Vector Analysis: Dorthin, wo noch kein GEO-Tool vorgedrungen ist
Jedes SEO-Tool für die KI-Ära misst dasselbe: Wird Ihre Marke in ChatGPT oder Perplexity genannt? Ja oder nein. Position in der Antwort. Stimmung.
Das sind Verhaltensdaten. Sie sagen was passiert ist. Sie sagen nicht warum.
Wir haben etwas anderes gebaut.
Die Frage, die niemand stellte
Wenn ChatGPT Wise statt Airwallex für Auslandsüberweisungen empfiehlt, oder wenn Perplexity Certideal statt Back Market bei einer Anfrage nach einem generalüberholten iPhone ausspielt — dafür gibt es einen mathematischen Grund. Das Modell hat bestimmte Textbausteine abgerufen, deren semantische Vektoren mit dem Anfragevektor verglichen und nach Kosinusähnlichkeit sortiert.
Dieser Vorgang ist messbar. Niemand hat ihn gemessen.
Jedes GEO-Tool am Markt — AIclicks, Profound, Rank Prompt, die übrigen — schiebt Ihren Markennamen durch eine Prompt-Liste und zählt Erwähnungen. Nützlich. Aber das ist wie die Anzeigetafel lesen, ohne das Spiel zu verstehen.
Wir wollten das Spiel verstehen.
Was Vector Analysis wirklich leistet
Ihre Website ist nicht nur Text. Sobald eine KI mit RAG Ihre Seiten betrachtet, wandelt sie Inhalte in numerische Vektoren um — hochdimensionale Bedeutungsdarstellungen. Dann vergleicht sie diese mit dem Anfragevektor des Nutzers und holt die nächsten Treffer.
Wenn Ihr am besten platzierter Chunk für eine Anfrage wie „bestes generalüberholtes iPhone Frankreich“ Ihre Navigationsleiste mit Kreditkartenlinks ist — haben Sie ein Problem. Und es bleibt für jedes reine Mention-Tracking unsichtbar.
Vector Analysis macht es sichtbar.
Der Audit umfasst:
Chunk-Level-Retrieval mit Kosinuswerten. Wir nehmen Ihre echten Seiten, segmentieren sie wie Retrieval-Pipelines, erzeugen Embeddings und prüfen den Markeninhalt gegen Testanfragen. Sie sehen genau, welche Chunks auftauchen — und welche Werte sie gegenüber Wettbewerbern auf denselben Anfragen erreichen.
Retrieval-Experiment über 30 Anfragen. Ungebrandete kommerzielle Queries, nach Intent-Clustern sortiert. Pro Anfrage: Markenauftritt, Position, Stimmung. Über ChatGPT, Claude, Perplexity, Gemini, Grok — je nach Voreinstellung.
Wettbewerbs-Chunks im Vergleich. Nicht nur „Airwallex liegt vor Ihnen.“ Wir zeigen, dass der API-Dokumentations-Chunk von Airwallex bei „embedded finance payouts“ 0,71 erreicht, Ihre Plattformseite 0,43 — und warum: bei ihnen technische Tiefe, bei Ihnen vor allem Handlungsaufforderungen.
DOM-Rausch-Quantifizierung. Menüs, Fußzeilen, Banner, rechtliche Hinweise — das ist nicht nur Optik. Es frisst Ihr Chunk-Budget. Wir messen, welcher Anteil Ihres indexierten Inhalts für das Retrieval semantisch nutzlos ist, bis hin zu Tokenzahlen.
SERM-Nähe-Analyse. Wenn Ihre Marke in einer KI-Antwort vorkommt: welche Begriffe stehen in der Nähe? Wir erkennen, wenn negative Signale — Beschwerdebegriffe, Wettbewerbernamen, vorsichtige Formulierungen — gemeinsam mit Ihrer Marke in Retrieval-Ergebnissen auftauchen.
Automatische Alias-Erkennung. TransferWise und Wise sind dieselbe Marke. Fehlen historische Namen, Transliterationen oder Submarken, verfälschen Sie Ihre Daten. Wir erkennen Aliase automatisch aus den Antworten.
Technischer Oberflächen-Audit. Sitemap, robots.txt, hreflang, Lücken in strukturierten Daten, dynamische Parameter — alles, was bestimmt, ob KI-Crawler überhaupt an Ihren Inhalt kommen.
Was wir beim Testen sahen
Wir haben Vector Analysis in der Entwicklung auf vielen Marken laufen lassen. Einiges wurde schnell klar.
Das Navigationsleisten-Problem ist universell. Bei Marks & Spencer war der Top-Chunk für eine Anfrage nach den besten Damen-Cardigans unter 50 £ das Menü für Kreditkarten und Versicherungen — Wert 0,6358. Der eigentliche Cardigan-Text lag darunter. Das ist kein M&S-spezifisches Problem, sondern eine Architekturfrage großer Shops, die kein Mention-Tool je sehen würde.
JavaScript-Sperren zerstören Retrieval. Die spanischen Flugseiten von easyJet liefern Crawlern „You need to enable JavaScript to run this app“. Neun von elf Seiten. Der Top-Chunk für „günstige Flüge Barcelona Lissabon“ ist ein leeres Platzhalter-Template: „We're sorry, we don't offer direct flights from to {Destination}.“ Vueling liefert statisches HTML. Die Retrieval-Lücke ist nicht fein.
Markenstärke ist nicht Retrieval-Stärke. Back Market dominiert den französischen Markt für generalüberholte Elektronik. Trustpilot 4,2/5 bei 66.000 Bewertungen. 17 Millionen Kunden. In 29 ungebrandeten Anfragen erschienen sie in 20 Antworten — Markenbekanntheit wirkt in Trainingsdaten. Aber 89 % der Produktseiten liefern Crawlern 403. Der Konkurrent Certideal, weit weniger bekannt, gewinnt bei konkreten Produktanfragen, weil der Inhalt wirklich erreichbar ist.
Der VW-Fall kehrt die Erwartung um. Volkswagen erschien in 27 von 30 ungebrandeten Anfragen — die stärkste Retrieval-Leistung in unseren Messungen. Gleichzeitig: 60–70 % Boilerplate-Rauschen und kein JSON-LD-Schema. Der Sieg kommt aus Markenautorität in den Trainingsdaten, nicht aus Retrieval-Tauglichkeit. Sobald dieser Vorteil schmilzt — neu trainierte Modelle, besser strukturierte Wettbewerber — fehlt die Auffanginfrastruktur.
Das Berichtsformat
Vector Analysis gibt es in drei Stufen.
Fast — 10 Retrieval-Anfragen, Kernseiten, Audit in wenigen Minuten. Für einen schnellen Lagecheck.
Balanced — 20+ Anfragen, Wettbewerbsvergleich, erweiterter Technik-Audit. Passend für monatliches Monitoring oder Kundenlieferung.
Deep — der volle Lauf: 30 Anfragen über Intent-Cluster, Kosinuswerte pro Anfrage, vollständiger Wettbewerbsvergleich, Alias-Erkennung, SERM-Nähe, komplette technische Befunde. Das Dokument für Marketingchefin oder Vorstand.
Alle Modi unterstützen fünf Zielmodelle: ChatGPT, Claude, Perplexity, Gemini, Grok. Dieselbe Marke in verschiedenen Modellen vergleichen — so trennen Sie modellspezifische von strukturellen Lücken.
Berichte als PDF, direkt versendbar an Kunden oder interne Stakeholder.
Für wen das gedacht ist
SEO-Leads, die Entwicklerinnen und Entwicklern erklären müssen, was die organische KI-Sichtbarkeit wirklich schwächt — keine Bauchgefühle, sondern Chunk-Scores und Token.
Marketingdirektorinnen, die einem CEO erklären müssen, warum die Marke trotz starker Domain und Trustpilot-Note in den Vierern nicht in KI-Antworten auftaucht.
Agenturteams, die eine Lieferung brauchen, die sich methodisch von anderen GEO-Tools unterscheidet — nicht nur im Branding.
CEOs und Growth-Leads, die wissen: Der Wechsel von Keyword-Suche zu KI-Retrieval ist keine ferne Zukunft. Er ist schon heute das Traffic-Muster für eine wachsende Gruppe kaufkräftiger Nutzer — und Marken, die jetzt Retrieval-Infrastruktur aufbauen, sind später schwerer zu verdrängen.
Was andere Tools nicht sagen
Mention-Tracking sagt: Sie waren in 7 von 10 brandeten Anfragen dabei. Das ist eine Zahl.
Vector Analysis sagt: Ihr stärkster Chunk zu „best international money transfer“ ist ein sich wiederholender CTA-Block; Ihr Inhalt zu mittlerem Wechselkurs und Transparenz — das, was Sie wirklich von PayPal unterscheidet — liegt drei Bildschirmhöhen unter 350 Token redundanter Navigation; und die API-Dokumentation von Airwallex schlägt Ihre Plattformseiten bei Entwickleranfragen, weil Ihre Links „Explore API documentation“ nicht auf echte Dokumentation führen.
Das ist eine Diagnose. Und eine Richtung.