KI-Technik
Ko-Vorkommen (Co-Occurrence)
Kurz gesagt: Ko-Vorkommen bezeichnet das gemeinsame Auftreten zweier Begriffe in denselben Texten und ist der Mechanismus, über den Sprachmodelle Marken mit Themen, Orten und Problemen verknüpfen.
Ko-Vorkommen (Co-Occurrence): die Kurzfassung
Ko-Vorkommen ist ein Grundbegriff der Sprachverarbeitung. Er geht auf die distributionelle Hypothese zurück, die der Linguist John Rupert Firth 1957 in den Satz fasste, man erkenne ein Wort an der Gesellschaft, die es hält. Wörter, die oft in ähnlichen Zusammenhängen stehen, erhalten in Modellen ähnliche Repräsentationen. Das Verfahren GloVe (Stanford, 2014) lernt Wortvektoren sogar direkt aus einer Matrix solcher Ko-Vorkommen. Abzugrenzen ist die semantische Nähe: Sie ist das Ergebnis, Ko-Vorkommen die Ursache.
Die Einordnung
Technisch wird Ko-Vorkommen innerhalb eines Fensters gezählt: Wie oft stehen zwei Begriffe im selben Satz, Absatz oder Dokument? Frühe Verfahren arbeiteten mit solchen Zählmatrizen direkt, heutige Sprachmodelle lernen die Zusammenhänge implizit beim Training. Das Prinzip bleibt gleich. Ein Firmenname, der regelmäßig neben einem Fachthema steht, rückt im Bedeutungsraum an dieses Thema heran, auch ohne jede explizite Aussage der Form „X ist ein Anbieter für Y“. Das Ergebnis heißt semantische Nähe.
Für die Praxis folgt daraus eine andere Textarbeit als beim Linkaufbau. Es geht nicht darum, einen Namen möglichst oft unterzubringen, sondern darum, dass er im richtigen inhaltlichen Umfeld steht. Eine Nennung in einem Absatz über ein konkretes Fachproblem, in dem die Firma als Beispiel für eine Lösung auftaucht, erzeugt eine präzise Verknüpfung. Eine Nennung in einer kontextlosen Aufzählung erzeugt kaum etwas. Deshalb wirken Brand Mentions ohne Link oft stärker als erwartet: Für die Verknüpfung zählt der Text, nicht das Linkattribut.
Listicles und Fachbeiträge wirken unterschiedlich. Ein Listicle verknüpft eine Marke mit einer Kategorie, etwa „Anbieter für Lohnbuchhaltung“. Ein Fachbeitrag verknüpft sie mit einem Problem, einem Verfahren, einer Zielgruppe oder einer Region. Beides ist nützlich, das zweite ist spezifischer und schwerer zu kopieren. Google weist im Leitfaden zu generativen KI-Funktionen vom Mai 2026 zudem darauf hin, dass gezielt eingekaufte, unechte Erwähnungen weniger bringen, als man denkt, weil die Kernsysteme auf Qualität filtern und Spam aussortieren.
Einen Prüfschritt kannst du ohne Tool machen: Suche nach deinem Firmennamen zusammen mit den zwei, drei Themen, für die du genannt werden willst, und sieh dir an, welche Fremdquellen beides gemeinsam enthalten. Findest du nur die eigene Website, fehlt das Ko-Vorkommen außerhalb deiner Domain. Genau dort setzt die Arbeit an Brand Mentions für KI an. Wichtig ist, dass die Umgebung stimmt: Die Nennung sollte neben den Begriffen stehen, die auch in den Fragen deiner Kunden vorkommen.
So sieht das konkret aus
Eine Steuerkanzlei will bei Fragen zur Abrechnung in Zahnarztpraxen genannt werden. In fünf Fachbeiträgen über typische Abrechnungsfehler taucht sie jeweils als Beispiel für eine Lösung auf, zusammen mit Begriffen wie Praxisübernahme und Laborkosten. Für ein Modell entsteht so nicht nur die Verbindung „Kanzlei plus Steuerrecht“, sondern „Kanzlei plus Zahnärzte plus Abrechnung“, also genau das engere Profil, das die Kanzlei anstrebt.
Wie wir das bei Kunden umsetzen, steht hier: Technik für KI-Sichtbarkeit: Crawler, Schema, llms.txt →
Ko-Vorkommen (Co-Occurrence): typische Fragen
Reicht es, den Firmennamen möglichst oft zu nennen?
Nein. Häufung ohne thematischen Kontext erzeugt keine nützliche Verknüpfung und wirkt in redaktionellen Texten schnell wie Werbung. Entscheidend ist das Umfeld: Welche Fachbegriffe, Probleme und Orte stehen im selben Absatz wie deine Marke?
Wie messe ich Ko-Vorkommen?
Direkt kaum, denn die Trainingsdaten der Modelle sind nicht einsehbar. Indirekt über die Nennungsrate: Nennt ein System die Marke bei einer bestimmten Frage, ist die Verknüpfung offenbar entstanden. Ergänzend zeigt eine Websuche nach Marke plus Thema, welche Fremdquellen beides verbinden.
Zählen Erwähnungen ohne Link?
Ja, für Ko-Vorkommen zählt der Text, nicht der Link. Ein Sprachmodell liest die Nennung im Satzzusammenhang, das Linkattribut spielt dafür keine Rolle. Für klassisches SEO und für Besucher bleibt ein Link trotzdem wertvoll.
Was ist der Unterschied zur semantischen Nähe?
Ko-Vorkommen ist das beobachtbare gemeinsame Auftreten in Texten. Semantische Nähe ist der Abstand, der daraus im Bedeutungsraum eines Modells entsteht. Das eine ist die Ursache, das andere die Wirkung.
Verwandte Begriffe
Quellen: Pennington, Socher, Manning: GloVe – Global Vectors for Word Representation (Stanford NLP, 2014) (Stand September 2026) · Mikolov et al.: Efficient Estimation of Word Representations in Vector Space (arXiv 1301.3781) (Stand September 2026) · Google Search Central: Optimizing your website for generative AI features on Google Search (Stand September 2026)
Begriffe der KI-Suche verschieben sich schnell. Wir prüfen diesen Eintrag gegen die Dokumentation der Anbieter und aktualisieren ihn, wenn sich etwas ändert. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.