Es sind Live-Antworten, kein vorbereiteter Datensatz. Rixe ruft alle 24 Stunden den such-gestützten Endpunkt jeder Engine auf — die Retrieval-gestützten Modelle, die auch echte Nutzer bedienen — und speichert die Antwort samt Quellen wortgetreu. Was im Dashboard steht, ist die Antwort, die diese Engine an dem Tag erzeugt hat.
Der entscheidende Unterschied ist das Retrieval. Ein reiner Modellaufruf ohne Webzugriff antwortet allein aus Trainingsdaten: Er nennt bereitwillig Marken, die es nicht mehr gibt, und verpasst die Rezension, die letzten Monat alles verändert hat. Rixe fragt nur suchgestützte Oberflächen ab — die retrieval-gestützten Endpunkte hinter ChatGPT, Gemini, Perplexity, Google AI Overviews und den übrigen —, denn das sind die Pfade, die vor der Antwort tatsächlich das offene Web lesen, was das Ergebnis mit dem eines Nutzers vergleichbar macht.
Antworten driften auch. Derselbe Prompt, eine Woche später gestellt, kann eine andere dritte Marke nennen, weil sich die Quellen bewegt haben, der Index sich erneuert hat oder das Modell aktualisiert wurde. Tägliches Messen macht aus dieser Drift eine Trendlinie statt Rauschen — und deshalb lässt sich ein Sichtbarkeitsrückgang meist auf eine bestimmte Woche und Quelle zurückführen.
Weil die Antwort samt Zitaten wörtlich gespeichert wird, lässt sich alles im Dashboard direkt in einen Bericht zitieren oder einem Kunden zeigen, ohne Umformulierung.
Retrieval ist der entscheidende Unterschied
Ein reiner Modellaufruf ohne Webzugriff antwortet allein aus Trainingsdaten. Er nennt bereitwillig Marken, die es nicht mehr gibt, zitiert einen vor zwei Jahren geänderten Preis und beschreibt ein Produkt, das seither neu geschrieben wurde. Das zu messen sagt Ihnen, woran sich ein Modell erinnert — nicht, was einem Käufer heute gesagt wird.
Ein suchgestützter Aufruf ist etwas anderes. Die Engine geht ins Live-Web, führt eigene Suchen aus, liest das Gefundene und schreibt daraus eine Antwort — genau das bekommt ein echter Nutzer, und nur das lohnt sich zu zählen. Jede Zahl hier stammt aus dieser zweiten Art von Aufruf.
Was ein Lauf tatsächlich tut
Ein Lauf ist ein Prompt, an eine Engine, in einer Sprache, aus einem Markt, an einem Tag. Die zurückkommende Antwort wird vollständig gespeichert und dann auf Marke, Position, Ton des umgebenden Satzes, zitierte Quellen und genannte Wettbewerber gelesen. Der gespeicherte Text macht die Zahl später prüfbar.
Läufe werden über den Tag verteilt statt in einem Schwall abgefeuert, weil Engines Rate-Limits haben und weil eine Antwort um neun Uhr morgens nicht garantiert der um sechs Uhr abends entspricht. Der Zeitplan ist Teil der Messung, kein Implementierungsdetail.
Was bewusst nicht getan wird
Keine Paneldaten, kein gescrapter Fremddatensatz und keine modellierte Schätzung ersetzen einen Lauf. War eine Engine nicht erreichbar, gilt der Tag als unvollständig; hat ein Prompt zu wenige Läufe, wird kein Wert dafür veröffentlicht. Eine sichtbare Lücke ist mehr wert als eine aufgefüllte.
Dieselbe Regel bestimmt, was eine Antwort über eine Marke behaupten darf. Ein von einer Engine erzeugter Satz wird als deren Ausgabe an jenem Datum zitiert, nie in eine sauberere Fassung umgeschrieben; wirkt die Toneinstufung falsch, lässt sie sich markieren, und die Markierung reist mit ihrem Beleg.
