Generative Engine Optimization: Was belegt ist und was offen

GEO Optimierung: Zwischen Fakten und Hype

Du optimierst deine Inhalte für Google. Deine Zielgruppe stellt ihre Fragen inzwischen aber auch ChatGPT, Perplexity und Gemini. Und du weißt nicht, ob du dort überhaupt auftauchst.

Die Größenordnung ist inzwischen messbar: BrightEdge findet AI Overviews 2026 in rund 48 Prozent der getrackten Suchanfragen — ein Anstieg von 58 Prozent gegenüber dem Vorjahr. Parallel dazu ist innerhalb von zwei Jahren ein ganzer Markt rund um Generative Engine Optimization entstanden, mit Checklisten, Spezialdateien und Taktiken, die als Geheimhebel gehandelt werden. Manches davon ist gut untersucht, manches ist eine plausible Vermutung, und manches steht bisher ohne jeden Beleg da.

Dieser Artikel trennt drei Dinge sauber voneinander: was gemessen ist, was Google ausdrücklich als nicht erforderlich bezeichnet, und wofür schlicht keine Wirkungsbelege existieren. Keine pauschalen Widerlegungen. Keine Zahl ohne Quelle, Stichprobe und Datum.

Das Wichtigste in Kürze

• GEO ist kein Bruch mit SEO. Google hat das am 15. Mai 2026 selbst festgehalten: Optimierung für generative KI-Suche ist aus Sicht der Google-Suche Optimierung für die Sucherfahrung — und damit weiterhin SEO.
• Nicht jedes KI-System lässt sich erreichen. Systeme mit Live-Web-Zugriff reagieren auf SEO-Maßnahmen, sobald deine Inhalte indexiert und gerankt sind. Reine Sprachmodelle erreichst du nur über den Trainingsdaten-Pfad — und der ist an den Modellzyklus gebunden, nicht an deine Arbeitsgeschwindigkeit.
• Der Zusammenhang zwischen Google-Ranking und KI-Zitation ist real, aber plattformabhängig. Bei Googles eigenen KI-Formaten ist er stark, bei ChatGPT deutlich schwächer. Eine Universalstrategie greift zu kurz.
• Die Gewichtung verschiebt sich. Markennennungen korrelieren deutlich stärker mit KI-Sichtbarkeit als reine Backlink-Metriken. Thematische Breite schlägt das einzelne Haupt-Keyword.
• Messbar ist KI-Sichtbarkeit seit dem 3. Juni 2026 teilweise auch nativ. Die Search Console zeigt seitdem Impressionen aus AI Overviews und AI Mode getrennt aus — ohne Klicks und ohne Suchanfragen.

Was ist Generative Engine Optimization?

Generative Engine Optimization beschreibt die Optimierung von Webinhalten darauf, in den Antworten generativer KI-Systeme als Quelle aufzutauchen. Nicht als Link in einer Ergebnisliste, sondern als Grundlage der Antwort selbst.

Der Begriff stammt aus einer Arbeit von Forschenden aus Princeton, Georgia Tech, dem Allen Institute for AI und IIT Delhi. Sie erschien im November 2023 als Preprint und wurde 2024 auf der ACM-SIGKDD-Konferenz vorgestellt. Die Autoren fassen dort Systeme, die eine Antwort aus mehreren Quellen zusammensetzen und mit einem Sprachmodell formulieren, als „generative Engines” zusammen — und beschreiben GEO als Weg, die Sichtbarkeit eigener Inhalte innerhalb dieser Antworten zu erhöhen. Ihr Ausgangspunkt ist ausdrücklich die Lage der Inhalteersteller, die bei einer synthetisierten Antwort kaum noch Einfluss darauf haben, ob und wie sie vorkommen.

Im DACH-Markt ist GEO der gebräuchlichste Leitbegriff. Daneben kursieren weitere Akronyme, und eine Konsens-Definition existiert nicht — weder in der Branche noch in der akademischen Literatur. In der Praxis werden die Begriffe weitgehend synonym verwendet.

Begriff	Blickwinkel	Abgrenzung, soweit belegbar
GEO – Generative Engine Optimization	Als Quelle in einer synthetisierten Antwort vorkommen	Der einzige Begriff mit akademischem Ursprung; benennt den Mechanismus (Abruf und Synthese) und ist im DACH-Raum der Leitbegriff
LLMO – Large Language Model Optimization	Das Sprachmodell selbst als Ziel	Branchenprägung; rückt die Modellebene und den Trainingsdaten-Pfad in den Vordergrund
AEO – Answer Engine Optimization	Die Antwort sein, in welchem Format auch immer	Der älteste der Begriffe, aus der Zeit von Featured Snippets, Position Zero und Sprachassistenten; wird heute meist als Teilmenge von GEO gelesen
KI-SEO	Deutscher Sammelbegriff	Keine eigene Methodik, aber die Bezeichnung, die im Kundengespräch am zuverlässigsten verstanden wird

Vereinzelt begegnen dir noch GAIO, AIO oder AISO. Sie beschreiben dasselbe Feld und haben sich nicht durchgesetzt; AIO ist zusätzlich mehrdeutig, weil dieselbe Abkürzung auch für „All-in-One” steht.

Konkrete Überschneidungswerte zwischen diesen Begriffen findest du hier nicht. Für Angaben wie „die Disziplinen überschneiden sich zu 90 Prozent” gibt es keine belastbare Quelle. Belegbar ist die qualitative Aussage: Die Hebel überschneiden sich stark, und alle setzen eine funktionierende SEO-Basis voraus. Welches Akronym du benutzt, ändert an der Arbeit nichts.

Welche KI-Systeme kannst du überhaupt erreichen?

Diese Unterscheidung entscheidet darüber, ob deine Arbeit in Wochen wirkt oder in Jahren. Sie wird in den meisten GEO-Ratgebern übersprungen. Dahinter stehen drei technisch sehr verschiedene Systemtypen.

Klassische Sprachmodelle (LLMs)

Sie sind auf den Dialog mit dir ausgelegt und formulieren zusammenhängende, kontextbezogene Antworten aus dem, was sie im Training gelernt haben. Ihr Wissen ist dabei eingefroren: Jedes Modell hat einen festen Wissensstichtag, den Knowledge Cutoff. Was danach passiert ist, kennt es nicht — und neue Inhalte wandern erst mit einem neuen Trainingslauf oder einem Nachfolgemodell hinein.

Die Wissensaufnahme ist hier also statisch. Ein Beispiel ist ein Chatbot im Standardmodus, solange die Websuche nicht aktiv ist.

Klassische Suchmaschinen (Information Retrieval)

Information-Retrieval-Systeme erschließen Inhalte aus externen Dokumentsammlungen, Datenbanken oder Wissensbeständen — statisch wie laufend aktualisiert. Anders als ein Sprachmodell, das aus Trainingsdaten schöpft, durchsuchen sie vorhandene Bestände gezielt und geben zurück, was sie gefunden haben: eine geordnete Liste von Dokumenten, Ergebnissen oder Textpassagen, meist mit Quelle, Datum und einer Relevanzbewertung.

Was sie nicht tun: aus mehreren Fundstellen eine zusammenhängende Antwort formulieren. Die Ergebnisse zu bewerten und zusammenzuführen, bleibt deine Aufgabe.

RAG-Systeme (Retrieval-Augmented Generation)

Diese Hybride verbinden beides. Der Ansatz geht auf eine Arbeit von Lewis et al. aus dem Jahr 2020 zurück, die das im Modell gespeicherte Wissen als parametrisches und die abgerufenen Dokumente als nicht-parametrisches Gedächtnis beschreibt — genau die Trennlinie zwischen den ersten beiden Systemtypen. Ein RAG-System holt über eine Suchfunktion aktuelle Informationen und lässt ein Sprachmodell daraus eine verständliche Antwort bauen. Weil sie sowohl auf das statische Training als auch auf dynamische Quellen zugreifen, sind ihre Antworten aktueller und stärker an belegbaren Fakten entlang gebaut.

Hierher gehören Google AI Overviews und der AI Mode, Perplexity, ChatGPT Search, Microsoft Copilot und Gemini mit aktivierter Suche. Google nennt die Mechanik in der eigenen Dokumentation beim Namen: Retrieval-Augmented Generation und Query Fan-Out — die Zerlegung deiner Frage in mehrere Unterfragen, für die jeweils eigene Quellen abgerufen werden.

Viele Assistenten wechseln übrigens je nach Anfrage zwischen den Modi: Bei aktuellen oder sehr spezifischen Fragen schaltet sich die Suche zu, bei Allgemeinwissen antwortet das Modell aus sich heraus.

Warum nur retrieval-basierte Systeme optimierbar sind

Hier liegt die entscheidende Erkenntnis: Beeinflussen lässt sich nur, was aktiv nachschlägt. RAG-Systeme und Assistenten mit Web-Zugriff rufen externe Inhalte ab — und genau diese Inhalte hast du in der Hand. Bei einem reinen Sprachmodell ist das Wissen dagegen bereits eingebacken und nachträglich nicht mehr zu verändern.

Daraus ergeben sich zwei völlig unterschiedliche Zeithorizonte. An dieser Stelle ist Vorsicht angebracht, weil hier viele Zahlen kursieren, für die es keine Messung gibt.

Über Retrieval wirkt deine Arbeit so schnell, wie deine Inhalte indexiert und gerankt werden — es sind dieselben Inhalte, auf die auch die klassische Suche zugreift. Eine Untersuchung dazu, wie lange es von der Veröffentlichung bis zur ersten KI-Zitation dauert, liegt bislang nicht vor. Aus der Projektarbeit kennen wir Wochen bis wenige Monate; das ist ein Erfahrungswert, keine Messung, und dieser Artikel behandelt ihn auch nicht als eine.

Über den Trainingsdaten-Pfad dauert es strukturell länger, und wenigstens ein Teil davon lässt sich beziffern. Zwischen dem Wissensstichtag eines Modells und seiner Veröffentlichung lagen in der Vergangenheit typischerweise sechs bis achtzehn Monate. Bei den aktuellen Spitzenmodellen ist dieser Abstand zuletzt deutlich geschrumpft, während ältere Modelle, die weiter in Integrationen laufen, Jahre zurückhängen — GPT-4o etwa mit einem Stichtag im Oktober 2023.

Wichtig ist die Grenze dieser Zahl: Sie beschreibt den Modellzyklus, nicht deine Marke. Ob und wann Inhalte überhaupt in einen Trainingskorpus aufgenommen werden, veröffentlicht kein Anbieter. Wie lange es dauert, bis eine Marke in trainingsbasierten Antworten auftaucht, ist damit nicht bekannt — nur, dass es nicht schneller geht als der Zyklus des Modells, das dein Gegenüber gerade benutzt.

Das ist die gute Nachricht für jeden, der bereits SEO betreibt: Praktisch alle KI-Systeme, die derzeit relevante Marktanteile gewinnen, arbeiten mit Retrieval — und greifen damit auf genau die Inhalte zu, die auch klassisch indexiert sind.

Und die ehrliche Einschränkung: Für den Trainingsdaten-Pfad gibt es keine Abkürzung. Kein Tool und keine technische Maßnahme bringt deine Marke kurzfristig in ein Modell. Wer dir das verspricht, verkauft etwas, das er nicht liefern kann.

Zahlt deine SEO-Arbeit auf KI-Sichtbarkeit ein?

Ja — aber wie stark, hängt vom System ab. Und genau hier wird es in den meisten Artikeln unsauber, weil eine einzelne Overlap-Zahl herausgegriffen und verallgemeinert wird.

Die Studienlage im Überblick:

Untersuchung	Befund	Umfang und Stand
Ahrefs	Google AI Overviews (damals angepasstes Gemini-2.5-Modell): 76 % der Zitationen aus Googles Top 10, 9,5 % aus Position 11–100, 14,4 % gar nicht in den Top 100	1,9 Mio. Zitationen aus 1 Mio. AI Overviews, Juli 2025
Ahrefs	Google AI Overviews (seit Ende Januar 2026 global Gemini 3): nur noch 38 % aus den Top 10; 31,2 % aus Position 11–100, 31,0 % jenseits von Position 100	863.000 Keywords, 4 Mio. AIO-URLs, Februar 2026
BrightEdge	Google AI Overviews: Anteil der Zitationen aus den organischen Top 10 konstant bei rund 17 % über den gesamten Messzeitraum	Generative Parser, 9 Branchen, Februar 2025 bis Februar 2026
BrightEdge	Google AI Overviews bzw. SGE (Zeitraum umfasst Gemini 1.5 bis 2.5): Overlap mit den organischen Top-100-Rankings von 32 % auf 54 % gestiegen; Healthcare 75,3 %, Education 72,6 %, Insurance 68,6 %, E-Commerce 22,9 %	9 Branchen, Mai 2024 bis September 2025
BrightEdge (via Search Engine Land)	Perplexity (Modell nicht genannt): 60 % Overlap mit Googles Top 10; Healthcare 82 %, Restaurants 27 %	Generative Parser, Stichprobe nicht veröffentlicht, April 2024
Ahrefs	Perplexity, ChatGPT, Gemini und Copilot (Modellversionen nicht genannt): Perplexity rund 29 %; ChatGPT, Gemini und Copilot zusammen rund 12 %	15.000 Long-Tail-Prompts, August 2025
Seer Interactive	SearchGPT bzw. ChatGPT mit Websuche (Modell nicht genannt): 87 % Übereinstimmung mit Bings Top 20; gegen Googles Top 20 dagegen 56 %	Gut 500 Zitationen, Februar 2025
SE Ranking	ChatGPT (Modellversion und Modus nicht genannt): Zahl der verweisenden Domains als stärkster Einzelfaktor für Zitationen	129.000 Domains, 216.524 Seiten, 20 Nischen, Nov. 2025 / März 2026

Die Zahlen widersprechen sich nur scheinbar. Sie messen Unterschiedliches: mal Googles eigene Formate, mal fremde Systeme, mal gegen Google, mal gegen Bing. Auch die beiden BrightEdge-Zeilen messen nicht dasselbe — die 17 Prozent beziehen sich auf die Top 10, die 54 Prozent auf die organischen Rankings insgesamt, also inklusive der Positionen 11 bis 100. Und keine der acht Untersuchungen nennt, gegen welche Modellversion sie gemessen hat. „AI Overviews im Juli 2025” und „AI Overviews im Februar 2026” tragen denselben Namen, laufen aber auf verschiedenen Modellen: Ende Januar 2026 hat Google Gemini 3 zum globalen Standard für AI Overviews gemacht.

Drei Zahlen verdienen einen ausdrücklichen Vorbehalt. Die 87 Prozent von Seer Interactive beruhen auf gut 500 Zitationen — eine kleine Stichprobe, und sie messen gegen Bings Top 20, nicht gegen Google. Dieselbe Untersuchung hat auch gegen Google abgeglichen und kam dort auf 56 Prozent; das ist der Wert, der sich mit den übrigen Zeilen vergleichen lässt. Zudem gibt es Hinweise darauf, dass ChatGPT seine Retrieval-Quellen seitdem verschoben hat. Die 60 Prozent für Perplexity stammen aus 2024, und die neuere Ahrefs-Messung liegt mit rund 29 Prozent deutlich darunter — allerdings hat Ahrefs ausschließlich Long-Tail-Prompts getestet, ein Teil des Abstands ist also methodisch und nicht nur zeitlich. Und die 17 Prozent von BrightEdge sind kein Gegenwert zum Ahrefs-Rückgang: BrightEdge beschreibt diesen Anteil als über den gesamten Messzeitraum nahezu unverändert, sieht dort also gar keinen Einbruch, sondern ein durchgängig niedriges Niveau.

Die belastbare Zusammenfassung lautet deshalb: Bei Googles KI-Formaten ist deine organische Sichtbarkeit weiterhin der wirksamste der bekannten Hebel — aber ein schwächerer als noch 2025, denn je nach Messung erklärt eine Top-10-Position nur zwischen 17 und 38 Prozent der Zitationen. Bei Perplexity liegt der Zusammenhang im Mittelfeld, bei ChatGPT ist er gegenüber Google schwach; dort führt der Weg stärker über Bing, verweisende Domains und Markenpräsenz. Wer eine einzige Prozentzahl über alle Systeme legt, misst falsch.

Was sich gerade verschiebt

Der Top-10-Overlap sinkt

Von 76 Prozent im Juli 2025 auf 38 Prozent im Februar 2026, gemessen von Ahrefs an 863.000 Keywords und 4 Millionen AIO-URLs. Aufschlussreicher als die Schlagzeile ist die Verschiebung dahinter: 2025 stammten nur 9,5 Prozent der Zitationen von Position 11 bis 100 und 14,4 Prozent von Seiten außerhalb der Top 100. 2026 teilt sich der Rest fast hälftig — 31,2 Prozent von Position 11 bis 100, 31,0 Prozent von Seiten, die überhaupt nicht unter den ersten hundert Ergebnissen standen.

Ein Vorbehalt gehört dazu, und er kommt von Ahrefs selbst: Ein Teil des Rückgangs geht auf eine verbesserte Zitationserkennung im eigenen Tooling zurück. Ein Stück weit misst die zweite Erhebung also anders als die erste, nicht nur etwas anderes. Und die zweite verfügbare Messreihe stützt den Rückgang nicht: BrightEdge kommt auf rund 17 Prozent Top-10-Overlap und beschreibt diesen Anteil als über den gesamten Messzeitraum nahezu unverändert. Zwei Anbieter, zwei Methodiken — bei Ahrefs ein Einbruch, bei BrightEdge ein durchgängig niedriges Niveau. Was beide teilen, ist das Ergebnis: Eine Top-10-Position erklärt heute nur noch einen Bruchteil der Zitationen.

Als Erklärung nennt Ahrefs neben der Messumstellung den Query Fan-Out: Weil das System pro Anfrage mehrere semantisch verwandte Unterfragen stellt, zieht es Quellen heran, die für die ursprüngliche Anfrage gar nicht auf Seite 1 stehen. In der Berichterstattung kommt ein zeitlicher Zusammenhang dazu — Ende Januar 2026 hat Google Gemini 3 weltweit zum Standardmodell der AI Overviews gemacht. Google hat dazu keine Änderung am Fan-Out-Verhalten bestätigt. Belegt ist bisher die Bewegung, nicht ihre Ursache.

Wie stark der Fan-Out-Effekt ist, zeigt eine AirOps-Auswertung — die allerdings ChatGPT untersucht, nicht Googles AI Overviews. Aus 15.000 Prompts wurden dort 43.233 Suchanfragen, 89,6 Prozent der Anfragen lösten mindestens zwei Teilfragen aus, und von den zitierten Seiten, die überhaupt in einer Top-20-SERP auftauchten, waren 32,9 Prozent ausschließlich über eine Teilfrage auffindbar. Dieselbe Auswertung liefert die Gegenprobe zur 12-Prozent-Zahl weiter oben: Misst man nicht nur gegen die ursprüngliche Anfrage, sondern gegen alle Teilfragen mit, stehen 55,8 Prozent der von ChatGPT zitierten Seiten in Googles Top 20. Der Zusammenhang zwischen Ranking und Zitation ist also größer, als die Overlap-Zahlen vermuten lassen — er hängt nur nicht mehr am Haupt-Keyword.

Markennennungen schlagen Backlink-Volumen

Ahrefs hat im Mai 2025 75.000 Marken ausgewertet — ausschließlich solche mit einem Domain Rating über 40, was kleine Marken aus der Stichprobe nimmt. Markennennungen korrelieren dort mit AI-Overview-Sichtbarkeit bei einem Spearman-Koeffizienten von 0,664, klassische Backlinks bei 0,218. Dazwischen liegen zwei weitere Marken-Signale: Marken-Ankertexte bei 0,527 und das Suchvolumen des Markennamens bei 0,392. Eine erweiterte Auswertung vom Dezember 2025 bestätigt das Muster über alle drei großen Plattformen — 0,664 für AI Overviews, 0,709 für den Google AI Mode, 0,656 für ChatGPT. Die stärkste Einzelkorrelation zeigen Markennennungen auf YouTube mit rund 0,737.

Was dieser Abstand nicht ist: ein Wirkungsnachweis. Ahrefs weist selbst darauf hin, dass es sich um Korrelationen handelt und dass die Werte auf der Spearman-Skala moderat ausfallen. Beide Größen hängen zudem mit derselben dritten zusammen — der Bekanntheit der Marke. Große Marken haben naturgemäß beides: mehr Erwähnungen und mehr Sichtbarkeit.

Praktisch heißt das trotzdem etwas. Backlinks sind nicht wertlos geworden; sie wirken weiter, aber überwiegend indirekt über Rankings. Markennennungen sind zusätzlich der einzige Hebel, der auch den Trainingsdaten-Pfad bedient.

Plattformen folgen unterschiedlichen Regeln

Die 12-Prozent-Zahl oben ist kein Ausreißer, sondern der Normalfall außerhalb von Googles eigenen Formaten. Systeme wie ChatGPT bevorzugen häufig thematisch tiefe Fachpublikationen gegenüber großen Generalisten-Domains.

Was daraus folgt: Eine Strategie, die für alle Plattformen gleichzeitig gelten soll, ist keine Strategie.

Was nachweislich wirkt

Fünf Hebel, für die belastbare Belege existieren — jeweils mit der Einschränkung, die dazugehört:

Maßnahme	Befund	Quelle und Einordnung
Antwort zuerst – die direkte Antwort in den ersten ein bis zwei Sätzen eines Abschnitts	44,2 % aller Zitationen stammen aus den ersten 30 % eines Textes, 31,1 % aus der Mitte, 24,7 % aus dem letzten Drittel	Kevin Indig, Februar 2026: 18.012 verifizierte Zitationen, isoliert aus rund 1,2 Mio. ChatGPT-Antworten
Zahlen, Zitate und Quellen einbauen	Die drei wirksamsten von neun getesteten Methoden erreichten 30–40 % relative Verbesserung auf der Position-Adjusted-Word-Count-Metrik; Keyword Stuffing brachte keinen Effekt	Princeton-GEO-Paper, KDD 2024: 10.000 Anfragen, allerdings gegen eine simulierte Engine auf Basis von GPT-3.5 — Größenordnung übertragbar, exakte Werte nicht
Thematische Autorität aufbauen	57 % schnellerer Sichtbarkeitsaufbau, 62 % höhere Wahrscheinlichkeit auf Traffic in der ersten Woche	Graphite: 332 URLs, 12 Domains — misst organische Sichtbarkeit, nicht KI-Zitationen; der Bezug entsteht indirekt über Rankings
Redaktionelle Drittberichterstattung	84 % aller Zitationen stammen aus Earned Media, bezahlte und advertoriale Inhalte machen 0,3 % aus; über drei Studienausgaben seit Juli 2025 stabil zwischen 82 und 89 %	Muck Rack, Mai 2026: 25 Mio. zitierte Links aus 17 Branchen
Autorität des Publishers	Beiträge bei Publishern im DR-81-Cluster wurden in 43 % der Fälle zitiert, im DR-62-Cluster nur in 2 %	Stacker, April 2026: 215 Stories, 75 Marken — die berichtete Korrelation von r = 0,99 bezieht sich auf vier Cluster-Mittelwerte, nicht auf Einzelbeiträge. Richtung belastbar, Stärke nicht überinterpretieren

Auffällig daran: Keiner dieser Hebel ist neu. Es sind dieselben Prinzipien, die auch klassisch wirken — Substanz, Struktur, Autorität.

Was Google nicht verlangt – und wofür Belege fehlen

Hier lohnt eine Unterscheidung, die in der GEO-Diskussion fast nie gemacht wird. Es gibt drei verschiedene Beweislagen, und sie sind nicht gleichwertig.

Taktik	Beweislage	Was sich sagen lässt
llms.txt	gemessen	Von 137.210 Domains, die Ahrefs im Juni 2026 aus den eigenen Logdaten geprüft hat, führte rund 28 Prozent eine llms.txt — 97 % dieser Dateien wurden im Mai 2026 kein einziges Mal abgerufen. Ahrefs ordnet die Verbreitung selbst als Obergrenze ein, weil die Stichprobe technisch versierte Sites überrepräsentiert. Auffällig zusätzlich: Auf Domains ohne die Datei fragte kein KI-Bot sie überhaupt an. SE Ranking prüfte rund 300.000 Domains und fand keinen messbaren Einfluss auf die Zitationswahrscheinlichkeit — das Modell wurde ohne die Datei sogar genauer. Google listet sie zusätzlich als nicht erforderlich.
Content in Mini-Häppchen zerlegen	Google-Aussage plus Gegendaten	In Googles Mythbusting-Sektion vom 15. Mai 2026 als nicht erforderlich benannt. SE Ranking misst zusätzlich das Gegenteil: Abschnitte unter 50 Wörtern erhielten 2,7 Zitationen, Abschnitte mit 120–180 Wörtern 4,6, längere sogar 5,7.
Inhalte „für KI-Lesbarkeit” umschreiben	Google-Aussage	ebenfalls als nicht erforderlich benannt
Inszenierte Markennennungen einkaufen	Google-Aussage	ebenfalls als nicht erforderlich benannt; passt zum Muck-Rack-Befund von 0,3 % bezahlten Inhalten unter allen Zitationen
Umfangreiches Schema-Markup als GEO-Hebel	Google-Aussage, Daten uneindeutig	Nicht erforderlich, um in KI-Formaten zu erscheinen. Ein Search-Engine-Land-Experiment mit drei Testseiten deutet in die andere Richtung — bei der Stichprobengröße ein Hinweis, kein Beweis. SE Ranking fand umgekehrt, dass Seiten ohne FAQ-Schema etwas mehr ChatGPT-Zitationen erhielten (4,2 gegenüber 3,6). Für Rich Results in der klassischen Suche bleibt Markup sinnvoll.
Prompt-optimierte Formulierungen im Text	kein Wirkungsnachweis	Weder belegt noch widerlegt. Es existiert schlicht keine Studie.
Spezielle Meta-Tags für KI-Crawler	kein Wirkungsnachweis	Keine dokumentierten Tags, die KI-Systeme bevorzugt auslesen

Warum diese Unterscheidung wichtig ist. „Nicht erforderlich” ist etwas anderes als „wirkungslos”. Und „es gibt keinen Beleg für eine Wirkung” ist etwas anderes als „es ist bewiesen, dass es nicht wirkt”. Wer die drei Ebenen vermischt, klingt entschiedener — und ist beim ersten Gegenbeleg angreifbar.

Die belastbare Position: Investiere dort, wo Belege vorliegen. Bei allem anderen kennst du jetzt die Beweislage und kannst selbst entscheiden.

Das Fundament: Ohne Auffindbarkeit keine Zitation

Bevor Feintuning überhaupt eine Rolle spielt, muss ein KI-System deine Inhalte finden können. Drei Bereiche entscheiden darüber, und keiner davon ist neu.

Technik. Crawlbarkeit und Indexierbarkeit müssen konsistent sein — robots.txt, Meta-Robots, Canonicals, Statuscodes. Der Otterly AI Citations Report vom Februar 2026 wertete über eine Million Zitationen aus und stieß bei 73 Prozent der untersuchten Sites auf technische Hindernisse für KI-Crawler. Dahinter stecken meistens Regeln in der robots.txt, Einstellungen im CDN oder Inhalte, die erst per JavaScript entstehen — fast nie bewusst gegen KI-Crawler gerichtet, sondern historisch gewachsen.

Besonders relevant: Der Hauptinhalt gehört ins ausgelieferte HTML. Vercel und MERJ haben im Dezember 2024 gemeinsam untersucht, wie sich KI-Crawler verhalten, und keinen Beleg dafür gefunden, dass sie JavaScript ausführen. Heruntergeladen wird es durchaus — vom GPTBot bei 11,50 Prozent der Anfragen, vom ClaudeBot bei 23,84 Prozent —, ausgeführt von keinem von beiden. Der einzige große Crawler, der tatsächlich rendert, ist der Googlebot. Der einfachste Test: Seite öffnen, Quelltext anzeigen, nach einem Satz des Hauptinhalts suchen. Steht er dort nicht, sehen diese Systeme ihn nicht.

Auch die Ladezeit taucht in den Daten auf: Schnelle Seiten mit einem First Contentful Paint unterhalb von 0,4 Sekunden kamen bei SE Ranking auf durchschnittlich 6,7 Zitationen, während Seiten jenseits von 1,1 Sekunden bei 2,1 lagen.

Content. Was zählt, ist die Frage hinter der Suchanfrage — und ob du ein Themenfeld über mehrere zusammenhängende Seiten abdeckst, statt alles auf eine Seite mit vielen Keywords zu packen.

Autorität. Bei SE Ranking erklärt keine andere Einzelgröße die ChatGPT-Zitationen so gut wie die Zahl der verweisenden Domains. Unterhalb von 2.500 solcher Domains bewegen sich Sites bei 1,6 bis 1,8 Zitationen, jenseits von 350.000 sind es 8,4. Auffällig ist die Schwelle bei etwa 32.000, an der sich der Wert von 2,9 auf 5,6 fast verdoppelt. Und die Rankings bleiben der Türöffner: Wer im Schnitt zwischen Position 1 und 45 steht, kam auf 5 Zitationen, wer zwischen 64 und 75 rangiert, nur auf 3,1.

Feintuning: Was die Daten sonst noch hergeben

Die folgenden Befunde stammen überwiegend aus der SE-Ranking-Analyse von 129.000 Domains. Sie zeigen Zusammenhänge, keine Kausalitäten — und SE Ranking betont selbst, dass die Faktoren nicht unabhängig voneinander sind: Einen davon auf Kosten der übrigen zu maximieren, führt am Ende zu einem schlechteren Gesamtbild.

• Datendichte. Wer 19 oder mehr Datenpunkte unterbringt, landete im Schnitt bei 5,4 Zitationen; Seiten mit kaum Zahlen bei 2,8.
• Expertenzitate. Wird eine namentlich genannte Fachperson zitiert, steigt der Schnitt von 2,4 auf 4,1 Zitationen.
• Verständlichkeit. Zitierte Inhalte lagen im Lesbarkeitsmaß deutlich unter dem Niveau schlechter abschneidender Inhalte. Kürzere Sätze schlagen dichte Fachprosa.
• Titel nicht überoptimieren. Vielleicht der überraschendste Befund der Auswertung: Wo der Titel sehr eng am Ziel-Keyword klebt, lag der Schnitt bei 2,8 Zitationen — bei breiter formulierten Titeln bei 5,9. Für URLs gilt dasselbe Muster.
• Substanz schlägt Kürze. Jenseits von 2.900 Wörtern lag der Schnitt bei 5,1 Zitationen, unterhalb von 800 Wörtern bei 3,2.
• Pflege schlägt Alter. Inhalte mit einem Update innerhalb der letzten drei Monate kamen auf 6,0 Zitationen, veraltete auf 3,6. Reines Alter spielt dagegen kaum eine Rolle: ganz neue Inhalte 3,6, ein bis fünf Jahre alte 3,1.
• Präsenz außerhalb der eigenen Website. Wer ein Profil auf Trustpilot, G2, Capterra, Sitejabber oder Yelp pflegt, kam auf 4,6 bis 6,3 Zitationen — ohne solche Profile waren es 1,8. Für Quora und Reddit spannt sich der Bereich von 1,7 bis 7,0 auf, wobei das obere Ende Millionen von Erwähnungen voraussetzt. Erreichbar ist das für die wenigsten; die Richtung stimmt trotzdem.

Wie du KI-Sichtbarkeit misst

Bis vor Kurzem war das der schwächste Punkt jeder GEO-Diskussion. Es gab Empfehlungen, aber keine Daten.

Seit dem 3. Juni 2026 gibt es einen nativen Report. Google hat in der Search Console unter „Leistung” eine eigene Ansicht für generative KI-Features gestartet. Sie zeigt Impressionen aus AI Overviews, AI Mode und generativen Features in Discover getrennt von den regulären organischen Daten, aufgeschlüsselt nach Seiten, Ländern, Geräten und Zeitraum.

Was sie nicht zeigt: Klicks, Klickrate, Position und Suchanfragen. Du siehst also, dass du auftauchst, aber nicht, was es dir bringt. Der Rollout läuft schrittweise und startete mit einer Teilmenge von Websites — Berichte aus dem Markt sprechen von einem Beta-Start in Großbritannien. Wenn der Bereich bei dir noch fehlt, liegt das nicht an deiner Einrichtung.

Zusätzlich hat Google einen Schalter eingeführt, mit dem du steuerst, ob deine Inhalte in AI Overviews, AI Mode und Discover erscheinen dürfen. Standard ist Einschluss. Google hat dazu ausdrücklich festgehalten, dass dieser Schalter kein Ranking-Signal für die klassische Suche ist — wer sich ausschließt, verliert allerdings auch Traffic und Impressionen aus den generativen Features.

Was dieser Report offen lässt. Er misst ausschließlich Googles eigene Oberflächen. ChatGPT, Perplexity und Gemini außerhalb der Google-Suche bleiben unsichtbar. Und weil Suchanfragen fehlen, kannst du die KI-Sichtbarkeit nicht direkt gegen deine organische Performance pro Suchanfrage halten.

Für alles außerhalb von Google brauchst du deshalb eine zweite Datenquelle. Genau diese Lücke schließt das Performance-Modul von searchsquare: Sichtbarkeit in ChatGPT, Perplexity und Gemini steht dort neben Position, echten Klicks, Suchvolumen und Wettbewerb — pro Keyword, in einer Ansicht.

Das löst GEO nicht. Es beantwortet nur die Frage, von der jede weitere Entscheidung abhängt: Wo stehst du gerade?

Deine ersten Schritte

1. Kläre, welche Systeme für dich zählen. Grounding oder Trainingsdaten — davon hängt ab, ob du in Wochen oder in Jahren denkst.
2. Prüfe das Fundament, bevor du feintunst. Steht der Hauptinhalt im ausgelieferten HTML? Kommen KI-Crawler mit Statuscode 200 durch? Ohne das führt keine weitere Maßnahme zum Ziel.
3. Sieh in der Search Console nach dem neuen Bereich für generative KI-Features. Wenn er fehlt, regelmäßig nachsehen.
4. Bau Antwort-First um. Direkte Antwort in den ersten ein bis zwei Sätzen jedes Abschnitts, danach Kontext und Beleg — aber keine Mini-Abschnitte.
5. Ergänze Zahlen, Quellen und Expertenzitate, wo du bisher nur behauptest. Der Effekt ist einer der wenigen sauber gemessenen.
6. Denk in Themenfeldern statt in Einzel-Keywords. Query Fan-Out belohnt Abdeckung, nicht eine einzelne Top-Position. Was Google im selben Leitfaden ausdrücklich nicht will: für jede denkbare Unterfrage eine eigene dünne Seite anzulegen — das fällt unter die Richtlinie zu skaliertem Contentmissbrauch.
7. Arbeite an Erwähnungen außerhalb der eigenen Website — redaktionell, in Fachcommunities, auf Bewertungsplattformen.
8. Streich, was keine Belege hat, und investiere die Zeit in Substanz.

Sieh nach, wo du gerade stehst

Der Search-Console-Report zeigt dir Googles eigene Oberflächen. Für alles daneben brauchst du eine zweite Quelle.

In searchsquare stehen Position, echte Klicks, Suchvolumen und Wettbewerb pro Keyword — und direkt daneben, ob deine Inhalte in ChatGPT, Perplexity und Gemini auftauchen. Statt fünf bis sechs Einzeltools brauchst du dafür nur eins.

Kostenlos testen. Ranking-, Suchvolumen- und Wettbewerbsdaten deiner Domain stehen sofort bereit. Deine eigenen Klick- und Conversion-Daten kommen dazu, sobald du Search Console und GA4 verbindest. Onboarding durch Experten ist enthalten.

Domain eintragen und starten

Fazit

Generative Engine Optimization ist die Erweiterung deiner SEO-Arbeit auf eine zusätzliche Sichtbarkeitsebene — nicht deren Ersatz. Google sagt das inzwischen selbst.

Was sich ändert, ist die Gewichtung: thematische Breite vor Einzel-Keyword, Markennennungen neben Backlinks, plattformspezifisches Vorgehen statt Universalrezept. Und was sich ändert, ist die Messbarkeit — langsam, aber sichtbar.

Was sich nicht ändert: Inhalte ohne Substanz werden weder gerankt noch zitiert. Der kürzeste Weg in KI-Antworten führt über gute Arbeit, nicht über eine Datei im Root-Verzeichnis.

FAQ

Ist GEO dasselbe wie SEO?

Nicht dasselbe, aber auch keine getrennte Disziplin. Google hat am 15. Mai 2026 festgehalten, dass Optimierung für generative KI-Suche aus Sicht der Google-Suche weiterhin SEO ist. Was sich verschiebt, ist die Gewichtung einzelner Hebel, nicht deren grundsätzliche Relevanz.

Was ist der Unterschied zwischen GEO, LLMO und AEO?

Die drei Begriffe beschreiben dasselbe Grundziel aus leicht verschiedenen Blickwinkeln, und eine Konsens-Definition existiert nicht. GEO zielt auf Zitation in generativen Antworten, LLMO betont zusätzlich den Trainingsdaten-Pfad, AEO umfasst auch nicht-generative Antwortformate wie Featured Snippets. In der Praxis werden sie weitgehend synonym verwendet.

Welche KI-Systeme kann ich mit SEO überhaupt erreichen?

Erreichbar ist alles, was live im Web nachschlägt: die AI Overviews und der AI Mode von Google, Gemini mit aktivierter Suche, Perplexity, ChatGPT Search und Microsoft Copilot. Reine Sprachmodelle ohne Web-Zugriff erreichst du nur langfristig über Markenaufbau. Wie lange das dauert, ist nicht belegt: Bekannt ist nur der Abstand zwischen Wissensstichtag und Veröffentlichung eines Modells, der historisch bei sechs bis achtzehn Monaten lag.

Brauche ich strukturierte Daten, um in AI Overviews zu erscheinen?

Nein. Google bezeichnet zusätzliches Markup ausdrücklich als nicht erforderlich für das Erscheinen in generativen KI-Features. Die Datenlage ist hier uneindeutig: Ein Search-Engine-Land-Experiment mit drei Testseiten deutet in die andere Richtung, ist aber viel zu klein für einen Beweis, und SE Ranking fand bei 129.000 Domains sogar leicht mehr ChatGPT-Zitationen bei Seiten ohne FAQ-Schema. Für Rich Results in der klassischen Suche bleibt Schema-Markup trotzdem sinnvoll — das sind zwei verschiedene Fragen.

Bringt eine llms.txt etwas?

Nach aktueller Datenlage nicht. Ahrefs sah sich im Juni 2026 137.210 Domains an: Rund 28 Prozent hatten die Datei angelegt, und 97 Prozent davon wurden im Mai 2026 überhaupt nicht abgerufen. SE Ranking fand keinen messbaren Einfluss auf die Zitationswahrscheinlichkeit. Google führt die Datei zusätzlich als nicht erforderlich. Von allen kursierenden GEO-Taktiken ist das die mit der klarsten Beweislage gegen sich.

Wie viele KI-Zitationen kommen aus Googles Top 10?

Das hängt vom System ab — und bei Google sogar davon, wen man fragt. Für Googles eigene AI Overviews kommt Ahrefs im Februar 2026 auf rund 38 Prozent, gefallen von 76 Prozent im Juli 2025, wobei ein Teil des Rückgangs auf verbesserte Messung zurückgeht. BrightEdge misst mit anderer Methodik nur rund 17 Prozent und sieht diesen Wert über den gesamten Messzeitraum stabil. Bei Perplexity sind es rund 29 Prozent, bei ChatGPT, Gemini und Copilot im Schnitt 12 Prozent. Wichtig für die Einordnung: Diese Zahlen messen gegen die ursprüngliche Nutzeranfrage. Rechnet man die Teilfragen aus dem Query Fan-Out mit, stehen laut AirOps 55,8 Prozent der von ChatGPT zitierten Seiten in Googles Top 20. Eine einzelne Zahl über alle Plattformen gibt es nicht.

Sind Backlinks für KI-Sichtbarkeit noch relevant?

Ja, aber überwiegend indirekt: Sie erzeugen Rankings, und Rankings sind bei Grounding-Systemen das Eintrittsticket. Im Vorhersagemodell von SE Ranking ist die Zahl der verweisenden Domains der wichtigste Einzelfaktor für ChatGPT-Zitationen. Markennennungen korrelieren daneben deutlich stärker mit KI-Sichtbarkeit als klassische Backlinks — 0,664 gegenüber 0,218 bei AI Overviews und 0,656 bei ChatGPT, gemessen an 75.000 Marken (Ahrefs). Zwei verschiedene Messverfahren, dieselbe Richtung: Beides gehört zusammen gedacht.

Was ist Query Fan-Out?

Die Mechanik, mit der ein KI-Suchsystem eine einzelne Nutzerfrage in mehrere semantisch verwandte Unterfragen zerlegt und für jede davon Quellen abruft. Google benennt sie in der eigenen Dokumentation. Wie groß dieser zweite Zugangsweg ist, zeigt eine AirOps-Auswertung zu ChatGPT: Von den zitierten Seiten, die überhaupt in einer Top-20-SERP auftauchten, waren 32,9 Prozent ausschließlich über eine Teilfrage auffindbar. Praktische Folge: Deine Seite kann zitiert werden, ohne für die ursprüngliche Anfrage auf Seite 1 zu stehen.

Wie stark senken AI Overviews die organische Klickrate?

Deutlich, aber die Zahlen streuen. Pew Research beobachtete, dass die Klickrate bei Suchanfragen mit AI Overview von 15 auf 8 Prozent fällt. Seer Interactive kommt über 5,47 Millionen Suchanfragen auf ein Minus von 61 Prozent, Ahrefs auf 58 Prozent für Inhalte auf Position 1. Wird eine Seite zitiert, holt sie pro Impression etwa 120 Prozent mehr organische Klicks als nicht zitierte Seiten derselben Ergebnisseite — liegen damit aber immer noch rund 38 Prozent unter dem, was sie auf einer Seite ganz ohne AI Overview erreichen würden. Eine Zitierung ist ein deutlicher Vorteil im neuen Umfeld, kein Ausgleich für das alte.

Kann ich in der Search Console sehen, ob ich in KI-Antworten auftauche?

Seit dem 3. Juni 2026 teilweise. Der neue Bereich für generative KI-Features zeigt Impressionen aus AI Overviews, AI Mode und generativen Discover-Features, aufgeschlüsselt nach Seiten, Ländern, Geräten und Zeitraum — aber keine Klicks, keine Position und keine Suchanfragen. Der Rollout erfolgt schrittweise, zunächst für eine Teilmenge von Websites.

Wie messe ich Sichtbarkeit in ChatGPT, Perplexity und Gemini?

Der Search-Console-Report deckt ausschließlich Googles eigene Oberflächen ab. Für die übrigen Systeme brauchst du eine separate Datenquelle, die Sichtbarkeit dort erfasst und gegen deine organische Performance stellt. Ein zweiter Blick lohnt sich in die Server-Logs — dort siehst du, welcher KI-Crawler welche Seite anfragt und was er dabei zurückbekommt.

Quellen

Alle im Artikel genannten Zahlen sind über die folgenden Quellen nachprüfbar.

Google (Primärquellen)

Studien und Auswertungen