Methodik
So funktioniert der Sichtbarkeits-Score
Ein transparentes, nachvollziehbares Verfahren, das misst, wie präsent eine Hochschule in den Antworten generativer KI-Systeme auf realistische Fragen von Studieninteressierten und anderen Zielgruppen ist.
Was wir messen — und warum es wichtig ist
Studieninteressierte, Eltern und Nachwuchswissenschaftler:innen recherchieren zunehmend über KI-Assistenten wie ChatGPT, Google Gemini und Perplexity statt über klassische Suchmaschinen. Anders als eine Trefferliste geben diese Systeme eine einzige, synthetisierte Antwort und nennen dabei typischerweise nur eine Handvoll Hochschulen.
Teil dieser Antwort zu sein — und dabei möglichst weit vorn zu stehen — wird zu einem entscheidenden Faktor für Wahrnehmung und Bewerberzahlen. Der Sichtbarkeits-Score misst genau das: wie präsent und wie prominent eine Hochschule ist, wenn KI-Systeme auf die Fragen antworten, die für ihre Zielgruppen tatsächlich relevant sind. Er misst Sichtbarkeit, nicht akademische Qualität — ein Indikator dafür, wie eine Hochschule in generativen KI-Antworten wahrgenommen wird, kein Ranking ihrer Lehre oder Forschung selbst.
Wie die Daten erhoben werden
Wir stellen strukturierte, fachrichtungsspezifische Anfragen an jede KI-Engine, nach einem festen Rhythmus. Diese Anfragen spiegeln die Fragen, die Studieninteressierte oder Nachwuchswissenschaftler:innen realistisch stellen würden, etwa "Welche Universitäten sind führend in der Informatik?" oder "Nenne die forschungsstärksten Hochschulen im Maschinenbau."
Jede Anfrage ist einer von 6 thematischen Kategorien zugeordnet. Zusammen decken sie das gesamte Spektrum ab, wie eine Hochschule von KI-Systemen wahrgenommen wird.
Forschungsstärke trägt das höchste Gewicht, weil sie am direktesten widerspiegelt, wie KI die Hochschule gegenüber anderen in relevanten Anfragen positioniert.
Zwei Signale aus jeder KI-Antwort
Aus jeder Antwort extrahieren wir zwei Informationen, die zusammen ein vollständiges Bild der Sichtbarkeit einer Hochschule ergeben.
Erwähnungsrate
Die Frage, die sie beantwortet:"Wie oft kommt die Hochschule überhaupt vor?"
Stellen wir 20 fachrichtungsrelevante Anfragen und wird die Hochschule in 14 der Antworten genannt, liegt die Erwähnungsrate bei 70%. Eine hohe Erwähnungsrate bedeutet, dass KI-Systeme die Hochschule durchgängig als relevant für die Fachrichtung erkennen.
Durchschnittliche Position
Die Frage, die sie beantwortet:"Wie weit oben erscheint die Hochschule, wenn sie genannt wird?"
KI-Antworten listen Hochschulen typischerweise in der Reihenfolge ihrer wahrgenommenen Relevanz. An erster oder zweiter Stelle genannt zu werden zählt deutlich mehr als Platz acht. Die durchschnittliche Position erfasst, wo die Hochschule typischerweise landet, umgerechnet auf eine Skala von 0 bis 100, wobei 100 bedeutet, dass sie immer zuerst genannt wird. Diese Positionswerte fließen in den Score ein — öffentlich ausgewiesen werden Hochschulen jedoch in Ranggruppen statt nach exakten Rangplätzen (mehr dazu weiter unten).
Fachrichtung: Präsenz und Position kombiniert
Für jede der 6 Kategorien werden Erwähnungsrate und Positionswert zu einem einzigen Fachrichtung-Relevanz-Score kombiniert. Die Erwähnungsrate trägt 60%, die Position 40% bei — Teil der Konversation zu sein ist das grundlegendere Signal, während die Position innerhalb der Antwort die führenden Hochschulen unterscheidet.
Eine Hochschule, die in den meisten Antworten genannt wird, aber typischerweise in der Mitte der Liste erscheint, erzielt einen guten, aber keinen so hohen Score wie eine Hochschule, die sowohl häufig genannt als auch konsistent weit oben platziert wird.
Von Fachrichtungen zum Sichtbarkeits-Score
Der Sichtbarkeits-Score kombiniert, wie präsent eine Hochschule in KI-generierten Antworten ist.
Fachrichtung-Relevanz
Wie sichtbar ist die Hochschule innerhalb ihrer eigenen Fachrichtung? Dies ist die gewichtete Summe aller 6 Kategorie-Scores aus fachrichtungsspezifischen Anfragen. Die Frage dahinter: "Wird die Hochschule genannt, wenn jemand die KI zu dieser Fachrichtung befragt?"
Wie mehrere KI-Engines gewichtet werden
Da jede KI-Plattform eine unterschiedliche Nutzerbasis und einen unterschiedlichen Marktanteil hat, werden die Scores der einzelnen Engines nicht einfach gemittelt. Stattdessen trägt jede Engine ein Gewicht, das ihre aktuelle Marktrelevanz widerspiegelt.
Der Sichtbarkeits-Score ist der gewichtete Durchschnitt der Einzel-Engine-Scores. Er spiegelt damit automatisch wider, wo Studieninteressierte und andere Zielgruppen heute tatsächlich fragen, und passt sich mit dem Markt an.
Erhebungswelle statt Tagesmessung
KI-Antworten können von einem Tag auf den nächsten leicht variieren, da die zugrunde liegenden Sprachmodelle stochastisch arbeiten. Damit einzelne Ausreißer den Index nicht verzerren, ist der veröffentlichte Score der Durchschnitt der letzten 3 aufeinanderfolgenden Erhebungen für die jeweilige Fachrichtung — eine Erhebungswelle, nicht eine Tagesmessung.
Das Ergebnis ist ein stabiles, belastbares Signal, das echte Verschiebungen in der Wahrnehmung einer Hochschule abbildet, statt kurzfristiger Zufallsschwankungen einer einzelnen KI-Antwort.
Ranggruppen
Damit Scores unmittelbar einordbar sind, wird jeder Hochschule eine Ranggruppe zugewiesen. Auf öffentlichen Tabellen weisen wir bewusst Ranggruppen statt exakter Rangplätze aus: Da KI-Antworten von Natur aus stochastisch sind, würden minimale Punktunterschiede sonst als echte Qualitätsunterschiede fehlgelesen, obwohl sie oft reine Zufallsschwankung sind.
Transparenz und Nachvollziehbarkeit
Jeder Score lässt sich bis auf die einzelnen Anfragen und Antworten zurückverfolgen, aus denen er entstanden ist. Erfasste Hochschulen können sich im Dashboard anmelden und dort Auswertungen je Engine, Beiträge je Kategorie und die tatsächlichen KI-Antworten hinter jedem Datenpunkt einsehen.
Die IREG Berlin Principles (2006) sind die anerkannte Messlatte für publizierte Hochschulrankings. Der Sichtbarkeitsindex orientiert sich an ihren Kernanliegen:
- Klarheit über Zweck und Zielgruppe: der Index misst KI-Sichtbarkeit für Studieninteressierte und andere Zielgruppen — explizit kein Ranking akademischer Qualität.
- Methodische Transparenz: Formel, Gewichtung, Datenquellen und Grenzen sind auf dieser Seite offengelegt, nicht in einer Black Box verborgen.
- Statistischer Umgang mit Unsicherheit: Ranggruppen statt exakter Rangplätze, und ein mehrtägiges Erhebungsfenster statt einer einzelnen Tagesmessung, damit stochastische Schwankungen einzelner KI-Antworten nicht als reale Unterschiede fehlgelesen werden.
Zusammengefasst
Der Sichtbarkeits-Score gibt eine einzige, belastbare Kennzahl, die beantwortet: "Wenn KI Hochschulen in dieser Fachrichtung empfiehlt, wie sichtbar sind wir?" Er basiert auf echten KI-Antworten, deckt die Fragen ab, die Zielgruppen tatsächlich stellen, gewichtet die relevanten Plattformen, passt sich an die Wettbewerbsintensität an und lässt sich bis zu jedem einzelnen Datenpunkt nachvollziehen.
Zurück zum Sichtbarkeitsindex