KI-Modelle

Die AEO-Säule (Answer Engine Optimisation) misst, was KI-Modelle über eine Domain sagen, wenn Menschen sie direkt fragen. Damit das in großem Umfang und reproduzierbar funktioniert, fragt Paceghost die Modelle über ihre offiziellen APIs ab, statt Fragen von Hand in Chat-Apps zu tippen.

Warum wir Modelle über APIs abfragen

Jedes Audit muss konsistent, wiederholbar und über die Zeit vergleichbar sein. APIs bieten einen kontrollierten Weg, dieselben Prompts an viele Modelle zu senden und ihre Rohantworten aufzuzeichnen. So läuft für jede Domain derselbe Benchmark, auf Abruf, und Veränderungen zwischen Audits werden sichtbar.

Ein API-Aufruf ist eine Simulation einer Person, die einem KI-Assistenten eine Frage stellt. Er kommt dem nahe, was diese Person sehen würde. Er ist aber keine wortgetreue Kopie einer einzelnen Chat-Sitzung.

Warum wir uns auf Mainstream-Modelle konzentrieren

Paceghost fragt die weit verbreiteten Mainstream-Modelle ab — die Modelle, die die meisten Menschen tatsächlich nutzen. Die Abdeckung der populären Modelle ergibt eine realistische, breite Annäherung an die Antworten eines typischen KI-Assistenten. Nischen- oder Experimentalsysteme, die kaum jemand nutzt, stehen nicht im Mittelpunkt.

Breite Abdeckung zählt mehr als vollständige Abdeckung: Ziel ist, die KI-Landschaft abzubilden, der das eigene Publikum am wahrscheinlichsten begegnet.

Modelle sind Black Boxes

KI-Modelle sind keine deterministischen Datenbanken. Das öffentliche Verhalten der Modelle hängt von vielen Faktoren ab, die wir nicht vollständig beobachten oder steuern können. Für das Lesen von AEO-Ergebnissen ist wichtig: Die Antwort eines Modells kann sich unterscheiden, je nach:

• API oder App bzw. Website. Das Modell hinter einer API kann sich anders verhalten als dasselbe Modell in seiner Consumer-App oder auf seiner Website. Diese fügen oft eigene Retrieval-Schritte, System-Prompts und Nachbearbeitung hinzu.
• Angemeldet oder anonym. Angemeldete Nutzer können andere Antworten erhalten als anonyme, weil Konten Einstellungen und Kontext mitbringen.
• Gedächtnis und Verlauf. Assistenten, die sich an frühere Gespräche erinnern, personalisieren ihre Antworten. Unsere simulierten Abfragen starten neu, ohne persönlichen Verlauf.
• Zeitliche Drift. Modelle werden im Lauf der Zeit aktualisiert, neu trainiert und nachjustiert. Derselbe Prompt kann im nächsten Monat eine andere Antwort liefern — genau deshalb ist ein zeitpunktbezogener Benchmark nützlich.

Wegen dieser Faktoren sind AEO-Ergebnisse am besten als richtungsweisendes Signal der KI-Sichtbarkeit zu lesen — jedes Mal auf dieselbe Weise gemessen —, nicht als absolute, universelle Wahrheit.

Welche Modelle abgefragt werden

Welche Modelle ein Audit enthält, hängt vom Tarif ab. Die aktuelle, live abgerufene Liste der Modelle pro Tarif steht unter AEO-Endpunkte.