--- title: "Agent Success Score: KI-Sichtbarkeit und KI-Nutzbarkeit messen | Hyperize" description: "Wie Hyperize misst, ob KI-Agenten ein Angebot finden und eine Aufgabe erledigen: KI-Sichtbarkeit, KI-Nutzbarkeit, Belege und ein Score je Agentenrolle." canonical: https://www.hyperize.ai/de/methodology/agent-success-score lang: de last-updated: 2026-10-04 --- # Agent Success Score. Methodik · Messung Der Agent Success Score misst, wie gut eine Marke KI-Agenten bei einer festgelegten Kundenaufgabe unterstützt. Er verbindet KI-Sichtbarkeit, KI-Nutzbarkeit und Belege zu einem Wert von 0 bis 10, getrennt nach Agentenrolle. Die Tests dahinter zeigen, was gelang, wo Agenten stoppten und unter welchen Bedingungen. Der Score fasst den Test zusammen. Die Belege erklären das Ergebnis. Einordnung Wie gut ist Ihr Angebot für KI nutzbar? Wir prüfen das Angebot, das ein ankommender KI-Agent nutzt: Website, Daten und erlaubte Funktionen. Die ähnlich benannte Erfolgsquote im Kundenservice misst dagegen, wie oft Support-Mitarbeiter oder Service-Bots ein Anliegen lösen. Es geht weder um einen allgemeinen KI-Modellvergleich noch um die Erfolgsquote eines Support-Teams. Von der Prüfung zur Umsetzung ## Den Kundenweg prüfen. Eine gültige Datei oder korrektes Markup zeigt, dass eine technische Voraussetzung erfüllt ist. Für den Kundenweg prüfen wir zusätzlich, ob Agenten das Angebot finden, wichtige Angaben lesen und den vereinbarten Zielpunkt erreichen \[S1\]. Aufgabe und Testgrenzen stehen vorher fest. Eine technische Hürde, eine fehlende Berechtigung und ein geplanter Stopp vor dem Absenden werden getrennt erfasst. Ein gescheiterter Lauf allein beweist weder seine Ursache noch einen entgangenen Auftrag \[S2\]. So entsteht der Score ## Finden und Handeln getrennt prüfen Eine Empfehlung bedeutet noch nicht, dass ein Agent das Angebot nutzen kann. Ein nutzbares Angebot kann zugleich unentdeckt bleiben. Wir messen beide Fragen getrennt und ergänzen die Beleglage. KI-Sichtbarkeit · 20 % ### Findet und empfiehlt die KI Ihr Angebot? Wir prüfen aufgabenbezogene Fragen auf den dokumentierten KI-Plattformen. Fragen ohne Markennennung zeigen, ob eine Marke von selbst erscheint. Markenbezogene Abfragen müssen getrennt ausgewiesen werden. KI-Nutzbarkeit · 70 % ### Kommt der Agent auf Ihrer Website weiter? Wir prüfen, welche Agentenklassen Angaben lesen und erlaubte Schritte ausführen können. Der Wert wird aus dem beobachteten Zugangsprofil und dem erreichten Zielpunkt abgeleitet. Er ersetzt nicht die Beschreibung des Tests \[S1\]. Belege · 10 % ### Ist das Ergebnis nachvollziehbar? Die Beleglage erfasst, was den Befund stützt und wie konsistent die geprüften Ergebnisse sind. Sie ergänzt die beiden Messachsen. Ein hoher Teilwert hebt einen begrenzten Testumfang nicht auf. Gewichtung · öffentlich Agent Success Score = (KI-Sichtbarkeit × 0,20) + (KI-Nutzbarkeit × 0,70) + (Belege × 0,10) Alle Teilwerte liegen auf einer Skala von 0 bis 100; die gewichtete Summe wird durch zehn geteilt. Veröffentlichtes DHL-Beispiel aus Q2 2026: Sichtbarkeit 46,04, Nutzbarkeit 68 und Belege 85 ergeben gerundet 6,5 von 10. Eine Paketaufgabe, Konfidenz C; der Checkout hinter dem Login wurde nicht getestet. Das ist ein historisches Beispiel, keine neue Messung \[S3\]. Wie belastbar ist das? Zwei Prüfwege, ein Kundenweg. Ein Fragen-Audit prüft das Gefundenwerden. Agentenläufe prüfen Zugänge und Aktionen am realen Angebot. Die Methoden betrachten verschiedene Teile des Kundenwegs. Übereinstimmung kann einen Befund stärken, hebt ihre Grenzen aber nicht auf. Aufgaben stehen vor der Messung fest; zu jedem Ergebnis gehören Umfang und Datum \[S2\]. Sechs Agentenrollen ## Jede Rolle wird einzeln bewertet Ein Einkaufsagent hat eine andere Aufgabe als ein Bewerbungs- oder Presseagent. Das Modell unterscheidet sechs Rollen, intern „Lanes“ genannt. Ein Ergebnis für eine Rolle ersetzt keine Messung der anderen \[S4\]. Einkauf Kaufen Bewerbung Bewerben Service Problem lösen Beschaffung Angebot prüfen Investoren Analysieren Presse Recherchieren Jede vollständig gemessene Rolle erhält ihren eigenen Score. Fehlende Messungen bleiben sichtbar. Der DAX-40-Vergleich nutzt das gemeinsame Messset für Einkäufe; zusätzlich sind Bewerbungstests veröffentlicht. Diese Tests allein ergeben noch keinen vollständigen Talent-Score \[S4\]. Umfang und Grenzen Was der Wert aussagt. Definition und Gewichte sind öffentlich. Die detaillierte Bewertungslogik und Rohprotokolle bleiben im Projekt. Ergebnisse gelten für die getestete Aufgabe, Zugänge, Systeme und den Zeitpunkt. Ein Score von 6,5 bedeutet nicht 65 Prozent Kaufwahrscheinlichkeit. Sieben Selbsttest-Prompts liefern Beobachtungen, keinen solchen Score. Rankings, Zitierungen und künftige Abschlüsse sind nicht garantiert. [Meine Kundenaufgabe besprechen →](/de/contact) Weiterführend ## Verstehen. Umsetzen. Vergleichen. [ Faire Testaufgaben ### Aufgabenwahl. Welche Aufgaben einen fairen Vergleich erlauben und wie wir direkte Wege und Vermittler unterscheiden. Regeln lesen](/de/methodology/task-selection) [ Technische Umsetzung ### Ihr Angebot für KI. Seiten, Daten und Funktionen, die Agenten lesen und nutzen können. Hier wird aus einem Befund die passende Umsetzung. Meine Anbindung verstehen](/de/methodology/agent-surface) [ Öffentliche Beispiele ### DAX 40 Agent Success Index. Die Methodik an realen Marken: gemessene Aufgaben, Ergebnisse und Grenzen im Zusammenhang. Ergebnisse ansehen](/de/dax40-index) Fragen ## Häufige Fragen zum Score Was ist der Agent Success Score? Der Agent Success Score misst, wie gut eine Marke KI-Agenten bei einer festgelegten Kundenaufgabe unterstützt. Er verbindet KI-Sichtbarkeit, KI-Nutzbarkeit und Belege zu einem Wert von 0 bis 10, getrennt nach Agentenrolle. Die Tests dahinter zeigen, was gelang, wo Agenten stoppten und unter welchen Bedingungen. Ist das die Erfolgsquote eines Service-Bots? Wir prüfen das Angebot, das ein ankommender KI-Agent nutzt: Website, Daten und erlaubte Funktionen. Die ähnlich benannte Erfolgsquote im Kundenservice misst dagegen, wie oft Support-Mitarbeiter oder Service-Bots ein Anliegen lösen. Wie wird der Agent Success Score berechnet? KI-Sichtbarkeit zählt 20 Prozent, KI-Nutzbarkeit 70 Prozent und die Beleglage 10 Prozent. Jeder Teilwert liegt zwischen 0 und 100. Die gewichtete Summe wird durch zehn geteilt und je Agentenrolle ausgewiesen. Die Nutzbarkeit wird aus dem beobachteten Zugangsprofil abgeleitet; die detaillierte Bewertungslogik bleibt im Projekt. Quellen ## Belege und Herkunft S1 Interne Methodik Interne Bewertungsdefinition Hyperize · Mai 2026 Interne Definition, nicht öffentlich zugänglich. Belegt: Definition der beiden Messachsen, abgeleitete Nutzbarkeit und öffentliche Gewichte. Keine unabhängig zugängliche Quelle. S2 Methodik Aufgabenwahl Hyperize · Mai 2026 [https://www.hyperize.ai/de/methodology/task-selection](https://www.hyperize.ai/de/methodology/task-selection) Belegt: Regeln für die Auswahl fairer Aufgaben und die Trennung direkter Wege von Vermittlern. S3 Historische Messung DHL Group: veröffentlichter Test (englische Fassung) Hyperize · Q2 2026 [https://www.hyperize.ai/en/dax40-index/brands/dhl](https://www.hyperize.ai/en/dax40-index/brands/dhl) Belegt: Alle Teilwerte liegen auf einer Skala von 0 bis 100; die gewichtete Summe wird durch zehn geteilt. Veröffentlichtes DHL-Beispiel aus Q2 2026: Sichtbarkeit 46,04, Nutzbarkeit 68 und Belege 85 ergeben gerundet 6,5 von 10. Eine Paketaufgabe, Konfidenz C; der Checkout hinter dem Login wurde nicht getestet. Das ist ein historisches Beispiel, keine neue Messung \[S3\]. S4 Messübersicht DAX 40 Agent Success Index Hyperize · Veröffentlichter Datenstand je Test [https://www.hyperize.ai/de/dax40-index](https://www.hyperize.ai/de/dax40-index) Belegt: Gemeinsames Commerce-Messset und separat ausgewiesene Bewerbungstests. Keine neue Messung durch diese Erklärung. Die interne Bewertungsdefinition ist keine öffentliche Quelle. Die verlinkten Seiten zeigen die Regeln der Aufgabenwahl und historische Beispiele. Diese Seite aktualisiert die Erklärung; sie misst keine Marke neu. Aktualisiert 2026-10-04 Nächste Prüfung 2026-11-03 Belegart Eigene Methodik Konfidenz A --- Canonical: https://www.hyperize.ai/de/methodology/agent-success-score Machine-readable index: https://www.hyperize.ai/llms.txt