KI-Sichtbarkeit der Arztpraxis messen: Was die Daten zeigen

Wer KI-Sichtbarkeit messen möchte, stößt schnell auf eine beeindruckende Einzelantwort: Ein KI-Assistent nennt die eigene Praxis als Empfehlung. Screenshot, Freude, Weiterleitung an das Team. Zwei Tage später dieselbe Frage, und die Praxis fehlt. Ich habe für Kunden inzwischen mehrere tausend KI-Antworten systematisch ausgewertet, und dieses Muster ist die Regel, nicht die Ausnahme. Auf die einzelne Antwort kommt es deshalb nicht an. Interessant ist, ob eine Nennung bei relevanten Fragen wiederkehrt, welche Quelle dabei erscheint, ob die Angaben stimmen und ob anschließend jemand die Website besucht. Dafür brauchen Sie weder eine große Zahl an Testfragen noch ein teures Werkzeug. Sie brauchen einen nachvollziehbaren Ablauf, und den beschreibe ich hier so, dass eine Praxis ihn selbst durchführen kann.

Was bedeutet KI-Sichtbarkeit für eine Arztpraxis?

Wenn ChatGPT, Claude und Gemini auf eine Frage nach einer Praxis, einer Fachrichtung oder einem Behandlungsangebot antworten, gibt es vier mögliche Ergebnisse: Ihre Praxis wird im Text genannt, sie wird als Quelle verlinkt, sie wird genannt und verlinkt, oder sie kommt gar nicht vor. Diese Fälle sagen nicht dasselbe aus. Eine Nennung ohne Link bringt Aufmerksamkeit, aber keinen Besuch. Ein Link ohne Nennung bringt vielleicht einen Besuch, aber keine Empfehlung. Und eine Nennung mit falscher Adresse oder einer Leistung, die Sie gar nicht anbieten, ist für Ratsuchende schädlicher als gar keine.

Für mich zählt deshalb, ob hinter dem Praxisnamen, den ein System ausgibt, auch eine technisch erreichbare Website mit fundierten, für Menschen hilfreichen Inhalten steht. Das ist meine redaktionelle Haltung, keine Zusage für eine spätere Nennung. Aber sie hat einen praktischen Grund: Nach meinen Auswertungen beziehen Sprachmodelle ihre Angaben zu Praxen aus Websites, Google-Profilen und Verzeichnissen. Was dort falsch steht, taucht oft auch in der KI-Antwort falsch auf.

Prüfen Sie deshalb neben der Erwähnung immer auch die Richtigkeit. Stimmen Name, Fachrichtung, Standort, Erreichbarkeit und die behaupteten Leistungen? Verweist das System auf die passende Seite Ihrer Website oder auf ein veraltetes Verzeichnis? Bei medizinischen Aussagen kommt hinzu, ob die angegebene Quelle die konkrete Behauptung trägt. Solche Prüfungen gehören zur Qualitätskontrolle, nicht zu einem vermeintlich garantierten KI-Ranking.

KI-Sichtbarkeit messen: Ein festes Fragenset statt Einzeltests

Schreiben Sie zunächst Fragen auf, die Menschen tatsächlich stellen könnten: „Welche Praxis bietet diese Untersuchung in meiner Nähe an?“, „Welcher Kinderarzt in Freiburg nimmt neue Patienten?“, „Wie vereinbare ich bei Praxis X einen Termin?“ oder „Was steht auf der Website von Praxis X zu dieser Leistung?“ Testen Sie nur Leistungen und Orte, die zur Praxis passen. Fragen nach Diagnose oder Behandlung eignen sich nicht als Marketingtest, und sie sagen auch nichts über Ihre Sichtbarkeit aus.

Legen Sie eine kleine Liste mit zehn bis fünfzehn Fragen zu Fachrichtung, Standort, Leistungen und Terminweg an. Stellen Sie dieselben Fragen zu mehreren Messzeitpunkten, zum Beispiel monatlich. Notieren Sie für jede Antwort, ob die Praxis erwähnt wird, an welcher Stelle, ob ein Link erscheint, wohin er führt, welche Wettbewerber genannt werden und welche Angaben richtig oder falsch sind. Eine solche Stichprobe ist eine interne Beobachtung, keine repräsentative Messung aller Nutzerantworten. Das NIST empfiehlt für die Bewertung generativer Systeme, Messbedingungen und Unsicherheiten nachvollziehbar zu dokumentieren.1 Das klingt nach Behördensprache, ist aber genau der Punkt: Ohne dokumentierte Bedingungen lassen sich zwei Messungen nicht vergleichen.

Datum, Ort und Produkt dokumentieren

Halten Sie das Datum, die genaue Frage, den angegebenen oder erkannten Standort, das verwendete Produkt samt Modellversion und den Anmeldezustand fest. Ein angemeldetes Konto mit Verlauf antwortet anders als eine anonyme Sitzung, weil das Modell Ihre früheren Fragen kennt. Nutzen Sie für Tests deshalb ein neutrales Konto ohne Verlauf oder deaktivieren Sie den Chatverlauf. Sichern Sie die Antwort mit Link und Zeitpunkt als Beleg für die interne Auswertung. Wenn Sie die Formulierung der Frage oder die Testumgebung ändern, kennzeichnen Sie das als neuen Testfall.

Für das Protokoll genügt eine Tabelle mit einer Zeile je Antwort:

Nennung, Quelle und Klick: Was wird eigentlich gemessen?

Eine Nennung steht im Antworttext. Ein Quellenverweis zeigt einen Link an. Eine Impression bedeutet, dass ein Link eingeblendet wurde. Ein Besuch setzt voraus, dass jemand tatsächlich auf die Website gelangt. Und eine Anfrage entsteht erst, wenn dieser Mensch dann anruft oder das Formular ausfüllt. Ein Bericht darf diese Größen nicht zu einer einzigen „Sichtbarkeit“ zusammenrechnen. Wer Ihnen einen „KI-Sichtbarkeitswert von 73 Prozent“ präsentiert, sollte erklären können, was gezählt wurde.

Google hat im Juni 2026 einen eigenen Leistungsbericht zu generativen KI-Funktionen in der Search Console angekündigt und führt ihn seitdem schrittweise ein. Er erfasst Impressionen von Website-Links in Übersichten mit KI und im KI-Modus der Google-Suche, unter anderem nach Seite und Land. Google nennt eine schrittweise Bereitstellung und zu wenige Impressionen als mögliche Gründe, wenn der Bericht in einer Property fehlt.2 Damit gibt es erstmals belastbare Zahlen aus erster Hand, allerdings nur für Google. Über Nennungen in ChatGPT, Claude und Gemini sagt der Bericht nichts aus.

Gut zu wissen: Eine Google-Impression belegt einen angezeigten Link in einer unterstützten Google-Funktion. Sie belegt weder eine Empfehlung der Praxis noch einen Website-Besuch.2 Laut Googles Hilfe weist der Bericht Impressionen aus, keine Besuche (Stand September 2026).

Sichtbarkeit in ChatGPT, Claude und Gemini: Warum schwanken die Antworten?

Sprachmodelle arbeiten nicht deterministisch. Dieselbe Frage kann zweimal hintereinander unterschiedliche Antworten liefern, weil das Modell aus mehreren plausiblen Formulierungen wählt. Hinzu kommen Frageformulierung, Standortkontext, Anmeldezustand und die Frage, ob der Dienst eine Live-Suche ausgelöst hat oder aus dem Training antwortet. Bei einer Live-Suche hängt die Antwort davon ab, welche Suchergebnisse das Modell in diesem Moment bekommen hat. Wiederholen Sie deshalb einzelne Fragen mehrfach und beschreiben Sie die Streuung, etwa „in vier von fünf Durchläufen genannt“, statt aus einer Antwort eine feste Platzierung abzuleiten. Die Wiederholung macht Ihre Beobachtung nachvollziehbarer, beseitigt aber nicht die Grenzen der Stichprobe.

Wenn Informationen zu Sprechzeiten oder Leistungen falsch auftauchen, prüfen Sie zuerst die eigene Website, das Google-Profil und die großen Arztverzeichnisse. In den meisten Fällen, die ich untersucht habe, stammte die falsche Angabe aus einem vergessenen Verzeichniseintrag oder einer alten Unterseite, nicht aus einer Erfindung des Modells. Eine technisch gepflegte, gut lesbare Website mit überprüften Fachinhalten hilft Menschen und macht die eigenen Angaben für Maschinen leichter überprüfbar. Wer wegen einer schwankenden KI-Antwort einen neuen Absatz ohne echten Nutzen schreibt, behebt damit kein Informationsproblem. Welche Inhalte für KI-Systeme verständlich und überprüfbar sind, steht im Beitrag SEO für KI auf der Praxiswebsite.

KI-Sichtbarkeit-Tools: Was leisten Werkzeuge und was nicht?

Ein Werkzeug kann Fragen regelmäßig automatisiert ausführen, Antworten speichern, Erwähnungen und Wettbewerber zählen und Verläufe über Monate darstellen. Das ist der eigentliche Nutzen: Kontinuität und Vergleichbarkeit, die eine Praxis von Hand kaum durchhält. Ich betreibe für diese Messung eine eigene Anwendung, weil mich bei den verfügbaren Diensten drei Dinge gestört haben: Sie messen oft nur ChatGPT, sie zeigen eine Prozentzahl ohne die Rohantwort dahinter, und sie berücksichtigen den deutschen Standortkontext nur unzureichend.

Prüfen Sie vor dem Einsatz eines Werkzeugs deshalb: Welche Dienste, Länder, Sprachen, Antwortarten und Zeiträume deckt es tatsächlich ab? Erfasst es Quellenlinks getrennt von Nennungen? Macht es die Rohantwort zur Kontrolle zugänglich? Fragt es mit oder ohne Standortkontext? Eine Prozentzahl ohne Fragenset und Messmethode lässt sich nicht beurteilen.

Für eine einzelne Praxis genügt zunächst eine Tabelle mit festen Fragen und monatlichen Testterminen. Bei mehreren Standorten, vielen Leistungen oder wenn Wettbewerber systematisch mitbeobachtet werden sollen, kann ein Werkzeug den Vergleich erheblich erleichtern. Die Entscheidung hängt vom Prüfaufwand ab, nicht von einem angeblich allgemeingültigen KI-Sichtbarkeitswert.

Crawlerzugriffe und echte Besuche in den eigenen Daten unterscheiden

Ein KI-Crawler ruft Seiten technisch ab, um sie zu indexieren oder für eine Antwort zu lesen. Ein Referral-Besuch entsteht, wenn ein Mensch einem Link aus einem KI-Dienst folgt. Cloudflare führt Anfragen von KI-Crawlern und Verweisbesuche in seiner Analyse getrennt. Für einzelne Auswertungen gelten Produktvoraussetzungen.3 Ein erfolgreicher Abruf durch GPTBot beweist weder eine spätere Nennung noch einen Patientenbesuch. Er beweist nur, dass die Seite erreichbar war. Das ist immerhin die Voraussetzung für alles Weitere und deshalb einen Blick ins Server-Log wert.

In Google Analytics 4 finden Sie die Verweisquellen unter „Akquisition“ > „Neu generierter Traffic“ in der Dimension Sitzung: Quelle/Medium.4 Filtern Sie dort nach erkennbaren Quellen wie chatgpt.com, claude.ai, gemini.google.com, perplexity.ai oder copilot.microsoft.com und prüfen Sie die Zielseiten. Perplexity und Microsoft Copilot stehen in dieser Liste, weil auch über sie Besuche kommen können, selbst wenn Ihr Fragenset nur ChatGPT, Claude und Gemini abdeckt. Nicht jeder Besuch lässt sich zuverlässig einem KI-Dienst zuordnen, etwa wenn keine Verweisinformation übertragen wird oder der Nutzer den Link kopiert. Die Zahlen sind deshalb eine Untergrenze. Auch für eine Praxiswebsite muss die Datenerfassung datenschutzrechtlich passend eingerichtet sein, idealerweise so, dass die Daten die eigene Infrastruktur oder einen Auftragsverarbeiter mit Vertrag nicht verlassen. Mehr dazu unter Tracking und Datenschutz.

Was Sie selbst tun können

1. Legen Sie zehn bis fünfzehn Fragen zu Ihren tatsächlichen Leistungen, Standorten und Kontaktwegen fest und speichern Sie deren genaue Formulierung.
2. Protokollieren Sie bei jedem monatlichen Test Datum, Dienst, Ort, Anmeldezustand, Nennung, Quellenlink, genannte Wettbewerber und sachliche Fehler getrennt.
3. Vergleichen Sie die Beobachtungen mit dem Google-Bericht und Ihren Website-Daten, ohne Klicks oder Anfragen aus einer bloßen Nennung abzuleiten, und korrigieren Sie gefundene Fehler an der Quelle.

Wann sich Unterstützung lohnt

Die Tabelle mit zehn bis fünfzehn Fragen und einem monatlichen Termin ist mit einer Stunde Aufwand machbar und liefert einer Praxis bereits mehr Erkenntnis als jede Prozentzahl aus einem Verkaufsgespräch. Aufwendiger wird es, wenn mehrere Standorte, viele Leistungen, widersprüchliche Verzeichniseinträge oder fehlerhafte Quellen die Auswertung erschweren, wenn Wettbewerber systematisch mitbeobachtet werden sollen oder wenn die Praxis wissen möchte, wie sich die Sichtbarkeit über ein Jahr entwickelt.

Bei Curascala messen wir die KI-Sichtbarkeit unserer Kunden mit eigener Technik: ein abgestimmtes Fragenset, regelmäßige automatisierte Durchläufe in ChatGPT, Claude, Gemini und Googles KI-Übersichten, getrennte Erfassung von Nennungen, Links und Wettbewerbern, und die Rohantworten bleiben zur Kontrolle einsehbar. Die Auswertung zeigt, welche Angaben verbessert werden können und welche Beobachtungen wegen der kleinen Stichprobe unsicher bleiben. Eine bestimmte Nennung in KI-Antworten versprechen wir nicht, weil das niemand seriös kann. Wenn Sie wissen möchten, ob und wie KI-Dienste Ihre Praxis heute nennen, ist eine kostenlose Ersteinschätzung der einfachste Weg.