Was Sie vor sich haben
Dies ist weder ein Blog noch ein Newsfeed. Vor Ihnen liegt eine Forschungsbibliothek — ein strukturierter Textkorpus darüber, wie Marken in den Antworten von KI-Systemen existieren. Oder eben nicht existieren.
Jeder Text nimmt einen bestimmten Platz ein: Einige führen Konzepte ein, andere untersuchen konkrete Phänomene, wieder andere liefern praktische Werkzeuge. Alle Materialien sind durch Querverweise verbunden und in Leserouten organisiert — fertige Abfolgen für eine bestimmte Rolle oder Aufgabe.
Das thematische Feld des Korpus: wie ein Modell eine Marke intern repräsentiert, woher es seine Informationen bezieht, wie es Empfehlungen bildet, warum dieselbe Marke in verschiedenen Systemen und Sprachen unterschiedlich aussieht, und was man dagegen tun kann.
Wie jeder Artikel aufgebaut ist
Alle Materialien im Korpus folgen einer einheitlichen Struktur. Das ist kein Zufall — die Einheitlichkeit ermöglicht schnelle Orientierung und den Vergleich von Texten untereinander.
Attributzeile
Über dem Titel — eine kompakte Zeile: Materialtyp, ●● Schwierigkeitsstufe, Lesezeit und Aufgaben, bei deren Lösung der Artikel hilft. Mehr zu Typen und Stufen weiter unten.
Beschreibung und Leitzitat
Unter dem Titel — ein bis zwei Sätze, die den Kern erklären. Darunter:
Ein kursiv gesetztes Leitzitat, das den Ton vorgibt und die zentrale These des Artikels formuliert.
Forschungskarte
Die meisten Artikel enthalten eine Tabelle mit drei Feldern:
Fließtext und Inhaltsverzeichnis
Der Text ist in Abschnitte mit Zwischenüberschriften gegliedert. Rechts — ein Inhaltsverzeichnis zur schnellen Navigation zwischen den Abschnitten.
Drei Schlussblöcke
Forschungsartikel enden mit drei Blöcken, die den aktuellen Wissensstand zum Thema festhalten:
Schlussfolgerungen, die durch reproduzierbare Daten gestützt und aus mehreren Quellen bestätigt sind.
Fragen ohne eindeutige Antwort, Plattformabhängigkeiten, unreife Metriken.
Konkrete Folgen für die Marke: was zu tun ist, was sich ändern muss, worauf zu achten ist.
Quellen und verwandte Materialien
Am Ende — eine nummerierte Quellenliste. Nummern in eckigen Klammern [1], [2] erscheinen im Textverlauf und verweisen auf den entsprechenden Eintrag. Nach den Quellen — ein Block mit Links zu weiteren Texten des Korpus zum gleichen Thema.
Materialtypen
Jeder Text ist mit einem farbigen Badge in der Attributzeile gekennzeichnet.
Grundlagentext — das Fundament des Korpus. Führt Schlüsselkonzepte ein, erklärt Mechanismen, baut das Grundverständnis auf. Wenn Sie gerade erst beginnen, werden Sie höchstwahrscheinlich mit den Grundlagentexten anfangen.
Forschungsartikel — analytischer Artikel auf Datenbasis. Untersucht ein konkretes Phänomen, enthält stets eine Forschungskarte und drei Schlussblöcke.
Feldnotiz — eine Beobachtung, die in Echtzeit festgehalten wurde. Weniger formalisiert als ein Forschungsartikel; dokumentiert einen entdeckten Effekt oder eine Anomalie mit Primärdaten.
Aktualisierung — Analyse einer konkreten Plattformänderung. An ein Datum gebunden, enthält eine Einschätzung, wie sich die Änderung auf die Markensichtbarkeit auswirkt.
Nachschlagewerk — Material zum ständigen Nachschlagen. Glossar aller Begriffe und Metriken, auf das man beim Lesen jedes anderen Artikels zurückgreifen kann.
Beobachtungsvorlage — praktisches Werkzeug. Eine Karte, die zur Dokumentation von Beobachtungen bei jeder Studie verwendet werden kann.
Leitfaden — Navigationstext (einschließlich dieses hier). Hilft bei der Orientierung im Korpus und der Wahl eines Einstiegspunkts.
Schwierigkeitsstufe
Jedes Material ist mit farbigen Punkten gekennzeichnet — in der Materialliste und in der Attributzeile auf der Artikelseite.
● Einführung — Einstiegspunkt. Keine Vorkenntnisse erforderlich. Geeignet für eine erste Begegnung mit dem Thema.
●● Mittelstufe — setzt voraus, dass Sie bereits mindestens zwei Einführungstexte gelesen haben und sich in den Grundbegriffen des Korpus orientieren.
●●● Fortgeschritten — für Leser, die mindestens eine Leseroute absolviert haben. Behandelt methodische Nuancen, Grenzfälle und nicht offensichtliche Zusammenhänge.
Leserouten
Eine Route ist eine vorbereitete Abfolge von Texten, ausgewählt für eine Rolle oder Aufgabe. Es ist nicht nötig, eine Route vollständig durchzuarbeiten: Bereits die ersten zwei bis drei Texte vermitteln ein funktionales Verständnis des Themas.
Einstieg — das Minimum. Was KI-Sichtbarkeit ist, woher das Modell Informationen über eine Marke bezieht und wie der Kundenpfad über den KI-Vermittler aussieht.
Für den Unternehmer — Fokus auf Geschäftsentscheidungen: Ökonomie der Unsichtbarkeit, Wettbewerbsumfeld, wann und warum eine Studie starten.
Für den Marketingverantwortlichen — Quellen, Zitierung, was vom SEO übertragbar ist und was nicht, praktische Maßnahmen zur Steigerung der Sichtbarkeit.
Für die technische Leitung — Infrastruktur: maschinenlesbare Daten, Auszeichnung, Zugangskontrolle, Integrationen.
Für den Forscher — Methodik: wie der Benchmark funktioniert, welche Metriken und warum, Grenzen, Reproduzierbarkeit.
Für die Agentur und den Berater — wie man dem Kunden das Thema erklärt, welche Argumente wirken, wie man die Diagnostik aufbaut.
Vollständiger Kurs — alle Materialien des Korpus in empfohlener Reihenfolge, von der Einführung bis zu den fortgeschrittenen Themen.
Navigation in der Wissensbasis
Die Seite der Wissensbasis ist in vier Modi organisiert. Wechseln Sie zwischen ihnen über die Karten oben auf der Seite.
Alle Materialien
Der vollständige Katalog in Tabellenform. Jede Zeile zeigt den Artikeltitel mit kurzer Beschreibung, Typ-Badge, farbige Schwierigkeitspunkte und Lesezeit. Die Tabelle kann nach jeder Spalte sortiert (Klick auf die Überschrift) und über die Suchleiste gefiltert werden — die Suche durchsucht Titel und Beschreibungen.
Nach Aufgabe suchen
Filtermodus. Oben — Aufgabenkarten: „Problem verstehen", „Diagnostik starten", „Risiken bewerten", „Umsetzung vorbereiten" und weitere. Wählen Sie eine Aufgabe — Sie erhalten nur die Materialien, die sie behandeln. Zusätzliche Filter ermöglichen eine Eingrenzung nach Thema und Schwierigkeitsstufe.
Leseroute
Sieben vorbereitete Routen — Textabfolgen, ausgewählt für eine Rolle oder Aufgabe. Jede Route klappt per Klick auf und zeigt nummerierte Schritte mit Typen, Stufen und Lesezeiten. Gesamtzeit und erwartetes Ergebnis sind angegeben. Die Schaltfläche „Lesen beginnen" öffnet den ersten Text der Route.
Nachschlagewerk
Drei Referenzblöcke, auf die man beim Lesen bequem zurückgreifen kann:
- Begriffe — Glossar aller Begriffe des Korpus. Jeder Begriff enthält eine Definition und eine kursiv gesetzte praktische Bedeutung — was dieser Begriff für die Entscheidungsfindung bedeutet.
- Berichtsmetriken — Gewichtstabellen der Hauptbewertung und der diagnostischen Metriken. Zeigen, woraus sich der AI Visibility Score zusammensetzt und wie jeder Indikator im Bericht zu interpretieren ist.
- Forschungsszenarien — Fragetypen, die AI100 dem Modell bei der Prüfung stellt. Erklären, was jedes Szenario prüft und wie es sich auf die Endpunktzahl auswirkt.
Der AI100-Korpus ist in fünf Sprachen verfügbar: Russisch, Englisch, Spanisch, Französisch und Deutsch.
Verwandte Materialien
Beobachtungsvorlage für eine Mini-Studie der ai100-Wissensbasis
Vorlage einer Beobachtungskarte zur Erfassung von Daten aus jedem AI100-Testlauf — damit einzelne Antworten eine Forschungsgeschichte ergeben.
Material öffnen →Warum eine starke Marke für KI-Systeme unsichtbar sein kann
Erklärt das zentrale Paradoxon: Eine Marke kann bei Menschen bekannt und zugleich für KI im Moment der realen Auswahl schlecht unterscheidbar sein.
Material öffnen →Wie das in der Praxis mit AI100 zusammenhängt
Wenn Sie nicht einen Überblick, sondern eine spezifische Diagnose für Ihre Marke brauchen, können Sie mit AI100 prüfen, wie das Modell das Unternehmen in neutralen Auswahlszenarien wahrnimmt, welche Wettbewerber höher positioniert sind und welche Verbesserungen die Sichtbarkeit am ehesten steigern.
Beispielbericht ansehen