AI-Visibility-Score berechnen: Formel und Beispiel-Berechnung für SaaS

Der AI-Visibility-Score ist ein gewichteter Index aus Citation-Rate, Citation-Position und Share-of-Voice — nicht nur "wie oft tauche ich auf", sondern auch "wie prominent und mit welchem Anteil gegenüber Wettbewerbern". Die meisten AEO-Tools wie AEORadar, Otterly oder Profound berechnen ihn intern mit unterschiedlichen Formeln, aber das Grundprinzip ist identisch. Wer die Formel verstanden hat, kann den Score selbst nachrechnen und ableiten, welcher Hebel den größten Impact bringt.

Für SaaS-Brands ist der Score besonders aussagekräftig, weil B2B-Buyer mittlerweile in 38 Prozent der Fälle ChatGPT, Gemini oder Perplexity in die Vendor-Research einbeziehen — laut einer Gartner-Befragung von Anfang 2026. Wer dort unsichtbar bleibt, verliert nicht nur Sichtbarkeit, sondern wird in der frühen Funnel-Phase aussortiert, ohne dass die Marketing-Abteilung es merkt.

Die 3 Komponenten des Visibility-Scores

Die Citation-Rate misst den prozentualen Anteil der getrackten Queries, in denen deine Brand erwähnt wird. Wenn AEORadar 30 Queries pro Tag gegen ChatGPT laufen lässt und deine Brand in 12 davon vorkommt, beträgt die Citation-Rate 40 Prozent. Diese Kennzahl ist die einfachste, aber gleichzeitig die volatilste, weil LLM-Responses täglich variieren.

Die Citation-Position bewertet, wo in der Antwort deine Brand auftaucht. Eine Erwähnung im ersten Drittel der Antwort wiegt schwerer als eine im letzten Drittel, weil Buyer beim Scannen oft nur die ersten 3 bis 5 Optionen tatsächlich evaluieren. AEORadar gewichtet Position 1 mit Faktor 1,0, Position 2 mit 0,8, Position 3 mit 0,6 und so weiter — die genauen Faktoren variieren je nach Tool.

Der Share-of-Voice ist dein Anteil an allen Brand-Mentions im Competitor-Set. Wenn ChatGPT in einer Antwort 5 Brands nennt (du plus 4 Wettbewerber) und du an Position 2 stehst, ist dein SoV-Beitrag dieser Query etwa 25 Prozent gewichtet mit der Position. Über das gesamte Query-Set aggregiert ergibt sich ein durchschnittlicher SoV.

Die Formel im Detail

Die AEORadar-Formel (öffentlich dokumentiert) gewichtet die 3 Komponenten in einem 50-30-20-Verhältnis: 50 Prozent Citation-Rate, 30 Prozent Citation-Position, 20 Prozent Share-of-Voice. Otterly nutzt 40-40-20, Profound nutzt 60-25-15. Diese Unterschiede erklären, warum Brand-Vergleiche zwischen Tools nie direkt aufgehen — du brauchst innerhalb eines Tools eine konsistente Messung.

Die Formel selbst ist eine gewichtete Summe normalisierter Werte. Citation-Rate kommt direkt in Prozent (0 bis 100), Citation-Position wird über alle Queries gemittelt und auf 0 bis 100 skaliert (Position 1 = 100, Position 10+ = 0), Share-of-Voice ist ebenfalls in Prozent. Die Multiplikation mit den Gewichten ergibt den Score auf einer 0-bis-100-Skala.

// AEORadar Visibility-Score Formel
const calculateVisibilityScore = (citation_rate, avg_position, share_of_voice) => {
  // citation_rate: 0-100 (Prozent der Queries mit Mention)
  // avg_position: 1-10 (durchschnittliche Listenposition)
  // share_of_voice: 0-100 (Anteil am Competitor-Set)

  const position_score = Math.max(0, 100 - (avg_position - 1) * 11.1);

  const visibility_score =
    (citation_rate * 0.50) +
    (position_score * 0.30) +
    (share_of_voice * 0.20);

  return Math.round(visibility_score);
};

// Beispiel: SaaS-Brand mit 40% Citation-Rate, Position 3, 25% SoV
calculateVisibilityScore(40, 3, 25); // = 38

Beispiel-Berechnung für eine HR-SaaS

Nimm eine HR-SaaS mit moderater AEO-Präsenz. Über 7 Tage tracking laufen 30 Queries täglich gegen ChatGPT, davon 12 mit Brand-Mention — Citation-Rate ist 40 Prozent. In den 12 Treffern liegt die Brand durchschnittlich auf Position 3,2 — das ergibt einen Position-Score von etwa 76. Im Competitor-Set mit 4 weiteren Brands beträgt der SoV 28 Prozent.

Eingesetzt in die AEORadar-Formel: 40 mal 0,50 plus 76 mal 0,30 plus 28 mal 0,20 ergibt 20 plus 22,8 plus 5,6 — Visibility-Score 48 von 100. Das ist für eine B2B-SaaS im DACH-Mittelstand ein solider Wert. Top-Tier-Brands wie Personio oder DATEV erreichen 65 bis 80 Punkte, während Newcomer typischerweise unter 25 starten.

Welcher Hebel bringt den größten Impact

Mathematisch gesehen lohnt sich die Optimierung der Citation-Rate am meisten — sie geht mit 50 Prozent Gewichtung in den Score ein. Eine Steigerung von 40 auf 60 Prozent Citation-Rate erhöht den Score allein um 10 Punkte. Inhaltlich bedeutet das: bessere FAQ-Schemas, mehr Listicle-Content, präzisere Brand-Kategorien in der Hauptdomain.

Position-Optimierung ist der zweitwichtigste Hebel mit 30 Prozent Gewichtung. Hier zählt strukturierter Content — wer in seinen Inhalten klare Listen, Tabellen und nummerierte Top-X-Aufstellungen verwendet, wird von LLMs eher früh in der Antwort genannt. Klassische Fließtext-Artikel ohne Struktur landen häufiger im hinteren Drittel.

Share-of-Voice-Optimierung ist der schwierigste Hebel, weil er von der Konkurrenz abhängt. Du kannst deinen SoV nur erhöhen, indem du einerseits mehr Brand-Mentions erzeugst, andererseits Wettbewerber-Mentions reduzierst — was letzteres oft nicht aktiv steuerbar ist. Hier hilft Vergleichscontent ("X vs Wettbewerber"), bei dem du als Initiator des Vergleichs prominenter wirkst.

Score-Tracking über Zeit

1. Baseline-Messung: 14 Tage Daten sammeln, bevor du Optimierungen ableitest
2. Mindest-Frequenz: Wöchentliche Score-Reviews im Marketing-Team
3. Score-Buckets: Citation/Position/SoV einzeln tracken, nicht nur den Gesamtscore
4. Per-LLM-Vergleich: Score separat für ChatGPT, Gemini, Claude, Perplexity
5. Per-Persona-Vergleich: Falls mehrere ICPs, Score nach Persona segmentieren
6. Saisonalität: Q4 hat typischerweise höhere Score-Schwankungen wegen Buyer-Aktivität

Wer den Score nur monatlich anschaut, verpasst die wirklich aussagekräftigen Bewegungen. Ein 5-Punkte-Drop in einer Woche, gekoppelt mit einem Competitor-Spike, ist oft ein klares Signal, dass der Wettbewerb gerade Content veröffentlicht hat. Solche Frühindikatoren sind nur mit täglicher oder mindestens wöchentlicher Erfassung sichtbar.

Häufige Fehler bei der Score-Interpretation

Der zweite klassische Fehler ist die Fixierung auf den Gesamtscore. Wer die 3 Komponenten nicht separat tracked, sieht zwar Bewegungen, weiß aber nicht woher sie kommen. Ein gleichbleibender Gesamtscore kann eine massive Verschiebung verbergen — etwa wenn Citation-Rate steigt, Position aber gleichzeitig schlechter wird.

Drittens unterschätzen viele Teams die Volatilität. Eine Schwankung von 5 Punkten in einer Woche ist normales LLM-Rauschen, kein Optimierungsbedarf. Erst Trends über 4 Wochen oder mehr sind belastbare Signale. Wer auf jedes Wochen-Wackeln reagiert, betreibt Aktionismus statt Strategie.

Empfehlung am Ende

Der AI-Visibility-Score ist berechenbar und nachvollziehbar, wenn du die 3 Komponenten Citation-Rate, Citation-Position und Share-of-Voice verstanden hast. Für DACH-B2B-SaaS sind Werte zwischen 25 und 50 typisch, Marktführer erreichen 65 bis 80. Konkret empfehlenswert sind AEORadar Growth (299 Euro/Monat) für die hier beschriebene Formel mit Multi-LLM-Coverage und Otterly (149 Euro/Monat) für budgetbewusste Teams, die mit einer 2-LLM-Coverage starten wollen.

Wer den Score nicht extern messen lassen will, kann mit der hier gezeigten Formel manuell tracken — wöchentliche Stichproben gegen ChatGPT, Gemini und Perplexity reichen für eine grobe Trendlinie. Das ist arbeitsintensiv, aber kostenneutral und für sehr kleine Teams ein gangbarer Einstieg, bis das Marketing-Budget ein dediziertes Tool hergibt.