Generative Engine Optimization: als Quelle ausgewählt werden
Aktualisiert am 12.10.2026
Generative Engine Optimization (GEO) verbessert die Voraussetzungen dafür, dass KI-gestützte Such- und Antwortsysteme ein Unternehmen als relevante Quelle finden und korrekt einordnen. Wir prüfen Crawling, Seitenstruktur, Inhalte und Quellenbezüge. Danach entwickeln wir verständliche Antworten auf echte Nutzerfragen und verknüpfen sie mit überprüfbaren Fakten. Ob diese Inhalte in KI-Antworten erscheinen, messen wir regelmäßig; eine bestimmte Nennung oder Platzierung lässt sich nicht garantieren.
Der Unterschied zu SEO
GEO ist nicht dasselbe wie SEO. SEO zielt auf Platzierungen in Ergebnislisten, GEO auf die Auswahl als Quelle in einer generierten Antwort. Die technische Basis teilen sich beide: Was nicht gecrawlt und indexiert wird, kann weder ranken noch zitiert werden. SEO bleibt damit Voraussetzung, beantwortet aber nicht, warum ein KI-System eine bestimmte Quelle heranzieht.
Diese Auswahl speist sich aus zwei Richtungen. Was im Modelltraining verankert ist, lässt sich kurzfristig kaum beeinflussen. Was per Retrieval live abgerufen wird, ist beeinflussbar — hier entscheidet sich, ob eine Quelle in der Antwort landet. GEO setzt deshalb zuerst am Retrieval an: crawlbare Inhalte, eindeutige Aussagen, nachprüfbare Fakten.
Die Auswahllogik unterscheidet sich je System. Perplexity legt die Quellenwahl offen, bei Google wirken klassische Struktur- und Crawling-Signale stark, ChatGPT und Claude arbeiten mit eigenen Crawlern und eigenen Präferenzen. Deshalb wird pro System gearbeitet und gemessen, nicht über alle Systeme gemittelt.
Inhalte, die übernommen werden
Übernommen wird, was eigenständig verständlich ist. KI-Systeme verarbeiten Text in Abschnitten von etwa 100 bis 500 Tokens — ein Antwortblock von 50 bis 300 Wörtern unter einer klaren Überschrift entspricht dieser Einheit und wird am häufigsten vollständig zitiert. Die Antwort steht im ersten Satz, Kontext und Beleg folgen.
Vier Formate werden überdurchschnittlich oft herangezogen. Wir richten Inhalte am Prompt-Set aus, damit sie die Fragen treffen, die tatsächlich gestellt werden.
Definitionen
für Begriffsfragen.
Studien & Daten
als belegbare Fakten.
How-to-Inhalte
als umsetzbare Anleitung.
FAQs
mit realen Fragen und knappen Antworten.
Dazu gehört Terminologie: dieselben Begriffe für dieselben Dinge, über Website, Presse und Drittquellen hinweg. Uneinheitliche Bezeichnungen verwässern die Entität, Konsistenz stärkt die Verknüpfungen, die Sprachmodelle lernen.
Technische Voraussetzungen
Was nicht gelesen werden kann, kann nicht zitiert werden.
Der Zugang. KI-Crawler sind eigene Bots — GPTBot und OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended. Über die robots.txt lässt sich je Bot erlauben oder sperren. Die Frage, ob man sie zulassen soll, hat keine Standardantwort: Wer sperrt, schützt Inhalte und reduziert zugleich die Wahrscheinlichkeit, zitiert zu werden. Wer Sichtbarkeit in KI-Antworten will, öffnet mindestens die Such- und Retrieval-Bots.
Die Auslieferung. Viele KI-Crawler führen kein JavaScript aus. Inhalte, die erst im Browser entstehen oder hinter Klick und Scroll liegen, existieren für sie nicht. Serverseitig ausgeliefertes HTML ist die Voraussetzung.
Die Auszeichnung. Strukturierte Daten nach schema.org, ausgeliefert als JSON-LD, machen Beziehungen zwischen Entitäten explizit. Eine llms.txt ergänzt das um eine kuratierte Übersicht — zwingend ist sie nicht, der Standard ist noch nicht flächendeckend etabliert. Der Aufwand ist gering, das Risiko null, aber sie ersetzt keine saubere Struktur.
Wie Wirkung gemessen wird
Gemessen wird gegen das Prompt-Set, nicht gegen Rankings. Jede Frage wird regelmäßig an die relevanten KI-Systeme gestellt und die Antwort ausgewertet: Kommt das Unternehmen vor, wird es korrekt beschrieben, wird es empfohlen, wird verlinkt, wird zitiert. Weil generative Antworten nicht deterministisch sind, wird über Wiederholungen und Zeitreihen gearbeitet. Referenzpunkt ist die eigene Baseline und der Abstand zum Wettbewerb im selben Prompt-Set.
Welche Maßnahmen tatsächlich auf die Auswahl als Quelle wirken, ist Gegenstand laufender Forschung. Wir stehen dazu im fachlichen Austausch mit der Forschung, die dieses Feld empirisch untersucht, und gleichen unsere Annahmen regelmäßig mit dem Stand dieser Arbeiten ab. Was sich nicht belegen lässt, behandeln wir als Hypothese und nicht als Regel.
Weiterführend:
