Generative Engine Optimization

Was ist GEO?

Gemeint sind Systeme wie Googles AI Overviews und AI Mode, ChatGPT (mit Websuche), Perplexity, Gemini und Microsoft Copilot. Anders als eine klassische Suchmaschine, die eine Liste von Links zurückgibt, fassen diese „generativen Engines“ Informationen aus mehreren Quellen zu einer einzigen, zusammenhängenden Antwort zusammen. Das Ziel von GEO verschiebt sich damit: Nicht mehr (nur) ein guter Listenplatz zählt, sondern ob die eigene Marke in der Antwort selbst auftaucht.

Woher der Begriff stammt

GEO ist kein Marketing-Schlagwort ohne Substanz – der Begriff hat einen klaren wissenschaftlichen Ursprung. Er wurde von Pranjal Aggarwal und Kolleginnen und Kollegen (Princeton, IIT Delhi, Georgia Tech, Allen Institute for AI) geprägt und auf der Konferenz KDD 2024 vorgestellt (Preprint bereits Ende 2023).

Die Arbeit ist die erste systematische Studie dazu, welche Änderungen an Inhalten ihre Sichtbarkeit in generativen Antworten erhöhen. Dafür entwickelten die Forschenden den Benchmark GEO-bench mit rund 10.000 Suchanfragen über mehrere Themenfelder und testeten zahlreiche Optimierungstaktiken an einem System, das eine KI-Suche nachbildet.

Ein weiterer Befund: Optimiert wird auf Passage-Ebene, nicht auf Seitenebene. Sprachmodelle extrahieren einzelne Textabschnitte, daher zählt, wie zitierfähig jeder einzelne Abschnitt ist.

SEO, AEO und GEO

Drei verwandte Disziplinen werden oft vermischt. Sie überschneiden sich stark, verfolgen aber unterschiedliche Ziele.

Die drei schließen sich nicht aus, sondern bauen aufeinander auf. Entscheidend ist eine oft übersehene Tatsache: Die großen KI-Suchsysteme stützen ihre Antworten auf die klassische Websuche als Grundlage (Grounding). Wer organisch stark rankt, hat damit auch bessere Chancen, in generativen Antworten zitiert zu werden. Gutes SEO ist nicht das Gegenteil von GEO – es ist sein Fundament.

Wie KI Quellen auswählt

Generative KI-Systeme beruhen auf Large Language Models, die Sprache auf semantischer Ebene verstehen – also Kontext und Bedeutung, nicht nur Keywords. Für eine konkrete Anfrage rufen sie (vereinfacht) relevante Webseiten ab, extrahieren passende Passagen und fügen sie zu einer Antwort zusammen, wobei einzelne Quellen genannt werden.

Daraus folgt, worauf GEO abzielt: Inhalte müssen auffindbar (technisch crawlbar), verständlich (klar strukturiert) und zitierfähig (faktenreich, belegt, autoritativ) sein. Wer alle drei Ebenen bedient, erhöht die Wahrscheinlichkeit, als Quelle in die Antwort einzugehen.

Was nachweislich wirkt

Statt auf Vermutungen stützt sich GEO auf empirisch getestete Taktiken. Die folgenden haben sich in der Forschung als besonders wirksam erwiesen:

Bevorzugte Content-Formate

Bestimmte Formate lassen sich von KI-Systemen besonders leicht extrahieren und in Antworten integrieren:

Strukturierte Daten & Technik

Damit Inhalte überhaupt verarbeitet werden können, zählt das technische Fundament:

• Strukturierte Daten (Schema): Auszeichnungen wie Article-, FAQ- oder HowTo-Schema helfen KI-Systemen, Kontext und Bedeutung zu erfassen.
• Klare Gliederung: Eine saubere Überschriften-Hierarchie ohne Sprünge und prägnante Einleitungen je Abschnitt erleichtern das Extrahieren passender Passagen.
• E-E-A-T-Signale: Nachweisbare Expertise, klare Autorenangaben und transparente Quellen stärken die Vertrauenswürdigkeit.
• Crawler-Zugang: Prüfen Sie, dass KI-Crawler nicht versehentlich über die robots.txt blockiert werden – sonst bleiben Inhalte für die KI-Suche unsichtbar.
• Aktualität: Datierte, regelmäßig gepflegte Inhalte werden gegenüber veralteten bevorzugt.

llms.txt – Hype und Realität

Kaum ein GEO-Thema wird so kontrovers diskutiert wie die Datei llms.txt. Hier lohnt eine nüchterne Einordnung.

Vorgeschlagen wurde llms.txt im September 2024 von Jeremy Howard (Mitgründer von Answer.AI). Es handelt sich um eine Markdown-Datei an der Wurzel einer Domain, die KI-Tools die wichtigsten Inhalte einer Website kompakt aufzeigen soll. Wichtig: Es ist kein Blocking-Werkzeug – das bleibt die robots.txt.

Heißt das, llms.txt sei sinnlos? Nicht ganz. Der reale Nutzen liegt derzeit im Entwickler- und Agenten-Umfeld: KI-Coding-Assistenten und ähnliche Werkzeuge nutzen die Datei teils, um Dokumentationsseiten effizient abzurufen. Für die Sichtbarkeit der eigenen Marke in AI Overviews, ChatGPT oder Perplexity ist sie aber kein bestätigter Ranking- oder Zitierfaktor. Wer sie pflegt, sollte das als zukunftsgerichtete, kostengünstige Maßnahme verstehen – nicht als zentralen GEO-Hebel. Die eigentliche Arbeit bleibt guter, zitierfähiger Inhalt.

GEO-Erfolg messen

Die Erfolgsmessung unterscheidet sich von klassischem SEO. Statt nur Rankings und Klickraten zählen neue Kennzahlen:

• Zitierrate: Wie oft wird die eigene Website als Quelle in KI-Antworten genannt?
• Referral-Traffic von KI-Plattformen: Besucher, die über Quellenangaben aus KI-Antworten kommen – als eigenes Segment in der Webanalyse (etwa Matomo) erfassbar.
• Brand Mentions: Häufigkeit der Markennennung in generierten Inhalten.
• Manuelle Stichproben: Relevante Fragen regelmäßig in ChatGPT, Perplexity, Gemini und Google stellen und dokumentieren, ob und wie die eigenen Inhalte erscheinen.

Häufige Fehler

• Auf Keyword-Optimierung allein setzen: Die alte Keyword-Logik trägt in generativen Engines nicht. Inhalt, Belege und Klarheit entscheiden.
• Faktentreue vernachlässigen: KI-Systeme gleichen Informationen über Quellen ab; ungenaue oder veraltete Angaben kosten Glaubwürdigkeit.
• Dünne Inhalte: Oberflächliche Texte werden selten zitiert – Tiefe und eigener Mehrwert zählen.
• KI-Crawler aussperren: Eine zu restriktive robots.txt kann Inhalte unbeabsichtigt aus der KI-Suche ausschließen.
• llms.txt überschätzen: Die Datei ersetzt keine inhaltliche Qualität und ist derzeit kein belegter Sichtbarkeitsfaktor.

GEO und SEO zusammen

GEO ersetzt SEO nicht – es ergänzt es. Da die großen KI-Suchsysteme auf der klassischen Websuche aufsetzen, profitieren beide Disziplinen von denselben Grundlagen: hochwertige, gut strukturierte, autoritative Inhalte, saubere Technik und nachweisbare Expertise. Viele Optimierungen wirken doppelt: Ein klar gegliederter, faktenreicher Artikel mit Schema-Markup rankt in der klassischen Suche und wird zugleich eher in KI-Antworten zitiert.

Der sinnvolle Weg ist daher ein hybrider Ansatz: SEO als Fundament, GEO als gezielte Erweiterung für die KI-geprägte Suche. Wer beides zusammendenkt, statt es gegeneinander auszuspielen, ist für die Sichtbarkeit von morgen am besten aufgestellt.

Fazit

Generative Engine Optimization ist die konsequente Weiterentwicklung der Sichtbarkeitsarbeit für eine Welt, in der KI-Systeme Antworten synthetisieren, statt nur Links zu listen. Der Begriff hat einen klaren wissenschaftlichen Ursprung, und die wirksamsten Taktiken sind empirisch belegt: Quellen zitieren, Statistiken und Experten-Zitate einbauen, klar und autoritativ schreiben – nicht Keywords stopfen.

Wer GEO ernst nimmt, baut auf einem soliden SEO-Fundament auf, schafft zitierfähige Inhalte mit echtem Mehrwert und misst die eigene Präsenz in KI-Antworten, statt auf Hype-Versprechen wie ungeprüfte Wunder durch llms.txt zu setzen. So bleibt die eigene Marke auch dort sichtbar, wo die Suche hingeht: in der direkten, KI-generierten Antwort.