Was ist eine Mention?
Mention (deutsch: Erwähnung) bezeichnet im Bereich SEO und GEO das Nennen eines Markennamens durch ein KI-System ohne begleitende Quellenangabe. Anders als eine Citation ist eine Mention nicht an einen Link oder eine benannte Quelle gebunden, sie entsteht häufig direkt aus dem trainierten Wissen des Modells statt aus einem aktuellen Retrieval-Schritt.
In der klassischen Suchmaschinenoptimierung gilt die unverlinkte Markennennung schon länger als wertvolles Signal, etwa wenn ein Fachartikel oder ein Branchenblog eine Marke im Text nennt, ohne dafür einen Link zu setzen. Einen offiziellen Beleg von Google dafür, dass solche unverlinkten Erwähnungen direkt ins Ranking einfließen, gibt es zwar nicht, in der Praxis setzen aber viele Unternehmen gezielt auf den Aufbau solcher Erwähnungen, um ihre wahrgenommene Bekanntheit und Autorität zu stärken.
Bei generativen KI-Systemen ist die Mention zu einem eigenständigen Sichtbarkeitssignal geworden, unabhängig von Retrieval-Augmented Generation, weil ein System eine Marke allein aus seinem trainierten Wissen nennen kann, ohne dabei überhaupt eine externe Quelle heranzuziehen. Wie oft eine Marke in KI-generierten Antworten zu einem Thema überhaupt vorkommt, gilt deshalb inzwischen als eigene Kennzahl für KI-Sichtbarkeit, unabhängig davon, ob im gleichen Atemzug eine Quelle mitgeliefert wird.
Der Unterschied zwischen Mention und Citation
Mention und Citation werden in der Praxis oft in einem Atemzug gemessen, tatsächlich handelt es sich aber um zwei unterschiedliche Kennzahlen für KI-Sichtbarkeit. Bei einer Mention zählt allein, ob und wie oft ein Markenname im Antworttext eines KI-Systems auftaucht, unabhängig davon, ob dabei eine Quelle genannt wird. Bei einer Citation zählt dagegen nur, ob die Marke tatsächlich als benannte, meist verlinkte Quelle erscheint.
Kriterium | Mention | Citation |
Was liegt vor | Markenname wird genannt | Eine konkrete Quelle wird als Beleg herangezogen |
Herkunft | Meist aus trainiertem Wissen des Modells | |
Sichtbare Kennzeichnung | Nicht zwingend vorhanden | Häufig Link oder Quellenangabe |
Typische Messgröße | Anteil an allen Markennennungen (Share of Voice) | Anteil an allen Quellenverweisen |
Typische Eigenschaften einer Mention
Fehlende Quellenbindung
Eine Mention ist an keine bestimmte Seite oder kein bestimmtes Dokument gebunden. Das System kann eine Marke nennen, ohne dass sich im Antworttext nachvollziehen lässt, woher genau diese Information stammt.
Herkunft aus trainiertem Wissen
Viele Mentions entstehen, weil eine Marke in den Trainingsdaten eines Modells häufig genug im richtigen Kontext vorkam, um eine feste Assoziation zu bilden. Ein System muss dafür zum Zeitpunkt der Antwort keine aktuelle Quelle abrufen, es reproduziert lediglich ein bereits gelerntes Muster.
Kontextabhängigkeit
Ob eine Marke genannt wird, hängt stark davon ab, wie eine Frage formuliert ist und in welchem thematischen Rahmen sie gestellt wird. Dieselbe Marke kann bei einer allgemeinen Frage auftauchen und bei einer leicht anders formulierten, aber inhaltlich verwandten Frage komplett fehlen.
Messbarkeit als Share of Voice
Weil eine Mention nur eine reine Namensnennung ist, lässt sie sich über viele Prompts und im Vergleich zu Wettbewerbern relativ einfach auszählen. Diese Kennzahl wird häufig als Share of Voice bezeichnet und zeigt, wie präsent eine Marke im Vergleich zu anderen in einem bestimmten Themenfeld wahrgenommen wird.
Wie eine Mention entsteht
Der Mechanismus hinter einer Mention unterscheidet sich grundlegend von dem einer Citation.
Herkunft aus Trainingsdaten statt Retrieval
Eine Mention kann rein aus dem trainierten Wissen eines Sprachmodells entstehen, selbst dann, wenn das System für die aktuelle Anfrage überhaupt keine externe Quelle abruft. Entscheidend ist, wie oft und in welchem Zusammenhang eine Marke in den Trainingsdaten vorkam, etwa in Nachrichtenartikeln, Foren, Rezensionen oder Fachtexten.
Kein eigenes Zutun nötig
Eine Marke kann genannt werden, ohne selbst jemals aktiv daran mitgewirkt zu haben, allein durch die Häufigkeit, mit der andere über sie geschrieben haben. Eine Marke mit wenig eigener Onlinepräsenz, aber vielen Erwähnungen durch Dritte, kann deshalb in KI-Antworten durchaus vorkommen, auch wenn sie selbst kaum optimierte Inhalte veröffentlicht hat.
Warum Mentions für die KI-Sichtbarkeit zählen
Im klassischen Marketing gilt Share of Voice seit Langem als Indikator dafür, wie präsent eine Marke im Vergleich zum Wettbewerb in der öffentlichen Wahrnehmung ist. Mentions in KI-Antworten übertragen dieses Prinzip direkt auf generative Systeme.
Sichtbarkeit auch ganz ohne Klick
Viele Nutzer empfinden eine KI-Antwort bereits als ausreichend und klicken nie auf eine einzelne Quelle. Allein genannt zu werden, verschafft einer Marke damit Sichtbarkeit im Moment der Entscheidungsfindung, selbst wenn kein einziger Link angeklickt wird.
Vertrautheit durch Wiederholung
Wiederholte Mentions bauen, ähnlich wie beim Mere-Exposure-Effekt, Vertrautheit auf. Diese Vertrautheit kann sich später auch auf klassische Suchanfragen und direkte Markenanfragen auswirken, weil Nutzer eher nach Namen suchen, die ihnen bereits begegnet sind.
Wo Mentions an ihre Grenzen stoßen
Weil Mentions häufig aus trainiertem Wissen stammen, spiegeln sie nicht immer den aktuellen Stand wider.
Veraltete oder überholte Informationen
Ein Modell kann eine Marke noch unter einem alten Namen nennen, ein eingestelltes Produkt empfehlen oder eine überholte Information wiedergeben, weil die zugrunde liegenden Trainingsdaten einen festen Stichtag haben. Eine Citation, die auf einem aktuellen Retrieval-Schritt basiert, ist in dieser Hinsicht tendenziell aktueller.
Kaum direkt korrigierbar
Während sich eine Citation durch neue, bessere Inhalte auf der eigenen Seite recht direkt beeinflussen lässt, wirkt sich eine einzelne aktualisierte Seite auf das trainierte Wissen eines Modells oft erst mit erheblicher Verzögerung aus, wenn überhaupt. Unternehmen haben deshalb weniger direkten Einfluss darauf, wie und ob sie als Mention auftauchen, als auf ihre Citation-Fähigkeit.
Ein Beispiel aus der Praxis
Fragt man ein KI-System nach Empfehlungen in einer bekannten Produktkategorie, etwa nach Laufschuhmarken, tauchen in der Antwort meist etablierte Namen wie Nike oder Adidas auf, ohne dass dabei eine einzelne Quelle benannt wird. Das Modell hat diese Marken so häufig in ähnlichem Kontext gelesen, dass sie zur naheliegenden Antwort geworden sind.
Eine kleinere, spezialisierte Laufschuhmarke mit treuer Kundschaft und guten Produkten taucht in derselben Antwort dagegen oft gar nicht auf, selbst wenn ihre eigene Website inhaltlich hervorragend aufbereitet ist.
Der Grund liegt selten an der Qualität, sondern daran, dass die Marke in den Trainingsdaten schlicht seltener vorkam als die etablierten Namen.
Genau das macht Mentions zu einem eigenen Spielfeld, das sich nicht allein über gute aktuelle Inhalte gewinnen lässt.
Was das für Unternehmen und Marken bedeutet
Was das für Unternehmen und Marken bedeutet
Marken, die in der Öffentlichkeit häufig besprochen werden, etwa in Presse, Fachmedien oder Foren, haben bessere Chancen, auch in KI-Antworten genannt zu werden. Klassische PR- und Markenarbeit gewinnt dadurch eine zusätzliche, direkte Verbindung zur KI-Sichtbarkeit.
Der Effekt setzt zeitversetzt ein
Weil Mentions stark vom Trainingsstand eines Modells abhängen, wirkt sich heutige Markenarbeit oft erst mit spürbarer Verzögerung auf zukünftige Modellgenerationen aus. Unternehmen sollten Mentions deshalb als langfristigen Aufbau verstehen, nicht als kurzfristig steuerbaren Hebel.
Mentions und Citations ergänzen sich
Eine Marke, die sowohl häufig erwähnt als auch regelmäßig als Quelle zitiert wird, hat die stärkste Position, weil sie sowohl von der allgemeinen Bekanntheit als auch vom aktuellen Vertrauensurteil eines Systems profitiert. Wer nur auf eine der beiden Kennzahlen setzt, lässt Potenzial liegen.
Wie Sie die Chance auf mehr Mentions erhöhen
Präsenz außerhalb der eigenen Website aufbauen
Da Mentions oft aus Fremdquellen wie Presseartikeln, Fachmedien oder Branchenverzeichnissen stammen, lohnt sich aktive Zusammenarbeit mit Journalisten, Fachautoren und Branchenpartnern, damit die eigene Marke dort regelmäßig im richtigen Kontext genannt wird.
Konsistente Markenbezeichnung verwenden
Wird eine Marke in unterschiedlichen Quellen unterschiedlich benannt oder geschrieben, fällt es einem Modell schwerer, eine einheitliche Assoziation aufzubauen. Ein durchgängig gleicher Markenname über alle Kanäle hinweg erleichtert die korrekte Zuordnung.
In relevanten Themenfeldern präsent sein
Eine Marke wird eher genannt, wenn sie wiederholt in Zusammenhang mit den Themen auftaucht, zu denen Nutzer tatsächlich Fragen stellen. Deshalb lohnt es sich, gezielt dort sichtbar zu werden, wo die eigene Zielgruppe nach Informationen sucht, nicht nur auf der eigenen Domain.
Geduld und Kontinuität einplanen
Weil sich Trainingsdaten nicht sofort aktualisieren, wirkt sich heutige Sichtbarkeitsarbeit oft erst mit deutlicher Verzögerung aus. Wer regelmäßig und über einen längeren Zeitraum hinweg an der eigenen Präsenz arbeitet, hat bessere Chancen als bei einzelnen kurzfristigen Aktionen.
Eigene Inhalte zusätzlich auf Citation-Fähigkeit ausrichten
Da Mentions und Citations sich gegenseitig verstärken, lohnt es sich, parallel an technischer Zugänglichkeit, klaren Aussagen und aktuellen Inhalten zu arbeiten, damit eine Marke nicht nur genannt, sondern bei Gelegenheit auch als Quelle herangezogen wird.
Eigene Sichtbarkeit über mehrere KI-Systeme hinweg beobachten
Wie stark eine Marke als Mention auftaucht, unterscheidet sich zwischen verschiedenen KI-Systemen teils deutlich. Eine regelmäßige Beobachtung über mehrere Plattformen hinweg zeigt, wo bereits gute Präsenz besteht und wo noch Aufbauarbeit nötig ist.
Leitsatz:
Eine Mention ist mehr als nur eine beiläufige Nennung. Sie zeigt, ob eine Marke in den Köpfen und im Wissen eines KI-Systems überhaupt präsent genug ist, um bei einer Frage in Betracht gezogen zu werden, lange bevor es um eine einzelne Quelle geht.
Kommentare