research

Wie wir die KI-Markenreputation messen: Die Methode hinter dem Rankfor Index 2026

July 13, 2026
8 min read
n=35,640
Dmitrij Żatuchin
AI VisibilityMethodologyRankfor IndexAI Reputation IndexBrand ReputationMultilingual AI

Jede Markenseite auf dieser Website zeigt eine Zahl: einen KI-Sichtbarkeitswert von maximal 100. Dieser Artikel erklärt Schritt für Schritt, woher diese Zahl stammt, damit Sie sie beurteilen, reproduzieren oder infrage stellen können.

Die Kurzfassung: Wir stellen drei KI-Modellen die Fragen, die echte Käufer stellen, in jeder Sprache der Region, viele Male hintereinander. Anschließend bewerten wir die Antworten anhand von fünf Komponenten und veröffentlichen das Ergebnis für jede Marke, die wir gemessen haben.

Der Korpus

Die Nordisch-Baltische Ausgabe umfasst 66 Marken in 11 Märkten. Jede Marke wurde in 12 Sprachen (Litauisch, Lettisch, Estnisch, Finnisch, Polnisch, Tschechisch, Slowakisch, Schwedisch, Norwegisch, Dänisch, Deutsch, Englisch) auf drei KI-Modellen mit Live-Websuche abgefragt: GPT, Gemini und Perplexity Sonar. Daraus entstanden 35.640 fundierte Antworten mit 131.667 Zitationen aus 21.077 einzigartigen Domains.

Die Polen-Ausgabe umfasst 46 Konsumentenmarken mit polnischen Käuferprompts auf denselben drei Modellen und ergab 17.891 Zitationen aus 1.907 Domains.

Käuferabsicht-Prompts treiben alles an. Wir fragen, was ein Kunde fragen würde ("bester Musik-Streaming-Dienst in Schweden", "welche Bank sollte ein kleines Unternehmen in der Slowakei nutzen"), niemals "erzähl mir etwas über Marke X". Eine Marke verdient ihren Wert, indem sie unaufgefordert auftaucht.

Die fünf Komponenten

Der zusammengesetzte Wert jeder Marke ist eine gewichtete Summe aus fünf Komponenten, alle auf 0 bis 100 normiert:

  • Sentiment (25%): wie positiv die Modelle die Marke beschreiben, wenn sie erscheint.
  • Empfehlung (25%): der Anteil der Käuferabsicht-Prompts, bei denen die Modelle die Marke nennen. Diese Komponente bildet am direktesten die Vertriebspipeline ab.
  • Quellenqualität (20%): welche Art von Domains die Antworten fundieren. Tier-1-Medien und Branchenberichte erhalten höhere Werte als anonyme Long-Tail-Seiten.
  • Konsistenz (20%): ob die Erzählung über Sprachen und Formulierungen hinweg gleich bleibt.
  • Stabilität (10%): ob dieselbe Frage bei erneuter Stellung dieselbe Antwort liefert. Wir messen das mit demselben Protokoll wiederholter Prompts wie unser kostenloser Dice Roller.

Der zusammengesetzte Wert wird auf benannte Bänder abgebildet: 85 und höher gilt als Hochgradig empfohlen, 70 bis 84 als Empfohlen, 40 bis 69 als Aufstrebend, unter 40 als KI-unsichtbar. Der höchste Wert im Ranking 2026 liegt bei 67, was einiges darüber aussagt, wie viel Spielraum selbst die Spitzenreiter noch haben.

Die Kennzahlen, die Sie nirgendwo sonst finden

Drei Messgrößen im Index existieren, weil mehrsprachige Daten Dinge sichtbar machen, die einsprachige Studien nicht erkennen können.

Zweisprachige Strafe. Wir vergleichen den KI-Reputationsindex jeder Marke in ihrer Heimatsprache mit dem in Englisch. Latvijas Gāze erreicht 60,1 auf Lettisch und 42,9 auf Englisch, ein Heimvorteil von 17,2 Punkten, der in dem Moment verschwindet, in dem ein Käufer die Sprache wechselt. Tatra Banka zeigt dasselbe Muster mit +13,6. Globale Marken wie Spotify liegen über alle zwölf Sprachen hinweg innerhalb eines Punktes. Wenn Ihr Expansionsplan davon ausgeht, dass Ihre heimische Reputation mitreist, sagt Ihnen diese Zahl, ob das zutrifft.

Zitationskonzentration (Quellen-HHI). Ein Herfindahl-Hirschman-Index über die Domains, die die Antworten einer Marke fundieren. Über 0,72 bedeutet, dass wenige Domains die Erzählung kontrollieren, was in beide Richtungen wirkt: fragil, aber durch zwei oder drei Domain-Partnerschaften behebbar. Unter 0,50 bedeutet, dass die Erzählung breit gestreut und widerstandsfähig ist.

Blinde Sprachen. Die Anzahl der Studiensprachen, in denen der Wert einer Marke unter die regionale Untergrenze von 45 Punkten fällt. Eine Marke kann ihren Heimatmarkt anführen und in acht von zwölf Sprachen praktisch unsichtbar sein.

Was wir veröffentlichen

Jede gemessene Marke erhält eine öffentliche Seite unter /ai-visibility/{brand} mit ihrem Wert, Rang, Sentiment pro Modell, Diagramm zur Sprachdivergenz und Zitationsquellen: Spotify, Wise, Amica und 108 weitere. Das vollständige Ranking, die Länderauswertungen und der herunterladbare Bericht befinden sich im Index-Hub, mit den Nutzungsbedingungen im Pressekit.

Wir messen Sichtbarkeit, Erzählung und Empfehlbarkeit in KI-Antworten. Wir bewerten nicht die Unternehmens- oder Produktqualität. Ein niedriger Wert bedeutet, dass die KI Ihre Geschichte nicht erzählt, und das ist ein behebbares Marketingproblem, kein Urteil über das Unternehmen.

Daten und Versionen

Die Nordisch-Baltischen Daten wurden im April 2026 erhoben und veröffentlicht und zuletzt im Mai 2026 aktualisiert. Die Polen-Ausgabe wurde im Juni 2026 veröffentlicht. Die Modellversionen sind pro Studie fixiert; wenn wir den Index erneut durchführen, bleiben frühere Werte archiviert, sodass Veränderungen messbar sind.

Fragen zur Methode oder möchten Sie Ihre Kategorie gemessen haben? Sprechen Sie mit dem Team.

Continue Reading

research

Where AI Gets Its Answers: 167,551 Citations Behind Brand Reputation

A cross-market citation dataset: 167,551 URL-grounded citations across 128 brands, 13 languages, and 12 markets from GPT, Gemini, and Perplexity. AI grounds brand answers in third-party sources 85.7% of the time; 18% of domains carry 80% of citations; Wikipedia is the top domain in 11 of 12 languages. Open under CC-BY-4.0 with DOI.

article

Google-First Poland: Field Notes on Where Buyers Start With AI

A live Warsaw poll says Poland starts search inside Google's ecosystem (75%), with Gemini ahead of ChatGPT. Our 46-brand, 17,891-citation study adds the measured part: YouTube is the only channel where every brand appears, and two ice-cream brands show how differently AI builds a reputation from sources.

article

The State of AI Visibility: Why Brands Are Losing Control Inside AI Answers

Search didn't disappear. It stopped being the place where decisions happen. Traditional SEO assumed that if you ranked well, you would be discovered. AI doesn't work that way. This thought leadership piece defines why AI visibility matters and introduces the four dimensions of AI visibility: Presence, Relevance, Usefulness, and Trust.

research

Cross-Model Response Stability Analysis: A Comparative Study of Brand Mention Consistency in Large Language Models

This study investigates response variability and brand mention consistency across three leading LLMs: Google Gemini 3 Flash, OpenAI GPT-5.2, and xAI Grok-4-1. Using 239 total samples across three prompt variations (husband, wife, 2025), we measured brand mention frequency, response consistency, and cross-model agreement.

BeVisible Club

Get research like this before we publish it.

New AI visibility studies, ranking patterns, and source-stack data delivered to your inbox a week before they go public.

Join BeVisible Club

Want to Know How AI Sees Your Brand?

Rankfor.AI measures your brand's AI visibility across all major platforms and provides actionable recommendations.

About the Author

Dmitrij Żatuchin

Founder

Dmitrij Żatuchin is the founder of Rankfor.AI. A computer scientist with a PhD in semantic web technologies, he bridges the gap between how AI reasons about brands and how brands want to be understood. With over two decades of software architecture experience and academic roles at Estonian Business School and EUAS, Dmitrij builds the measurement infrastructure brands need to transition from optimizing for search engines to becoming visible for reasoning engines.

Wir verwenden Cookies

Wir verwenden notwendige Cookies, damit unsere Website funktioniert. Mit Ihrer Zustimmung können wir auch Analyse-Cookies verwenden, um zu verstehen, wie Sie unsere Tools (wie den Dice Roller) nutzen, damit wir sie verbessern können. Mehr erfahren