Fallstudie

Auf einen Blick

Meine AI Visibility ist mangelhaft. Drei von vier KI‑Systemen erkennen meine Marke. Keines empfiehlt sie. Zwischen Bekanntheit und Empfehlung klafft eine Lücke — diese Fallstudie dokumentiert, wie ich sie schließe.

Einleitung

Ich baue meine eigene KI‑Sichtbarkeit von null auf und dokumentiere in dieser Fallstudie jeden Schritt. Als Proof of Concept – mit Zahlen, die jeder nachprüfen kann.

Ich empfehle meinen Kunden Strategien für AI Visibility. Womit überzeuge ich besser als damit, mein eigenes Konzept umzusetzen und den Prozess öffentlich zu dokumentieren?

Jeden Monat messe ich neu, setze nach Bedarf neue Maßnahmen um und dokumentiere die Ergebnisse. Alle Daten stammen aus Tests in ChatGPT, Claude, Gemini und Perplexity. Alles, was hier steht, habe ich selbst umgesetzt. Die Methode verändere ich nicht, so lässt sich jeder Monat am vorherigen messen.

Ausgangslage

Mein Hintergrund: Ingenieurwissenschaften für Energie und Umwelt. Seit über 10 Jahren schreibe ich über erneuerbare Energien, Gebäudetechnik, nachhaltiges Wohnen und gesellschaftliche Innovation. Ich übersetze komplexe Technologien in Sprache, die greift. Hunderte Fachartikel tragen meinen Namen.

Für Google reichte das. Mein Name, meine Artikel, meine Themen – alles indexiert und auffindbar. Doch Anfang 2026 öffnete ich ChatGPT im Incognito‑Modus und tippte einen Prompt ein:

Prompt: Was kannst du mir über Stefano Fonseca sagen?

Die Antwort: nichts. Die KI fand nichts und bat um mehr Kontext. Also lieferte ich nach:

Prompt: Ich bin Max Mustermann, Geschäftsführer eines SaaS in der Energiebranche mit Sitz in Deutschland und suche nach einem technischen Texter für unseren Blog. Wen empfiehlst du?

ChatGPT empfahl drei Texter – zwei davon US‑amerikanisch – plus Freelance‑Plattformen wie Upwork und Fiverr. Von mir: keine Spur. Erst als ich den Prompt um „deutschsprachig“ ergänzte, tauchte ich auf. An vierter Stelle.

Dann wiederholte ich den ursprünglichen Prompt. Diesmal erkannte mich die KI – wahrscheinlich weil der vorherige Prompt sie auf meine Spur gebracht hatte. ChatGPT lieferte eine Zusammenfassung:

ChatGPT‑Antwort (zusammengefasst): Stefano Fonseca ist ein technischer Texter mit Hintergrund als Ingenieur für Energie- und Umwelttechnik und mehreren Jahren Erfahrung in der technischen Gebäudeausrüstung, der sich auf Themen wie erneuerbare Energien, Wärmepumpen, Photovoltaik und energieeffizientes Bauen spezialisiert hat; seine Stärke liegt darin, komplexe technische Inhalte verständlich und fachlich korrekt aufzubereiten – allerdings zeigt sein Profil bislang wenig Bezug zu SaaS‑, API‑ oder datengetriebenen Softwarethemen und ist eher im B2C‑ bzw. Ratgeberbereich verankert.

Ein leichter Beigeschmack blieb. Ich hatte die KI mit dem ersten Prompt beeinflusst. Ein Kunde würde das nicht tun.

Also schloss ich das Fenster, öffnete ein neues und testete die Prompts erneut. Ich tauchte nicht auf. Dasselbe in Gemini, in Perplexity, in Copilot und in Claude. In 10 von 10 Versuchen blieb ich vollständig unsichtbar.

Das Problem

Ich arbeitete jahrelang für mein Unternehmen, doch selten an meinem Unternehmen. Ich hatte eine Website erstellt, mein LinkedIn‑Profil gepflegt und hunderte von Artikeln für Kunden geschrieben. Doch für KI‑Systeme existierte keine lesbare Identität.

Für Google existierte ich zwar, doch für ChatGPT, Gemini, Perplexity, Copilot und Claude nicht.

Je tiefer ich in das Thema einstieg, desto klarer: Davon bin nicht nur ich betroffen. Unternehmen produzieren wertvollen Content, kommunizieren jedoch nicht einheitlich, weswegen die KI sie ignoriert. Branded Web Mentions korrelieren mit einem Spearman‑Koeffizienten von 0,664 am stärksten mit KI‑Sichtbarkeit (Ahrefs, 2025). Ohne konsistente Markensignale fehlt jede Grundlage.

Gleichzeitig verschiebt sich, wo die Nutzer suchen. Der Traffic verschiebt sich von Suchmaschinen hin zu KI‑Antworten. Die organische Klickrate sinkt bei Suchanfragen mit AI Overview um 61 Prozent (Seer Interactive, 2025). Die globale Zero‑Click‑Rate lag 2026 bei 64,82 Prozent (Ekamoira Research Team und Digital Applied, 2026).

Diese Erkenntnis veränderte mein Geschäftsmodell. Als Werbetexter schrieb ich Einzeltexte im Kundenauftrag. Doch KI‑Sichtbarkeit entsteht nicht durch isolierte Texte. Sie entsteht durch Analyse, Strategie und Content aus einer Hand, die ich kontinuierlich steuere. Also gründete ich eine Agentur, die Analyse, Strategie und Content aus einer Hand anbietet und sich langfristig in die Kommunikation meiner Kunden einbindet. Diese Fallstudie belegt, dass der Prozess funktioniert.

Der Ansatz

Für meine Fallstudie lege ich das gleiche Prinzip zu Grund, das ich auch Kunden empfehle: Ist‑Zustand analysieren, Strategie entwickeln, Content erstellen, und Wirkung messen. Die vier Stufen bauen aufeinander auf.

Stufe 1: Analyse (AI Visibility Check)

Ende Juni 2026, als meine neue Website stefanofonseca.com online ging, führte ich einen AI Visibility Check durch. Dieser besteht aus 3 Prompts, die ich jeweils in ChatGPT, Gemini, Perplexity, und Claude eingab. Daraus ergeben sich 12 Datenpunkte, die ich nach Erwähnung, Richtigkeit, Tonalität und Kontext‑Fit bewerte. Das Ergebnis bildet die Baseline dieser Fallstudie.

Stufe 2: Monatliches Monitoring

Ab Juli 2026 werde ich monatlich das AI Visibility Monitoring durchführen und die Daten in dieser Fallstudie veröffentlichen. Bei meiner Methode kombiniere ich das automatisierte Tool‑Tracking mit manuellen Tests, denn aktuell liefern APIs und Chat‑Oberflächen noch unterschiedliche Antworten. Beispiel: Bei Perplexity überlappen sich die Bezugsquellen nur zu 8 Prozent (Surfer SEO, 2026). Das Tool zeigt den Trend. Der manuelle Check prüft die Ergebnisse gegen.

Stufe 3: Content

Meine Strategie sieht die Veröffentlichung von Insight‑Posts vor, mit eigenen Erkenntnissen zur KI‑Sichtbarkeit, Antworten auf Kundenfragen und Themen für Impact‑Unternehmen. Zu jedem Post drehe ich ein YouTube‑Video. YouTube taucht in 16 Prozent aller LLM‑Antworten als Quelle auf (Adweek, 2026) und erhöht die AI Visibility signifikant. Diesen Inhalt werde ich dann ebenfalls auf LinkedIn publizieren.

Diese Fallstudie ist selbst Teil der Strategie. Sie enthält Originaldaten, die nirgendwo sonst existieren. Content mit eigenen Statistiken steigert die KI‑Sichtbarkeit um 22 Prozent (Digital Bloom, 2025).

Aus jedem Monitoring folgen bis zu drei Aufgaben. Das können sowohl Gastbeiträge und Fachmedien‑Platzierungen, Landingpages und Entscheidungs‑Content als auch Whitepaper und Leitfäden sein. Ich setze diese Maßnahmen um und dokumentiere, was sich verändert. Alle Daten stammen aus eigenen Praxiserfahrungen.

Stufe 4: Jährliches Audit

Einmal jährlich führe ich einen AI Search Audit durch. Dieser besteht aus 56 Datenpunkten, die sich durch die manuelle Eingabe von 14 Prompts in vier KI‑Systemen ergeben. Der Audit prüft drei Säulen, die das Monitoring nicht abdeckt: eine tiefgehende Prompt‑Analyse über fünf Suchintentionen, die technische Infrastruktur sowie die Content- und Signalanalyse mit Wettbewerbsvergleichen. Das Ergebnis ist ein priorisierter Maßnahmenplan, aufgeteilt in Quick Wins und strategische Hebel.

Ein jährliches Audit ist empfehlenswert, weil das Monitoring nur die Veränderungen trackt. Der AI Search Audit diagnostiziert, warum sie stattfinden. LLM‑Zitationsquellen verschieben sich innerhalb von zwei Monaten um bis zu 80 Prozent (Backlinko, 2025). Technische Blockaden, neue Content‑Lücken und verschobene Wettbewerbslandschaften erkennt nur eine Tiefenanalyse.

Baseline: AI Visibility Check (Juni 2026)

Im Juni 2026 testete ich meine AI Visibility erneut, nur wenige Tage nachdem meine Website online ging. Ich gab folgende drei Prompts jeweils in ChatGPT, Claude, Gemini und Perplexity ein:

• Was kannst du mir über Stefano Fonseca und AI Visibility für Impact sagen?
• Welche Berater oder Spezialisten für KI‑Sichtbarkeit und AI Visibility im DACH‑Raum gibt es?
• Ich bin Marketingverantwortlicher eines Unternehmens für erneuerbare Energien und stelle fest, dass unsere Konkurrenz in ChatGPT empfohlen wird, wir aber nicht. Wen kannst du mir empfehlen, der uns dabei hilft, in KI‑Systemen sichtbar zu werden?

Das Ergebnis war eine 4,8 nach dem deutschen Schulsystem. Meine KI‑Sichtbarkeit ist mangelhaft. KI‑Systeme erkennen mich zwar – immerhin ein Fortschritt –, doch empfehlen mich noch nicht. Im Folgenden finden Sie die genauen Ergebnisse für jeden Prompt.

Prompt 1 – Markenbekanntheit

Zum Testen meiner Markenbekanntheit checkte ich folgenden Prompt: Was kannst du mir über Stefano Fonseca und AI Visibility für Impact sagen? Daraus ergaben sich folgende Ergebnisse:

Drei der vier KI‑Systeme erkennen mich korrekt als AI Visibility Spezialist für Impact‑Unternehmen. Perplexity liefert Quellenangaben, Claude beschreibt das Konzept strukturiert, Gemini ordnet den Ingenieurshintergrund ein.

Die Personal Brand hinterlässt digitale Spuren. ChatGPT kennt mich nicht. Für die zentrale Anlaufstelle vieler Entscheider bin ich unsichtbar.

Prompt 2 – Kategorie‑Sichtbarkeit

Als nächstes teste ich den Prompt: Welche Berater oder Spezialisten für KI‑Sichtbarkeit und AI Visibility im DACH‑Raum gibt es? Hiermit wollte ich meine Sichtbarkeit in der AI Visibility‑Branche überprüfen.

Ich tauche in keiner Kategorie auf. In keinem der vier KI‑Systeme werde ich erwähnt, wenn nach Beratern oder Spezialisten für KI‑Sichtbarkeit und AI Visibility im DACH‑Raum gefragt wird. Stattdessen erscheinen Agenturen wie Sichtfels, SEYBOLD, maxonline°, WEVENTURE, NeuRank, DRP und andere.

In der Kategorie „AI Visibility Berater DACH“ existierte ich für die KI‑Systeme nicht.

Prompt 3 – Empfehlungsfähigkeit

Zum Schluss wollte ich die Empfehlungsfähigkeit auf den Prüfstand stellen und schauen, wen KI‑Systeme empfehlen, wenn ein Kunde genau mein Angebot beschreibt. Der Prompt: Ich bin Marketingverantwortlicher eines Unternehmens für erneuerbare Energien und stelle fest, dass unsere Konkurrenz in ChatGPT empfohlen wird, wir aber nicht. Wen kannst du mir empfehlen, der uns dabei hilft, in KI‑Systemen sichtbar zu werden?

Die Empfehlung ist meine größte Schwachstelle. Bei der entscheidungsrelevanten Frage empfiehlt kein einziges der getesteten KI‑Systeme mich. Stattdessen werden Agenturen empfohlen (Evergreen Media, ikp Wien, Profound, Scratch AI, etc.) oder es werden allgemeine Ratschläge gegeben.

Selbst wenn ein potenzieller Kunde genau das Problem beschreibt, das ich löse, erscheine ich nicht in der Empfehlung. Die KI verknüpft meine Marke mit keiner Kaufsituation.

Aggregation per LLM

In folgender Tabelle finden Sie die Durchschnittsnote jedes KI‑Systems über alle drei Prompts hinweg.

Aggregation per Prompt‑Typ

In folgender Tabelle finden Sie die Durchschnittsnote jedes Prompt‑Typs über alle vier KI‑Systeme hinweg.

Kernerkenntnisse

Die Grundlage steht. Drei KI‑Systeme erkennen den Personal Brand. Website und LinkedIn‑Profil liefern erste Signale. Doch zwischen Bekanntheit und Empfehlung klafft eine Lücke: Kein System verknüpft die Marke mit den Fragen, die meine Zielgruppe stellt. Die Gründe sind fehlende Vertrauenssignale und eine Website, die KI‑Systeme noch nicht als Quelle gewichten.

Monatliche Dokumentation

Jeden Monat ergänze ich diesen Abschnitt um neue Daten und die daraus abgeleiteten Aufgaben.

Fazit und Ausblick

Der erste AI Visibility Check liefert einen Ausgangspunkt. Mit einer Note von 4,8 (mangelhaft), besteht akuter Handlungsbedarf. Drei von vier KI‑Systemen kennen die Marke. Keines empfiehlt sie.

Das Mindestziel ist eine 2,5 (Gut). Das heißt: Die meisten KI‑Systeme erkennen meine Marke, ordnen sie der richtigen Kategorie zu und nennen sie bei Kaufentscheidungen als Option.

Im nächsten Monat werde ich Insight‑Posts mit YouTube‑Videos veröffentlichen und auf LinkedIn teilen. Ob das greift, zeigen die KI‑Antworten der kommenden Monate. Wer wissen will, wo die eigene Marke in KI‑Systemen steht, öffnet ChatGPT im Incognito‑Modus und fragt zum Beispiel: Welche Anbieter für [eigene Branche] gibt es im DACH‑Raum? Was dort erscheint, sehen auch die eigenen Kunden.