Kennt ChatGPT dein Buch? Sichtbarkeit in Antwortmaschinen

Warum die Frage neu ist

Jahrelang lief die Buchsuche über zwei Wege: Google und Amazon. Wer ein Buch zu einem Thema suchte, tippte das Thema ein und bekam eine Liste. Wer auf dieser Liste stand, wurde gefunden.

Inzwischen kommt ein dritter Weg dazu. Menschen fragen ChatGPT, Perplexity oder die KI-Antwort über den Google-Ergebnissen: „Welches Buch erklärt mir X?" Sie bekommen keine Liste. Sie bekommen drei Titel und einen Satz dazu, warum genau diese drei.

Das ist eine andere Auswahl. Eine Trefferliste hat zwanzig Plätze und der zwölfte wird noch gesehen. Eine Antwort hat drei. Wer dort fehlt, kommt in diesem Gespräch nicht vor.

Für Sachbuchautoren ist das der interessantere Kanal, weil er die Frage beantwortet, die vor dem Kauf steht. Nicht „wo kaufe ich Buch Y", sondern „welches Buch hilft mir bei Problem Z". Genau in diesem Moment fällt die Entscheidung.

Woher Antwortmaschinen ihr Buchwissen haben

Ein Sprachmodell hat dein Buch nicht gelesen. Es hat Texte gelesen, in denen dein Buch vorkommt.

Das ist der ganze Mechanismus, und er erklärt fast alles. Ein Modell kann deinen Titel nennen, wenn es genug Text über ihn gesehen hat: Verlagsseiten, Händlerseiten, Rezensionen, Fachartikel, Interviews, Foren, Wikipedia, Blogbeiträge, Podcast-Beschreibungen.

Daraus folgen zwei Dinge.

Erstens: Eine einzige Quelle reicht nicht. Ein Buch, das ausschließlich auf einer Amazon-Produktseite existiert, hat genau einen Text hinter sich. Ein Buch, über das an acht Stellen geschrieben wurde, hat acht. Das Modell braucht die Wiederholung, um den Zusammenhang zwischen deinem Namen, deinem Titel und deinem Thema als gesichert zu behandeln.

Zweitens: Widersprüche kosten dich Sichtbarkeit. Wenn dein Untertitel an drei Stellen unterschiedlich lautet, dein Name einmal mit und einmal ohne Titel steht und die Themenzuordnung schwankt, zerfällt dein Buch in mehrere schwache Datenpunkte statt einen starken.

Der Test, der fünf Minuten dauert

Bevor du irgendetwas änderst, sieh nach, wo du stehst. Nimm dir zwei Antwortmaschinen und stelle drei Fragen.

Frage 1, die Themenfrage: „Welche Bücher erklären [dein Thema] für [deine Zielgruppe]?" Wird dein Buch genannt? Wenn ja, an welcher Stelle und mit welcher Begründung?

Frage 2, die Namensfrage: „Wer ist [dein Name] und worüber schreibt er?" Kommt eine korrekte Antwort? Oder wirst du mit jemand anderem verwechselt?

Frage 3, die Titelfrage: „Worum geht es in [dein Buchtitel]?" Beschreibt die Antwort dein Buch richtig? Oder erfindet sie Inhalte dazu?

Aus den drei Antworten liest du deine Lage ab. Unbekannt heißt: zu wenig Text über dein Buch im Netz. Falsch beschrieben heißt: es gibt Text, aber er trägt nicht oder er gehört zu einem anderen Werk. Verwechselt heißt: dein Namensraum ist besetzt.

Mach den Test in einem Fenster ohne Anmeldung. Sonst antwortet die Maschine auf Basis deiner eigenen Chatverläufe und du siehst ein freundlicheres Bild als der Rest der Welt.

Vier Hebel, die du in der Hand hast

Hebel 1: Metadaten überall gleich schreiben

Titel, Untertitel, Autorenname, Verlag, ISBN und die Kurzbeschreibung sollten an jeder Stelle identisch sein: auf deiner Website, bei den Händlern, im Buchhandelsverzeichnis, in deinen Profilen, in Pressetexten. Das klingt nach Formalie und ist der billigste Hebel, den du hast. Eine Stunde Arbeit, einmal.

Hebel 2: Mehr als eine Quelle schaffen

Dein Buch braucht Text an mehreren unabhängigen Orten. Eine eigene Buchseite auf deiner Domain mit Beschreibung, Leseprobe und Inhaltsverzeichnis. Einträge bei Händlern über Amazon hinaus. Wie du dorthin kommst, steht in Über Amazon hinaus: Warum dein Buch im Buchhandel unsichtbar ist.

Hebel 3: Über das Thema schreiben, nicht über das Buch

Modelle lernen Zusammenhänge aus Fachtexten. Ein Artikel, der eine Frage aus deinem Gebiet gründlich beantwortet und dabei dein Buch als Quelle nennt, verbindet deinen Namen mit dem Thema. Zehn Werbeposts über deinen Erscheinungstermin tun das nicht.

Gastbeiträge, Interviews und Podcast-Auftritte wirken hier stärker als eigene Kanäle, weil sie auf fremden Domains liegen und damit als unabhängige Bestätigung zählen.

Hebel 4: Rezensionen sind auch Text

Eine Rezension beschreibt dein Buch mit den Worten eines Lesers. Genau solche Beschreibungen braucht ein Modell, um zu verstehen, wem dein Buch nützt. Wie du planbar zu Rezensionen kommst, steht in Amazon Rezensionen bekommen: So baust du ein System.

Wo die Grenzen liegen

Drei ehrliche Einschränkungen, damit du die Arbeit richtig einordnest.

Antwortmaschinen sind keine Suchmaschine mit Regeln, die du optimieren kannst. Es gibt keine Rangliste, keine Kennzahl und keinen Hebel, der garantiert wirkt. Was du beeinflusst, ist die Menge und die Übereinstimmung der Texte über dein Buch.

Die Modelle ändern sich schnell. Was heute gilt, kann in einem halben Jahr anders aussehen. Deshalb lohnt sich die Grundlagenarbeit an Metadaten und Quellen mehr als jeder Trick, der auf ein bestimmtes System zielt.

Und: Bei einem frisch erschienenen Buch bringt der Test wenig. Die Textbasis, aus der ein Modell schöpft, entsteht über Monate. Warte ein halbes Jahr, dann sagt der Test etwas.

Antwortmaschinen im Buchmarketing-Audit

Im Audit ist die Sichtbarkeit in Antwortmaschinen ein eigenes Kriterium in der Kategorie Auffindbarkeit und SEO. Geprüft wird, ob ChatGPT, Perplexity und die KI-Antworten von Google dich und dein Buch bei einschlägigen Fachfragen nennen, ob sie den Inhalt korrekt wiedergeben und ob dein Name eindeutig zugeordnet wird.

Daneben steht ein zweites Kriterium für die Eindeutigkeit von Titel und Name, weil ein verwechselbarer Titel jede andere Sichtbarkeitsmaßnahme unterläuft.

Das Ergebnis ist ein Befund mit Begründung: was die Maschinen über dich sagen, woran es liegt und welcher der vier Hebel bei dir zuerst greift. Wie sich das in die übrigen Kriterien einfügt, zeigt der Artikel Warum 5-Sterne-Bücher sich trotzdem nicht verkaufen.