Kann Google Analytics oder Plausible KI-Agenten messen?

Was Web-Analytics sieht

Ein Mensch, der von chatgpt.com oder perplexity.ai kommt, ist ein gewöhnlicher Besuch mit Referrer. GA4 kann die Quelle auswerten; Plausible hat inzwischen einen Kanal AI Assistants mit einzelnen Quellen, Einstiegsseiten und Conversions. Ein fehlender Referrer lässt sich weiterhin nicht sicher rekonstruieren. Agent Tracking ordnet erkennbare Referrals ebenfalls zu, ersetzt aber keine vollständige Analyse menschlicher Besucher.

Was zusätzliche Instrumentierung braucht

GPTBot und ähnliche Crawler holen HTML meist ohne ein Webanalyse-Script auszuführen; ihre Anfragen benötigen Server- oder Edge-Logs. Ein WebMCP-Aufruf ist ein Browser-Ereignis, das gezielt erfasst werden muss. GA4 und Plausible können konfigurierte eigene Events zählen, erkennen aber nicht automatisch jeden Model-Context-Aufruf. Die Zuordnung eines Zielabschlusses hängt von Session- und Event-Signalen ab. Ein menschlicher Kauf nach einem KI-Referral bleibt etwas anderes als eine autonome Agentenaktion.

Was Agent Tracking ergänzt

Origin-Log-Abrufe mit unterstützter IP-Prüfung und Burst-Gruppierung, instrumentierte Tool-Aufrufe mit technischen Ergebnissen, Browser-Zielversuche, getrennte serverbestätigte Abschlüsse und erkennbare Assistenten-Referrals. Rohe Tool-Eingaben werden nicht gespeichert.

Für jedes Ereignis die passende Quelle

Nutze Webanalyse für Besucher und Conversions, Server-Logs für Crawler und gezielte Events für Browser-Tools. Bei erkennbaren KI-Referrals können sich die Werkzeuge überschneiden; addiere die Zählungen deshalb nicht. Der ausführliche KI-Traffic-Leitfaden beschreibt den Aufbau.

<script defer data-domain="example.com" src="https://agenttracking.co/agent.js"></script>

Welche Fragen jedes Produkt beantwortet

Für die Herkunft menschlicher Besucher sind GA4 und Plausible ausgereifte Werkzeuge. Sie zeigen erkennbare Quellen, Einstiegsseiten und konfigurierte Ziele. Plausible gruppiert bekannte Assistenten im Kanal AI Assistants; GA4 kann solche Quellen über seine Traffic-Dimensionen auswerten. Agent Tracking zeigt Referrals ebenfalls, stellt sie aber neben Crawler-Anfragen und Agentenaktionen. Es ist keine vollständige Webanalyse für den gesamten Besucherweg.

Für Crawler ist ein Browser-Script die falsche Datenquelle. Laut Google schließt GA4 bekannte Bots automatisch aus, und Plausible filtert bekannte Bots. Für eine Crawler-Auswertung sind deshalb Server-Logs oder Edge-Daten nötig. Agent Tracking importiert Origin-Logs. Ein CDN wie Cloudflare sieht auch Anfragen, die wegen Cache oder Blockierung nie am Origin ankommen.

Bei WebMCP-Aktionen lautet die Frage, ob Aufruf und Ergebnis automatisch erfasst werden. GA4 oder Plausible können eigene Events zählen, wenn die Website sie sendet. Die Instrumentierung muss jemand schreiben und pflegen. Das Snippet von Agent Tracking beobachtet unterstützte Browser-Tool-APIs und kann Aufrufe mit Zielmarkern verbinden. Ein entfernter MCP-Server braucht seine eigenen Logs; ein Script auf der Webseite kann ihn nicht von innen beobachten.

Ein Beispiel mit drei verschiedenen Zahlen

Angenommen, eine Produktseite erhält diese Woche acht erkennbare ChatGPT-Referrals. Konfigurierte Analytics können diese Besuche anzeigen. Im Server-Log stehen 120 Anfragen mit dem User-Agent GPTBot; 95 passen zu aktuellen veröffentlichten IP-Bereichen. Ein Verfügbarkeits-Tool wurde sechsmal mit einem Validierungsfehler aufgerufen; zwei getrennte Serverbelege bestätigen Reservierungen.

Die acht Besuche, 95 verifizierten Abrufe und sechs Tool-Aufrufe sind verschiedene Populationen. Addiere sie nicht zu 109 KI-Besuchern. Die Bot-Anfragen müssen nie zu einer sichtbaren Antwort geführt haben; die Referrals können aus Antworten stammen, die andere Quellen nutzten. Der sinnvolle Befund ist enger: Die Seite bekam erkennbaren Traffic aus ChatGPT, ein verifizierter Bot lud sie, und ein Tool-Fehler braucht Aufmerksamkeit.

Ein ChatGPT-Referral zeigt die Quelle eines menschlichen Besuchs. Ein Browser-Tool-Aufruf beweist den Akteur nicht. Die sechs Aufrufe und zwei Serverbelege haben ohne individuelle Verknüpfung unterschiedliche Nenner. Instrumentiere den Abschluss, bevor du eine Conversion-Rate angibst.

Wo GA4 und Plausible mehr leisten

GA4 und Plausible decken den übrigen Weg menschlicher Besucher ab: Kampagnen, Einstiegsseiten, Engagement und konfigurierte Ergebnisse. Plausible ist für die Frage nach Assistenten-Referrals besonders direkt, weil es den KI-Kanal schon pflegt. GA4 passt gut, wenn eine Organisation dessen umfangreichere Berichte und Werbeintegrationen bereits nutzt. Preise, Datenschutzoptionen und Grenzen ändern sich; vergleiche dafür die aktuelle Dokumentation und die Vertragsbedingungen der Anbieter.

Wenn du nur wissen willst, welche Assistenten Menschen schicken, beginne im bereits verwendeten Analytics-Produkt. Ein zweites Werkzeug für eine Stichprobe mit acht Klicks kann mehr Arbeit als Erkenntnis bringen. Ergänze Log-Verarbeitung, sobald Crawler-Verhalten eine Entscheidung beeinflusst. Instrumentiere Browser-Tools, sobald Agenten auf deiner Website tatsächlich Aufgaben ausführen können.

Was Agent Tracking zusätzlich verbindet

Agent Tracking kombiniert erkennbare Assistenten-Referrals, verifizierte Crawler-Abrufe aus hochgeladenen Logs und Aufrufe von Onpage-MCP- oder WebMCP-Tools. Es zeigt Verifikationsstatus, Abruf-Bursts, Tool-Fehler und Zielereignisse. Der Code ist unter AGPL-3.0 öffentlich, lässt sich selbst hosten und es gibt einen gehosteten Free-Plan mit Grenzen. Das macht den Datenfluss prüfbar; Selbsthosting benötigt aber weiterhin Server und Wartung.

In vielen Fällen werden die Produkte nebeneinander genutzt. GA4 oder Plausible bleiben für menschliche Besuche. Agent Tracking kommt hinzu, wenn Fragen zu Crawler-Anfragen oder Agentenaktionen mit der bestehenden Datenquelle unbeantwortet bleiben. Vergleiche Referral-Zahlen nur bei gleichem Zeitraum und gleichen Seitendefinitionen; Datenschutzeinstellungen, Blocker und Klassifikationslisten können Unterschiede verursachen.

So prüfst du den Vergleich für deine Website

Beginne mit drei Fragen an dein bestehendes Analytics: Wie viele erkennbare Menschen kamen in den letzten vier Wochen aus Assistenten? Auf welchen Seiten landeten sie? Welche konfigurierten Ziele erreichten sie? Wenn diese Fragen beantwortet sind, prüfe das Server-Log auf Crawler-Anfragen und deren HTTP-Status. Vergleiche Stichproben mit den veröffentlichten IP-Bereichen der Betreiber. Erst danach lohnt sich die Frage nach WebMCP-Aufrufen: Bietet die Site überhaupt Tools an, und welche Entscheidung würde eine Fehlerrate verändern?

Dokumentiere anschließend für jede Zahl Quelle, Zeitraum und Definition. So kannst du in drei Monaten denselben Bericht wiederholen. Ein Anbieterwechsel nur wegen eines neu benannten KI-Kanals ist selten nötig. Wichtiger ist, dass das Werkzeug die Ereignisse sieht, über die dein Team entscheiden muss, und dass niemand Bot-Anfragen als menschliche Sitzungen oder Referrals als bewiesene Zitate präsentiert.

Kurz gefragt