KI-Sichtbarkeit steigt, Traffic fällt: eine echte 5-Wochen-Fallstudie

Eine Luxusimmobilien-Marke startete in dieses Tracking mit einer dominanten Position. Über 145–159 Scan-Durchläufe pro Woche — verteilt auf sechs der neun KI-Modelle, die CrunchJunkie trackt, darunter Claude, ChatGPT, Perplexity, Gemini, Google AI Overviews und Google AI Mode, also kein einzelner Glückstreffer bei einem Prompt — stieg ihr KI-Sichtbarkeitswert über fünf Wochen stetig an: 31 %, 32 %, 33 %, 35 %, 35 %. Zu diesem Anstieg gehörte eine reale Fehlermarge (±3,8 Prozentpunkte) — genau die Art von Detail, die einen echten Trend von einem Zufall kleiner Stichproben unterscheidet. Der Share of Voice erzählte dieselbe Geschichte, nur lauter. Gegenüber allen getrackten Wettbewerbern hielt diese Marke 87 % Share of Voice. Der nächstbeste Wettbewerber: 5,9 %. Das ist kein knappes Rennen — das ist eine Marke, die in ihrer Kategorie praktisch der einzige Name ist, zu dem KI-Modelle greifen. Es ist der Unterschied zwischen den Raum gewinnen und bloß im Raum stehen. Nach jeder Sichtbarkeitsmetrik, die es am Markt gibt, waren das fünf Wochen Erfolgsserie.

Erwähnt zu werden ist nicht dasselbe wie empfohlen zu werden — und bei der Average Position wird dieser Unterschied sichtbar. Trotz der dominanten Sichtbarkeit und des hohen Share of Voice lag die durchschnittliche Position dieser Marke über alle Scan-Durchläufe bei 2,8 — während ein deutlich kleinerer Wettbewerber, der nur in einem Bruchteil der Erwähnungen auftauchte, im Schnitt bei 2,0 lag, wenn er denn einmal erschien. Dominante Präsenz und prominente Platzierung sind zwei verschiedene Siege, und diese Marke hatte nur einen davon geholt. Beim Sentiment zeigte sich eine ähnliche Unschärfe. Die Marke kam auf 72/100 und lag damit vor einem Wettbewerber mit 50/100 — ein klarer Vorsprung, bis man sich ansieht, woher der Wert des Wettbewerbers stammt: zwei bis drei Erwähnungen pro Modell, längst nicht genug Volumen, um darauf zu vertrauen. Ein Sentiment-Wert auf Basis von 45 Erwähnungen trägt ein echtes Signal. Einer auf Basis einer Handvoll nicht. Ohne die Stichprobengrößen daneben hätte diese „Niederlage“ auf dem Papier bedeutsam ausgesehen. Mit ihnen fällt sie kaum ins Gewicht. Das Zitations-Tracking legte die Lücke offen, aus der sich am meisten machen lässt. Die eigene Website der Marke tauchte in 30 % der Scan-Durchläufe als abgerufene Quelle auf — KI-Modelle zogen also in knapp einem Drittel der Fälle aktiv Inhalte von ihren Seiten. Das ist echte Autorität, die bereits in der Pipeline steckt. Aber als Quellenmaterial aufzutauchen und formal zitiert zu werden, sind zwei verschiedene Stufen, und diese Lücke hatte die Marke noch nicht geschlossen — ein klarer nächster Schritt (stärkere strukturierte Daten, mehr zitierfähige Inhalte) statt eines Rätsels.

Nichts davon hätte Alarm ausgelöst. Steigende Sichtbarkeit, dominanter Share of Voice, ein Sentiment-Vorsprung, echtes Zitationspotenzial — einzeln gelesen sagte jede Metrik zur KI-Sichtbarkeit, dass es gut läuft. Dann kamen die Website-Zahlen für dieselben fünf Wochen. Die Sitzungen fielen in jeder einzelnen Woche: 458, 425, 380, 300, 245. Die Sichtbarkeit stieg. Der Traffic sank — stetig, über genau die fünf Wochen, in denen die KI-Metriken kletterten.

Das war keine schlechte Woche für das Marketing-Team der Marke, und es ist auch kein Grund, den Sichtbarkeitszahlen zu misstrauen — beides war gleichzeitig wahr. Es ist der Grund, warum KI-Sichtbarkeit nicht in ihrem eigenen Dashboard leben kann. Eine reine Sichtbarkeitsansicht hätte fünf Wochen am Stück gute Nachrichten gezeigt. Erst als die KI-Metriken und die GA4-Zahlen im selben Bericht standen, kam die eigentliche Frage auf: Warum wird eine Marke in der KI-Suche sichtbarer und für die eigene Website gleichzeitig unsichtbarer? Das ist eine Frage, der du nachgehen solltest — eine Kanalverschiebung, ein saisonaler Rückgang, ein Problem mit der Landingpage, eine Attributionslücke, bei der KI-getriebene Besuche als Direct- oder Organic-Traffic landen, statt der KI zugerechnet zu werden. Es kann auch alles vier zusammen sein. Aber du kannst die Frage erst stellen, wenn du beide Verläufe auf einer Seite siehst.

Jede Metrik in dieser Geschichte — Sichtbarkeit, Share of Voice, Position, Sentiment, Zitationen — war real, korrekt gemessen und für sich genommen eine gute Nachricht. Keine davon hätte, allein oder zusammen, den Traffic-Rückgang erwischt, der darunter lief. Genau das spricht dafür, KI-Sichtbarkeit an die Conversions zu koppeln: die KI-Sichtbarkeit mit den Ergebnissen zu verbinden, die sie vorhersagen soll. Nicht weil die Sichtbarkeitsmetriken falsch wären, sondern weil sie nie dafür gebaut wurden, dir zu sagen, ob sie wirken. So verbindet CrunchJunkie deine KI-Sichtbarkeit mit GA4.