Microsoft Clarity unterteilt AI Citations jetzt nach Marke

Microsoft hat dem AI Citations Dashboard von Clarity eine Aufteilung nach markenbezogenen und nicht markenbezogenen Anfragen hinzugefügt. Damit sehen Marken, ob eine KI-Engine sie über eine Anfrage zitiert hat, die die Marke direkt nennt, oder über eine breitere, kategoriebezogene Anfrage. Es handelt sich dabei um die Rechercheanfragen, die die KI selbst ausführt, um Quellen zu sammeln, nicht um die Wörter, die ein Mensch eingegeben hat. Microsoft hat das Update am 3. August 2026 veröffentlicht, die dritte Änderung an Claritys KI-Analysen innerhalb eines Monats, und es ist kostenlos. Für Teams, die messen wollen, wie sichtbar eine große Marke in KI-Antworten ist, macht das aus einer einzigen Sichtbarkeitszahl zwei Signale mit sehr unterschiedlicher Bedeutung.

Was geschah

Clarity Citations zeigt die Rechercheanfragen, die ein KI-System ausführt, bevor es eine Website zitiert, also die Suchanfragen hinter der Antwort und nicht die Antwort selbst. Laut dem Microsoft Clarity Blog kennzeichnet das Update vom 3. August jede dieser Anfragen als markenbezogen oder nicht markenbezogen, unterteilt die Share-of-Authority-Karte nach Anfragetyp und wendet denselben Filter im gesamten Dashboard an. Markenbezogene Anfragen nennen die Marke direkt; nicht markenbezogene Anfragen sind die allgemeinen, kategoriebezogenen Fragen, mit denen eine KI unterstützende Informationen sucht.

Microsoft benannte das Problem, das die Aufteilung löst. “Ohne eine klare Möglichkeit, diese Signale zu trennen, kann es schwerfallen zu erkennen, ob Ihre Ergebnisse direkte Markensichtbarkeit, die Entdeckung auf Kategorieebene oder eine Mischung aus beidem widerspiegeln”, schrieb das Unternehmen.

Clarity Citations ist seit dem 13. Mai 2026 allgemein verfügbar, und dies ist die dritte Erweiterung seitdem, nach Topic Insights am 9. Juli und der Anfrage-Themenanalyse am 22. Juli.

Warum das wichtig ist

“Indem Sie markengetriebene Nachfrage von allgemeiner Entdeckung trennen, können Sie die Markenstärke besser einschätzen, Chancen für Entdeckung und Erwägung erkennen und Veränderungen in der Zitierleistung mit größerem Vertrauen interpretieren.”

Microsoft Clarity Blog

KI-Antworten werden zu einer echten Entdeckungsfläche, und bislang haben die meisten Tools nur eine einzige Kennzahl geliefert: “Sie wurden zitiert”. Diese Zahl verdeckt die eigentlich entscheidende Frage: Hat die KI bei einer Rechercheanfrage, die die Marke direkt nannte, auf Sie zurückgegriffen, oder bei einer breiteren, nicht markenbezogenen Kategorieanfrage? Beides erfordert unterschiedliche Arbeit. Starke markenbezogene Zitate zeigen, dass Sie überzeugen, wenn die KI ohnehin schon namentlich nach Ihnen sucht; starke nicht markenbezogene Zitate zeigen, dass Sie in offenen, kategoriebezogenen Antworten auftauchen, in denen keine Marke genannt wurde. Dass sich beides in einem kostenlosen Tool trennen lässt, senkt die Einstiegshürde, um KI-Suchsichtbarkeit überhaupt zu messen.

Was das für Marken mit mehreren Standorten bedeutet

Für eine Marke mit Hunderten oder Tausenden von Standorten entspricht die Aufteilung in markenbezogen und nicht markenbezogen zwei unterschiedlichen Aufgaben. Markenbezogene Rechercheanfragen sind größtenteils eine Frage der Reputation und Datengenauigkeit: Wenn eine KI Sie namentlich sucht, greift sie dann auf korrekte, einheitliche Informationen zu jedem Standort zu, oder auf veraltete Öffnungszeiten und falsche Adressen? Das ist ein Problem der Reputation und Profilgenauigkeit. Nicht markenbezogene Rechercheanfragen sind die Frage der Generative Engine Optimization: Wenn die KI eine Eingabe wie “eine jetzt geöffnete Apotheke in meiner Nähe” oder “Elektroauto-Ladestationen an der A6” beantwortet, taucht Ihr gesamtes Standortnetz dann überhaupt auf?

Clarity berichtet auf Ebene der Website-Domain, nicht pro Standort. Es zeigt einem zentralen Team also, wo die Marke insgesamt steht, nicht welche Filiale falsche Daten hat. Diese Lücke ist die bekannte: Die Messung zeigt das Problem, die Behebung findet über den gesamten Bestand hinweg statt. Wenn nicht markenbezogene Zitate dünn ausfallen, liegt die Antwort selten in einer einzelnen Seite, sondern in den zugrunde liegenden Daten, und saubere, strukturierte Standortdaten über jedes Profil hinweg sind das, was KI-Engines lesen, bevor sie irgendjemanden zitieren. Wenn markenbezogene Zitate falsche Details liefern, liegt die Lösung in konsistenter Eintragsverwaltung über das gesamte Netzwerk, statt in hektischem Nachbessern pro Standort.

Clarity lohnt sich als Ergänzung zum Messstack genau deshalb, weil es kostenlos und first-party ist. Behandeln Sie es als Gradmesser dafür, ob die Arbeit ankommt, und lassen Sie die eigentliche Arbeit, also die Daten und die Einträge, in einem System, das für das gesamte Netzwerk gebaut ist.

Fazit

Die Aufteilung von KI-Zitaten in markenbezogen und nicht markenbezogen macht aus einer reinen Wohlfühl-Kennzahl ein Diagnoseinstrument. Für Marken mit mehreren Standorten trennt sie “Wir sind bekannt” von “Wir werden gefunden”, und in Letzterem steckt die schwierigere Arbeit, die über den gesamten Bestand hinweg geleistet werden muss.