Share of Model

Werbetreibende messen seit Jahrzehnten ihren Anteil an der Aufmerksamkeit eines Marktes, den Share of Voice. Mit KI-Assistenten ist ein neuer Ort hinzugekommen, an dem Marken genannt oder übergangen werden: die Antwort eines Sprachmodells. Share of Model überträgt die alte Kennzahl auf diesen Ort.

Die Grundidee ist einfach, die Messung nicht. Antworten schwanken, Modelle werden aktualisiert, und schon die Wahl der Fragen entscheidet über das Ergebnis. Dieser Eintrag zeigt, woher der Begriff kommt, wie er berechnet wird und wie Sie Zahlen aus Dashboards einordnen.

Vom Share of Voice zum Share of Model

Den Begriff brachte Jack Smyth, damals Chief Solutions Officer für KI bei der Digitalagentur Jellyfish, im Juli 2024 in die Werbebranche. Seine These: Zu messen, wie Sprachmodelle eine Marke wahrnehmen, werde so selbstverständlich wie Suchmaschinenoptimierung. Im Dezember 2024 brachte Jellyfish dazu eine Plattform auf den Markt, die vergleicht, wie verschiedene Modelle Marken wahrnehmen und empfehlen.

Seitdem hat sich der Name als Gattungsbegriff verbreitet, auch wenn Jellyfish ihn als Marke führt. Andere Anbieter sprechen von „Share of AI Voice“ oder schlicht vom Sichtbarkeitsanteil. In Deutschland ist die Suchnachfrage nach dem Begriff laut Google-Ads-Daten seit Mitte 2024 vorhanden, aber klein: Es ist ein Fachbegriff für Marketing-Verantwortliche, kein Massenthema.

Wichtig ist die Einordnung: Share of Model ist eine Teilmenge der KI-Sichtbarkeit. Er misst nur Nennungen im Verhältnis zu Wettbewerbern, nicht ob Ihre Seiten als Quelle verlinkt werden.

So wird gerechnet

Die Grundformel lautet: eigene Markennennungen geteilt durch alle Markennennungen im Fragenset, mal 100. In der Praxis sind drei Varianten verbreitet, die zu unterschiedlichen Zahlen führen.

Noch stärker als die Formel prägt das Fragenset den Wert. Wer nur Fragen auswählt, in denen die eigene Marke ohnehin stark ist, misst Wunschdenken. Ein ausgewogenes Set mischt Kategoriefragen („Welche Anbieter gibt es für …?“), Problemfragen („Wie löse ich …?“) und Vergleichsfragen („A oder B?“) und orientiert sich an echten Kundenanfragen. Wie man solche Fragen findet, beschreibt die Prompt-Recherche.

Ein Rechenbeispiel

Ein fiktiver Anbieter von Arbeitsschutzkleidung stellt 20 Fragen je fünfmal an drei KI-Suchen, das ergibt 300 Antworten. Darin fallen 800 Markennennungen, 224 davon auf die eigene Marke. Der Nennungsanteil liegt bei 28 Prozent. Kommt die Marke in 150 der 300 Antworten vor, liegt der Antwortanteil bei 50 Prozent. Beide Zahlen sind richtig, aber nicht vergleichbar. Ein Bericht muss deshalb immer sagen, welche Variante gemeint ist.

Warum der Wert schwankt

Sprachmodelle formulieren jede Antwort neu. Dieselbe Frage kann beim zweiten Abruf andere Anbieter nennen, und Systeme mit Websuche wählen jedes Mal andere Quellen. Dazu kommen Modell-Updates, Standort, Sprache und bei angemeldeten Nutzern der Verlauf. Ein einzelner Abruf ist eine Stichprobe von eins.

• Wiederholen: jede Frage mehrfach stellen, mindestens drei- bis fünfmal je System.
• Festhalten: Fragenset, Wettbewerber, Sprache und Standort über Monate unverändert lassen.
• Trennen: Werte je KI-System ausweisen, nicht nur als Mittelwert. ChatGPT und der KI-Modus können sehr unterschiedlich ausfallen.
• Schwankung angeben: Bei kleinen Stichproben sind Unterschiede von zehn Prozentpunkten oft reiner Zufall.

Wie Sie die Abfragen selbst organisieren, beschreibt der Eintrag Prompt-Tracking.

Was der Wert fürs Geschäft bedeutet

Share of Model ist kein Marktanteil und kein Umsatzindikator. Er zeigt, ob KI-Assistenten Ihre Marke in die Vorauswahl nehmen, wenn Kunden nach Anbietern fragen. Das ist ein Frühindikator für Präsenz, kein Beleg für Wirkung. Ob daraus Anfragen werden, zeigt erst die Verbindung mit Webanalyse und Vertriebsdaten.

Ebenso wichtig wie der Anteil ist die Art der Nennung. Eine Marke, die oft mit dem Zusatz „teurer als die Alternativen“ genannt wird, hat einen hohen Anteil und trotzdem ein Problem. Darum gehört die Tonalität in jeden Bericht, siehe Sentiment in KI-Antworten.

Bei Tool-Dashboards lohnt ein kritischer Blick auf die Methode. Google schreibt in seinem Leitfaden zu generativen KI-Funktionen, kein Drittanbieter habe Zugriff auf interne Ranking- oder KI-Systeme. Ein Share-of-Model-Wert ist also immer das Ergebnis einer eigenen Stichprobe des Anbieters. Wie ein solches Werkzeug in der Praxis arbeitet, zeigt der Erfahrungsbericht zu Rankscale.