70+ Digital-Spezialisten | >12 Jahre Erfahrung | 1.000+ internationale Projekte
02208-9323998-27
Menü
Author Image
Bernadette Hohns
Datum Oktober 31, 2025

AI Search Traffic sichtbar machen mit Google Analytics & Looker Studio – so geht‘s

Banner

Immer mehr Website-Besucher:innen kommen über KI-Tools wie ChatGPT oder Perplexity statt über Google. Diese Tools verändern das Nutzerverhalten massiv und damit auch, wie Sichtbarkeit entsteht. Doch während viele Unternehmen noch über SEO und SEA sprechen, entsteht bereits eine neue Traffic-Quelle: AI Search Traffic. Wer ihn misst, versteht, wie sichtbar die eigene Marke in der Welt der generativen KI ist. So kann man strategisch handeln, bevor andere überhaupt wissen, dass es dieses Traffic-Segment gibt. Bei SaphirSolution haben wir dafür ein eigenes Looker Studio Dashboard entwickelt: Unser KI Search Traffic-Dashboard von SaphirSolution zeigt dir, wie viele Besucher:innen über KI-Tools auf deine Website gelangen. Erfahre hier, wie du diesen „AI Search Traffic“ mit Google Analytics & Looker Studio sichtbar machst und warum das für dein digitales Marketing 2025 entscheidend ist.

Inhalt

Warum die Messung von AI Search Traffic wichtig ist

Generative KI verändert die Art, wie Informationen gefunden werden.
User fragen ChatGPT: „Was ist das beste Tool für SEO-Automatisierung?“
„Welche Agentur in Köln bietet Webanalyse und Tracking-Setups an?“ Wenn dein Unternehmen in solchen Antworten erwähnt wird, ist das neue organische Sichtbarkeit – aber nicht in klassischen SEO-Reports sichtbar.
AI Search Traffic ist also die unsichtbare Spitze eines neuen Suchverhaltens. Ohne diese Daten siehst du nur einen Teil deiner Online-Performance. Mit ihnen verstehst du, wie dich KI-Systeme wahrnehmen, empfehlen und verlinken.

Was genau ist „AI Search Traffic“?

Unter AI Search Traffic verstehen wir Besuche von Nutzer:innen, die über KI-gestützte Tools auf deine Website gelangen.

Dazu zählen aktuell:

  • ChatGPT (Browsing-Variante)
  • Perplexity.ai
  • Claude.ai
  • Gemini (ehemals Bard)
  • You.com, AndiSearch, Poe u. a.

Diese Tools agieren teilweise wie Meta-Suchmaschinen: Sie crawlen Websites, verlinken Inhalte oder fassen Antworten zusammen.

Wenn Nutzer:innen dann auf deine Seite klicken, erscheinen diese Zugriffe in Analytics – allerdings oft ohne klaren Hinweis, dass sie aus einer KI-Quelle stammen.

Begriffsklärung: AI, LLM, AI Overviews, Featured Snippets, PAA

Hier folgt eine kurze Begriffsklärung der wichtigsten Begriffe:

  • AI (Artificial Intelligence) – Oberbegriff für Systeme, die Aufgaben lösen, die menschliche Intelligenz brauchen.
  • KI (Künstliche Intelligenz) – deutsche Abkürzung
  • LLM (Large Language Model) – spezielle AI, die auf Texttrainingsdaten basiert und natürlichsprachliche Antworten erzeugt (z. B. GPT, Gemini).
  • AI Overviews – Googles automatisch erzeugte Zusammenfassungen oben in SERPs der organischen Google Suche.
  • Featured Snippets – einzelne hervorgehobene Antworten mit Link zur Quelle.
  • People Also Ask (PAA) – klickbare Fragen/Antworten-Box.

Wichtig: in allen Bereichen der organischen Google Suche können SERP-Features Klicks auf deine Seite liefern — oft mit dem Textfragment #:~:text= im URL-Hash.

Screenshot AI Overview

Screenshot AI Overview

Wie du AI Search Traffic in Google Analytics 4 sichtbar machst

Die Grundlage für unser Dashboard ist Google Analytics 4 (GA4).
Dort lassen sich die Zugriffe von KI-Tools identifizieren, indem man bekannte Referrer-Patterns und Hostnamen filtert.

Beispielhafte Quellen:

  • openai.com
  • perplexity.ai
  • poe.com
  • gemini.google.com

Damit legst du die Basis, um den neuen Traffic-Typ zu beobachten.

Grenzen der aktuellen Messung: Keine „Suchbegriffe“ in LLMs sichtbar

Ein wichtiger Unterschied zur klassischen Suche:
Aktuell werden die eingegebenen Prompts oder Suchbegriffe in LLMs (z. B. ChatGPT, Perplexity oder Claude) nicht übermittelt oder getrackt.
Das bedeutet:

Wir wissen dass Nutzer:innen über ein KI-Tool auf deine Website kamen, aber nicht welche Frage oder welchen Prompt sie gestellt haben.

Diese Transparenzlücke ist derzeit technisch bedingt, weil KI-Plattformen keine Query-Daten weitergeben – im Gegensatz zu Google, das über die Search Console zumindest eingeschränkte Suchanfragen liefert.

Einzige Ausnahme aktuell: Google’s AI Overview (Search Generative Experience).
Hier werden – ähnlich wie bei klassischen SERPs – Text Snippets angezeigt, die Auszüge aus Websites enthalten.
Diese bieten erste Anhaltspunkte, welche Inhalte KI-Systeme für relevant halten.

Perspektivisch ist zu erwarten, dass LLMs künftig API-basierte Insights oder Aggregationen über Suchanfragen bereitstellen.
Das würde Marketer:innen völlig neue Möglichkeiten eröffnen, Prompt-basierte Sichtbarkeit systematisch zu analysieren.

Warum KI-Tools andere Signale setzen als Suchmaschinen

KI-Tools „denken“ anders als Suchmaschinen:

  • Sie analysieren semantische Zusammenhänge statt exakter Keywords.
  • Sie gewichten Autorität, Aktualität und Kontextverständnis stärker.
  • Sie verlinken sparsam, aber gezielt zu glaubwürdigen Quellen.

Das bedeutet: SEO-Strategien allein greifen hier nicht mehr. Statt Keyword-Dichte zählen Content-Struktur, Themenrelevanz und Quellreputation. Unternehmen, die früh verstehen, wie KI-Tools Inhalte bewerten, sichern sich langfristig Top-Positionen in der neuen Informationslandschaft.

Technische Best Practices zur Messung & Optimierung

Ein paar erprobte Ansätze aus unserer Arbeit:

  • Server-Side Tagging: Bessere Erkennung von Bot- vs. Human Traffic.
  • Regular Expressions: Saubere Identifikation neuer KI-Domains.
  • Looker Studio Automatisierung: Monatliche Trendberichte automatisiert per E-Mail.
  • Tracking-Alerts: Benachrichtigung bei starken Traffic-Spitzen aus KI-Quellen.

Die heilige Welt der Snippets-Messung

Nutzer bekommen Antworten immer häufiger direkt aus KI-Antworten / Snippets. Du willst wissen: Kommt Traffic von dort? Auf welche Landingpages? Konvertieren diese Besucher?
Bestenfalls möchtest du weitere Informationen, beispielsweise welche Suchbegriffe haben dazu geführt, dass die Nutzer über ein LLM auf deine Website gekommen sind.

Vollständige Transparenz gibt es nicht — aber mit einem pragmatischen Tracking-Ansatz bekommst du eine repräsentative Stichprobe, die genug Input liefert, um dir einen Überblick zu verschaffen sowie Content und CTAs gezielt zu optimieren.

Was Google Analytics standardmäßig zeigt und was fehlt

Google Analytics liefert klassische Quelle/Medium-Infos (z. B. google / organic) — aber nicht die Feininfo, welches SERP-Feature (Snippet, PAA, AI Overview) den Klick ausgelöst hat.
Manche Klicks kommen mit Textfragmenten (die wir auslesen können), einige aber auch nicht. Ergebnis: kein vollständiges Bild, aber Tendenzen sind sichtbar — und das reicht oft, um Handlungen abzuleiten.

Welche Rolle Gemini bei Googles AI Overviews spielt – und warum das für SEO wichtig ist

Die AI Overviews in der Google-Suche werden von Googles hauseigener KI-Technologie „Gemini“ erzeugt.

AI Overviews werden nicht bei jeder Suchanfrage angezeigt, sondern nur dann, wenn das System der Meinung ist, dass die generative KI einen Mehrwert bieten kann. Dies ist besonders häufig bei komplexen Fragen oder informationellen Suchanfragen (die mit „Was“, „Wie“, „Warum“ beginnen) der Fall.

Wichtig zu verstehen:

Die AI Overviews nutzen eine angepasste Gemini-Variante, die direkt in die Suchmaschine integriert ist.

Das bedeutet:

  • Gemini liefert die Formulierung und Logik der Antwort,
  • Google Search liefert die Inhalte aus dem Suchindex, die das Modell verarbeitet und zusammenfasst.

So entsteht eine KI-generierte Übersicht, die Nutzern direkt in den Suchergebnissen angezeigt wird – inklusive Quellenverweisen auf Websites, aus denen Gemini Informationen gezogen hat.

Für dich als SEO- oder Marketing-Verantwortliche:r ist das besonders spannend, denn:

  • Diese Verweise können echten Traffic auf deine Website bringen,
  • allerdings wird dieser in GA4 aktuell meist nur als „Google / organic“ gewertet,
  • und du siehst nicht direkt, ob der Klick aus einer AI Overview stammt.

Durch das Tracking der speziellen URL-Fragmente (#:~:text=) kannst du jedoch erkennen, welche Textstellen deiner Website in AI Overviews (oder klassischen Featured Snippets) hervorgehoben werden.
Beim Klick auf den Link landest du direkt beim passenden Abschnitt, welcher auch noch hervorgehoben wurde.
So bekommst du einen wertvollen Einblick, welche Inhalte von der KI als besonders relevant eingestuft werden – und kannst deine Seiten gezielt dafür optimieren.

Tracking-Ansatz: #:~:text= als Hebel

Wenn Google SERPs auf einen Textabschnitt verlinken, hängt der Ziel-URL häufig ein Hash-Fragment an:

https://deine-domain.de/deine-seite#:~:text=Hervorgehobener%20Snippettext

Ziel: das Fragment clientseitig per JavaScript auslesen, in GTM als Variable speichern und an GA4 senden (als Event oder Event-Parameter). Damit erhältst du sowohl den Beginn des Snippet-Textes als auch das Ende.

Warum Google Snippet-Texte abschneidet – und was das für dein Tracking bedeutet

Snippet-Texte, die über KI-Antworten oder Featured Snippets auf deine Website führen, werden oft nicht vollständig übergeben. Statt des ganzen Satzes oder Absatzes findest du in der URL nur einen Ausschnitt – meist rund 150 bis 300 Zeichen.

Das hat mehrere Gründe:

  • Fokus auf den relevantesten Ausschnitt: Google möchte Nutzer:innen direkt zur passenden Antwort führen. Darum wird nur der Textteil markiert, der konkret auf die Suchanfrage passt. Ganze Absätze oder Seitenabschnitte wären zu lang und unpräzise. Durch das Kürzen bleibt die Markierung stabil und die Seite lädt schneller.
  • Technische Umsetzung über „Text Anchors“: Die Markierung erfolgt über ein spezielles URL-Fragment:#:~:text=…,…Dabei legt Google Start- und Endpunkte fest, die den relevanten Textbereich eingrenzen. Das System ist so gebaut, dass der Link auch dann noch funktioniert, wenn sich der Inhalt leicht verändert – etwa durch ein hinzugefügtes Wort. Genau deshalb übergibt Google keine langen Textpassagen, sondern nur kurze, robuste Ausschnitte.
  • Stabilität und Browser-Kompatibilität: Nicht alle Browser oder Consent-Manager verarbeiten lange URL-Fragmente fehlerfrei. Zu lange Textanker könnten abgeschnitten oder gar ignoriert werden. Die verkürzten Snippets sind ein Kompromiss, um die Verlinkung möglichst zuverlässig und stabil zu halten.
  • Datenschutz und Sicherheit: Google verhindert bewusst, dass überlange Textabschnitte mit sensiblen Inhalten (z. B. personenbezogene Daten) in der URL landen. Kürzere Snippets reduzieren das Risiko, dass ungewollte Informationen weitergegeben werden.

Was das für dich in der Analyse bedeutet

Für dein Tracking heißt das:

Du kannst nur den Teilbereich eines markierten Textes erfassen – aber genau dieser reicht oft, um zu erkennen, welche Textpassagen deiner Seite in Snippets oder AI Overviews besonders oft hervorgehoben werden.Mit den Snippet-Parametern in GA4 (z. B. snippet_text_start und snippet_text_end) lassen sich daraus wertvolle Insights gewinnen:

  • Welche Inhalte werden besonders häufig angezeigt?
  • Welche Textstellen führen zu Klicks?
  • Und wie unterscheiden sich Nutzer:innen, die über Snippets kommen, von denen aus der klassischen organischen Suche?

So kannst du gezielt Inhalte optimieren, die von Google hervorgehoben werden – und langfristig deine Sichtbarkeit in den neuen KI-getriebenen Suchergebnissen verbessern.

Konkrete GTM-Implementierung — Schritt für Schritt (inkl. Code)

Hinweis: die Beispiele sind so robust wie möglich gestaltet. Teste sie in deiner Umgebung, passe ggf. an (z. B. Trennzeichen-Heuristiken).

Übersicht der technischen Komponenten

  • 1x benutzerdefinierte JS-Variable: cJS – snippet_text_start
  • 1x benutzerdefinierte JS-Variable: cJS – snippet_text_end
  • 1x Trigger: Seitenaufruf – Snippet vorhanden (Page View — Some Page Views)
  • 1x Tag: GA4 Event snippet_text (oder Integration als page_view-Parameter)

JS-Variable: heuristische Aufteilung in Start / End

Viele Text-Fragmente enthalten Start- und Endanker. Du kannst versuchen, sinnvoll zu splitten. Name: cJS – snippet_text_start

function() {

// Get the first performance entry’s name (usually the current URL)

var snippetEntry = decodeURIComponent(

performance.getEntries()[0].name.match(/#:~:text=(.*)/)[1]

);

// Replace patterns in the matched text

var fragment = snippetEntry

.replace(/ /g, „*“) // Replace “ “ with „*“

.replace(/,/g, „_“) // Replace „,“ with „_“

.replace(/\*/g, „,“); // Replace „*“ back to „,“

// Split on „_“ and return the first part

var splitArray = fragment.split(„_“);

return splitArray[0];

}

Erstelle analog cJS – snippet_text_end.

Alternativ kannst du den ganzen Text in einem erfassen:

Name: cJS – snippet_text_total

function() {

var nav = performance.getEntriesByType(„navigation“)[0];

if (!nav) return;

var hash = new URL(nav.name).hash;

var match = hash.match(/:~:text=([^&]*)/);

return match ? decodeURIComponent(match[1]) : undefined;

}

Wir haben dies als text_fragment bezeichnet, aber auch hier bist du frei in der Benennung.

Trigger: Seitenaufruf – nur wenn Fragment vorhanden

Erstelle einen neuen Trigger:

  • Typ: Seitenaufruf
  • Wenn: Einige Seitenaufrufe
  • Bedingung: cJS – snippet_start ist nicht gleich undefined

Damit wird der Trigger nur ausgelöst, wenn ein Textfragment erkannt wurde.

Screenshot seitenaufruf

Tag: GA4 Event senden

Erstelle neuen Tag: GA4 Event – Snippet Text

  • Event Name: snippet_text (Kleinschreibung empfohlen)
  • Event-Parameter hinzufügen:
    • snippet_start -> {{cJS – snippet_start}}
    • snippet_end -> {{cJS – snippet_end}}
Screenshot GA4 Event

Screenshot GA4 Event

Trigger: ce – snippet text (Seitenaufruf – Snippet vorhanden)

Wichtig zur Consent-Integration:
Stelle sicher, dass dieser Tag NICHT feuert, bevor Nutzer Analytics zugestimmt haben.

GA4-Konfiguration: Events & benutzerdefinierte Dimensionen

Event-Namen & Parameter

  • Event: snippet_text
  • Parameter: snippet_text_start, snippet_text_end

GA4: benutzerdefinierte Dimensionen anlegen

Gehe in GA4 → Admin → Property → Benutzerdefinierte Definitionen → Benutzerdefinierte Dimension erstellen
für jede Parameter-Name:

  • Dimensionsname: snippet_text_start
  • Umfang: Ereignis
  • Event-Parameter: snippet_text_start
    Wiederhole für snippet_text_end

Screenshot benutzerdefinierte Dimension

 

 

Wartezeit: Es kann bis zu 48 Stunden dauern, bis neue benutzerdefinierte Dimensionen in Standardreports verfügbar sind.

Screenshot Auflistung

Screenshot Auflistung

Testing und Debugging – so stellst du sicher, dass alles läuft

GTM Preview

  1. Öffne GTM → Vorschau (Preview)
  2. Rufe eine Testseite auf mit Textfragment:
  3. https://deine-domain.de/deine-seite#:~:text=Dies%20ist%20ein%20Test
  4. Im Preview: prüfe, ob cJS – snippet_text_start die korrekte Zeichenkette zeigt.
  5. Prüfe, ob der Trigger feuert und der snippet_text-Tag ausgelöst wird.

 GA4 DebugView

  • In GA4 → Echtzeit → DebugView siehst du das Event snippet_text und die Parameter.
  • Wenn DebugView nichts zeigt: prüfe, ob dein GA4-Config Tag aktiv ist und ob Consent blockiert.

Reale Tests

  • Suche nach realen Snippet-URLs in Google und klicke. Beobachte die Events in GA4.
  • Prüfe auf die neuen Dimensionen.

Looker Studio Reporting — Dashboard

Erstelle ein Dashboard, das die wichtigsten Fragen beantwortet.

  1. Interpretation
  2. Einschränkungen und
  3. Datenschutz

Einschränkungen (technisch)

  • Teilmenge: Nicht jeder Snippet-Klick verwendet #:~:text= → nur Stichprobe.
  • Mehrdeutigkeit: Gleiches Fragment-Pattern wird von mehreren SERP-Features genutzt → nicht immer klare Zuordnung zu „AI Overview“ vs. „Featured Snippet“.
  • Clientseitige Voraussetzungen: JS aktiviert, Browser unterstützt Text-Fragment, keine Hash-Manipulation durch SPA/Router.
  • Consent/Privacy: Wenn Nutzer Analytics ablehnen, fehlen Daten komplett.

Zukunftsperspektive: Trends im AI Search Traffic

AI Search Traffic ist noch ein junges, dynamisches Feld, das sich rasant entwickelt. Einige zentrale Trends, die du im Blick behalten solltest:

  • AI Visibility Metrics: Neue KPIs zur Messung, wie oft deine Inhalte in KI-Antworten erscheinen.
  • Prompt-Analytics: Künftig könnten LLMs anonymisierte Einblicke in Suchanfragen liefern, um die Nutzerintention besser zu verstehen.
  • Automatisierte Snippet-Optimierung: KI könnte künftig Inhalte gezielt auswerten und wiedergeben – ähnlich wie Rich Snippets in Google.
  • Verknüpfung mit klassischen Analytics-Daten: Kombination von AI Traffic, organischem Traffic und Conversion-Daten ermöglicht datengetriebene Entscheidungen.
  • Datenschutz & Compliance: Die Nutzung von AI-Traffic-Daten muss DSGVO-konform erfolgen – insbesondere bei personalisierten Analysen.

Die zentrale Botschaft: Wer jetzt die Daten misst und Inhalte strategisch ausrichtet, ist frühzeitig vorbereitet, wenn LLMs künftig direkt Daten über Suchanfragen und Nutzerintention liefern.

Strategischer Nutzen für dein Marketing

Die Daten sind kein Selbstzweck – sie eröffnen neue Fragen:

  • Welche Inhalte werden von KI-Systemen bevorzugt?
  • Wie kann ich meine Markenposition in KI-Antworten stärken?
  • Welche Themen fehlen noch, um in AI-Suchen aufzutauchen?

Durch Analyse des AI Search Traffic erkennst du, welche Inhalte KI „liest“ und empfiehlt.
Das ist der Startpunkt für eine AI Visibility Strategy – also gezielte Optimierung deiner Inhalte für generative Suchsysteme.

Was Unternehmen jetzt tun sollten

  1. AI Traffic messen: Ohne Daten keine Strategie.
  2. Content prüfen: Sind Inhalte verständlich, zitierfähig, aktuell?
  3. Autorität aufbauen: Expertise, Quellenangaben, Trust-Signale.
  4. Dashboards implementieren: Automatisierte Visualisierung mit Looker Studio.
  5. AI Visibility regelmäßig monitoren: Monatlich prüfen, ob KI-Systeme dich finden.

AI Visibility als neuer SEO-Faktor

Langfristig wird AI Visibility vielleicht ein eigener KPI.
So wie wir heute organischen Traffic messen, werden wir künftig auswerten:

  • Wie oft erscheint meine Marke in KI-Antworten?
  • Wie hoch ist der Click-Through von AI Tools?
  • Welche Inhalte ranken in Prompt-basierten Antworten?

Wer das früh misst, kann seine Content-Strategie proaktiv ausrichten – bevor Wettbewerber:innen überhaupt merken, dass sie Traffic verlieren.

Das Looker Studio-Dashboard „KI Search Traffic” von SaphirSolution

Unser Dashboard baut auf diesen GA4-Daten auf und macht sie visuell und strategisch interpretierbar.

Es zeigt dir:

  • Monatlicher Verlauf der KI-Traffic-Entwicklung
  • Herkunftsländer der KI-Nutzer:innen
  • Device-Verteilung (Mobile, Desktop, Tablet)
  • Landingpages, über die KI-User einsteigen
  • Verweildauer & Interaktionsrate
  • Conversion Rate im Vergleich zu klassischem Suchtraffic

Damit kannst du sofort erkennen: Welche Inhalte werden von KI-Systemen gefunden – und welche nicht?

SaphirSolution-Dashboard

SaphirSolution-Dashboard

Zukunftsperspektive: Trends im AI Search Traffic

Die Ära der klassischen Suche geht zu Ende – und du kannst jetzt den nächsten Schritt machen:
Mit einem klaren Blick auf deinen AI Search Traffic verstehst du, wie du in der neuen Informationsökonomie wahrgenommen wirst.

Wir helfen dir dabei, diese Daten sichtbar zu machen – und sie in echte Marketingvorteile zu übersetzen.

Du willst dein Wissen rund um die Marketing-Welt erweitern? Dann entdecke unsere Gratis E-Books, die vollgespickt sind mit Power-Informationen.

Hier erfährst du spannende Insights, was du wissen musst, um in der digitalen Marketinglandschaft die Nase vorn zu haben. Wähle uns als als Marketing-Partner und profitiere von folgenden Agentur-Leistungen:

Lass uns dein AI Search Dashboard aufsetzen – und gemeinsam herausfinden, wie KI-Systeme dein Unternehmen sehen.

Hast du Fragen?

Als Full-Service Online-Marketing-Agentur unterstützen wir dich gerne.

02208 916 98 99
info@saphirsolution.de

Das könnte dich auch interessieren: