Personen tracken

Spyglasses kann einen AI Visibility Report auf eine Person ausführen, nicht nur auf eine Marke. Damit sehen Sie, wie ChatGPT, Claude, Gemini und Perplexity eine Führungskraft, eine Branchenexpertin, einen Autor oder eine beliebige Person des öffentlichen Lebens beschreiben — und ob diese Person auftaucht, wenn Menschen nach den führenden Köpfen ihres Fachgebiets fragen.

Produktübersicht: Person Tracking — was es leistet, für wen es gedacht ist und wie Sie starten.

Was Sie lernen

• Wann ein Report auf Personenebene sinnvoll ist (und wann ein Marken-Report)
• Wie Sie eine Person hinzufügen und was das Feld „Rolle oder Wikidata-Referenz" steuert
• Wie der neutrale Identity Snapshot aufgebaut wird — und was das Quellen-Label bedeutet
• Wie Sie die Abschnitte zu Identitätsgenauigkeit und getrackten Attributen lesen
• Wie Sie mit Key Messages positive und negative Narrative verfolgen
• Was einen Personen-Report von einem Marken-Report unterscheidet

Wann ein Personen-Report sinnvoll ist

Ein Personen-Report ist das richtige Werkzeug, wenn das Subjekt eine Einzelperson ist — zum Beispiel:

• Eine Führungskraft, deren AI-Reputation Sie im Auftrag einer Kundin oder eines Kunden betreuen (der ORM-Anwendungsfall)
• Eine Branchenexpertin, die gefunden werden möchte, wenn AI nach ihrem Fachgebiet gefragt wird
• Eine Gründerin oder ein Thought Leader, die in einem bestimmten Feld Autorität aufbauen

Ist das Subjekt ein Unternehmen, ein Produkt oder eine Kategorie, führen Sie stattdessen einen Marken-Report aus.

Eine Person hinzufügen

Wählen Sie unter Properties → Property hinzufügen als Subjekttyp Person und füllen Sie dann aus:

• Name — der Name der Person, z. B. Mellody Hobson. Pflichtfeld und Suchanker für alles Weitere.
• Rolle, Wikidata-QID oder Zugehörigkeit (optional) — ein einzelnes Feld, das steuert, wie der Identity Snapshot aufgebaut wird:
  • Eine Wikidata-QID (Q42) oder eine Wikidata-URL → der Snapshot wird aus Wikidata + Wikipedia erstellt (die neutrale Primärquelle).
  • Eine Rolle oder Zugehörigkeit als Freitext, z. B. Co-CEO, Ariel Investments → der Snapshot wird aus einer Google-Websuche erstellt. Die Rolle wird der Suchanfrage als Disambiguierung hinzugefügt.
  • Eine LinkedIn-URL → wird als „keine QID" behandelt. Der Snapshot stammt weiterhin aus einer Websuche (LinkedIn selbst wird nie gescrapt), und die URL wird nicht als Rolle verwendet.
  • Leer → der Snapshot wird aus einer Websuche allein anhand des Namens erstellt.

Sie können dieses Feld später in den Einstellungen der Property ändern und den Snapshot neu aufbauen.

Der Identity Snapshot

Jeder Personen-Report startet von einer neutralen Basis — einem Profil dessen, wer die Person tatsächlich ist — an der die Antworten der AI-Modelle gemessen werden. Jeder Snapshot ist mit seiner Herkunft gekennzeichnet:

Ist die Quelle Webquellen, zeigt der Report einen einzeiligen Vorbehalt: „Aus öffentlichen Webquellen erstellt, nicht aus einer neutralen Enzyklopädie — behandeln Sie die Identitätsgenauigkeit als Richtungsangabe." Das ist eine transparente Einordnung — dieselbe Art von Seiten, die auch die AI-Modelle lesen, bildet nun die Basis, sodass Genauigkeitsvergleiche eher richtungsweisend als maßgeblich sind.

Den Snapshot bearbeiten

Klicken Sie in der Übersicht der Property auf Snapshot bearbeiten, um jedes Feld von Hand zu überschreiben. Manuelle Änderungen bleiben über Neuaufbauten hinweg bestehen (sie „gewinnen" sowohl gegen Wikidata- als auch gegen Webdaten). Sie können den Snapshot jederzeit aus den Einstellungen der Property neu aufbauen — bei einer Person mit Wikidata-Quelle werden Wikidata/Wikipedia erneut abgerufen, bei einer Person mit Webquelle wird die Suche erneut ausgeführt.

Einen Personen-Report lesen

Ein Personen-Report hat vier Abschnitte, in dieser Reihenfolge:

1. Identity Snapshot

Die neutralen Fakten, an denen die AI gemessen wird — Name, Rolle, Arbeitgeber, Fachgebiet, Nationalität, Ausbildung, bedeutende Arbeiten und, sofern verfügbar, eine Wikipedia-Einleitung. Die Quellenlinks stehen unten auf der Karte.

2. Identitätsgenauigkeit

Das ist das Personen-Äquivalent zur Brand Consistency. Wir fragen jedes Modell „Wer ist [Name]?" — jeweils mit und ohne Web-Browsing — und vergleichen die Antworten mit dem neutralen Snapshot.

Der Abschnitt ist je Modell in Tabs gegliedert. Innerhalb jedes Tabs wählt ein Umschalter Ohne Browsing / Mit Browsing die angezeigte Antwort. Die Karte zeigt:

• Die vollständige AI-Antwort (Klick auf „Vollständige Antwort anzeigen" zum Aufklappen), als Markdown gerendert.
• Unterschiede zur neutralen Quelle — Markierungen zu Rolle/Arbeitgeber, eine Liste sachlicher Fehler sowie zwei spezifische Warnungen:
  • Namensverwechslung — das Modell beschreibt eine andere Person mit demselben Namen.
  • Veraltete Informationen — das Modell nennt Fakten, die einmal zutrafen, aber nicht mehr aktuell sind (ein häufiger Fehler bei Führungskräften, die kürzlich die Position gewechselt haben).

Oben stehen zwei Scores: die durchschnittliche Genauigkeit über alle Modell-/Modus-Kombinationen und die modellübergreifende Konsistenz — wie stark die Modelle untereinander übereinstimmen. Hohe Genauigkeit bei niedriger Konsistenz bedeutet, dass einige Modelle ein deutlich anderes Bild zeichnen als andere.

3. AI Visibility Metrics

Das ist dieselbe AiVisibilitySection, die auch Marken-Reports verwenden, nur anders befüllt. Für eine Person erzeugen wir automatisch fünf Discovery-Prompts auf Fachgebietsebene aus dem Snapshot — Fragen wie „Wer sind die einflussreichsten Persönlichkeiten in [Fachgebiet]?" oder „Nennen Sie führende Stimmen in [Spezialgebiet]." Diese führen wir dann über jede AI-Plattform aus und messen, ob die Person auftaucht.

Die Prompts speisen sich aus zwei Eingaben:

• Den strukturierten Fakten des Snapshots (Fachgebiet, Rolle, Arbeitgeber, Nationalität).
• Den positiven Key Messages der Person, sofern vorhanden — sie sagen dem Generator, wofür die Person bekannt sein möchte, sodass die Prompts genau diese Nische adressieren.

Hat Ihre Person ein klares Spezialgebiet, halten Sie es vor dem ersten Report als positive Key Message fest — die Discovery-Prompts testen dann genau diese Rahmung.

Das Panel liest sich für eine Person als Discovery Queries · Erwähnungen · Share of Voice · Identitätsgenauigkeit (ohne Zitierungs-Kachel — Zitierungen sind an eine Markendomain gebunden und treffen hier nicht zu).

4. Getrackte Attribute

Jedes getrackte Attribut (siehe Key Messages weiter unten) erscheint als aufklappbare Zeile, gruppiert nach Sentiment. Die Kopfzeile zeigt, wie oft das Narrativ aufgetaucht ist (z. B. „In 17 von 30 Antworten gefunden"); beim Aufklappen der Zeile erscheinen die passenden Textstellen samt dem Modell, das sie erzeugt hat.

Der Nenner ist jede AI-Antwort im Report — die vier Identitätsfragen (mit und ohne Browsing) plus die fünf Discovery-Prompts auf Fachgebietsebene über alle Plattformen hinweg — die Zahl ist also eine laufende Gesamtsumme erfolgreicher Antworten, keine feste Zahl.

Key Messages für Personen

Personen-Reports nutzen die Standardfunktion Key Messages, mit einer Erweiterung: Jede Botschaft hat ein Sentiment — positiv, negativ oder neutral.

• Positive Narrative — wofür die Person bekannt sein möchte. Beispiel: „Führende Stimme für Finanzbildung." Diese speisen zugleich die Discovery-Prompts auf Fachgebietsebene.
• Negative Narrative — worauf Sie achten wollen. Beispiel: „Veruntreuungsskandal." Nützlich zur Früherkennung von Reputationsrisiken.
• Neutrale Assoziationen — sachliche Verbindungen, die Sie ohne positive oder negative Rahmung verfolgen möchten.

Ein Narrativ „erscheint" in einer AI-Antwort, wenn ein Satz der Antwort denselben Gedanken semantisch ausdrückt — nicht nur bei einem wörtlichen Textabgleich. Der Matcher nutzt Embeddings, sodass Formulierungen wie „eine Verfechterin der Finanzbildung" zu „führende Stimme für Finanzbildung" passen, auch wenn der Wortlaut abweicht.

Getrackte Attribute verwalten Sie über die Seite Key Messages in der Seitenleiste der Property.

Historische Trends

Das Brand Dashboard funktioniert genauso wie für Marken, zusammengesetzt aus einem personenspezifischen Modul-Set:

• Brand Consistency wird durch Identitätsgenauigkeit ersetzt, die den durchschnittlichen Genauigkeits-Score über die Zeit zeichnet, ihn je Modell aufschlüsselt und Namensverwechslungen sowie veraltete Fakten markiert.
• Wettbewerber heißt hier Peers.
• Die Zitierungs-Karte erscheint nur, wenn ein aktives Projekt Ziele hat, und zeigt dann den Goal Impact — eine Person hat keine eigene Domain, sodass der Rückfall auf eigene versus verdiente Medien strukturell bedeutungslos wäre und deshalb nie angezeigt wird.
• Die Module, die eine crawlbare eigene Website voraussetzen — SEO-Chancen, Site Readiness, AI Traffic und Standorte — werden gar nicht erst gerendert.
• Key Messages zeichnet Ihre positiven und negativen Narrative über die Zeit, sodass Sie zum Beispiel sehen, wie ein negatives Narrativ über ein Quartal hinweg zunimmt.

Personen-Reports speisen sich außerdem aus denselben täglichen Prompt-Läufen wie Marken-Reports — jede geplante Prompt-Ausführung aktualisiert die Trendlinien, sodass Sie keinen frischen Report starten müssen, um Bewegung zu sehen.

Was sich von einem Marken-Report unterscheidet

Zur Orientierung: Das ist im PERSON-Flow ausgeblendet oder umbenannt:

• Seitenleiste: Der gesamte Abschnitt Content (FAQ Generator) ist ausgeblendet — die Generierung ist an eine gecrawlte Seite auf einer Domain verankert, die Ihnen gehört, und die hat eine Person nicht. Der PR-Arbeitsbereich bleibt: Platzierungen, Coverage Groups und Publisher Lookup funktionieren für Personen, Marken und Produkte gleichermaßen, denn alle drei erhalten Berichterstattung von Dritten.
• Report: Die Abschnitte Robots.txt, Technische Analyse, Grounding-Suchen und AI-Readiness-Audit sind ausgeblendet — sie alle setzen eine crawlbare Website voraus.
• Dashboard: Zitierungen sind ausgeblendet; Performance vs. Wettbewerber heißt Performance vs. Peers; aus „Markenerwähnungen" werden schlicht „Erwähnungen".

Alles Übrige — Peer-Vergleich, Share of Voice, Share-of-Voice-Trends, der öffentliche Report-Link, die Report-Planung — funktioniert genau wie bei einer Marke.

Praktische Tipps

• Bei nicht prominenten Personen stützen Sie sich auf das Feld für Rolle/Zugehörigkeit. „Leiter Einkauf, Acme Industries" liefert eine deutlich bessere Disambiguierung als der Name allein.
• Bei Namensgleichheit achten Sie in den Tabs zur Identitätsgenauigkeit auf die Warnung „Namensverwechslung" — sie zeigt Ihnen genau, welche Modelle über die falsche Person antworten.
• Legen Sie positive Key Messages vor dem ersten Report-Lauf an — sie prägen die Discovery-Prompts, sodass die richtige Nische von Anfang an dafür sorgt, dass der Report das prüft, worauf es Ihnen wirklich ankommt.
• Nehmen Sie den Vorbehalt „Webquellen" ernst — hat der Snapshot keinen Wikidata-Anker, ist der Genauigkeits-Score ein richtungsweisendes Signal (die AI-Modelle und Ihre Basis lesen ähnliche Seiten). Stützen Sie Entscheidungen auf die Trendbewegung und die Liste der Unterschiede, nicht auf den absoluten Score.