Wie sichtbar ist eine Marke in AI-Antworten? Prompts, Citations, Entitäten und Wettbewerber-Cluster auf einen Blick analysieren, mit SISTRIX AI Entity-Daten direkt aus dem MCP.
| ZEITAUFWAND | ZEITERSPARNIS | SCHWIERIGKEIT | EINSATZ |
|---|---|---|---|
| 15–30 Min. | ~3–5 Stunden | ●●○○○ | Pitch / Laufend / Reporting |
Nutzen
- Vollständiger GEO-Überblick auf Knopfdruck: Prompt-Mentions, Citations, Entitäten-Kontext und konkurrierende Quellen einer Marke werden in einer strukturierten Analyse erfasst.
- Wettbewerber-Cluster auf Basis echter Daten: Das Modell gruppiert automatisch, welche Marken, Magazine und Communities gemeinsam mit der eigenen Marke in AI-Antworten erscheinen.
- Zeitersparnis gegenüber manueller Analyse: Ohne diesen Use Case wäre ein vergleichbares Audit nur mit manuellem Durchklicken von ai.sistrix.com, Export-Tabellen und separatem Prompt-Testing möglich.
- Strategisch einsetzbar: Die Ergebnisse liefern direkte Inputs für Content-Strategie, PR-Planung und GEO-Optimierung.
Prompt
Beispiel-Prompt
Analysiere die Marke [Markenname] mit dem SISTRIX MCP Server und erstelle eine vollständige GEO Status-Analyse für den deutschen Markt:
Rufe über ai_entity folgende Views ab:
- overview: Gesamtanzahl der Prompt-Mentions
- environment: Entitäten, die im Kontext erscheinen (Modelle, Themen, Orte)
- competition: Marken, die gemeinsam mit [Markenname] genannt werden
- sources (source_type=domain): Domains mit den meisten Citations und Prompt-Counts
- prompts: Beispiel-Prompts, in denen die Marke vorkommt
Werte die Ergebnisse wie folgt aus:
- Erstelle eine Übersicht der wichtigsten Kennzahlen (Prompt-Mentions, Top-Domain, Rang der eigenen Website).
- Identifiziere die wichtigsten Entitäten-Cluster (Modelle/Produkte, Technologien, Geografie, Personen).
- Clustere die Quellen in: direkte Wettbewerber, Fachmagazine und Tests, Communities und Foren, Marktplätze und Kaufberatung, Wissensquellen.
- Bewerte für jede Quellen-Gruppe: Anteil an Citations, strategische Relevanz, Handlungsempfehlung.
- Identifiziere die 3 größten GEO-Lücken (wo verliert die Marke Sichtbarkeit an Dritte?).
Fasse die Ergebnisse als strukturiertes Dashboard zusammen: Kennzahl, Wert, Bewertung, Empfehlung.
Tipp: Marke vs. Domain trennen
ai_entity mit dem Markennamen aufrufen (z. B. „Kawasaki“), nicht mit der Domain. So erfasst SISTRIX alle Prompt-Mentions, unabhängig davon, welche URL zitiert wird. Für die Quellen-Analyse dann zusätzlich sources mit source_type=domain aufrufen, um die eigene Website im Wettbewerb einzuordnen.
Ablauf
Schritt 1: Marke abrufen und Mentions erfassen
Der SISTRIX MCP Server ruft per ai_entity (view: overview) die Gesamtzahl der Prompt-Mentions ab. Der Wert zeigt, wie präsent die Marke in AI-Antworten generell ist, als absoluter Ausgangspunkt für alle weiteren Schritte.
Wichtig: Der Prompt-Count ist kein Traffic-Wert, sondern die Anzahl der Suchanfragen, in denen die Marke in AI-generierten Antworten erscheint. Ein hoher Wert bedeutet breite AI-Sichtbarkeit, sagt aber noch nichts über Qualität oder Kontrolle des Narrativs.
Schritt 2: Entitäten-Kontext analysieren
Über ai_entity (view: environment) werden alle Entitäten abgerufen, die gemeinsam mit der Marke in AI-Antworten erscheinen. Das Modell clustert sie in Produktmodelle, Technologiebegriffe, geografische Referenzen und Personen und zeigt so, welches Bild AI-Systeme von der Marke zeichnen.
Schritt 3: Wettbewerber in AI-Antworten identifizieren
Per ai_entity (view: competition) werden alle Marken ermittelt, die gemeinsam mit der analysierten Marke in Prompts vorkommen. Das Modell bewertet den direkten Wettbewerb und ordnet ihn in Cluster: Konkurrenzunternehmen, Communities, Fachmagazine und weitere relevante Akteure im Themenfeld.
Schritt 4: Quellen-Cluster erstellen
ai_entity (view: sources, source_type=domain) liefert alle Domains mit Citations-Anzahl und Prompt-Count. Das Modell gruppiert sie in fünf strategisch relevante Cluster und bewertet den Einfluss jedes Clusters auf das Marken-Narrativ in AI-Antworten.
Schritt 5: GEO-Lücken und Empfehlungen ableiten
Auf Basis aller gesammelten Daten identifiziert das Modell die größten GEO-Lücken: Wo verliert die Marke Sichtbarkeit an Dritte? Wo werden Fachmagazine häufiger zitiert als die eigene Website? Welche Themen fehlen im eigenen Content?
Output / Ergebnis
Am Ende der Analyse liefert das Modell ein priorisiertes Dashboard:
| Kennzahl | Wert | Bewertung | Empfehlung |
|---|---|---|---|
| Prompt-Mentions gesamt | [Anzahl] | Hoch / Mittel / Niedrig | Basis für laufendes Monitoring |
| Citations eigene Domain | [Anzahl] (Rang [X]) | Gut / Ausbaufähig | Lücken in [Kanal/Thema] schließen |
| Stärkste Drittquelle | [Domain] ([Anzahl]) | Kritisch / Beobachten | Content für [Kanal] priorisieren |
| Stärkster Konkurrent in AI | [Markenname] | Mittel / Hoch | Direktvergleich-Content ausbauen |
| Stärkste Magazin-Quelle | [Domain] ([Anzahl]) | Beobachten | Testberichte und Kooperationen prüfen |
Die Tabelle kann direkt als Grundlage für einen Kunden-Pitch, ein GEO-Briefing oder die Priorisierung einer Content-Strategie genutzt werden.
Kombinationen und Varianten
Kombination: Content Audit und Content Gap Analyse
Nach der GEO Status-Analyse direkt in den Content Audit oder die Content Gap Analyse einsteigen: Die GEO-Analyse zeigt, bei welchen Themen und Entitäten die Marke Sichtbarkeit an Dritte verliert. Der Content Audit prüft, ob diese Lücken mit bestehendem Content geschlossen werden können. Die Content Gap Analyse zeigt, welche Themen Wettbewerber bereits bespielen und die eigene Domain noch nicht.
- Variante: Wettbewerber-GEO-Analyse – denselben Prompt auf eine Konkurrenz-Marke anwenden und direkt vergleichen, welche Quellen und Entitäten dort dominieren.
- Variante: Nur Quellen-Audit – Fokus ausschließlich auf die sources-View, um die vollständige Citation-Landschaft einer Domain zu kartieren.
- Variante: Multi-Marken-Vergleich – mehrere Marken (z. B. eigene Marke und 2 Hauptwettbewerber) in einer Session analysieren und ein Share-of-Voice-Dashboard erstellen.
- Erweiterung: Prompt-Qualitäts-Analyse – ai_entity (view: prompts) nutzen, um konkrete AI-Antworten zu sehen und zu prüfen, in welchem Kontext die Marke erscheint (neutral, positiv, als Alternative zu Wettbewerbern?).
Nicht weitergekommen? Unser Support-Team hilft beim Setup des SISTRIX MCP Servers und beantwortet Fragen zur Nutzung mit Claude oder ChatGPT. Support kontaktieren
SISTRIX kostenlos testen
- Kostenloser Testaccount für 14 Tage
- Unverbindlich, keine Kündigung notwendig
- Persönliches Onboarding durch Experten
