GEO ohne Hype: Wovon Sichtbarkeit in der KI-Suche wirklich abhängt

Alle paar Monate taucht ein neues Akronym auf, das eine Abkürzung in KI-Antworten verspricht. GEO, AEO und LLMO beschreiben alle dasselbe Ziel: die Quelle zu sein, auf die ein KI-System zurückgreift, wenn es eine Frage zu Ihrem Fachgebiet beantwortet. Das Ziel ist vernünftig. Viele der Ratschläge dazu sind es nicht.

Dieser Artikel trennt, was öffentlich belegt ist, von dem, was noch Vermutung ist. Er richtet sich an Unternehmen, die entscheiden, wie viel Aufmerksamkeit und Budget Sichtbarkeit in der KI-Suche verdient.

Was Google tatsächlich sagt

Googles eigene Dokumentation zu KI-Funktionen in der Suche, die AI Overviews und den AI Mode abdeckt, ist ungewöhnlich direkt. Sie besagt, dass es keine zusätzlichen Anforderungen gibt, um in diesen Funktionen zu erscheinen, und keine besondere Optimierung über die bestehenden SEO-Grundlagen hinaus nötig ist. Um als unterstützender Link infrage zu kommen, muss eine Seite indexiert sein und in der Suche mit einem Snippet angezeigt werden können.

Das macht KI-Suche nicht bedeutungslos. Es heißt, dass das Fundament dasselbe ist wie immer: Seiten, die sich crawlen lassen, technisch solide sind und Fragen klar und glaubwürdig beantworten. Wer eine separate „KI-Ranking“-Ebene für Google verkauft, sollte erklären können, warum Googles eigener Leitfaden falsch ist.

Was die Forschung zeigt

Der Begriff GEO stammt aus einem wissenschaftlichen Paper von Aggarwal und Kollegen, veröffentlicht auf der KDD 2024. Die Autoren bauten einen Benchmark aus Suchanfragen, wandten verschiedene Umschreibestrategien auf Quellinhalte an und maßen, wie sichtbar diese Inhalte in generierten Antworten wurden. Quellenangaben, Zitate relevanter Autoritäten und konkrete Statistiken verbesserten die Sichtbarkeit in ihrem Benchmark. Klassisches Keyword-Stuffing half kaum.

Zwei Einschränkungen sind wichtig. Erstens variierte der Effekt je nach Themenfeld: Eine Strategie, die bei einer Art von Anfrage gut funktionierte, brachte bei einer anderen wenig. Zweitens ist ein Benchmark eine kontrollierte Umgebung, keine kommerzielle Live-Suchmaschine, deren Systeme sich ständig ändern. Das Paper ist ein nützliches Signal dafür, was generative Systeme tendenziell bevorzugen, nämlich spezifische, belegte und zitierfähige Inhalte, aber kein Rezept mit planbarem Ertrag.

Markenerwähnungen: eine Korrelation, die man verstehen sollte

Mehrere Anbieter von SEO-Software haben Studien veröffentlicht, die vergleichen, welche Marken in KI-Antworten auftauchen, und das mit Signalen wie Backlinks, Suchvolumen für den Markennamen und Erwähnungen der Marke auf anderen Websites abgleichen. Ein wiederkehrender Befund: Marken, die im Web breit erwähnt werden, sind in KI-Antworten tendenziell sichtbarer, in manchen Studien stärker, als es Backlinks allein erwarten ließen.

Das sind Korrelationen von Anbietern mit Eigeninteresse am Thema, auf Basis eigener Datensätze und Methoden. Sie zeigen nicht, dass Erwähnungen Sichtbarkeit verursachen. Bekannte Unternehmen werden häufiger erwähnt und haben zugleich eher starke Inhalte, Links und Nachfrage. Die praktische Lesart ist bescheiden: An glaubwürdigen Orten häufig und zutreffend diskutiert zu werden, ist gut für ein Unternehmen, und KI-Systeme scheinen das widerzuspiegeln.

llms.txt: harmlos, optional, unbewiesen

llms.txt ist eine vorgeschlagene Konvention für eine Textdatei, die eine Website für Sprachmodelle zusammenfasst. Sie ist schnell erstellt, und wir veröffentlichen auf unserer eigenen Website eine als Service. Öffentliche Belege, dass sie beeinflusst, ob oder wie oft eine Website zitiert wird, haben wir nicht gesehen, und große Anbieter von KI-Suche haben nicht dokumentiert, dass sie sich darauf stützen. Betrachten Sie sie als ordentliches Extra, nie als Hebel.

Belegt oder spekulativ

Belegt

Seiten müssen crawlbar, indexierbar und snippetfähig sein, um von Googles KI-Funktionen genutzt zu werden (Google-Dokumentation)

Belegt

Quellenangaben, Zitate und Statistiken verbesserten die Sichtbarkeit in einem kontrollierten GEO-Benchmark, mit je nach Themenfeld unterschiedlichen Effekten (Aggarwal et al., 2024)

Korrelativ

Breit erwähnte Marken erscheinen tendenziell häufiger in KI-Antworten (Anbieterstudien, Kausalität nicht nachgewiesen)

Spekulativ

llms.txt, spezielles „KI-freundliches“ Markup und Inhalte in Prompt-Form als Ranking-Hebel

Unbelegt

Garantierte Zitate oder Platzierungen in irgendeinem KI-System

Crawlbarkeit entscheidet weiterhin, wer berücksichtigt wird

KI-Systeme können nur zitieren, was ihre Crawler lesen können. Das klingt selbstverständlich, bis man sich moderne immersive Websites ansieht, bei denen Texte mitunter in einem Canvas gerendert, erst nach einer Interaktion geladen oder hinter clientseitigen Skripten versteckt werden. Für einen Crawler können diese Seiten nahezu leer sein.

Auch ein Blick in die robots.txt lohnt sich. Mehrere KI-Anbieter unterscheiden inzwischen zwischen Crawlern für das Modelltraining und solchen für Suche und Abruf. OpenAI etwa dokumentiert für beide eigene User Agents. Training zu blockieren und Such-Crawler zuzulassen ist eine legitime Entscheidung, aber es sollte eine Entscheidung sein, kein Versehen, das von einer Pauschalregel übrig geblieben ist.

Was wir konkret tun

• Klarheit zur Entität: Jede wichtige Seite sagt klar, wer das Unternehmen ist, was es tut, für wen und wo, in Sätzen, die sich ohne Kontext zitieren lassen.
• Faktenbasierte, zitierfähige Inhalte: konkrete Aussagen, benannte Quellen und echte Zahlen, wo es sie gibt; qualitative Aussagen, wo nicht.
• Crawlbare Erlebnisse: Alle Texte stehen in serverseitig gerendertem HTML, auch wenn die Seite um 3D oder Motion herum gebaut ist. Die visuelle Ebene bereichert den Inhalt; sie enthält ihn nie.
• Konsistente Markenfakten: derselbe Name, dieselbe Beschreibung und dieselben Kontaktdaten auf der sichtbaren Seite, in den strukturierten Daten und in externen Profilen.
• Ehrliche Messung: Search-Console-Daten, Verweis-Traffic von KI-Assistenten, soweit Analytics ihn erkennen kann, und regelmäßige manuelle Prüfungen, wie das Unternehmen beschrieben wird. Wir berichten, was wir sehen, und sagen, was wir nicht sehen.

Quellen

• Google Search Central, „AI features and your website“: developers.google.com/search/docs/appearance/ai-features
• Aggarwal et al., „GEO: Generative Engine Optimization“ (KDD 2024): arxiv.org/abs/2311.09735
• Vorschlag zu llms.txt: llmstxt.org
• OpenAI, „Overview of OpenAI crawlers“: platform.openai.com/docs/bots