Der AI Visibility Index von Advance Metrics zeigt, wer in den Antworten der grossen KI-Modelle auftaucht, wer nicht, und warum das für jede Organisation zur Sichtbarkeitsfrage wird.
Im Digital Fundraising sind KI-Systeme ein zunehmend wichtiger Faktor, da immer mehr Menschen ihre Fragen zu gemeinnützigen Organisationen direkt ChatGPT, Gemini oder Claude stellen. Welche Organisation bei Katastrophenhilfe am wirksamsten ist, welches Hilfswerk sich für Flüchtlinge einsetzt, welche Organisation den Tierschutz am glaubwürdigsten vertritt: Auf solche Fragen liefern die KI-Modelle heute eine kurze Antwort mit drei bis fünf konkreten Empfehlungen, und viele Nutzerinnen und Nutzer übernehmen diese Empfehlung, ohne sie zu hinterfragen.
Genau das haben wir bei Advance Metrics systematisch untersucht: Der AI Visibility Index 2026 ist unsere Studienreihe zur KI-Sichtbarkeit Schweizer Organisationen, in dieser Ausgabe mit Fokus auf die KI-Sichtbarkeit gemeinnütziger Organisationen.
KI-Sichtbarkeit im Digital Fundraising
Wir haben 14 Themenbereiche untersucht: Menschenrechte, Frauenrechte & Gleichstellung, Umwelt & Klimaschutz, Tierschutz, Frieden & Konfliktprävention, Humanitäre Hilfe, Katastrophenhilfe & Nothilfe, Entwicklungshilfe & Armutsbekämpfung, Kinderhilfe, Bildung, Gesundheit & Medizin, Korruptionsbekämpfung, Flüchtlings- und Migrationshilfe sowie Demokratieförderung & Pressefreiheit.
- Kein einzelner Favorit: Keine Organisation dominiert in allen Themenbereichen. Für jeden der 14 untersuchten Themenbereiche führt eine andere, thematisch spezialisierte Organisation.
- Caritas ist themenübergreifend stark sichtbar: Die Organisation schneidet in vier der 14 Themenbereiche besonders gut ab. Sie führt bei Katastrophenhilfe & Nothilfe und bei Flüchtlings- und Migrationshilfe, und liegt bei Humanitärer Hilfe sowie Entwicklungshilfe & Armutsbekämpfung nur knapp auf Platz zwei.
- Unterschiedliche Ergebnisse in verschiedenen KI-Modellen: Beim Schweizerischen Roten Kreuz etwa zeigen sich bei Katastrophenhilfe & Nothilfe 126 Nennungen bei ChatGPT und 106 bei Gemini, aber nur 22 bei Claude.
- Sprachvielfalt verzerrt die Sichtbarkeit: Médecins Sans Frontières wird je nach Modell unter drei verschiedenen Namen genannt, Französisch, Deutsch und als Abkürzung. Erst zusammengezählt zeigt sich die tatsächliche Spitzenposition der Organisation. Details dazu weiter unten.
- Sichtbarkeit folgt der digitalen Spur, nicht zwingend der Wirkung: Wer medial und redaktionell seit Jahren präsent ist, wird von den Modellen häufiger genannt, unabhängig von der tatsächlichen Wirksamkeit der Arbeit.
Ergebnis: Welche gemeinnützige Organisation dominiert welches Thema?
Über die 14 untersuchten Themenbereiche hinweg zeigt sich eine klare Aufteilung nach Fachgebiet, nicht ein einzelner dominanter Name.
Bei Nothilfe, Entwicklung und Migration ist Caritas die konstanteste Organisation: Sie führt bei Katastrophenhilfe & Nothilfe (345 Nennungen) und bei Flüchtlings- und Migrationshilfe (359). Bei Humanitärer Hilfe liegt jedoch Médecins Sans Frontières knapp vorn (320 gegenüber 318 für Caritas), und bei Entwicklungshilfe & Armutsbekämpfung führt Helvetas (333 gegenüber 329 für Caritas).
Die Ergebnisse sind eine Momentaufnahme über den Erhebungszeitraum, generative Modelle werden laufend aktualisiert, und mit ihnen können sich auch ihre Empfehlungen verändern. Die Studie deckt ausschliesslich den Schweizer Markt und deutschsprachige Anfragen ab.
Bei Rechten und Governance führt Amnesty International bei Menschenrechten (356), Terre des Femmes bei Frauenrechten & Gleichstellung (313), Transparency International bei Korruptionsbekämpfung (374), und Reporter ohne Grenzen bei Demokratieförderung & Pressefreiheit (335).
Bei Umwelt und Tieren führt WWF Schweiz bei Umwelt & Klimaschutz (372, knapp vor Pro Natura mit 342 und Greenpeace mit 331), Vier Pfoten bei Tierschutz (321).
Bei Kindern und Bildung führt Save the Children sowohl bei Kinderhilfe (354, vor Terre des Hommes mit 341 und Unicef mit 315) als auch bei Bildung (267, vor Helvetas mit 242 und Unicef mit 233).
Bei Gesundheit und Frieden führt Médecins Sans Frontières deutlich bei Gesundheit & Medizin (383), Swisspeace bei Frieden und Konfliktprävention (317).
Diese Aufteilung nach Fachgebiet ist plausibel: Sie folgt der öffentlichen Wahrnehmung dieser Organisationen, wie sie sich über Jahre in Medien, Fachartikeln und Spendenaufrufen aufgebaut hat. Wer sich glaubwürdig auf ein Thema spezialisiert hat, wird für genau dieses Thema auch von der KI erkannt, unabhängig von der Grösse der Organisation insgesamt.
Deep Dive: Mehrsprachigkeit ist ein Problem für die KI-Modelle
Der aufschlussreichste Einzelbefund der gesamten Studie betrifft: wie KI-Modelle mit mehrsprachigen Organisationsnamen umgehen, ein Thema, das für die Schweiz mit ihren vier Landessprachen besonders relevant ist.
Médecins Sans Frontières wird von den KI-Modellen nicht einheitlich benannt. Teils erscheint der französische Name, teils die deutsche Übersetzung Ärzte ohne Grenzen, teils die Abkürzung MSF, teils Kombinationen aus mehreren dieser Varianten innerhalb derselben Antwort. Rein rechnerisch verteilen sich die Nennungen der Organisation dadurch auf mehrere scheinbar unterschiedliche Einträge.
Erst wenn man diese Varianten zusammenzählt, zeigt sich die tatsächliche Sichtbarkeit: Bei Gesundheit & Medizin wird die Organisation so zur klar meistgenannten (383 Nennungen), eine Spitzenposition, die unsichtbar bliebe, würde man die Sprachvarianten getrennt auswerten.
Das verweist auf eine Einschränkung der KI-Modelle: Sie erkennen nicht immer zuverlässig, dass unterschiedliche Sprachbezeichnungen dieselbe Organisation meinen, und splitten deren Sichtbarkeit dadurch künstlich auf. Für mehrsprachig kommunizierende Organisationen bedeutet das ein reales Risiko, in KI-Antworten systematisch unterschätzt zu werden, nicht weil sie weniger sichtbar sind, sondern weil ihre Sichtbarkeit auf mehrere Namen verteilt ist.
Wie funktionieren KI-Modelle?
Die beobachteten Muster lassen sich am ehesten mit der Funktionsweise der Modelle selbst erklären, nicht mit der tatsächlichen Wirksamkeit der Arbeit einer Organisation. KI-Modelle lernen aus öffentlich verfügbaren Texten: Webseiten, Medienberichten, Spendenkampagnen, Fachpublikationen. Wer dort über Jahre hinweg präsent war, erscheint auch in den generierten Antworten häufiger, weil die Organisation schlicht öfter im Trainingsmaterial vorkam.
KI-Sichtbarkeit folgt damit in erster Linie der digitalen Spur einer Organisation, nicht direkt ihrer Wirkung. Das erklärt auch, warum die Aufteilung nach Fachgebiet so klar ausfällt: Organisationen, die sich glaubwürdig auf ein Thema spezialisiert haben, prägen über Jahre auch dessen öffentliche Wahrnehmung.
Die drei Modelle ziehen dabei aber nicht immer dieselben Schlüsse aus derselben digitalen Spur. Beim Schweizerischen Roten Kreuz etwa zeigt sich bei Katastrophenhilfe & Nothilfe ein deutlicher Unterschied: ChatGPT nennt die Organisation 126 Mal, Gemini 106 Mal, Claude dagegen nur 22 Mal. Wer hier «objektiv am sichtbarsten» ist, hängt also stark davon ab, welches Modell man fragt.
Wie NPOs ihre KI-Sichtbarkeit im Digital Fundraising steigern können
Ohne einen Blick hinter die Kulissen einer konkreten Website lassen sich keine seriösen, organisations-spezifischen Empfehlungen abgeben. Was wir aber teilen können, sind die allgemeinen Prinzipien, die die KI-Sichtbarkeit einer Organisation nachweislich beeinflussen.
Best Practices für KI-Sichtbarkeit
- Inhalte für KI-Modelle auffindbar machen. Können die Modelle sämtliche Seiten überhaupt finden? Oder liegen relevante Inhalte hinter JavaScript versteckt und bleiben damit unsichtbar?
- Inhalte für KI-Modelle strukturieren. Generative Modelle verarbeiten Inhalte in einzelnen Abschnitten («Chunks»). Jeder Abschnitt sollte auch für sich allein verständlich sein, nicht nur im Kontext der ganzen Seite.
- Themengebiete ganzheitlich abdecken. Wer für ein Thema sichtbar sein will, muss auch die naheliegenden Unterthemen bedienen, nicht nur die eine Hauptseite dazu.
- Bei mehrsprachiger Kommunikation auf Konsistenz achten. Wie der Fall Médecins Sans Frontières zeigt, kann ein uneinheitlich verwendeter Name die eigene Sichtbarkeit künstlich verringern.
- Plattformübergreifend konsistent und auffindbar sein. Eine einzelne Webseite reicht nicht mehr aus. KI-Modelle ziehen ihre Empfehlungen aus einem breiteren Ökosystem an Quellen und Kanälen.
Empfohlene nächste Schritte
- AI Visibility Audit: eine Bestandsaufnahme, für welche Themen und Unterthemen eine Organisation bei den relevanten KI-Modellen bereits sichtbar ist, und wo nicht.
- GEO Tech Check: eine technische Prüfung, ob strukturelle Hürden KI-Modelle daran hindern, eine Organisation überhaupt zu finden und einzuordnen.
- Qualitative Analyse von Seitenstruktur, Content und User Experience, um Inhalte gezielt für KI-Modelle (und gleichzeitig für Google und für Menschen) besser aufzubereiten.
- Eine holistische, plattformübergreifende Content-Strategie, die über die eigene Website hinausdenkt.
Fazit
Der AI Visibility Index 2026 zeigt: Auch im Non-Profit-Bereich ist KI-Sichtbarkeit heute schon ungleich verteilt, messbar, und alles andere als stabil über verschiedene Modelle hinweg. Wer sich darauf verlässt, dass wirksame Arbeit sich schon von selbst herumspricht, blendet aus, dass die Antwort einer KI zuerst eine Frage der digitalen Präsenz ist, nicht der tatsächlichen Wirkung. Für kleinere, thematisch aber genauso relevante Organisationen bedeutet das eine zusätzliche, bisher kaum sichtbare Hürde. Für alle Organisationen gilt: Wer heute versteht, wie KI-Modelle über die eigene Arbeit sprechen, ist besser vorbereitet auf eine Zukunft, in der diese Modelle einen wachsenden Teil der öffentlichen Wahrnehmung mitgestalten.
