AI-Visibility-API: Sichtbarkeit in KI-Suchen messen

Eine AI-Visibility-API liefert per Schnittstelle Messdaten dazu, wie eine Marke in KI-generierten Antworten vorkommt: welche Frage gestellt wurde, in welcher KI-Suche und in welchem Markt, ob die Marke genannt wurde, welche URLs zitiert wurden und welche Wettbewerber auftauchten. Eine gute API gibt rohe, datierte Einzelbeobachtungen je Suchsystem und Durchlauf zurück, nicht nur einen Score, damit Sie eigene Reports bauen und die Zahlen nachprüfen können. Für den deutschen Markt kommen zwei Prüfpunkte hinzu: deutschsprachige Prompts mit Markt Deutschland und ein sauberer Auftragsverarbeitungsvertrag (AVV) nach DSGVO.

Was ist eine AI-Visibility-API?

Eine AI-Visibility-API stellt Beobachtungen bereit, wie eine Marke in Antworten von ChatGPT, Gemini, Perplexity, Copilot oder Google AI Overviews erscheint. Eine brauchbare Antwort der API enthält die genaue Frage, das KI-System, den Markt, den Zeitpunkt, Markennennungen, zitierte URLs und Wettbewerber. Solche Daten stützen Reporting und Content-Entscheidungen. Eine einzelne Antwort ist aber kein stabiles Ranking.

Der Unterschied zum Dashboard ist Kontrolle. Ein Dashboard zeigt die Sicht des Anbieters. Über eine API verknüpfen Sie die Beobachtungen mit eigenen Daten, etwa Search-Console-Suchanfragen, CRM-Segmenten oder Veröffentlichungsdaten von Inhalten, und halten die Historie im eigenen Data Warehouse.

Welche Daten eine AI-Visibility-API liefern sollte

Prompts und Kontext

Jede Beobachtung braucht den genauen Wortlaut der Frage, Sprache, Markt oder Standort, das Suchsystem, wenn bekannt das Modell oder die Produktoberfläche und den Zeitpunkt des Durchlaufs. Ohne den Prompt-Text können Sie nicht unterscheiden, ob sich die KI-Suche verändert hat oder jemand das Frageset.

Markennennungen

Ob die Marke genannt wurde, an welcher Stelle der Antwort und wie sie beschrieben wurde. Eine Nennung in einer Liste von zehn Alternativen ist nicht dasselbe wie die erste Empfehlung. Fragen Sie, ob die API den Antworttext oder zumindest den Satz mit der Nennung zurückgibt, damit Sie die Einordnung selbst prüfen können.

Zitate und Quellen

Zitierte URLs und Domains, getrennt von den Markennennungen. Eine KI-Suche kann Ihre Seite zitieren, ohne Ihre Marke zu nennen, und Ihre Marke nennen, während sie ein Vergleichsportal zitiert. Beides zählt. Wer es in eine Kennzahl mischt, sieht nicht mehr, an welchem Hebel er ansetzen muss.

Wettbewerber

Dieselben Felder für eine vereinbarte Liste von Wettbewerbern, gemessen auf denselben Fragen in denselben Durchläufen. Share-of-Voice-Werte sind nur vergleichbar, wenn alle Marken unter gleichen Bedingungen gemessen wurden.

Zeitreihen

Historische Beobachtungen mit stabilen IDs für Fragen und Durchläufe, damit Sie Trends bilden und Zeiträume vergleichen können. Prüfen Sie, wie weit die Historie zurückreicht, ob die API nach Zeitraum filtert und ob Sie alles exportieren können, nicht nur den letzten Stand.

Beispiel für einen brauchbaren Datensatz

Diese Struktur ist ein Beispiel für die Felder, nach denen Sie fragen sollten. Sie ist nicht das Schema eines bestimmten Produkts:

{
  "prompt_id": "p-017",
  "prompt": "Welche Tools messen die Sichtbarkeit einer Marke in ChatGPT?",
  "language": "de",
  "market": "DE",
  "engine": "chatgpt-search",
  "run_id": "2026-09-28-r2",
  "measured_at": "2026-09-28T08:14:00Z",
  "status": "completed",
  "brand_mentioned": true,
  "mention_excerpt": "...",
  "cited_urls": ["https://www.example.com/ratgeber"],
  "competitors_mentioned": ["Wettbewerber A"]
}

Deutscher Markt: Sprache und Standort mitmessen

KI-Suchen antworten je nach Sprache und Standort unterschiedlich. OpenAI beschreibt zum Beispiel in der Hilfe zu ChatGPT Search, dass ChatGPT einen ungefähren Standort aus der IP-Adresse nutzt und Fragen für Suchanbieter in gezielte Suchanfragen umschreibt. Für den deutschen Markt heißt das:

• Messen Sie mit deutschsprachigen Fragen, so wie Ihre Kunden sie stellen, nicht mit übersetzten englischen Prompts.
• Fragen Sie den Anbieter, von welchem Standort aus die Abfragen laufen und ob sich Deutschland, Österreich und die Schweiz getrennt messen lassen.
• Lassen Sie Sprache und Markt als eigene Felder in jeder Beobachtung ausweisen, damit DACH-Werte nicht mit US-Werten verschwimmen.

Reporting-Anforderungen: Was brauchbare Daten von Rauschen trennt

• Rohdaten, nicht nur abgeleitete Scores. Ein Sichtbarkeits-Score ist ein Modell auf Beobachtungen. Wer nur den Score bekommt, kann ihn weder prüfen noch neu berechnen, wenn sich die Methode ändert.
• Wiederholte Durchläufe. KI-Antworten schwanken zwischen Durchläufen derselben Frage. Reports sollten zeigen, wie viele Durchläufe hinter einem Wert stehen.
• Suchsysteme getrennt. ChatGPT, Gemini, Perplexity, Copilot und Google AI Overviews greifen auf unterschiedliche Indizes zurück. Ein Mittelwert über alle verdeckt, wo Sie stark sind und wo Sie fehlen.
• Unvollständig heißt nicht „nicht genannt". Ein fehlgeschlagener oder abgebrochener Durchlauf muss als unvollständig markiert sein. Wer ihn als Null zählt, unterschätzt die Sichtbarkeit und erzeugt falsche Einbrüche.
• Stichprobengröße neben jedem Prozentwert. „40 % Nennungsrate" aus fünf Antworten bedeutet etwas anderes als aus 500.
• Versionierte Methode. Ändert der Anbieter die Erkennung von Nennungen oder die abgefragte Modellversion, sollte die API das ausweisen, am besten mit Versionsfeld oder Changelog.

Anbieter-API oder eigene Pipeline?

Sie können Beobachtungen auch selbst über die APIs der Modellanbieter sammeln. Zwei Beispiele mit dokumentierten Quellendaten:

• Die Gemini API bietet Grounding mit der Google Suche. Die Antwort enthält die ausgeführten Suchanfragen und URL-Belege, die Teilen der Antwort zugeordnet sind.
• Das Web-Search-Tool von OpenAI liefert Inline-Annotationen vom Typ url_citation und eine Liste der herangezogenen Quellen.

Eine eigene Pipeline gibt Ihnen volle Kontrolle über Fragen und Speicherung. Der Preis: Sie pflegen Prompt-Runner, Erkennung von Nennungen und Wettbewerberabgleich selbst, und API-Antworten sind nur eine Annäherung an das, was Nutzer in den Apps sehen, die andere Modelle, Einstellungen oder Personalisierung nutzen können. Unsere Einschätzung: Eigenbau lohnt sich bei einem kleinen, stabilen Frageset und vorhandenem Datenteam. Eine Anbieter-API ist sinnvoller, wenn Sie viele Märkte und Suchsysteme brauchen und die Messmethode nicht selbst pflegen wollen.

Datenschutz: DSGVO, AVV und Zugriffsrechte

• Keine personenbezogenen Daten in Prompts. Sichtbarkeits-Prompts sind allgemeine Kundenfragen. Namen, E-Mail-Adressen oder Kundendatensätze gehören nicht hinein.
• Auftragsverarbeitungsvertrag. Verarbeitet ein Anbieter personenbezogene Daten in Ihrem Auftrag, etwa Nutzerkonten oder hochgeladene CRM-Segmente, brauchen Sie einen AVV nach Art. 28 DSGVO. Fragen Sie, wo die Daten gespeichert werden und welche Unterauftragsverarbeiter, einschließlich Modellanbieter, sie erhalten.
• Drittlandbezug klären. Laufen Daten an Dienstleister außerhalb der EU, lassen Sie sich die Rechtsgrundlage für die Übermittlung nennen und prüfen Sie sie mit Ihrem Datenschutzbeauftragten.
• Aufbewahrung und Löschung. Klären Sie, wie lange Rohantworten gespeichert werden und ob Sie Frageset und Historie löschen lassen können.
• Schlüssel begrenzen. Für Reporting-Tools nur lesende API-Schlüssel nutzen und rotieren, wenn Personen das Team verlassen.
• Vertrauliche Fragesets. Ihr Frageset verrät Ihre Marktstrategie. Behandeln Sie es wie andere Geschäftsdaten und fragen Sie, ob der Anbieter es für etwas anderes als Ihre Messung nutzt.

Was GEO Tool heute per API anbietet

Die öffentliche Entwickler-API von GEO Tool dokumentiert derzeit zwei kostenlose, rein lesende Endpunkte. Sie brauchen keine Anmeldung und keinen API-Schlüssel:

• GET /api/v1/blog/posts listet veröffentlichte Blogartikel einer Sprache, seitenweise.
• GET /api/v1/geo-index liefert den öffentlichen KI-Sichtbarkeitsindex: aggregierte Kennzahlen aus allen live verifizierten Messungen, etwa wie oft eine gemessene Marke genannt wurde, wie viele Quellen eine KI-Antwort zitiert und welche Publisher-Domains am häufigsten zitiert werden. Er enthält nur Aggregate, keine Kundennamen, Domains oder Prompts, und wird stündlich neu berechnet. Eine 503-Antwort bedeutet, dass das Aggregat vorübergehend nicht verfügbar ist; sie darf nie als Null gewertet werden.

Beispielabruf: curl "https://www.geo-tool.com/api/v1/geo-index". Stabile Endpunkte liegen unter /api/v1. Inkompatible Änderungen erscheinen nur unter einem neuen Hauptpfad, und /api/v1 bleibt danach mindestens sechs Monate erreichbar.

Einen öffentlichen Endpunkt für das Monitoring einzelner Marken in KI-Antworten bietet GEO Tool nicht an. Das kostenlose KI-Sichtbarkeits-Tool prüft, wie gut eine Website für KI-Suchen vorbereitet ist. Laufendes KI-Monitoring ist für ausgewählte Teams in einer frühen Zugangsphase. Wie das Messmodell funktioniert, erklärt der Leitfaden zum GEO-Monitoring; einen Überblick über Monitoring-Werkzeuge gibt unser Vergleich von GEO-Tools.

Checkliste für die Einführung

1. Festes Set an Kundenfragen und Zielmärkten definieren, auf Deutsch und je Land.
2. Felder festlegen, die Ihre Reports brauchen: Frage, Suchsystem, Markt, Datum, Nennung, Zitate, Wettbewerber, Status des Durchlaufs.
3. Endpunkt-Dokumentation prüfen und eine Beispielantwort gegen diese Liste abgleichen.
4. Frage und Messdatum mit jeder Beobachtung speichern.
5. Zitierte URLs, Markennennungen und technische Website-Bereitschaft im Report getrennt ausweisen.
6. Unvollständige Durchläufe markieren statt als „nicht genannt" zählen.
7. Durchläufe wiederholen, bevor eine Veränderung als Trend gilt, und die Stichprobengröße zeigen.
8. AVV, Speicherort, Unterauftragsverarbeiter, Aufbewahrung und Schlüsselrechte klären, bevor Produktivsysteme angebunden werden.

Beim Anbietervergleich gilt: Aktuelle API-Dokumentation und Zugangsbedingungen direkt anfordern. Eine Funktion im Dashboard ist nicht automatisch auch per API verfügbar.