GEO-Grundlagen: So erscheinen Sie in KI-Antworten
Ihre Kundinnen und Kunden tippen nicht mehr nur drei Stichworte in Google. Sie stellen ChatGPT, Gemini, Perplexity oder dem KI-Modus von Google eine ganze Frage und bekommen eine Antwort mit einer Handvoll Quellen. Wer nicht zu diesen Quellen gehört, ist genau in dem Moment unsichtbar, in dem entschieden wird. Hier steht, was Generative Engine Optimization (GEO) wirklich ist, was wirkt und was nur Lärm ist.
10 Min. Lesezeit
1. Was GEO ist und was nicht
Klassisches SEO kämpft um einen Platz in einer Liste von zehn Links. Generative Engines arbeiten anders: Sie suchen, lesen mehrere Seiten und schreiben eine Antwort, die einige davon zitiert. Der Begriff GEO stammt aus einer Forschungsarbeit von 2023 (veröffentlicht auf der KDD 2024), die gemessen hat, wie Inhaltsänderungen die Sichtbarkeit in solchen Antworten beeinflussen. Die besten Methoden steigerten die Sichtbarkeit um bis zu 40 %, mit grossen Unterschieden je nach Branche. Die praktische Folge ist einfach: Sie optimieren nicht mehr auf einen Rang, sondern darauf, gefunden, verstanden und zitiert zu werden. Das ersetzt SEO nicht. Google sagt es in seiner eigenen Anleitung zu AI Overviews und dem KI-Modus offen: Es gibt keine zusätzlichen Anforderungen und keine Spezialoptimierung, die SEO-Grundlagen gelten weiter. Andere Assistenten wie die ChatGPT-Suche und Perplexity betreiben eigene Indizes, brauchen aber ebenfalls Seiten, die sie abrufen, verstehen und denen sie vertrauen können. Betrachten Sie GEO also als SEO plus drei Dinge: eindeutig sein, wer Sie sind, zitierwürdig sein und dort präsent sein, wo die KI neben Ihrer eigenen Website nachschaut.
2. Wie KI-Antworten ihre Quellen auswählen
Die meisten Assistenten antworten in zwei Stufen: suchen, dann schreiben. Google beschreibt für AI Overviews und den KI-Modus eine Technik namens Query Fan-out: Das Modell schickt mehrere verwandte Suchen zu Unterthemen los und kombiniert, was es findet. Deshalb schlägt eine Seite, die die Hauptfrage und die naheliegenden Folgefragen beantwortet, fünf dünne Seiten. Bei den anderen Assistenten entscheidet der Crawler, ob Sie überhaupt Quelle sein können, und jeder Anbieter trennt Training von Suche. OpenAI dokumentiert GPTBot fürs Training, OAI-SearchBot für die ChatGPT-Suche und ChatGPT-User für Abrufe, die eine Person auslöst; Websites, die OAI-SearchBot sperren, erscheinen nicht in Antworten der ChatGPT-Suche. Perplexity dokumentiert PerplexityBot für seine Suchergebnisse und Perplexity-User für Nutzeraktionen und sagt, dass keiner davon Basismodelle trainiert. Googles Trainings-Steuerung Google-Extended hat keine Wirkung auf die Google-Suche, eine Sperre entfernt Sie also nicht aus AI Overviews. Die Entscheidung lautet deshalb nicht 'KI ja oder nein', sondern 'Training ja oder nein' und 'KI-Suche ja oder nein', Bot für Bot.
# Example: stay visible in AI search, opt out of model training.
# Make this a deliberate business decision, bot by bot.
User-agent: Googlebot # Google Search, incl. AI Overviews and AI Mode
Allow: /
User-agent: OAI-SearchBot # ChatGPT search results
Allow: /
User-agent: PerplexityBot # Perplexity search results
Allow: /
User-agent: GPTBot # OpenAI model training
Disallow: /
User-agent: Google-Extended # Gemini training; no effect on Google Search
Disallow: /
Sitemap: https://www.example.com/sitemap.xmlTipp aus der Praxis
Prüfen Sie CDN und Firewall, nicht nur die robots.txt. Bot-Schutzregeln sperren KI-Such-Crawler oft unbemerkt, während die Website in jedem Browser einwandfrei aussieht.
3. Machen Sie Ihre Entität eindeutig
Eine KI-Antwort führt Fakten aus vielen Quellen zusammen. Wenn Ihre Öffnungszeiten auf der Website, im Google-Unternehmensprofil und in drei Verzeichnissen voneinander abweichen, wählt das Modell entweder zufällig oder lässt Sie weg, weil es die Angaben nicht auflösen kann. Die Lösung ist langweilig und wirksam: eine Quelle der Wahrheit für Ihre Kernfakten (juristischer Name, Markenname, Adresse, Telefon, Öffnungszeiten, Preise, Angebot, Einsatzgebiet) und eine Routine, die sie überall verteilt. Geben Sie der Marke eine echte 'Über uns'-Seite: wer dahintersteht, seit wann und was sie unterscheidet, in klaren Sätzen, die ein Modell zitieren kann. Beanspruchen und vervollständigen Sie Ihr Google-Unternehmensprofil, wenn Sie einen physischen Standort haben. Wer bekannt genug ist, profitiert von einem sauberen Wikidata-Eintrag, über den Maschinen Namen, Website und Social-Profile verbinden. Schreiben Sie Ihren Namen überall gleich, auch die Namen der Personen hinter dem Unternehmen. Uneindeutigkeit ist der häufigste Grund, den ich sehe, warum ein starkes Unternehmen in KI-Antworten fehlt.
4. Strukturierte Daten ergänzen, die zur Seite passen
Strukturierte Daten in JSON-LD mit dem Vokabular von schema.org sagen Maschinen in einem festen Format, worum es auf einer Seite geht: eine Organisation, ein lokales Unternehmen, ein Produkt mit Preis, ein Artikel mit Autor und Datum. Google nutzt sie für Rich Results und zum Verständnis von Seiten; bei KI-Antworten nehmen sie das Raten aus der Faktenextraktion. Beginnen Sie mit Organization (oder LocalBusiness und Untertypen wie Restaurant) auf der Startseite und ergänzen Sie dann den Typ, der zu jedem Template passt: Product, Article, Event, FAQPage, BreadcrumbList. Zwei Regeln zählen mehr als die Anzahl der Typen. Erstens muss das Markup zu dem passen, was Besucher auf der Seite sehen; Markup für Inhalte, die nicht da sind, verstösst gegen die Richtlinien und ist kein Trick. Zweitens: aus denselben Daten erzeugen, die auch die Seite rendern, damit Preise und Öffnungszeiten nie auseinanderlaufen. Testen Sie mit dem Rich-Results-Test von Google und dem Schema Markup Validator, und prüfen Sie Templates statt einzelner URLs.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Restaurant",
"name": "Example Bistro",
"url": "https://www.example-bistro.com/",
"telephone": "+49 30 0000000",
"servesCuisine": ["Mediterranean"],
"priceRange": "$$",
"address": {
"@type": "PostalAddress",
"streetAddress": "Example Street 1",
"postalCode": "10115",
"addressLocality": "Example City",
"addressCountry": "DE"
},
"openingHoursSpecification": [{
"@type": "OpeningHoursSpecification",
"dayOfWeek": ["Tuesday", "Wednesday", "Thursday", "Friday", "Saturday"],
"opens": "11:30",
"closes": "23:00"
}],
"acceptsReservations": "https://www.example-bistro.com/reserve",
"sameAs": ["https://www.wikidata.org/wiki/Q000000"]
}
</script>5. Inhalte schreiben, die eine KI zitieren will
Ein Modell, das eine Antwort schreibt, sucht Passagen, die etwas klar aussagen und sich zuordnen lassen. Stellen Sie die Antwort an den Anfang: Die ersten zwei Sätze einer Seite oder eines Abschnitts sollten die Frage aus der Überschrift beantworten, danach folgen die Details. Nutzen Sie konkrete Zahlen, Daten und Bedingungen statt Adjektiven. Eigene Daten sind Gold: Ihre Preise, Wartezeiten, gemessenen Ergebnisse oder Umfragewerte kann niemand sonst liefern. Die GEO-Forschung fand, dass Quellenangaben, Zitate und Statistiken zu den wirksamsten Änderungen gehörten, mit je nach Thema unterschiedlichem Effekt. Vergleichstabellen, Schrittlisten und kurze FAQ-Blöcke lassen sich leicht in eine Antwort übernehmen. Zeigen Sie ein sichtbares Aktualisierungsdatum und aktualisieren Sie wirklich. Was laut Googles eigener Anleitung für seine KI-Funktionen nicht wirkt: Text künstlich in Häppchen für Maschinen zerlegen, fast identische Seiten massenhaft erzeugen oder unechten Erwähnungen nachjagen. Google rät zu einzigartigen, nicht austauschbaren Inhalten, die Menschen nützen; genau das zitieren am Ende auch die anderen Assistenten.
Tipp aus der Praxis
Lesen Sie Ihre wichtigste Seite laut und stoppen Sie nach zwei Sätzen. Kann eine fremde Person die Frage aus der Überschrift damit nicht beantworten, schreiben Sie den Einstieg neu, nicht die ganze Seite.
6. Präsent sein, wo die KI neben Ihrer Website nachschaut
Schauen Sie sich die Quellen an, die eine KI für Ihre wichtigsten Fragen zitiert, und Sie finden oft Bewertungsplattformen, Buchungs- und Vergleichsportale, Verzeichnisse, Fachmedien und Foren statt Markenwebsites. Dort wird GEO zur Verteilungsaufgabe. Halten Sie Ihre Einträge auf den Portalen vollständig und konsistent, die in Ihrem Markt in den Antworten auftauchen. Bitten Sie zufriedene Kundschaft um Bewertungen und beantworten Sie die kritischen; die Stimmung wandert in KI-Antworten. Verdienen Sie Erwähnungen in Medien und auf Partnerseiten, die Ihr Publikum liest, mit denselben Fakten, die Sie selbst veröffentlichen. Auf einer europäischen Gastro-Plattform mit einem grossen Netz von Restaurant-Websites war genau das einer der Proofs of Concept, die ich gebaut habe: Restaurantdaten automatisch auf Drittportalen veröffentlichen, damit die Fakten, die eine KI anderswo findet, mit der Quelle übereinstimmen. Der zweite war ein Generator für Blogartikel, damit jedes Restaurant eigene, zitierfähige Inhalte ergänzen kann, ohne Marketingteam. Beide begannen als kleine Experimente mit messbarem Ziel, nicht als grosse Plattformprojekte.
Interaktiv
Wie bereit ist Ihre Marke für KI-Antworten?
Haken Sie ab, was schon stimmt. Der Rest ist Ihre GEO-To-do-Liste, das Wichtigste zuerst.
0/10 bereit
Ihre nächsten drei Schritte
- Markenfakten sind identisch auf Website, Google-Unternehmensprofil, LinkedIn und Verzeichnissen
- Wichtige Seiten beantworten die Hauptfrage im ersten Absatz
- Organization- oder LocalBusiness-Daten auf den wichtigen Seiten
7. Und was ist mit llms.txt?
llms.txt ist ein Vorschlag für eine Markdown-Datei im Stammverzeichnis einer Website, die die wichtigsten Inhalte für Sprachmodelle zusammenfasst. In Entwicklerdokumentationen ist sie beliebt und schnell ergänzt. Bleiben Sie beim Status aber ehrlich: Es ist ein Community-Vorschlag, kein Standard. Google schreibt in seiner Anleitung zu generativen KI-Funktionen, dass die Google-Suche llms.txt und andere spezielle KI-Dateien nicht nutzt und man sie für die Suche ignorieren kann. Keiner der grossen KI-Suchanbieter hat öffentlich bestätigt, die Datei für Ranking oder Zitate zu lesen. Meine Regel: Ergänzen Sie eine, wenn Sie Dokumentation haben, die Agenten und Coding-Assistenten lesen, weil sie dort bei der Navigation helfen kann. Erwarten Sie aber keinen Sichtbarkeitsgewinn in KI-Antworten, und lassen Sie sie nie die Arbeit aus den Schritten oben ersetzen. Wenn Ihnen jemand llms.txt als Kern einer GEO-Strategie verkauft, fragen Sie nach den Daten.
8. KI-Sichtbarkeit vorher und nachher messen
Ohne Basislinie wird jedes GEO-Projekt zur Meinungsfrage. Ich messe drei Dinge, bevor ich eine Seite anfasse. Erstens KI-Besuche in der Webanalyse: Sitzungen von chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com und Ähnlichen, wohl wissend, dass manche Assistenten keinen Referrer mitschicken, das ist also eine Untergrenze. Zweitens Googles eigene Zahlen: Die Search Console hat einen Leistungsbericht für generative KI-Funktionen in der Suche, neben den normalen Leistungsdaten. Drittens einen getrackten Satz echter Kundenfragen in einem Tool wie dem AI Visibility Toolkit von Semrush oder Peec AI, die Ihre Prompts täglich gegen die grossen Assistenten laufen lassen und zeigen, wie oft Sie erscheinen, an welcher Position, mit welcher Tonalität und neben welchen Wettbewerbern. Auf der erwähnten Gastro-Plattform kam zuerst die Basislinie, dann Prompt-Research für rund 150 Landingpages, dann zehn priorisierte Experimente in drei Phasen: Analyse, Auswahl-Workshop und kurze Sprints. Lesen Sie Trends über Wochen, nicht einzelne Tage; KI-Antworten schwanken von Lauf zu Lauf.
# Analytics channel rule for AI assistants (referrer / session source).
# A lower bound: some assistants send no referrer at all.
(^|\.)(chatgpt\.com|chat\.openai\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai)$Fazit
GEO ist keine Trick-Datei und keine neue Art von Keyword, sondern sauberes SEO plus überall klare Fakten und zitierwürdige Inhalte, gemessen an einer Basislinie.
Echte Projekte dazu
Selbst ausprobieren
Quellen und offizielle Leitfäden
- Google Search Central: Optimizing your website for generative AI features on Google Search
- Google Search Central: AI features and your website
- Google: Common crawlers, incl. Google-Extended
- OpenAI: Overview of OpenAI crawlers (GPTBot, OAI-SearchBot, ChatGPT-User)
- Perplexity: Perplexity crawlers
- Aggarwal et al.: GEO: Generative Engine Optimization (KDD 2024)
- Google Search Central: Introduction to structured data
- schema.org vocabulary
- Google Business Profile Help
- The llms.txt proposal
Weitere Artikel
- 3'025 Pull Requests in zehn Monaten: ein KI-gestützter Delivery-Prozess von innen
- Der EU AI Act für den Mittelstand: was für Sie gilt, und ab wann
- FinOps für KI-Kosten: Tokens, Caching, Routing und Budgets, die halten
- Ein Restaurant-Netzwerk in KI-Antworten sichtbar machen: ein GEO-Projekt Schritt für Schritt
- Wie diese Website gebaut ist: statisch, wo es geht, streamend, wo es muss
- Kubernetes-Kosten auf EKS und GKE: dasselbe Playbook, andere Hebel
- Eine Landing Zone für den Mittelstand, in Terraform oder Bicep: die Teile, die zählen
- Das Playbook für Legacy-Migrationen: Wellen, Parallelbetrieb und identische Zeilenzahlen und Prüfsummen
- MCP-Sicherheit im Detail: KI-Assistenten ins Produkt lassen, ohne die Türen zu öffnen
- Monitoring auf Geschäftsergebnisse: grüne Dashboards, leere Kasse
- KI-Agenten am Telefon: die Architektur, und die Stolperfallen, die keine Demo zeigt
- Restore-Tests: Ein Backup, das nie wiederhergestellt wurde, ist nur eine Hoffnung
- KI-Antworten auf Azure Static Web Apps streamen: der eine Header, der alles zurückhielt
- Einen KI-Assistenten für WhatsApp bauen, von Anfang bis Ende: was es über die Demo hinaus braucht
- Air-gapped-Systeme: kritische Software ganz ohne Internet betreiben
- Produktive KI auf AWS: Amazon Bedrock und AgentCore in einem privaten Setup
- Produktive KI auf Microsoft Foundry: ein privates Referenz-Setup für Agenten
- /goal, /loop oder Routines: Hören Sie auf, Ihren Coding-Agenten zu babysitten
- Claudes neue Pläne: Max, Ultra und was sie für Teams bedeuten
- OpenAI Codex Ende 2026: Goal Mode, Dots und wie man es absichert
- GitHub Copilot, Claude Code oder Codex? So würde ich für ein Unternehmen entscheiden
- Produktive KI auf Google Cloud: von Vertex AI zur Gemini Enterprise Agent Platform
- Lokale LLMs im Air-Gap-Netz: KI für Ihre sensibelsten Daten
- Ich will ein lokales LLM betreiben: Welchen Server soll ich kaufen?
- MiniMax M3: ein offenes Spitzenmodell zum Selbstbetreiben?
- Prompt-Research im grossen Stil mit einem offenen Modell
- SEO und GEO zusammen: ein praktisches Audit in 6 Schritten
- Kubernetes richtig dimensionieren: das Playbook, mit dem ein Cluster von 7 auf 4 Nodes kam
- Private KI für sensible Daten: ein lokales LLM-Setup, das durch die Sicherheitsprüfung kommt
- Vom KI-Prototyp zur Produktion: die acht Schichten, die ich ergänze, in dieser Reihenfolge
