur mit denen aus dem Vertrieb. FameScan schlägt Marken vor, die in mindestens zwei gespeicherten Antworten vorkommen und die du noch nicht beobachtest. Nimm die auf, die bei deinen verlorenen Fragen immer wieder auftauchen.
Quellen & weiterführendes Wissen
Quellen geprüft am 14. November 2026.




