Share of Model ist der Anteil KI-generierter Antworten, der deine Marke nennt, wenn Menschen zu deiner Kategorie fragen, im Vergleich zu deinen Wettbewerbern. Es ist die KI-Version von Share of Voice, und du kannst es messen, sobald du aufhörst, einen einzelnen ChatGPT-Screenshot als Daten zu behandeln.
- Share of Model ist die Nennungsrate deiner Marke in KI-Antworten, gemessen über feste Prompts, Plattformen und Zeiträume.
- Kaufen kannst du es nicht: Nur rund 12 % der von KI zitierten URLs tauchen auch in Googles Top 10 auf.
- Benchmarks reichen von 6,8 % bis zu einem Median von rund 31 %, miss also vier bis sechs Wochen lang wöchentlich deine Basislinie.
- Zwanzig bis dreißig Prompts und eine Tabelle reichen zum Einstieg; bezahlte Tracker starten bei rund 29 $ im Monat.
Was ist Share of Model, und wie berechnest du es?
Share of Model misst, wie oft, wie prominent und wie wohlwollend deine Marke in Antworten großer Sprachmodelle auftaucht, verglichen mit deinen Wettbewerbern. In der Praxis lässt du einen festen Satz an Kategorie-Prompts über mehrere KI-Plattformen laufen, zählst die Antworten, die dich nennen, und vergleichst diese Rate mit der deiner Mitbewerber.
Der Begriff ist keine Erfindung eines Tool-Anbieters. Jack Smyth und Tom Roach von Jellyfish prägten ihn 2024, und im Juli 2025 formalisierten INSEAD-Forscher das Konzept gemeinsam mit den Jellyfish-Co-Autoren. Ihre Version verfolgt drei Dimensionen: Nennungsrate, die Lücke zwischen menschlicher und KI-Markenbekanntheit, sowie Markensentiment.
Die Formel: Share of Model (%) = Antworten mit Markennennung ÷ alle geprüften Antworten × 100. Eine zweite Version teilt stattdessen durch alle Markennennungen in deiner Kategorie, was dir deinen Gesprächsanteil statt deine Auftrittsrate liefert. Beide Versionen sind im Umlauf, gib also immer an, welchen Nenner du verwendet hast.
Ein Rechenbeispiel: 20 Prompts über vier Engines ergeben 80 Antworten, und wenn deine Marke in 14 davon auftaucht, liegt dein Share of Model bei 17,5 %.
Share of Model vs. Share of Voice: Warum man es nicht kaufen kann
Share of Voice zeigt, wie viel vom Marktgespräch dir gehört, und du kannst diesen Wert mit Werbebudget nach oben treiben. Share of Model zeigt, wie oft KI-Modelle sich entscheiden, dich zu nennen, und kein Mediabudget kauft das direkt.
| Share of Model | Share of Voice | KI-Sichtbarkeit | |
|---|---|---|---|
| Was es misst | Wie oft LLM-Antworten deine Marke vs. Wettbewerber nennen | Dein Anteil an Werbung, Erwähnungen oder Impressionen in deiner Kategorie | Oberbegriff für Erwähnungen, Zitate und Links in KI-Antworten |
| Nenner | Alle Antworten aus einem festen Prompt-Set (oder alle Markennennungen darin) | Gesamtes Medien- oder Gesprächsvolumen der Kategorie | Variiert je nach Tool |
| Kaufbar? | Nein | Teilweise, über bezahlte Medien | Nein |
Zwei weitere Begriffe, die in Anbieter-Präsentationen auftauchen, sind verwandt, aber eigenständig. Share of Search zählt das Volumen gebrandeter Suchanfragen, es misst also Nachfrage. Brand Mentions zählt rohe Erwähnungen im gesamten Web, ohne festes Prompt-Set und ohne Wettbewerbsvergleich.
Der Grund, warum du Share of Model nicht kaufen kannst, liegt daran, woher Modelle ihre Informationen beziehen. Nur rund 2,9 % der KI-Zitate verweisen auf die eigene Domain einer Marke, während 75,2 % von Drittseiten stammen. Eine Korrelationsstudie mit 75.000 Marken fand, dass gebrandete Web-Erwähnungen mit der Sichtbarkeit in AI Overviews mit 0,664 korrelieren, während Backlinks nur 0,218 erreichen, eine Lücke von etwa 3:1. Die Autoren betonen, dass Korrelation keine Kausalität ist, aber die Richtung ist klar: Modelle vertrauen dem, was andere über dich sagen. Das ist der Kerngedanke hinter Generative Engine Optimization.
Dein Prompt-Set aufbauen: 20 bis 30 Prompts, die wirklich etwas messen
Starte mit 20 bis 30 Prompts, die echte Käufer tatsächlich eintippen würden, lass sie wöchentlich auf denselben Plattformen laufen und gib dir mindestens einen Monat, bevor du Schlüsse ziehst. Eine Share-of-Model-Zahl zählt nur dann als Messung, wenn sie Prompt-Set, Plattformliste und Zeitfenster nennt. Ohne diese drei Angaben bleibt es Anekdote.
Teile dein Set grob in drei Bereiche: generische Kategoriefragen (etwa „beste CRM-Software für kleine Teams”), Vergleichsfragen (etwa „HubSpot vs. Pipedrive vs. Zoho für ein 10-köpfiges Vertriebsteam”), und Problem- oder Use-Case-Fragen (etwa „wie verhindere ich, dass Leads nach einer Demo abkühlen”).
Um die Prompts auszuwählen, schau dir die Fragen an, die in Vertriebsgesprächen, Support-Tickets und deinen Search-Console-Anfragen auftauchen. Lass gebrandete Prompts wie „was ist [deine Marke]” weg: Da tauchst du fast immer auf, und sie blähen die Zahl auf, ohne dir etwas über Consideration zu verraten.
Bei den Plattformen deckst du ChatGPT, Perplexity, Gemini und Google AI Overviews ab, wenn deine Käufer alle vier nutzen. Verfolge sie getrennt, auch wenn du später eine kombinierte Zahl ausweist. INSEADs Analyse italienischer Waschmittelmarken fand Ariel bei fast 24 % auf Metas Llama, aber unter 1 % auf Gemini, und ein kombinierter Durchschnitt würde genau diese Lücke verschleiern. Wöchentlich ist für ein kleines Team der richtige Rhythmus: oft genug, um einen Trend zu erkennen, selten genug, um nicht jeden Montag zu fressen.
Warum überhaupt wiederholen? SparkToros eigenes Fazit aus der eigenen Forschung lautet, dass ein Sichtbarkeitsprozentsatz über Dutzende oder Hunderte wiederholter Prompts aussagekräftig ist, und eine einzelne Stichprobe eben nicht.
Was du bei jedem Durchlauf protokollieren solltest (und wie du falsches Rauschen vermeidest)
Protokolliere jedes Mal sieben Felder, in einer Tabellenzeile pro Prompt und Plattform: Prompt (exakter Wortlaut, kopiert statt neu getippt), Plattform und Modell (falls sichtbar), Datum, Marke genannt (ja oder nein), Position bzw. Prominenz (zuerst genannt, in einer Liste, nur als Fußnote), zitierte URL (falls vorhanden) und Sentiment-Notiz (positiv, neutral, negativ, plus ein paar Worte dazu, wie du beschrieben wirst).
Die Kontrollen zählen genauso wie die Spalten. SparkToros Studie mit 2.961 Prompt-Durchläufen über ChatGPT, Claude und Google AI fand, dass die Chance, für einen identischen Prompt zweimal dieselbe Markenliste zu bekommen, unter 1 zu 100 liegt. Zweimal dieselbe Reihenfolge zu bekommen, liegt eher bei 1 zu 1.000. Also entfernst du jede Variationsquelle, die du kontrollieren kannst.
Führe Prompts ausgeloggt oder im Inkognito-Fenster aus, damit Chat-Gedächtnis und Personalisierung das Ergebnis nicht zugunsten von Marken verzerren, die du schon recherchiert hast. Halte den Wortlaut jede Woche identisch. Wenn du in den DACH-Raum verkaufst, lass das komplette Set sowohl auf Deutsch als auch auf Englisch laufen, denn viele B2B-Käufer formulieren Prompts auf Englisch, und die Antworten können sich zwischen den Sprachen stark unterscheiden. Protokolliere die Sprache als eigenes Feld, damit du die beiden nie in einer Zahl vermischst.
Welche Tools Share of Model tracken, und was kosten sie?
Deine Null-Kosten-Option ist die Tabelle aus den letzten beiden Abschnitten, und für deine ersten Runden ist das oft die klügere Wahl: Du lernst, welche Prompts wichtig sind, bevor du fürs Tracking bezahlst. Sobald manuelle Durchläufe mehr Zeit kosten, als die Erkenntnis wert ist, sind das die namhaften Optionen zu aktuellen Listenpreisen:
| Tool | Stufe | Einstiegspreis pro Monat | Gut geeignet, wenn … |
|---|---|---|---|
| HubSpot AEO Grader, Mangools AI Search Grader | Kostenloser Einmal-Check | Kostenlos | Du einen ersten Schnappschuss ohne Verlauf willst |
| Otterly.ai | Einstieg | 29 $ | Du den günstigsten laufenden Tracker suchst |
| Mentionable (Growth) | Einstieg | 79 € | Du EUR-Abrechnung und einfaches Setup bevorzugst |
| Peec AI (Starter) | Einstieg | 85–95 €, 50 Prompts | Dein Prompt-Set in 50 Prompts passt |
| Semrush AI Visibility Toolkit | Mittel | 99 $ pro Domain | Dein Team ohnehin in Semrush arbeitet |
| Ahrefs Brand Radar | Mittel | 199 $ | Dein Team ohnehin in Ahrefs arbeitet |
| AthenaHQ | Kostenlos bis mittel | Kostenlos (300 Credits) bis 295 $ (3.600 Credits) | Du erst testen willst, bevor du dich festlegst |
| Profound (Growth) | Agentur | 399 $ | Du mehrere Marken oder Kunden trackst |
Oberhalb dieser Spanne nennen Enterprise-Suiten und mehrere Tracking-Tools Preise nur auf Anfrage. Wenn du erst testest, ob die Kennzahl für dein Geschäft überhaupt relevant ist, wähle einen Monatsplan ohne Jahresbindung.
Deine ersten Zahlen: Was ist normal, was ist Rauschen?
Es gibt kein einzelnes „gutes” Share of Model, und wer eines nennt ohne Methodik dahinter, rät nur. Veröffentlichte Benchmarks setzen den branchenübergreifenden Median in einem Datensatz bei 6,8 %, einen Durchschnitt von 12–15 % in einem anderen, und einen Median von rund 31 % in einem dritten. Das ist kein Widerspruch: Jedes Tool nutzt andere Prompts, Plattformen und Definitionen einer Nennung. Vergleiche dich mit deiner eigenen Basislinie und deinen zwei oder drei engsten Wettbewerbern.
Eine Studie mit 17.691 Prompt-Durchläufen über 20 Marken zeigt, warum Durchschnittswerte kleinere Marken in die Irre führen: Die aggregierte Nennungsrate erreicht 26,8 % auf Gemini, 21,1 % auf Perplexity und 16,9 % auf ChatGPT, aber der Median pro Marke liegt nur bei 1,1 % auf Gemini, 0,7 % auf Perplexity und 4,2 % auf ChatGPT. Die oberen 20 % der Marken vereinten rund zwei Drittel der gesamten Sichtbarkeit, und 36 % der Marke-Engine-Paarungen kamen auf exakt 0 %.
Gut zu wissen: Bist du eine kleine oder mittelgroße Marke und dein erster Durchlauf zeigt niedrige Einzelstellen, liegst du vermutlich nahe am echten Median. Ein 0 % auf einer Plattform ist üblich, und es ist der Ausgangspunkt für eine Basislinie.
Für die wöchentliche Einordnung helfen zwei Befunde. In SparkToros Daten tauchten die führenden Marken einer Kategorie unabhängig vom Prompt-Wortlaut weiterhin in 55–77 % der Antworten auf, das Consideration Set ist also recht stabil, selbst wenn die Reihenfolge wechselt. Separate Tracking-Daten zeigen, dass 96,8 % der Zitat-Positionen von Woche zu Woche unverändert bleiben, und 87 % der Bewegungen, die passieren, sind Rückgänge.
Ein einzelner Einbruch ist meist Rauschen. Eine anhaltende Richtung über drei oder vier Wochen ist ein Trend. Vertraue deinen Daten nach vier bis sechs wöchentlichen Durchläufen, und wenn die Geschäftsführung fragt, was die Zahl fürs Geschäft bedeutet, kombiniere sie mit den Wegen, KI-Sichtbarkeit jenseits von Traffic zu messen.
Die Hebel, die Share of Model wirklich bewegen
Der stärkste Hebel sind Drittquellen-Zitate auf Seiten, denen Modelle vertrauen: Reddit, Fachforen, Bewertungsplattformen, YouTube und Fachpresse. Eine Folgeanalyse vom Dezember 2025 erweiterte dieselbe Korrelationsforschung auf ChatGPT und den Google AI Mode und fand, dass YouTube-Erwähnungen sogar noch stärker korrelieren, bei rund 0,737. Technische SEO-Faktoren und die reine Seitenzahl zeigten kaum Zusammenhang.
Reddit ist in fast jeder großen KI-Engine die am häufigsten zitierte Domain, und eine Zitat-Analyse beziffert das auf Perplexity auf bis zu jedes fünfte Zitat. Domains mit starker Reddit-Präsenz zeigen rund vierfach höhere KI-Zitationsraten. In der Praxis heißt das: zeig dich dort, wo deine Käufer ohnehin schon Fragen stellen, beantworte Threads ehrlich, bring dein Produkt in Kategorie-Übersichten unter, und biete Fachmedien Daten oder Meinungen an.
Auf deiner eigenen Seite machst du Inhalte leicht zitierbar. Ergänze Vergleichstabellen und FAQ-Blöcke in bestehenden Artikeln, bevor du neue Keyword-Seiten baust, denn strukturierte, direkte Antworten sind das, was Modelle herausziehen.
Auch deine Google-Rankings tragen dich nicht automatisch mit. Nur 12 % der URLs ranken für dieselbe Suchanfrage auch in Googles Top 10, und die am häufigsten zitierten Seiten haben tendenziell weniger Backlinks als seltener zitierte Seiten. Wenn dein Reporting auf Rankings aufbaut, führe Share of Model als eigene Zeile, statt anzunehmen, dass eines das andere vorhersagt.
Das Ganze kannst du inhouse umsetzen, mit den sechs Phasen eines GEO-Frameworks als Plan. Wenn du lieber mit einer Diagnose startest, prüft Claires kostenloses GEO-Audit deine Seite anhand von über 70 Punkten, die darüber entscheiden, ob ChatGPT und andere KI-Systeme sie finden, verstehen und zitieren können.
Share of Model belohnt den Long Tail, nicht den Lautesten
Hier die Tatsache, die die meisten Share-of-Model-Diskussionen auslassen: In einer Analyse von 200 Millionen Prompts über fünf Monate hinweg kam selbst die meistzitierte Domain einer Plattform selten über 5 % aller Zitate hinaus, und die restlichen 95 % verteilten sich auf Tausende Quellen. KI-Sichtbarkeit ist ein Long-Tail-Spiel. Für eine kleine oder mittelgroße Marke ist das realistische Ziel eine Trendlinie, die Woche für Woche weiter steigt, aufgebaut aus konsistenten Drittquellen-Erwähnungen, statt Kategorie-Dominanz.
Starte deine Tabellen-Basislinie noch diese Woche mit 20 bis 30 Prompts auf den Plattformen, die deine Käufer nutzen. Willst du schnell sehen, was deine Zitierbarkeit heute noch blockiert, lass parallel Claires kostenloses GEO-Audit laufen.
FAQ
Zählt eine Markenerwähnung ohne Link trotzdem?
Ja. Eine Erwähnung zählt für Share of Model, weil sie beeinflusst, was der Käufer in Betracht zieht, auch ohne Klick. Protokolliere zitierte URLs trotzdem separat: Sie zeigen, auf welche Quellen sich das Modell stützt und wohin deine Earned-Media-Arbeit als Nächstes gehen sollte.
Zählt Sentiment genauso viel wie die bloße Erwähnung?
Meist sogar mehr, sobald du über der Nennungsschwelle liegst. Eine Analyse aus 2026 fand, dass sich das Sentiment-Framing einer bereits zitierten Marke zwischen Durchläufen in 45,5 % der Fälle drehte, während die bloße Präsenz nur in 6,8 % der Fälle wechselte. Deshalb zählt die Sentiment-Spalte in deinem Protokoll.
Wie berichte ich Share of Model ans Management?
Zeig deine wöchentliche Trendlinie neben ein oder zwei Hauptwettbewerbern, mit einer Fußnote zu Prompt-Anzahl, Plattformen und Zeitfenster. Versprich keine Zielrate oder „Platz 1 in ChatGPT”, denn niemand kontrolliert die Antworten des Modells.
Wann sollte ich noch nicht in Share of Model investieren?
Warte ab, wenn deine Käufer deine Kategorie kaum mit KI-Assistenten recherchieren, oder wenn du keine Kapazität hast, auf die Erkenntnisse zu reagieren. Eine Kennzahl, die du nicht beeinflussen kannst, wird zur Vanity-Zahl. Führe trotzdem eine manuelle Basis-Messung durch, damit du weißt, wo du stehst.