Als Marke bei KIs auftauchen

Deine Marke taucht nicht auf, wenn mögliche Kunden bei ChatGPT, im Google KI-Modus oder in der „Übersicht mit KI“ nach Empfehlungen fragen?

Das hat drei Gründe:

• Deine Wettbewerber sind bei der Optimierung ihrer Inhalte weiter als du, schnattern also lauter (und technisch besser).
• Deine Wettbewerber haben (zusätzlich) stärkere Marken. Marke ist ein Vertrauenssignal, auf das der Kaufentscheidungskompass von Käufern anspringt.
• Bei euch gibt es Nachholbedarf. Das lässt sich lösen.

Und eine Erkenntnis vorab: Google und die KI-Anbieter ändern laufend ihre Algorithmen und Relevanzkriterien, und „Pay to Win“ (also Anzeigen) gibt es auch noch. Deshalb ist es wichtig, sich nicht wahnsinnig zu machen: Starke Marke, interessanter Content, gutes Storytelling für Mensch und Maschine sind eine gute Ausgangskombination.

Dort sein, wo die User sind

Es wird noch geoogelt und gebingt (sagt das jemand?), aber das war schon immer nur ein Mittel zum Zweck.

Der Zweck: Der User will meistens etwas wissen oder etwas kaufen.

Und da sind KI-Systeme sehr hilfreich.

Die Angebote des eigenen Unternehmens nur für Google zu optimieren, plus Social Media, plus Paid Ads, reicht nicht mehr.

Zusätzlich ist nämlich AIO gefragt, also Artificial Intelligence Optimization.

Und mehr Marke.

Und vor allem Content-Marketing-Beratung, denn KI-Sichtbarkeit erreicht man mit relevanten Inhalten.

AIO: die Spielarten

GEO kennt man. GEO, also Generative Engine Optimization, ist ein Teil von AIO. Allein greift es zu kurz.

Der Überblick:

• SEO (Search Engine Optimization, Suchmaschinenoptimierung): Content ins Internet, auf YouTube und auf Social Media stellen und von Usern gefunden werden. Das ist die bekannte Basis, und auch hier steckt KI drin: Die Suchmaschinen lesen die Inhalte aus, bewerten technische Aspekte der Website und Backlinks und vieles mehr. Der User tippt einen Prompt in die Suchmaschine ein (bspw. ein einzelnes Wort), und die KI des Anbieters erstellt eine Liste von ideal passenden Websites etc., angereichert um Werbung. Schon lange ergänzt Google W-Fragen und Antworten, „denkt“ also semantisch weiter. Du siehst: SEO ist die Basis, aber sie reicht nicht.
• AEO (Answer Engine Optimization, Antwortmaschinenoptimierung): Du hast eine Frage, eine KI soll antworten. Dafür braucht die KI Input für Antworten. Das macht man bei SEO oft mit, über bspw. FAQs. FAQs sind KI-Futter, wenn sie kurz sind und eine hohe Informationsdichte haben. Die Google-Suche verhält sich manchmal wie eine Antwortmaschine, aber oft ergänzt um GEO.
• AEO (Agentic Engine Optimization, Optimierung auf KI-Agenten): Agenten erledigen automatisch und mit wenig menschlicher Aufsicht komplexe Aufgaben. Dafür müssen sie erstens die Aufgabe und das gewünschte Ergebnis verstehen, bspw. das Internet nach Lösungen durchforsten und Handlungen ausführen. Dafür muss dann deine Website, Shop etc. maschinenfreundlich sein. Manche Agenten sind anspruchslos und verdauen technisch ziemlich alles, andere Agenten sind sensibel und brauchen gut strukturierte Daten.
  Du liest mit dem doppelten AEO richtig. Die Abkürzung AEO kann auch bedeuten, dass man seinen Content agentenfreundlich macht. Die Begriffsverwirrung zieht sich durchs komplette Internet. „Agent-ready“ als Label hilft, ist aber leider keine Abkürzung.
• GEO (Generative Engine Optimization, Optimierung auf generative KI): Eine KI wie ChatGPT, Claude, Perplexity oder Google Gemini soll für dich bspw. ein Thema recherchieren und dir etwas Schlaues daraus generieren. Hierfür greift die KI auf zwei Wissensquellen zurück:
  • Auf die Basis-Trainingsdaten im LLM, also das, was die KI durch Training mit Daten gelernt hat. Dieses Wissen kann veraltet sein oder Halluzinationen enthalten, das kennen wir alle. Die Aufgabe für deine Marke: Einheitlich korrekte Wissenshäppchen (inklusive Framing zu bspw. Entscheidungskriterien von Usern) ins Internet stellen, und Altlasten entsorgen.
  • Auf tagesfrisches Wissen, bspw. frisch aus dem Internet oder aus Social Media recherchiert und per Fußnote zitiert: Dieses Wissen ist aktuell. Da KIs gern aktuelle Inhalte zitieren, musst du laufend aktuellen Content ins Netz stellen. Denn: Die KIs könnten aktuellen Content deiner Wettbewerber für relevanter halten, da er frischer ist (oder nachoptimiert wurde).
• Marke: Branding hat mit KI erstmal gar nichts zu tun.
  Aber: Wenn durch Chats mit KI-Assistenten oder durch KI-Agenten Kaufentscheidungsprozesse extrem kurz werden (bzw. außerhalb deiner Contentplattformen stattfinden), dann sind die Konsumenten überfordert. Denn sie haben die Möglichkeit, sehr schnell eine fundierte Kaufentscheidung zu treffen, basierend auf einer Fülle plausibler Informationen, speziell aufbereitet für den eigenen Use Case.
  Wer dann die Auswahl zwischen zwei Produkten hat – bspw. No-Name vs. Marken-Produkt – greift vielleicht eher zum Markenprodukt.
  Diese Markenstärke musst du laufend aufbauen, durch Dauerpräsenz im Aufmerksamkeitsfenster deiner Zielgruppen. GEO und SEO unterstützen dabei, aber ATL, (D)OOH, klassische Werbung, Sponsoring, Social / Influencer / UGC, Kooperationen, Instore etc. gehören zwingend dazu.
  

Bedeutet: Deine Marke muss überall präsent sein

Die gute Nachricht: Mit einer starken Content-Strategie, basierend auf echtem Interesse an den Bedürfnissen der Kunden, kommt man bei Mensch und KI-Maschine sehr weit.

Die schlechte Nachricht: Der Aufwand steigt.

Die Lösung: Intelligent und planvoll am Content arbeiten.

Die Wir-werden-in-KIs-gefunden To-Do-Liste

1.      Kunden verstehen

Die Kommunikation zu den Leistungen bzw. Produkten deines Unternehmens muss sich sehr deutlich am Kundennutzen ausrichten.

Denn: Du musst den Wissensbedarf deiner möglichen Kundschaft antizipieren, damit du Content erstellen kannst, der Fragen beantwortet, die du noch gar nicht kennst.

Dafür braucht man a) Daten zum Kundenverhalten und b) Kreativität!

2.      Differenzierten Content erstellen

• Basis-Content: SEO-optimierte Landingpages, wie gehabt. Keyword-Recherche ist noch Pflicht, und technisches SEO ist eine gute Idee. Barrierearmut ist auch sinnvoll, da dadurch Lesbarkeit sichergestellt wird. Das mögen Maschinen und Menschen.
• AEO-Antwort-Content: Kann man auf bestehenden Seiten optimieren. FAQs mit sehr kurzen, tokensparenden und 1:1 zitierbaren Antworten sind gefragt. Auch zu „ausgedachten“ Fragen. Denn: Wir wissen nicht genau, was die Leute bei Chatty & Co. fragen. Also müssen wir die Fragen – wenn wir keine Daten haben – extemporieren. Ein Kniff: User suchen in KIs auch nach Empfehlungen für Anbieter. Man kann sich auf der eigenen Seite als Empfehlung anbieten.
• GEO-Framing: Positioniere deine Marke und deine Angebote im Kontext des Wettbewerbs und dem angenommenen Kundennutzen. Das Ziel ist, dass dein Content von den LLMs aufgesogen und verwertet wird, um dann als Quelle bzw. Zitierung in Antworten an User auftauchen. So werden im Idealfall die KIs korrekte Infos zu deiner Marke bzw. zu deiner Einschätzung des Marktes ausgegeben. GEO wirkt auch weit oben im Funnel, wenn die Leute noch weit von einer Kaufentscheidung entfernt sind.
  Um im „Kern“ der LLMs aufzutauchen, kann es Jahre (!) dauern. Aus den Websuchergebnissen wirst du schneller zitiert, teils Minuten nach dem Online stellen.
  Technischer Aspekt: Es ist sinnvoll, Landingpages mit JSON-LD-Inhalten anzureichern. Das ist versteckter Code, in dem die wesentlichen Inhalte der Seite maschinenlesbar strukturiert aufbereitet sind. Wirkt!
• Social Add-ons: Ergänze das Content-Stück um bspw. Posts auf LinkedIn und Meta plus Videos auf YouTube und TikTok. Menschen und KIs sehen es und stärken deine Autorität. Influencer nicht vergessen!
• Branding bzw. Marken-Content: Das ist die hohe Schule des Marketings. Das überspringen wir hier mal, denn das ist ein riesiges Thema für sich. Es lohnt sich, KI-Sichtbarkeit im Rahmen einer Marketingberatung mitzudenken.

3.      Die Basics glattziehen

• Eine Stimme: KIs sammeln Quellen und ordnen sie einander zu, in einem n-dimensionalen Vektor-Raum. Wenn nun deine Website, dein Google-Business-Profil und deine Social-Media-Auftritte den gleichen – lesbaren – Absender haben, können die KIs alle Infos einfach in die selbe Schublade stecken. Gut!
• Grounding Page: Das ist eine „About us“-Seite ohne Marketing-Geschwurbel, mit hoher Informationsdichte. Im Rahmen einer GEO-Beratung werden sehr gern Grounding-Pages verkauft, denn sowas ist wunderbar abrechenbar und ein Leistungsnachweis gegenüber GF / Vorstand / Vertrieb etc. Why not.
  Google braucht sie nicht, mag sie aber. Nachteil: Google mag sie manchmal so sehr, dass die Grounding Page gut rankt.
  Lösung: Eine groundingfähige About-us-Seite, das ist aber intern schwieriger zu verkaufen. Gut funktioniert, siehe oben, die Einbettung von unsichtbarem JSON-LD-Code (weit oben auf der Seite, also Header, quasi „Meta Description 2.0“.)
• llms.txt: Dein Angebot bzw. deine Website-Struktur, im Markdown-Format. KI-Crawler und Agenten sagen „Danke“, denn sie kennen und mögen Markdown. Die Seite hat den Vorteil, dass du dein Angebot dort komprimiert vorstellen kannst, inklusive „Bedienungsanleitungen“ für bspw. Kundenbereiche, Shop o.ä.
• Nicht alles in PDFs oder hinter (Pay-)Walls verstecken: Google geht souverän mit crawlbaren PDFs um, andere KI-Systeme nicht. Und hinter Mauern kommt niemand. Informationen sollten daher lesbar aufbereitet werden. Wenn du also Content-Gold in PDFs versteckt hast (oder auch kaufentscheidende Infos), mache sie einfacher lesbar. Die Synchronisierung von Wissenshäppchen wird dann zur Herausforderung: Wenn du bspw. gewohnt warst, eine neue Version einer Bedienungsanleitung einfach hochzuladen, musst du jetzt Inhalte auch an weiteren Stellen updaten. Hilfreich: Eine „Single Source of Truth“ wie ein PIM-System oder eine andere Content-Zentrale. Vielleicht genügen auch einfach die technischen Daten; KI-Systeme machen daraus selbst Fließtext.
• Tracking: ChatGPT, Perplexity und Claude geben UTM-Referrer-Tags mit, womit du Traffic aus diesen KIs auswerten kannst, zumindest siehst du die Quelle. Google macht das nicht. Klicks auf Links in den „KI-Übersichten“ werden als direkter Zugriff ausgewiesen. Um Licht in dieses Dunkelfeld zu bringen, muss man so viele andere Links wie möglich mit UTM-Tags versehen (oder Tags hinter Spezial-URLs mit URL Rewrite maskieren, aber das führt an dieser Stelle zu weit).
  Beispiele: URLs im E-Mail-Footer, in PDFs, in QR-Codes, in Pressemitteilungen etc.
  Was dann noch als „Direct Traffic“ in deinem Matomo o.ä. auftaucht, ist mit möglicherweise Traffic aus der Google KI-Übersicht. Gerade Landingpages mit langen URLs tippt kein Mensch freiwillig ein, es könnte als ein Link geklickt worden sein. Unschärfe bleibt natürlich.

4.      An Agenten denken

KI-Agenten arbeiten besser, wenn sie Anleitungen und Infos bekommen. Diese Infos kannst du auf deiner Website bereitstellen.

• Auf Landingpages: Klare Fragen und Antworten bzw. Bullet Points können schon genügen, in Kombination mit klar beschrifteten Website-Elementen.
  Beispiel Shop: Produktinfos, Versandarten, Versandkosten, Mindest- und Höchstbestellmengen, Lagerbestand, Mengenrabatte, Erstbesteller-Promos, Cross- und Upselling etc. – alles was man einem Menschen teils erst im Check-out zeigt – braucht der Agent schon vorher.
  Und: Nicht alles in <div>-Containern schachteln, sondern relativ weit oben auf der Seite die für Agenten interessanten Elemente unterbringen, wie bspw. Buttons.
• Oder mit strukturierten Daten: Die Zauberworte sind Schema.org und JSON-LD. Damit kann man – versteckt im Quelltext – sowohl den Crawlern als auch den Agenten a) belastbare und b) einfach auslesbare Infos an die Hand geben, bspw. den Preis, oder auch ein Event-Datum. Die Grundidee ist ähnlich zu den bekannten Meta-Daten. In Shopify baut man sowas in Metafields ein und platziert sie im Theme.
  Die Google-Suche liebt diese Daten auch!
  Hintergrund: In einem HTML-Quelltext plus Fließtext muss ein Agent, also ein LLM, mühsam nach Infos suchen und verbraucht dabei endlos viele Token. Außerdem muss das LLM erst auswürfeln, ob eine Zahl ein Produktpreis oder etwas anderes ist. Mit strukturierten Daten kommt Plausibilität rein. Ein guter Vergleich ist das Thema E-Rechnung: Ein allgemein anerkanntes Datenformat erleichtert Automatisierungen.
  Ein Shop-Storefront kann – aus Sicht eines KI-Crawlers – sehr schnell aus 100.000 Token bestehen, und das ist der Anfang einer Agenten-Journey durch den Shop. Das belastet das Context Window und kostet bares Geld.

5.      Arbeit sparen

Was man sich komplett sparen kann:

• Content produzieren, der mit deiner Marke und deinen Produkten nichts zu tun hat. Beispiel: SEO-Artikel zu einem fachfremden Thema. Vielleicht wird das Ranken, vielleicht wird es von KIs zitiert, aber du wirst Null Klicks auf deine Website bekommen. Der Content zahlt auch nicht auf deine Marke ein, da der Content nicht zu deiner Marke passt.
• AI Slop: Warum sollte ein KI-System Infos von dir crawlen und verwerten, die es schon hat – weil du dir den Content per KI hast generieren lassen? Die Anforderung an KI-relevantem Content ist also, dass er frisches Wissen, neue Erkenntnisse und überzeugende Sichtweisen liefert.

6.      Monitoring

Fast jede Art von Online-Marketing ist Performance-Marketing, und das gilt auch für Projekte zur KI-Sichtbarkeit: Die Projekte verursachen Aufwand, also Kosten, und der soll sich lohnen, im Sinne von ROI, CpL, CLV etc. Die Performance lässt sich leider schlecht messen, noch schlechter als bei SEO.

Das Monitoring von KI-Rankings ist nicht ganz einfach, aber machbar. Für reine Online-Marketer ist das ein herber Rückschritt: In der guten alten Zeit war alles messbar, dann kam das Consent-Thema mit einem ersten Dunkelfeld, und KI-Systeme sind teils eine Black Box. Das ist so ähnlich wie bei Plakatkampagnen oder DOOH: Du kannst den Erfolg nicht direkt messen, also musst du mit Näherungen arbeiten.

Empfehlungen:

• Google Analytics o.ä.: Dort siehst du Traffic aus KI-Systemen, bis auf Google. Google meldet Klicks aus den KI-Übersichten als „Direct Traffic“. Die anderen Systeme sind teils auskunftsfreudiger. Mehr als „Quelle: ChatGPT“ ist es aber auch nicht. Auf jeden Fall siehst du Trends.
• Google Search Console (GSC): Dort sieht man, wie viele Impressions man in der „Auf generativer KI basierende Funktion“ hat, also in den KI-Übersichten. Das ist besser als nichts. Die Zahlen könnte man mit GA4 abgleichen, mit etwas Aufwand.
  GSC zeigt auch „Natural Language“ Suchanfragen, also Longtail-Suchanfragen. Die sind pures Gold, auch aus Marktforschungssicht. Jeden Tag reinschauen lohnt sich.
• Sistrix, SemRUSH: Man bekommt Auswertungen. Diese sind nicht präzise, können aber helfen.
• LLMs testen: Mit Prompts, mit denen deine Marke gefunden werden soll. Kann man manuell machen oder automatisieren. Die Ergebnisse sind nicht zuverlässig, da bei jedem Prompt die Würfel anders fallen. Manuell klappt nur bei kleinen Projekten, liefert dafür aber ein gutes Gefühl über die Varianzen und Nuancen von Outputs.

Fazit

Wenn deine Marke in ChatGPT, Claude, Google etc. auftauchen soll, mit korrekten Infos, solltest du in Content, Kreativität und Technik investieren. Deine Marktbegleiter machen das auch, aber oft mit Fokus auf Technik und Massen-Output.

Mit kreativem Content und Einfühlungsvermögen in die Zielgruppen kannst du oben mitspielen. Frage mich nach Anregungen.

---

FAQ

Brauche ich noch SEO?

SEO ist die Grundlage, denn SEO implizert
a) Marktforschung („Was suchen die Leute bei Google?“),
b) Go-to-Market-Strategie („Was bieten wir an, was Kunden wollen könnten?“),
c) Content-Strategie („Wir erstellen nach Plan Inhalte“) und
d) Technik („Wir stellen Inhalte auf bspw. unsere Website, und die muss gut strukturiert und schnell sein“).

All diese „Begleiterscheinungen“ von SEO sind für GEO und AEO absolut relevant.

Was ist der Unterschied zwischen SEO, GEO und AEO?

SEO (Search Engine Optimization) optimiert die Positionierung von Content in den Linklisten klassischen Suchmaschinen, überwiegend für menschliche Klicks.

GEO (Generative Engine Optimization) optimiert die Informationsdichte und Entitäten-Autorität, damit KI-Modelle Marken als vertrauenswürdige Quellen für ihre Antworten nutzen.

Hinzu kommt dann noch AEO, also die Vorformulierung von präzisen Antworten, die die KI-Systeme bei allfälligen Fragen von Usern eins zu eins durchreichen können.

Beispiel: Klassisches SEO ist Keyword-basiert, bspw. „GEO Agentur“. Auf der Landingpage versucht man, gemäß Best Practices, den Inhalt für dieses Keyword zu optimieren. Gleiches gilt auch für YouTube-Videos, LinkedIn-Beiträge, Instagram-Posts und das Google Business / Maps Profil.

Neu an GEO bzw. AEO ist, dass die User nicht mehr stumpf Keywords eintippen, sondern echte Fragen stellen. Als es noch keine LLMs gab, war es sinnlos, bei Google Fragen einzutippen. Heute liefert Google aber super Antworten auf Fragen. Also tippen die User Fragen ein, oder sprechen sie ein. Welche Fragen die User haben, ist bspw. teils aus der Google Search Console auslesbar.

Wenn man diese Fragen identifiziert, kann man auf seinen Plattformen schlaue Antworten dazu liefern.

Was trennt GEO und AEO?

GEO ist die Optimierung auf Zitierungen in komplexen Outputs von generativen KI-Systemen.

AEO im Sinne von Answer Engine Optimzation zielt darauf auf, in Beantwortungen von User-Fragen als Empfehlung genannt werden.

Beides gehört gedanklich zusammen, hat aber leicht verschiedene Ausprägungen.

GEO-Optimierung ist im Grunde „Thought Leadership“, während AEO-Optimierung „Kaufentscheidungsantworten“ liefert.

Beispiel GEO: Ein User plant den Besuch in einem Freizeitpark. Er würde gern von der KI wissen, worauf man bei der Wahl eines Freizeitparks achten soll. Das ist eine High-Level-Frage relativ weit oben im Funnel.

Die KI generiert ihm dann einen Output. GEO hat das Ziel, in diesem Output als zitierte Quelle zu erscheinen. Die User klicken selten auf diese Quellen, aber die Inhalte sind Framing.

Angenommen, du hättest einen Freizeitpark mit dynamischen Eintrittspreisen, dann würdest du auf einer Landingpage, in Pressemitteilungen und Social Posts bzw. Videos vielleicht schreiben (oder sagen), dass dieses Pricing ideal ist. Auch ein Influencer könnte ein begeistertes Video über die Magie der Randzeiten bei euch posten. Das ist ebenfalls GEO.

Üblicherweise hätte man früher einfach das Pricing eingeführt und es nicht groß erklärt. Heute ist es schlauer, sowas breiter zu kommunizieren.

Agenda Setting / Framing: Als Besucher kann ich sehen, wann weniger los ist, denn dann ist es günstiger. Und auch wenn man zur Peak-Zeit kommen will, sorgt der Rabatt zu den anderen Zeiten dafür, dass es sich über den Tag besser verteilt. Also hat auch der, der mehr zahlt einen Mehrwert. Diese Framing-Ansätze erfordern kommunikatives Feingefühl.

Beispiel AEO: Ein User lässt sich in der KI seiner Wahl Ideen für eine Reise in die Berge generieren, will also Antworten haben. Das Ziel von AEO wäre hier, mit dem eigenen Freizeitpark in solchen Listen aufzutauchen, wie mit „eines der beliebtesten Ausflugsziele bei schlechtem Wetter für Familien ist der Freizeitpark XY“. Es wäre gut, wenn dieses Wissens-Häppchen in ähnlicher Form knapp und deutlich an mehreren Stellen im Internet bzw. auf Social auftaucht.

Kann man GEO und AEO kombinieren?

GEO und AEO lassen sich manchmal einfach kombinieren.
Nehmen wir einen FAQ-Punkt: Die Frage und die superpräzise Antwort im ersten Satz ist stark für AEO.
Die folgenden Sätze können für GEO optimiert werden, also „Thought Leadership“ enthalten, Beispiele geben etc.

Achtung: Manche Inhalte sind „AEO only“ oder „GEO only“. Das sieht man im Doing.

Werden mich dank GEO und AEO KI-Systeme empfehlen?

Ob KI-Systeme konkrete Empfehlungen zu Firmen abgeben, liegt nicht in der Hand der Firma. Vielmehr entscheiden die Betreiber der KI, was die KI tut.

Es gibt KI-Systeme, die Empfehlungen generieren. Manche Systeme, gerade lokal laufende LLMs, wissen, dass sie keine aktuellen Daten haben und sind zurückhaltender.

Bedeutet: Es ist nicht planbar, aber wenn man optimiert, dann besser für die Marktführer.

Extrembeispiel aus Google Gemma 4, Auszug aus dem „Gedankenprotokoll“:

Google Gemma 4 ist ein LLM von Google, das man auf dem heimischen PC betreiben kann.

* *Ethical/Safety Check:*

As an AI, I shouldn’t give a „Top 10“ list as a definitive recommendation because:

1. Quality is subjective.

2. I don’t know the user’s budget.

3. I don’t know the user’s industry (B2B tech vs. B2C fashion).

In diesem Fall ist die KI also darauf gepromptet, keine Empfehlungen abzugeben. Das ist sehr sinnvoll, denn Gemma 4 ist ein „local LLM“ ohne Verbindung zum Internet. Die KI verlässt sich zwangsläufig auf seine Trainingsdaten, und die sind – immer – veraltet (Knowledge Cut-off). Die Programmierer haben sich entschieden, das Minenfeld „Empfehlungen“ abzuschalten. Für die User Experience ist das ideal.

KI-Systeme mit Live-Zugang zum Internet, speziell Google, geben hingegen Empfehlungen ab.

Wie wird eine Marke in ChatGPT sichtbar?

Die Sichtbarkeit in ChatGPT und anderen KI-Systemen wird durch a) die Präsenz in den Trainingsdaten der Modelle sowie durch b) die Optimierung der Webinhalte für die Web-Browsing-Funktion (RAG) erreicht.

Fun Fact: Wenn KI-Systeme in ihren Antworten Zitate aus oder Links zu Websites präsentieren, dann stammen diese aus dem „Gedächtnis“ der KI. „Web Search“ aktivieren heißt nicht, dass die KI im Internet surft; sie surft vorzugsweise in ihrem RAG-Speicher. Hintergrund: Das Crawlen, Auswerten, Speichern und Einordnen von Websites ist aufwändig. Live auf Websites zugreifen ist die Aufgabe von Agenten; diese behelfen sich manchmal mit Screenshots und OCR, da es schneller (!) geht als den Quelltext zu verstehen.

Damit die KI-Systeme die verschiedenen Plattformen „gedanklich“ miteinander verknüpfen können, müssen mindestens die Impressums-Daten perfekt – also einheitlich – gepflegt sein.

Was ist mit Werbung in ChatGPT?

In ChatGPT kann man Werbung schalten. Die Aussteuerung ist nicht so feinfühlig wie bei Google Ads. Ob es sich für deine Marke rechnet, kann man nur experimentell herausfinden. Die Erfahrungsberichte deuten darauf hin, dass die User gern klicken aber danach nicht das tun, was der Werbetreibende will (= kaufen o.ä.). Man sollte also einplanen, das Messaging und die Landingpage bei schlechten Zahlen radikal zu ändern.

Was ist mit GEO und KI-Agenten?

KI-Agenten lösen „nicht-automatisierbare Aufgaben“, für die also „denken“ und „handeln“ erforderlich ist. Wer seinen Content oder Shop für KI-Agenten optimiert, muss den Systemen entweder eine Bedienungsanleitung an die Hand geben bzw. die Systeme agentenfreundlicher machen.

Beispiel: Auf einer Shop-Landingpage (oder einer Grounding Page) könnte man klar erklären, wie der Shop funktioniert: „Hier sind die Produkte, so identifiziert man die Preise, welche Aktionen und Mengenrabatte gibt es, diese Zahlungsarten werden akzeptiert, in diese Länder wird versendet, was sind Mindestbestellwerte und Versandkosten, was sind die Rücksendebedingungen, muss man einen Account anlegen oder geht auch Gastbestellung, welche Daten brauchen wir vom User, was sind Sonderfälle (Alkoholversand erst ab 18)“ etc. Menschliche User interessiert das auch alles.

Welche Rolle spielt Local GEO?

Local GEO stellt sicher, dass lokale Unternehmensdaten in den Knowledge Graph der KI-Systeme integriert werden. Bei Google gelingt das über ein gut gepflegtes Business-Profil (Adressen etc.), für ChatGPT etc. muss man das vorzugsweise auf der eigenen Website lösen. Es könnte auch sein, dass manche KI-Systeme Open Street Map nutzen; dort Inhalte einpflegen kann allerdings frustrierend sein, da dort selbsternannte Admin-Könige nach Gutsherrenart feudal regieren, ähnlich zur deutschen Wikipedia.

Wie misst man den Erfolg von GEO-Maßnahmen?

Der Erfolg von GEO wird unter anderem über die Erhöhung der Marken-Zitierrate in KI-Antworten, die Präsenz in AI Overviews und die Klicks auf Natural Language Queries in der Google Search Console gemessen. Leider funktionieren viele klassische Messmethoden schlecht. Man muss sich also mit Näherungen zufrieden geben, und echten KPIs: „Wie läuft das Geschäft?“

Was ist mit EEAT?

EEAT ist einer der vielen Rankingfaktoren bei Google, aus SEO-Sicht. EEAT ist bei Google ein Bewertungsschema vor allem für menschliche Qualitätsprüfer. Ja, bei Google googlen auch Menschen, also Clickworker, um Suchergebnislisten (und vor allem die Top-Suchergebnisse) zu bewerten.

EEAT bedeutet, dass diese Qualitätsprüfer Websites durchlesen und quasi Noten vergeben: Sind die Inhalte hilfreich, vertrauenswürdig und nutzerorientiert? Wie ist die User Experience?

Das sind banale Selbstverständlichkeiten. Und nur, weil man sich an EEAT hält, landet man nicht oben bei Google oder in den KI-Übersichten. Google hätte aber gern, dass die Leute Content mit hohem EEAT-Score ins Internet stellen. Und hat damit auch recht.

Die offizielle Erklärung kannst du dir bei der Primärquelle, also Google, durchlesen: https://developers.google.com/search/docs/fundamentals/creating-helpful-content?hl=de

EEAT Schnellkurs:

• Wer hat den Inhalt geschrieben? Eine „Autor“-Box hilft. Bei Info-Content ist das sinnvoll. Auf PDPs ergibt es wenig Sinn. Und: Eine „Autor“-Box allein reicht nicht, weil das alle haben. Umgekehrt kannst du auch ohne Autor-Infos erfolgreich sein. Es ist kompliziert.
• Wie wurde der Inhalt geschrieben? Ein Flag „Not by AI” kann helfen, oder die Offenlegung von KI bzw. Automatisierungen (bspw. auf Hilfeseiten; wichtig wäre ein „Warum machst du es so, wie du es machst“). Wenn dein Content Rezensionen von Produkten enthält (das können auch eigene Rezensionen) sein, sollten diese sinnvoll sein statt plumper Werbung mit AI Slop.
• Warum steht das Gedöns im Internet? Google findet es in der Theorie gut, wenn dein Content sinnvoll ist, also die Welt bzw. deren Bewohnern ein gutes Angebot macht, in Form von Wissen, Experiences, Produkten etc. Google ist kein Fan von KI-generierten SEO-Seiten im Tausenderpack und straft Spam ab. Das heißt leider nicht, dass diese Spamseiten nie ranken.

Was ist mit Grounding Pages?

Grounding Pages sind „Über uns“ Seiten mit hoher Informationsdichte und ohne Marketing-Geschwurbel. Maschinen lieben sie. Sie ranken sogar bei Google, da sie anscheinend auch für Menschen hoch interessant sind. Wenn man die eigenen Unterseiten Grounding-fähig gestaltet braucht man nicht unbedingt Grounding Pages.

Da die Erstellung wenig Aufwand ist, lohnt es sich meist trotzdem.

Braucht man eine llms.txt?

Ja und nein. Google braucht keine llms.txt, da Google das Web nahezu in Echtzeit aufsaugt und versteht. Der Vorsprung bei der „Verdauung“ von Content jeglicher Art ist immens.

Andere Systeme wie Chatty und Co. sind nicht so fit. Denen kann man Hilfestellungen geben, unter anderem mit einer llms.txt. Speziell bei Websites mit unklarem Schwerpunkt ist die Datei relevant, um den KIs bei der Bewertung des Kerns des Angebots zu helfen.

Eine vernünftige Sitemap und gut strukturierte Pillar Pages tun es in der Regel aber auch. Und/oder: Man reichert Landingpages mit Schema.org Inhalten an.

Was ist Schema.org in Bezug auf GEO, AEO etc?

Aus der SEO-Welt kenn man die „Meta Description“: Auf der Seite, weit oben im Quelltext, werden maschinenlesbare Informationen untergebracht. Crawler von Suchmaschinen sagen „Danke“. Allerdings ist Google technisch so stark, dass es die Meta Description teils ignoriert und sich selbst eine zurechtbastelt, auf Basis der Suchintention des Users und des Inhalts der Website.

Zurück zu Schema.org: Im „Internet“ hat man sich darauf geeinigt, 826 Datenbank-artige Typen für Informationen zu definieren. Die Liste wird laufend erweitert.

Die Suchmaschinen-Crawler – und die KI-Systeme – erkennen diese Typen und können so Inhalte einfacher erfassen.

Allerdings gilt: Schema.org ist schon etwas älter; Markup wurde als „Code“-Variante nicht berücksichtigt. Manche Agenten mögen aber Markup, und dafür ist die llms.txt da.

Beispiel: Telefonnummer (Telephone)

Telefonnummer ins Internet stellen: Ja, das ist üblich.

Ohne Schema.org schreibt man auf die Website irgendwo die Telefonnummer rein und hofft, dass die Maschinen sie finden.

Mit Schema.org ist es anders, denn dort strukturiert man Daten. Drei Varianten sind möglich.

Variante 1: Microdata

Microdata kombiniert menschen- und maschinenlesbare Daten. Auf der Landingpage sieht der Mensch wie gewohnt Text, und der Crawler sieht im Quelltext Zusatzinfos. Win-Win-Situation! Use Case: Wenn du den HTML-Quelltext editieren kannst, aber Probleme mit JSON-LD hast (siehe Variante 3).

• Oben leitet man den Scope ein: Lieber Crawler, gleich kommt Schema-Content zu einer Organisation.
  <div itemscope itemtype=“https://schema.org/Organization“>
  Statt Organization könnte es aber auch „Person“, „LocalBusiness“ oder ein Superspezialset wie „Pharmacy“ sein.
• Warum ist der Scope wichtig? Die Datenbankfelder sind nicht eineindeutig. Das folgende Beispiel „Name“ ist mehrfach belegt. „Name“ kann bspw. eine Person sein, oder eine Firma, oder eine Filiale. Durch den itemscope weiß der Crawler, dass die folgenden Infos ein Datenset für eine Firma ist.
  Danach nennt man den Namen der Organisation.
  <span itemprop=“name“>Acme GmbH</span>
• Dann definiert man ein Item mit seinen Properties, hier das Item telephone.
  Tel:<span itemprop=“telephone“>+49 221 12345-678 </span>

Variante 2: RDFa

Ähnlicher Effekt wie Microdata, anderer Aufbau. Funktioniert genauso.

• <div vocab=“https://schema.org/“ typeof=“Organization“>
  Hier wird das „Vokabular“ festgelegt.
• <span property=“name“>Acme GmbH</span>
• Tel:<span property=“telephone“>+49 221 12345-678</span>

Variante 3: JSON-LD

Mit JSON-LD kannst du menschen- und maschinenlesbare Inhalte einer Website voneinander trennen. Das hat den Vorteil, dass der Code für die „Menschen-Website“ ein wenig unstrukturierter sein darf.

JSON-LD baut man als Script ein, bevorzugt in der Nähe des Headers.

<script type=“application/ld+json“>

{

  „@context“: „https://schema.org“,

  „@type“: „Organization“,

  „name“: „Acme GmbH“,

  „telephone“: „+49 221 12345-678“

}

</script>

Wie funktioniert Agenda Setting in LLMs?

Speziell Google ist eine „Zitiermaschine“. Wenn Google denkt, dass Inhalte zu einem Thema zitierwürdig sind, dann werden sie zitiert. Diesen Inhalt schreibt man selbst, und damit kann man die öffentliche Wahrnehmung zu Themen, Dienstleistungen, Marken, Unternehmen etc. mitbestimmen.

Denke immer daran: User nutzen Such- und Findemaschinen, aber oft wissen sie nicht, welche Antworten sie haben könnten.

Wir als Content-Fachleute geben vor, was wissenswert ist bzw. worauf man als Kunde bei Kaufentscheidungen Wert legen sollte.

Beispiel: Die Kaffee-Kapselmaschinen-Marke A ist auf Kaffee spezialisiert. Sie könnte framen, dass diese Spezialisierung den Kaffeegenuss fördert. Marke B bietet eine komplette Getränkevielfalt und würde deshalb framen, dass die Abwechslung echt cool ist, bspw. für dich, deine Familie, wenn Gäste kommen etc. Welche Argumente letztlich beim Konsumenten ankommen und wie er diese in seinem Kopf rankt, ist dann die nächste Frage.

Gibt es empfehlenswerte GEO-Freelancer?

Gute GEO-Freelancer sollten SEO, Content, Online-Marketing allgemein, Branding und KI-Technologien verstehen, um GEO-Strategien entwickeln und umsetzen zu können.

Ein Beispiel ist Stefan Golling aus Köln.