Stellen Sie einem KI-Assistenten zweimal dieselbe Frage, und Sie können zwei verschiedene Antworten bekommen. Damit ist jeder KI-Sichtbarkeitswert eine Schätzung — und die meisten beruhen auf viel zu wenigen Antworten, um die daraus gezogenen Schlüsse zu tragen.
Große Sprachmodelle ziehen ihre Ausgabe als Stichprobe. Dieselbe Frage, auf dieselbe Weise gestellt, kann Ihre Marke in einer Antwort nennen und in der nächsten auslassen. „Empfiehlt uns ChatGPT?“ hat deshalb keine Ja-Nein-Antwort, sondern eine Rate. Sie schätzen diese Rate, indem Sie oft fragen und zählen — und wie jede Schätzung aus einer Stichprobe hat sie eine Fehlermarge.
Jede Zeile zeigt eine Marke, die in der Hälfte ihrer geprüften Antworten beobachtet wurde, und das 95-%-Konfidenzintervall für ihre wahre Sichtbarkeit (Wilson-Score-Intervall, das sich auch bei kleinen Stichproben korrekt verhält). Die letzte Spalte ist zum Vergleich die Lehrbuch-Marge von ± bei 50 %.
| Geprüfte Antworten | Beobachtet | 95-%-Bereich für die wahre Sichtbarkeit | Einfache Marge |
|---|---|---|---|
| 5 | 2 von 5 (40 %) | 12 %–77 % | ±44 Pkt. |
| 10 | 5 von 10 (50 %) | 24 %–76 % | ±31 Pkt. |
| 15 | 7 von 15 (47 %) | 25 %–70 % | ±25 Pkt. |
| 25 | 12 von 25 (48 %) | 30 %–67 % | ±20 Pkt. |
| 50 | 25 von 50 (50 %) | 37 %–63 % | ±14 Pkt. |
| 100 | 50 von 100 (50 %) | 40 %–60 % | ±10 Pkt. |
| 200 | 100 von 200 (50 %) | 43 %–57 % | ±7 Pkt. |
| 400 | 200 von 400 (50 %) | 45 %–55 % | ±5 Pkt. |
Fünf Antworten sind eine übliche Größe für einen schnellen Check — auch für unseren eigenen kostenlosen Check. Wenn die wahre Sichtbarkeit einer Marke genau 50 % beträgt, sind das die Wahrscheinlichkeiten der einzelnen Ergebnisse:
| Ergebnis | 0/5 | 1/5 | 2/5 | 3/5 | 4/5 | 5/5 |
|---|---|---|---|---|---|---|
| Wahrscheinlichkeit | 3.1% | 15.6% | 31.2% | 31.2% | 15.6% | 3.1% |
Ein Check mit fünf Antworten kann eines gut: Er sagt Ihnen, ob Sie überhaupt vorkommen. Wenn Sie 0/5 erzielen, ist Ihre wahre Sichtbarkeit wahrscheinlich niedrig (die obere 95-%-Grenze liegt bei 43 %). Er taugt nicht dazu, 40 % von 60 % zu unterscheiden oder diese Woche von letzter.
Zwei Zeiträume zu vergleichen ist schwerer, als einen zu messen, weil beide Werte verrauscht sind. Die Tabelle zeigt die kleinste Veränderung, die Sie bei jeweils gleich vielen Antworten pro Zeitraum zuverlässig erkennen könnten (80 % Power, 5 % Signifikanz, bei etwa 50 % Sichtbarkeit).
| Antworten pro Zeitraum | Kleinste erkennbare Veränderung |
|---|---|
| 5 | 89 Pkt. |
| 15 | 51 Pkt. |
| 25 | 40 Pkt. |
| 50 | 28 Pkt. |
| 100 | 20 Pkt. |
| 200 | 14 Pkt. |
| 400 | 10 Pkt. |
Ein Dashboard, das aus 25 Antworten pro Woche „+8 Punkte diese Woche“ ausweist, meldet also vor allem Rauschen. Trendlinien über viele Wochen oder gepoolt über viele Fragen sind weit vertrauenswürdiger als jedes einzelne Wochen-Delta.
Die obige Rechnung setzt voraus, dass jede Antwort eine unabhängige Ziehung ist. Das stimmt nicht ganz: Wiederholte Antworten auf dieselbe Frage sind korreliert, daher steckt in 5 Fragen, die je dreimal gestellt werden, weniger Information als in 15 verschiedenen Fragen. Verteilen Sie Ihre Stichprobe auf viele verschiedene Käuferfragen, statt wenige zu wiederholen, und verstehen Sie die obigen Bereiche als Bestfall.
Unsere getrackten Keywords stellen genau aus diesem Grund jede von fünf eingefrorenen Fragen pro Run dreimal, und unsere Methodik zeigt die Stichprobe hinter jeder Zahl. Die Formeln hinter den Kennzahlen selbst finden Sie unter So berechnen Sie den KI-Share-of-Voice.
Sie dürfen diese Zahlen gern zitieren und visualisieren, mit Link zurück. Vorgeschlagene Quellenangabe: Mentioned, „How Many AI Answers Do You Need to Measure Visibility? The Margin-of-Error Math,“ 25. Oktober 2026, https://mentioned.at/learn/ai-visibility-margin-of-error. Daten und Text sind unter CC BY 4.0 veröffentlicht.