GEO (Generative Engine Optimization)

Woher der Begriff stammt

Der Begriff geht auf eine Forschungsarbeit von 2023 zurück: „GEO: Generative Engine Optimization“ von Pranjal Aggarwal und weiteren Autoren (Princeton University, Georgia Tech, Allen Institute for AI und IIT Delhi), 2024 auf der Konferenz KDD vorgestellt. Die Autoren untersuchten mit einem eigenen Testdatensatz, welche Textänderungen die Sichtbarkeit einer Quelle in generierten Antworten verändern.

Das zentrale Ergebnis: Quellenangaben, wörtliche Zitate und konkrete Zahlen erhöhten die Sichtbarkeit je nach Themengebiet um bis zu rund 40 Prozent. Klassisches Keyword-Stuffing brachte dagegen kaum Verbesserungen. Die Werte stammen aus einer Laborumgebung und lassen sich nicht eins zu eins auf ChatGPT oder Google übertragen, die Richtung ist aber seitdem vielfach bestätigt worden.

Wie generative Suchsysteme Antworten zusammenstellen

Um GEO zu verstehen, hilft ein Blick auf den typischen Ablauf. Die meisten KI-Suchsysteme arbeiten nach dem Prinzip der Retrieval-Augmented Generation (RAG):

1. Anfrage zerlegen: Das System übersetzt die Frage in eine oder mehrere Suchanfragen. Google beschreibt für den AI Mode und die AI Overviews ein Verfahren namens Query Fan-out, bei dem viele Teilanfragen parallel laufen.
2. Quellen abrufen: Zu jeder Teilanfrage werden Dokumente aus einem Suchindex geladen, zum Beispiel aus dem Google- oder Bing-Index oder einem eigenen Index des Anbieters.
3. Passagen auswählen: Die Dokumente werden in Abschnitte zerlegt (Chunking). Bewertet wird, welche Passage die Frage am besten beantwortet, nicht welche Seite insgesamt am besten ist.
4. Antwort formulieren: Das Sprachmodell schreibt aus den ausgewählten Passagen eine Antwort und verweist auf die verwendeten Quellen.

Daneben fließt das Wissen ein, das ein Modell aus seinen Trainingsdaten mitbringt. Dieses Wissen entscheidet mit darüber, welche Marken ein Modell bei allgemeinen Fragen wie „Welche Anbieter gibt es für …?“ überhaupt kennt.

Daraus ergeben sich zwei Hebel: Deine Inhalte müssen im Abrufschritt gefunden werden, und einzelne Abschnitte müssen so formuliert sein, dass sie sich als Antwort übernehmen lassen.

GEO und SEO im Vergleich

GEO ersetzt klassische Suchmaschinenoptimierung nicht. Viele KI-Systeme greifen auf herkömmliche Suchindizes zurück; eine Seite, die nicht indexiert ist oder für ein Thema keine Rolle spielt, wird auch selten zitiert. Die Schwerpunkte verschieben sich jedoch:

Verwandte Begriffe: AEO, LLMO und AI SEO

Für dasselbe Themenfeld sind mehrere Begriffe im Umlauf. Sie werden oft synonym verwendet:

• AEO (Answer Engine Optimization) ist der ältere Begriff und schließt auch nicht-generative Antwortformate wie Featured Snippets und Sprachassistenten ein.
• LLMO (Large Language Model Optimization) betont die Sprachmodelle selbst, also auch ihr Trainingswissen.
• AI SEO ist ein Sammelbegriff, der entweder die Optimierung für KI-Suchen oder den Einsatz von KI-Werkzeugen für SEO-Aufgaben meint.

Was die Auswahl als Quelle beeinflusst

Kein Anbieter veröffentlicht, nach welchen Kriterien Quellen genau ausgewählt werden. Aus den Dokumentationen der Anbieter, Studien und Beobachtungen lassen sich aber einige Faktoren ableiten:

• Auffindbarkeit: Die Seite ist indexiert, und die Crawler der KI-Anbieter dürfen sie abrufen (siehe KI-Crawler). Google nennt für die AI Overviews als Voraussetzung nur, dass eine Seite indexiert ist und mit Snippet angezeigt werden kann.
• Passgenaue Antworten: Ein Abschnitt beantwortet eine konkrete Frage direkt und ist auch ohne den Rest der Seite verständlich.
• Belegbarkeit: Konkrete Zahlen, Quellenangaben, Datumsangaben und eine erkennbare verantwortliche Person machen Aussagen überprüfbar.
• Eindeutigkeit: Personen, Unternehmen, Produkte und Orte sind klar benannt (siehe Entitäten und Knowledge Graph).
• Erwähnungen der Marke: Wird eine Marke in Fachartikeln, Vergleichen, Foren und Bewertungsportalen im Zusammenhang mit einem Thema genannt, steigt die Wahrscheinlichkeit, dass ein Modell sie ebenfalls nennt (siehe Markenerwähnungen).
• Eigener Informationsgehalt: Inhalte, die etwas bieten, das an anderer Stelle fehlt, etwa eigene Daten oder Praxiserfahrung, haben einen Vorteil gegenüber austauschbaren Texten (siehe Information Gain).
• Technische Lesbarkeit: Viele KI-Crawler führen kein JavaScript aus. Inhalte, die erst im Browser nachgeladen werden, sehen sie unter Umständen nicht.

Vorgehen in der Praxis

1. Ausgangslage messen: Stelle eine Liste typischer Fragen deiner Zielgruppe zusammen und prüfe, wie verschiedene KI-Systeme darauf antworten: Wird deine Marke genannt, wird deine Website zitiert, welche Wettbewerber tauchen auf? Wiederhole die Abfragen regelmäßig (siehe Prompt-Tracking).
2. Technik prüfen: Kontrolliere in der robots.txt, welche KI-Crawler zugelassen sind. Stelle sicher, dass wichtige Seiten bei Google und Bing indexiert sind und ihr Text im ausgelieferten HTML steht.
3. Inhalte strukturieren: Beginne Abschnitte mit der Kernaussage, nutze aussagekräftige Zwischenüberschriften und formuliere Abschnitte so, dass sie für sich allein verständlich sind. Tabellen, Listen und klare Definitionen lassen sich gut übernehmen.
4. Aussagen belegen: Ergänze Zahlen, Quellen, Datum und Autorenangaben. Aktualisiere Inhalte, wenn sich Fakten ändern.
5. Entitäten auszeichnen: Beschreibe dein Unternehmen mit strukturierten Daten (etwa Organization mit sameAs-Verweisen auf offizielle Profile) und halte Angaben auf allen Plattformen einheitlich.
6. Außerhalb der eigenen Website sichtbar werden: Fachbeiträge, Erwähnungen in Vergleichsartikeln, Bewertungen und Diskussionen in Foren tragen dazu bei, dass Modelle deine Marke mit einem Thema verbinden.
7. Wirkung beobachten: Vergleiche die Messwerte aus Schritt 1 über Wochen und Monate und werte zusätzlich den Referral-Traffic aus KI-Diensten aus.

Erfolg messen

Klassische Kennzahlen wie Rankings erfassen GEO nur teilweise. Üblich sind stattdessen:

• Erwähnungsrate: Anteil der Antworten, in denen deine Marke genannt wird
• Zitationsrate: Anteil der Antworten, die deine Website als Quelle verlinken (siehe KI-Zitationen)
• Share of Model: dein Anteil an allen Markennennungen im Vergleich zum Wettbewerb (siehe Share of Model)
• Sentiment: ob die Darstellung positiv, neutral oder negativ ist
• Referral-Traffic: Besuche über Links aus ChatGPT, Perplexity, Gemini oder Copilot

Zwei Einschränkungen solltest du kennen: KI-Antworten schwanken von Abfrage zu Abfrage, einzelne Stichproben sind deshalb wenig aussagekräftig. Und Klicks aus den Google AI Overviews und dem AI Mode weist die Google Search Console nicht getrennt aus, sondern zählt sie zum normalen Suchtyp „Web“.

Häufige Fehler

• Alle KI-Crawler pauschal sperren: Wer auch die Such-Crawler (zum Beispiel OAI-SearchBot oder PerplexityBot) blockiert, kann in diesen Systemen nicht als Quelle erscheinen. Training und Suche lassen sich bei den meisten Anbietern getrennt steuern.
• Auf eine einzelne Maßnahme setzen: Eine llms.txt anzulegen ist schnell erledigt, ihre Wirkung ist aber nicht belegt. GEO entsteht aus vielen Faktoren.
• Manipulation: Versteckte Anweisungen an KI-Systeme im Seitentext oder massenhaft erzeugte Inhalte ohne eigenen Wert werten Anbieter als Spam. Das kann die Sichtbarkeit in Suche und KI-Antworten gefährden.
• Klassisches SEO vernachlässigen: Ohne Indexierung, saubere Technik und relevante Inhalte fehlt die Grundlage, auf der KI-Systeme ihre Quellen auswählen.
• Nur einmal messen: Eine einzelne Abfrage in ChatGPT sagt wenig über die tatsächliche Sichtbarkeit aus.

Grenzen von GEO

GEO ist ein junges Feld. Die Systeme ändern sich schnell, die Auswahlkriterien sind nicht offengelegt, und Antworten sind nicht reproduzierbar. Außerdem führt eine Nennung in einer KI-Antwort nicht zwangsläufig zu einem Besuch auf der Website, weil viele Fragen bereits in der Antwort geklärt werden (siehe Zero-Click-Suche). Empfehlungen zu GEO sind deshalb als begründete Annahmen zu verstehen, die sich durch eigene Messungen überprüfen lassen.

Weiterführende Begriffe

• AI Overviews und AI Mode: die generativen Suchfunktionen von Google
• KI-Suchmaschinen: ChatGPT Search, Perplexity, Copilot und Gemini im Überblick
• KI-Sichtbarkeit: Kennzahlen und Messmethodik
• Embeddings: wie KI-Systeme Bedeutungsähnlichkeit berechnen
• Halluzination: falsche Aussagen von KI-Systemen über Marken

Quellen

• Aggarwal, P. u. a.: GEO: Generative Engine Optimization, arXiv 2311.09735 (2023), KDD 2024
• Google Search Central: KI-Funktionen und deine Website
• OpenAI: Overview of OpenAI Crawlers