GEO: Sichtbarkeit in generativen Antworten
GEO (Generative Engine Optimization) bezeichnet Maßnahmen, mit denen Inhalte, Marken oder Personen in generativen Antworten auffindbar, korrekt dargestellt und als Quelle nutzbar werden sollen. Das überschneidet sich mit SEO, erweitert die Betrachtung aber um Nennungen und Belege innerhalb einer erzeugten Antwort. Eine Platzierung lässt sich damit nicht garantieren.
SEO und GEO: Gemeinsame Grundlagen, andere Messfragen
SEO schafft Voraussetzungen für Auffindbarkeit in Suchmaschinen. GEO betrachtet zusätzlich, ob ein System gefundene Informationen für seine Antwort auswählt und wie es sie wiedergibt. Suchergebnisse schwanken ebenfalls; der Gegensatz „stabiles SEO gegen zufällige KI“ greift zu kurz.
- Auffindbarkeit
- Bei beiden zählen erreichbare Inhalte, verständliche Struktur und passende Antworten auf die Nachfrage.
- Darstellung
- Eine generative Antwort kann Namen nennen, Sachverhalte zusammenfassen oder Quellen verlinken. Zahl und Form dieser Belege hängen vom System und der Frage ab.
- Messung
- Zu Rankings, Impressionen, Klicks und Conversions kommen Nennungsquote, Quellenverweise und inhaltliche Korrektheit. Keine dieser Größen ersetzt alle anderen.
Drei Wege: Suche, Abruf und Trainingswissen
Suche während der Antwort. Ein System kann Suchdienste nutzen und gefundene Seiten als Belege heranziehen. Für unterstützende Links in Googles AI Overviews und AI Mode muss eine Seite indexiert und für die Darstellung mit einem Snippet geeignet sein. Auch dann ist ihre Auswahl nicht garantiert.
Abruf einer konkreten Quelle. Ein Werkzeug kann eine URL direkt öffnen. Gut zugänglicher Text und eindeutige Abschnitte erleichtern die Verarbeitung. Welche Inhalte ein System einschließlich JavaScript tatsächlich ausliest, hängt von seinem Abrufverfahren ab.
Trainingswissen. Ein Modell kann Informationen aus seinen gelernten Parametern wiedergeben. Daraus lässt sich normalerweise nicht zuverlässig ableiten, welche einzelne Webseite zugrunde liegt. Änderungen an der eigenen Website aktualisieren dieses Wissen nicht unmittelbar.
Diese Wege können in einer Antwort zusammenkommen. Eine Quellenangabe allein belegt außerdem noch nicht, dass jede Aussage der Antwort von dieser Quelle gedeckt ist.
Was sinnvoll ist: Zugänglichkeit und überprüfbare Inhalte
Technische Grundlagen. Inhalte müssen für die beabsichtigten Abrufwege erreichbar sein. Prüfe Indexierung, interne Links, robots.txt und mögliche Sperren durch Hosting oder CDN. Google nennt für seine KI-Suchergebnisse dieselben grundlegenden SEO-Anforderungen und keine zusätzlichen Spezialmaßnahmen.
Klare Aussagen. Benenne die Frage eines Abschnitts und beantworte sie verständlich. Vollständige Absätze, nachvollziehbare Quellen und ein erkennbarer Aktualisierungsstand helfen beim Prüfen und Weiterverwenden. Das ist eine redaktionelle Empfehlung, keine universelle Rankingformel.
Eindeutige Entitäten. Name, Tätigkeit, Ort und Zuständigkeiten sollten über eigene Seiten und gepflegte Profile zusammenpassen. Strukturierte Daten können solche Angaben ausdrücklich auszeichnen, müssen aber dem sichtbaren Inhalt entsprechen. Google verlangt dafür kein spezielles KI-Schema.
Unabhängige Erwähnungen. Fachmedien, Verzeichnisse und andere Quellen können zusätzliche Informationen über eine Marke liefern. Ob und wie stark dies eine bestimmte Antwort beeinflusst, ist system- und frageabhängig. Ein allgemein „größter Effekt“ lässt sich daraus nicht ableiten.
Forschung: Ergebnisse mit Grenzen
Die GEO-Arbeit von Aggarwal und Mitautoren untersucht unter anderem Quellenangaben, Zitate und Statistiken in einem experimentellen Such- und Antwortsystem. Sie liefert Hinweise auf mögliche Effekte in diesem Versuchsaufbau. Diese sind keine Zusage für heutige Produkte, einzelne Websites oder zusätzliche Besucher.
Für die Praxis heißt das: Belege und Zahlen verwenden, wenn sie die Aussage tragen. Keine Zahlen ergänzen, nur um eine vermeintliche Optimierungsregel zu erfüllen. Eine eigene Messreihe muss zeigen, ob sich Nennungen, Quellenlinks oder Korrektheit verändern.
Was keine Garantie liefert
llms.txt. Die Datei ist ein Formatvorschlag für kuratierte, maschinenlesbare Informationen. Sie ist keine Voraussetzung für Googles KI-Suchergebnisse und kein allgemein bestätigter Hebel für bessere Platzierungen. Mehr dazu im llms.txt-Glossar.
Versteckte Anweisungen. Texte, die ein fremdes Modell zur bevorzugten Nennung bewegen sollen, schaffen keine fachliche Autorität. Sie können als Manipulationsversuch oder Prompt Injection wirken und fallen je nach Suchdienst unter dessen Richtlinien.
Scores ohne Methode. Eine Zahl ist nur interpretierbar, wenn Fragen, Systeme, Zeitpunkt, Gewichtung und Grenzen der Messung offengelegt werden. Ein zusammengesetzter Check ist keine universelle Sichtbarkeitskennzahl.
Messung: Sichtbarkeit und Nutzen unterscheiden
Traffic allein erfasst nicht jede Wirkung einer Nennung. Er bleibt zusammen mit qualifizierten Anfragen und Conversions aber wichtig, um geschäftlichen Nutzen zu beurteilen. Wie sich ein wiederholbares Prompt-Set aufbauen lässt, erklärt KI-Sichtbarkeit.
Konkrete Umsetzungsschritte stehen im Praxis-Guide zur Maschinenlesbarkeit. Die Einordnung für das Reporting vertieft Die 93-%-Illusion.