Share of Model: Die neue Währung für Markensichtbarkeit in der KI-Ära

Jahrelang hast du Share of Voice, SEO-Rankings und Social-Media-Engagement als zentrale KPIs für die Sichtbarkeit deiner Marke optimiert. Doch eine neue Kraft verändert die Spielregeln fundamental: Generative KI und Large Language Models (LLMs) wie ChatGPT, Gemini und die neuen AI Overviews in der Google-Suche. Diese Modelle werden für Millionen von Menschen zum primären Interface für Informationen, Empfehlungen und Kaufentscheidungen. Wer hier nicht stattfindet, verliert.

Die entscheidende Frage für dich als CMO ist nicht mehr nur: „Auf welcher Position ranken wir?“, sondern: „Sind wir Teil der Antwort, die die KI gibt?“. Um das zu quantifizieren und strategisch zu steuern, brauchen wir eine neue Metrik: den Share of Model. Hier bei Davies Meyer haben wir eine robuste Methodik entwickelt, um genau das für unsere Kunden zu tun. Ich zeige dir, wie du diesen Ansatz für deine Marke nutzen kannst.

Was ist „Share of Model“ und warum ist es die neue Messlatte?

Der „Share of Model“ ist dein prozentualer Anteil an den relevanten und positiven Markennennungen innerhalb eines LLMs für ein definiertes Set an Themen und Fragen. Er ist das Äquivalent zum „Share of Voice“ im Zeitalter der KI. Er misst nicht, wie laut du schreist (Werbeausgaben), sondern wie relevant und vertrauenswürdig dein digitales Ökosystem ist, um von einer KI als Antwortquelle herangezogen zu werden.

Warum ist das für dich entscheidungsrelevant? Weil LLMs die Customer Journey neu definieren. Statt sich durch zehn blaue Links zu klicken, erhalten Nutzer eine kuratierte, zusammengefasste Antwort. Wenn deine Marke in dieser Synthese fehlt – oder schlimmer noch, dein Wettbewerber prominent genannt wird –, existierst du in diesem entscheidenden Moment der Bedarfsdeckung nicht. Der „Share of Model“ ist somit ein direkter Indikator für deine zukünftige Marktpräsenz und Relevanz.

Die Methodik: Wie wir den „Share of Model“ messbar machen

Abstrakte Konzepte helfen dir nicht. Was du brauchst, ist ein handfester, wiederholbarer Prozess. Unsere Methodik basiert auf vier Säulen, um den Nebel rund um die KI-Blackbox zu lichten.

• Systematische Prompt-Sets: Wir können nicht einfach eine Frage stellen und das Ergebnis als Wahrheit ansehen. Wir entwickeln hunderte von Prompts, die verschiedene Nutzerintentionen abbilden: von allgemeinen Informationsanfragen („Welche Hautcreme ist am besten für trockene Haut?“) über Vergleiche („Vergleiche Marke A und Marke B bei Nachhaltigkeit“) bis hin zu konkreten Kaufabsichten („Welcher Joghurt hat am meisten Protein?“). Diese Sets werden je nach Branche und Marke individuell kalibriert.

• Kontrolliertes Sampling: Eine einzelne Antwort eines LLMs ist eine Momentaufnahme. Die Modelle sind nicht deterministisch; sie können auf denselben Prompt leicht unterschiedliche Antworten geben. Deshalb fragen wir systematisch und wiederholt über verschiedene Accounts und teils auch simulierte geografische Regionen hinweg, um Zufallseffekte zu minimieren und ein stabiles Bild zu erhalten. Wir testen dabei die relevanten Modelle wie ChatGPT (GPT-4), Google Gemini und Perplexity.

• Quantitative Metriken: Aus den tausenden gesammelten Antworten extrahieren wir harte KPIs. Die wichtigsten sind:
• Nennungsrate: In wie viel Prozent der relevanten Antworten wird deine Marke überhaupt erwähnt?
• Zitationsrate: In wie viel Prozent der Fälle wird deine Website als Quelle für eine Information zitiert? Ein extrem starkes Signal für Autorität.
• Sentiment-Score: In welchem Kontext wirst du genannt? Ist die Nennung positiv, neutral oder negativ? Wir analysieren die Tonalität im direkten Umfeld deiner Marke.
• Ranking/Position: Wenn das LLM eine Liste generiert („Die 5 besten …“), auf welcher Position stehst du im Durchschnitt?

• Wettbewerbs-Analyse: Deine eigenen Werte sind nur die halbe Miete. Der wahre strategische Wert entsteht im Vergleich. Wir führen dieselbe Analyse für deine 2-3 Hauptwettbewerber durch. Erst dadurch siehst du, ob du Marktführer, Verfolger oder Nachzügler im „Mindspace“ der KI bist.

Die Anatomie einer guten LLM-Antwort: Hebel zur Optimierung

Sobald wir wissen, wo du stehst, beginnt die eigentliche Arbeit: die gezielte Optimierung. Anders als bei klassischem SEO, wo es primär um Keywords und Backlinks ging, müssen wir hier verstehen, wie ein LLM „denkt“. Es geht darum, deine Marke und deine Produkte als verlässliche Entitäten im Wissensgraphen der KI zu etablieren. Die drei wichtigsten Hebel dafür sind:

• Entitäten stärken: Ein LLM versteht die Welt in Entitäten – also klar definierte Konzepte wie Personen, Orte, Organisationen oder eben Marken und Produkte. Deine Aufgabe ist es, die Entität „deine Marke“ mit klaren, konsistenten und vernetzten Informationen im gesamten Web anzureichern. Das beginnt bei einem lückenlosen Wikipedia-Eintrag und Wikidata-Profil und geht über die konsistente Nennung in Fachmagazinen bis hin zur Art, wie du über dich selbst auf deiner Website sprichst.

• Vertrauenswürdige Quellen bespielen: LLMs beziehen ihr „Wissen“ aus einem riesigen Korpus an Trainingsdaten. Dazu gehören hochwertige journalistische Inhalte, wissenschaftliche Publikationen, anerkannte Branchenportale und natürlich deine eigenen digitalen Kanäle. Content-Marketing und PR bekommen hier eine neue, technische Dimension. Es geht nicht mehr nur darum, Menschen zu erreichen, sondern auch darum, die KI mit Fakten zu „füttern“, die deine Autorität untermauern.

• Strukturierte Antworten liefern: Mache es der KI so einfach wie möglich, deine Inhalte zu verstehen und als Antwort zu verwenden. Klare, strukturierte Daten sind Gold wert. Dazu gehören detaillierte Produktseiten mit Schema.org-Markup, umfassende FAQ-Sektionen, die Nutzerfragen direkt beantworten, und How-to-Guides, die Lösungen statt nur Produktfeatures in den Mittelpunkt stellen. Wenn ein LLM eine klare Frage hat, solltest du die klarste Antwort im Web liefern.

Monitoring-Stack und Reporting: Den Prozess im Griff behalten

„Share of Model“ ist keine einmalige Analyse, sondern ein fortlaufender Prozess. Deine Wettbewerber schlafen nicht und die LLMs werden täglich aktualisiert. Deshalb ist ein schlanker, aber effektiver Monitoring-Prozess entscheidend.

Unser Stack besteht typischerweise aus einer Kombination von Custom-Skripten (z.B. via Python), die automatisiert die definierten Prompt-Sets an die APIs der LLMs senden, und spezialisierten SEO-Tools, die beginnen, LLM-Tracking zu integrieren. Die gesammelten Rohdaten werden in einem Dashboard (z.B. in Looker Studio oder Power BI) visualisiert, das dir und deinem Team auf einen Blick zeigt, wie sich eure KPIs über die Zeit entwickeln.

Die Reporting-Kadenz passen wir an die Bedürfnisse an:

• Monatliches Performance-Dashboard: Ein Überblick über die Kernmetriken (Nennungsrate, Sentiment, Wettbewerbsvergleich) zur operativen Steuerung.
• Quartalsweises Strategie-Review: Eine tiefere Analyse der Entwicklungen. Welche unserer Maßnahmen haben funktioniert? Wo haben Wettbewerber aufgeholt? Welche neuen Themenfelder werden relevant? Hier leiten wir die strategischen Anpassungen für das nächste Quartal ab.

Erfahrungsgemäß können durch gezielte Maßnahmen die Nennungsraten in relevanten Themenclustern innerhalb von 6-9 Monaten signifikant, teils um 15-25 %, gesteigert werden. Dies ist jedoch kein Sprint, sondern ein Marathon.

Fazit

Der Aufstieg der generativen KI ist keine ferne Zukunftsmusik, sondern eine unmittelbare Realität, die über die zukünftige Sichtbarkeit deiner Marke entscheidet. CMOs, die jetzt die Weichen stellen und beginnen, ihren „Share of Model“ systematisch zu messen und zu optimieren, sichern sich einen entscheidenden Wettbewerbsvorteil. Es geht darum, von einer reaktiven SEO-Denkweise zu einer proaktiven Strategie überzugehen, bei der du die Informationsgrundlage der KI aktiv mitgestaltest.

Der Prozess ist klar: Definiere deine relevanten Themen, miss deinen Status quo mit einer sauberen Methodik, analysiere deine Wettbewerber und leite gezielte Maßnahmen zur Stärkung deiner digitalen Autorität ab. Warte nicht, bis deine Marke aus dem relevanten Set der KI-generierten Antworten verschwunden ist. Die Arbeit, zum festen Bestandteil des KI-Wissens zu werden, beginnt heute.