Methodik des AI Placement Value Score

Was der AI Placement Value Score misst

Der AI Placement Value Score (AIPVS) beantwortet eine einfache Frage: Wenn Sie eine Medienplatzierung auf dieser Domain erzielen, wie viel kombinierten Wert liefert sie — sowohl in der traditionellen Suche als auch in der KI-gestützten Entdeckung?

Traditionelle Metriken wie Domain Authority, Domain Rating und geschätzter Traffic zeigen Ihnen, wie stark eine Publikation in der organischen Suche ist. Aber sie berücksichtigen nicht, dass viele große Publikationen KI-Assistenten wie ChatGPT, Gemini und Perplexity mittlerweile den Zugriff auf ihre Inhalte verwehren.

Eine Platzierung, die auf dem Papier großartig aussieht — hohe Autorität, großes Publikum — könnte für KI völlig unsichtbar sein. Der AIPVS kombiniert organische Autorität mit einer Bewertung der KI-Zugänglichkeit zu einem einzigen, vergleichbaren Score zwischen 0 und 100.

---

Die drei Ebenen

Der Score wird aus drei unabhängigen Ebenen aufgebaut, die jeweils eine andere Dimension des Platzierungswerts messen.

Ebene 1: Organische Autoritäts-Basis

Diese Ebene erfasst, was traditionelle SEO-Tools bereits messen — die grundlegende Autorität und Sichtbarkeit der Domain.

Wir beziehen Domain-Level-Metriken von DataForSEO, einem führenden SEO-Datenanbieter. Die Signale umfassen:

• Webgraph-Wichtigkeitsranking — Ein Score basierend auf der Qualität und Menge anderer Websites, die auf diese Domain verlinken, berechnet aus einem Datensatz von über 250 Millionen Host-Level-Knoten.
• Geschätzter organischer Traffic — Wie viel Suchverkehr die Domain von Google erhält.
• Ranking-Qualität — Nicht nur wie viele Suchergebnisse, sondern wie viele Top-3-Positionen die Domain belegt.
• Kommerzieller Wert — Was Werbetreibende für gleichwertigen Traffic über Google Ads zahlen würden.
• Kategorierelevanz — Wie gut die Inhaltskategorie der Domain zur bewerteten Marke passt. Die Kategorierelevanz hat bei hochautoritären Publishern weniger Gewicht — ein Backlink von einer Top-1000-Website hat unabhängig von der thematischen Überschneidung enormen Wert. Bei kleineren Publishern behält die Kategorierelevanz ihr volles Gewicht, da ihr Platzierungswert stärker von der Zielgruppenausrichtung abhängt.

Domain Rank ist kein Eingabewert. In Pitch-Listen und auf der Publisher-Seite zeigt Spyglasses neben dem AIPVS den Domain Rank von DataForSEO (aus den Backlinks-Daten, auf einer Skala von 0 bis 100), weil PR-Teams solche Zahlen von Domain Authority und Domain Rating kennen. Er ist nur eine Referenz eines Drittanbieters. Er fließt in keine Ebene des Scores ein, und eine Änderung des Domain Rank verändert den AIPVS nie.

Ebene 2: KI-Zitier-Zugänglichkeit

Diese Ebene misst, ob KI-Assistenten Inhalte dieser Domain öffnen und zitieren können, wenn sie eine Frage beantworten.

Viele Assistenten öffnen Webseiten live, während sie antworten. Dafür nutzen sie eigene Crawler, sogenannte KI-Besucher (zum Beispiel ChatGPT-User, Claude-User und Perplexity-User). Website-Betreiber können einzelne Crawler über ihre robots.txt blockieren.

Wir prüfen den Live-Crawler jeder großen KI-Plattform gegen die robots.txt-Regeln der Domain, darunter ChatGPT, Gemini, Perplexity, Microsoft Copilot, Claude und weitere.

Für jede Plattform hat der Crawler entweder vollen Zugang oder ist blockiert, je nach den veröffentlichten robots.txt-Regeln der Domain. Wir lesen diese Regeln direkt aus. Prüfungen für Content-Delivery-Netzwerke und Sicherheitsdienste, die KI-Crawler blockieren, obwohl die robots.txt sie erlaubt, sind geplant. Sobald es sie gibt, fließen sie in den Score ein.

Jeder Plattformstatus wird nach seinem Anteil am KI-Markt gewichtet und vierteljährlich aktualisiert.

KI-Such-Indexer: angezeigt, nicht bewertet

Einige Assistenten bauen inzwischen einen eigenen Suchindex auf, ähnlich wie eine Suchmaschine. Ein eigener Crawler, ein sogenannter KI-Such-Indexer, sammelt die Seiten für diesen Index:

• OAI-SearchBot baut den Suchindex von ChatGPT auf (OpenAI)
• PerplexityBot baut den Suchindex von Perplexity auf (Perplexity)
• Claude-SearchBot baut den Suchindex von Claude auf (Anthropic)

Spyglasses ordnet KI-Crawler drei Rollen zu: KI-Besucher öffnen Seiten live, während ein Assistent antwortet. KI-Such-Indexer nehmen Seiten in den eigenen Suchindex eines Assistenten auf. KI-Modell-Trainer sammeln Seiten, um künftige Modelle zu trainieren (Ebene 3).

Blockiert eine Domain einen KI-Such-Indexer, zeigen wir neben dem betroffenen Assistenten einen Hinweis an, zum Beispiel „Fehlt womöglich in der Suche von ChatGPT“. Der Hinweis ist gelb, nicht rot, und er ändert den Score nicht. Der Zitier-Zugang richtet sich weiter nach der Regel für den Live-Crawler.

Der Grund: Als wir Publisher, die OAI-SearchBot blockieren, mit solchen verglichen haben, die das nicht tun, wurden viele der blockierenden Websites trotzdem von ChatGPT zitiert, einige sogar sehr oft. Assistenten finden Seiten auch über andere Quellen, etwa über Suchergebnisse von Partnern, bereits bekannte Seiten und lizenzierte Inhalte. Ein blockierter Suchindex entfernt eine Website also nicht zuverlässig aus den Zitaten eines Assistenten. Würden wir ihn so bewerten, wären viele Platzierungen zu niedrig eingestuft. Da Sperren für Such-Indexer jetzt separat erfasst werden, wiederholen wir diesen Vergleich jedes Quartal und passen den Score an, wenn die Daten es nahelegen.

Ebene 3: KI-Trainingseinfluss

Diese Ebene bewertet, wie sehr eine Platzierung zur Präsenz einer Marke in den Trainingsdaten von KI-Modellen beiträgt.

Wir verwenden öffentlich verfügbare Webstruktur-Daten von Common Crawl, um zu bewerten, wie wichtig eine Domain im Trainings-Datenökosystem ist.

Wie wir Trainings-Crawler gewichten

KI-Unternehmen verwenden dedizierte Crawler, um Webinhalte für das Training ihrer Modelle zu sammeln. Wir prüfen, ob jede Domain diese Trainings-Crawler zulässt oder blockiert, und gewichten jeden Crawler nach seinem nachgelagerten Modelleinfluss — der kombinierten Marktreichweite der KI-Modelle, die auf die Daten dieses Crawlers angewiesen sind.

Dies unterscheidet sich von der Gewichtung der Zitier-Crawler in Ebene 2. Zitier-Crawler lassen sich eindeutig bestimmten KI-Assistenten mit bekannten Nutzerbasen zuordnen. Trainings-Crawler sind komplizierter: Einige speisen eine einzelne Modellfamilie, während andere (wie Common Crawl) gemeinsame Daten bereitstellen, die in weiten Teilen der KI-Branche genutzt werden.

Unsere Gewichtung berücksichtigt drei Faktoren für jeden Crawler:

• Welche Modelle speist er? Ein Trainings-Crawler, der die Modelle hinter dem meistgenutzten KI-Assistenten speist, erhält mehr Gewicht als einer, der ein Nischenprodukt bedient.
• Wie breit ist sein Einfluss? Der CCBot von Common Crawl wird nicht nach dem Marktanteil eines einzelnen Modells gewichtet, sondern nach der Breite der Modelle, die davon abhängen. Veröffentlichte Forschung zeigt, dass die Mehrheit der großen LLMs Common-Crawl-Daten im Pre-Training verwenden. Eine Blockierung betrifft Ihre Präsenz im gesamten KI-Ökosystem, nicht nur auf einer Plattform.
• Erzählen Nutzungsdaten die ganze Geschichte? Bei einigen Plattformen unterschätzt der Consumer-Webtraffic den tatsächlichen Einfluss. Enterprise-lastige Plattformen und Open-Source-Modellfamilien, die Tausende nachgelagerter Anwendungen antreiben, erhalten einen moderaten Aufschlag.

Wir verfolgen Trainings-Crawler von OpenAI, Google, Anthropic, Meta und Common Crawl sowie kleinere Crawler von ByteDance, Amazon und Apple. Die Gewichtungen basieren auf öffentlichen Daten, darunter die KI-Crawler-Traffic-Analyse von Cloudflare Radar, die KI-Marktanteilsverfolgung von Similarweb und veröffentlichte Trainingsdaten-Forschung der Mozilla Foundation und anderer.

Diese Gewichtungen werden vierteljährlich aktualisiert, wenn sich die KI-Landschaft verändert, und Änderungen werden in unserem Methodik-Changelog dokumentiert.

Ohne Markendomain: Wenn keine Markendomain angegeben wird, verwenden wir direkt den Trainingswichtigkeits-Score des Publishers — wie prominent die Domain im Linkgraph des Webs erscheint — moduliert durch den Zugang zu Trainings-Crawlern. Das bedeutet, dass ein hochrangiger, vollständig offener Publisher korrekt als einflussreich für Trainingsdaten erkannt wird, auch ohne einen spezifischen Markenvergleich.

---

Wie die Ebenen kombiniert werden

Die drei Ebenen werden zu einem einzigen Score von 0–100 kombiniert. Die organische Basis setzt die Obergrenze. Die KI-Ebenen passen diese Grenze an, basierend darauf, wie viel des Potenzials der Domain tatsächlich für KI zugänglich ist.

---

Was dieser Score ist — und was nicht

Was er ist:

• Ein richtungsweisender Indikator zum Vergleich von Platzierungsmöglichkeiten und zur Verfolgung von Trends.
• Transparent in der Methodik — dieses Dokument erklärt, wie Scores berechnet werden.
• Regelmäßig aktualisiert — Plattformgewichte werden vierteljährlich überprüft.
• Ergänzend zu bestehenden Tools — fügt die KI-Dimension hinzu, die SEO-Plattformen nicht bieten.

Was er nicht ist:

• Eine exakte Dollarwertung. Wie jede Domain-Authority-Metrik in der Branche.
• Eine Garantie für KI-Sichtbarkeit. Ein hoher AIPVS bedeutet günstige Bedingungen.
• Statisch. Die KI-Landschaft entwickelt sich schnell weiter.

---

Methodik-Changelog

Oktober 2026

• Neue Crawler-Rolle: KI-Such-Indexer. OAI-SearchBot, PerplexityBot und Claude-SearchBot werden jetzt als eigene Gruppe geprüft, getrennt von KI-Besuchern und KI-Modell-Trainern. Eine Sperre wird als Hinweis („Fehlt womöglich in der Suche von ChatGPT“) und mit gelbem Status angezeigt. Sie ändert den AI Placement Value Score nicht, weil in unseren Zitationsdaten viele Websites, die einen KI-Such-Indexer blockieren, von diesem Assistenten trotzdem zitiert werden.
• Exakte Namen aus der robots.txt. Crawler werden jetzt über die genauen Namen erkannt, die Websites in die robots.txt schreiben (etwa oai-searchbot und google-extended). Namen, die es nur in der robots.txt gibt, wie Google-Extended, das nie im User-Agent eines Crawlers auftaucht, werden jetzt ebenfalls geprüft.
• Genauere Beschreibung der Prüfung. Der Zitier-Zugang ist voll oder blockiert und wird aus den veröffentlichten robots.txt-Regeln gelesen. Diese Seite erwähnte früher teilweisen Zugang und Prüfungen von Content-Delivery-Netzwerken. Beides ist noch nicht Teil des Scores, Prüfungen auf Netzwerkebene sind geplant.