GEO statt nur SEO: Warum KI-Suchsysteme mitentscheiden, wer sichtbar ist
Klassisches SEO – gute Struktur, saubere Ladezeiten, relevante Keywords – bleibt wichtig. Es reicht aber nicht mehr allein aus, wenn ein wachsender Teil der Nutzerinnen und Nutzer seine erste Frage nicht mehr in eine klassische Suchmaschine, sondern direkt in ein KI-System eingibt. Solche Systeme geben keine Linkliste aus, sondern eine formulierte Antwort – und zitieren dafür nur Quellen, die sie als vertrauenswürdig und klar strukturiert einstufen.
Was Generative Engine Optimization konkret bedeutet
Generative Engine Optimization (GEO) beschreibt genau diese Anpassung: Inhalte so aufbereiten, dass KI-Systeme sie leicht erfassen, zuordnen und zitieren können. Dazu gehören klare Fakten statt vager Marketingsprache, saubere Zwischenüberschriften, technisches Schema-Markup sowie eine erkennbare, echte Autorenschaft.
Das deckt sich mit einem Konzept, das Google selbst seit Jahren in seinen Qualitätsrichtlinien verwendet: E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness – Erfahrung, Fachwissen, Autorität, Vertrauenswürdigkeit). KI-Suchsysteme greifen auf ähnliche Signale zurück: Eine reale, fachlich einordenbare Person hinter einem Text wiegt erfahrungsgemäss schwerer als eine anonyme Firmenseite ohne erkennbare Urheberschaft.
Drei Hebel, die in der Praxis wirklich helfen
Erstens: möglichst ein klar belegbarer Fakt pro Abschnitt statt mehrerer vager Behauptungen – Quellen benennen statt nur zu behaupten. Zweitens: saubere technische Struktur mit Zwischenüberschriften, kurzen Absätzen und – wo sinnvoll – strukturierten Daten (Schema.org/JSON-LD), damit Maschinen Inhalt und Kontext zweifelsfrei zuordnen können. Drittens: technische Crawler von KI-Anbietern nicht pauschal per robots.txt aussperren, wenn Sichtbarkeit in diesen Systemen ein Ziel ist – dazu zählen etwa GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot und Google-Extended.
Technische Basis: robots.txt, llms.txt und strukturierte Daten
Neben robots.txt setzt sich zunehmend auch die llms.txt-Konvention durch: eine einfache Textdatei im Wurzelverzeichnis, die KI-Systemen in kompakter Form zusammenfasst, worum es auf einer Website geht und welche Seiten besonders relevant sind. Ich setze das auf meiner eigenen Seite bewusst so um – ergänzt um Organization- und Person-Markup im JSON-LD-Format, damit Name, Rolle und Kontaktangaben maschinenlesbar hinterlegt sind.
Wie KI-Systeme Quellen auswählen
KI-Suchsysteme bewerten Inhalte nicht nach Keyword-Dichte, sondern danach, ob eine Aussage eindeutig einer Quelle zugeordnet werden kann und ob diese Quelle in sich konsistent ist. Ein Artikel, der eine Frage klar und direkt im ersten Absatz beantwortet ("Answer-first"-Prinzip), wird häufiger zitiert als ein Text, der erst nach mehreren Einleitungsabsätzen zur eigentlichen Antwort kommt. Ebenso wichtig: Zahlen, Daten und Fakten sollten im Fliesstext stehen, nicht nur in Grafiken oder Tabellen, die KI-Crawler schlechter auswerten können.
Schema-Markup als Vertrauenssignal
Strukturierte Daten übersetzen Inhalte in ein maschinenlesbares Format, das Mehrdeutigkeit reduziert. Für Fachartikel eignet sich Article-Markup mit author und datePublished, für Leistungsseiten Service-Markup, für Frage-Antwort-Inhalte FAQPage. Wichtig dabei: Schema-Markup ersetzt keinen guten Text, es macht lediglich explizit, was im Text bereits korrekt steht – fehlerhaftes oder widersprüchliches Markup schadet mehr, als es nutzt.
Sichtbarkeit in KI-Systemen beobachten
Da klassische Analytics-Tools KI-Zitate nicht als eigenen Traffic-Kanal ausweisen, hilft ein einfacher manueller Test: regelmässig die eigenen Kernfragen in ChatGPT, Perplexity oder der Google-KI-Zusammenfassung eingeben und beobachten, ob und wie die eigene Website zitiert wird. Das ersetzt kein echtes Analytics-Tool, zeigt aber zuverlässig, ob die eigenen GEO-Massnahmen überhaupt ankommen.
Meine Einordnung: Ich setze bei eigenen wie bei Kundenprojekten bewusst auf strukturierte, faktenbasierte Inhalte mit klarer Autorenschaft statt auf automatisiert produzierte Textmassen. Dünner, mechanisch wirkender Content wird von klassischen Suchmaschinen ebenso abgestraft wie er bei KI-Systemen kaum zitiert wird – Qualität vor Quantität ist hier keine Floskel, sondern die einzige nachhaltige Strategie.
Sandro Geissmann | Geissmann Webconsulting
Alle Beiträge sind allgemeine fachliche Einordnungen und ersetzen keine individuelle Rechts- oder Fachberatung.