AMCR, ACCR, SOVAR, SOCAR — die 4 KPIs für KI-Sichtbarkeit

Warum klassische SEO-KPIs für KI-Sichtbarkeit nicht reichen

Rankings, Klickraten und organischer Traffic messen die Sichtbarkeit in Linklisten. Sie beantworten die Frage: „Wie gut performt meine Website in der klassischen Google-Suche?" Für KI-generierte Antworten sind sie blind.

Wenn ChatGPT eine Marke als Lösung empfiehlt, taucht das in Google Analytics nicht auf. Wenn Perplexity einen Blog-Artikel als Quelle zitiert, erscheint das nicht in der Search Console. Und wenn Google AI Overviews eine Marke in der generierten Zusammenfassung erwähnt, ohne dass Nutzer klicken, ist das ein Nicht-Event — obwohl die Marke potenziell Millionen von Nutzern erreicht hat.

KI-Sichtbarkeit braucht eigene KPIs. Eine Analyse von 75.000 Brands zeigt, warum:

Wir nutzen in unseren GEO-Audits vier Metriken, die gemeinsam ein vollständiges Bild liefern.

AMCR — AI Mention Coverage Rate

Definition: Die AMCR misst, bei wie viel Prozent der relevanten KI-Anfragen eine Marke überhaupt erwähnt wird — unabhängig davon, ob die eigene Website als Quelle verlinkt wird.

Berechnungsbeispiel: Ein Unternehmen wird bei 15 relevanten Testfragen auf vier Plattformen getestet (ChatGPT, Perplexity, Claude, Google AI Overviews). Bei 8 dieser Fragen erscheint der Markenname in mindestens einer der KI-Antworten. AMCR = 8/15 × 100 = 53,3 %.

Benchmarks aus unseren Audits: Die folgenden Bandbreiten stammen aus unseren bisherigen GEO-Audits im DACH-Supplement-Segment. Andere Branchen können abweichen — die relativen Muster (Verhältnis Marktführer zu Challenger) sind aber branchenübergreifend konsistent:

• Unter 5 % — KI-unsichtbar. Die Marke existiert für generative Suchsysteme praktisch nicht. Ursache ist häufig ein grundlegendes E-E-A-T-Gate-Risiko oder fehlende Content-Infrastruktur.
• 5–20 % — Punktuell sichtbar. Die Marke taucht bei einzelnen Fragen auf, aber nicht systematisch. Typisch für Unternehmen, die auf einer Plattform präsent sind, aber auf den anderen fehlen.
• 20–35 % — Solide Basis. Die Marke wird bei einem relevanten Anteil der Anfragen erwähnt, hat aber Lücken in bestimmten Fragekategorien (oft How-To-Fragen oder Vergleichsfragen).
• Über 35 % — Starke KI-Sichtbarkeit. Typischerweise Marktführer mit hoher Brand Authority und breiter externer Präsenz.

Konkrete Werte aus drei Audits: Ein D2C-Supplement-Unternehmen mit starker Marke im Massenmarkt erreichte 43,2 % AMCR — der höchste Wert in unserem Benchmark-Set. Ein Premium-Challenger im selben Segment kam auf 18,9 %, trotz objektiv besserer Content-Qualität auf den Produktseiten. Eine weitere Supplement-Marke mit 475 Blog-Artikeln, aber fehlenden Autorenprofilen und E-E-A-T-Gate-Risiko, erreichte eine Cross-Plattform-bereinigte AMCR von 4,8 % — wobei die plattformspezifische ChatGPT-AMCR bei exakt 0 % lag. Die Differenz zeigt: Google AI Overviews erkannte die Marke punktuell (14,3 % AMCR), während ChatGPT und Perplexity sie komplett ignorierten.

Roh vs. bereinigt: In der Praxis unterscheiden wir zwischen roher und bereinigter AMCR. Die Roh-AMCR enthält alle Testfragen, einschließlich direkter Brand-Fragen wie „Was ist [Markenname]?" — bei denen die Marke naturgemäß fast immer erwähnt wird. Die bereinigte AMCR schließt diese Bias-Fragen aus und zeigt die tatsächliche Sichtbarkeit bei Fragen, die Nutzer stellen, ohne eine bestimmte Marke im Sinn zu haben. Die bereinigte AMCR ist der aussagekräftigere Wert. Ein Unternehmen, das nur bei Brand-Fragen erscheint, hat kein GEO-Problem — es hat ein Bekanntheitsproblem.

ACCR — AI Citation Coverage Rate

Definition: Die ACCR misst, bei wie viel Prozent der relevanten KI-Anfragen die eigene Website (Domain) als Quelle verlinkt wird.

Der entscheidende Unterschied zur AMCR: Die AMCR erfasst jede Erwähnung des Markennamens — auch wenn die Information von einem Drittportal stammt. Wenn ein Vergleichsportal über eine Marke schreibt und ChatGPT diese Information zitiert, steigt die AMCR, nicht aber die ACCR. Die ACCR steigt nur, wenn die eigene Website als Quelle verlinkt wird.

Warum der AMCR-ACCR-Gap die wichtigste Diagnose ist: Ein hoher AMCR-Wert bei niedrigem ACCR-Wert bedeutet: Die Marke ist bekannt, aber die KI-Plattformen vertrauen Drittquellen mehr als der eigenen Website. In unseren Audits sehen wir das regelmäßig: Ein B2B-SaaS-Unternehmen erreichte eine AMCR von 21 % — die Marke wurde bei jeder fünften Frage erwähnt. Die ACCR lag aber bei nur 9,9 %. Die KI-Plattformen zogen die Informationen über das Unternehmen von Vergleichsportalen, Fachmedien und Bewertungsplattformen — nicht von der Unternehmenswebsite. Der Gap von 11,1 Prozentpunkten zeigt: Die KI-Sichtbarkeit basiert auf der Sichtbarkeit Dritter, nicht auf eigener Content-Autorität.

Interpretation: Ein AMCR-ACCR-Gap unter 5 Prozentpunkten ist gesund — die Marke wird erwähnt UND die eigene Website als Quelle genutzt. Ein Gap über 10 Prozentpunkte zeigt ein Source-Authority-Problem: Die Marke ist bekannt, aber die Website wird nicht als vertrauenswürdige Quelle eingestuft. Die Lösung liegt dann nicht in mehr Content, sondern in stärkeren E-E-A-T-Signalen.

Drei typische Muster — wie AMCR und ACCR zusammen gelesen werden

Die diagnostische Stärke der KPIs liegt nicht in den Einzelwerten, sondern in ihrem Zusammenspiel. Drei Muster tauchen in unseren Audits wiederholt auf:

Muster 1: „Bekannt, nicht vertraut" — Hohe AMCR, niedrige ACCR. Die Marke wird erwähnt, weil sie auf externen Portalen vorkommt. Die eigene Website wird aber selten direkt als Quelle genutzt. Diagnose: Source-Authority-Problem. Die KI-Plattformen kennen die Marke aus Drittquellen, stufen die eigene Website aber nicht als autoritativ genug ein. Hebel: Autorenprofile stärken, Content-Qualität erhöhen, E-E-A-T-Gate überwinden.

Muster 2: „Nischen-Autorität" — Niedrige AMCR, aber hohe ACCR. Die Marke wird selten erwähnt, aber wenn sie erwähnt wird, wird die eigene Website direkt als Quelle verlinkt. Diagnose: Die Website hat hohe Quellenautorität für bestimmte Themen, aber geringe Markenbekanntheit. Ein Beispiel aus unseren Audits: Eine Supplement-Marke erreichte auf Perplexity eine AMCR von 0 % — die Marke wurde kein einziges Mal namentlich empfohlen. Die ACCR lag aber bei 6,7 % — Perplexity nutzte den Blog als Informationsquelle für Nischenthemen wie Biohacking und Konzentration, ohne die Marke selbst zu empfehlen. Die Website hatte Content-Autorität, die Marke nicht. Hebel: Markenbekanntheit aufbauen, Content-Infrastruktur in die Breite ausbauen, Gatekeeper-Portale besetzen.

Muster 3: „Für KI unsichtbar" — AMCR nahe 0 % über alle Plattformen. Die Marke wird auf keiner KI-Plattform erwähnt, obwohl sie bei direkten Brand-Fragen erkannt wird (Bias-Fragen: 100 %). Diagnose: E-E-A-T-Gate-Risiko. Die Marke hat möglicherweise guten Content, aber die Autoritätssignale reichen nicht, um in den Retrieval-Pool aufgenommen zu werden. Hebel: Gate-Risiko beseitigen — Authoritativeness und Expertise auf Source-Entity-Ebene aufbauen, bevor Content-Optimierung Wirkung zeigen kann.

SOVAR — Share of Voice in AI Responses

Definition: Der SOVAR misst den prozentualen Anteil der eigenen Markenerwähnungen an allen Markenerwähnungen in den KI-Antworten zum selben Fragen-Set.

Warum SOVAR wichtiger ist als AMCR allein: Die AMCR zeigt die absolute Sichtbarkeit — wird die Marke erwähnt oder nicht. Der SOVAR zeigt die relative Position im Wettbewerb. Eine AMCR von 20 % klingt solide — bis man sieht, dass der Marktführer bei 43 % liegt und drei Wettbewerber dazwischen stehen. Der SOVAR setzt die eigene Sichtbarkeit ins Verhältnis zum Gesamtmarkt.

Benchmark aus unseren Audits: Im NEM-Segment (Nahrungsergänzungsmittel, 24 getrackte Marken) lag der SOVAR-Spitzenreiter bei 17,4 %, der untersuchte Kunde bei 7,6 %. Der SOVAR zeigt: Selbst der sichtbarste Anbieter „besitzt" weniger als ein Fünftel der KI-Antworten in seiner Kategorie. Das bedeutet: Der Markt ist fragmentiert und es gibt Raum, Anteile zu gewinnen — besonders in Fragekategorien, die noch nicht besetzt sind.

SOCAR — Share of Citations in AI Results

Definition: Der SOCAR misst den prozentualen Anteil der eigenen Website-Zitationen an allen Zitationen in den KI-Antworten zum selben Fragen-Set.

Unterschied zum SOVAR: Der SOVAR misst Markenerwähnungen — jede Nennung des Namens zählt, unabhängig davon, woher die Information stammt. Der SOCAR misst Website-Zitationen — nur direkte Links zur eigenen Domain zählen. Der SOCAR ist damit das härteste Maß für Content-Autorität: Wird die eigene Website als Quelle bevorzugt, oder zitieren die KI-Plattformen lieber Drittquellen über die Marke?

Interpretation: Ein niedriger SOCAR bei hohem SOVAR ist dasselbe Signal wie der AMCR-ACCR-Gap, nur auf Wettbewerbsebene: Die Marke ist bekannt, aber die eigene Website ist nicht die bevorzugte Quelle. Die Lösung liegt in der Stärkung der Quellenautorität — durch E-E-A-T-Signale, eigenständigen Content mit Information Gain und Präsenz auf den Gatekeeper-Portalen, die KI-Systeme als Einstiegspunkte nutzen.

Methodische Einschränkung: Bei Google AI Overviews ist der SOCAR ein Näherungswert. Google zeigt in vielen Fällen nur eine begrenzte Anzahl von Quellen direkt an — weitere Quellen sind hinter „+N weitere"-Source-Cards eingeklappt und lassen sich nicht zuverlässig auswerten. Die SOCAR-Werte für Google AI Overviews sind daher tendenziell zu niedrig. Bei ChatGPT, Perplexity und Claude, wo alle Quellen direkt sichtbar sind, ist die Messung exakt.

Häufige Fragen

Verwandte Themen

Nächste Schritte

Die vier KPIs liefern die Datenbasis — aber erst die Interpretation zeigt, wo die Hebel liegen. Ein vollständiger GEO-Audit kombiniert die AMCR/ACCR/SOVAR/SOCAR-Messung mit einer Wettbewerbsanalyse und einer E-E-A-T-Bewertung, um konkrete Maßnahmen zu priorisieren.