Question 1

Was genau misst der Deutsche Uni-Sichtbarkeitsindex?

Accepted Answer

Wir messen, wie präsent Ihre Hochschule in den Antworten generativer KI-Systeme ist – wenn Studieninteressierte, Eltern oder Nachwuchswissenschaftler:innen ChatGPT, Gemini oder Perplexity nach führenden Universitäten in einer Fachrichtung fragen. Der Index misst ausdrücklich nicht die Qualität Ihrer Forschung oder Lehre, nicht Ihre Reputation in klassischen Rankings und nicht den Studienerfolg Ihrer Absolvent:innen. Er misst einzig und allein, wie oft und wie prominent eine KI Ihre Hochschule nennt, wenn sie zu Ihrer Fachrichtung befragt wird. Diese Abgrenzung ist bewusst: Sichtbarkeit in KI-Antworten ist ein eigenständiger, zunehmend entscheidungsrelevanter Faktor – unabhängig davon, wie gut die zugrundeliegende akademische Leistung tatsächlich ist.

Question 2

Warum bewertet der Index Sichtbarkeit anhand dieser sechs Kategorien (Forschungsexzellenz, Lehre, akademischer Nachwuchs, Innovationstransfer, Drittmittel & Förderung, Reputation)?

Accepted Answer

KI-Modelle bewerten Hochschulen nicht im luftleeren Raum. Sie spiegeln wider, welche Informationen über Ihre Hochschule im Netz verfügbar und miteinander verknüpft sind. Wir erfassen sechs Kategorien, weil sie zusammen sowohl die akademische Kernleistung als auch die Attraktivität für unterschiedliche Zielgruppen abbilden. Forschungsexzellenz und Lehre bilden das Fundament – wird eine Hochschule von der KI nicht mit starker Forschung oder guter Lehre in Verbindung gebracht, taucht sie in den entscheidenden Antworten gar nicht erst auf. Akademischer Nachwuchs und Innovationstransfer zeigen, wie gut eine Hochschule Talente bindet und Erkenntnisse in die Praxis überführt. Drittmittel & Förderung und Reputation runden das Bild ab, weil sie zeigen, wie stark eine Hochschule institutionell und öffentlich wahrgenommen wird. Durch die Bewertung aller sechs Dimensionen wird der Index vom reinen Nennungszähler zu einem echten Diagnoseinstrument: Er zeigt Hochschulleitungen und Kommunikationsabteilungen genau, wo ihre Erzählung bei KI-Systemen ankommt – und wo eine blinde Stelle leise Sichtbarkeit kostet.

Question 3

Wie wird der Sichtbarkeits-Score berechnet?

Accepted Answer

Wir geben bewusst keine einzelne, über alle Fachrichtungen gemittelte Gesamtnote aus – eine solche Zahl würde in die Irre führen, weil sie die Sichtbarkeit einer Hochschule in völlig unterschiedlichen Fachrichtungen künstlich zu einem einzigen Wert verrechnen würde. Stattdessen erhält jede Hochschule ein Sichtbarkeitsprofil aus zwei getrennt ausgewiesenen Kennzahlen: der Sichtbarkeitsbreite (in wie vielen Fachrichtungen die Hochschule überhaupt mit mindestens einer bewerteten Nennung auftaucht) und der Sichtbarkeitstiefe (wie hoch der durchschnittliche Score in genau diesen Fachrichtungen ausfällt). Innerhalb jeder einzelnen Fachrichtung ergibt sich der Score aus Erwähnungsrate und Positionsrang, angepasst an die Wettbewerbsintensität der jeweiligen Fachrichtung – Sichtbarkeit in einem stark umkämpften Fach zählt dabei mehr als in einem wenig beachteten. Parallel dazu berechnen wir einen zweiten, komplett unabhängigen Index auf Bundesland-Ebene: Wie sichtbar ist eine Hochschule, wenn nach den führenden Universitäten einer Region gefragt wird? Fachrichtungs- und Regional-Index werden nie zu einer gemeinsamen Zahl verrechnet – beide bleiben eigenständige, direkt vergleichbare Kennzahlen. Da unser Modell Hochschulen zudem nur dort bewertet, wo sie tatsächlich genannt wurden, gibt es zudem keinen Bonus für fachfremde Nennungen – das Konzept passt hier schlicht nicht.

Question 4

Wie verhindert der Index eine Verzerrung zugunsten großer Volluniversitäten?

Accepted Answer

Ohne Korrektur würden KI-Modelle systematisch die großen, forschungsstarken Volluniversitäten bevorzugen – einfach weil über sie am meisten im Netz steht. Wir verhindern das durch eine strikte Fachrichtungs-Logik: Eine Hochschule wird ausschließlich mit ihren direkten Wettbewerbern innerhalb derselben Fachrichtung verglichen, nie fachrichtungsübergreifend. Dadurch kann eine kleine, hochspezialisierte Fachhochschule oder ein einzelner exzellenter Fachbereich einen Spitzenwert erzielen, indem er seine eigene Fachrichtung dominiert – unabhängig davon, wie die Hochschule als Ganzes im Vergleich zu großen Volluniversitäten dasteht.

Question 5

Welche Faktoren beeinflussen tatsächlich die Platzierung meiner Hochschule im Index?

Accepted Answer

Entscheidend ist, wie klar Ihre Hochschule dokumentiert ist und wofür sie steht. KI-Modelle stützen sich auf strukturierte, saubere Daten. Eine gepflegte Wikipedia-Seite, aktive Wikidata-Einträge und regelmäßige Berichterstattung in Fach- und Hochschulmedien helfen der KI, Fakten über Ihre Hochschule verlässlich abzurufen, statt zu raten. Über reine Datenhygiene hinaus muss die KI Ihre Hochschule mit konkreten fachlichen Themen verknüpfen können. Als Universität bekannt zu sein reicht nicht – das Modell muss klare Verbindungen zwischen Ihrer Hochschule und Begriffen wie Forschungsstärke oder Praxisnähe in Ihrer konkreten Fachrichtung erkennen. Wer diese Verknüpfung über mehrere Fachrichtungen hinweg aufbaut, erzielt die höchste Sichtbarkeitsbreite.

Question 6

Warum arbeitet der Index nicht mit einer festen Prompt-Zahl pro Hochschule?

Accepted Answer

Es gibt kein festes Set an Fachrichtungen, das jede Hochschule anbietet. Eine starre Prompt-Zahl pro Hochschule würde deshalb nicht zur Realität passen. Unser Modell ist deshalb erwähnungsbasiert: Eine Hochschule bekommt in einer Fachrichtung nur dann eine Bewertung, wenn die KI sie dort tatsächlich genannt hat. Wir zählen also nicht künstlich jede Hochschule in jeder Fachrichtung mit – für jede aktive Fachrichtung führen wir stattdessen ein festes Set an Prompts über alle drei KI-Engines aus und werten jede tatsächliche Nennung aus. Das Ausbleiben einer Nennung ist dabei bewusst kein automatischer Nullpunkt: Es kann bedeuten, dass eine Hochschule in dieser Fachrichtung nicht sichtbar ist – es kann aber genauso gut bedeuten, dass sie dieses Fach schlicht nicht anbietet. Beides zu unterscheiden ist nicht unsere Aufgabe; wir bewerten ausschließlich, was die KI tatsächlich sagt.

Question 7

Behandeln Sie eine Hochschule und angegliederte Institute oder Kliniken als eine Einheit oder getrennt?

Accepted Answer

Das kommt darauf an. Große, klar eigenständige Einrichtungen mit eigenem Namen und eigener öffentlicher Wahrnehmung – etwa die Charité als eigenständige Universitätsmedizin – führen wir als eigene Institution, getrennt von einer eventuell übergeordneten Universität. Kleinere angegliederte Institute, Exzellenzcluster oder Fachbereiche ohne eigenständige öffentliche Identität ordnen wir dagegen der tragenden Hochschule zu. Ausschlaggebend ist, wie die KI selbst über die Einrichtung spricht: Tritt sie in KI-Antworten als eigenständiger Name auf, behandeln wir sie auch im Index als eigenständige Einheit.

Question 8

Spiegelt ein hoher Score auch die tatsächliche Qualität von Forschung und Lehre wider?

Accepted Answer

Nein, ausdrücklich nicht – und das ist der wichtigste Punkt, den Sie über diesen Index wissen sollten. Ein hoher Sichtbarkeits-Score bedeutet nicht, dass Ihre Forschung besser ist als die einer niedriger platzierten Hochschule, und ein niedriger Score ist kein Urteil über die Qualität Ihrer Lehre. Wir messen ausschließlich, wie präsent eine Hochschule in den Antworten generativer KI-Systeme ist – nicht, wie gut sie tatsächlich ist. Diese Trennung ist bewusst: Klassische Rankings wie das CHE-Ranking bewerten akademische Substanz anhand von Kennzahlen wie Publikationen, Drittmitteln oder Studierendenzufriedenheit. Unser Index misst etwas anderes, das zunehmend genauso entscheidungsrelevant wird: ob diese Substanz bei den KI-Systemen ankommt, die Studieninteressierte heute befragen, bevor sie sich überhaupt eine Broschüre ansehen.

Question 9

Wie können Kommunikationsabteilungen ihre KI-Sichtbarkeit verbessern?

Accepted Answer

Hören Sie auf, ausschließlich auf klassische Suchbegriffe zu optimieren, und beginnen Sie, der KI die strukturierten Fakten zu liefern, die sie braucht. KI-Modelle stützen sich stark auf Drittquellen. Prüfen Sie, welche Fachportale, Hochschulmagazine und Verbände die KI in Ihrer Fachrichtung am häufigsten zitiert – Präsenz dort zahlt unmittelbar auf Ihre Sichtbarkeit ein. Auf den eigenen Kanälen zählt maschinenlesbare Struktur: sauberes Schema.org-Markup, klar gegliederte Institutsseiten, eindeutige Aussagen zu Forschungsschwerpunkten und Fachrichtung. Verknüpfen Sie Ihre Kommunikation außerdem explizit mit Themen wie Forschungsexzellenz oder Innovationstransfer, damit die KI Ihre Hochschule mit diesen Konzepten in Verbindung bringt.

Question 10

Warum gibt es zwei getrennte Rankings – nach Fachrichtung und nach Bundesland?

Accepted Answer

Weil beide Fragen unterschiedlich sind und keine davon in die andere hineingerechnet werden sollte. Der Fachrichtungs-Index beantwortet: Welche Hochschule nennt die KI, wenn nach der besten Adresse für ein bestimmtes Fach gefragt wird? Der Regional-Index beantwortet eine andere Frage: Welche Hochschule nennt die KI, wenn jemand ganz allgemein nach den führenden Universitäten eines Bundeslands fragt? Beide Perspektiven sind für unterschiedliche Zielgruppen relevant – deutschlandweit fachlich orientierte Studieninteressierte einerseits, regional gebundene andererseits –, und wir halten sie deshalb bewusst getrennt, statt sie zu einer verwässerten Gesamtzahl zu verrechnen. Aus demselben Grund gibt es auch keinen Bonus für Nennungen außerhalb des eigenen Bundeslands: Die „Ausstrahlung“ einer Hochschule über ihre Region hinaus ist eine interessante Beobachtung, aber kein Bestandteil des Scores.

Question 11

Welche Fachrichtungs-Prompts verwendet der Index und was genau messen sie?

Accepted Answer

Für jede aktive Fachrichtung führen wir ein festes Set an Prompts über alle sechs Kategorien und alle drei KI-Engines aus – von „Welche Universitäten gelten als führend in [Fachrichtung]?“ bis zu gezielten Fragen zu Forschungsstärke, Lehrqualität, Karrierechancen für den akademischen Nachwuchs und Drittmittelstärke. Die Zahl der ausgewerteten Nennungen ist dabei nicht fix, sondern ergibt sich aus dem tatsächlichen Suchvolumen: Für stark besetzte Fachrichtungen wie Medizin oder Informatik werten wir naturgemäß mehr Nennungen aus als für kleinere, spezialisierte Fächer.

Question 12

Wie oft wird der Index aktualisiert?

Accepted Answer

Der Sichtbarkeits-Score einer Hochschule basiert nicht auf einer einzelnen Momentaufnahme, sondern auf einem gleitenden Fenster mehrerer aufeinanderfolgender Erhebungen. Das glättet einzelne ungewöhnliche KI-Antworten und verhindert, dass eine zufällige Abfrage den gesamten Score verzerrt. Wir aktualisieren die Daten in regelmäßigen Erhebungswellen, sodass sich Veränderungen in der KI-Sichtbarkeit einer Hochschule über die Zeit nachvollziehen lassen, statt nur einen einzelnen Tageswert abzubilden.

Question 13

Warum berücksichtigt der Index nur ChatGPT, Gemini und Perplexity?

Accepted Answer

Wir testen die Engines, die Menschen tatsächlich zur Recherche nutzen. Aktuell sind das ChatGPT, Gemini und Perplexity. Wenn Studieninteressierte oder deren Eltern eine Hochschule recherchieren, öffnen sie ChatGPT oder Perplexity. Gemini ist ebenso entscheidend, weil es direkt in Googles KI-Übersichten einfließt und damit auch die klassische Google-Suche mitprägt. Engines, die für diese Art der Recherche kaum genutzt werden, würden unseren Daten nur Rauschen hinzufügen. Verschiebt sich das tatsächliche Nutzungsverhalten, nehmen wir weitere Engines in den Index auf.

Question 14

Ist der Index ein Ranking wie das CHE-Ranking – was ist er dann?

Accepted Answer

Der Deutsche Uni-Sichtbarkeitsindex ist kein Qualitäts-Ranking wie das CHE-Ranking und auch kein Marketing-Tool zur Feinsteuerung einzelner Suchbegriffe. Er ist ein unabhängiger Sichtbarkeitsindex – vergleichbar mit einem Börsenindex, nur für die Präsenz Ihrer Hochschule in generativer KI. Hochschulleitungen und Kommunikationsabteilungen brauchen kein weiteres Dashboard, um einzelne KI-Antworten zu mikromanagen. Sie brauchen eine verlässliche Ausgangslage: Wer bestimmt gerade die Erzählung in Ihrer Fachrichtung, wenn eine KI danach gefragt wird? Sie nutzen den Index nicht, um täglich kleinste Schwankungen zu verfolgen, sondern um sich mit vergleichbaren Hochschulen zu benchmarken und daraus eine Strategie für Generative Engine Optimization (GEO) abzuleiten.

Question 15

Wie repräsentativ sind die verwendeten Prompts?

Accepted Answer

Eine echte Bachelor-Bewerberin wird wahrscheinlich nicht exakt „Welche Universitäten gelten als führend in der Informatik-Forschung?“ eintippen, sondern eher etwas wie „wo studiert man am besten Informatik in Deutschland?“. Exakte Übereinstimmung von Suchbegriffen spielt bei generativer KI keine Rolle mehr – wir testen das Grundwissen der Engine. Unsere strukturierten Prompts sind ein direkter Stresstest für die Trainingsdaten der KI: Eine präzise formulierte Frage zwingt das Modell, den gesamten Markt zu überblicken und Forschungsrankings, Erfahrungsberichte und Fachdiskussionen zusammenzuführen, um zu bestimmen, wer tatsächlich führend ist. Erkennt die KI Ihre Hochschule bei diesem breiten Scan nicht als relevant in Ihrer Fachrichtung, wird sie sie auch nicht empfehlen, wenn eine echte Bewerberin eine sehr spezifische Frage stellt. Wir messen genau die Grundreputation, die alle diese Einzelantworten prägt.

Häufig gestellte Fragen