KI-Sichtbarkeit messen im Maschinenbau: ohne teure Tools, mit echten Anfragen
Viele Industrieunternehmen geben inzwischen viel Geld aus, um in der KI-Suche sichtbar zu werden. Ob das funktioniert, wissen die wenigsten, weil sie es nicht messen können. Die Aktivitäten laufen im Blindflug.
Das muss nicht so sein. In diesem Beitrag zeigen wir, wie wir die KI-Sichtbarkeit bei unseren Kunden aus dem Maschinenbau und bei uns selbst messen: ohne teure Tools, mit Mitteln, die du sofort einsetzen kannst. Danach weißt du, ob du für die richtigen Themen sichtbar bist, woher deine Anfragen kommen und wo du nachlegen musst.

Warum KI-Sichtbarkeit im Maschinenbau anders gemessen werden muss
Maschinenbauer sind in Nischen unterwegs. Du hast keine 2.000 Interessenten im Monat, unter Umständen sind es 20 weltweit. Das ist von Nische zu Nische verschieden, die Größenordnung ist aber eine völlig andere als in den meisten anderen Branchen.
Dazu kommen die Lücken, die jedes Tracking hat: Einer lehnt die Cookies ab, einer nutzt einen Adblocker, einer tippt deine E-Mail-Adresse von Hand ab und taucht in keiner Statistik auf. Ein Onlineshop mit 5.000 Bestellungen im Monat kann diese Lücken statistisch ausgleichen. Er rechnet hoch, und seine Durchschnitte stimmen trotzdem. Bei dir bleiben am Ende vielleicht ein oder zwei saubere Datenpunkte übrig. Mit zwei Datenpunkten und fünf Kanälen lässt sich nichts hochrechnen.

Alles, was mit großen Zahlen arbeitet, funktioniert im Maschinenbau strukturell nicht. Die kleine Zahl hat aber eine gute Seite: Ein Shop kann sich nicht jede Bestellung einzeln ansehen. Du mit 20 Anfragen kannst das. Jede Anfrage lässt sich einzeln zurückverfolgen. Das ist Handarbeit, liefert aber die besten Informationen, die du bekommen kannst.
Nur durch diese Handarbeit wissen wir zum Beispiel, dass die KI-Suche für uns und viele unserer Kunden inzwischen einer der wertvollsten Kanäle ist. Aus der KI-Suche kommen deutlich weniger Besucher als über die klassische Google-Suche. Der Anteil derer, die eine Anfrage stellen, ist aber in vielen Fällen um ein Vielfaches höher, und die Anfragen sind qualitativ oft ausgesprochen gut. Beispiele dafür haben wir im Beitrag KI-Suche im Maschinenbau: So kommen jetzt Anfragen rein zusammengetragen.
Warum KI-Sichtbarkeits-Tools für Maschinenbauer kaum taugen
Für KI-Sichtbarkeit gibt es inzwischen zahlreiche Tools, von neuen Anbietern ebenso wie von den bekannten SEO-Tool-Herstellern. Meist läuft es auf eine Art Sichtbarkeitsindex hinaus, wie man ihn aus dem klassischen SEO kennt.
Wir haben verschiedene davon getestet und bisher keines gefunden, das für Industrieunternehmen sein Geld wert ist. Und es geht teilweise um mehrere hundert Euro im Monat. Der Grund: Diese Tools arbeiten mit festen Datensätzen, und Industriethemen sind so speziell, dass sie darin kaum vorkommen. Das war beim klassischen SEO schon so. Sichtbarkeitsindizes waren für Industrieunternehmen nie ein brauchbarer Indikator. Ein Werkzeug, das deine Nische nicht kennt, ist für dich weitgehend nutzlos.
Ein gewisses Maß an Handarbeit ist deshalb nötig. Ein Dashboard, das dir alles abnimmt, gibt es nicht. Dafür bekommst du sehr gute Daten. Bei uns und bei vielen Kunden wissen wir dadurch recht genau, was funktioniert und was nicht. Die Messung besteht aus zwei Teilen: Wirst du in den Antworten der KI genannt? Und was kommt davon tatsächlich bei dir an?
Schritt 1: Mit Testprompts prüfen, ob die KI dich nennt
Lege dir einen festen Satz von 20 bis 30 Fragen an, so wie ein Einkäufer, ein Konstrukteur oder wer immer deine Zielgruppe ist, sie tatsächlich stellen würde. Zum Beispiel:
- „Welche Anbieter können eine Anlage für diesen Durchsatz in diesem Temperaturbereich liefern?“
- „Wer hat Erfahrung mit dieser Anwendung in dieser Branche?“
- „Wie bekomme ich dieses Problem an meiner Maschine in den Griff?“
Entscheidend ist, dass die Fragen aus Kundensicht formuliert sind. Wer sie sich selbst ausdenkt, schreibt automatisch die Begriffe hinein, die im eigenen Haus benutzt werden: die Produktbezeichnung, die Typenbezeichnung, die eigene Systematik. Der Kunde beschreibt dagegen sein Problem, mit Werten, Randbedingungen und Anwendung. Wer nur die eigenen Begriffe testet, bekommt ein Ergebnis, das gut aussieht und wenig aussagt.

Solche Fragen kannst du dir auch von einer KI vorschlagen lassen. Wer im Marketing arbeitet und selten direkt mit Kunden spricht, sollte sich dafür mit dem Vertrieb oder der Geschäftsführung zusammensetzen. Dort weiß man, mit welchen Worten Kunden über ihre Probleme sprechen.
Diese Fragen gehst du regelmäßig durch und achtest auf drei Dinge:
- Wirst du genannt?
- An welcher Stelle?
- Wer wird außer dir genannt?
Vier Regeln, damit die Testprompts Sichtbarkeit messen und keinen Zufall
Am besten automatisierst du die Abfrage. Ein Ablauf, der die Prompts regelmäßig durchgeht und die Ergebnisse festhält, lässt sich mit KI heute gut bauen, und einige der folgenden Punkte erledigen sich damit von selbst. Wenn du von Hand testest:
- Ausgeloggt oder im temporären Chat testen. Im eigenen Konto kennt das System deinen Verlauf und nennt deine Firma häufiger, als es bei einem Fremden tun würde.
- Jeden Prompt mehrfach laufen lassen. Die Antworten schwanken auch bei exakt derselben Frage. Es zählt, in wie vielen Durchläufen du vorkommst.
- Den Standort beachten. Der Standort kann die Antwort beeinflussen. Für Exportmärkte brauchst du ein VPN, sonst siehst du immer nur die deutsche Sicht.
- Das aktuelle Modell nehmen. Deine Kunden nutzen auch das, was gerade aktuell ist. Mit jedem neuen Modell kann sich das Bild verschieben.
Ein Experiment, das wir empfehlen: Nimm ein echtes Lastenheft oder eine Anfrage (RFQ) eines Kunden, so wie sie bei dir eingegangen ist, gib sie komplett in die KI und schau, ob du in der Antwort auftauchst. Näher an die Realität kommst du kaum, denn genau so werden diese Systeme im Einkauf künftig immer häufiger eingesetzt. Wie KI-Systeme im Maschinenbau Anbieter auswählen, haben wir in unserer KI-Studie Industrie mit eigenen Daten untersucht.
Schritt 2: Messen, was auf der Website ankommt
Testprompts zeigen, ob du in den Antworten vorkommst. Was davon tatsächlich bei dir ankommt, zeigen drei weitere Quellen.
Google Search Console: der Bericht zur generativen KI-Suche
In der Search Console gibt es einen eigenen Bericht für die generative KI-Suche. Er ist die schwächste der Quellen hier. Er betrifft nur die AI Overviews und den KI-Modus der Google-Suche, und er zeigt ausschließlich Impressionen: Deine Seite ist irgendwo als Quelle aufgetaucht. Ob jemand geklickt hat und bei welcher Frage, siehst du nicht. Du erfährst nur, welche deiner Seiten wie oft in diesen Ergebnissen erschienen sind. Anschauen kostet nichts, erwarte nur nicht zu viel davon.
Matomo: Besucher aus KI-Assistenten
Matomo ist ein Analysewerkzeug und eine Alternative zu Google Analytics. Der Vorteil: Ein Teil der Daten wird direkt auf dem Server erfasst statt nur im Browser. Adblocker und Browsereinstellungen greifen dadurch weniger, die Daten sind vollständiger. Matomo kannst du kostenlos auf deinem eigenen Server betreiben oder als Cloud-Variante für rund 20 bis 30 Euro im Monat nutzen.
In beiden Varianten gibt es einen Bericht für KI-Assistenten. Er zeigt, wie viele Besucher über ChatGPT und andere Systeme kamen, aufgeteilt nach System und im Zeitverlauf. Lies diese Zahlen als Untergrenze: Bei vielen Zugriffen geht die Herkunftsinformation unterwegs verloren, vor allem aus den Apps auf dem Handy. Diese Besucher erscheinen dann als Direktzugriff.
Das Besucherprotokoll: jede Anfrage zur Quelle zurückverfolgen
Wofür wir Matomo vor allem nutzen, ist das Besucherprotokoll. Angenommen, am Dienstagvormittag kommt eine Anfrage aus Frankfurt. Dann schauen wir im Besucherprotokoll nach, wer an diesem Vormittag aus Frankfurt auf der Website war. Dort steht, über welche Quelle der Besucher kam und welchen Weg er genommen hat: welche Seite zuerst, was danach, wann er auf den Kontaktknopf ging.
So lässt sich eine Anfrage praktisch zu ihrer Quelle zurückverfolgen, nicht mit absoluter Sicherheit. Die Standortangabe ist ungenau, weil die IP-Adressen aus Datenschutzgründen gekürzt werden. Und wie viel vom Weg sichtbar ist, hängt davon ab, ob der Besucher Cookies akzeptiert hat. In vielen Fällen reicht es trotzdem. Viele unserer Kunden machen das für jede einzelne Anfrage und haben dadurch sehr gute Daten.
Schritt 3: Bei jeder Anfrage nach der Quelle fragen
Die wichtigste Quelle kostet nichts außer ein wenig Zeit. Bei uns kommt keine Anfrage herein, ohne dass wir fragen, wie derjenige auf uns gekommen ist, und viele unserer Kunden machen es inzwischen genauso. Im Formular als Pflichtfeld „Wie sind Sie auf uns aufmerksam geworden?“, am Telefon mit der Frage „Darf ich fragen, wie Sie zu uns gefunden haben?“.
Die Antworten sind etwas abstrahiert. Den Kanal können die Leute fast immer nennen: ChatGPT, Google, eine Empfehlung. Was sie genau eingegeben haben, wissen die wenigsten. Der Kanal allein ist aber schon viel wert, und zusammen mit dem Besucherprotokoll ergibt sich oft ein sehr gutes Bild.
Genau so haben wir herausgefunden, wie wertvoll die KI-Suche geworden ist. In der Besucherstatistik wirkt sie wie ein Nebenschauplatz, in der Anfragenstatistik gehört sie zu den stärksten Quellen. Deshalb reicht es nicht, auf Besucherzahlen zu schauen. Die eigentliche Frage ist, wie viele dieser Besucher anfragen. Wenn du das für deine Themen weißt, siehst du, welche Seiten zu Anfragen führen und wo noch nichts ankommt. Der Aufwand: rund drei Minuten pro Anfrage.
Der Ablauf im Überblick

- Testprompts: Wirst du überhaupt genannt? In der Sprache deiner Kunden, regelmäßig, am besten automatisiert.
- Search Console: Impressionen in AI Overviews und im KI-Modus. Mehr nicht.
- Matomo-Bericht: Besucher aus KI-Systemen im Zeitverlauf, als Untergrenze gelesen.
- Besucherprotokoll: Jede Anfrage einzeln zuordnen, nach Ort, Zeit, Quelle und Seitenweg.
- Nachfragen: Keine Anfrage ohne die Frage nach dem Kanal.
Dafür brauchst du vor allem die Bereitschaft, deine 20 Anfragen im Monat einzeln anzuschauen. Wenn die KI-Sichtbarkeit sauber aufgesetzt ist, kommen daraus Anfragen. Das haben wir bei zahlreichen Kunden aus ganz unterschiedlichen Industrien und bei uns selbst einzeln nachverfolgt. Beim Messen geht es dann darum, bei welchen Themen du schon so weit bist und wo noch Arbeit vor dir liegt. Wie du in der KI-Suche überhaupt sichtbar wirst, beschreiben wir auf unserer Seite zu KI-Suche und GEO für die Industrie.
Häufige Fragen zum Messen der KI-Sichtbarkeit
Wie kann ich prüfen, ob ChatGPT mein Unternehmen empfiehlt?
Mit einem festen Satz von 20 bis 30 Testprompts in der Sprache deiner Kunden, die du regelmäßig ausgeloggt und mehrfach durchlaufen lässt. Du notierst, ob du genannt wirst, an welcher Stelle und wer sonst genannt wird. Am zuverlässigsten ist eine automatisierte Abfrage.
Brauche ich ein Tool, um KI-Sichtbarkeit zu messen?
Für Industrieunternehmen meist nicht. Die verfügbaren Tools arbeiten mit festen Datensätzen, in denen spezielle Industriethemen kaum vorkommen. Testprompts, die Search Console, ein Analysewerkzeug wie Matomo und die Frage nach der Quelle bei jeder Anfrage liefern für Maschinenbauer bessere Daten.
Warum sehe ich in Analytics kaum Besucher aus ChatGPT?
Weil bei vielen Zugriffen, besonders aus den Apps auf dem Handy, die Herkunft unterwegs verloren geht. Diese Besuche erscheinen als Direktzugriff. Die Zahlen aus der KI-Suche sind deshalb immer eine Untergrenze. Dazu kommt, dass aus der KI-Suche grundsätzlich weniger Besucher kommen als aus Google, die aber deutlich häufiger anfragen.
Wie viel Aufwand ist es, Anfragen der KI-Suche zuzuordnen?
Etwa drei Minuten pro Anfrage: im Besucherprotokoll nach Zeit und Ort suchen, den Seitenweg ansehen und im Gespräch nach dem Kanal fragen. Bei 20 Anfragen im Monat ist das rund eine Stunde.