Wenn „Position 3“ nicht mehr Ranking 3 bedeutet

Die durchschnittliche Position gehört seit Jahren zu den vertrautesten Kennzahlen in der Google Search Console. Das macht sie leicht verständlich, aber inzwischen auch anfällig für Fehlinterpretationen. Wer eine Position von 3 sieht, denkt fast automatisch an einen klassischen Suchtreffer auf Rang drei.

Im Google AI Mode funktioniert diese Übersetzung nicht mehr so sauber.

John Mueller hat die zugrunde liegende Logik Mitte September 2026 noch einmal konkretisiert. Auf eine Frage bei LinkedIn erklärte er, dass AI Mode grundsätzlich der dokumentierten Positionsmethodik von Google Search folgt. Vereinfacht betrachtet werden Elemente von oben nach unten erfasst und bei Sprachen mit Leserichtung von links nach rechts entsprechend ihrer Anordnung berücksichtigt.

Das klingt zunächst vertraut. Die Konsequenzen sind es nicht.

Denn eine generative Suchoberfläche ist keine lineare Liste aus zehn blauen Links. Inhalte können innerhalb einer umfangreicheren Antwort an unterschiedlichen Stellen auftauchen. Quellen und Verweise sind Teil einer Oberfläche, deren Struktur deutlich komplexer ist als die klassische Ergebnisliste.

Genau deshalb sollte eine Search-Console-Position in AI Mode nicht automatisch als traditionelles Ranking gelesen werden.

Die Diskussion entstand aus einer sehr konkreten Frage zur Berechnung der Position. Bemerkenswert war dabei weniger, dass Google eine Methodik dokumentiert hat, sondern wie unterschiedlich selbst erfahrene SEOs diese Methodik auf AI Mode und AI Overviews übertragen hatten.

Muellers Antwort macht zwei Punkte deutlich.

Erstens verwendet AI Mode grundsätzlich die etablierte Search-Positionslogik. Zweitens kann sich die Methodik weiterentwickeln, wenn sich auch die Benutzeroberfläche verändert.

Der zweite Punkt ist für Reporting und Datenanalyse mindestens genauso relevant wie der erste. Die Kennzahl wird nicht unabhängig vom Interface erzeugt. Verändert Google die Darstellung, kann sich auch die Bedeutung einer gemessenen Position verschieben.

Eine Position ist damit nicht nur das Resultat eines Rankingsystems. Sie beschreibt zugleich, wo Google ein Element innerhalb einer konkreten Suchoberfläche verortet.

Bei klassischen Suchergebnissen war die Interpretation vergleichsweise unkompliziert. Position 1 lag vor Position 2, Position 2 vor Position 3. Die durchschnittliche Position über viele Abfragen war zwar schon damals eine aggregierte Kennzahl, ließ sich aber zumindest intuitiv mit sichtbaren Rankings verbinden.

AI Mode durchbricht dieses Modell.

Wenn Informationen, Quellen und Verweise in einer generierten Antwort eingebettet sind, beschreibt eine Positionszahl nicht mehr automatisch einen Platz in einer einheitlichen Ergebnisliste. Sie kann vielmehr die räumliche Einordnung innerhalb einer komplexeren Oberfläche widerspiegeln.

Für SEO-Reports entsteht dadurch ein semantisches Problem: Die Zahl sieht aus wie früher. Ihre Aussage ist aber nicht mehr dieselbe.

Eine der wichtigsten Erkenntnisse aus der aktuellen Diskussion betrifft die Trennung zwischen AI Mode und AI Overviews. Beide Funktionen arbeiten mit generativen Elementen innerhalb der Google-Suche. Für die Positionsmessung dürfen sie trotzdem nicht gleichgesetzt werden.

Für AI Mode gilt laut der von Mueller bestätigten Logik grundsätzlich die normale Search-Positionsmethodik.

Die visuelle Anordnung spielt damit eine zentrale Rolle. Vereinfacht ausgedrückt folgt die Erfassung der Oberfläche von oben nach unten. Bei Sprachen mit Leserichtung von links nach rechts kommt diese horizontale Reihenfolge hinzu.

Für das Reporting bedeutet das: Unterschiedlich platzierte Elemente innerhalb einer AI-Mode-Antwort können auch unterschiedliche Positionen erzeugen.

Die Metrik sagt damit etwas über die Platzierung im Interface aus. Daraus unmittelbar eine klassische Rangfolge der zitierten oder verlinkten Websites abzuleiten, geht jedoch einen Schritt weiter, als es die Kennzahl hergibt.

Bei AI Overviews ist das Positionsmodell wesentlich kompakter.

Google behandelt ein AI Overview laut Search-Console-Dokumentation als ein einzelnes Positionselement. Die Links innerhalb dieses Elements erhalten dieselbe Position.

Das ist ein entscheidender Unterschied.

Mehrere Websites können innerhalb eines AI Overviews erscheinen, ohne dass die Search Console ihnen allein aufgrund ihrer unterschiedlichen Platzierung innerhalb dieses Elements eigenständige Positionen zuweist. Wer aus diesen Daten eine Rangfolge der einzelnen Quellen rekonstruieren möchte, würde der Positionszahl deshalb eine Aussage zuschreiben, die sie nicht besitzt.

Die Unterscheidung ist keine terminologische Feinheit. Sie entscheidet darüber, ob ein Dashboard eine Search-Console-Kennzahl beschreibt oder ihr eine Bedeutung gibt, die technisch nicht abgesichert ist.

Für die praktische Arbeit bietet sich deshalb ein anderes Denkmodell an: Position in AI Mode lässt sich zunehmend als Interface-Telemetrie verstehen.

Der Begriff stammt nicht aus der Google-Dokumentation. Er beschreibt jedoch recht präzise, welches Problem bei der Interpretation entsteht.

Eine klassische Ranking-Kennzahl beantwortet gedanklich die Frage: „Auf welchem Platz steht meine Seite?“

Eine interfacebezogene Kennzahl beantwortet eher: „An welcher Stelle innerhalb der von Google erzeugten Oberfläche wurde mein Element erfasst?“

Das klingt ähnlich. Für SEO-Analyse sind es zwei deutlich unterschiedliche Fragen.

Die Konsequenz sollte nicht sein, Position aus jedem Reporting zu entfernen. Die Kennzahl liefert weiterhin Informationen.

Problematisch wird sie erst, wenn derselbe Zahlenwert automatisch dieselbe Interpretation erhält wie in einer klassischen SERP.

Auch innerhalb von AI Mode können Positionsentwicklungen auf Veränderungen der Sichtbarkeit oder Platzierung hindeuten. Bei der Analyse muss allerdings klar sein, dass sich die Zahl auf eine generative und potenziell verschachtelte Oberfläche bezieht.

Eine durchschnittliche Position von 4,2 sollte deshalb nicht ohne weiteren Kontext in die Aussage übersetzt werden, eine Domain ranke im AI Mode „durchschnittlich auf Platz vier“.

Technisch sind das zwei verschiedene Aussagen.

Angenommen, eine Website taucht bei verschiedenen Suchvorgängen an mehreren Stellen innerhalb von AI-Mode-Antworten auf. Einige Nennungen befinden sich weit oben, andere deutlich später innerhalb der generierten Oberfläche.

Die Search Console kann daraus einen durchschnittlichen Positionswert bilden.

Dieser Mittelwert beschreibt dann die aggregierte Position der erfassten Elemente. Er sagt aber nicht, dass es innerhalb von AI Mode einen stabilen „Rang 5“ gäbe, den Sie mit derselben Bedeutung wie einen klassischen organischen Treffer beobachten könnten.

Noch deutlicher wird der Unterschied bei AI Overviews. Erscheinen dort mehrere Links innerhalb desselben Overview-Elements, können diese Links dieselbe Position erhalten. Aus der Positionszahl lässt sich folglich keine interne Reihenfolge dieser Quellen ableiten.

Die eigentliche Herausforderung liegt weniger in der Search Console als in der nachgelagerten Interpretation.

Viele SEO-Dashboards übersetzen Positionsdaten automatisch in etablierte Kategorien. Es werden Durchschnittsrankings dargestellt, Veränderungen gegenüber der Vorperiode berechnet und daraus Aussagen wie „Ranking verbessert“ oder „Ranking verloren“ abgeleitet.

Bei generativen Suchoberflächen wird diese Sprache zunehmend unpräzise.

Für AI-Search-Reporting sollte deshalb zwischen Messwert und Interpretation getrennt werden.

Die Search Console liefert einen Positionswert nach einer definierten Methodik. Das Reporting muss anschließend entscheiden, was dieser Wert für die jeweilige Oberfläche tatsächlich aussagt.

Bei klassischen Suchergebnissen kann eine positionsbezogene Sprache weiterhin naheliegend sein. Bei AI Mode sollte dagegen stärker von Platzierung, Präsenz oder Positionsentwicklung innerhalb der AI-Oberfläche gesprochen werden.

Damit verändert sich nicht der Rohwert. Die semantische Ebene des Reports wird sauberer.

Gerade in der Kundenkommunikation ist dieser Unterschied relevant. Ein Dashboard, das „Ø Ranking: 3,8“ ausweist, erzeugt eine sehr konkrete Vorstellung. Wenn die zugrunde liegenden Daten teilweise aus einer generativen Oberfläche stammen, kann diese Vorstellung falsch sein.

Die drei Search-Console-Kennzahlen sollten im Kontext von AI Search nicht zu einer einzigen Erfolgsaussage verdichtet werden.

Klicks beschreiben eine tatsächliche Interaktion. Impressionen liefern Informationen darüber, dass Sichtbarkeit entstanden ist. Die Position benötigt dagegen wesentlich mehr Kontext, weil ihre Bedeutung unmittelbar von der Struktur der jeweiligen Suchoberfläche abhängt.

Aus Reporting-Sicht ist diese Trennung nützlich. Eine steigende oder fallende durchschnittliche Position sollte nicht isoliert als Beleg dafür dienen, dass eine AI-Search-Strategie erfolgreicher oder weniger erfolgreich geworden ist.

Interessanter ist das Zusammenspiel der Metriken.

Wenn sich Impressionen, Klicks und Positionswerte verändern, sollte zunächst geprüft werden, welches Messmodell der jeweiligen Search-Oberfläche zugrunde liegt. Erst danach folgt die Interpretation.

Genau an dieser Stelle beginnt technische SEO-Arbeit. Nicht bei der Zahl selbst, sondern bei ihrem Datenmodell.

Muellers Hinweis, dass sich die Methodik gemeinsam mit der Benutzeroberfläche weiterentwickeln könne, hat noch eine zweite Konsequenz.

AI-Search-Dashboards sollten nicht als dauerhaft unveränderliche Messsysteme gebaut werden.

Wer historische Zeitreihen bewertet, muss einkalkulieren, dass sich die Oberfläche und damit der Kontext der Positionsmessung verändern können. Ein direkter Vergleich zweier Zeiträume kann dadurch eine zusätzliche Prüfung benötigen.

Das betrifft insbesondere automatisierte Reports. Wenn Daten ohne semantische Zwischenschicht direkt aus einer Schnittstelle in ein Management-Dashboard übertragen werden, kann technisch alles korrekt funktionieren und die Interpretation trotzdem falsch sein.

Bei Sodah betrachten wir diese Entwicklung deshalb nicht ausschließlich als SEO-Frage. Sie ist zugleich eine Frage der Datenmodellierung, der technischen Implementierung und der korrekten Abbildung von Interfaces in Reporting-Systemen.

Unser Team besteht aus zehn Personen, darunter fünf spezialisierte Entwickler aus Full-Stack-, Frontend- und Backend-Entwicklung. Das verändert die Perspektive auf solche Metriken.

Wenn sich die Funktionsweise einer Search-Oberfläche ändert, reicht es nicht, lediglich eine neue Kennzahl in einen Report aufzunehmen. Entscheidend ist, zu verstehen, wie das zugrunde liegende System die Daten erzeugt, welche Annahmen bei der Weiterverarbeitung getroffen werden und an welcher Stelle ein Dashboard aus einem Messwert eine geschäftliche Aussage macht.

Das ist ein typisches Problem datengetriebener Systeme.

Eine API kann den richtigen Wert liefern. Die Datenbank kann ihn korrekt speichern. Das Frontend kann ihn exakt darstellen. Trotzdem kann die Beschriftung „Ranking“ fachlich zu weit gehen.

Bei AI Mode liegt genau hier das Risiko.

Wer bestehende SEO-Reporting-Systeme weiterverwendet, sollte deshalb nicht nur prüfen, ob die Search-Console-Daten technisch importiert werden. Ebenso relevant ist die Frage, welche Logik anschließend darauf angewendet wird.

Wird ein Positionswert automatisch einem klassischen Ranking-Schema zugeordnet? Werden AI Mode und AI Overviews gedanklich gleich behandelt? Entsteht aus einer durchschnittlichen Position eine Aussage über eine Reihenfolge, die das zugrunde liegende Messmodell gar nicht abbildet?

Solche Fragen liegen an der Schnittstelle zwischen SEO und Softwareentwicklung. Genau dort entscheidet sich, ob Daten lediglich verfügbar sind oder tatsächlich korrekt genutzt werden.

Die aktuelle Diskussion um die Positionsberechnung zeigt deshalb auch, wie sich SEO verändert.

Die Herausforderung besteht nicht allein darin, neue Suchoberflächen zu beobachten. Unternehmen müssen ihre Messsysteme so gestalten, dass deren Kennzahlen nicht mit veralteten Bedeutungen versehen werden.

Für AI Mode bedeutet das konkret: Die durchschnittliche Position kann weiterhin beobachtet werden. Sie sollte aber als kontextabhängige Positionsmetrik innerhalb einer generativen Oberfläche behandelt werden und nicht automatisch als moderner Ersatz für das klassische „Ranking 1 bis 10“.

Für AI Overviews gilt eine weitere Einschränkung. Da das Overview selbst als ein Positionselement behandelt wird und seine Links dieselbe Position erhalten, lässt sich aus diesen Positionswerten keine interne Rangfolge der eingebundenen Quellen ableiten.

Damit verändert sich auch die Frage, die ein guter SEO-Report beantworten sollte. Nicht mehr nur: „Wo ranken wir?“

Sondern zunehmend: „Wo und in welchem Suchkontext entsteht Sichtbarkeit, und was können die verfügbaren Messwerte darüber tatsächlich aussagen?“

Die Grundlage dieser Einordnung bilden die aktuelle sowie die Klarstellung von John Mueller im .