Viele Unternehmen beginnen AI Measurement mit Browser-JavaScript. Das ist sinnvoll. Es erkennt menschliche Besuche aus AI-Referrern und kann Verhalten, Formulare und Conversions messen. Aber wer dort stehen bleibt, übersieht einen großen Teil der AI-Aktivität.
AI Crawler führen häufig kein JavaScript aus. Serverseitige Agent-Fetches erzeugen keine klassische Browser-Session. MCP- oder API-Zugriffe erscheinen nicht in gewöhnlicher Web-Analytics. JavaScript ist wichtig, aber nicht das Ende der Messkette.
L0: Plattform-Baseline
GA4, GSC und Plattform-Reports zeigen einen Ausgangspunkt. Man sieht Teile menschlicher Sessions und Suchnachfrage. Man sieht aber kaum, welche Seiten von Agents gelesen werden. Für Management-Reporting ist das ein Anfang, nicht die volle AI-Sicht.
L1: First-Party-JS
Ein eigenes Script auf der Website verbessert die Sicht auf AI-Referrer, Besucherpfade, Engagement und Conversion-Vorstufen. Diese Ebene ist besonders nützlich, wenn Datenqualität und Ownership wichtig sind. Sie bleibt aber blind für nicht-JS-fähige Agents.
L1.5: Edge Lite Bridge
Auf CDN- oder Edge-Ebene lassen sich Requests erfassen, bevor sie den Origin erreichen. Hier werden GPTBot, ClaudeBot, PerplexityBot oder ChatGPT-User sichtbar. Diese Stufe hat oft den höchsten kurzfristigen ROI, weil Request-Aktivität sichtbar wird, die Browser-JS nicht sehen konnte.
Der Nebeneffekt: AI-Metriken springen. Das ist nicht automatisch Marktwachstum. Häufig ist es Messabdeckung. Deshalb muss jeder Ausbau der Evidence Ladder im Reporting markiert werden.
L2: Managed Log Connector
Cloudflare Logs, Vercel Logs, Shopify- oder Serverlogs liefern die Request-Karte: Agent, Pfad, Frequenz, Statuscode, Zeit. Diese Daten verbinden GEO, SEO, Security und Infrastruktur. Sie zeigen, welche Inhalte für AI-Systeme tatsächlich lesbar und erreichbar sind.
L3: Enterprise Telemetry
OpenTelemetry GenAI-Spans, MCP Tool Calls, API Audits und Payment- oder Checkout-Spuren gehören zur höchsten Stufe. Sie sind nicht für jedes Team am ersten Tag nötig. Aber sobald AI Agents operative Systeme verwenden, braucht man nachvollziehbare Ausführungsketten.
Die Evidence Ladder verhindert, dass alles als AI Traffic etikettiert wird. JS beweist menschliche Visits. Edge beweist Agent-Requests. Logs beweisen die Request-Landschaft. Telemetrie beweist spätere Tool- und Transaktionsketten. Gute Messung hält diese Ebenen getrennt und verbindet sie erst danach.
Level | Sichtbare AI-Aktivität | Neue AIAA-Schicht | Sprung bei Ersteinführung |
|---|---|---|---|
L0 | 5-10% | Visit teilweise, Commerce teilweise | Baseline |
L1 | 8-15% | Visit stärker | +30-80% Visit möglich |
L1.5 | 25-45% | Request | +200-500% Gesamtaktivität möglich |
L2 | 40-65% | Request stärker | +20-40% Request möglich |
L3 | 75-95% | Answer, Attribution | Erste fast vollständige Sicht |
Der wichtigste Punkt: Ein Sprung nach einer neuen Stufe ist nicht automatisch Wachstum. Wenn Edge Lite aktiviert wird, kann AI Activity stark steigen, weil vorher unsichtbare Agent-Requests sichtbar werden. Das ist wertvoll, aber es ist Coverage Expansion. Ein belastbares Reporting muss diesen Effekt von echter Nachfrage trennen.
Viele Unternehmen sollten nicht sofort L3 bauen. Der pragmatische Weg beginnt mit L0 als Baseline, ergänzt L1 für menschliche Visits, fügt L1.5 für Agent-Requests hinzu und konsolidiert später Logs in L2. Erst wenn Agents operative Tools, APIs oder Checkout-Prozesse beeinflussen, wird L3 mit Telemetrie und Audit-Trails zwingend.
So wird die Evidence Ladder zu einer Roadmap. Mehr Request bedeutet vielleicht bessere Beobachtung. Mehr Visit bedeutet menschliche Reaktion. Mehr Commerce bedeutet kaufnahe Handlung. Mehr Attribution bedeutet belastbarere Umsatzbegründung. Ohne diese Trennung wird eine technische Messverbesserung leicht als Marktboom missverstanden.
Gerade in komplexen Organisationen ist das wichtig. Analytics, SEO, Infrastructure, Commerce, CRM und Finance sehen unterschiedliche Systeme. AI Agents bewegen sich aber über diese Grenzen hinweg. Ein Bot liest Produktdaten, ein Nutzer kommt später über eine AI-Empfehlung, ein Lead landet im CRM, eine Order entsteht im Shop. Die Evidence Ladder gibt diesen Teams eine gemeinsame Sprache, ohne die Beweisstufen zu vermischen.
Ein praktisches Reporting markiert deshalb jede neue Stufe. Wird Edge Lite im Juni aktiviert, sollte der Juni als Coverage-Change gekennzeichnet werden. Erst ab Juli kann das Team unter gleicher Abdeckung vergleichen. Wird später ein Log Connector oder eine Telemetrie-Schicht ergänzt, gilt dasselbe. So bleibt die Organisation ehrlich: bessere Sichtbarkeit ist Fortschritt, aber nicht automatisch Nachfrage.
Der Investitionspfad wird dadurch klarer. Wer noch kaum AI-Referrer sieht, braucht zuerst L1. Wer AI-Agent-Requests verstehen will, braucht L1.5 und L2. Wer AI-Tool-Calls, API-Zugriffe oder Checkout-Eingriffe auditieren muss, braucht L3. Die Ladder verhindert Overengineering am Anfang und Unterinstrumentierung, wenn Agents operativ werden.
FAQ
Q1: Warum reicht Browser-JS nicht aus?
A: Viele Agents führen kein JavaScript aus und erzeugen daher keine normale Analytics-Session.
Q2: Welche Stufe ist der beste Start?
A: First-Party-JS plus Edge-Beobachtung ist für viele Teams der pragmatische Start.
Q3: Warum steigen AI-Zahlen nach Edge-Setup stark?
A: Weil zuvor unsichtbare Requests sichtbar werden. Das ist oft Coverage Expansion, nicht Wachstum.
Q4: Wann braucht man L3?
A: Wenn Agents Tool Calls, APIs, Checkout oder Zahlungen ausführen oder beeinflussen.
Q5: Was macht AIAA damit?
A: AIAA ordnet die Signale nach Beweisstufe und verbindet sie zu einer kommerziellen Kette.