How To: Baue deinen eigenen LLM Brand Ranking Monitor – ganz ohne teure Tools

The Big Picture: Warum du das jetzt brauchst

Google Search ist gestern. Meta Ads sind gesättigt. Die digitale Wahrnehmung wird heute in den Antworten von ChatGPT, Gemini und Perplexity entschieden. Wenn Nutzer diese KI-Systeme nach „den besten Sneakern“ oder „dem zuverlässigsten Versicherungspartner“ fragen, zeigt sich, welche Marken wirklich im Bewusstsein der Algorithmen verankert sind.

Tools wie der LLM Brand Ranking Monitor von Agenturen sind beeindruckend, aber sie sind oft teuer, intransparent und für viele Unternehmen außerhalb der Reichweite. Dieses How-To zeigt, wie du mit einfachen Mitteln und gängigen AI-Tools deinen eigenen Brand Monitor baust – ohne Data-Science-Background, aber mit maximalem Impact.

Schritt 1: Das Prinzip verstehen

Bevor du loslegst, musst du das Grundkonzept verstehen. Ein LLM Brand Ranking Monitor funktioniert in vier Schritten:

Erstens formulierst du Fragen – sogenannte Prompts – die Nutzer typischerweise an KI-Systeme stellen. Diese Prompts bilden die Grundlage, um herauszufinden, ob und wie deine Marke in den Antworten auftaucht.

Zweitens sendest du diese Prompts an verschiedene LLMs wie ChatGPT, Gemini und Perplexity. Die KI liefert Antworten, aus denen du wertvolle Informationen extrahierst.

Drittens analysierst du die Antworten. Wird deine Marke erwähnt? Falls ja, in welchem Kontext? Ist die Nennung positiv, neutral oder negativ?

Viertens visualisierst du die Ergebnisse, um Trends und Muster zu erkennen. Mit Tools wie Google Sheets kannst du Rankings und Heatmaps darstellen, die deine Markenwahrnehmung im KI-Ökosystem abbilden.

Schritt 2: Einen Fragenkatalog erstellen

Beginne mit der Erstellung eines Fragenkatalogs, der typische Suchanfragen und Nutzerintentionen abbildet. Das Ziel ist es, ein breites Spektrum an Prompts zu haben, um möglichst viele Anwendungsfälle abzudecken.

Beispiele für solche Fragen:

• „Welche Marke ist führend bei Outdoor-Bekleidung?“
• „Was sind die besten Elektroauto-Anbieter im Jahr 2025?“
• „Warum sollte ich mich für [Marke X] entscheiden?“
• „Welche nachhaltigen Mode-Labels sind in Deutschland bekannt?“

Diese Fragen trägst du in Google Sheets in die erste Spalte ein. Empfehlenswert ist eine Liste mit mindestens 50 bis 100 Fragen, um eine solide Datenbasis zu schaffen.

Schritt 3: Antworten der KI einsammeln

Variante A: Manuell

Für den Einstieg kannst du die Fragen manuell in ChatGPT, Gemini und Perplexity eingeben. Kopiere die Antworten jeweils zurück in dein Google Sheet – beispielsweise in Spalte B für ChatGPT, Spalte C für Gemini und Spalte D für Perplexity.

Variante B: Halbautomatisiert

Wenn du Zeit sparen möchtest, nutze Automatisierungstools wie Zapier oder Make. Diese Tools können die Fragen automatisch an die APIs von OpenAI (für ChatGPT) oder Google (für Gemini) senden und die Antworten direkt in dein Google Sheet schreiben.

Um dies einzurichten, benötigst du einen API-Schlüssel von OpenAI, den du unter platform.openai.com erhältst. Mit Zapier erstellst du einen Workflow, der die Fragen aus dem Sheet zieht, die API anruft und die Ergebnisse speichert.

Schritt 4: Analyse der Antworten

Jetzt beginnt die Auswertung. In Google Sheets kannst du mit simplen Formeln herausfinden, wie oft deine Marke in den Antworten vorkommt und mit welchem Sentiment.

Markennennung prüfen

Mit der folgenden Formel prüfst du, ob eine bestimmte Marke erwähnt wird:

=IF(ISNUMBER(SEARCH("Marke X", B2)), "Ja", "Nein")

Erwähnungen zählen

Um die Anzahl der Erwähnungen zu ermitteln, nutze:

=COUNTIF(B:B, "*Marke X*")

Sentiment analysieren

Für eine Sentiment-Analyse kannst du ChatGPT mit folgendem Prompt befragen: „Bewerte den Tonfall des folgenden Textes als positiv, neutral oder negativ: [Antwort]“

Schritt 5: Ergebnisse visualisieren

Mit den gesammelten und analysierten Daten kannst du aussagekräftige Visualisierungen erstellen. In Google Sheets lassen sich verschiedene Diagramme anlegen:

• Balkendiagramme, um die Anzahl der Markenerwähnungen pro LLM darzustellen.
• Heatmaps, um auf einen Blick zu sehen, in welchen KI-Systemen deine Marke besonders präsent ist.
• Funnel-Diagramme, die den AIDA-Funnel (Attention, Interest, Desire, Action) abbilden und zeigen, in welcher Phase der Customer Journey deine Marke besonders gut abschneidet.

Für komplexere und interaktive Visualisierungen bieten sich externe Tools wie Datawrapper oder Tableau Public an.

Bonus: Tägliches Monitoring automatisieren

Willst du deine Markenwahrnehmung kontinuierlich überwachen, kannst du deinen Zapier-Workflow so einrichten, dass er täglich zu einer festen Uhrzeit läuft. So werden neue Antworten abgerufen, ausgewertet und automatisch in Google Sheets aktualisiert. Du kannst außerdem automatische Reports per E-Mail oder Slack verschicken lassen, um täglich auf dem Laufenden zu bleiben.

Ergebnis: Was bringt es?

Mit diesem selbstgebauten Brand Monitor erhältst du wertvolle Insights darüber:

• Wie oft und in welchem Kontext deine Marke in den Antworten von KIs genannt wird.
• Welche Attribute und Assoziationen die LLMs deiner Marke zuschreiben.
• Wie du im Vergleich zu deinen Wettbewerbern stehst.
• Wo du Content-Strategien anpassen musst, um deine Sichtbarkeit im KI-Ökosystem zu verbessern.

Fazit: Punk your Brand Ranking

Du brauchst keine proprietären Tools und kein Budget in fünfstelliger Höhe. Mit einem Nachmittag Arbeit und ein paar cleveren Workarounds kannst du dir deinen eigenen LLM Brand Ranking Monitor aufbauen. Business Punk Motto: „Warum mieten, wenn du hacken kannst?“

TL;DR für Schnellstarter

1. Fragenkatalog in Google Sheets anlegen.
2. Antworten aus ChatGPT, Gemini und Perplexity einholen.
3. Markennennungen und Sentiment analysieren.
4. Ergebnisse visualisieren.
5. Tägliche Updates automatisieren.

So katapultierst du deine Marken-KPIs ins Zeitalter der künstlichen Intelligenz.