Wie diese Prüfung funktioniert
Das ist die einzige Prüfung, die eine künstliche Intelligenz befragt. Scanaris gibt einem Sprachmodell deine Domain (ohne www) und deinen Seitentitel und bittet es, nur zu antworten, ob es echtes, konkretes Vorwissen über diese Website oder Marke hat, mit der ausdrücklichen Anweisung, nein zu sagen, wenn es anhand des Namens raten müsste. Das Modell liefert ein Ja oder ein Nein. Bei Nein öffnet es einen informativen Befund, der keine Punkte kostet. Scheitert das Modell oder antwortet es nicht im erwarteten Format, wird nichts geöffnet: Im Zweifel wird kein Befund erfunden. Verwendet wird ein kleines, schnelles Modell, damit der Test günstig und konsistent ist.
Was das Ergebnis bedeutet
Ein „Nein" heißt, dass deine Marke in dem Wissen, mit dem dieses Modell trainiert wurde, nicht oft genug vorkommt, um erkannt zu werden. Das ist eine Näherung, kein exaktes Maß: Jeder Assistent wird mit anderen Daten trainiert und kann außerdem live suchen. Aber es ist ein nützliches Signal, weil Modelle mit ähnlichen Quellen trainieren, und wenn eines dich nicht kennt, kennen dich die anderen wahrscheinlich auch nicht. Und die Folge ist konkret: Fragt jemand ChatGPT, Claude oder Perplexity „welches Werkzeug nehme ich für X", empfehlen Assistenten, was sie kennen. Kennen sie dich nicht, empfehlen sie dich nicht, so gut dein Produkt auch ist. Für eine neue Marke ist das das erwartete Ergebnis; interessant ist, in ein paar Monaten erneut zu scannen und zu sehen, ob es sich ändert.
So verbesserst du es
Es gibt keine technische Abkürzung: Modelle lernen aus dem, was auf Seiten, die sie crawlen, über dich geschrieben wird. Was funktioniert, nach Wirkung geordnet:
- Dort sein, wo Modelle lesen. GitHub, Product Hunt, Verzeichnisse deiner Kategorie, G2 und Capterra bei Software, nützliche Antworten auf Reddit, Stack Overflow und Hacker News, Artikel in den Medien deiner Branche. Konsistente Erwähnungen deines Namens neben dem, was du tust.
- Inhalte, die echte Fragen beantworten. Assistenten zitieren Seiten, die direkt beantworten, was Leute fragen: „wie sichere ich eine mit Lovable gebaute App ab", nicht „innovative Sicherheitslösungen". Jede Frage eine Seite oder ein Abschnitt mit eigener Überschrift.
- Strukturierte Daten mit
OrganizationundsameAsauf deine Profile, damit Maschinen deine Seite mit dem verbinden, was sie aus anderen Quellen schon wissen; strukturierte Daten misst es. - Ein unverwechselbarer Markenname, immer gleich verwendet. Eine Marke, die ein Alltagswort ist, ist fast unmöglich zu erkennen.
- Sich lesen lassen: KI-Crawler nicht sperren und den Inhalt als HTML ausliefern, nicht nur als JavaScript.
Rechne mit Monaten, nicht Wochen: Modelle werden periodisch neu trainiert, und Live-Suchen brauchen Quellen, die sie zitieren können.
Prüf, ob es behoben ist
Dafür gibt es keinen Befehl. Am nächsten kommt es, selbst drei Assistenten zu fragen, in einem Fenster ohne deinen Verlauf: „Was ist deinedomain.de?" und dann „Welche Werkzeuge empfiehlst du für [deine Kategorie]?". Notiere die Antworten und wiederhole es jedes Quartal. Der nächste Scanaris-Scan führt den automatischen Test erneut aus.
Häufige Fragen
Das Modell sagt, es kennt mich nicht, aber ChatGPT findet mich.
ChatGPT mit aktivierter Suche besucht das Web live, das ist etwas anderes: Es findet dich, wie Google es täte. Diese Prüfung misst das Vorwissen, das dafür sorgt, dass du empfohlen wirst, ohne dass jemand nach dir gesucht hat. Wie du den anderen Teil prüfst, steht in wie du herausfindest, ob ChatGPT deine Seite sieht.
Warum ist das informativ und wird nicht bestraft?
Weil es kein Fehler von dir ist, sondern der Stand deiner Bekanntheit. Eine frisch gestartete Seite mit allem perfekt bekommt trotzdem ein „Nein". Es ist eine Ausgangsbasis, um Fortschritt zu messen.
Kann ich das Modell „austricksen"?
Nicht von deiner Seite aus: Das Modell besucht sie bei diesem Test nicht, es antwortet mit dem, was es schon weiß. Das Einzige, was das Ergebnis ändert, ist mehr verlässliche Information über dich in der Welt.