Matomo 5.8.0: KI-Bot-Traffic messen – was das neue AI Chatbot Tracking leistet und was es nicht leistet

Wo Matomo 5.8.0 in die bestehende Matomo-Geschichte einzuordnen ist

ROCKITdigital setzt seit Jahren auf Matomo als DSGVO-konforme Analytics-Plattform. Mit damals Urching bzw. darauf aufbauend Google-Analytics groß geworden, haben vorallem die DSGVO, aber auch die fundamentalen Umstellungen in GA4 uns in die Arme von Matomo getrieben 😉

Mit Version 5.5.0 hat Matomo erstmals KI-Referrals als eigene Kanal-Kategorie eingeführt: Die neue Rubrik AI Assistants macht seitdem sichtbar, wenn menschliche Besucher nach einem Klick aus ChatGPT, Perplexity, Copilot, Gemini oder Claude auf die eigene Website kommen. Das war ein erster, wichtiger Schritt.

Version 5.8.0 ergänzt das um eine neue Messebene – die des autonomen KI-Bot-Abrufs, unabhängig vom menschlichen Besucher dahinter.

Das klingt nach einer technischen Nuance. Es ist eine strategisch relevante Unterscheidung. KI-Systeme wie ChatGPT Search, Perplexity oder Gemini Deep Research crawlen Websites aktiv, um Antworten zu generieren. Dieser Abruf ist keine menschliche Besuchshandlung – er hinterlässt keinen Klick, keine Session, keine Conversion in klassischen Analytics-Systemen. Er war bisher schlicht unsichtbar. Matomo 5.8.0 macht ihn sichtbar.

Matomo 5.5.0 misst, wann Menschen nach einem KI-Kontakt kommen. Matomo 5.8.0 misst, wann KI-Systeme selbst kommen – bevor ein Mensch überhaupt involviert ist.

Was das AI Chatbot Tracking in Matomo 5.8.0 misst – und was nicht

Das Messprinzip: No-Visit-Modus

Das technische Fundament ist sauber konzipiert: KI-Bot-Requests werden von Matomo in einem dedizierten No-Visit-Modus verarbeitet. Das bedeutet: Diese Requests erzeugen keine Visits, keine Sessions, keine Attribution-Daten. Sie fließen nicht in die Besucherstatistiken ein und verfälschen keine Conversion-Raten oder Bounce-Rates. Die Daten landen in separaten Telemetrie-Tabellen und erscheinen ausschließlich in den neuen AI Chatbot Reports im Bereich AI Assistants.

Das ist keine Selbstverständlichkeit. Alternative Ansätze – etwa die Auswertung von Server-Logs – vermischen Bot-Traffic mit menschlichem Traffic und erfordern durchaus aufwändige Filterlogiken. Matomo trennt jetzt beides sauber auf Systemebene.

Welche KI-Systeme erkannt werden

Die Erkennung erfolgt per User-Agent-Substring-Matching. Matomo dokumentiert folgende Mindestliste unterstützter KI-Bots:

User-Agent-Kennung	System	Funktion
ChatGPT-User	OpenAI / ChatGPT Search	Aktive Suche mit Webzugriff
Perplexity-User	Perplexity AI	Aktive Suche mit Webzugriff
Claude-User	Anthropic / Claude	Aktive Suche mit Webzugriff
Gemini-Deep-Research	Google / Gemini	Deep-Research-Modus
GoogleAgent	Google	KI-Agent-Aktivität
MistralAI-User	Mistral AI	Aktive Suche mit Webzugriff
NovaAct	Amazon	Agentenbasierter Browser

Matomo bezeichnet diese Liste ausdrücklich als Mindestumfang. Es ist nicht ausgeschlossen, dass in aktuellen oder zukünftigen Versionen weitere Bots erfasst werden – die Dokumentation ist die verbindliche Referenz für den jeweils aktuellen Stand.

Ein wichtiger technischer Hinweis: GPTBot – der klassische OpenAI-Crawler, der Webseiten für Trainingszwecke indexiert – ist in dieser Liste nicht aufgeführt.
O-Ton (Stand 03/26):

Supported AI chatbots and detection rules

Matomo detects AI chatbots based on User-Agent substring matching to ensure AI chatbot traffic is always processed separately from human visits. A request is classified as a chatbot when its User-Agent contains one of the following substrings (minimum supported list):

ChatGPT-User
MistralAI-User
Gemini-Deep-Research
Claude-User
Perplexity-User
GoogleAgent
NovaAct

Detection cannot be overridden and requests identified as AI chatbots are always processed in no-visit mode.

GPTBot und ChatGPT-User sind verschiedene User-Agent-Kennungen mit verschiedenen Funktionen. GPTBot crawlt für das Modelltraining. ChatGPT-User ist der aktive Such-Bot, der bei einer Suchanfrage mit Webzugriff in Echtzeit Seiten abruft. Matomo 5.8.0 ermöglicht primär letzteres – also die aktive Suche, nicht das Hintergrund-Crawling für Training.

Ob GPTBot in einer erweiterten Konfiguration ebenfalls über das Matomo-Tracking erfassbar ist, lässt die aktuelle Dokumentation offen. GPTBot ist primär als Trainings-Crawler konzipiert – ob und wie er sich von aktiven Such-Bots analytisch sinnvoll trennen lässt, ist eine Frage, die Matomo in zukünftigen Versionen möglicherweise adressieren wird.

Vier Einrichtungswege

Die Telemetrie muss aktiv eingerichtet werden – Daten werden nicht rückwirkend erhoben. Matomo bietet vier dokumentierte Einrichtungswege:

1. Cloudflare Worker: Ein Node.js-Worker wird an die eigene Cloudflare-Zone oder Route gebunden. Er läuft inline mit eingehenden Requests und sendet KI-Bot-Telemetrie asynchron an Matomo – ohne die Antwortzeit für den Bot zu beeinflussen.
2. Amazon CloudFront: Vergleichbare Logik über eine CloudFront-Funktion oder Lambda@Edge. Geeignet für Infrastrukturen, die AWS als CDN nutzen.
3. WordPress-Plugin: Für WordPress-basierte Websites bietet Matomo eine direkte Plugin-Integration, die ohne CDN-Konfiguration auskommt. Für die meisten Websites der relevanteste Einstiegspunkt – und im Rahmen einer professionellen WordPress-Implementierung in wenigen Schritten umsetzbar. ROCKITdigital setzt diese Integration für Kunden als WordPress-Agentur München um: /wordpress-development/wordpress-agentur-muenchen/
4. HTTP Tracking API: Für individuelle Infrastrukturen oder Server-seitige Implementierungen, die keinen der obigen Wege nutzen. Maximale Flexibilität, erfordert eigene Implementierung.

Für On-Premise-Installationen gilt: Das BotTracking-Plugin muss vor der Nutzung manuell aktiviert werden unter Administration > Plugins > Manage Plugins. Matomo Cloud aktiviert es automatisch.

Einordnung: Matomo 5.8.0 im Kontext der GEO-Monitoring-Landschaft

Die KI-Monitoring-Landschaft hat sich in kurzer Zeit erheblich entwickelt. Microsoft hat mit dem AI Performance Dashboard in den Bing Webmaster Tools und dem AI Citations Dashboard in Microsoft Clarity zwei Werkzeuge eingeführt, die Zitierungsdaten aus dem Bing- und Copilot-Ökosystem zugänglich machen. Matomo 5.8.0 ergänzt dieses Bild um eine andere Messgröße und eine andere Infrastrukturlogik. Die folgende Tabelle zeigt, wo jedes Tool auf der Kausalkette ansetzt:

Tool	Was wird gemessen	Ökosystem / Kontrolle
Matomo 5.5.0	KI-Referrals: menschliche Besuche, die aus einem KI-System kamen	Plattformübergreifend, Owned Analytics
Matomo 5.8.0 (neu)	KI-Bot-Abrufe: welche KI-Systeme die eigene Seite crawlen	Plattformübergreifend, Owned Analytics, DSGVO-konform
Microsoft Clarity	Zitierungen in KI-Antworten (Bing/Copilot-Ökosystem)	Walled Garden: nur Microsoft-KI, Daten bei Microsoft
Bing AI Performance	Grounding Queries und Zitierungen (Webmaster-Ebene)	Walled Garden: nur Microsoft-KI, Daten bei Microsoft

Die Kausalkette ist entscheidend: Abruf ist die Vorstufe der Zitierung. Ein KI-System kann nur zitieren, was es zuvor abgerufen hat. Wer nicht im Retrieval-Prozess erscheint, erscheint auch nicht in der Antwort. Matomo 5.8.0 misst die Abruf-Schicht – und liefert damit die Datengrundlage, um die erste der drei Wirksamkeitsdimensionen zumindest indirekt zu beobachten: die Extrahierbarkeit. Den konzeptionellen Rahmen dazu – Extrahierbarkeit, Antwortdichte und Kohäsion als die drei Dimensionen des Wirksamkeitsindex – beschreibt unser Artikel: /seo-geo-gaio-ki-ml/sichtbar-aber-nicht-wirksam-warum-fehlende-kohaesion-zum-größten-geo-risiko-wird/

Abruf ist nicht gleich Zitierung. Aber wer nicht abgerufen wird, kann nicht zitiert werden. Matomo 5.8.0 misst den Eintrittspunkt der Kausalkette.

Welche strategischen Fragen Matomo 5.8.0 auf einer neuen Messebene beantwortbar macht

Matomo hat bereits mit Version 5.5.0 KI-bezogene Fragen beantwortbar gemacht – nämlich, wann Menschen nach einem KI-Kontakt auf die eigene Website kommen. Version 5.8.0 ergänzt das um eine neue Messebene: die des autonomen KI-Bot-Abrufs. Drei Fragen, die auf dieser Ebene erstmals sinnvoll gestellt werden können:

1. Welche KI-Systeme crawlen meine Website – und welche nicht?

Wenn ChatGPT-User regelmäßig abgerufen wird, Perplexity-User aber gar nicht erscheint, ist das ein Signal. Entweder blockiert die robots.txt den Perplexity-Bot, oder die Seiten sind strukturell nicht in der Kandidatenmenge dieser Plattform. Beides hat unterschiedliche Implikationen und erfordert unterschiedliche Maßnahmen. Ohne diese Messung bleibt die Frage, warum man in Perplexity-Antworten nicht erscheint, ohne belastbare Datengrundlage.

2. Welche Seiten werden besonders häufig abgerufen – und welche werden ignoriert?

Das AI Chatbot Dashboard zeigt nicht nur, dass KI-Systeme kommen, sondern auch, welche URLs sie abrufen. Seiten, die häufig abgerufen werden, sind offenbar thematisch relevant für das Retrieval der jeweiligen Plattform. Seiten, die trotz guter SEO-Rankings nie abgerufen werden, können auf ein Kohäsionsproblem hinweisen: Die Seite rankt, wird aber nicht als zitierfähige Quelle identifiziert.

3. Verändert sich das Abrufmuster nach Inhaltsänderungen?

GEO-Maßnahmen – also strukturelle Verbesserungen an Inhalten, Schema-Markup, interne Verlinkung sind bisher schwer direkt zu messen. Matomo 5.8.0 liefert keinen direkten Beweis für den Zusammenhang, aber eine beobachtbare Variable: Wenn nach gezielten Inhaltsänderungen neue Seiten in den Abruf-Reports erscheinen oder die Abruffrequenz bestehender Seiten steigt, ist das zumindest ein korrelativer Hinweis auf verbesserte Retrieval-Eignung.

Eine ehrliche Einschränkung gehört dazu: Matomo 5.8.0 misst Abrufe, keine Zitierungen. Ob eine abgerufene Seite tatsächlich in eine KI-Antwort eingeflossen ist, zeigt dieses Tool nicht. Dafür bleibt Microsoft Clarity die eine öffentlich zugängliche Quelle – allerdings ausschließlich für das Microsoft-Ökosystem.

Owned Analytics vs. Walled-Garden-Analytics: Das strategische Argument hinter dem DSGVO-Punkt

Wer heute sein KI-Monitoring auf Microsoft Clarity und Bing AI Performance aufbaut, baut auf gemietemem Boden – und das gilt unabhängig von der DSGVO-Frage. Clarity und Bing AI Performance sind Werkzeuge eines Platform-Anbieters, der gleichzeitig die KI-Systeme betreibt, deren Aktivität gemessen werden soll. Microsoft entscheidet, welche Daten sichtbar sind, in welcher Granularität, und ob und wie sich das Angebot verändert. Das ist ein Walled Garden – nicht nur für Traffic, sondern für Analytics.

Das ist dieselbe Logik, die im E-Mail-Marketing das Argument für einen eigenen Verteiler begründet: Ein Verteiler, der einem gehört, ist mehr wert als Reichweite auf einer Plattform, die ihre Reichweiten-Logik nach eigenen Quartalszahlen kalibriert – wie wir in unserem Artikel zum E-Mail-Marketing für den Maschinenbau ausführlich beschrieben haben. LinkedIn verändert den Algorithmus. Google aktualisiert sein Ranking. Microsoft könnte Clarity-Funktionen einschränken, monetarisieren oder in ein bezahltes Tier verschieben. Wer davon abhängig ist, hat keine Datensouveränität. Als Münchner E-Mail-Marketing-Agentur kennen wir dieses Argument aus der täglichen Beratungspraxis – und es gilt für Analytics-Daten genauso wie für Reichweite.

Matomo in einer selbst gehosteten On-Premise-Konfiguration ist davon strukturell unabhängig. Die Daten verlassen die eigene Infrastruktur nicht. Es gibt keinen Platform-Anbieter, der Zugänge reguliert. Und das Tracking ist plattformübergreifend: Matomo misst ChatGPT-User, Perplexity-User, Claude-User und Google-Systeme gleichermaßen – nicht nur das Microsoft-Oekosystem.

Owned Analytics statt Walled-Garden-Analytics: Das Argument für Matomo ist nicht nur Datenschutz. Es ist Datensouveränität – die Kontrolle darüber, was gemessen wird, wie granular, und ob diese Messmöglichkeit morgen noch existiert.

Für Unternehmen, die Clarity und Bing AI Performance bereits nutzen, ist Matomo 5.8.0 womöglich eine Alternative, je nachdem auch eine Ergänzung: Microsoft-Ökosystem-Zitierungen (Clarity) plus plattformübergreifende Bot-Abruf-Daten (Matomo) ergeben ein vollständigeres Bild als jedes der Werkzeuge allein. Ob und wie die Einbindung multipler Trackingsysteme wiederum Sinn macht, gilt es gesondert zu betrachten. Wir arbeiten auf solchen SetUps, aber alles zusammenzuführen ist nicht immer ganz aufwandsarm 😉

ROCKITdigital: Matomo-Implementierung und GEO-Analytics

ROCKITdigital setzt Matomo seit Jahren in Kundenprojekten ein, bzw. empfiehlt diese, auch im Rahmen unserer Aktivitäten als WordPress-Dienstleister – als DSGVO-konforme Analytics-Grundlage und als willkommene Basis für GEO-Monitoring. Die Einrichtung des AI Chatbot Trackings über das WordPress-Plugin ist für die meisten Websites ein niedrigschwelliger Einstieg, der innerhalb weniger Stunden umsetzbar ist. Für Infrastrukturen mit Cloudflare oder AWS bieten wir die entsprechenden Edge-Implementierungen.

Ein Monitoring-Setup für 2026 kann nach unserer Einschätzung gut aus drei Schichten bestehen: Matomo 5.8.0 für plattformübergreifende Bot-Abruf-Daten, Microsoft Clarity für Zitierungsdaten im Bing/Copilot-Ökosystem, und – wo vorhanden – Bing AI Performance für Grounding Queries auf Webmaster-Ebene. Eine 4. Schicht kann natürlich Googe-Analytics sein, bzw. rückt GA4 immer weiter in den Schichten vor, umso mehr Google gewillt ist, mehr Transparenz in Traffic aus AI-Overviews & Co. zu lierefern. Kein einzelnes Werkzeug liefert das vollständige Bild. Aber zusammen nähern sie sich dem, was der Wirksamkeitsindex perspektivisch als einheitliche Kennzahl abbilden soll.

Ihr Daten, Ihre Bühne. ROCKITdigital liefert den Soundtrack – und stellt sicher, dass er in jedem LLM Gehör bekommt.

Jetzt Kontakt aufnehmen | +49 (0)89 12 22 30 6-12

Weiterfuehrende Inhalte:

Matomo 5.5.0 – KI-Referrals und der AI Assistants Channel

Quellen

• Matomo: Changelog 5.8.0 – matomo.org/changelog/matomo-5-8-0/, März 2026
• Matomo: Set up AI Chatbot tracking with Cloudflare or Amazon CloudFront – matomo.org/faq/how-to/install-ai-chatbot-tracking/
• Matomo: AI Chatbots Overview report – matomo.org/faq/reports/ai-chatbots-overview-report/
• Matomo: AI Assistants terminology – matomo.org/faq/reports/what-are-ai-assistants-in-matomo/