Share of Model
Share of Model (SoM) ist der Anteil der Markenerwähnungen, die ein Unternehmen von einem oder mehreren großen Sprachmodellen (LLMs) erhält, im Verhältnis zu den gesamten Markenerwähnungen in derselben Kategorie. Er quantifiziert, wie häufig und wie wohlwollend KI-Plattformen eine Marke empfehlen, wenn Nutzer kategorierelevante Fragen stellen.
Share of Model (SoM) ist der Anteil der Markenerwähnungen, die ein Unternehmen von einem oder mehreren großen Sprachmodellen (LLMs) erhält, im Verhältnis zu den gesamten Markenerwähnungen in derselben Kategorie. Er quantifiziert, wie häufig und wie wohlwollend KI-Plattformen eine Marke empfehlen, wenn Nutzer kategorierelevante Fragen stellen.
Warum es wichtig ist
Stand 2026 hat allein ChatGPT 815 Millionen monatlich aktive Nutzer und hält 60,7 % des AI-Suchmarkts. KI-Antworten erwähnen typischerweise nur eine bis drei Marken, statt zehn blaue Links anzuzeigen. Ist Ihre nicht darunter, sind Sie für ein rasch wachsendes Publikum unsichtbar. Branchen-Benchmarks legen nahe, dass Kategorieführer auf wichtigen Prompts 35 bis 40 % SoM benötigen, um eine Spitzenposition in der Liste zu halten.
Share of Model vs. Share of Voice
| Metrik | Share of Voice (SoV) | Share of Search | Share of Model (SoM) |
|---|---|---|---|
| Misst | Werbe- und Medienpräsenz | Volumen markenbezogener Suchanfragen | Markenerwähnungen in KI-Antworten |
| Kernfrage | "Wie laut ist unsere Marke?" | "Wie oft suchen Menschen nach uns?" | "Wie oft empfiehlt KI uns?" |
| Datenquelle | Werbeplattformen, Medienmonitoring | Google Trends, Search Console | Sammlung und Analyse von LLM-Antworten |
Wie man misst
- Anfragen gestalten: 20 bis 50 Fragen mit hoher Absicht auswählen, die Ihre Kategorie repräsentieren.
- Über mehrere Modelle hinweg testen: Identische Anfragen an ChatGPT, Claude, Gemini und Perplexity stellen. Setzen Sie Temperature für Konsistenz auf 0.
- Erwähnungen zählen: Erfassen, welche Marken in jeder Antwort erscheinen, und dabei Häufigkeit, Position und Tonalität notieren.
- Anteil berechnen:
(Erwähnungen Ihrer Marke ÷ Gesamterwähnungen der Kategorie) × 100. - Vierteljährlich verfolgen: LLM-Trainingsdaten und Algorithmen ändern sich häufig, messen Sie mindestens einmal pro Quartal.
Zu den Werkzeugen für automatisiertes Tracking zählen Profound, Conductor, Semrush und HubSpots AEO Grader.
Variation über Modelle hinweg
Die Markensichtbarkeit kann sich über LLMs hinweg dramatisch unterscheiden. Ariel kam auf Metas Llama auf fast 24 % der Erwähnungen, aber auf Googles Gemini auf weniger als 1 %, während Chanteclair auf Perplexity 19 % hielt, aber auf Llama völlig verschwand. Eine Messung anhand eines einzigen Modells reicht nicht aus, verfolgen Sie stets über mehrere Plattformen hinweg.
Ihren Share of Model verbessern
- Autoritative Inhalte veröffentlichen: Tiefgehende, E-E-A-T-reiche Inhalte positionieren Ihre Marke in den LLM-Trainingsdaten als Kategorieautorität.
- Für Zitate optimieren: Statistiken, Forschungsergebnisse und Expertenzitate einbinden, damit KI-Systeme Ihre Inhalte als Quelle heranziehen.
- Präsenz auf vertrauenswürdigen Plattformen ausbauen: Wikipedia, wissenschaftliche Arbeiten und Branchenberichte haben im LLM-Training ein hohes Gewicht.
- llms.txt bereitstellen: Helfen Sie KI-Crawlern mit einer strukturierten llms.txt-Datei, die Inhalte Ihrer Website effizient zu erfassen.
Sources: