Immer mehr Menschen stellen ihre Frage nicht mehr bei Google, sondern direkt in ChatGPT oder Perplexity. Die Antwort kommt als Text, mit ein paar Quellenangaben darunter. Wer dort nicht auftaucht, verliert Sichtbarkeit, ohne dass es in der Klickstatistik sofort auffällt.
GEO steht für Generative Engine Optimization und beschreibt die Arbeit an Inhalten, damit KI-Systeme sie als Quelle nutzen. Dieser Beitrag fasst zusammen, was dabei nachweislich wirkt und was nicht. Grundlage ist die Auswertung von 17 Hebeln, die Malte Landwehr von Peec AI auf der OMR vorgestellt hat (Vortrag auf YouTube), ergänzt um Erfahrungen aus eigenen Projekten.
Was ist Generative Engine Optimization?
GEO beschreibt die Optimierung von Inhalten für generative Suchsysteme. Gemeint sind ChatGPT, Perplexity, Google AI Overviews, Claude oder Gemini. Diese Systeme geben eine fertige Antwort aus und nennen dabei einige Quellen. Dein Ziel ist nicht mehr nur der Platz in einer Ergebnisliste, sondern der Satz in der Antwort.
Der Begriff stammt aus einer Untersuchung von Forschenden der Princeton University, des Georgia Institute of Technology, von Allen AI und IIT Delhi (GEO: Generative Engine Optimization (arXiv 2311.09735)). Ihre Arbeit Generative Engine Optimization beschreibt erstmals systematisch, welche Textmerkmale die Sichtbarkeit in KI-Antworten erhöhen.
GEO, SEO und LLMO im Vergleich
Die drei Begriffe werden oft vermischt. Klassisches SEO sorgt dafür, dass Google deine Seite findet und ein Mensch darauf klickt. LLMO und GEO meinen dasselbe Ziel, nämlich als Quelle in einer KI-Antwort aufzutauchen. Wie du deine Seite dafür technisch aufstellst, steht in Website für KI optimieren. Dieser Beitrag hier schaut auf die Inhalte und die Kanäle dahinter.
| Merkmal | SEO | GEO und LLMO |
|---|---|---|
| Ziel | Klick aus der Ergebnisliste | Nennung als Quelle in der KI-Antwort |
| Wo die Antwort steht | Google-Ergebnisliste | ChatGPT, Perplexity, Google AI Overviews |
| Was zählt | Ranking-Signale wie Keywords, Technik, Links | abgeschlossene Abschnitte, konkrete Fakten, Aktualität |
| Messung | Search Console | 10 bis 15 echte Kundenfragen einmal im Monat in ChatGPT, Perplexity und Google mit AI Overviews stellen |
Definitive Chunks, also ein Abschnitt und eine Antwort
Viele KI-Systeme zerlegen Seiten in Abschnitte, Google nach eigener Aussage nicht. Ein Chunk ist ein abgeschlossener Textblock, der genau eine Frage beantwortet, ohne Kontext der restlichen Seite.
Praktisch heißt das, du beantwortest die Frage im ersten Satz und begründest danach. Ein Absatz, der mit einer Einleitung anfängt und die Antwort erst im vierten Satz liefert, wird seltener übernommen.
- Eine Frage pro Abschnitt, keine Mischthemen
- Die Antwort steht im ersten Satz
- Zahlen, Jahre und Maßeinheiten statt „viel“ und „schnell“
- Keine Rückverweise wie „wie oben beschrieben“
- Drei bis fünf Sätze reichen meistens
Entitäten schlagen Allgemeinplätze
Entitäten sind konkrete Dinge, also Namen von Orten, Unternehmen, Produkten, Personen und Fachbegriffen. Je mehr davon in einem Abschnitt stehen, desto leichter ordnet ein Modell den Text einem Thema zu.
Ein Satz wie „Wir betreuen Kunden in der Region“ liefert keine Entität. „Wir betreuen Handwerksbetriebe in Pforzheim, Karlsruhe und dem Enzkreis“ liefert drei. Dasselbe gilt für Werkzeuge, Normen und Verfahren. Nenne sie beim Namen, statt sie zu umschreiben.
Formate, die in Antworten landen
Strukturierte Inhalte lassen sich leichter in eine Antwort einbauen als fließender Text. Drei Formate tauchen dabei besonders häufig auf.
- Nummerierte Listen, etwa „Sieben Schritte zu …“
- Gegenüberstellungen, etwa „Werkzeug A gegen Werkzeug B“
- Frage-Antwort-Blöcke und FAQ-Bereiche
Das deckt sich mit dem, was auch für Menschen funktioniert. Wie du daraus eine Inhaltsplanung machst, zeigt der Marketing Funnel für deine Website.
Aktualität zählt in der KI-Suche doppelt
Systeme mit Internetzugriff bevorzugen frische Quellen. Das betrifft vor allem Inhalte, die schnell veralten, also Statistiken, Preise und Rechtsthemen.
Zwei Signale helfen. Erstens die Jahreszahl im Titel, etwa „SEO-Strategien 2026“. Zweitens ein sichtbares Aktualisierungsdatum, das du auch tatsächlich pflegst. Ein Artikel von 2023, der 2026 unverändert online steht, verliert seine Chance auf eine Nennung. Google beschreibt in seiner Übersicht zu KI-Funktionen in der Suche, dass dafür dieselben technischen Grundlagen gelten wie für die klassische Suche.
Quellenlücken finden und füllen
Bei vielen Themen finden die Modelle kaum gute deutschsprachige Quellen. Wer dort als Erster einen brauchbaren Beitrag veröffentlicht, hat eine überproportionale Chance, zitiert zu werden.
So gehst du vor. Stell den Modellen zehn Fragen aus deinem Fachgebiet und schau, welche Quellen sie nennen. Überall dort, wo nur Foren, alte Blogs oder englische Seiten auftauchen, sitzt eine Lücke. Genau dafür schreibst du den besten verfügbaren Beitrag.
Gehören mehrere Lücken zum selben Thema, plan sie als Topic Cluster, also eine Übersichtsseite und einzelne Beiträge, die sich gegenseitig verlinken. So findet jede Teilfrage eine eigene Seite.
Kanäle außerhalb der eigenen Website
Modelle ziehen ihre Antworten nicht nur aus Unternehmensseiten. Vier Quellen tauchen regelmäßig auf.
- Foren wie Reddit, wenn dort echte Beiträge stehen und kein Eigenlob
- Bewertungen bei Google und auf Portalen wie Trustpilot
- Redaktionelle Beiträge auf reichweitenstarken Medien
- Aktive Beiträge auf X, die vor allem Grok beeinflussen
Dazu kommt die Sprache. Die Modelle sind überwiegend mit englischen Texten trainiert. Für englische Anfragen lohnt sich deshalb eine englische Fassung deiner wichtigsten Seiten.
Ohne Crawler-Zugriff kein Zitat
Ein Modell kann nur nennen, was es abrufen darf. Bevor du an Formulierungen feilst, lohnt sich deshalb ein Blick in die robots.txt und in die Serverlogs.
Google trennt beide Welten sauber. Über das Token Google-Extended steuerst du, ob deine Inhalte für Gemini-Apps, für die Vertex AI API und für das sogenannte Grounding genutzt werden dürfen. In der Übersicht der gängigen Google-Crawler steht dazu, dass Google-Extended weder die Aufnahme in die Google Suche beeinflusst noch als Ranking-Signal dient. Wer das Token sperrt, bleibt in Suche und AI Overviews sichtbar und fällt nur aus Gemini-Apps und Vertex AI heraus.
Bei OpenAI steuert OAI-SearchBot die ChatGPT-Suche, GPTBot nur das Training. Bei Perplexity heißt der Zugang PerplexityBot. Firewalls sperren solche Bots oft unbemerkt. Drei Prüfschritte reichen.
- robots.txt öffnen und die Disallow-Regeln für Google-Extended, OAI-SearchBot und PerplexityBot prüfen
- In den Serverlogs nachsehen, ob diese Crawler überhaupt vorbeikommen
- Antworten mit Statuscode 403 oder 429 deuten auf eine zu strenge Firewall hin
Fünf Maßnahmen, die nichts bringen
Genauso wichtig wie die Hebel ist die Liste der Sackgassen. Diese fünf Punkte kosten Zeit und zahlen nach heutigem Stand nicht ein.
- Kurzlebige Trends, die nach wenigen Wochen veraltet sind
- Optimierung allein auf Klicks, denn Modelle bewerten Inhalt statt Traffic
- Nur klassisches SEO, weil die Bewertungskriterien andere sind
- Die Datei llms.txt, für die es bisher keinen nachweisbaren Effekt gibt (Optimizing your website for generative AI features on Google Search)
- Eine einzige Strategie für alle Modelle und Branchen
Wie du misst, ob dich die Modelle nennen
Für die KI-Suche liefern Bing und Google erst wenige eigene Berichte. An belastbare Zahlen kommst du trotzdem, wenn du dir eine feste Routine baust.
Leg eine Liste mit zehn bis fünfzehn Fragen an, die deine Kunden wirklich stellen. Stell diese Fragen einmal im Monat in ChatGPT, in Perplexity und in der Google-Suche mit AI Overviews. Notiere jedes Mal zwei Dinge, nämlich ob du genannt wirst und wer sonst als Quelle auftaucht. Nach drei Monaten siehst du eine Entwicklung statt einer Momentaufnahme.
Der zweite Wert steht in deiner Webanalyse. Verweise von chatgpt.com und perplexity.ai tauchen dort als eigene Quelle auf. Die Zahlen sind klein, die Richtung ist trotzdem brauchbar, weil diese Besucher meist mit einer sehr konkreten Frage kommen. Werkzeuge wie SISTRIX messen die Sichtbarkeit in KI-Antworten inzwischen ebenfalls (SISTRIX AI), für den Einstieg reicht aber die Liste im Tabellenblatt. Wie sich das über mehrere Monate entwickeln kann, zeigt die GEO Case Study von Inno ONE, bei der mindestens zwei Kunden nachweislich über KI-Antworten kamen.
So startest du in vier Wochen
Der Einstieg braucht kein neues Team und kein neues Werkzeug.
- Woche 1, zehn typische Kundenfragen sammeln und in den Modellen testen
- Woche 2, die drei größten Quellenlücken bestimmen
- Woche 3, den ersten Beitrag dazu schreiben, in klaren Abschnitten mit konkreten Namen
- Woche 4, dieselben Fragen erneut stellen und festhalten, was sich verändert hat
Notiere dabei nicht nur, ob du genannt wirst, sondern auch, wer sonst genannt wird. Diese Liste ist deine Wettbewerbsanalyse für die KI-Suche. Die technische Grundlage dazu, also sauberes Markup und strukturierte Daten, findest du in Fortgeschrittene SEO-Techniken.
Wenn du diese vier Wochen nicht selbst durchziehen willst, übernehme ich das als Teil meiner SEO und GEO Betreuung, mit derselben Testliste und einer Kontrolle jeden Monat.
