Seit dem 11. August 2026 steht in jeder Search-Console-Property ein Report, den es so vorher nicht gab: der Generative-AI-Report. Er zeigt, wie oft die eigenen Seiten in Googles generativen KI-Funktionen erscheinen — in AI Overviews, im AI Mode und in generativen Discover-Features. Zum ersten Mal liefert Google damit offizielle Zahlen für eine Sichtbarkeitsebene, die bisher nur indirekt messbar war.
Vor diesem Report war AI-Overview-Sichtbarkeit in der Search Console nicht von klassischen Impressions trennbar: Eine Einblendung in einer KI-Übersicht und ein blauer Link zählten in denselben Topf. Wer wissen wollte, ob die eigene Domain in generativen Antworten vorkommt, war auf eigene Prompt-Tests angewiesen. Das ändert sich jetzt — teilweise.
Teilweise, weil der Report deutlich weniger kann, als die erste Begeisterung vermuten lässt. Und weil er mit einem bekannten Logging-Bug läuft, der aktuell jede naive Interpretation der Zeitreihe sabotiert. Dieser Artikel ordnet beides ein: was drinsteckt, was fehlt, und wie der Report in eine Mess-Routine gehört, die Entscheidungen trägt.
Die Timeline: leise angekündigt, noch leiser ausgerollt
Google hat den Report am 3. Juni 2026 im Search-Central-Blog angekündigt und zunächst nur für eine Teilmenge der Properties freigeschaltet; der Start lief unter anderem über Großbritannien. Der Vollrollout kam ohne zweite Ankündigung: Seit dem 11. August 2026 ist der Report in allen Search-Console-Properties sichtbar. Wer nicht aktiv nachgesehen hat, hat ihn möglicherweise bis heute nicht geöffnet.
Ankündigung im Search-Central-Blog, Rollout für eine Teilmenge der Properties
Sichtbar in allen Properties — von Google nicht separat angekündigt
Beginn des Logging-Bugs: fälschlich sinkende Impressions
Die drei Daten gehören zusammen betrachtet: Zwei Tage nach dem Vollrollout begann ein Datenfehler, der die Zeitreihe bis heute verzerrt. Wer den Report jetzt zum ersten Mal öffnet, sieht also einen Verlauf, dessen jüngster Abschnitt nicht stimmt — dazu unten mehr.
Was der Report zeigt: eine Metrik, vier Dimensionen
Der Report weist Impressions aus generativen KI-Funktionen aus: AI Overviews und AI Mode in der Suche sowie generative Features in Discover. Diese Impressions lassen sich über vier Dimensionen aufschlüsseln:
- Seiten: welche URLs in generativen Antworten erschienen sind
- Länder: in welchen Märkten die Impressions anfallen
- Geräte: Verteilung über Mobil und Desktop
- Zeiträume: von stündlicher bis monatlicher Auflösung
Daraus ergeben sich drei erste Blicke, die sich lohnen, bevor irgendein Dashboard gebaut wird:
1. Welche Seiten tragen die AI-Impressions?
Die Seiten-Dimension beantwortet die Frage, ob KI-Sichtbarkeit breit über die Domain verteilt ist oder an wenigen URLs hängt. Beides hat Konsequenzen: Eine breite Verteilung spricht dafür, dass die Domain als Ganzes von generativen Systemen verwendet wird. Eine starke Konzentration zeigt, welche Inhaltstypen tatsächlich in Antworten landen — und welche Investitionen ins Leere liefen.
2. Wie verteilen sich Länder und Geräte?
Wer international arbeitet, sieht hier, in welchen Märkten generative Features die eigene Sichtbarkeit bereits berühren und wo nicht. Die Geräteverteilung beantwortet, wie sich die KI-Impressions über Gerätekategorien verteilen — relevant für die Frage, welche Nutzungssituationen betroffen sind.
3. Wie entwickelt sich der Zeitverlauf?
Die Zeitreihe ist die eigentlich wertvolle Ansicht — mit stündlicher Auflösung für kurzfristige Effekte und monatlicher für die strategische Linie. Sie ist zugleich die Ansicht, die aktuell am vorsichtigsten gelesen werden muss, wegen des Logging-Bugs seit dem 13. August.
Was der Report nicht zeigt — und was das für die Interpretation heißt
Die Lücken sind größer als der Umfang. Eine ehrliche Bestandsaufnahme:
| Metrik / Funktion | Im Report | Konsequenz |
|---|---|---|
| Impressions | Ja | Einzige Metrik — zeigt Erscheinen, nicht Wirkung |
| Klicks | Nein | Keine Traffic-Aussage möglich |
| CTR | Nein | Kein Effizienzvergleich mit der klassischen Suche |
| Queries / Prompts | Nein | Keine Intent-Zuordnung, keine Themenanalyse |
| API-Zugriff | Nein | Export nur manuell, keine automatisierten Pipelines |
Google hat weitere Metriken in Aussicht gestellt — ohne Zeitplan. Bis sie da sind, gelten zwei harte Interpretationsgrenzen:
Ohne Klicks keine Traffic-Aussage. Eine AI-Impression belegt, dass eine Seite in einer generativen Antwort erschienen ist. Ob die Einblendung wahrgenommen, gelesen oder geklickt wurde, ist aus dem Report nicht ablesbar. Jede Umrechnung von AI-Impressions in Besucher, Leads oder Umsatz ist auf dieser Datenbasis erfunden.
Ohne Queries keine Intent-Zuordnung. Der Report sagt nicht, bei welchen Fragestellungen die Seiten erschienen sind. Ob eine URL bei kaufnahen Prompts auftaucht oder bei beiläufigen Definitionsfragen, bleibt unsichtbar — und damit die kommerziell entscheidende Information.
Daraus folgt die wichtigste Gleichung dieses Artikels: Impressions ≠ Zitate ≠ Besucher. Wer auf dieser Basis Folien mit „AI-Sichtbarkeit +X %" präsentiert, verkauft eine Zahl, deren geschäftliche Bedeutung er nicht kennt. Solche Reports kursieren bereits — sie sind das AI-Pendant zum Ranking-Report ohne Suchvolumen.
„Der Report beantwortet nicht die Frage, was KI-Suche Ihnen bringt. Er beantwortet die Frage, ob Sie überhaupt im Spiel sind — und auf welchen Seiten."
Der Logging-Bug ab dem 13. August: Dips nicht überinterpretieren
Für Daten ab dem 13. August 2026 verzeichnet der Report fälschlich sinkende Impressions. Laut Google handelt es sich um ein reines Logging-Problem: Die Erfassung ist fehlerhaft, die tatsächliche Sichtbarkeit in AI Overviews und AI Mode hat sich dadurch nicht verändert. Zum Stand dieses Artikels ist der Bug nicht behoben.
Das operative Risiko ist nicht der Bug selbst, sondern seine Interpretation. Drei Fehlreaktionen, die jetzt in Reportings auftauchen werden: Erstens die Panik-Analyse — ein Team sieht den Einbruch und startet eine Ursachensuche für ein Problem, das nicht existiert. Zweitens die falsche Kausalität — wer um den 14. August einen Relaunch, eine Content-Migration oder ein technisches Update ausgerollt hat, sieht einen Knick, der nichts damit zu tun hat. Drittens die Umkehrung: Solange die Erfassung fehlerhaft ist, lässt sich auch ein echter Sichtbarkeitsverlust in diesem Zeitraum nicht vom Bug unterscheiden. Die Zeitreihe ab dem 13. August ist bis zum bestätigten Fix schlicht nicht bewertbar — in keine Richtung.
Die Annotation, die Sie in sechs Monaten retten wird
In jedes Dashboard und jedes Reporting-Dokument, das diese Zahlen führt, gehört ab sofort eine Ereignis-Annotation auf den 13.08.2026 („Beginn GSC-Logging-Bug, Impressions ab hier untererfasst") — und eine zweite, sobald Google die Behebung bestätigt. Zeitreihen ohne Annotationen erzeugen Monate später Diskussionen, die niemand mehr auflösen kann, weil sich an den Bug dann niemand erinnert.
Die Praxis-Routine: so gehört der Report ins Reporting
Der Report ist kein Dashboard-Ersatz, sondern eine Datenquelle mit engen Grenzen. Innerhalb dieser Grenzen ist er nützlich — wenn die Routine stimmt. Vier Bausteine:
Schritt 1: Baseline sichern — manuell, weil es keine API gibt
Der Report ist nicht über die Search-Console-API verfügbar; der Export läuft ausschließlich manuell. Also: festes Intervall definieren (wöchentlich reicht für die meisten Organisationen), Export ablegen, Exportdatum und Bug-Status dokumentieren. Das klingt banal und ist der Schritt, der am häufigsten unterbleibt. Wer erst in sechs Monaten anfängt zu exportieren, hat keine Vergleichsbasis für die einzige Frage, die der Report beantworten kann: ob sich etwas verändert.
Schritt 2: Trends lesen, Absolutwerte ignorieren
Was genau in einer generativen Oberfläche als eine Impression zählt, lässt sich von außen nicht auditieren — und ohne Klicks und Queries hat der Absolutwert keine geschäftliche Übersetzung. Verwertbar ist die Richtung: Steigt oder fällt die eigene Zeitreihe, und verschiebt sich die Struktur über Seiten, Länder und Geräte? Die eigene Historie gegen sich selbst lesen, nie gegen fremde Benchmarks — für die es ohnehin keine belastbare Datenbasis gibt.
Schritt 3: Seiten-Ebene gegen die eigenen zitierfähigen Assets halten
Die analytisch ergiebigste Übung: die URLs mit AI-Impressions gegen die Liste der Seiten legen, die bewusst als zitierfähige Assets gebaut wurden — Definitionen, Daten, strukturierte Antworten. Drei Muster sind möglich. Ein Asset sammelt Impressions: Es funktioniert. Ein Asset sammelt keine: ein Diagnosefall für Struktur, Zugänglichkeit oder Relevanz. Und eine Seite sammelt Impressions, die nie als Asset gedacht war: ein Hinweis darauf, was generative Systeme an der Domain tatsächlich verwenden — oft nicht das, was das Content-Team erwartet. Die systematische Variante dieses Abgleichs, inklusive Prompt-Tests gegen mehrere Modelle, ist der Kern des GEO-Audits.
Schritt 4: Mit Cross-Model-Tracking kombinieren
Der Report deckt ausschließlich das Google-Ökosystem ab. ChatGPT, Perplexity, Claude und Copilot liefern weiterhin gar keine Analytics — für diese Systeme bleibt prompt-basiertes Tracking die einzige Datenquelle: wiederholte, versionierte Prompt-Sets gegen mehrere Modelle, ausgewertet auf Nennung, Darstellung und Wettbewerber, wie im LLM Citation Monitoring. Für die qualitative Diagnose — warum ein Modell eine Quelle wählt oder übergeht — ergänzt die Methode aus Prompt-Reverse-Engineering. Der GSC-Report validiert dann eine Teilmenge dieser Beobachtungen mit offiziellen Zahlen; er ersetzt keine davon.
Der Opt-out-Schalter: Geschäftsentscheidung, kein SEO-Trick
Parallel zum Report hat Google einen Opt-out-Schalter eingeführt, mit dem Sites ihre Inhalte aus KI-Funktionen nehmen können, ohne die organischen Rankings zu verlieren. Damit existiert erstmals eine Trennung, die bisher fehlte: raus aus generativen Antworten, drin im klassischen Index.
Diese Entscheidung ist eine Geschäftsentscheidung, keine SEO-Taktik. Infrage kommt der Schalter für Geschäftsmodelle, deren Wert im Inhalt selbst liegt — Paid Content, exklusive Daten, eigene Recherche — und die nicht wollen, dass generative Antworten diesen Wert vorwegnehmen. Wer dagegen von Sichtbarkeit, Empfehlung und Autorität lebt, verzichtet mit dem Opt-out auf genau die Oberfläche, um die es in dieser Disziplin geht. Und ein Ranking-Hebel ist der Schalter in keine Richtung: Er verspricht, dass organische Rankings erhalten bleiben — einen Mechanismus, über den ein Opt-out klassische Rankings verbessert, gibt es nicht.
FAQ zum Generative-AI-Report
Warum sehe ich keine Klicks im Generative-AI-Report?
Weil der Report sie nicht enthält. Er weist ausschließlich Impressions aus generativen KI-Funktionen aus — keine Klicks, keine CTR, keine Queries. Google hat weitere Metriken in Aussicht gestellt, ohne Zeitplan. Bis dahin sind Traffic- und Effizienzaussagen auf Basis dieses Reports nicht möglich, auch nicht näherungsweise.
Sind sinkende AI-Impressions seit Mitte August ein Alarmsignal?
Mit hoher Wahrscheinlichkeit nicht: Für Daten ab dem 13. August 2026 verzeichnet der Report aufgrund eines bekannten Logging-Bugs fälschlich sinkende Impressions. Laut Google ist das ein reines Erfassungsproblem, keine echte Sichtbarkeitsveränderung; zum Stand dieses Artikels ist es nicht behoben. Die Zeitreihe ab diesem Datum erst nach bestätigtem Fix bewerten und den Zeitraum im eigenen Reporting annotieren.
Ersetzt der Report externes AI-Monitoring?
Nein. Er deckt ausschließlich Googles Ökosystem ab: AI Overviews, AI Mode und generative Discover-Features. Für ChatGPT, Perplexity, Claude und Copilot existiert weiterhin keine offizielle Analytics — dort bleibt prompt-basiertes Cross-Model-Tracking die einzige Messmethode. Der Report ergänzt dieses Tracking um offizielle Google-Zahlen, ersetzen kann er es nicht.
Fazit
Der Generative-AI-Report ist ein echter Fortschritt: Google trennt erstmals KI-Sichtbarkeit von klassischen Impressions und macht sie pro Seite, Land, Gerät und Zeitraum sichtbar. Er ist zugleich ein begrenzter Fortschritt: eine einzige Metrik, kein API-Zugriff, keine Queries — und aktuell ein Logging-Bug, der die jüngste Zeitreihe unbrauchbar macht.
Richtig eingesetzt ist er das Google-Modul einer größeren Mess-Architektur: manuell gesicherte Baseline, Trend- statt Absolutwert-Lektüre, Abgleich mit den eigenen zitierfähigen Assets, kombiniert mit Cross-Model-Tracking für die Systeme ohne Analytics. Falsch eingesetzt ist er ein Prozentzahlen-Generator für Folien, die niemand verantworten kann.
Wer die Routine jetzt aufsetzt, hat in zwölf Monaten eine annotierte, interpretierbare Zeitreihe. Die anderen haben Screenshots.