Was ist GEO (Generative Engine Optimization)
GEO, oder Generative Engine Optimization, bezeichnet die Gesamtheit der Techniken, die es einer Website ermöglichen, in den Antworten KI-basierter Suchmaschinen zitiert zu werden. Diese Suchmaschinen umfassen ChatGPT (via Web-Browsing und Plugins), Perplexity, Google AI Overviews (ehemals SGE), Microsoft Copilot und Google Gemini.
GEO unterscheidet sich vom klassischen SEO durch sein Ziel. SEO zielt darauf ab, eine Seite in der Ergebnisliste von Google zu positionieren. GEO zielt darauf ab, Ihren Inhalt als Quelle in einer von einem LLM (Large Language Model, oder grosses Sprachmodell) synthetisierten Antwort zitieren zu lassen. Wenn ein Nutzer Perplexity fragt "Was kostet eine Google Ads Kampagne für einen Handwerker?", kompiliert die KI-Suchmaschine Informationen aus mehreren Webquellen und gibt sie in einer einzigen Antwort mit Quellenlinks wieder. Unter diesen Quellen zu erscheinen ist das Ziel von GEO.
Eine Studie von Georgia Tech und Princeton (2024) hat gezeigt, dass für KI-Suchmaschinen optimierte Inhalte durchschnittlich 40 % mehr Sichtbarkeit erhalten als nicht optimierte Inhalte bei gleicher SEO-Position. GEO ersetzt SEO nicht: Es verlängert SEO in einen neuen Entdeckungskanal.
Wie LLMs ihre Quellen auswählen
KI-Antwortmaschinen wählen ihre Quellen nicht zufällig. Jedes LLM wendet einen Selektionsprozess an, der auf mehreren identifizierbaren Kriterien basiert. Diese Kriterien zu verstehen erlaubt es, den Inhalt anzupassen, um die Zitationswahrscheinlichkeit zu erhöhen.
Das erste Kriterium ist die semantische Relevanz. Das LLM analysiert die Anfrage des Nutzers, identifiziert die zugrunde liegende Absicht und wählt dann die Webseiten aus, deren Inhalt am direktesten auf diese Absicht antwortet. Eine Seite, die ein Thema vertieft behandelt, mit faktischen Daten und klarer Struktur, wird einer vagen oder oberflächlichen Seite vorgezogen.
Das zweite Kriterium ist die Autorität der Quelle. LLMs mit Web-Zugang (Perplexity, ChatGPT Browse, Copilot) bevorzugen Seiten, die häufig von anderen vertrauenswürdigen Quellen zitiert werden. Das Prinzip gleicht den Backlinks im SEO: Eine Website, die von vertrauenswürdigen Seiten referenziert wird, gilt selbst als vertrauenswürdig. Die Linkaufbau-Arbeit stärkt daher direkt die GEO-Sichtbarkeit.
Das dritte Kriterium ist die Inhaltsstruktur. LLMs extrahieren kohärente und eigenständige Textblöcke. Ein Absatz, der eine Frage direkt beantwortet, einen belegten Datenpunkt enthält und für sich allein verständlich ist, wird leichter extrahiert als ein Text, der das Lesen der gesamten Seite erfordert. Präzise Definitionen, strukturierte Listen und FAQ-Blöcke eignen sich besonders für diese Extraktion.
E-E-A-T und strukturierte Daten: die Grundlagen des GEO
Google hat die E-E-A-T-Kriterien (Experience, Expertise, Authoritativeness, Trustworthiness) als Qualitätssignale für seine Suchergebnisse formalisiert. Dieselben Signale beeinflussen die Quellenauswahl in den AI Overviews und, im weiteren Sinne, in anderen KI-Suchmaschinen, die das Web crawlen.
Experience (das erste E) ist das 2023 hinzugefügte Kriterium. Google und LLMs werten Inhalte auf, die von Autoren mit praktischer Erfahrung zum Thema verfasst wurden. Ein Artikel über Google Ads Kampagnenmanagement, geschrieben von einem Berater, der tatsächlich Konten verwaltet, hat mehr Gewicht als ein theoretischer Text ohne Praxisbezug. Die Identität des Autors, seine Qualifikationen und Erfahrung auf jeder Seite sichtbar zu machen, verstärkt dieses Signal.
Strukturierte Daten (schema.org) helfen LLMs, den Inhalt Ihrer Seiten ohne Mehrdeutigkeit zu verstehen. Das FAQPage-Markup kennzeichnet Frage-Antwort-Paare. Das LocalBusiness-Markup identifiziert Ihren Einzugsbereich. Das Article-Markup identifiziert Autor, Veröffentlichungsdatum und Thema. Diese technischen Marker sind für den Nutzer unsichtbar, aber für KI-Crawler lesbar. Laut Schema.org (2024) haben Seiten mit strukturiertem Markup eine 2,7-mal höhere Wahrscheinlichkeit, in erweiterten Ergebnissen und KI-Antworten zu erscheinen.
Ihren Content für KI-Zitationen optimieren
Die GEO-Optimierung betrifft die Art, wie Inhalte verfasst und strukturiert werden, nicht nur die verwendeten Keywords. Jeder Inhaltsblock (H2-Abschnitt, Absatz, FAQ) muss eigenständig extrahiert und verstanden werden können, unabhängig vom Rest der Seite. Ein LLM liest Ihre Seite nicht von oben nach unten: Es extrahiert Fragmente.
Belegte Statistiken bilden ein starkes Signal für LLMs. Ein Inhalt, der behauptet "Ad-Blocker verursachen Probleme" ist weniger verwertbar als ein Inhalt, der präzisiert "42 % der deutschen Internetnutzer verwenden einen Ad-Blocker (PageFair, 2024)". Die belegte Zahl und ihre Quelle machen die Information überprüfbar und damit zitierfähig. Wir empfehlen 2 bis 3 belegte Statistiken pro Service-Seite oder Blog-Artikel.
Knappe Definitionen jedes Fachbegriffs bei seiner ersten Erwähnung dienen ebenfalls dem GEO. Wenn ein Nutzer ChatGPT fragt "Was ist Server-Side Tracking?", sucht das LLM nach klaren und direkten Definitionen in Webseiten. Ein Satz wie "Server-Side Tracking verlagert die Datenerhebung vom Browser auf einen zwischengeschalteten Server" hat eine hohe Wahrscheinlichkeit, als Antwort extrahiert zu werden. Jede Seite Ihrer Website sollte solche Definitionen im ersten Absatz jedes Abschnitts enthalten.
Die Verbindung mit Ihrer KI-Strategie ergibt sich natürlich: Zu verstehen, wie LLMs funktionieren, ermöglicht es, Ihre digitale Präsenz an diese neuen Entdeckungskanäle anzupassen.
Monitoring und Messung der GEO-Sichtbarkeit
Die Sichtbarkeit in KI-Antwortmaschinen zu messen stellt eine technische Herausforderung dar. Anders als beim klassischen SEO, wo Positionen mit Tools wie Ahrefs oder Semrush verfolgt werden, gibt es noch keinen Messstandard für GEO. Die Tools entstehen schrittweise, und wir nutzen eine Kombination von Methoden, um Ihre Präsenz zu verfolgen.
Die erste Methode besteht darin, die LLMs regelmässig mit den Zielanfragen Ihres Sektors abzufragen und zu prüfen, ob Ihre Website in den Antworten zitiert wird. Wir automatisieren diese Abfragen über Scripts, die Zitationen, Quell-URLs und den Kontext der Erwähnung erfassen. Diese Überwachung ergibt einen KI-Sichtbarkeits-Score, den wir monatlich verfolgen.
Die zweite Methode stützt sich auf Google Analytics 4. Der Referral-Traffic von KI-Suchmaschinen (perplexity.ai, chatgpt.com, bing.com/chat) ist in den Akquisitionsberichten identifizierbar. Dieses Trafficvolumen ist absolut noch gering im Vergleich zu klassischem SEO, wächst aber schnell und zeigt interessante Merkmale: Besucher aus KI-Suchmaschinen verbringen im Durchschnitt mehr Zeit auf der Website und rufen mehr Seiten auf, was auf eine bereits durch die KI-Antwort qualifizierte Suchintention hindeutet.
Die dritte Methode betrifft die Google AI Overviews. Die Google Search Console ermöglicht es, Anfragen zu identifizieren, bei denen eine KI-Zusammenfassung angezeigt wird, und ob Ihre Website in dieser Zusammenfassung zitiert wird. Wir kreuzen diese Daten mit den klassischen organischen Positionen, um die Auswirkung von GEO auf Ihre gesamte Google-Sichtbarkeit zu messen.