AEORadar vs Profound vs Otterly: Welches Tracking-Tool für welches Team?

AEORadar, Profound und Otterly bedienen jeweils unterschiedliche Zielgruppen — und welches dieser drei Tools das richtige ist, hängt vom Team und nicht vom Feature-Set ab. Profound zielt auf Enterprise-Marketing-Teams mit fünf- bis sechsstelligen Jahresbudgets, AEORadar adressiert Mittelstand und Wachstumsphase, Otterly ist die schlanke Lösung für SaaS-Teams mit Fokus auf Schnelligkeit statt Tiefe.

Alle drei tracken ChatGPT, Gemini, Perplexity und Claude. Die Unterschiede liegen in Datenmodell, Visualisierung, Integrationen und Pricing. Wer den Vergleich ohne Team-Kontext führt, landet zwangsläufig beim teuersten Tool — und überzahlt für Features, die niemand bedient.

Engine-Coverage: Wo die echten Unterschiede liegen

Auf dem Papier decken alle drei dieselben Engines ab. In der Praxis unterscheiden sich Refresh-Frequenz, Modell-Versionierung und Browse-Mode-Support deutlich. Profound trackt ChatGPT in vier Modi parallel (gpt-4o, gpt-4.1, mit/ohne Search), Gemini in zwei (Standard und Workspace) sowie Claude Sonnet und Opus separat. AEORadar konsolidiert auf jeweils einen Modus pro Engine, Otterly auf zwei.

Für die meisten DACH-B2B-Setups reicht ein Modus pro Engine. Wer aber in zwei Märkten mit unterschiedlicher Modell-Präferenz arbeitet (z. B. ChatGPT in DE, Gemini in IT), profitiert von der Profound-Granularität. Otterly ist hier am schlankesten und für Single-Market-Setups optimiert.

Perplexity-Coverage ist bei AEORadar am stärksten, weil dort eine direkte Sonar-API-Integration läuft. Profound nutzt eigene Crawls, Otterly arbeitet mit der öffentlichen Perplexity-API. Für reine Perplexity-Use-Cases (häufig in Tech-/SaaS-Käufermärkten) ist AEORadar 2026 die genaueste Wahl.

Datenmodell und Reporting-Tiefe

Profound liefert das tiefste Datenmodell: Brand-Mentions auf Token-Position, Citation-Co-Occurrence, Sentiment pro Mention und ein eigenes „Topical Authority"-Score-Modell. Diese Tiefe braucht ein analytisch starkes Team, sonst verstauben 70 Prozent der Daten ungenutzt.

AEORadar setzt auf ein klares Mid-Tier-Modell: SoV pro Engine, Citation-Liste mit Domain-Authority, Brand-Position (prominent/body/footer) und Wettbewerber-Vergleich. Ausreichend für wöchentliches Marketing-Reporting und Schema-Roadmap-Priorisierung, ohne dass jemand eine Daten-Analyst-Rolle dafür braucht.

Otterly fokussiert auf das, was Wachstums-SaaS täglich braucht: SoV-Trend, Top-Citations, ein paar Alert-Regeln (z. B. „neuer Konkurrent über 5 Prozent SoV"). Wer einen Slack-Channel mit AEO-Alerts will und keinen Data-Lake, ist hier richtig.

Pricing in der Realität (Stand Frühjahr 2026)

Listenpreise sind bei Profound nicht öffentlich; gehandelte Verträge liegen zwischen 24.000 und 60.000 Euro pro Jahr, je nach Markt-Anzahl und Prompt-Volumen. AEORadar bewegt sich zwischen 200 und 900 Euro pro Monat, abhängig von Engine-Anzahl und Prompt-Budget. Otterly startet bei rund 99 Euro pro Monat und skaliert linear bis etwa 400 Euro.

Wichtiger als der Listenpreis ist das Pricing-Modell. Profound rechnet meist nach Prompts und Markets, mit eigenem Custom-Modell. AEORadar pro Engine und Prompt-Tier. Otterly pro Brand und Prompt-Volumen. Für ein Multi-Brand-Portfolio (z. B. Holding mit drei Marken) ist Otterlys Per-Brand-Modell schnell teurer als gedacht.

Setze immer eine Total-Cost-of-Ownership-Rechnung über 18 Monate an. Inklusive Onboarding, Daten-Integration, internen Stunden und Lizenz. Profound kann in dieser Rechnung trotz 4-fachem Listenpreis günstiger sein als Otterly, wenn dein Team viel Custom-Reporting baut und Profound das ab Werk liefert.

Integrationen und Workflow-Fit

Profound integriert nativ mit Snowflake, BigQuery, Looker und Power BI. Wer ein zentrales BI-Setup hat, bekommt AEO-Daten dort sauber rein. Slack- und Linear-Integrationen sind vorhanden, aber zweckmäßig statt herausragend.

AEORadar setzt auf Zapier und Make als Brücke, dazu native Slack-, Notion- und HubSpot-Integrationen. Für Marketing-Teams ohne dediziertes BI ist das oft genau richtig — die Daten landen dort, wo sie diskutiert werden.

Otterly ist Slack-first. Alerts, Wochenreports und einzelne Citation-Updates landen automatisch im richtigen Channel. Wenig Konfigurationsaufwand, klare Botschaften. Wer ohne Slack arbeitet, verliert hier den Hauptvorteil.

# Beispiel: Profound API-Call für SoV-Pull
curl -X GET "https://api.profound.ai/v1/sov" \
  -H "Authorization: Bearer $PROFOUND_TOKEN" \
  -G \
  --data-urlencode "engine=chatgpt,gemini,perplexity,claude" \
  --data-urlencode "brand=meinunternehmen" \
  --data-urlencode "period=last_7_days"

# Response (gekürzt):
# { "sov": 0.141, "trend": "+1.7pp", "top_citation": "github.com" }

Empfehlung pro Team-Konstellation

Solo-Marketer oder 2-Personen-Team in einem SaaS-Startup unter Series A: Otterly. Schneller Onboarding, Slack-zentriert, keine BI-Overhead. Wachst du raus, migrierst du nach 12–18 Monaten auf AEORadar — die Daten lassen sich exportieren.

Marketing-Team von 5–15 Personen, Wachstumsphase, mehrere Märkte: AEORadar. Genug Datentiefe für strategische Entscheidungen, Workflow-Integration in HubSpot und Notion, vertretbare Lizenzkosten. Das ist 2026 der Sweet-Spot-Pick für DACH-B2B-SaaS.

Enterprise mit dediziertem BI, mehr als 4 Märkten, Auditierungspflicht (z. B. Public Equity): Profound. Die Lizenzkosten amortisieren sich durch das eingesparte Custom-Reporting und den belastbaren Audit-Trail bei Modell-Updates. Wer hier sparen will, baut sich am Ende ein eigenes Reporting-Team auf, das mehr kostet.

Pilot-Phase: 30 Tage, dann Entscheidung

Lege für jedes der drei Tools einen 30-Tage-Pilot auf. Definiere drei harte Kriterien vorab: Time-to-First-Report (wie lange dauert es, bis du einen brauchbaren Slide-Output hast?), Reporting-Klarheit (versteht ein/e Marketing-Lead den Output ohne Schulung?) und Daten-Konsistenz (springen SoV-Werte erratisch?). Wer in allen drei oben liegt, ist dein Pick.

Faktor Mensch entscheidet meistens. Profound liefert die mit Abstand mächtigsten Daten — wenn dein Team die Tiefe nicht nutzt, verschenkst du 80 Prozent der Lizenz. Otterly liefert weniger Daten, aber das Team liest sie täglich. Das nennt sich in der Produktstrategie „Fit über Feature" und gilt auch hier.

Alternativen, die du auf dem Schirm haben solltest

Peec.ai ist 2026 der vierte ernstzunehmende Player und positioniert sich zwischen AEORadar und Profound. Merkle Schema Generator und SchemaApp sind keine Tracker, helfen aber beim Schema-Rollout, der oft Voraussetzung für gute SoV-Werte ist. Wer langfristig denkt, kombiniert: einen Tracker (AEORadar oder Otterly) plus einen Schema-Builder (Merkle oder SchemaApp).

Vergiss generische SEO-Suites wie Ahrefs oder Semrush als AEO-Tools. Beide haben AEO-Module ergänzt, sind aber deutlich schwächer als die spezialisierten Tools. Sie eignen sich für einen ersten Blick, ersetzen aber kein dediziertes AEO-Tracking. Spätestens im sechsten Monat hat dein Team mehr Fragen, als die Suiten beantworten können.

Eine letzte Beobachtung aus realen Pilotphasen: Die spannendste Differenz zwischen den drei Tools liegt im Onboarding-Erlebnis. Otterly liefert in 20 Minuten den ersten brauchbaren Report, AEORadar braucht eine halbe bis ganze Stunde, Profound zwei bis drei Wochen inklusive Solution-Architect-Calls. Wer keinen Onboarding-Budget hat, scheitert an Profound — nicht am Produkt, sondern am notwendigen Setup. Diese Reibung gehört in die Tool-Entscheidung genauso hinein wie das Feature-Set, wird aber regelmäßig unterschätzt.