GEO-Strategie für die KI-Suche
Eure Kund:innen fragen nicht mehr nur Google. Sie fragen ChatGPT, Perplexity und andere AI Search Tools und bekommen statt zehn blauen Links eine sich ständig wandelnde Antwort. Steht eure Marke nicht in dieser Antwort, steht dort der Wettbewerb.
Sichtbarkeit in der KI-Suche ist kein Zufall. Sie ist messbar und optimierbar. Das ist GEO: Generative Engine Optimization, gesprochen „Dschio“. Wir messen, wo eure Marke heute steht, zeigen, wo ihr Reichweite verliert, und machen eure Inhalte zitierfähig. Mit klaren KPIs statt Bauchgefühl.
Wie die klassische Suchmaschinenoptimierung optimiert GEO eigene digitale Inhalte. Als Disziplin ist GEO aus SEO heraus entstanden und bildet deren neuesten Teilaspekt.
Zu den generativen Suchmaschinen zählen alle Suchoberflächen, die auf einen Web-Index zugreifen können und deren Antworten von einer generativen KI zusammengestellt werden:
- Google (AI Overviews / AI Mode)
- Bing (Copilot Search Widget)
- ChatGPT mit aktivierter Websuche
- Perplexity
Einfachen Chatbots fehlt die Echtzeit-Schnittstelle zum aktuellen Internet. Sie sind damit keine vollwertigen Suchmaschinen, sondern reine Antwortmaschinen. Deaktiviert man etwa bei ChatGPT die Websuche, fehlt dieses Grounding. Das Werkzeug zählt nicht mehr zum Kreis der AI Search Tools.
Wie optimiert man für KI-Antworten?
Generative Engine Optimization vereint zwei Fachrichtungen, die sich klar voneinander unterscheiden lassen:
LLMO, Large Language Model Optimization: die Optimierung von Inhalten für das Training und das Markenverständnis der Sprachmodelle.
RAG Optimization, Retrieval-Augmented Generation Optimization: die Optimierung für die Abrufsysteme der KI-Suche.
Ein AI Search Tool kann eure Marke entweder direkt kennen oder sein Wissen über euch aus dem Internet abrufen. Eine ganzheitliche GEO-Strategie setzt an beiden Stellschrauben an: am langfristigen Markenverständnis der Modelle und an der Optimierung für den kurzfristigen Live-Abruf.
LLMO-Strategie
Ziel der LLMO-Strategie ist, eure Marke, Produkte und Fachexpertise tief in den Datenstrukturen der Sprachmodelle zu verankern. Die Modelle sollen eure Marke als Autorität in ihrem Fachgebiet erkennen. Damit steigt die Chance, in relevanten KI-Antworten an prominenter Stelle aufzutauchen. LLMO ist die digitale PR-Arbeit für Sprachmodelle.
Sprachmodelle sind eine Blackbox. Niemand außerhalb der Anbieter hat direkten Zugriff auf die Trainingsdaten. Die GEO-Community kann nur über Experimente Hypothesen aufstellen, ähnlich wie es im SEO lange der Fall war, vor den Google Leaks im Mai 2024.
Wir wissen aber: Das semantische digitale Erwähnungsumfeld einer Marke ist der Kern jeder LLM-Optimierung, weil große Teile davon in die Trainingsdaten einfließen. Dieses Umfeld lässt sich über mathematische Vektoren darstellen. KI-Suchmaschinen erkennen so etwa den Unterschied zwischen einem medizinischen und einem homöopathischen Produkttext oder wie nah zwei Marken zueinander stehen, allein an der Nähe der Zahlen im Vektorraum.
Der Dreh- und Angelpunkt ist deshalb Entity Management: Eure Marke sollte als eindeutig identifizierbare Entität über das gesamte Web hinweg dargestellt sein. Besonders wichtig ist das bei einem House of Brands, wo die Beziehungen zwischen Hersteller, Produktfamilie und Produkt verstrickt sind. In verschiedenen Systemen wie der eigenen Website, Wikidata, Wikipedia oder Local Listings variiert die Darstellung oft enorm. „Historisch gewachsen“ heißt hier: Diese Daten gehören bereinigt.
Weitere OffPage-Faktoren stützen die LLMO-Strategie: Brand Mentions in Fachmedien, Blogs, Gastbeiträgen, Foren, Reviews und Social Media und sogar klassische Backlinks sorgen dafür, dass eure Marke als Autorität wahrgenommen wird.
| AI Search Tool | Sprachmodell |
|---|---|
| Google AI Overviews / AI Mode | Gemini |
| Bing Copilot Search Widget | OpenAI GPT (customized) |
| ChatGPT | OpenAI GPT |
| Perplexity | modell-agnostisch (OpenAI GPT, Claude, Sonar) |
Ihr solltet wissen, bei welchen AI Search Tools eure Zielgruppe unterwegs ist, und euch auf die Oberflächen konzentrieren, mit denen ihr am meisten erreicht. In der Regel ist das nach wie vor die Google-Suche. In bestimmten Nischen, gerade im B2B, kann das anders aussehen.
RAG-Optimization-Strategie
RAG, Retrieval-Augmented Generation, verbindet KI-Suchmaschinen direkt mit externen Wissensdatenbanken. Statt sich allein auf die statischen Trainingsdaten zu verlassen, greift das System auf zusätzliche Quellen zu. Das steigert Relevanz und Qualität der Antworten erheblich.
Um RAG zu optimieren, zählt alles, was Bots und Crawlern das Auslesen von Web-Inhalten ermöglicht und erleichtert. Die RAG-Optimization-Strategie baut deshalb auf klassischem Tech-SEO und OnPage-Optimierung auf. Wer in diese Grundlagen investiert hat, ist bereits gut aufgestellt:
- Crawling- und Indexierungs-Strategie
- keine Inhalte hinter Client-Side-JavaScript-Rendering verstecken
- strukturierte Daten (Schema Markup) im Quellcode
- strukturierte Inhalte: Überschriften-Hierarchie, Tabellen statt Fließtext-Wüsten, lesbare Texte
- Belege im Text: Statistiken, Zitate, Quellenangaben
- gepflegte Aktualität mit sichtbarem Datum
Hinter den AI Search Tools stehen unterschiedliche Web-Indizes. Wie bei der LLMO-Strategie lohnt der genaue Blick: Sind eure Inhalte gar nicht im entsprechenden Index angekommen, können sie im zugehörigen Tool auch nicht zitiert werden.
| AI Search Tool | Web-Index |
|---|---|
| Google AI Overviews | Google Web Index |
| Bing Copilot Search Widget | Bing Web Index |
| ChatGPT | Labrador (eigener Index), Bing Web Index (API-Partnerschaft), Google Web Index (via Drittanbieter-SERP-Scraping) |
| Perplexity | eigener Web Index, Bing Web Index (via API), weitere Quellen (z. B. Brave Search API) |
GEO-KPIs: Tracking und Monitoring
Um die Wirkung von GEO-Maßnahmen zu messen, ist aus unserer Sicht die Erhebung synthetischer Daten die wichtigste Methode. Dafür haben wir ein eigenes Werkzeug gebaut: den netzstrategen AI Search Index.
Im ersten Schritt entwickeln wir mit euch ein Golden Prompt Set auf Basis echter Nutzerdaten. Diese Prompts fragen wir in regelmäßigen Abständen in den gängigen AI Search Tools ab. Die so simulierten Daten zeigen, wo eure Website und eure Marke Schwachstellen haben.
- AI Search Citations
- Wie oft eure Inhalte als direkte Quelle in KI-Antworten verlinkt werden.
- AI Search Brand Mentions
- Wie oft eure Marke namentlich in den generierten Texten erwähnt wird.
- AI Search Share of Voice
- Anteil eurer Nennungen im Vergleich zum gesamten Wettbewerbsumfeld in der KI-Suche.
- AI Search Brand Sentiment
- Tonalität und Wahrnehmung eurer Marke in den Antworten der Sprachmodelle.
- AI Search Brand Position
- Platzierung eurer Marke innerhalb einer KI-generierten Antwortliste.
Ergänzend werten wir Server-Logfiles sowie Impressionen aus der Google Search Console und den Bing Webmaster Tools aus. So gleichen wir die synthetischen Daten mit echten Zugriffen von KI-Crawlern ab und sehen, welche Crawler welche Seiten ansteuern und welche Seiten am häufigsten zitiert werden. Gerade im Umgang mit künstlicher Intelligenz gilt: Jede Aussage gehört auf eine valide Datenquelle zurückgeführt.
Wie ein GEO-Projekt bei uns abläuft
Status quo messen: GEO Audit
Wir erheben, wie oft und in welchem Zusammenhang eure Marke in KI-Antworten auftaucht und wer stattdessen genannt wird. Dazu kommen Website, Markt und Wettbewerb sowie eine Baseline-Messung eurer GEO-KPIs. Technische Hürden gehören dazu: Ist die Seite für KI-Crawler zugänglich? Sind die Inhalte indexierbar?
Strategie entwickeln
Aus dem Audit leiten wir die Prioritäten ab, als Dreiklang aus Quick Wins (Zitierfähigkeit bestehender Seiten), mittelfristiger Abdeckung der Golden Prompts und langfristiger Arbeit an Entitäten und Reputation.
Umsetzen und nachsteuern
Die Maßnahmen fügen sich in die bestehende Content-Strategie ein. Am Ende steht eine belegte, wiederholt bestätigte und überprüfbare Autorität in euren Kernbereichen, keine einmalige Aktion.
Unsere Produkte im Bereich GEO
Der Ablauf folgt einer klaren Leiter: erst messen, dann planen, dann dranbleiben.
GEO Workshop
Aus dem Audit entwickeln wir gemeinsam euer Golden Prompt Set für die Messbarkeit der GEO-KPIs. Dabei zeigt sich meist auch, wo sich zusätzliche Content-Erstellung lohnt.
GEO Audit
Der Audit prüft die Informationsarchitektur eurer Website und ob sie für KI-Suchmaschinen auslesbar ist, Schwerpunkt RAG Optimization. Daraus entsteht ein konkreter Maßnahmenplan.
GEO Tracking & Monitoring
Wir messen mit dem AI Search Index eure Sichtbarkeit im Zeitverlauf. So seht ihr, ob die Maßnahmen wirken und wie ihr euch gegenüber dem direkten Wettbewerb entwickelt.
Häufige Fragen zur GEO-Strategie
- Was ist eine GEO-Strategie?
- Eine GEO-Strategie sorgt dafür, dass eine Marke in den Antworten von KI-Systemen wie ChatGPT, Perplexity oder Google AI Overviews genannt und korrekt dargestellt wird. Sie verbindet zwei Disziplinen: LLMO für das Wissen im Modell, RAG Optimization für das Abrufsystem. Sie ergänzt die SEO-Strategie.
- Was ist der Unterschied zwischen GEO und LLMO?
- GEO ist der Oberbegriff, LLMO eine der beiden Säulen darunter. LLMO optimiert, was ein Modell aus dem Training über eine Marke weiss. RAG Optimization, die zweite Säule, optimiert, was ein System zur Laufzeit nachschlägt.
- Ersetzt GEO die klassische Suchmaschinenoptimierung?
- Nein, GEO ergänzt SEO. Bei RAG-Systemen ist gutes SEO sogar die Voraussetzung, denn viele KI-Systeme greifen auf den organischen Suchindex zurück.
- Wie lange dauert es, bis GEO wirkt?
- Das hängt von der Säule ab. RAG Optimization kann innerhalb von Tagen oder Wochen wirken. Bei LLMO kann es deutlich länger dauern, weil unter Umständen eine neue Modellgeneration nötig ist, bis ein Sprachmodell eine Information gelernt hat.
- Wie misst man Sichtbarkeit in KI-Antworten?
- Ueber Golden Prompt Sets statt über Keyword-Sets. Citations und Mentions ergeben nebeneinander bereits ein gutes Bild, solange das Prompt Set nach echtem Suchbedarf und Relevanz für die Marke gewählt wurde.
- Was ist eine Grounding Page?
- Eine Grounding Page ist eine zentrale, strukturierte Informationsseite auf eurer Website, die KI-Suchmaschinen als verlässliche Quelle dient. Sie bündelt wesentliche Marken- und Produktinformationen und verbessert so Zitierfähigkeit und Genauigkeit von KI-Antworten.
- Brauchen wir eine llms.txt?
- Die llms.txt ist bisher kein etablierter Standard, das Abfragen wird bei SEO-Tool-Anbietern wie Semrush aber zunehmend üblich. Wir prüfen im Audit, ob sie für eure Seite sinnvoll ist oder ob sich eher eine Grounding Page lohnt.
GEO funktioniert nicht allein
SEO verbessert die Sichtbarkeit in klassischen Suchergebnissen, GEO erweitert sie um generative Antworten. Technische Zugänglichkeit, Indexierung, Informationsarchitektur, hochwertige Inhalte, Entitäten und Autorität sind die gemeinsame Grundlage. Deshalb entwickeln wir beides nicht getrennt, sondern als Teile einer gemeinsamen Search-Strategie.
Ansprechpartner:in
SEO-Stratege
Als SEO-Stratege verbindet Sven Eric Maier nutzerzentrierten Content mit technischer Performance. Seine Expertise basiert auf jahrelanger E-Commerce-Erfahrung und dem Aufbau eigener Plattformen im Web.
Wo steht eure Marke heute in der KI-Suche?
Im GEO Workshop entwickeln wir euer Golden Prompt Set und messen die Ausgangslage.