📊 Dashboard Übersicht

Das AICarma-Dashboard ist Ihre zentrale Kommandozentrale für KI-Sichtbarkeit. Es verwandelt rohe KI-Antworten in klare, umsetzbare Erkenntnisse.

Um AICarma optimal zu nutzen, ist es hilfreich zu verstehen, wie das Dashboard strukturiert ist. Die Plattform ist in fünf Hauptansichten unterteilt: Brands (Marken), Models (Modelle), Prompts (Eingabeaufforderungen), Competitors (Mitbewerber) und Sources (Quellen). Jede Ansicht betrachtet dieselben zugrunde liegenden Daten, teilt sie jedoch anders auf, um spezifische geschäftliche Fragen zu beantworten.

---

Die 5 Hauptansichten

Navigieren Sie mithilfe der Hauptregisterkarten oben in Ihrem Dashboard zwischen diesen Ansichten.

1. Die Brands-Ansicht (Marken)

Die „Big Picture“-Ansicht. Dies ist Ihr Startpunkt. Sie zeigt, wie Ihre Marke (und alle Wettbewerber, die Sie verfolgen) insgesamt über alle Modelle und Prompts hinweg abschneidet.

• Schlüsselfrage: Wie sichtbar ist meine Marke im gesamten KI-Ökosystem im Vergleich zu meinen Mitbewerbern?
• Worauf Sie achten sollten: Betrachten Sie die zusammengesetzten Scores für Visibility (Sichtbarkeit), Sentiment (Stimmung) und Position. Verfolgen Sie, wie sich diese aggregierten Scores Woche für Woche verändern, um Ihre übergeordnete Entwicklung zu verstehen.

2. Die Models-Ansicht (Modelle)

Die „Maschinen“-Ansicht. KI-Modelle sind nicht monolithisch. ChatGPT verhält sich anders als Claude. Perplexity verlässt sich stark auf Live-Suchen im Web, während sich andere mehr auf Trainingsdaten stützen. Die Models-Ansicht zeigt Ihre Leistung, aufgeschlüsselt nach jeder einzelnen KI-Engine.

• Schlüsselfrage: Welche spezifischen KI-Modelle empfehlen uns, und welche ignorieren uns?
• Worauf Sie achten sollten: Identifizieren Sie Diskrepanzen. Wenn Sie bei ChatGPT 80 % Sichtbarkeit haben, bei Perplexity aber nur 20 %, wissen Sie, dass Ihren Inhalten die Präsenz im aktiven Websuchindex fehlt, auf den sich Perplexity stützt.

3. Die Prompts-Ansicht (Eingabeaufforderungen)

Die „Anwendungsfall“-Ansicht. Diese Ansicht geht detailliert auf die spezifischen Fragen die Sie verfolgen ein. Sie zeigt genau, wie die KI auf verschiedene Kategorien von Anfragen reagiert (z. B. weite Kategoriensuchen vs. direkte Funktionsvergleiche).

• Schlüsselfrage: Für welche Kaufszenarien (Prompts) sind wir am meisten und am wenigsten sichtbar?
• Worauf Sie achten sollten: Suchen Sie nach absichtsstarken Prompts (High-Intent), bei denen Ihre Sichtbarkeit gering ist. Diese stellen direkte Umsatzmöglichkeiten dar, die Sie verpassen. Lesen Sie die rohen KI-Antworten, um genau zu sehen, warum Sie nicht empfohlen wurden.

4. Die Competitors-Ansicht (Mitbewerber)

Die „Head-to-Head“-Ansicht. In dieser Ansicht können Sie einen bestimmten Mitbewerber auswählen und Ihre Leistung im direkten Vergleich über alle Metriken, Modelle und Prompts hinweg vergleichen.

• Schlüsselfrage: Wo genau schlägt uns [Mitbewerber A] bei den KI-Empfehlungen?
• Worauf Sie achten sollten: Suchen Sie nach den spezifischen Prompts oder Modellen, bei denen ein Wettbewerber deutlich besser abschneidet als Sie. Überprüfen Sie die in diesen Antworten zitierten Quellen, um deren Erfolg nachzuvollziehen (Reverse Engineering).

5. Die Sources-Ansicht (Quellen)

Die „Umsetzbare“-Ansicht. Dies ist wohl der mächtigste Tab. Er aggregiert jede Webseite, die KI-Modelle bei der Generierung von Antworten auf Ihre Prompts zitiert haben.

• Schlüsselfrage: Welchen Webseiten vertrauen KI-Modelle, um Fragen zu meiner Branche zu beantworten?
• Worauf Sie achten sollten: Suchen Sie nach externen Bewertungsseiten, Branchenblogs oder Foren, die häufig als Quellen auftauchen. Dies sind erstklassige Ziele für Ihre PR- und Outreach-Aktivitäten. Siehe Quellen-Tracking für einen tiefen Einblick in diese Funktion.

---

KI-Modellverhalten verstehen

AICarma verfolgt eine große Vielzahl von KI-Modellen. Es ist wichtig zu verstehen, warum Sie auf Ihrem Dashboard unterschiedliche Ergebnisse für sie sehen könnten.

ChatGPT (OpenAI)

ChatGPT ist die dominierende Kraft in der Konversations-KI. Es hat eine riesige Nutzerbasis und einen riesigen Trainingsdatensatz.

• Verhalten: Neigt dazu, sich stark auf seine Trainingsdaten zu verlassen, nutzt jedoch zunehmend "Browse"-Funktionen, um im Internet nach aktuellen Informationen zu suchen. Seine Antworten sind oft umfassend und gut strukturiert.
• Strategie: Allgemeine SEO-Best-Practices, starke Markenpräsenz im Trainingskorpus und aktuelle Web-Inhalte, wenn es sich entscheidet, zu browsen.

Perplexity

Perplexity ist grundlegend anders. Es ist eine "Antwortmaschine", die fast ausschließlich als KI-Hülle über einer Live-Websuche fungiert.

• Verhalten: Es bevorzugt stark frische, aktuell rankende Web-Inhalte. Es zitiert seine Quellen fast immer ausdrücklich.
• Strategie: Traditionelles SEO ist hier sehr effektiv. Wenn Sie bei Google für einen Begriff gut ranken, ist die Wahrscheinlichkeit hoch, dass Perplexity Sie zitiert, wenn ein Benutzer nach diesem Begriff fragt.

Claude (Anthropic)

Claude ist bekannt für sein nuanciertes Denken, sein großes Kontextfenster und seinen Fokus auf Sicherheit und Hilfsbereitschaft.

• Verhalten: Claude liefert oft sehr detaillierte, ausgewogene und manchmal vorsichtige Antworten. Es ist hervorragend darin, komplexe Informationen zu synthetisieren, neigt aber möglicherweise weniger dazu, endgültige "Best-of"-Empfehlungen ohne wesentliche Nuancen abzugeben.
• Strategie: Bieten Sie tiefgehende, qualitativ hochwertige und objektive Inhalte. Claude schätzt umfassende Informationen mehr als einfache Marketingtexte.

Gemini (Google)

Gemini ist tief in das Google-Ökosystem integriert.

• Verhalten: Es hat direkten Zugriff auf den Google-Suchindex und den Knowledge Graph. Es ruft oft Echtzeitinformationen ab und verknüpft sie mit anderen Google-Diensten.
• Strategie: Stellen Sie sicher, dass Ihr Google Knowledge Panel korrekt ist, Ihr Entity-SEO stark ist und Ihre Inhalte vom Googlebot leicht gecrawlt werden können.

Open-Source-Modelle (Llama, DeepSeek, etc.)

Diese Modelle gewinnen massiv an Zugkraft bei Entwicklern und Unternehmen, die benutzerdefinierte KI-Lösungen entwickeln.

• Verhalten: Ihr Wissen ist weitgehend statisch und basiert auf dem Stichtag ihres Trainings, obwohl sich dies mit RAG-Implementierungen (Retrieval-Augmented Generation) ändert.
• Strategie: Stellen Sie sicher, dass Ihre Markeninformationen weit über autoritätsstarke, stabile Domains verteilt sind, die wahrscheinlich in massiven Web-Scraping-Datensätzen (wie Common Crawl) enthalten sind.

---

Marken-Sichtbarkeit vs. Quellen-Sichtbarkeit

Wenn Sie durch das Dashboard navigieren, werden Sie auf zwei verschiedene Arten von Sichtbarkeit stoßen. Es ist entscheidend, den Unterschied zu verstehen.

1. Marken-Sichtbarkeit (Brand Visibility – Das "Wer")

Dies wird in den Ansichten Brands, Models und Prompts gemessen. Es beantwortet die Frage: Hat die KI meinen Markennamen in ihrer Antwort erwähnt?

• Wenn die KI sagt: "Sie sollten Acme Corp für Ihre CRM-Anforderungen in Betracht ziehen," ist das ein Gewinn für die Marken-Sichtbarkeit von Acme Corp.

2. Quellen-Sichtbarkeit (Source Visibility – Das "Warum")

Dies wird in der Ansicht Sources gemessen. Es beantwortet die Frage: Auf welche Webseiten stützte sich die KI, um ihre Antwort zu formulieren?

• Wenn die KI review-site.com/best-crms konsultiert hat, um ihre Antwort zu generieren, erhält review-site.com die Quellen-Sichtbarkeit.

Die Strategie: Sie möchten eine hohe Marken-Sichtbarkeit (Brand Visibility). Der Weg, dies zu erreichen, besteht darin, die Quellen-Sichtbarkeit (Source Visibility) zu analysieren, um zu verstehen, welchen Websites die KI vertraut, und dann sicherzustellen, dass Ihre Marke auf diesen vertrauenswürdigen Websites prominent vertreten ist.