MentionX zeigt Unternehmen, wie ihre Marke in KI-Systemen wahrgenommen, gegenüber Wettbewerbern positioniert und tatsächlich empfohlen wird
Ich bin Dipuck Jones, Gründer von MentionX und seit mehr als einem Jahrzehnt im Bereich Growth und Performance Marketing tätig, mit einem starken Fokus auf SaaS, Paid Media, SEO, Analytics und Marketing Automation.
Die Idee für MentionX entstand aus einer Veränderung, die ich im Marketing immer stärker beobachtet habe. Menschen suchen nicht mehr ausschließlich über Google nach Produkten und Unternehmen. Sie fragen ChatGPT, Gemini, Claude, Perplexity oder andere KI-Systeme direkt nach Empfehlungen.
Dabei fiel mir eine entscheidende Lücke auf: Es reicht nicht zu wissen, ob eine KI eine Marke kennt oder erwähnt. Für Unternehmen ist viel wichtiger zu verstehen, ob die KI diese Marke tatsächlich empfiehlt, wie sie sie gegenüber Wettbewerbern positioniert und welche Quellen diese Antworten beeinflussen.
Genau daraus entstand MentionX. Unser Ziel ist es, AI Visibility genauso messbar und verständlich zu machen, wie Marketingteams heute SEO, Paid Media oder Website-Performance messen.
Sie haben MentionX weitgehend eigenständig von Grund auf aufgebaut. Was hat Sie dazu bewegt, Produktentwicklung, UX, Website, Positionierung, Content und Go-to-Market zunächst selbst zu übernehmen?
Für mich war das vor allem eine Frage von Geschwindigkeit, Lernen und Fokus. In einer sehr frühen Phase wollte ich nicht mehrere Teams oder externe Dienstleister koordinieren, bevor überhaupt klar war, welche Teile des Produkts wirklich funktionieren und welche Probleme Nutzer tatsächlich lösen möchten.
Durch meinen Marketing-Hintergrund konnte ich Positionierung, Go-to-Market, Content und Customer Journey selbst abdecken. Gleichzeitig haben moderne AI-Tools die Grenzen zwischen einzelnen Disziplinen stark verändert. Heute kann ein Gründer wesentlich schneller prototypisieren, analysieren, gestalten und technische Ideen umsetzen als noch vor wenigen Jahren.
Der größte Vorteil war aber die Nähe zum Produkt. Wenn ich ein Problem sehe, kann ich unmittelbar überlegen, wie es im Produkt gelöst, auf der Website erklärt und später vermarktet werden sollte.
Langfristig braucht natürlich jedes wachsende Unternehmen spezialisierte Teams. Aber für die Phase von null auf eins war diese direkte Verbindung zwischen Problem, Produkt und Markt für mich extrem wertvoll.
MentionX beschäftigt sich mit der Sichtbarkeit von Marken in KI-Systemen wie ChatGPT, Gemini, Claude, Perplexity und Grok. Warum wird dieses Thema für Unternehmen gerade jetzt immer wichtiger?
Weil sich die Art verändert, wie Menschen Informationen finden und Entscheidungen treffen.
Früher bestand eine typische Customer Journey vielleicht aus einer Google-Suche, mehreren Websites und anschließend einem Produktvergleich. Heute kann ein Nutzer einfach fragen: „Welche drei CRM-Systeme eignen sich für ein mittelständisches SaaS-Unternehmen?“ und innerhalb weniger Sekunden eine konkrete Auswahl erhalten.
Damit entsteht neben der klassischen Suche ein neuer Discovery-Kanal.
Für Unternehmen bedeutet das: Eine gute Google-Position allein zeigt nicht mehr das vollständige Bild ihrer digitalen Sichtbarkeit. Sie müssen zusätzlich verstehen, ob AI-Systeme ihre Marke kennen, wie sie sie beschreiben, mit welchen Wettbewerbern sie verglichen werden und vor allem, ob sie tatsächlich empfohlen wird.
AI Visibility entwickelt sich deshalb aus meiner Sicht zunehmend von einem experimentellen Thema zu einer echten Marketing-Kennzahl.
Sie unterscheiden zwischen der bloßen Erwähnung einer Marke und einer tatsächlichen Empfehlung durch eine KI. Warum ist dieser Unterschied für Unternehmen so entscheidend?
Weil eine Erwähnung nicht automatisch bedeutet, dass eine Marke auch bevorzugt wird.
Eine KI kann eine Marke in einer langen Liste nennen oder sogar erklären, warum ein Wettbewerber besser geeignet ist. Technisch gesehen wurde die Marke erwähnt. Aus Marketing-Sicht hat sie die Entscheidung aber möglicherweise verloren.
Deshalb unterscheiden wir bei MentionX bewusst zwischen Mention Rate, Recommendation Rate und First-Choice-Rate.
Die entscheidende Frage lautet nicht nur: „Kennt die KI meine Marke?“
Sondern: „Wenn ein potenzieller Kunde nach einer Lösung fragt, empfiehlt die KI meine Marke und wenn ja, wie stark?“
Ich sehe Erwähnungen deshalb eher als Ausgangspunkt. Empfehlungen und Positionierung geben wesentlich mehr Kontext darüber, wie eine Marke innerhalb einer AI-gestützten Customer Journey tatsächlich wahrgenommen wird.
Wie misst MentionX, ob und in welchem Zusammenhang eine Marke von verschiedenen KI-Systemen genannt oder empfohlen wird?
MentionX arbeitet mit relevanten Buyer-Style-Prompts, die reale Fragen potenzieller Kunden abbilden. Diese Prompts werden über verschiedene AI-Systeme ausgewertet und anschließend strukturiert analysiert.
Wir betrachten unter anderem, ob eine Marke erscheint, an welcher Position sie erscheint, ob sie lediglich erwähnt oder ausdrücklich empfohlen wird, welche Wettbewerber ebenfalls vorkommen und welche Quellen in den Antworten eine Rolle spielen.
Wichtig ist uns dabei die Nachvollziehbarkeit. Deshalb speichern wir nicht nur aggregierte Kennzahlen, sondern auch die zugrunde liegenden Antworten als Evidenz. Ein Nutzer kann dadurch nachvollziehen, warum sich beispielsweise seine Recommendation Rate oder Position verändert hat.
AI-Antworten sind dynamisch. Wir versuchen deshalb nicht, eine einzelne Antwort als absolute Wahrheit darzustellen. Entscheidend sind wiederholbare Messungen, Muster und Entwicklungen über Zeit.
Neben der Sichtbarkeit analysiert MentionX unter anderem Share of Voice, First-Choice-Rate, Wettbewerber, Sentiment, Prompts und Quellen. Welche dieser Kennzahlen sind für Unternehmen besonders aussagekräftig?
Das hängt vom Ziel des Unternehmens ab, aber ich halte drei Bereiche für besonders wichtig.
Die Recommendation Rate zeigt, wie häufig eine Marke tatsächlich empfohlen wird. Die First-Choice-Rate geht noch einen Schritt weiter und zeigt, wie häufig sie als bevorzugte Option erscheint. Der Share of Voice hilft wiederum dabei, diese Sichtbarkeit im Verhältnis zum Wettbewerbsumfeld zu verstehen.
Sehr wertvoll ist außerdem der sogenannte Mention-to-Recommend-Gap. Eine Marke kann beispielsweise häufig erwähnt werden, aber deutlich seltener empfohlen werden. Genau dort entsteht eine interessante strategische Frage: Warum kennt die AI das Unternehmen, bevorzugt aber Wettbewerber?
Citation- und Source-Intelligence ergänzen das Bild, weil sie Hinweise darauf geben, welche externen Quellen im Zusammenhang mit diesen Antworten eine Rolle spielen.
Eine einzelne Kennzahl erzählt selten die ganze Geschichte. Interessant wird es, wenn man diese Signale miteinander verbindet.
Welche Rolle spielen die Quellen, auf die KI-Systeme zurückgreifen, und können Unternehmen gezielt beeinflussen, wie ihre Marke in generativen KI-Systemen wahrgenommen wird?
Quellen spielen eine sehr wichtige Rolle, aber Unternehmen können AI-Systeme nicht einfach wie eine Werbeplattform direkt steuern.
Was Unternehmen beeinflussen können, ist die Informationslandschaft rund um ihre Marke.
Dazu gehören die eigene Website, strukturierte Produktinformationen, relevante Inhalte, Vergleichsseiten, unabhängige Medien, Reviews, Branchenverzeichnisse, Community-Diskussionen und andere glaubwürdige Quellen.
Deshalb analysiert MentionX nicht nur, ob eine Marke erscheint, sondern auch, welche Quellen in den untersuchten Antworten vorkommen. Daraus können Unternehmen erkennen, wo Wettbewerber stärker vertreten sind oder welche Informationslücken bestehen.
GEO und AEO bedeuten für mich deshalb nicht, einen Algorithmus auszutricksen. Es geht darum, einer Marke eine möglichst klare, konsistente und glaubwürdige digitale Präsenz zu geben, die sowohl Menschen als auch Maschinen verstehen können.
Klassische Suchmaschinenoptimierung konzentriert sich stark auf Rankings bei Google. Wie verändert sich Marken- und Suchmaschinenoptimierung durch die zunehmende Nutzung generativer KI?
SEO verschwindet nicht. Es erweitert sich.
Bei klassischer SEO war eine zentrale Frage: „Auf welcher Position rankt meine Seite für dieses Keyword?“
Bei generativer Suche kommen neue Fragen hinzu: „Wird meine Marke überhaupt berücksichtigt? Wie beschreibt die AI sie? Wird sie empfohlen? Welche Wettbewerber werden bevorzugt? Und welche Quellen tauchen in den Antworten auf?“
Damit gewinnen GEO, Generative Engine Optimization, und AEO, Answer Engine Optimization, an Bedeutung.
Gleichzeitig verschwimmen die Grenzen zwischen SEO, Content, PR und Brand stärker. Eine AI kann Informationen aus unterschiedlichen Quellen zusammenführen. Deshalb kann die digitale Reputation einer Marke genauso relevant werden wie die technische Optimierung der eigenen Website.
Unternehmen sollten meiner Meinung nach nicht zwischen SEO und GEO wählen. Sie brauchen eine Strategie, die klassische Suche und AI Discovery gemeinsam betrachtet.
Für welche Unternehmen und Branchen ist MentionX besonders interessant und welchen konkreten Nutzen erhalten Kunden aus den gewonnenen Daten?
MentionX ist besonders relevant für Unternehmen, deren Kunden vor einer Entscheidung recherchieren und mehrere Anbieter miteinander vergleichen.
Dazu gehören beispielsweise SaaS-Unternehmen, Technologieanbieter, Agenturen, E-Commerce-Marken und andere Märkte mit einem klaren Wettbewerbsumfeld.
Ein Marketingteam kann mit MentionX beispielsweise erkennen, bei welchen Buyer-Prompts Wettbewerber häufiger empfohlen werden, auf welchen AI-Engines die eigene Marke besonders stark oder schwach ist, welche Themen Sichtbarkeit erzeugen und welche Quellen mit diesen Antworten verbunden sind.
Damit wird aus einer abstrakten Frage wie „Sind wir in ChatGPT sichtbar?“ eine Reihe konkreter Fragen, die Marketingteams analysieren und bearbeiten können.
Der Markt für AI Visibility und Generative Engine Optimization entwickelt sich derzeit schnell. Wodurch unterscheidet sich MentionX von anderen Lösungen in diesem Bereich?
Der Markt entwickelt sich extrem schnell und es gibt bereits gute Unternehmen, die unterschiedliche Teile von AI Visibility lösen. Unser Ziel ist deshalb nicht, einfach noch einen weiteren Visibility Score anzubieten.
Ein Schwerpunkt von MentionX ist die Unterscheidung zwischen Mention und Recommendation. Für uns ist entscheidend, ob eine Marke nur vorkommt oder tatsächlich als relevante Wahl positioniert wird.
Der zweite Schwerpunkt ist Nachvollziehbarkeit. Nutzer sollen von einer Kennzahl bis zur zugrunde liegenden AI-Antwort gehen können und verstehen, wodurch das Ergebnis entstanden ist.
Und der dritte Bereich ist die Verbindung zwischen Measurement und Action. MentionX soll nicht bei „Ihre Visibility beträgt X“ enden, sondern dabei helfen zu verstehen, welche Prompts, Themen, Wettbewerber, Quellen oder Website-Signale konkrete Chancen darstellen.
Langfristig wollen wir die Verbindung zwischen messen, verstehen und verbessern möglichst eng machen.
Eine der wichtigsten Erkenntnisse ist, dass es nicht „die eine AI-Antwort“ gibt.
Unterschiedliche Modelle können auf dieselbe oder eine sehr ähnliche Frage unterschiedliche Marken nennen, unterschiedlich gewichten und unterschiedliche Quellen verwenden. Auch Antworten desselben Systems können sich über Zeit verändern.
Deshalb wäre es falsch zu behaupten, wir könnten den internen Algorithmus eines bestimmten Modells vollständig erklären. Diese Systeme sind komplex und teilweise Black Boxes.
Was wir aber messen können, sind wiederkehrende Muster.
Wir sehen beispielsweise, welche Marken über verschiedene Prompts und Engines hinweg regelmäßig auftauchen, welche häufiger empfohlen werden, welche Quellen wiederholt erscheinen und bei welchen Themen bestimmte Wettbewerber stärker positioniert sind.
Genau deshalb halte ich Trenddaten für wesentlich wertvoller als einen einzelnen Screenshot aus ChatGPT. Eine einzelne Antwort ist eine Momentaufnahme. Wiederholte Messungen können daraus ein Signal machen.
Welche Herausforderungen waren beim Aufbau von MentionX bislang am größten und was haben Sie daraus als Gründer gelernt?
Eine der größten Herausforderungen war, aus einem dynamischen System etwas Messbares zu machen.
AI-Antworten verändern sich. Gleichzeitig entstehen API-Kosten, große Datenmengen und viele unterschiedliche Signale. Man muss deshalb ständig zwischen technischer Genauigkeit, Nutzerfreundlichkeit und wirtschaftlicher Skalierbarkeit abwägen.
Parallel dazu habe ich MentionX in der Anfangsphase weitgehend selbst aufgebaut. Produkt, UX, Website, Positionierung, Content und Go-to-Market gleichzeitig zu verantworten bedeutet, sehr konsequent priorisieren zu müssen.
Und Unternehmensaufbau findet natürlich nicht isoliert vom Leben statt. Ich bin in dieser Phase auch zum ersten Mal Vater geworden. Dadurch habe ich noch einmal ganz anders gelernt, wie wertvoll Zeit, Fokus und klare Prioritäten sind.
Meine wichtigste Erkenntnis daraus: Ein Startup braucht am Anfang nicht möglichst viele Dinge. Es braucht möglichst wenige Dinge, die wirklich gut funktionieren.
Langfristig soll MentionX nicht nur ein Monitoring-Tool sein, sondern eine Intelligence-Plattform für AI Discovery.
Wir wollen Unternehmen dabei helfen, den gesamten Weg von der Messung bis zur Verbesserung ihrer AI Visibility abzudecken: Welche Engines kennen mich? Wo werde ich empfohlen? Welche Wettbewerber gewinnen? Welche Prompts sind relevant? Oder welche Quellen beeinflussen diese Antworten? Und welche konkreten Maßnahmen können meine Position verbessern?
Dazu gehören unter anderem tiefere Source- und Citation-Intelligence, internationale und Multi-Country-Analysen, weitere AI-Engines, bessere Benchmarking-Möglichkeiten und zunehmend intelligentere Empfehlungen.
Meine langfristige Vision ist, dass Marketingteams AI Visibility irgendwann genauso selbstverständlich in ihren Dashboards betrachten wie Organic Traffic, Paid Performance oder Conversion Rate.
Wenn sich AI tatsächlich zu einem wichtigen Discovery- und Recommendation-Layer entwickelt, braucht dieser Kanal auch eine eigene Measurement-Infrastruktur. Genau dort möchte ich MentionX positionieren.
Welche drei Tipps würden Sie anderen Gründern mit auf den Weg geben?
Erstens: Validieren Sie das Problem, bevor Sie die Lösung skalieren. Ein technisch beeindruckendes Produkt löst nichts, wenn das zugrunde liegende Problem nicht wichtig genug ist.
Zweitens: Bauen Sie Distribution gleichzeitig mit dem Produkt. Viele Gründer entwickeln monatelang und denken erst nach dem Launch darüber nach, wie Menschen überhaupt von ihrem Produkt erfahren sollen. Website, Content, Founder Brand, Community, Partnerschaften und Kundenfeedback sollten viel früher beginnen.
Drittens: Nutzen Sie AI nicht nur als Schreibassistenten, sondern als Operating Layer. Research, Analyse, Prototyping, Development, Design, Content und interne Prozesse können heute wesentlich schneller umgesetzt werden. Der eigentliche Wettbewerbsvorteil entsteht aber nicht durch das Tool selbst, sondern dadurch, wie gut man es in seine Arbeitsweise integriert.
Und vielleicht noch ein Grundsatz, der für mich über allen drei Punkten steht: Man muss nicht auf perfekte Bedingungen warten. Starten, lernen, korrigieren und weiterbauen.
Bildrechte: privat / Dipuck Jones
Wir bedanken uns bei Dipuck Jones für das Interview
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.
