Blog

Wenn Google-Mitarbeiter:innen einen ganzen Tag lang vor einem Publikum aus SEOs stehen, lohnt es sich, sehr genau zuzuhören. Am 21. April 2026 war es wieder so weit: In Toronto fand das erste Google Search Central Live auf kanadischem Boden statt. Fünf Vorträge, ein Panel, viele Folien – und am Ende eine ziemlich klare Botschaft: KI verändert die Suche, aber sie macht das klassische SEO-Handwerk nicht überflüssig. Sie erhöht eher die Messlatte.

Der kanadische SEO Jean-Christophe Chouinard war vor Ort, hat die Slides fotografiert und sie in seinem Blog dokumentiert. Auf Basis dieser Dokumentation ordne ich hier die wichtigsten Aussagen der fünf Sessions ein – und leite daraus ab, was für die tägliche SEO-Arbeit relevant ist.

Die Vortragenden:

• Martin Splitt (Search Advocate) – „How Search Works“
• Danny Sullivan (Director, Google Search) – „AI in Google Search“
• Annanya Raghavan (Trends Analyst) – „Telling Stories with Google Trends“
• Daniel Waisberg (Search Advocate) – „New in Search Console & Trends“
• Ryan Levering (Search Engineering) – „Structured Data, Quality & AI“

Die wichtigsten Takeaways auf einen Blick

Bevor wir in die einzelnen Sessions einsteigen, die verdichtete Version für alle, die es eilig haben:

1. Indexierung ist kein Selbstläufer mehr. Weil KI Content-Produktion trivialisiert hat, hebt Google die Qualitätsschwelle dafür an, was überhaupt indexiert wird. „Crawled – currently not indexed“ ist selten ein Rendering-Problem.
2. Gutes SEO ist gutes „GEO“. Die neuen Akronyme (GEO, AEO, LLM SEO, AI SEO) ändern wenig an den Grundlagen. Für AI Overviews und AI Mode gelten dieselben Prinzipien wie für die klassische Suche.
3. Fan-out ist der Schlüssel, um AI Search zu verstehen. Eine einzelne Query wird in viele Teil-Queries zerlegt, die parallel Quellen aus Web, Shopping, Knowledge Graph, Wetter und Finance einsammeln.
4. Google Trends wird erwachsen. Eine neue API (Alpha), konsistente Skalierung, neue Zeitauflösungen und Gemini-Integration machen Trends vom Keyword-Tool zum Narrativ-Werkzeug.
5. Search Console wird assistiver. Query Groups bündeln ähnliche Anfragen, eine AI-powered Configuration übersetzt natürliche Sprache in Filter – GSC-Analysen sollen zugänglicher werden.
6. Strukturierte Daten sind nicht tot – sie werden wichtiger. Vor allem im E-Commerce: Shipping, Loyalty, Produktvarianten, Cross-Page-@id-Verknüpfungen.
7. KI-generierter Content ist nicht per se das Problem. Das Problem heißt Scaled Content Abuse: massenhaft ähnliche Seiten ohne Mehrwert.

Jetzt im Detail.

---

1. Martin Splitt: How Search Works

Martin Splitt hatte den undankbaren, aber wichtigen Job des Grundlagen-Vortrags. Seine Folien waren eine Erinnerung daran, dass viele SEO-Fragen leichter werden, wenn man das Modell dahinter wirklich verstanden hat.

Das Life-of-a-URL-Modell

Splitt zerlegte den Weg einer URL in vier Zustände:

1. Discovered – Google weiß, dass die URL existiert (über Links oder Sitemap).
2. Crawled – Googlebot hat die URL abgerufen.
3. Indexed – die URL wurde verarbeitet und in den Index aufgenommen.
4. Serving – die URL erscheint in den Ergebnissen, wenn sie für eine Query ein guter Kandidat ist.

Der Punkt: Jeder dieser Schritte kann scheitern. URLs sind schwer zu entdecken, Crawling dauert oder wird durch robots.txt verhindert, Indexing kann eine andere Canonical-URL wählen, URLs können wieder aus dem Index fallen, andere URLs können für dieselbe Query bessere Kandidaten sein – und die Suchnachfrage selbst verändert sich.

Das mündet in einen Satz, der auf einer eigenen Folie prangte: „Google won’t index everything at all times.“ Das ist kein Bug, das ist Feature. Und es ist die Grundlage für den nächsten wichtigen Gedanken.

Unterschiedliche Signale für unterschiedliche Inhalte

Google nutzt hunderte Signale, aber nicht für alles dieselben. Splitt zeigte:

• Webseiten: Text, Links, Passagen
• Bilder: Auflösung, Farbe, umliegender Text
• News: Frische, Originalität, Diversität
• Local: Standort, Typ, Bewertung, Öffnungszeiten
• Videos: Sprache, Transkripte

Für SEO heißt das: Wer auf Image Search zielt, optimiert anders als für News oder lokale Suche. Eine vertikalübergreifende Einheits-SEO-Checkliste gibt es nicht.

Search ist ein Experimentiersystem

Eine Zahl aus der Session, die hängenbleibt: 719.000 Search-Quality-Tests und mehr als 4.700 Launches allein im Jahr 2023. Wer also denkt, zwischen zwei Core Updates sei „nichts los“, irrt – es ist eher so, dass laufend Kleinigkeiten angepasst werden, die in Summe sichtbar werden.

---

2. Danny Sullivan: AI in Google Search

Danny Sullivan hatte die Aufgabe, das Thema zu besprechen, das alle umtreibt: AI Overviews, AI Mode, Fan-outs, Agentic Search. Seine Kernbotschaft war zugleich beruhigend und unbequem.

„Good SEO is good GEO“

Sullivan fasste eine Folie mit den Akronymen GEO, LLM SEO, AEO – und einem ironischen „Let’s go back to the basics“ – in einem Satz zusammen, der in den kommenden Monaten noch oft zitiert werden dürfte: Gute SEO ist gute „GEO“ (oder AEO, oder AI SEO, oder LLMNOPEO). Die Suchoberfläche ändert sich, die zugrunde liegenden Qualitätsprinzipien nicht.

Wie Fan-out wirklich funktioniert

Sullivan erklärte AI Search als Kombination aus drei Informationsquellen:

1. Allgemeines Modellwissen aus dem Training.
2. Spezifisches Wissen aus klassischen Suchergebnissen.
3. Fan-out – die ursprüngliche Query wird in verwandte Sub-Queries zerlegt.

Das Beispiel aus den Folien: Aus „ebikes in red for 5 mile commute with hills“ werden intern Queries wie „best ebikes“, „ebikes for hills“ und „red ebikes“. Diese Sub-Queries ziehen parallel Informationen aus unterschiedlichen Vertikalen: Shopping, Knowledge Graph, Real World, Web, Sport, Weather, Finance.

Die praktische Konsequenz: Sichtbarkeit in AI Search entsteht nicht nur über eine optimierte Haupt-Query. Man muss in all den Teilfragen präsent sein, die eine komplexe Nutzerfrage implizit enthält.

Commodity vs. Non-Commodity Content

Die vielleicht pragmatischste Folie der ganzen Veranstaltung war Sullivans Gegenüberstellung von austauschbarem und nicht-austauschbarem Content. Drei Beispiele aus seiner Präsentation:

• Laufschuh-Händler: „Top 10 Dinge beim Kauf von Laufschuhen“ (Commodity) vs. eine Analyse, warum die Schuhe eines konkreten Kunden nach 400 Meilen kollabiert sind, inklusive Laufmuster (Non-Commodity).
• Immobilienmakler: generische Erstkäufer-Tipps (Commodity) vs. ein konkreter Fall, in dem eine übersprungene Inspektion 15.000 Dollar gespart hat, mit Blick in die Abwasserleitung (Non-Commodity).
• Innenarchitektin: generische Küchentrends mit Pinterest-Bildern (Commodity) vs. ein Experiment, warum Marmor für eine fünfköpfige Familie ungeeignet war – mit Fleckentests von Traubensaft und Kurkuma (Non-Commodity).

Was guten Non-Commodity-Content auszeichnet: Unique, Specific, Authentic. Eigene Perspektive. Konkreter Fall. First-Hand-Erfahrung. Das ist genau der Content, den ein LLM nicht synthetisieren kann, weil er schlicht noch nicht im Trainingsdatensatz existiert.

Mythbusting: Was ihr NICHT tun müsst

Sullivan machte auf mehreren Folien mit typischen Missverständnissen auf:

• Kein „Chunking“ für KI. Baut euren Content für menschliche Leser:innen auf, nicht für hypothetische LLM-Parser.
• H1/H2-Header müssen nicht KI-präzise sein. Sie sind für Menschen da.
• Keine „Conversational Keywords“ auf Vorrat. Googles Sprachverständnis erkennt Synonyme und Beziehungen.
• JavaScript ist okay, solange Google es wie ein Mensch ausführen kann.
• Keine Website nach Markdown migrieren. Laut Notizen kein SEO- oder LLM-Vorteil.
• Keine llms.txt anlegen. Laut Notizen ebenfalls kein SEO-Nutzen.

Und zum Dauerbrenner KI-Content: Generative KI ist für Recherche und Strukturierung in Ordnung. Problematisch wird es bei Scaled Content Abuse – massenhaft publizierte Seiten ohne eigenen Mehrwert. Googles Spam Policies zielen genau darauf, nicht auf KI als Werkzeug an sich.

Agentic Search – vor allem Commerce

Ein spannender, aber klar begrenzter Teil war der Ausblick auf agentische Features:

• Business Agent: Händler:innen in den USA können im Merchant Center einen gebrandeten Agent aktivieren, mit dem Käufer:innen direkt in Google Search chatten können.
• Universal Commerce Protocol (UCP): Soll eine neue Checkout-Funktion in AI Mode und der Gemini-App antreiben.

Die ehrliche Einordnung aus den Notizen: Jenseits von Commerce und UCP waren nicht viele konkrete neue Chancen sichtbar. Wer also kein E-Commerce-Business betreibt, darf Agentic Search vorerst beobachten statt hyperventilieren.

Messen, nicht zählen

Sullivan wies darauf hin, dass Nutzer:innen, die aus AI Overviews auf eine Seite klicken, tendenziell länger bleiben und engagierter sind – weil sie bereits kontextuell vorgewärmt sind. Die Messlatte darf also nicht nur das Klickvolumen sein. Wichtiger werden Besuchsdauer, Signups, Conversions, Engagement und qualitative Signale.

---

3. Annanya Raghavan: Storytelling mit Google Trends

Annanya Raghavans Vortrag war die strategisch vielleicht inspirierendste Session. Ihre These: Trends ist kein Keyword-Tool. Trends ist ein kultureller Kompass.

„Why Narratives Beat Keywords“

Raghavans Leitsatz: Keywords zeigen, was Menschen wollen. Trends zeigen, wer Menschen sind. Ein Keyword ist eine Transaktion, ein Trend eine Transformation im Publikumsverhalten.

Was Trends-Daten laut ihrer Darstellung einzigartig macht:

• Big: Milliarden Suchanfragen pro Tag – einer der größten Echtzeit-Datensätze der Welt.
• Immediate: nahezu in Echtzeit, was Menschen gerade umtreibt.

Ein paar Beispiele, die in der Session hängen geblieben sind:

• Globale Frage „how can we control anxiety“
• Kanada: „how can we reduce food waste“
• Indien: „how can we care for our elders“
• UK: „how can we mitigate climate change“
• USA: „how can we stop bullying“

Dieselbe Satzstruktur – und doch völlig unterschiedliche gesellschaftliche Prioritäten.

Tagesrhythmen und Kulturmuster

Raghavan zeigte tägliche Peaks verschiedener Suchanfragen:

• 7:00 Uhr – „surfing“ in Australien
• 8:00 Uhr – „full english“ in England
• 13:00 Uhr – „beer garden“ in Deutschland
• 15:00 Uhr – „hiking“ in Kanada
• 16:00 Uhr – „disco“ in Spanien
• 17:00 Uhr – „karaoke“ in Japan
• 23:00 Uhr – „jazz music“ in Brasilien

Für Content-Planung, Paid-Timing oder regionale Ansprache ist das Gold wert – solange man Trends konsequent dafür nutzt.

Die drei Säulen narrativer Verbindung

Raghavans Framework für strategische Trends-Nutzung:

1. Seasonality vs. Spontaneity – erwartbare jährliche Peaks planen, aber agil genug für Breakout-Momente bleiben.
2. Generative Context – Search-AI-Features analysieren, um zu verstehen, wie Informationen synthetisiert werden.
3. The Narrative Gap – Breakout-Trends gegenüber statischen High-Volume-Keywords priorisieren, um First-Mover-Vorteile in AI-Antworten zu sichern.

Der Brand-Connectivity-Prozess in fünf Schritten

1. Identify: In Trends eine Breakout-Query finden, bei der Neugier schneller steigt als der Wettbewerb.
2. Verify: Über „Interest by Subregion“ regionale Relevanz gegenprüfen.
3. Synthesize: In Search AI prüfen, wie Google das Thema aktuell zusammenfasst.
4. Differentiate: Eigene Daten, Expertise oder Perspektive hinzufügen, die über den AI-Gist hinausgeht.
5. Execute: Hilfreichen, originären Content veröffentlichen, der das tiefere „Warum“ beantwortet.

Das ist im Grunde ein SEO-Prozess, in den AI Search als Research-Tool integriert wird – nicht als Bedrohung, sondern als Diagnoseinstrument.

---

4. Daniel Waisberg: Neues in Search Console und Trends

Daniel Waisberg brachte die konkreten Tool-News mit. Vier Themen: Query Groups, AI-powered Configuration, Trends API (Alpha), Trends Explore mit Gemini.

Query Groups: Weil eine Anfrage hundert Varianten hat

Waisberg nutzte das wunderbare Beispiel „How to spell Britney Spears?“ – mit einer langen Liste der Schreibweisen, die Menschen tatsächlich eintippen. Genau dieses Problem adressieren Query Groups: ähnliche Anfragen werden automatisch zu Themenclustern gebündelt.

Beispiele aus der Insight Card in den Folien: schema checker, seo, robots.txt, core web vitals, google core update. Jede Gruppe kommt mit Gesamtmetriken, Top Countries und Additional Traffic Sources – und lässt sich auf die zugrunde liegende Regex drill-downen. Wer will, kann die Gruppierung also bis auf Einzelquery-Ebene nachvollziehen.

Query Groups lösen ein echtes Problem: Statt sich durch hundert Keyword-Varianten zu filtern, bekommt man Themen serviert. Pluspunkt für Dashboards und Executive Reports.

AI-powered Configuration: GSC per Prompt

Die zweite Neuerung ist eine experimentelle Funktion, die natürliche Sprache in GSC-Filter übersetzt. Drei Schritte:

1. Wunsch in Umgangssprache beschreiben.
2. System schlägt passende Filter und Einstellungen vor.
3. Prüfen, anwenden (oder verwerfen).

Beispielprompt aus der Demo: „CTR von Queries anzeigen, die ‚how to‘ oder ‚what is‘ enthalten, in Kanada letzte Woche.“ Die vorgeschlagene Konfiguration: letzte 7 Tage, Web-Search, Country Canada, Query-Matching how to | what is, Metric CTR, Breakdown Queries.

Wichtig: Es gibt einen expliziten Review-Schritt. Die KI schlägt vor, Menschen entscheiden. Das Feature ist als experimentell markiert – Feedback ausdrücklich erwünscht.

Trends API (Alpha)

Für alle, die bisher mit Screenshots aus dem Trends-UI leben mussten: Es kommt eine echte API. Die relevanten Eckdaten:

• 5 Jahre Rolling Window, Daten bis 48 Stunden vor „jetzt“ (die Verzögerung ist bewusst, um Missbrauch zu erschweren).
• Konsistent skalierte Suchinteresse-Werte – isolierte Einzelabfragen sind damit mit Vergleichsabfragen kompatibel (das war vorher ein häufiger Stolperstein).
• Neue Zeitauflösungen: täglich, wöchentlich, monatlich, jährlich.
• Asynchrones Request-Modell: Anfrage erstellen, Operation-ID erhalten, Ergebnis abrufen.

Ein Sample-Request aus der Folie: geo: US, expression: "world cup", time_range: 2024-01-01 bis 2024-12-31, time_resolution: WEEK. Die Response liefert points mit search_interest und scaled_search_interest.

Das ist ein ziemlich großer Schritt für alle, die Trends-Daten in Dashboards, Data-Science-Workflows oder Content-Planungs-Tools einbinden wollen.

Trends Explore mit Gemini

Die vierte Neuerung: Ein Gemini-gestütztes Panel in Trends Explore, das Themenvorschläge macht. Beispiel aus den Folien: Für die Eingabe „Dog breeds“ schlägt Gemini Verfeinerungen wie „small dog breeds“, „hypoallergenic dog breeds“, „Labrador vs. Golden Retriever“ oder „most popular dog breeds in the US“ vor.

Nützlich für Brainstorming – und um nicht ständig im eigenen Bubble-Vokabular festzustecken.

---

5. Ryan Levering: Strukturierte Daten, Qualität & KI

Ryan Leverings Vortrag war die technische Kür – und die wichtigste Korrektur an einem verbreiteten Mythos: Strukturierte Daten sind in der KI-Ära nicht weniger wichtig, sondern mehr.

Die zwei Extrempositionen – und die Wahrheit dazwischen

Levering stellte zwei überzogene Sichtweisen gegenüber:

• „Strukturierte Daten sind nutzlos, LLMs verstehen auch ohne Schema alles.“
• „Strukturierte Daten sind die Zukunft, Agenten brauchen eh kein Web mehr.“

Beides falsch. Seine vier Argumente, warum strukturierte Daten weiter wichtig sind:

1. Precision: Für komplexe Commerce-Schemata (z. B. Sale Pricing) sind sie präziser als LLM-Extraktion.
2. Extra Content: Sie transportieren unsichtbare Metadaten (vollständige ISO-Daten, stabile IDs), die im sichtbaren Text fehlen.
3. Efficiency: Parsebare Daten sind deutlich günstiger als LLM-Extraktion bei jedem Crawl.
4. Focus: Sie heben die relevanten Datenpunkte hervor und verhindern, dass das System irrelevante Informationen (z. B. Preise verwandter Produkte) heranzieht.

Entscheidend: Strukturierte Daten befeuern nicht nur Rich Results in der SERP. Sie werden auch als Kontext in AI Overviews und AI Mode verwendet.

Der Shopping-Schwerpunkt

Der Großteil der Session drehte sich um E-Commerce. Die wichtigen Bausteine:

Shipping Service Annotations

• handlingTime als ServicePeriod mit cutoffTime und duration.
• shippingConditions mit Destinations, Mindestbestellwerten, Raten.
• Konkrete Beispiele: Versand bis 14:30 Uhr, 30 Minuten Handling, kostenloser Versand nach FR und DE ab 50 Euro Bestellwert.

Loyalty Programs

• Organization → MemberProgram → MemberProgramTier → Benefit (z. B. Member Price, kostenloser Versand).
• Tiers bekommen stabile @id-URLs, auf die andere Dokumente verlinken können.

Cross-Page-Verknüpfung über @id

• Versandangebote können per validForMemberTier auf den entsprechenden Loyalty-Tier verweisen.
• Produkte können auf Organisationsrichtlinien verlinken.

Und der Ausblick: Google will die Symmetrie zwischen Merchant-Center-Feeds und Web-Markup stärken – was bedeutet, dass saubere Structured Data auf der Website zunehmend dieselben Signale liefert wie gepflegte Feeds.

Rich Results Test vs. schema.org Validator

Eine praktische Klarstellung aus der Session: Diese beiden Tools beantworten unterschiedliche Fragen.

• Rich Results Test (search.google.com/test/rich-results): Nutzt Googles internen Indexing-Stack und prüft, ob Google das Markup tatsächlich verarbeiten kann.
• schema.org Validator (validator.schema.org): Prüft reine Standardkonformität – unabhängig davon, ob Google etwas damit anfangen würde.

Für SEO-Zwecke ist der Rich Results Test der relevantere Check. Der schema.org Validator ist für strikte Standardvalidierung gedacht.

UGC, Forum und Q&A

Kleine, aber feine Neuerungen:

• Bessere Verarbeitung von Embedded Posts und Reposts.
• Ein neues Property digitalSourceType, das maschinengenerierte Inhalte kennzeichnen kann (algorithmisch vs. modellgeneriert).

Und für Bildauswahl in Search/AI: primaryImageOfPage, mainEntity -> image und og:image sind die Signale, auf die Google hört.

---

Praktische Implikationen für SEO

Wer die fünf Sessions zusammennimmt, bekommt eine erstaunlich kohärente To-do-Liste für die nächsten Monate.

Indexierung und Crawling

„Crawled – currently not indexed“ ist selten ein Rendering-Problem. Wer dieses Problem hat, sollte nicht zuerst ins JavaScript-Rendering schauen, sondern in Qualität, Duplicate Content, Canonicals, Nachfrage, Konkurrenz anderer URLs, 404s, Weiterleitungen und robots.txt. Sitemaps und interne Verlinkung bleiben wichtig, weil Discovery ein eigener Schritt im Life-of-a-URL-Modell ist.

Content-Strategie

• Nicht in Panik verfallen und die Website für AI Search umstrukturieren.
• Kein „Chunking“, keine Markdown-Migration, keine llms.txt.
• Dafür: Unique, Specific, Authentic. Eigene Daten, Experimente, Fälle, Perspektiven.
• Keine massenhaft ähnlichen KI-generierten Seiten – das ist Scaled Content Abuse.

Messung

AI-Search-Klicks nicht nur am Volumen bewerten. Engagement, Besuchsdauer, Conversions, Signups und qualitative Signale werden wichtiger. GSC Query Groups und AI-powered Configuration können Analyseaufwand reduzieren – aber vorgeschlagene Filter immer gegenprüfen.

Google Trends als strategisches Werkzeug

Trends ist mehr als ein Keyword-Research-Tool. Breakout-Themen können strategisch wichtiger sein als statisch hohe Suchvolumina. Regionale Muster, Tagesrhythmen und Ereignis-Peaks fließen in Content-Planung ein. Die neue API öffnet die Tür für systematischere Trends-Analyse.

Strukturierte Daten

Vor allem im E-Commerce: Shipping-Policies, Loyalty-Programme, Produktvarianten, Member Pricing, UGC-Kennzeichnung. Cross-Page-Verknüpfungen über stabile @id-URLs werden wichtiger. Und: Der Rich Results Test beantwortet eine andere Frage als der schema.org Validator – beide haben ihre Daseinsberechtigung.

Blockieren von Google-Extended

Ein Detail, das in den Notizen auftaucht und das oft missverstanden wird: Das Blockieren von Google-Extended beeinflusst laut Veranstaltung nicht die Sichtbarkeit in AI Overviews oder AI Mode negativ, weil Google die Inhalte auch aus dem regulären Suchindex heranziehen kann. Wer konkrete Inhalte wirklich von der KI-Nutzung ausschließen will, muss eher mit data-nosnippet arbeiten – was allerdings auch klassische SEO-Snippets beschränkt. Das komplette Blockieren kann zudem dazu führen, dass die eigene Seite nicht mehr als Grounding- oder Link-Quelle in AI-Antworten erscheint.

---

Fazit: Mehr Evolution als Revolution

Die ehrlichste Zusammenfassung der Veranstaltung steht auf einer von Danny Sullivans Folien: „All this is good news!“ Menschen müssen ihre Websites nicht panisch für AI-Search-Erfolg auseinanderreißen.

Was wirklich passiert, ist subtiler – und anspruchsvoller:

• Die Qualitätsschwelle für Indexierung steigt, weil KI Content-Produktion trivialisiert.
• Sichtbarkeit wird über mehr Oberflächen verteilt: Web, Bilder, Videos, Shopping, Local, Fan-outs.
• Strukturierte Daten werden zum zuverlässigeren Signal gegenüber KI-Extraktion.
• Measurement verschiebt sich vom Klick zum Engagement.
• Google selbst baut seine Tools (GSC, Trends) assistiver und API-freundlicher aus.

Und quer über alle fünf Sessions zog sich dieselbe Botschaft: Wer heute guten, eigenen, spezifischen Content für Menschen macht, ist für AI Search richtig aufgestellt. Keine neuen Akronyme. Keine magischen Schalter. Nur: Handwerk, ehrlich gemacht.

Wer die Originalfolien sehen will, findet die komplette Bildsammlung im Blogpost von Jean-Christophe Chouinard.

---

Quelle: JC Chouinard, „Google Search Central Live Toronto Slides (April 2026)“, veröffentlicht am 22. April 2026. Analyse und Einordnung auf Basis der dort dokumentierten Slides.

Ein Praxis-Ratgeber für Marketing-, SEO- und Content-Verantwortliche

Klassisches SEO hat seine Steuerungsgrößen verloren. Wenn bei Googles AI Mode rund 95 von 100 Anfragen ohne Klick auf eine externe Website bleiben und die Zero-Click-Rate bei ChatGPT je nach Query-Typ zwischen 78 und 99 Prozent liegt, wird Traffic als einzige Erfolgsmetrik zum Blindflug. Gleichzeitig sind AI-referred Sessions zwischen Januar und Mai 2025 um 527 Prozent gewachsen — die Frage ist also nicht mehr, ob man sich mit generativer Suche beschäftigt, sondern wie systematisch.

Generative Engine Optimization (GEO) beschreibt die Arbeit an genau dieser Sichtbarkeit: nicht mehr für Klicks zu optimieren, sondern dafür, in KI-Antworten zitiert, empfohlen und als Ground Truth akzeptiert zu werden. Dieser Beitrag bündelt die wichtigsten Hebel für B2B-Unternehmen — entlang strategischer, organisatorischer und operativer Fragen. Am Ende steht eine priorisierte Handlungsliste.

1. Der Paradigmenwechsel: Von Rankings zu Antwortrepräsentation

Der Kernsatz lautet: Wir optimieren nicht mehr für Klicks, sondern dafür, zitiert, empfohlen und als Ground Truth akzeptiert zu werden.

Drei Verschiebungen prägen den neuen Kanal:

• Natürliche Sprache statt Keywords. Nutzer formulieren Anfragen mit 20+ Wörtern und erwarten direkte Antworten. Der Long-Tail ist nicht mehr Nische, sondern Norm.
• Die Website wird zur Bestätigung, nicht zur Überzeugung. Ein Großteil der Entscheidungsarbeit findet im Chat statt. Wenn der Nutzer die Seite überhaupt noch besucht, hat er meist schon eine Vorentscheidung getroffen.
• Volatilität als Dauerzustand. Dieselbe Frage liefert zu unterschiedlichen Zeitpunkten unterschiedliche Antworten — je nach Modell, Personalisierung, Query Fan-out und Grounding-Auswahl. Selbst bei identischen Prompts variieren die zitierten Quellen stark.

Handlungsempfehlung: Stellen Sie die Leitfrage im Team um. Weg von „Wie ranke ich?“ hin zu „Bei welchen entscheidungsrelevanten Prompts tauche ich als empfohlene Option auf?“

2. Zielgrößen neu denken: Was jetzt gemessen wird

Rankings und reines Traffic-Volumen verlieren an Aussagekraft. Sinnvoller sind:

• Share of Voice in generativen Antworten — bei einem definierten Set von 25–50 Kern-Prompts über mehrere Systeme hinweg.
• Citation Rate — bei welchen Prompts werden Sie nicht nur erwähnt, sondern als Quelle zitiert?
• Sentiment der Erwähnungen — Erwähnung allein reicht nicht.
• Entity Recall — kennt das Modell Ihre Marke im relevanten Kontext?
• Business Impact — Lead-Qualität und Conversion-Qualität statt reines Traffic-Volumen.

Attribution bleibt schwierig. Zitiert zu werden erzeugt oft keinen sichtbaren Klick, obwohl es eine Kaufentscheidung beeinflusst. Offizielle APIs und Standard-Metriken fehlen, die Tool-Landschaft ist unreif. Der pragmatische Weg ist Triangulation: Sichtbarkeits-Signale aus spezialisierten Tools kombiniert mit manuellen Tests, GA4-Referrer-Daten (chatgpt.com, perplexity.ai, gemini.google.com) und Business-Outcomes.

Ein oft unterschätzter Indikator: Neukunden direkt fragen, wie sie Sie gefunden haben. Das ist qualitativ unbezahlbar.

Handlungsempfehlung: Definieren Sie 25–50 geschäftsrelevante Prompts, messen Sie eine Baseline über drei bis vier Systeme (ChatGPT, Perplexity, Google AI Mode, Claude), idealerweise bilden sie einen laufenden Durchschnitt aus mehreren Abfragen jedes Prompts und checken Sie mindestens monatlich auf Veränderungen.

3. Die häufigsten strategischen Fehlannahmen

Fünf Irrtümer begegnen mir regelmäßig in der Beratung:

1. „GEO ersetzt SEO.“ Falsch. GEO funktioniert nur als Erweiterung solider SEO-Grundlagen. Ohne saubere Tech-SEO und Brand Building fehlt der Hebel.
2. llms.txt-Hype. Viele Experimente haben bestätigt: Kein KI-Crawler hat gezielt nach llms.txt gesucht. Die Datei gilt als wirkungslos.
3. Quantität ohne Qualität. KI-generierte Massen an Content schaden eher — LLMs verstehen Semantik, nicht Worthäufigkeit.
4. FOMO statt Business Case. Sichtbarkeit ohne Geschäftsrelevanz ist kein Ziel.
5. Sofortige Messbarkeit erwartet. GEO ist ein Marathon. Erste belastbare Erkenntnisse brauchen mindestens ein Quartal, besser ein halbes Jahr.

Die gute Nachricht: Wer eine solide SEO-Basis hat, kann innerhalb weniger Wochen spürbar etwas bewegen.

4. Organisation und Governance: Die unterschätzte Hürde

Die größte Hürde bei systematischer GEO-Umsetzung ist nicht technisch, sondern organisatorisch. GEO-Sichtbarkeit entsteht an der Schnittstelle von SEO, Content, PR, Brand, Produkt und Web — keine dieser Funktionen allein kann sie verantworten.

In der Praxis scheitert es meist an drei Punkten:

• Unklare Ownership. GEO fällt zwischen die Stühle. Wenn niemand expliziter Owner ist, bleibt es bei Einzelprojekten.
• Fehlende Prozess-Disziplin. Monitoring ist sporadisch, Learnings fließen nicht in Content-Briefings zurück.
• Leadership-Education. Entscheider müssen verstehen, warum GEO wichtig ist — ohne sich von Hype treiben zu lassen.

Eigene Rolle oder Erweiterung bestehender Funktionen? Für die meisten Unternehmen reicht eine Erweiterung der SEO- und Content-Funktion. Nur Enterprise-SaaS, hochregulierte Branchen oder Konzerne mit komplexem Buying Center brauchen dedizierte Senior-Rollen (Adobe hat Ende 2024 eine entsprechende Stelle mit ausgeschrieben).

Handlungsempfehlung: Benennen Sie einen klaren Accountability-Owner — meist im SEO- oder Content-Team — mit definierten Eskalationswegen und Einbindung in Digital PR. Committen Sie alle Beteiligten auf ein gemeinsames Zielsystem: Brand Visibility in KI-Antworten und Business-Outcomes.

5. Content-Lifecycle: Wo die meisten Teams scheitern

Das praxiserprobte Framework verläuft in vier Phasen: Source Analysis → Optimization → Assessment → Refinement. In der Realität werden Phase 1 und Phase 3 fast immer übersprungen.

• Phase 1 — Source Analysis. Die Frage „Woher bezieht die KI ihre Antwort zu unserem Thema heute?“ wird selten systematisch gestellt. Dabei dominiert Earned Media: Bis zu die meisten KI-Zitationen stammen aus Drittquellen. Wer nur die eigene Domain optimiert, ignoriert den größten Hebel.
• Phase 3 — Assessment. Ohne definiertes Prompt-Set, ohne Baseline, ohne regelmäßige Re-Checks gibt es keine Lernschleife.

Dazu kommen drei operative Lücken, die sich quer durch alle Teams ziehen: Passage-Optimierung (im klassischen SEO konkurrieren Seiten, im GEO konkurrieren Passagen), Claim-Evidence-Source (jede zentrale Aussage sollte mit Beweis und Quelle verknüpft sein) und Information Gain (wenn ein Artikel nichts sagt, was nicht auch Wikipedia sagt, wird die KI Wikipedia zitieren).

6. Der stärkste inhaltliche Hebel: Autorität und Struktur

Das Hinzufügen von Statistiken, Zitaten und wissenschaftlichen Quellenangaben steigert die Sichtbarkeit in KI-Antworten messbar.

Konkret wirksam sind:

• Claim-Evidence-Source-Format — jede Kernaussage mit Beleg und nachvollziehbarer Quelle.
• Passage-Optimierung in semantisch geschlossenen Einheiten von etwa 40–60 Wörtern, die isoliert Sinn ergeben.
• Direkte Antwortlogik — Frage, prägnante Antwort in den ersten Zeilen, Beleg, Kontext. TL;DRs in den ersten 10 Prozent eines Textes sind messbar wirksam.
• Information Gain — eigene Daten, Studien, Fallbeispiele.

Was im B2B funktioniert: Thought-Leadership-Artikel in Fachmedien, Original-Research, Vergleichsguides mit Kriterien-Transparenz, lösungsorientierte Deep-Dives („Wie reduziere ich IT-Kosten?“ statt „Unser Cloud-Service hat 99,9 % Uptime“), Whitepaper mit echtem Mehrwert, Case Studies mit harten Zahlen.

Was nicht funktioniert: Keyword-optimierte Seiten ohne Information Gain, Feature-Listen ohne Problem-Kontext, KI-generierte Masse, reine Produktseiten ohne Entscheidungsunterstützung, Content ohne erkennbare Autoren oder Quellen.

7. Multiperspektivischer Content für das Buying Center

Im B2B fragen Techniker, CFO und Geschäftsführung am selben Thema völlig unterschiedliche Fragen. Der Techniker fragt nach Integration und Security, der CFO nach TCO und ROI, die Geschäftsführung nach Strategie und Risiko.

Die praktikabelste Lösung ist eine integrierte Hub-Struktur statt isolierter Silos: Ein zentrales Pillar-Content-Stück pro Thema mit klar benannten Zielrollen-Abschnitten („Für Entscheider“, „Für IT-Verantwortliche“, „Für den CFO“). Vorteil: Die KI findet für jede Perspektive einen zitierfähigen Abschnitt, und die semantische Tiefe des Hubs stärkt die Topical Authority.

Ergänzend: Spezialisierte Inhalte pro Rolle an den Entscheidungsmomenten, wo Tiefe zählt — aber immer aus dem Hub verlinkt, nicht parallel.

Warum keine komplett getrennten Inhalte? Separate Artikel pro Rolle kannibalisieren sich semantisch und verteilen Autorität auf mehrere URLs. KI-Systeme bevorzugen kohärente, tiefe Quellen.

8. E-E-A-T neu gewichtet: Was im B2B wirklich zählt

Der Shift lautet: Von Domain Authority zu Entity Recall. Von Anchor Text zu Branded Search Lift. Von Backlinks zu Brand Mentions und Co-Occurrences.

Was im B2B den höchsten Wirkungsgrad hat:

• Expertise — nachweisbare Fachkompetenz, Studien, Original-Research, publizierte Vorträge. Schwache Expertise disqualifiziert sofort.
• Authoritativeness — Zitierungen in Branchenmedien, Thought-Leadership-Position, externe Anerkennung durch die Peer Group.
• Trust — Transparenz über Geschäftsmodell, Compliance-Konformität, saubere Quellen.

Was überschätzt wird:

• Experience im Sinne klassischer Nutzer-Reviews — im B2B zählt organisationale Experience in Form von Case Studies mit harten Ergebnissen mehr als generische Bewertungen.
• Allgemeines Firmenprestige ohne konkrete Expertise-Demonstration. „Wir sind ein Großkonzern“ ist kein E-E-A-T-Signal.
• Schema.org-Markup als Haupthebel für LLM-Systeme — sinnvoll für klassische SEO, aber kein nachgewiesener Zusatznutzen für generative Antworten.

9. Technik: Unverzichtbar vs. überschätzt

Unverzichtbar:

• Rendering ohne JavaScript-Abhängigkeit. KI-Crawler sind deutlich restriktiver als Googlebot — Server-Side-Rendering oder statisches HTML für zentrale Inhalte.
• Saubere, differenzierte robots.txt.
• Indexierbarkeit der Kerninhalte, keine Access-Walls oder Layer.
• Schnelle Ladezeiten und Server-Stabilität.

Überschätzt:

• llms.txt — nachweislich wirkungslos.
• Schema.org-Markup als Hauptmaßnahme für LLM-Sichtbarkeit.
• Komplexe Chunking-Strategien — die Wirkung kommt aus guter Struktur, nicht aus Technik.

Crawler-Management: Differenziert vorgehen. Training-Crawler (CCBot, GPTBot im Training-Modus) blockieren, wenn Content nicht als Trainingsdaten dienen soll. Search- und Citation-Crawler (OAI-SearchBot, PerplexityBot, Google-Extended im Search-Modus) sind sichtbarkeitsrelevant — erlauben. Wer alles blockiert, wird in KI-Antworten nicht zitiert.

10. Priorisierte Handlungsliste für B2B

Wenn Sie heute anfangen, in dieser Reihenfolge:

1. Inhalte auf Entscheidungsfragen und Stakeholder-Perspektiven ausrichten. Im B2B ist Thought Leadership der zentrale Hebel.
2. E-E-A-T-Signale explizit und maschinenlesbar machen. Autorität ist der stärkste Einzeleffekt
3. Content auf semantisch geschlossene Einheiten umbauen. Claim-Evidence-Source und Passage-Optimierung sind die Voraussetzung, damit Autorität in KI-Antworten landet.
4. Content-Audit als Fakten-Inventar durchführen. Für jedes geschäftsrelevante Thema: Welche zentralen Fakten, Zahlen, Definitionen sind zitierfähig vorhanden — und welche nicht? Deckt meist 20–50 konkrete Lücken auf.
5. Earned-Media-Initiative starten. Ein fundierter Fachbeitrag in einer autoritativen Publikation bringt im B2B oft mehr GEO-Sichtbarkeit als 50 On-Page-Optimierungen.
6. Monitoring etablieren. 25–50 Prompts, Baseline über 3–4 Systeme mit Mehrfachabfragen und Bildung von Durchschnitten und Trends, monatliche Re-Checks.
7. Autoren- und Entity-Signale pflegen. Klare Autorennennung, Bio mit Credentials, konsistente Pflege in Wikipedia/Wikidata, wo möglich.
8. Ownership und Prozesse verankern. Klarer Accountability-Owner, monatliche GEO-Reviews mit SEO, Content, PR und Produkt.

Was ich zuerst nicht anfassen würde: llms.txt, großflächiges Schema.org-Rollout als GEO-Haupthebel, hochtechnische Chunking-Frameworks.

Fazit: GEO ist eine Qualitätsaufgabe, kein Optimierungstrick

Der unbequemste Teil zuerst: Die tatsächlichen Erfolgstreiber sind unspektakulär. Saubere Topical Authority, belastbare Expertise, Earned Media, solide SEO-Grundlagen. Vieles davon ist kein neuer GEO-Trick, sondern hochwertiges SEO, wie es seit Jahren gemacht werden sollte.

Drei Entwicklungen werden die nächsten 24 Monate prägen — und sind in der aktuellen Debatte deutlich unterrepräsentiert:

• Adversarial GEO. Wenige präparierte Dokumente reichen bereits, um RAG-Systeme messbar zu beeinflussen. Die Branche diskutiert GEO fast ausschließlich als Optimierungsproblem — kaum als Sicherheits- und Reputationsproblem.
• Regulatorischer Druck. Die Landesmedienanstalten Berlin-Brandenburg und Hamburg haben Verwaltungsverfahren gegen Google und Perplexity eingeleitet. Studien belegen Reichweitenverluste bei Content-Anbietern zwischen 10 und 50 Prozent.
• Das Agentic Web. Morgan Stanley erwartet, dass die Hälfte der US-Online-Shopper Agenten nutzen wird. Wer heute über llms.txt diskutiert, hat die Ebene nicht verstanden, auf der sich die Schlacht verlagert.

Für den deutschsprachigen Raum gibt es dabei eine unterschätzte Chance: Hochwertige deutsche Fachinhalte haben Seltenheitswert. Wer fundierten Content auf Deutsch liefert, konkurriert mit deutlich weniger Quellen als im englischsprachigen Raum — bei gleichzeitig hoher Nachfrage.

Wer anfängt, sollte nicht auf das perfekte Tool warten. Ein definiertes Prompt-Set, eine ehrliche Baseline und die Disziplin, die eigenen Top-20-Seiten nach Claim-Evidence-Source umzubauen, bringen innerhalb eines Quartals mehr als jede Hype-Lösung.

Ich habe mir angesehen, was man aus der Wix/Peec-Analyse zu LLM-Zitationen wirklich lesen kann – und was nicht

Der Beitrag von Wix über die „most cited content types by LLMs“ ist interessant, weil er einmal nicht nur Meinungen oder Best Practices sammelt, sondern mit einem größeren Datensatz arbeitet: Laut Artikel wurden 75.000 AI-Antworten mit 1.056.727 Zitationen aus ChatGPT, Google AI Mode und Perplexity ausgewertet. Vorab gut zu wissen ist, dass die Daten laut Autor über Peec erhoben wurden und dass er selbst dort als Researcher arbeitet. Das macht den Beitrag nicht unbrauchbar, aber eben zu einer vendorseitigen Auswertung und nicht zu einer unabhängigen wissenschaftlichen Studie.

Was der Datensatz zunächst einmal tatsächlich zeigt, ist ziemlich klar: In diesem Setup entfallen die meisten sichtbaren Zitationen auf Listicles, Articles und Product Pages. Innerhalb der Intent-Klassen verschiebt sich das Bild deutlich: Bei informational Prompts dominieren Articles, bei commercial Prompts Listicles, und bei navigational/local sowie transactional Prompts treten Product- und Category-Pages deutlich stärker hervor. Als deskriptive Beobachtung über genau dieses Sample ist das nützlich und plausibel.

Genau an dieser Stelle beginnt aber die wissenschaftlich wichtige Trennung zwischen Beobachtung und Interpretation. Peec unterscheidet selbst zwischen Sources und Citations: Citations sind nur die URLs, die direkt im Antworttext auftauchen; Sources umfassen auch weitere URLs, die das System genutzt, aber nicht sichtbar zitiert hat. Der Beitrag analysiert hier also nur die sichtbaren Zitationen. Das ist ein valider Messpunkt, aber ich fände es gerade interessant, was zitierte Inhalte von den gelieferten Quellen und diese wiederum von „allen möglichen Quellen“ unterscheidet, denn so kommen wir der Frage „welcher Content-Typ objektiv am besten funktioniert“ nicht unbedingt näher.

Für mich ist deshalb der belastbarste Schluss ein recht nüchterner:

Die Verteilung sichtbarer LLM-Zitationen variiert in diesem Datensatz deutlich nach Prompt-Intent.

Mehr nicht, aber auch nicht weniger.

Man kann also vorsichtig sagen, dass Articles in informational Kontexten häufiger sichtbar zitiert wurden, Listicles in commercial Kontexten und Product- bzw. Category-Pages eher in navigational und transactional Kontexten. Was man daraus noch nicht sauber sagen kann, ist, dass LLMs diese Formate „bevorzugen“ im starken Sinn oder dass genau diese Formate kausal für Sichtbarkeit verantwortlich sind.

Der Artikel geht an mehreren Stellen über diese Evidenz hinaus. Wenn dort etwa steht, Nutzer wollten bei kommerziellen Suchanfragen „structured comparisons and peer opinions“, dann ist das als Hypothese nachvollziehbar — gemessen wurde es hier aber nicht!

Die Auswertung enthält keine Nutzerbefragung, keine Klickdaten, keine Conversion-Daten und keine Verhaltensmaße. Gemessen wurde allein, welche Seitentypen in Antworten sichtbar zitiert wurden. Aus solchen Mustern kann man psychologische Erklärungen ableiten; belegt sind diese Erklärungen dadurch aber nicht.

Dasselbe gilt für starke strategische Aussagen am Ende des Beitrags. Formulierungen wie „Articles build trust but don’t drive decisions“, „optimize for user intent rather than models“ oder „don’t rely on articles“ lesen sich handlungsnah, sind aber durch dieses Studiendesign nicht kausal abgesichert.

Es handelt sich um eine beobachtende Auswertung, nicht um ein kontrolliertes Experiment, in dem identische Inhalte systematisch variiert und deren Effekte getestet wurden. Der Beitrag zeigt Korrelationen in sichtbaren Zitationen, keine Wirkungsnachweise.

Ein weiterer methodischer Punkt wird leicht übersehen: Die Zahl von über einer Million Zitationen klingt (wie bereits bei der 1,2 Millionen Prompts-Studie) nach enormer statistischer Wucht, ist aber nicht automatisch gleichbedeutend mit über einer Million unabhängigen Beobachtungen.

Eine einzelne Antwort kann mehrere Quellen enthalten, und Peec weist selbst darauf hin, dass Sources und Citations unterschiedliche Dinge sind. Wer also Citation-Shares betrachtet, betrachtet keine Query-Shares und auch keine „Gewinner pro Prompt“, sondern Anteile innerhalb eines Zitationsraums. Das ist analytisch relevant, weil sich dadurch die Denominator-Logik ändert.

Man sieht diese Unschärfe schon in den Aufmacherzahlen des Artikels: Dort heißt es, Articles würden bei informational Queries „2.7x more“ zitiert als bei anderen Intents. Schaut man auf die veröffentlichte Tabelle, liegt der Article-Anteil bei informational Prompts bei 45,48 Prozent und overall bei 16,68 Prozent. Der Faktor 2,7 ergibt sich also offenbar aus dem Vergleich mit dem Gesamtwert, nicht mit dem Durchschnitt der anderen drei Intent-Klassen. Das ist kein gravierender Fehler, aber ein gutes Beispiel dafür, warum man Marketing-kompatible Kennzahlen immer gegen die Tabelle selbst lesen sollte.

Auch die Modellvergleiche würde ich vorsichtiger lesen, als der Text es nahelegt. Peec dokumentiert selbst, dass Plattformen bei Quellen und Zitationen unterschiedlich funktionieren: ChatGPT sucht nicht immer im Web, Perplexity zeigt oft viele Sources, aber relativ weniger direkte Citations, und die Quellenauswahl schwankt von Tag zu Tag. Wenn die Produkte bereits unterschiedlich suchen und unterschiedlich zitieren, dann misst ein Modellvergleich eben nicht nur „inhaltliche Präferenzen“, sondern auch Unterschiede im Produktverhalten. Aussagen wie „Perplexity values community opinions“ sind deshalb eher Interpretation als harter Befund.

Eine weitere Einschränkung steckt in den transactional Prompts. Der Autor schreibt selbst, dass transaktionale Anfragen in der Realität oft branded sind, für die Studie aber absichtlich non-branded gehalten wurden. Das ist methodisch nachvollziehbar, weil es den Vergleich sauberer macht. Gleichzeitig entfernt sich das Setup damit gerade in einem besonders handlungsnahen Bereich ein Stück von realem Nutzerverhalten. Wer daraus operative Empfehlungen für Kauf- oder Conversion-Szenarien ableiten will, sollte diese Grenze im Blick behalten.

Interessant, aber ebenfalls nur begrenzt generalisierbar, ist die Passage zu Third-Party-Listicles. Der Beitrag zeigt für das Subset „Professional services, top 1.000 cited URLs“, dass externe Listicles dort deutlich häufiger vorkamen als selbstpromotende. Das ist als Beobachtung für genau dieses Subset völlig okay. Daraus folgt aber noch nicht, dass Third-Party-Listicles allgemein „den Unterschied machen“ oder kausal Sichtbarkeit erzeugen. Dafür wäre ein deutlich enger kontrolliertes Design nötig.

Mein Fazit wäre deshalb dieses:

Der Beitrag ist als explorative Marktanalyse lesenswert, weil er ein plausibles Muster sichtbar macht — nämlich, dass sich die sichtbar zitierten URL-Typen je nach Prompt-Intent stark unterscheiden. Was der Beitrag nicht liefert, ist ein wissenschaftlich belastbarer Nachweis für Nutzerpsychologie, Trust-Effekte, Conversion-Wirkungen oder allgemeingültige Content-Rezepte.

Anders gesagt:

Als Hypothesengenerator ist die Analyse gut. Als Beleg für starke Strategieaussagen ist sie deutlich schwächer.

Wenn man es in einen einzigen sauberen Satz pressen will, würde ich es so formulieren: In einem großen, aber vendorseitigen Datensatz sichtbarer LLM-Zitationen variiert die Verteilung der zitierten Seitentypen deutlich nach Prompt-Intent; alles darüber hinaus ist eher Interpretation als Evidenz.

Der neue Growth-Memo-Beitrag erzählt eine starke Geschichte: AI Mode verdichtet Kaufentscheidungen, Nutzer übernehmen Shortlists, und Marken außerhalb der AI-Liste verlieren Sichtbarkeit. Die empirische Basis dafür ist aber keine große Bevölkerungsstudie, sondern eine remote, unmoderated Think-aloud-Usability-Studie mit 48 US-Teilnehmenden, 185 Aufgaben in vier Kategorien.

Der zugrunde liegende Report wird von Citation Labs, Xofu und Clickstream Solutions veröffentlicht, und die Autoren schreiben selbst, dass die Ergebnisse vor allem als richtungsweisend und nicht als belastbare Bevölkerungsschätzung zu lesen sind.

Wie belastbar ist die zugrundeliegende „Studie“?

Genau so würde ich den Text auch einordnen: als interessante Verhaltensbeobachtung mit echtem Signal, aber nicht als letzten Beweis dafür, wie „der Konsument“ nun grundsätzlich in AI-Interfaces handelt.

Der große Pluspunkt ist, dass hier tatsächliches Verhalten beobachtet wird und nicht nur Selbstauskünfte.

Der große Haken ist: kleines, kuratiertes Sample, Ausschlüsse im Rekrutierungsprozess, stark kontextgebundene Aufgaben und ein deutlich ungleiches Verhältnis von 149 AI-Mode- zu 36 Search-Beobachtungen.

Das ist für explorative UX-Forschung völlig legitim, aber nicht die Grundlage für allzu absolute Marktaussagen.

Was ich für belastbar halte, ist die Grundrichtung des zentralen Befunds: In diesem Setup zieht AI Mode einen Teil der Vergleichsarbeit in die Oberfläche selbst hinein. Viele Teilnehmende blieben im AI-Output, viele klickten gar nichts, und externe Besuche wirkten häufiger wie Bestätigung bereits akzeptierter Kandidaten als wie echte Exploration. Aber gerade bei den harten Prozentwerten wäre ich vorsichtig. Der Report nennt für direkte Übernahme der AI-Shortlist einmal 74 Prozent und später 88 Prozent. Das spricht nicht gegen den Effekt, aber klar gegen die Präzision, mit der er kommuniziert wird.

Relativ stark finde ich auch den Rang-Effekt. Dass der erstgenannte Kandidat überproportional häufig gewählt wird, passt nicht nur zu dieser Studie, sondern auch zu breiter Forschung zu Position Bias in Ranglisten und Empfehlungssystemen. Anders gesagt: Dass der Top-Pick des Systems häufig zum Top-Pick des Nutzers wird, ist psychologisch und informationswissenschaftlich sehr plausibel. Ob es hier exakt 74 Prozent sind, ist weniger wichtig als die Richtung des Effekts.

Auch die These, dass Vertrauen im AI-Modus anders entsteht, halte ich im Kern für plausibel: weniger Triangulation über mehrere Quellen, mehr Wirkung von Formulierung, Struktur und Markenvertrautheit. Dafür gibt es auch Anschluss an bestehende Forschung: Vertrauen in Algorithmen wächst unter anderem mit Vertrautheit, und bei schwierigeren Aufgaben greifen Menschen oft stärker auf algorithmische Hinweise zurück. Nur sollte man die exakte Messung im Report nicht überlesen: An einer Stelle heißt es, AI framing habe in 48 Prozent der AI-Mode-Fälle den Ausschlag gegeben, in der Tabelle selbst stehen 37 Prozent. Auch hier ist die Richtung glaubwürdig, die Feinmessung aber wacklig.

Ebenso ernst nehme ich den Befund, dass Abwesenheit im AI-Set problematisch ist. In den AI-Mode-Daten konzentrierten sich die finalen Entscheidungen je nach Kategorie stark auf wenige Marken, und der Report formuliert ausdrücklich, dass Marken außerhalb der AI-generierten Shortlist oft gar nicht bewertet wurden. Das ist noch kein Naturgesetz des Marktes, aber ein valider Hinweis darauf, dass generative Interfaces Sichtbarkeit stärker in kleine Kandidatensets bündeln können als klassische Suchergebnisseiten.

Was ich daraus nicht machen würde, ist eine große Allgemeinaussage über „den Konsumenten“. Dafür ist die Studie zu klein, zu kuratiert und zu kontextspezifisch. Wir reden über 48 US-Personen, vier Produktkategorien, ein Think-aloud-Setting, monetär incentivierte Teilnahme und eine deutliche Asymmetrie zwischen AI-Mode- und Search-Beobachtungen. Vor allem: Der Report selbst bittet darum, die Prozentwerte nicht als population-level estimates zu lesen. Wer daraus dennoch harte Marktprozente baut, liest mehr hinein, als die Studie sauber hergibt.

Ich würde außerdem keine saubere Kausalbehauptung aus der Prompt-Frage ableiten. Der Report zeigt zwar, dass in AI Mode häufiger natürlichsprachlich formuliert wurde und verbindet das mit stärkerer Delegation. Zugleich steht im Material selbst, dass die Search-Aufgaben nach zwei AI-Mode-Aufgaben stattfanden und diese Reihenfolge das Query-Verhalten beeinflusst haben kann. Das ist ein interessanter Zusammenhang, aber eben kein sauber isolierter Ursache-Wirkungs-Effekt.

Und die Zuspitzung „If you’re not in the list, you don’t exist“ ist mir als Wissenschaftssatz zu hart. Als aufmerksamkeitsstarke Marketing-Formel funktioniert sie, aber sie überzieht den Datenraum. Seriöser wäre: In dieser Studie wurden Marken außerhalb der AI-Shortlist deutlich seltener oder gar nicht aktiv berücksichtigt. Ähnlich vorsichtig wäre ich bei der Versicherungs-These. Dass Teilnehmende dort zum Teil zu viel Vertrauen in formatierte Zahlen legten, ist ein wichtiges Warnsignal – aber es basiert im Report auf 16 kodierten Insurance-Fällen, von denen 10 als overconfident/rash bewertet wurden. Das ist Hypothesengenerierung, noch keine ausbuchstabierte Gesetzmäßigkeit.

Der Punkt ist also nicht, dass der Artikel „falsch“ wäre. Im Gegenteil: Die Richtung seiner Geschichte passt gut zu bekannter Forschung zu Automation Bias, algorithmischer Akzeptanz und Position Bias.

Menschen können algorithmische Hinweise übergewichten, besonders wenn Aufgaben schwierig sind oder wenn die Oberfläche die Vergleichsarbeit schon vorstrukturiert. Zugleich zeigt breitere Forschung, dass Algorithmen in entscheidungsnahen Kontexten durchaus einen anfänglichen Vertrauensvorsprung haben können, dieser aber bei sichtbaren Fehlern auch schnell wieder kippt.

Genau deshalb ist der Report interessant: Er zeigt ein Verhalten, das theoretisch anschlussfähig ist – nur eben noch nicht mit der Präzision, die der Tonfall des Blogposts an manchen Stellen nahelegt.

Meine wissenschaftlich bereinigte Kurzfassung wäre deshalb diese:

In einer kleinen, beobachtungsbasierten Usability-Studie verschob Google AI Mode bei ausgewählten High-Stakes-Kaufaufgaben einen Teil der Vergleichs- und Verifikationsarbeit in die Oberfläche selbst. Nutzer blieben häufiger innerhalb der vom System vorstrukturierten Kandidatenmenge, der erste Rang gewann stark an Gewicht, und externe Besuche dienten eher der Bestätigung als der Exploration. Mehr kann man daraus im Moment guten Gewissens lesen. Alles darüber hinaus – harte Marktprozente, universelle Konsumentenpsychologie oder endgültige SEO-Gesetze – ist vorerst eher Zuspitzung als belastbare Wissenschaft.

Kevin Indigs dritter Teil seiner „Science of AI“-Reihe ist in einer Hinsicht der bislang stärkste: Er korrigiert genau den Denkfehler, der große Teile der GEO-/AI-SEO-Debatte prägt. Seine beste Aussage lautet nämlich nicht „So schreibt man für AI“, sondern:

Es gibt sehr wahrscheinlich keine universelle Formel.

Laut dem Artikel basiert die Auswertung auf rund 98.000 ChatGPT-Zitationszeilen aus etwa 1,2 Millionen ChatGPT-Antworten über sieben Verticals. Schon dadurch ist die wichtigste Erkenntnis keine magische Taktik, sondern Heterogenität.

Und genau dafür sollte man Kevin ausdrücklich Credit geben. Er macht etwas, das der GEO-Debatte oft fehlt: Er versucht, Behauptungen an Daten zu binden statt an Anekdoten.

Wer die Branche beobachtet, sieht ja vor allem einfache Rezepte: mehr Entities, mehr Headings, mehr Listen, weniger Hedging, mehr Authority, mehr Reddit. Teil 3 ist dort am stärksten, wo er zeigt, dass solche Schemata vertikalübergreifend nicht sauber tragen.

Trotzdem ist der Titel größer als die Evidenzbasis. Der Artikel heißt sinngemäß „what AI actually rewards“, aber der Datensatz misst eben nicht „AI“ im Allgemeinen, sondern ChatGPT-Zitationsverhalten in einem bestimmten Messaufbau.

OpenAI beschreibt ChatGPT Search selbst als System, dessen Ranking auf mehreren Faktoren beruht, ohne Garantie auf Top-Platzierung, und die Release Notes zeigen, dass Search-Qualität und Retrieval-Verhalten laufend angepasst werden. Wissenschaftlich sauber wäre daher eher der Titel: „Welche Merkmale in diesem ChatGPT-Datensatz mit mehr Zitationen assoziiert waren.“

Was an Teil 3 wirklich wertvoll ist

Der wichtigste Verdienst des Artikels ist die Absage an die Universalformel. Dass CRM/SaaS andere Muster zeigt als Finance oder Healthcare, ist keine Kleinigkeit, sondern vermutlich die belastbarste Pointe des gesamten Textes. Wissenschaftlich gesprochen reduziert diese Aufspaltung wenigstens einen Teil des Problems, das entsteht, wenn man heterogene Query- und Seitentypen in einen großen Topf wirft und dann aus dem Aggregat vermeintliche Regeln ableitet.

Für SEOs und GEOs ist genau das die brauchbare Lehre: Nicht „AI will X“, sondern „bestimmte Verticals und Seitentypen scheinen auf bestimmte Formate anders zu reagieren“.

Auch der UGC-Befund ist, bei aller Vorsicht, eher auf der robusteren Seite. Wenn in diesem Datensatz Corporate-/Editorial-Content rund 94,7% der Zitationen ausmacht und UGC nur einen kleinen Anteil, dann ist das als deskriptive Aussage erst einmal interessant – und vermutlich deutlich belastbarer als die feingranularen Aussagen über einzelne Writing-Signale. Das ist vor allem deshalb stärker, weil hier weniger von subtilen Feature-Konstruktionen und viel mehr von einfacher Häufigkeitsverteilung abhängt.

Die vorsichtige Formulierung müsste aber heißen: UGC dominiert in diesem ChatGPT-Datensatz und in diesen sieben Verticals nicht. Nicht: UGC sei generell strategisch irrelevant.

Hinzu kommt: Teil 2 der Reihe hatte bereits gezeigt, dass Zitationen stark von Seitentypen und Themenclustern geprägt sind. Dort heißt es, dass die Top-30-Domains rund 67% der Zitationen in einem Topic vereinen und dass die stärksten „evergreen“ Seiten typischerweise Kategorie-Guides, Vergleiche oder Verzeichnisse sind, die mehrere Query-Intents in einer URL bündeln. Das ist wichtig, weil Teil 3 sehr wahrscheinlich oft genau diese Seitentypen erneut misst – nur diesmal über Stellvertreter wie Heading-Anzahl, Zahlen, Datum oder Intro-Stil.

Was die Daten tatsächlich zeigen – und was nicht

Teil 3 zeigt beobachtete Zusammenhänge. Er zeigt nicht direkt, dass ein einzelner Hebel kausal „von AI belohnt“ wird. Das klingt nach einem semantischen Unterschied, ist aber methodisch zentral. Ein beobachteter Zusammenhang kann durch Confounding, Seitentypen, Intent, Query-Mix, Domain-Templates oder Selektionsmechanismen entstehen. STROBE erinnert genau daran, dass bei Beobachtungsstudien die vollständige Beschreibung von Design, Bias-Risiken und Auswertung entscheidend ist, damit Leserinnen und Leser Stärken und Grenzen überhaupt beurteilen können.

Das sieht man besonders deutlich an den starken Formulierungen im Text: „LLMs penalize hedging“, „KG presence is the wrong lever“, „3-4 headings are worse than zero in every vertical“. Solche Sätze lesen sich wie Kausalmechanismen. Tatsächlich sehen wir aber Korrelationen in einem Messaufbau, der viele Einflussfaktoren nicht explizit kontrolliert. Die ASA weist seit Langem darauf hin, dass statistische Signifikanz oder einzelne Kennzahlen weder Effektgröße noch Evidenzstärke ersetzen; hier liegt das Problem sogar noch vor der Signifikanzfrage: Schon die Übersetzung von Assoziation in Intervention ist zu forsch.

Noch wichtiger: Zumindest für die Heading-Analyse sagt der Artikel explizit, dass die Headings „across all cited URLs“ gezählt wurden. Insgesamt basiert Teil 3 laut Methodik auf Zitationsdaten aus ChatGPT-Antworten. Das heißt: Wir reden sehr wahrscheinlich nicht über ein sauberes Modell „welche Seiten werden überhaupt zitiert vs. nicht zitiert“, sondern häufig über Unterschiede innerhalb eines bereits sichtbaren, bereits selektierten Sets.

BMJ beschreibt genau dieses Problem allgemein: Wenn Analyse oder Design auf einer Variablen konditionieren, die von mehreren Ursachen beeinflusst wird, kann Selection Bias bzw. Collider Bias entstehen. Für die Praxis heißt das: Diese Ergebnisse sagen nicht sauber, was eine Seite aus der Unsichtbarkeit in die Sichtbarkeit hebt. Sie sagen eher, wie sich Merkmale unter bereits zitierten oder bereits im Pool gelandeten Seitentypen verteilen.

Dazu kommt ein zweites, in SEO/GEO besonders relevantes Abhängigkeitsproblem: Domains und Templates sind keine unabhängigen Beobachtungen. Teil 2 sagt selbst, dass die Zitationen stark konzentriert sind und dass bestimmte Seitentypen – Vergleichsseiten, Verzeichnisse, breite Kategorie-Guides – überproportional viel Citation Reach aufbauen. Wenn dieselben starken Domains hunderte URLs mit ähnlicher Informationsarchitektur publizieren, dann können „Page-Level-Signale“ leicht bloß Template-Effekte erfolgreicher Sites sein. Ohne ein hierarchisches Modell mit Domain- und Prompt-Clustering ist es methodisch zu kühn, aus solchen Korrelationen feine operative Regeln abzuleiten.

Die riesige Zahl „1,2 Millionen Antworten“ klingt zwar beeindruckend, löst dieses Problem aber nicht automatisch. Methodische Arbeiten zu LLM-Evaluationen zeigen, dass wiederholte Promptings stark korrelierte Outputs erzeugen können, und dass Ignorieren dieser Abhängigkeiten zu künstlich engen Konfidenzintervallen und zu kleinen p-Werten führt. Gleichzeitig zeigt Forschung zu RAG-Systemen, dass schon kleine Query-Variationen Retrieval-Ergebnisse spürbar verändern können. Große N sind in LLM-Studien deshalb kein Freifahrtschein für unabhängige Evidenz. Entscheidend ist die effektive, nicht nur die nominelle Stichprobengröße.

Die größten methodischen Schwachstellen im Detail

Ein auffälliges Problem ist die Vielzahl möglicher Vergleiche. Teil 3 arbeitet mit mehreren Writing-Signalen, sieben Verticals, zahlreichen Entity-Typen, mehreren Heading-Buckets und zusätzlichen Storylines zu UGC.

Genau in solchen Situationen warnen Gelman und Loken vor dem „garden of forking paths“: Selbst ohne bewusstes p-hacking können forschungslogische Freiheitsgrade und datengetriebene Auswahl zu überstarken Befunden führen.

Das Columbia-Material zur False Discovery Rate macht denselben Punkt aus einer anderen Perspektive: Viele parallele Tests erhöhen das Risiko von Zufallstreffern, wenn man sie nicht sauber kontrolliert. Gerade deswegen sollte man Schwellenwerte wie „3–4 Headings sind überall schlechter als 0“ eher als Hypothese behandeln als als robuste Regel.

Die Heading-Story ist überhaupt ein gutes Beispiel für Überinterpretation. Der Artikel summiert H1, H2 und H3 zu einer Gesamtzahl und gruppiert dann in Buckets wie 0, 1–2, 3–4, 5–9, 10–19, 20–49, 50+. Das erzeugt erzählbare Schwellen, ist aber analytisch grob. Eine Seite mit 1 H1, 8 H2 und 0 H3 ist strukturell etwas ganz anderes als eine Seite mit 1 H1, 2 H2 und 6 H3 – beide können aber in ähnlichen Buckets landen. Dazu kommt die Seitentyp-Konfundierung: In CRM/SaaS kann „20+ Headings“ einfach ein Produktvergleichs- oder Directory-Template bedeuten; in Healthcare kann „0 Headings“ mit knappen, institutionellen, hochvertrauenswürdigen Seiten zusammenfallen. Dann misst man nicht die Wirkung von Headings, sondern den Fingerabdruck eines Seitentyps.

Ähnlich vorsichtig muss man die Entity-Analyse lesen. Der Artikel nutzt Google Cloud Natural Language API auf den ersten 1.000 Zeichen des Textes und leitet daraus Aussagen über ChatGPT-Zitationswahrscheinlichkeit ab.

Das ist als Proxy nicht illegitim, aber es ist eben ein Google-definierter Proxy.

Google dokumentiert, dass Knowledge-Graph-Metadaten wie Wikipedia-URL und MID nur dann erscheinen, wenn sie verfügbar sind, und dass Entity-Mentions derzeit nur Eigennamen unterstützen. Daraus einen Satz wie „KG presence and brand authority do not translate to AI citation advantage“ zu machen, ist deutlich stärker als das Messinstrument hergibt. Gemessen wurde nicht „Brand Authority“, sondern die Verfügbarkeit bestimmter Google-NLP-Metadaten in einem kleinen Anfangsfenster des Textes.

Hinzu kommt eine kleine, aber methodisch interessante Unschärfe im öffentlichen Text: An einer Stelle ist von den ersten 1.000 Wörtern die Rede, später von den ersten 1.000 Zeichen. Vermutlich ist das ein redaktioneller Fehler oder eine Kurzfassung unterschiedlicher Teilanalysen. Aber genau solche Inkonsistenzen zeigen, warum knappe öffentliche Methodenbeschreibungen für harte operative Regeln nicht ausreichen. Wer starke Aussagen verkaufen will, muss starke Replizierbarkeit liefern.

Der DATE/NUMBER-Befund ist praktisch interessant, aber theoretisch deutlich unterbestimmt. Teil 2 hatte schon gezeigt, dass die besten evergreen URLs oft explizite Jahresanker in Titel oder URL tragen und breite Vergleichs- oder Guide-Formate bedienen. Außerdem zeigt klassische Temporal-IR-Forschung, dass Publikationszeit bei zeitsensitiven Queries ein relevanter Teil der Relevanzbewertung sein kann. Es ist also sehr gut möglich, dass DATE nicht deshalb „universell positiv“ ist, weil AI ein Datum als solches liebt, sondern weil bestimmte Query-Klassen und Seitentypen von Frische- und Zeitbezug profitieren. Daraus folgt nicht: Jetzt überall ein Datum reinwerfen. Daraus folgt: In zeit- und faktsensitiven Kontexten sind Frische und temporale Spezifität oft nützlich.

Auch der Befund zu direkten, deklarativen Intros ist nur dann sauber gelesen, wenn man ihn als Heuristik und nicht als Dogma versteht. Ja, ich halte es für plausibel, dass klare erste Sätze helfen. Aber wahrscheinlich nicht, weil „AI Sicherheit statt Vorsicht liebt“, sondern weil klare, dichte, low-noise Formulierungen für Retrieval und Paraphrase leichter anschlussfähig sind. Forschung zu neuronalen Retrievern zeigt, dass diese LLM-generierte bzw. semantisch fokussierte Texte bevorzugen können; andere Arbeiten zeigen, dass RAG-Pipelines schon auf kleine Query-Variationen empfindlich reagieren.

Die operative Konsequenz lautet daher: Sage früh klar, worum es geht. Nicht: Entferne überall epistemische Vorsicht, auch dort, wo sie inhaltlich geboten ist. Gerade in Wissenschaft, Medizin oder Regulierung wäre letzteres eine schlechte Norm.

Was SEOs und GEOs daraus wirklich mitnehmen sollten

Für die Praxis würde ich Kevin Indigs Teil 3 nicht als Sammlung von Rankingfaktoren lesen, sondern als Sammlung von guten Hypothesen für segmentierte Tests.

Die stärkste Einsicht ist nicht „mehr DATE, weniger PRICE, exakt X Headings“, sondern: Seitentyp, Query-Intent, Vertical und Informationsdichte sind wahrscheinlich wichtiger als pauschale AI-Writing-Regeln. Das ist im Kern auch eine Rückkehr zu gutem SEO-Denken – nur eben für eine neue Oberfläche.

Für SEOs heißt das: Testet nicht „funktioniert diese GEO-Regel?“, sondern „für welchen Seitentyp, in welchem Vertical, bei welchem Intent und in welcher Prompt-Klasse funktioniert sie – falls überhaupt?“

Klare Intros, frühe Entitäten, Zahlen, Daten und sichtbare Aktualität können sehr sinnvoll sein, wenn sie die Antwortdichte, Spezifität oder zeitliche Relevanz erhöhen. Kosmetisch eingebaut werden sollten sie aber nicht. Eine dekorative Zahl ist kein Signal. Ein relevantes Faktum ist eines.

Für GEOs ist außerdem wichtig, die Pipeline sauber zu trennen: Crawlability und Inclusion, Retrieval, Citation, Paraphrase. OpenAI sagt selbst, dass ChatGPT Search auf mehreren Faktoren basiert und dass Inclusion zunächst voraussetzt, dass OAI-Searchbot die Seite überhaupt crawlen darf. Teil 3 misst überwiegend Muster im Retrieval-/Citation-Layer. Wer daraus eine vollständige Strategie ableitet, verwechselt einen Pipeline-Abschnitt mit dem Gesamtsystem.

Und nein: Aus dem KG-Befund folgt nicht, dass Marke, Vertrauen und Autorität „der falsche Hebel“ seien. Was der Artikel zeigt, ist viel enger: In diesem Setup korreliert eine höhere Zahl Google-NLP-erkennbarer KG-Metadaten im Intro nicht mit höherer Citation-Breadth. Das ist etwas völlig anderes als der Satz „Brand spielt keine Rolle“. Zumal OpenAI Search explizit von reliable and relevant information spricht.

Die richtige Lesart lautet daher: Spezifität kann in diesem Datensatz sichtbarer gewesen sein als Prominenz. Nicht: Prominenz und Vertrauen sind irrelevant.

Wie man es wissenschaftlich sauberer testen müsste

Eine sauberere Studie würde erstens die Stufen des Problems trennen: nicht nur cited vs. more cited, sondern eligible vs. retrieved vs. cited. Zweitens würde sie keine grobe 3+-Schwelle als Hauptoutcome setzen, sondern Count-Modelle oder Hurdle-Modelle nutzen. Drittens würde sie Domain-, Template- und Prompt-Cluster explizit modellieren. Viertens würde sie Unsicherheiten berichten: Konfidenzintervalle, Sensitivitätsanalysen, FDR-Korrekturen oder gleich eine Multiverse-Analyse. Fünftens – und das wäre der eigentliche Goldstandard – würde sie kontrollierte Rewrite-Experimente auf derselben URL fahren: klare vs. vorsichtige Intros, Datum vs. kein Datum, unterschiedliche Heading-Strukturen, alles bei konstantem Thema, Domain und Seitentyp.

Außerdem müsste man die Zeitdimension ernst nehmen. ChatGPT Search ist kein statisches System; OpenAI dokumentiert laufende Qualitäts- und Retrieval-Updates. Dazu kommt, dass LLM-Ausgaben korreliert und RAG-Systeme query-sensitiv sind. Wer heute ein Muster misst, misst also immer auch eine Momentaufnahme eines Produkts in Bewegung.

Gute GEO-Forschung braucht deshalb Replikationen über Zeitfenster, Modellversionen und Prompt-Sets hinweg – nicht nur große Zahlen in einer einmaligen Auswertung.

Fazit

Mein Fazit zu Teil 3 ist deshalb zweigeteilt. Kevin Indig liegt sehr wahrscheinlich richtig, wenn er einfache GEO-Dogmen angreift und Vertikal-Spezifik betont. Genau dort ist sein Artikel am wertvollsten. Er geht aber zu weit, wenn er aus beobachteten Mustern direkte, quasi-kausale Hebel macht. Für SEOs und GEOs steckt die eigentliche Erkenntnis daher nicht in einer neuen Checkliste, sondern in einer besseren Grundannahme:

Es gibt keine allgemeine AI-Schreibformel. Es gibt kontextspezifische Seitentypen, Retriever-Artefakte, Query-Mixe und Sichtbarkeitsoberflächen, die man nur segmentiert und sauber getestet verstehen kann.

Update vom 23. März 2026: Kevin Indig hat inzwischen auch den zweiten Teil seiner Reihe veröffentlicht: The science of how AI picks its sources. Und der ist tatsächlich interessant – nicht, weil er alle offenen Fragen löst, sondern weil er die Perspektive verschiebt.

Während Teil 1 vor allem fragte, wo auf einer Seite ChatGPT bevorzugt zitiert, geht es jetzt um eine andere Ebene: Welche Seiten, Domains und URL-Typen kommen überhaupt regelmäßig in den Kandidatenpool? Laut Artikel analysiert Teil 2 „over 21K citations“; in den ausgewiesenen Teilanalysen arbeitet Indig unter anderem mit 21.482 ChatGPT-Citation-Rows für die Konzentrationsanalyse und 42.460 matched citations für die Positionsanalyse.

Teil 2 ist erschienen – und er verschiebt die Debatte

Der wichtigste Punkt zuerst: Teil 2 widerspricht meiner Kritik am ersten Text nicht. Er macht die Arbeit nützlicher, aber nicht automatisch allgemeingültiger. Denn beobachtet werden hier ChatGPT-Zitationen, nicht „KI-Suche“ als Ganzes.

Und wie schon beim ersten Teil gilt: Die große Zahl sorgt für Aufmerksamkeit, die eigentliche Aussagekraft steckt in den kleineren, engeren Teilstichproben.

Genau deshalb bleibt es sinnvoll, das Ganze eher als proprietäre Benchmark denn als wissenschaftliche Letztbegründung zu lesen.

Der eigentliche Fortschritt liegt im Ebenenwechsel.

Sein erster Text war vor allem eine Analyse der Passage-Selection: Warum werden bestimmte Sätze, Absätze oder Blöcke eher zitiert als andere? Teil 2 geht eine Stufe höher und schaut auf Source-Selection: Welche Domains tauchen überhaupt wiederholt auf, welche URL-Typen funktionieren, und wie verteilt sich Zitationssichtbarkeit über Themenräume hinweg? Das ist für GEO extrem relevant, weil damit plötzlich nicht nur Schreibstil und Textstruktur zählen, sondern auch Seitentyp, Query-Breadth und Content-Architektur.

Besonders spannend ist die Frage nach der Marktkonzentration. In der dafür ausgewiesenen Teilstichprobe ziehen die Top-10-Domains 46 Prozent aller Zitationen, die Top 30 sogar 67 Prozent.

Das ist keine kleine Schieflage, sondern ein echter Konzentrationseffekt.

Gleichzeitig variieren die Verticals massiv: Education ist stark konzentriert, Healthcare deutlich offener, CRM/SaaS und HR Tech eher diffus.

Die praktische Konsequenz daraus ist simpel:

Es gibt kein universelles GEO-Playbook. Was in Education funktioniert, kann in Healthcare schon wieder komplett anders aussehen.

Noch interessanter finde ich den URL-Befund: Laut Teil 2 erscheinen im Durchschnitt 67 Prozent der zitierten URLs nur in genau einem Prompt.

Die kleine Spitzengruppe mit echter Wiederholbarkeit sieht dagegen fast immer ähnlich aus: Vergleichsseiten, Category-Level-Guides oder Verzeichnis-/Listing-Seiten, die mehrere benachbarte Nutzerfragen auf einer URL bündeln.

Indig formuliert das ziemlich klar: Die Top-4,8 Prozent der URLs, die in 10 oder mehr Prompt-Kontexten zitiert werden, sind durchgehend Seiten, die „Was ist das?“, „Wer nutzt das?“, „Wie wählt man es aus?“ und „Was kostet es?“ gemeinsam auf einer Adresse beantworten.

Das ist ein wichtiger Shift für GEO:

Nicht nur einzelne Absätze müssen zitierfähig sein – ganze URLs müssen mehrere relevante Intents glaubwürdig abdecken.

Der Front-Loading-Effekt aus Teil 1 wird in Teil 2 bestätigt, aber zugleich präzisiert. Das unterste Seiten-Decile ist für ChatGPT fast totes Land: Je nach Vertical landen dort nur 2,4 bis 4,4 Prozent der Zitationen. Gleichzeitig liegt der eigentliche Peak laut Teil 2 häufig nicht im allerersten Decile, sondern eher im Bereich 10 bis 20 Prozent der Seite.

Der Grund ist plausibel: Die ersten 10 Prozent sind oft Navigation, Überschrift, Intro-Fluff und Boilerplate. Heißt praktisch: Nicht einfach „möglichst ganz oben“, sondern möglichst früh im ersten gehaltvollen Inhaltsblock müssen Definitionen, Zahlen, Vergleiche und klare Aussagen stehen.

Auch die Längenfrage wird durch Teil 2 eher differenzierter als simpler. Der Artikel zeigt zwar grundsätzlich einen positiven Zusammenhang zwischen Seitenlänge und Zitationshäufigkeit, betont aber selbst, dass der Effekt vertikalabhängig ist.

Für sehr kurze Seiten unter 1.000 Wörtern sieht es in allen Verticals schlecht aus. Aber schon bei Finance kippt die Logik teilweise: Dort schneiden kompaktere, autoritative Seiten, Tabellen und regulatorische Zusammenfassungen besser ab als immer längere Guides. In Education, Crypto und Product Analytics hilft Länge stärker; in SaaS zählt Struktur offenbar mehr als reine Wortmasse.

Auch hier ist die Lehre also nicht „mach es länger“, sondern „triff die Formatlogik deines Themas“.

Was in Teil 2 weiterhin fehlt, ist eine echte Trennung zwischen Retrieval, Auswahl und Zitat.

Genau da hilft die ergänzende AirOps-Analyse vom 12. März 2026 weiter. Sie basiert auf 15.000 Originalprompts, 43.233 Original- plus Fan-out-Queries und 548.534 abgerufenen Seiten. Das Ergebnis ist ziemlich ernüchternd: 85 Prozent der von ChatGPT abgerufenen Seiten werden nie zitiert. Auf 89,6 Prozent der Suchen erzeugt ChatGPT zwei oder mehr Fan-out-Queries, und 32,9 Prozent der zitierten Seiten, die überhaupt in Top-20-SERPs auftauchen, wurden ausschließlich über solche Fan-out-Suchen sichtbar.

Übersetzt: Gute Copy allein reicht nicht. Wer gar nicht erst im erweiterten Recherchepfad auftaucht, kann noch so schön formulieren – zitiert wird er trotzdem nicht.

Genau deshalb ist Teil 2 für die Praxis wertvoller als Teil 1 allein. Er zeigt, dass GEO auf mindestens drei Ebenen stattfindet: Passage, URL und Themenraum.

1. Auf Passage-Ebene bleiben die alten Regeln gültig: Klarheit, frühe Platzierung, hohe Entitätsdichte, konkrete Aussagen.
2. Auf URL-Ebene gewinnen Seiten, die mehrere benachbarte Fragen strukturiert bündeln.
3. Und auf Themenraum-Ebene entscheidet die Marktstruktur darüber, ob du in einem offenen Feld spielst oder gegen eine Handvoll bereits zementierter Gewinner antreten musst.

Diese drei Ebenen gehören zusammen. Wer nur schöner schreibt, verliert. Wer nur breiter clustert, aber keine zitierfähigen Passagen liefert, ebenfalls.

Trotzdem bleibt methodische Vorsicht angebracht. Der frei zugängliche Text des zweiten Teils enthält selbst kleine definitorische Stolperstellen: Eine Überschrift spricht davon, dass 58 Prozent der zitierten URLs nur einmal auftauchen, im Ergebnisteil stehen dann 67 Prozent. Außerdem springt die Längenpassage zwischen Wörtern und Zeichen.

Das sind keine vernichtenden Einwände, aber sie sind ein guter Reminder: Wir lesen hier keine peer-reviewte Grundlagenforschung, sondern eine nützliche, proprietäre Branchenanalyse. Und genau so sollte man sie auch behandeln.

Mein Fazit nach Veröffentlichung von Teil 2

Die ursprüngliche Kernthese bleibt richtig, wird aber breiter.

Ja, ChatGPT bevorzugt klare, frontgeladene und gut strukturierte Inhalte. Aber Sichtbarkeit in KI-Antworten entsteht nicht nur auf Satzebene.

Sie entsteht auch auf der Ebene von Seitentypen, Query-Clustern und ganzen Themenarchitekturen.

GEO ist damit weder bloß „schreib sauberer“ noch bloß „bau Pillar Pages“.

Es ist die Verbindung aus zitierfähiger Passage, intelligenter URL-Architektur und strategischer Themenabdeckung.

Methodische Einordnung: Was ist Teil 2 wissenschaftlich wert?

Weil ich den ersten Teil ausführlich methodisch zerlegt habe, ist es nur fair, auch Teil 2 nach denselben Maßstäben einzuordnen. Und das Ergebnis ist differenzierter, als ein einfaches Daumen-hoch oder -runter vermuten lässt.

Am treffendsten ist Teil 2 als explorative, nicht-experimentelle Beobachtungsanalyse mit proprietärer Datenbasis einzuordnen.

Der Text erscheint als Growth-Memo-Beitrag, nicht als Fachpublikation. Im Methodikteil beschreibt Indig rund 98.000 ChatGPT-Citation-Rows aus etwa 1,2 Millionen ChatGPT-Antworten über sieben Verticals. Die einzelnen Kernaussagen operieren aber mit ganz unterschiedlichen Teilstichproben: 21.482 Citation-Rows und 670 Domains für die Konzentrationsanalyse, 42.460 matched citations für die Positionsauswertung, 2.344 URLs und 127 Prompts an anderer Stelle. Als Analyseverfahren kommen unter anderem Structural Parsing, Jaccard-Sliding-Window-Similarity für die Positionszuordnung sowie Entity- und Sentiment-Extraktion per Google Natural Language API und TextBlob zum Einsatz.

Was gut dokumentiert ist – und was nicht

Für die Einordnung eignet sich die STROBE-Leitlinie als Maßstab. Wichtig: STROBE ist kein Gütesiegel für Methodenqualität, sondern ein Standard dafür, was Leserinnen und Leser über Design, Variablen, Bias, Studiengröße, statistische Methoden und Limitationen erfahren sollten.

Nach diesem Maßstab ist Teil 2 besser dokumentiert als viele reine SEO-Meinungsstücke – aber er bleibt deutlich unter dem Niveau einer voll transparent berichteten Beobachtungsstudie.

Was da ist: Datengröße, Verticals, einzelne Analyseverfahren.

Was fehlt: Der Sampling-Frame der Prompts, Ein- und Ausschlussregeln, der genaue Erhebungszeitraum, systematische Bias-Adressierung, Sensitivitätsanalysen und Präzisionsmaße.

Das Reproduzierbarkeitsproblem

Die größte methodische Schwäche betrifft die unabhängige Prüfbarkeit. Die National Academies unterscheiden zwischen direkter rechnerischer Reproduzierbarkeit und indirekter Transparenzprüfung – und betonen, dass Reproduktionen oft schon an zu wenig Detail zu Daten, Code und Workflow scheitern.

Im Fall von Teil 2 werden weder Rohdaten noch Code offengelegt. Die zugrunde liegende Datenbasis stammt aus Gauge, einer proprietären Plattform.

Eine unabhängige Reproduktion der Ergebnisse ist für Dritte damit derzeit praktisch nicht möglich.

Korrelation, nicht Kausalität

Beobachtungsstudien sind nicht randomisiert und deshalb grundsätzlich anfällig für Confounding. Ohne explizite Adjustierungen lassen sich aus ihnen primär Assoziationen ableiten, keine belastbaren Ursache-Wirkung-Aussagen.

Teil 2 berichtet zwar Unterschiede nach Seitenlänge, URL-Typ und Position auf der Seite – aber keine multivariaten Adjustierungen, Konfidenzintervalle oder Robustheitsanalysen. Aussagen wie ein angeblicher „citation advantage“ ab einer bestimmten Textlänge sollte man deshalb als deskriptive Korrelationen in diesem Datensatz lesen, nicht als Nachweis einer isolierten kausalen Wirkung von Textlänge.

Externe Validität: gemischt

Positiv ist, dass die Analyse sieben Verticals separat betrachtet – ausdrücklich, um themenspezifische Muster nicht in einer Gesamtauswertung zu verwischen. Gleichzeitig bleibt der Geltungsbereich eng: Untersucht werden ChatGPT-Zitationen aus einer proprietären Gauge-Datenbasis, nicht mehrere Modelle unter identischen Bedingungen und auch nicht „KI-Suche“ im Allgemeinen.

Die Ergebnisse sind am überzeugendsten als ChatGPT-nahe Marktbeobachtung und als Hypothesengenerator zu lesen – nicht als universelles Gesetz darüber, wie „AI“ allgemein Quellen auswählt.

Ein Wort zur Unabhängigkeit

STROBE verlangt ausdrücklich Angaben zur Finanzierung und zur Rolle der Geldgeber. Im Beitrag wird Gauge als Datenquelle genannt; zugleich enthält derselbe Abschnitt eine Rabattaktion für Growth-Memo-Abonnenten auf Gauge. Das beweist keinen Fehler in den Ergebnissen – aber es erhöht aus wissenschaftlicher Sicht den Bedarf an sauberer Offenlegung, externer Validierung und unabhängigen Replikationen.

Mein nüchternes Urteil

Teil 2 ist keine „Studie“ im starken Sinn eines transparent reproduzierbaren Fachartikels. Er ist eine explorative, proprietäre Beobachtungsanalyse mit hohem Praxiswert und begrenzter Beweiskraft.

Stark genug, um Hypothesen zu generieren, Muster sichtbar zu machen und operative Benchmarks für GEO zu liefern. Für robuste kausale Aussagen oder allgemein verbindliche Regeln wären offenere Daten, vollständigeres Reporting, Unsicherheitsmaße, Sensitivitätsanalysen und unabhängige Replikationen notwendig.

Die Euphorie rund um KI in der Softwareentwicklung speist sich oft aus einer Beobachtung, die zunächst absolut plausibel wirkt: Die Ergebnisse sehen erstaunlich gut aus. In erstaunlich kurzer Zeit entstehen Benutzeroberflächen, kleine Tools, Prototypen, sogar komplette Anwendungen. Von außen betrachtet wirkt das fast magisch.

Das Problem ist nur: Von außen betrachtet sieht auch ein Filmset beeindruckend aus.

Von der Straße aus ist alles da. Die Fassaden sind sauber gebaut, der Saloon sieht aus wie ein echter Saloon, die Stadt wirkt glaubwürdig, die Welt scheint vollständig. Solange die Kamera in die richtige Richtung zeigt, funktioniert die Illusion perfekt. Genau deshalb ist ein Filmset erfolgreich: Es sieht vollständig aus, obwohl es das oft gar nicht ist.

Und genau so fühlt sich heute viel KI-generierte Software an.

Die Fassade steht schneller als das Gebäude

Für klar definierte Prozesse funktioniert KI bereits erstaunlich zuverlässig. Wenn genau bekannt ist, was hineingeht, was herauskommen soll und wie Qualität geprüft wird, dann kann man mit gutem Prompting, Guard Rails und sauberer Evaluierung sehr viel absichern. In solchen Fällen bewegt man sich in einem begrenzten System. Die Möglichkeiten sind überschaubar, die Erwartungen klar, die Fehlerfälle bekannt.

Softwareentwicklung ist aber oft das Gegenteil davon.

Vor allem dann, wenn Menschen ohne Entwicklungserfahrung Software “einfach mal mit KI bauen” wollen, fehlt genau das, was Software braucht: eine präzise Beschreibung des Soll-Zustands. Nicht nur der Oberfläche, sondern des Verhaltens. Nicht nur dessen, was sichtbar ist, sondern auch dessen, was im Hintergrund passieren muss. Nicht nur des Happy Paths, sondern auch der Ausnahmen, Randfälle, Abhängigkeiten und Konsequenzen.

Die KI kann dann zwar schnell eine überzeugende Fassade erzeugen. Aber eine Fassade ist noch kein Gebäude.

Der Saloon ist fertig. Aber wo sind die Toiletten?

Man bittet die KI vielleicht, einen Saloon zu bauen. Und der Saloon sieht fantastisch aus. Türen, Theke, Fensterläden, Schwingtüren — alles da. Für die erste Szene reicht das auch. Die Kamera läuft, das Bild stimmt, alle sind begeistert.

Dann kommt die nächste Szene.

Jetzt muss jemand durch eine Seitentür nach hinten gehen. Dahinter ist aber noch nichts. Also baut man schnell einen Nebenraum. In der nächsten Szene braucht man eine Treppe. Dann ein Büro. Dann eine Küche. Dann Toiletten. Dann einen Hinterausgang. Dann einen Flur, der logisch mit dem Rest verbunden sein muss. Dann stellt sich heraus, dass die Fenster von außen an einer Stelle sitzen, an der innen eigentlich gar kein Raum sein kann. Dann passt der Grundriss nicht mehr. Dann kollidiert die neue Treppe mit dem Raum, der in der vorigen Szene improvisiert wurde.

Was am Anfang wie ein fertiger Ort wirkte, entpuppt sich Schritt für Schritt als Ansammlung plausibler Kulissen.

Genau das passiert bei KI-generierter Software.

Ein Screen sieht fertig aus. Ein Formular funktioniert. Ein Button tut irgendetwas. Ein Workflow ist angedeutet. Aber sobald man tiefer hineingeht, zeigt sich, dass vieles nur für den Moment, für den sichtbaren Ausschnitt oder für den wahrscheinlichsten Fall gebaut wurde. Nicht aus Bosheit. Nicht, weil die KI “schlecht” wäre. Sondern weil sie die Lücken füllen musste — und zwar mit dem, was plausibel klingt, nicht mit dem, was fachlich zwingend richtig ist.

Es gibt nur zwei Wege

Wenn man mit KI belastbare Software bauen will, gibt es im Grunde zwei Wege:

Der erste Weg ist, vorab so etwas wie ein Drehbuch zu schreiben. Nicht nur eine Idee, sondern eine echte Spezifikation. Welche Szenen gibt es? Welche Räume werden benötigt? Wie müssen sie zusammenhängen? Wie verhält sich jede Komponente? Welche Datenflüsse existieren? Welche Zustände darf es geben, welche nicht? Was passiert bei Fehlern? Welche Regeln gelten fachlich, technisch und rechtlich?

Je besser dieses Drehbuch ist, desto eher kann die KI etwas erzeugen, das nicht nur gut aussieht, sondern auch zusammenpasst.

Der zweite Weg ist, während des Drehs permanent weiterzubauen. Man geht von Szene zu Szene, von Anforderung zu Anforderung, und gestaltet jeden Ort genau in dem Moment aus, in dem er gebraucht wird. Auch das kann funktionieren — aber nur, wenn jemand am Set den Überblick behält. Jemand, der erkennt, wenn sich Widersprüche einschleichen. Jemand, der weiß, welche improvisierte Entscheidung später Probleme verursacht. Jemand, der nicht nur bewertet, ob die Kulisse überzeugend aussieht, sondern ob sie im Gesamtsystem tragfähig ist.

Ohne diese Rolle entsteht sehr schnell ein Dorf voller schöner Fassaden, die aus jedem Blickwinkel glaubwürdig wirken sollen, aber strukturell nie als Ganzes gedacht wurden.

Wenn man nicht spezifiziert, entscheidet die KI

Sobald Anforderungen nicht klar formuliert sind, werden Entscheidungen delegiert. Nicht bewusst, aber faktisch.

Dann entscheidet die KI, was sie weglässt.
Dann entscheidet sie, was nur angedeutet wird.
Dann entscheidet sie, welche von mehreren möglichen fachlichen Interpretationen sie auswählt.
Dann entscheidet sie, welche Vereinfachung „wahrscheinlich schon reicht”.

Manchmal baut sie Fakes. Dinge, die so aussehen, als seien sie vorhanden, aber in Wahrheit nur Attrappen sind. Ein Button ohne belastbare Logik dahinter. Eine Validierung, die nur offensichtliche Fälle abdeckt. Eine Datenstruktur, die für die Demo genügt, aber nicht für den Betrieb. Ein Login, das irgendwie funktioniert, aber sicherheitstechnisch unzureichend ist. Eine Integration, die auf dem Happy Path beeindruckt und beim ersten Sonderfall scheitert.

Und genau hier liegt der Unterschied zu generativer Bildproduktion.

Wenn auf einem KI-generierten Bild im Hintergrund das falsche Auto steht, ist das oft egal. Vielleicht fällt es niemandem auf. Vielleicht stört es die Aussage des Bildes überhaupt nicht. Es ist Dekoration.

In Software gibt es aber fast keine echte Dekoration.

Wenn etwas sichtbar ist, hat es in der Regel einen Zweck. Wenn etwas passiert, hat es eine Folge. Wenn ein Feld existiert, muss klar sein, warum. Wenn ein Button da ist, muss er eindeutig definiert sein. Wenn Daten gespeichert werden, muss präzise feststehen, was sie bedeuten, woher sie kommen, wohin sie gehen und was mit ihnen geschehen darf.

Software ist kein stimmungsvolles Bild. Software ist eine Maschine mit Absicht.

KI ist kein Ersatz für Definition

Das heißt nicht, dass KI für Softwareentwicklung ungeeignet wäre. Im Gegenteil. Sie ist ein enormes Werkzeug. Sie beschleunigt. Sie hilft beim Strukturieren, Formulieren, Prototypisieren, Testen, Dokumentieren und Implementieren. In den Händen erfahrener Entwicklerinnen und Entwickler ist sie oft ein massiver Produktivitätshebel.

Aber sie ersetzt nicht die Notwendigkeit, Systeme zu verstehen und Entscheidungen bewusst zu treffen.

Wer nicht weiß, was gebaut werden soll, kann mit KI sehr schnell etwas bauen, das so aussieht, als wüsste man es.

Und genau das macht die Sache so tückisch.

Denn die größte Stärke der KI ist im Moment oft ihre Fähigkeit, Vollständigkeit zu simulieren. Sie erzeugt Kohärenz an der Oberfläche. Sie produziert plausible Antworten, plausible Strukturen, plausible Interfaces. Aber Plausibilität ist in Software nicht dasselbe wie Korrektheit. Und ein überzeugender Eindruck ist noch keine tragfähige Architektur.

Die eigentliche Frage ist nicht: Kann die KI das bauen?

Die eigentliche Frage lautet: Wer verantwortet die unsichtbaren Teile?

Wer denkt an die Räume hinter den Fassaden?
Wer prüft, ob der Grundriss noch stimmt?
Wer stellt sicher, dass die Türen wirklich irgendwohin führen?
Wer merkt, wenn ein Fenster nach außen zeigt, hinter dem innen gar kein Raum existieren kann?

Solange die Antwort darauf niemand geben kann, ist KI-generierte Software oft genau das: ein beeindruckendes Filmset.

Von vorne sieht alles echt aus.
Aber sobald man hineingeht, merkt man, dass die eigentliche Bauarbeit erst beginnt.

Was US12536233B1 für SEO und GEO bedeutet – und warum vor allem der E-Commerce aufpassen sollte.

Am 27. Januar 2026 hat das USPTO Google das Patent US12536233B1 erteilt – Titel: „AI-generated content page tailored to a specific user.“ Die europäische Fassung EP4685671A1 ist veröffentlicht, aber noch anhängig. Klingt erstmal nach einem weiteren Google-Patent, von denen es Tausende gibt. Aber dieses hier ist anders: Es beschreibt einen konkreten Mechanismus, mit dem Google eure Landing Pages bewerten und im Zweifelsfall durch eine eigene, KI-generierte Seite ergänzen – oder ersetzen – könnte. Und es passt verdächtig gut zu dem, was Google gerade tatsächlich baut.

Was das Patent im Kern schützt

Rechtlich zählt bei Patenten immer der Anspruchstext, nicht der Titel. Und der Hauptanspruch (Claim 1) deckt einen überraschend konkreten Ablauf ab:

1. Google empfängt eine Suchanfrage.
2. Google erzeugt eine normale Suchergebnisseite mit einem Ergebnis, das auf die Landing Page einer Organisation verweist.
3. Google berechnet einen Landing Page Score für diese Zielseite.
4. Überschreitet der Score einen Schwellenwert, erzeugt Google eine aktualisierte Ergebnisseite – und diese enthält einen Navigationslink zu einer KI-generierten Seite für diese Organisation.
5. Die aktualisierte Ergebnisseite wird dem Nutzer angezeigt.

Erst der abhängige Anspruch 2 ergänzt die Personalisierung: Kontextinformationen des Nutzerkontos, frühere Suchanfragen, Verarbeitung durch ein Machine-Learned Model. Der Hauptanspruch selbst braucht die Personalisierung also noch gar nicht – er braucht nur das Landing-Page-Scoring plus den KI-Seitenlink.

Das ist eine wichtige Unterscheidung: Das Patent gilt nicht pauschal für „jede KI-Suche“. Es gilt für genau diese Kombination aus Qualitätsbewertung einer bestehenden Seite und dem Einfügen eines Alternativlinks zu einer von Google generierten Seite.

Was der Landing Page Score misst

Das Patent ist erstaunlich konkret, wenn es um die Signale für den Landing Page Score geht. Genannt werden:

• Conversion Rate der Landing Page (Claim 7)
• Bounce Rate (Claim 8)
• Click-Through-Rate (Claim 9)
• Qualitative Faktoren: Page Design Quality und Content Quality (Claim 10)
• Performance-Metriken allgemein (Claim 16)
• Explizit als Beispiel: Eine Landing Page, die keine Produktfilter hat (Claim 13)

Für SEOs und GEOs heißt das: Google denkt hier offensichtlich nicht über die klassische Content-Qualität à la E-E-A-T nach. Es geht um UX-Signale, Conversion-Signale, Interface-Qualität. Das Fehlen von Produktfiltern als explizites Beispiel zeigt, wie konkret das auf E-Commerce-Seiten zielt.

Was auf der KI-Seite passiert

Die abhängigen Ansprüche und die Beschreibung zeichnen ein ziemlich detailliertes Bild der KI-generierten Seite:

• CTA-Button zur Produktseite (Claim 3)
• Produktfeed mit Produktübersicht (Claim 4)
• KI-Chatbot (Claim 5)
• Dynamisch annotierte Inhalte basierend auf der Suchanfrage (Claim 6)
• Personalisierte Headlines, vorgeschlagene Filter und Cluster (Claim 11)
• Sitelinks zu Produktdetailseiten (Claim 15)
• Informationen über frühere Suchanfragen des Nutzers (Claim 14)
• Die Möglichkeit, den Link in einem Sponsored Content Item unterzubringen (Claim 12)

Das Beispiel im Patent ist eine Laptop-Kaufreise: Der Nutzer hat vorher nach „best laptop for architecture“ und „best laptop for 3D modeling“ gesucht. Die KI-Seite nutzt diese Historie, um eine maßgeschneiderte Übersichtsseite zu generieren – mit den richtigen Filtern, den richtigen Produkten, den richtigen CTAs.

Warum das ein Shopping-Patent ist, kein Wissens-Patent

Wer die Beschreibung liest, merkt schnell: Hier geht es nicht um Wikipedia-Wissen oder informationelle Suchen. Es geht um Transaktionen. Die Patentbeschreibung spricht von schnelleren Kaufentscheidungen, besseren Conversion-Metriken und generativen KI-Funktionen, die Anbietern ohne eigenen Entwicklungsaufwand zur Verfügung stehen.

Das Laptop-Beispiel unterstreicht das. Die „previous queries“ im Patent sind keine Wissensanfragen – es sind Produktrecherche-Schritte in einem klassischen Shopping-Funnel. Und die Features der KI-Seite (Produktfeed, CTA, Chatbot, Filter) sind E-Commerce-Features, keine Content-Features.

Wie das zu Googles aktuellem Kurs passt

Und jetzt wird es interessant. Denn dieses Patent steht nicht im luftleeren Raum – es passt fast unheimlich gut zu dem, was Google in den letzten Monaten an konkreten Produkten gebaut und angekündigt hat.

AI Mode und Personal Intelligence

Google beschreibt AI Mode als durchgängige KI-Suche mit Follow-up-Fragen und Web-Links. Im Mai 2025 bei Google I/O angekündigt, ist AI Mode inzwischen für alle US-Nutzer verfügbar. Google hat mehrfach betont, dass Funktionen aus AI Mode langfristig in die Kernsuche wandern können.

Seit Januar 2026 gibt es dazu Personal Intelligence – zunächst in der Gemini-App, dann auch in AI Mode in Google Search. Opt-in verbindet Gmail und Google Photos mit der Suche, sodass AI Mode auf Buchungsbestätigungen, Kaufhistorie und persönliche Kontexte zugreifen kann. Google bewirbt explizit Shopping-Szenarien: Markenvorlieben aus vergangenen Käufen, Reiseziel aus der Gmail-Flugbestätigung, passende Produktvorschläge.

Wenn man das mit dem Patent zusammendenkt: Personal Intelligence liefert genau die „contextual information associated with the user account“ und „previous queries“, die Claim 2 des Patents beschreibt. Die technische Infrastruktur für personalisierte KI-Zwischenseiten wird gerade in Echtzeit ausgerollt.

Agentic Commerce: UCP, Business Agent, Direct Offers

Im Januar 2026 hat Google auf der NRF eine Welle von Commerce-Produkten angekündigt, die alle in dieselbe Richtung zeigen:

Universal Commerce Protocol (UCP) ist ein offener Standard für „agentic commerce“, mitentwickelt mit Shopify, Etsy, Wayfair, Target und Walmart. UCP-basierter Checkout ist bereits live – US-Nutzer können Produkte von Etsy und Wayfair direkt in AI Mode und der Gemini-App kaufen, ohne Google zu verlassen.

Business Agent bringt markeneigene KI-Chats direkt in die Google-Suchergebnisse. Marken wie Lowe’s, Michaels und Reebok sind seit Januar 2026 live. In Zukunft sollen Marken den Agenten mit eigenen Daten trainieren und Käufe direkt im Chat ermöglichen können.

Direct Offers ermöglicht Advertisern, exklusive Rabatte und Angebote innerhalb von AI Mode anzuzeigen – als „Sponsored Deal“ direkt bei den Produktempfehlungen.

Und seit Februar 2026 testet Google neue Shopping-Anzeigenformate in AI Mode, die bei Produktempfehlungen in KI-Antworten als Sponsored-Ergebnisse eingeblendet werden. AI Mode hat inzwischen über 75 Millionen tägliche Nutzer.

Das Gesamtbild

Einzeln betrachtet sind das Feature-Updates. Zusammen betrachtet ist es eine systematische Strategie: Google hält Discovery, Vergleich, Beratung, Angebot und Kauf immer länger auf eigenen KI-Oberflächen. Das Patent US12536233B1 sieht aus wie die juristische Absicherung für genau diese Richtung.

Was das für SEO und GEO konkret bedeutet

Landing Page Quality wird zum harten Ranking-Faktor – anders als bisher

Bisher war „Landing Page Quality“ primär ein Google-Ads-Konzept (Quality Score). Dieses Patent zeigt, dass Google die gleiche Logik auf organische Ergebnisse anwenden könnte: Wenn eure Seite schlecht konvertiert, schlecht designed ist oder keine Produktfilter hat, könnte Google eine KI-Alternative davorschalten.

Handlungsempfehlung: Investiert in Merchant-Center-Daten und die neuen Datenattribute, die Google für die „conversational commerce era“ angekündigt hat: Antworten auf häufige Produktfragen, kompatibles Zubehör, Substitute.

GEO muss Shopping-Szenarien abdecken

Für GEO-Strategien heißt das: Wer bisher nur an informationelle Queries und AI Overviews gedacht hat, muss umdenken. Wenn Google personalisierte KI-Seiten für transaktionale Queries baut, wird die Frage „Wie erscheint mein Produkt in der KI-Antwort?“ mindestens so wichtig wie „Wie ranke ich auf Position 1?“.

Handlungsempfehlung: Erweitert euer GEO-Framework um transaktionale und kommerzielle Queries. Analysiert, bei welchen Shopping-Anfragen Google bereits AI-Mode-Ergebnisse mit Produktempfehlungen zeigt. Stellt sicher, dass eure Marke und eure Produkte in diesen KI-Antworten vorkommen.

Die Rolle der eigenen Website verändert sich

Das Patent beschreibt keine Abschaffung von Websites – der Hauptanspruch spricht von einem Navigationslink, nicht von einem Ersatz. Aber die eigene Website wird potenziell zur zweiten Station statt zur ersten. Der Erstkontakt könnte auf Googles KI-Seite stattfinden. Wenn ihr Glück habt, klickt der Nutzer dann auf den CTA zu eurer Produktseite. Wenn nicht, hat Google vielleicht schon einen UCP-Checkout angeboten.

Handlungsempfehlung: Überlegt, welchen einzigartigen Wert eure Website bietet, den eine KI-generierte Seite nicht replizieren kann. Eigene Beratungsinhalte, Community, exklusive Angebote, Kundenbindungsprogramme – alles, was über eine Produktliste hinausgeht.

Sponsored Placement bekommt eine neue Dimension

Claim 12 des Patents sagt explizit: Der Navigationslink zur KI-Seite kann in einem Sponsored Content Item platziert werden. Das bedeutet, dass die KI-Zwischenseite nicht nur organisch auftauchen könnte, sondern auch als Werbeformat. Für Advertiser eröffnet das die Möglichkeit, eine von Google optimierte, personalisierte Landingpage als Alternative zur eigenen Seite zu schalten.

Handlungsempfehlung: Beobachtet, ob Google dieses Format in die Google-Ads-Produktlinie integriert. Frühzeitige Adoption könnte sich lohnen, ähnlich wie bei Performance Max oder den neuen Direct Offers.

Was ich daraus nicht ableiten würde

Es gibt auch die Lesart, dass Google mit diesem Patent jede normale Website komplett ersetzen will. Die halte ich für überzogen – aus mehreren Gründen:

Erstens: Der erteilte Hauptanspruch spricht wörtlich von einer aktualisierten Ergebnisseite mit einem Link zu einer KI-Seite. Die aggressiveren Varianten – Sponsored Placement, Produktfeed, Chatbot – stehen in abhängigen Ansprüchen oder in der Beschreibung, die den Schutzumfang nicht erweitern.

Zweitens: Google baut AI Mode offiziell weiterhin mit Verweisen ins offene Web. Die Web-Links in AI-Antworten sind ein Kernfeature, kein Auslaufmodell.

Drittens: Nicht jedes erteilte Patent wird auch umgesetzt. Google hält Tausende Patente, die nie zu Produkten werden.

Und viertens: Die Beschreibung selbst betont, dass die KI-Seiten auch für andere Organisationen wiederverwendet und für zukünftige Suchen genutzt werden können. Das klingt nach einem Mehrwert-Layer, nicht nach einem Ersatz-Layer.

Fazit: Jetzt handeln, nicht in Panik verfallen

Das Patent US12536233B1 ist kein Beweis dafür, dass Google morgen eure Website abschaltet. Aber es ist ein sehr konkretes Signal dafür, wohin die Reise geht: personalisierte KI-Zwischenseiten im Such-, Shopping- und Anzeigenkontext, die schwache Landing Pages durch besser monetarisierbare Google-Oberflächen ergänzen oder teilweise verdrängen.

Zusammen mit AI Mode, Personal Intelligence, UCP-Checkout, Business Agent und Direct Offers ergibt sich ein kohärentes Bild: Google will den gesamten Kaufprozess – von der Entdeckung über den Vergleich bis zum Checkout – auf eigenen KI-Oberflächen abbilden.

Für SEOs und GEOs heißt das nicht, dass eure Arbeit irrelevant wird. Es heißt, dass sie sich verschiebt: weg von „Traffic auf meine Seite bekommen“ hin zu „In Googles KI-Oberflächen sichtbar, relevant und kaufbar sein“. Wer das versteht und jetzt handelt, hat einen echten Vorsprung.

Dieser Beitrag basiert auf einer Analyse des erteilten US-Patents US12536233B1 (Google LLC, erteilt am 27.01.2026) sowie öffentlich zugänglicher Produktankündigungen von Google aus Januar und Februar 2026.

Es gibt in der SEO-Welt eine bewährte Dramaturgie: Eine mysteriöse Domain taucht auf, jemand mit großer Reichweite verkündet, sie sei der heilige Gral des Linkbuildings – und der Marktplatz dahinter verkauft. Diesen Frühling machte ein solcher Case die Runde. Angeblich: DR 91, höhere Autorität als Spiegel, Focus und WiWo. Angeblich: „massiver Sprung im Domain Rating nach wenigen Tagen.“ Angeblich: Rankings, die sich spürbar verbessern.

Ich habe nachgeschaut. Das Ergebnis war ernüchternd – aber nicht überraschend.

Was so verlockend klingt

Die beworbene Domain – nennen wir sie einfach wie sie ist: disclaimer.de – hat tatsächlich ein beachtliches Domain Rating. Auf dem Papier beeindruckend. Genau der Wert, den Linkbroker-Marktplätze gerne fett in ihre Angebote schreiben, weil er sich gut anfühlt und schlecht zu widerlegen ist, zumindest für alle, die nicht tiefer schauen.

Das Argument klingt in etwa so: „Thematische Relevanz ist zwar wichtig – aber wenn die Autorität hoch genug ist, schlägt sie alles.“ Ein schöner Satz. Er hat nur ein Problem: Er ist empirisch kaum haltbar, sobald man ihn ernst nimmt und anfängt zu messen.

Was die Daten tatsächlich zeigen

Die Domain rankt fast ausschließlich für das, wofür sie existiert

Ein Export der Top-10-Rankings von disclaimer.de aus SISTRIX liefert 671 Keywords. Klingt viel. Schaut man genauer hin, entsteht ein ganz anderes Bild:

• ~44 % aller Rankings: juristische Keywords – Rechtsanwälte, Kanzleien, Notare, Steuerberater.
• ~52 % aller Rankings: Personen- und Kanzleinamen – also Suchanfragen wie „Kanzlei Mustermann Münster“ oder „Andreas Beispiel Rechtsanwalt.“
• ~3 %: alles andere. Und selbst davon hat der Großteil noch einen rechtlichen Kontext.

Mit anderen Worten: disclaimer.de ist eine juristische Branchenplattform, die für das rankt, wofür sie gebaut wurde. Ihre Sichtbarkeit existiert fast ausschließlich im Rechtsbereich – und selbst dort oft nur für Markennamen, die praktisch keine Konkurrenz haben.

Das ist kein DR-91-Allrounder. Das ist eine spezialisierte Domain mit sehr engem thematischen Fußabdruck.

Der Linkeffekt: klein, uneinheitlich, kaum trennbar vom Rauschen

Im zweiten Schritt wurden die ersten 500 URLs von disclaimer.de gecrawlt und alle verlinkten Ziel-Domains identifiziert, bei denen der Link erkennbar transaktional oder künstlich wirkte – kommerzielle Anchortexte, Local-Leadgen-Themen, YMYL-Bereiche.

Für jede dieser Domains wurde das Veröffentlichungsdatum des verlinkenden Artikels ermittelt und anschließend der wöchentliche SISTRIX-Sichtbarkeitsverlauf abgerufen. Das Ergebnis wurde als Event-Study ausgewertet: Woche 0 = Linkveröffentlichung. Dann Vergleich der Sichtbarkeit in mehreren Zeitfenstern davor und danach (0–3 Wochen, 4–8 Wochen, 9–12 Wochen). Zusätzlich ein Placebo-Test mit künstlich vordatierten „Fake-Linkdaten“ – um zu prüfen, ob ähnliche Muster auch ohne echten Linkevent auftreten.

Das Ergebnis: Es gab ein kleines positives Signal, am deutlichsten etwa in Woche +7.
Aber:

• Der Effekt war klein und heterogen – manche Domains stiegen, andere stagnierten, bei mehreren gab es sogar einen Rückgang.
• Der Placebo-Test zeigte vergleichbare Ausschläge ohne echte Linksetzung.
• Viele betroffene Domains hatten so niedrige Ausgangswerte, dass selbst kleine absolute Veränderungen prozentual spektakulär aussahen.

Kurz: Kein belastbarer, einheitlicher Effekt. Nur Rauschen mit gelegentlichen Peaks, die sich durch andere Ursachen besser erklären lassen – neue Inhalte, weitere Backlinks, technische Änderungen, Google-Updates.

Das eigentliche Problem mit diesem Case

Wer einen Link verkauft mit dem Argument „Autorität schlägt Relevanz“, setzt darauf, dass Käufer:innen nicht nachrechnen. Die Logik klingt plausibel, weil sie an etwas Wahres andockt: Ja, Autorität spielt eine Rolle. Ja, es gibt Domains, deren Links breit wirken. Aber nein – ein DR-Wert allein ist kein Beweis für Transferleistung in fachfremde Bereiche.

Die „Traffic- und Ranking-Verläufe“, die als Beweis präsentiert werden, sind klassische Cherry-Picks. Man zeigt die Domains, die sich positiv entwickelt haben – und lässt jene weg, bei denen nichts passiert ist oder es sogar schlechter wurde. Das ist keine Analyse. Das ist Marketing.

Dazu kommt: Die platzierten Links wirken erkennbar transaktional und künstlich. Kommerzielle Anchortexte auf einer juristischen Plattform, die thematisch nichts mit dem verlinkten Inhalt zu tun hat – das ist genau das Muster, das Googles Spam-Policies adressieren.

Fazit

DR 91 klingt gut. Die Realität sieht so aus: disclaimer.de rankt fast ausschließlich für Anwaltsnamen und Rechtsbegriffe – und der messbare SEO-Effekt der dort platzierten Links ist klein, uneinheitlich und kaum vom allgemeinen Marktgeschehen zu trennen.

Wer sein Budget in diesen Link investiert, zahlt für ein Gefühl von Autorität – nicht für nachweisbare Rankings. Das Budget wäre in hochwertigen Content, echte digitale PR oder technische SEO-Maßnahmen messbar besser angelegt.

Das Risiko ist real. Der Nutzen ist es nicht.

Warum die These als Warnsignal klug ist, als Totalerklärung falsch — und unter Exponentialannahme richtig gefährlich wird.

„Your Business is my next prompt.“

Der Satz klingt wie eine Drohung aus einem LinkedIn-Post mit zu vielen Emojis der behauptet, man könne mit Hilfe künstlicher Intelligenz so gut wie jedes Geschäftsmodell angreifen. Aber hinter der Zuspitzung steckt ein Kern, der ernst genommen werden sollte — und ein blinder Fleck, der genauso ernst genommen werden muss.

Die These trifft — aber nur die Oberfläche

Der Satz beschreibt ziemlich gut eine bestimmte Klasse von Geschäftsmodellen: solche, deren gesamter Wert darin besteht, dass jemand Informationen entgegennimmt, umformt und als Text, Bild, Analyse oder Standardentscheidung zurückgibt. Überall dort, wo der Kundennutzen ein einmaliger kognitiver Output ist, schrumpft die Wertschöpfung tatsächlich gefährlich nah an einen Prompt.

Aber ein Business ist fast nie nur ein Output. Ein stabiles Geschäft besteht aus Schichten: Zugang zum Kunden, Vertrauen, Einbettung in reale Prozesse, Daten, Qualitätssicherung, Haftung, Integration in bestehende Systeme, Vertrieb und Distribution, operative Ausführung.

Ein Prompt kann vieles ersetzen. Er ersetzt aber nicht automatisch Verantwortung, Verlässlichkeit und Umsetzung.

Deshalb die erste Umformulierung:

Alles, was nur eine Antwort verkauft, ist gefährdet.
Alles, was ein Ergebnis liefert, ist deutlich robuster.

Ein Tool, das bloß Werbetexte erzeugt, ist stark gefährdet. Ein System, das Kampagnen plant, Brand-Richtlinien einhält, Freigaben steuert, Kanäle bespielt, Ergebnisse misst und ins CRM zurückschreibt, ist viel schwerer durch „einen Prompt“ zu ersetzen. Eine App, die Verträge zusammenfasst, ist leicht angreifbar. Eine Lösung, die Vertragsdaten extrahiert, versioniert, Fristen überwacht, Risiken klassifiziert, juristische Workflows dokumentiert und revisionssicher arbeitet, hat ein anderes Verteidigungsniveau.

AI vernichtet nicht einfach Businesses. Sie verschiebt die Grenze dessen, was als Produkt zählt. Der Moat wandert weg von der reinen Generierung, hin zu Workflow, proprietären Daten, Distribution, Compliance, Vertrauen und tatsächlicher Ausführung.

Falls Du Dich fragst: Der „Moat“ (deutsch: Burggraben) ist ein von Warren Buffett populär gemachter Begriff für den nachhaltigen Wettbewerbsvorteil eines Unternehmens. Wie ein Wassergraben eine Burg schützt, bewahrt dieser ökonomische Schutzwall (Economic Moat) ein Unternehmen vor Konkurrenz, sichert langfristige Gewinne und ermöglicht oft überdurchschnittliche Marktrenditen. (Quelle)

Das macht die These besonders nützlich für Strategiearbeit. Sie zwingt zu harten Fragen: Wenn man mein Produkt in einen Chat einbauen könnte — was bleibt dann noch übrig? Besitze ich einen echten Prozess oder nur eine hübsche UI? Verkaufe ich Arbeitserleichterung oder ein messbares Ergebnis? Würde der Kunde mich auch dann brauchen, wenn das Basismodell morgen dreimal besser wird?

Jetzt drehen wir an der Exponentialschraube

Und unter der Annahme exponentieller Verbesserung wird die These deutlich härter.

Aus „Your business is my next prompt“ wird: „Your workflow is my next agent.“

Das Entscheidende an den aktuellen Fortschritten ist, dass die Frontier nicht mehr nur bessere Texte schreibt. Modelle wie GPT-5.4, Claude Opus 4.6 und Gemini 3.1 Pro positionieren sich explizit für professionelle Arbeit mit nativer Computer-Nutzung, langem Kontext und Agent-Planning. Das ist ein Übergang von der Antwortmaschine zum Werkzeugbenutzer für Wissensarbeit.

Der tiefere Indikator ist der Zeithorizont autonomer Arbeit. METR misst seit Jahren, wie lange Aufgaben für Menschen dauern, die Frontier-Modelle mit einer gegebenen Erfolgsquote lösen können. Auf der langen Reihe verdoppelt sich dieser Horizont ungefähr alle sieben Monate. Wenn die Kurve hält, werden stundenlange Softwareaufgaben 2027–2028 und tagelange bis 2030 erreichbar.

Parallel dazu fällt der Preis der Intelligenz brutal. Die Inferenzkosten für GPT-3.5-Niveau sind zwischen November 2022 und Oktober 2024 um mehr als Faktor 280 gefallen. Wer heute nur „Zugang zur besten Intelligenz“ verkauft, verkauft einen sehr schnell erodierenden Vorteil.

Der sich verschiebende Angriffsvektor

Wenn man das weiterdenkt, ändert sich der Angriffsvektor auf Geschäftsmodelle stufenweise:

Zuerst frisst KI Antworten und Artefakte: Copy, Zusammenfassungen, Slides, Standardanalyse, UI-Mockups.

Dann frisst sie Workflows: Recherche, CRM-Updates, Ticketing, Vertragsrouting, Claims Intake, QA, Code-Review, Reporting.

Bei weiter exponentieller Verbesserung frisst sie Koordinationsschichten: also genau die Tätigkeiten, die vor allem darin bestehen, Arbeit zu zerlegen, an den nächsten weiterzugeben, zu prüfen, zu dokumentieren und zu eskalieren.

In linearem Fortschritt frisst KI Features.
In exponentiellem Fortschritt frisst sie Organisation.

Darum sind nicht nur dünne AI-Wrapper gefährdet. Auch viele junior-lastige Dienstleistungsmodelle geraten unter Druck: Agenturen, Research- und Ops-Teams, Teile von Legal, Finance, Recruiting oder Support — überall dort, wo der Wert aus vielen kleinen kognitiven Zwischenschritten besteht.

Man darf die Kurve trotzdem nicht naiv lesen. Dieselben Quellen betonen jagged capabilities, Halluzinationen, Evaluation Gaps und sinkende Zuverlässigkeit bei längeren, unordentlichen Real-World-Aufgaben. Die Substitution kommt nicht als glatte Linie, sondern als Mischung aus beeindruckender Breite und lästiger Fragilität.

Gerade deshalb ist der wahrscheinlichste Pfad ein Deployment Overhang: Die Modelle können oft schon mehr, als Unternehmen ihnen organisatorisch, rechtlich oder kulturell erlauben. Das macht Disruption erst scheinbar langsam — und dann plötzlich sehr schnell.

SaaS: Thin wird Promptware, Thick wird Agent-Infrastruktur

In SaaS stirbt zuerst das Feature, nicht zwingend das System. Die Modelle gehen direkt in bestehende Bürosoftware hinein: ChatGPT-for-Excel, Claude in PowerPoint, native Pivot-Tabellen-Bearbeitung und Conditional Formatting durch KI.

Horizontale SaaS-Produkte, deren Kern nur „Frage rein, Artefakt raus“ ist, werden am stärksten kommodifiziert: Note-Taker, einfache BI-Copilots, generische Report- und Slide-Generatoren, Assistenz-Features in CRM/PM/ERP, sofern sie nicht den eigentlichen Daten- oder Kontrollkern besitzen.

Der verteidigbare Teil von SaaS wandert nach unten in System-of-Record-Funktionen und nach oben in Kontrolllogik: Berechtigungen, Audit-Trails, Workflow-Genehmigungen, Integrationen, Transaktionsrechte, Compliance und proprietäre Betriebsdaten.

Kurzform: Wer nur Oberfläche plus Generierung verkauft, wird eingedrückt. Wer Zustand, Rechte, Historie und Ausführung kontrolliert, wird eher stärker.

Beratung: Von Content-Produktion zu Entscheidungs-Orchestrierung

Hier gerät das klassische Pyramidenmodell unter Druck. GPT-5.4 erreicht 83 % auf GDPval (einem Benchmark für wohldefinierte Wissensarbeit über 44 Berufe) und 87,3 % bei Spreadsheet-Modelling-Aufgaben auf Junior-Investment-Banking-Niveau.

Der erste ökonomische Treffer ist nicht die komplette Ersetzung von Senior Judgment, sondern die Entwertung von junior-lastiger Zwischenarbeit: Research Memos, Markt-Screens, Excel-Modelle, Due-Diligence-Vorstufen, Vertrags-First-Drafts, Präsentationsproduktion.

Beratung verschwindet nicht, aber sie kippt. Weniger Wert in abrechenbarer Zwischenarbeit, mehr Wert in Zugang zu internen Daten, politischer Navigation, Stakeholder-Alignment, Haftung, Implementierung und Change.

Wenn die Capability-Kurve weiter exponentiell steigt, wird die Pyramide kleiner und steiler: weniger Juniors, mehr Plattform-/Methoden-Owner, mehr Senior-Client-Interface. Dann gerät auch das Billing-Modell unter Druck, weil „wir haben 200 Stunden in Analyse gesteckt“ immer weniger überzeugend klingt.

Medien: Der härteste Sonderfall

Medien sind der härteste Sonderfall, weil hier nicht nur die Produktion, sondern auch die Distribution angegriffen wird. KI-Chatbots tauchen erstmals als relevante Nachrichtenquelle auf; die Suche nach aktuellen Nachrichten gehört inzwischen zu den meistgenutzten KI-Funktionen.

Die Medien-These ist deshalb schärfer: Nicht nur „your article is my next prompt“, sondern „your audience touchpoint is my next answer“. Commodity-Content wie Erklärstücke, Wire-Rewrites, SEO-Texte, Übersetzungen, Headline-Varianten wird billiger und austauschbarer.

Was bleibt, ist das, was ein Modell nicht einfach aus dem offenen Web ziehen kann: originale Quellen, Verifikation, juristisch belastbare Redaktion, lokales Vertrauen, Community, Live-Berichterstattung, Rechte an Archiven und Formaten, starke Persönlichkeiten. Der Moat verschiebt sich weg von „wir können Content produzieren“ hin zu „wir haben Zugriff, Rechte, Vertrauen und Nähe zum Publikum“.

Die Ableitung aus ersten Prinzipien: Wer fällt, wer steht

Jetzt nicht mehr als Zitatenschlacht, sondern als Deduktion aus einem einzigen Grundgesetz:

Wenn eine bisher knappe Vorleistung exponentiell billiger wird, dann verschwinden die Margen zuerst dort, wo genau diese Vorleistung bisher verkauft wurde.

Bei KI ist diese Vorleistung nicht „Intelligenz insgesamt“, sondern etwas Engeres: standardisierbare Kognition — Lesen, Umformulieren, Zusammenfassen, Klassifizieren, Recherchieren, Entwerfen, Variieren, Priorisieren, erste Analysen, Boilerplate-Code, Standardkommunikation.

Die Gefährdungsformel

Ein Geschäftsmodell ist besonders gefährdet, wenn es hohen Anteil standardisierbarer Kognition hat, rein digital abläuft, billig verifizierbar ist, niedrige Haftungsfolgen hat und geringe Umstellungsfriktion beim Kunden aufweist. Robuster wird es durch proprietäre Daten, Prozesskontrolle, das Recht zu handeln, Beziehung/Marke und physische oder regulatorische Reibung.

Warum exponentielle Verbesserung so gefährlich ist: Die Schwellenlogik

Substitution verläuft nicht linear, sondern schwellenartig. Wenn ein Workflow aus 8 Schritten besteht und die KI jeden Schritt mit einer Zuverlässigkeit p schafft, dann ist die End-to-End-Tauglichkeit etwa p⁸:

• bei 90 % pro Schritt: nur etwa 43 % insgesamt
• bei 97 % pro Schritt: schon etwa 78 %
• bei 99 % pro Schritt: etwa 92 %

Ein Modell kann lange „noch nicht gut genug“ wirken — und dann kippt ein ganzer Workflow überraschend schnell von unbrauchbar zu wirtschaftlich attraktiv. Viele Geschäftsmodelle geraten schon bei „gut genug + drastisch billiger + sofort verfügbar“ unter Druck.

Akut gefährdet: Wer nur digitale Zwischenarbeit verkauft

1. Der Umformulierer. Alles, was vorhandene Information in ein neues Format gießt: SEO-Texte, Standardcopy, Zusammenfassungen, Übersetzungen, Transkription, Slides, Standard-Reports, generische Bild-/Textvarianten. Input und Output sind digital, der Arbeitsauftrag ist sprachlich formulierbar, und der Kunde kann „gut genug“ leicht akzeptieren.
2. Der Thin Wrapper. Produkte, die im Kern nur eine hübsche Oberfläche über ein generisches Modell legen: einfache Meeting-Notes-Tools, generische Wissensbots, simple Copilots ohne tiefen Workflow-Zugriff. Sobald die Basismodelle selbst besser werden und die großen Plattformen das Feature einbauen, schmilzt der Differenzwert.
3. Der Routine-BPO. Tier-1-Support, Inbox-Triage, CRM-Pflege, Datenerfassung, Dokumentklassifikation, Standard-Outreach, viele Backoffice-Tasks. Viele kleine, klar beobachtbare Einzelschritte mit reversiblen Fehlern — dort wird „gut genug“ schnell wirtschaftlich.
4. Die Junior-Pyramide. Dienstleister, die vor allem viele relativ günstige Köpfe auf standardisierte Wissensarbeit setzen: Research-Vorarbeit, Deck-Bau, Standardanalyse, Variantenproduktion, Content-Ops. Wenn der First Draft fast nichts mehr kostet, wird die wirtschaftliche Basis der Pyramide angegriffen.
5. Commodity-Medienproduktion. Nicht Medien als Ganzes, sondern alle Modelle, deren Wert fast nur in regelmäßiger standardisierter Textproduktion liegt.

Unter massivem Preisdruck, aber nicht weg

• Beratung — die Produktionsanteile werden komprimiert; politische Navigation, Umsetzung und Entscheidung unter Unsicherheit bleiben. Weniger bezahlte Zwischenarbeit, mehr bezahlte Verantwortung.
• Software-Dienstleistung — Boilerplate, Standard-Features, Debugging-Routine unter Druck. Robuster bleiben Architektur, Integration in chaotische Altsysteme, Verantwortung für Betrieb, Security und Produktverständnis.
• Recht, Steuer, Accounting-nahe Arbeit — Standardentwürfe und Dokumentprüfung erster Ordnung gefährdet. Haftung, Sign-off, Mandatsvertrauen und Auslegung bleiben länger zentral. Eher Repricing als Auslöschung.
• Recruiting — Sourcing und Screening stark automatisierbar. Wertvoller bleiben Zugang zu schwer erreichbaren Kandidaten, echtes Urteil über Passung, Closing und Vertrauen.
• Education/EdTech — Standardcontent verliert Wert. Robuster bleiben Motivation, Feedback, Disziplin, soziale Bindung und individuelles Coaching. Content wird billig, Verbindlichkeit wird teuer.

Eher Gewinner

• Systems of Record und Workflow-Gatekeeper — Wer den Zustand der Welt im Prozess hält (Daten, Historie, Rechte, Freigaben, Transaktionen), gewinnt. Agenten brauchen einen Ort, an dem Wahrheit, Berechtigung und Ausführung zusammenlaufen.
• Verifikation, Compliance, Security, Audit — Wenn Generierung fast kostenlos wird, wird Prüfen wertvoller. Je mehr synthetische Arbeit anfällt, desto mehr Nachfrage nach Nachvollziehbarkeit, Freigabe und Kontrolle.
• Vertikale Operatoren mit proprietären Daten — Unternehmen, die nicht nur denken, sondern handeln dürfen und reale Feedbackschleifen besitzen: Zahlungsflüsse, Logistik, operative Industrieprozesse. Sie verbinden KI nicht mit Text, sondern mit Wirkung.
• Distributionseigner — Wer die Kundenbeziehung besitzt (Community, Marke, Marktplatz, Kanal), sitzt auf einem knappen Gut. Wenn Inhalte und Features billig werden, wird Kundenzugang relativ wertvoller.
• Menschliche Premium-Signale — Alles, was nicht wegen Effizienz gekauft wird, sondern wegen Identität, Status, Geschmack, Nähe, Vertrauen oder Live-Erlebnis.

Die harte Schlussthese

Die Mitte wird zerdrückt. Oben sitzen die Modell- und Plattformanbieter. Unten sitzen die Besitzer von Kundenzugang, Systemzustand, Freigaberechten und realer Ausführung. Dazwischen sitzen sehr viele Firmen, die im Kern nur eines tun: Sie bewegen Information von A nach B und schreiben dafür Rechnung. Genau diese Mitte ist am stärksten bedroht.

Der wahrscheinlichste Verlauf in drei Phasen:

Phase 1: „Your business is my next prompt.“
Phase 2: „Your workflow is my next agent.“
Phase 3: „Your team is my next software layer.“

Nicht jedes Unternehmen wird ersetzt. Aber jedes Unternehmen, dessen Wert vor allem im Übersetzen von Unsicherheit in digitale Outputs liegt, wird durch KI massiv neu bepreist.

Die beste Gegenstrategie ist nicht, „prompt-sicher“ zu sein. Sondern ein Geschäft so zu bauen, dass der Prompt nur der Startschuss ist — nicht das fertige Produkt.

Oder noch schärfer: Verlierer verkaufen Denken als Stückware. Gewinner kontrollieren, was nach dem Denken passiert.

Es gibt Videos über KI, die zeigen dir ein neues Tool. Und es gibt Videos, die dir eine neue Landkarte geben. Dieses hier gehört zur zweiten Sorte.

Die zentrale These ist provokant – aber im Kern sehr plausibel: Wir erleben gerade keinen „Tools-Upgrade-Moment“, sondern einen Paradigmenwechsel. Über Jahrzehnte war die kleinste Einheit von Softwarearbeit die Instruktion: Ein Mensch schreibt Code, eine Maschine führt ihn deterministisch aus. Produktivität bedeutete: bessere Abstraktionen, cleverere Logik, saubere Implementierung.

Im Video wird argumentiert, dass sich diese Einheit verschiebt – hin zum Token. Token sind hier nicht nur Texthäppchen, sondern das, was du in der Praxis „kaufst“, wenn du ein Modell nutzt: Inference, also „gekaufte Intelligenz“. Du gibst Kontext, formulierst ein Ziel, und die Maschine findet die Schritte selbst. Die Arbeit wandert von „Wie implementiere ich das?“ zu „Was will ich exakt, und wie sichere ich Qualität und Kosten?“

Das klingt nach Semantik – hat aber ziemlich konkrete Folgen: für Budgets, Org-Strukturen, Karrierewege und die Skills, die in den nächsten Jahren zählen.

Warum die Token-Ökonomie mehr ist als „KI ist teuer“

Im Video tauchen Beispiele auf, die zeigen, wie ernst Unternehmen diese neue Rechenlogik nehmen:

• Teams, die ~1.000 Dollar pro Tag in Token-Spend kalkulieren – und dafür keinen handgeschriebenen Code mehr als Ziel definieren, sondern Output.
• Unternehmen, bei denen KI-Ausgaben so stark steigen, dass Pricing-Änderungen der Modellanbieter unmittelbare Krisen auslösen können.
• Der Gedanke: Wenn Inference pro Token billiger wird, steigt der Verbrauch oft trotzdem (Jevons-Paradox) – weil plötzlich viel mehr möglich und wirtschaftlich wird.

Die Konsequenz: Token sind nicht nur „Kostenstelle“, sondern ein Produktionshebel. Wer ihn beherrscht, produziert schneller, breiter und in manchen Fällen mit kleineren Teams mehr als klassische Organisationen.

Die 3 Entwickler-Typen (und warum du dich positionieren solltest

Der interessanteste Teil: Das Video zeichnet drei Karrierepfade, die sich aus dieser Verschiebung ergeben. Es geht weniger um „AI ersetzt Entwickler: ja/nein“, sondern um Differenzierung.

1) Der Orchestrator: Spezifikation, Steuerung, Qualitätskontrolle

Orchestrators schreiben weniger Code – sie lenken Intelligenz.

Skills, die hier zählen:

• Problemdekomposition: Große Ziele in agententaugliche Teilaufgaben zerlegen.
• Spezifikation & Präzision: Anforderungen so formulieren, dass KI nicht „irgendwas“, sondern das Richtige baut.
• Kontext-Engineering: Relevante Infos strukturieren (Dokumente, Beispiele, Constraints, APIs, Datenzugriff).
• Qualitätsevaluation: Output prüfen, testen, vergleichen – mit klaren Kriterien.
• Token-Ökonomie / Kosten pro Outcome: Nicht „Kosten minimieren“, sondern ROI maximieren (welches Modell für welche Aufgabe, wann lohnt sich High-End, wann reicht günstig?).
• Agenten-Orchestrierung: Loops, Workflows, Tool-Use, Guardrails – sodass über viele Schritte hinweg Qualität stabil bleibt.

Merksatz: Orchestrators sind Fabrikleiter einer Intelligenzproduktion.

2) Der Systems Builder: Infrastruktur für KI-Produktion

Diese Rolle ist technischer und seltener, aber enorm wirkungsstark: Systems Builder bauen die Plattformen, die Orchestrators benutzen.

Skills, die hier zählen:

• Agenten-Frameworks & Workflow-Design: Wie Aufgaben geroutet, verteilt und wieder zusammengeführt werden.
• Eval-Pipelines & Testsysteme: Automatisierte Qualitätsmessung (Regressionen, Benchmarks, Szenarien).
• Routing & Model-Mix: „Right model, right cost“ als Architekturprinzip.
• Reliability Engineering für probabilistische Systeme: Monitoring, Fallbacks, Safety, Determinismus-Illusion vermeiden.
• Daten-/Kontext-Infrastruktur: Retrieval, Wissensspeicher, Caching, Versionierung von Kontext und Prompts.
• Kosten-/Performance-Optimierung: Latenz, Durchsatz, Token-Budget, Skalierung.

Merksatz: Systems Builder sind die, die den „Token-Fabrikboden“ bauen.

3) Der Domain Translator: Branchenwissen + KI-Fluency = neue Entwickler

Das ist laut Video die unterschätzteste und wahrscheinlich größte Gruppe: Menschen mit tiefem Domänenwissen, die mithilfe von KI Software bauen, obwohl sie sich nie als Entwickler gesehen haben.

Skills, die hier zählen:

• Domänenexpertise: Du erkennst, welche Probleme wirklich teuer sind (Zeit, Fehler, Compliance, Umsatz).
• Workflow-Verständnis: Wo hakt es im Alltag? Wo entstehen Reibungsverluste?
• KI-Fluency: Nicht „Prompt-Zauberei“, sondern die Fähigkeit, Tools sinnvoll einzusetzen (Automationen, Agents, Datenzugriff, Integrationen).
• Produktdenken: Problem → Lösung → Nutzen → Adoption → Verankerung im Betrieb.
• Verteilung/Distribution: Zugang zu Kunden, Vertrauen, Branchen-Community – weil KI-Intelligenz als Rohstoff künftig überall kaufbar ist.

Merksatz: Domain Translators gewinnen nicht über Code, sondern über Relevanz.

Die zentrale Skill-Liste: Was du JETZT lernen solltest

Wenn man das Video in konkrete Lernziele übersetzt, ergibt sich eine ziemlich klare Liste. Egal welchen Pfad du wählst, diese Bereiche werden wichtiger:

1. Spezifikationsfähigkeit (klar schreiben, Anforderungen präzisieren, Constraints definieren)
2. Kontext-Engineering (Wissen strukturieren, Beispiele, Policies, Datenquellen, Retrieval)
3. Evaluation & Qualitätsmessung (Tests, Kriterien, Benchmarks, iterative Verbesserung)
4. Agenten-Orchestrierung (Workflows, Tool-Use, Loops, Guardrails)
5. Token Economics (Kosten pro Ergebnis, Model-Routing, Budgetierung, ROI)
6. Systemdenken (End-to-End-Prozesse statt einzelne Features)
7. Domänen- und Marktverständnis (Probleme erkennen, die sich lohnen)
8. Distribution/Adoption (wie Lösungen wirklich genutzt werden, nicht nur gebaut)

Das Video macht außerdem eine unbequeme Aussage: Am meisten gefährdet ist die Mitte – „kompetentes, generisches App-Coding“. Nicht, weil es morgen verschwindet, sondern weil sein Wert in dem Maß fällt, wie KI billiger und besser wird.

Warum ich das Video empfehle

Ich empfehle es nicht, weil jede Zahl oder Prognose garantiert stimmt. Sondern weil es dir ein scharfes Modell liefert, das eine Menge aktueller Beobachtungen zusammenbindet:

• Warum AI-native Teams mit viel weniger Leuten erstaunlich viel Output schaffen.
• Warum Unternehmen nicht nur „KI-Tools kaufen“, sondern anfangen, Token-Management als Kernkompetenz aufzubauen.
• Warum Karrierepfade auseinanderlaufen – und warum „ein bisschen AI-Assistent beim Coden“ auf Dauer nicht die ganze Antwort ist.

Wenn du Software entwickelst (oder Software einkaufst), lohnt es sich, dieses Video nicht als Hype zu sehen, sondern als Aufforderung zur Positionierung: Werde Orchestrator, Systems Builder oder Domain Translator – aber bleib nicht in der Mitte stehen!

Ich gebe es zu: Der Begriff „Generative Engine Optimization“ hat mich anfangs genervt. Wieder ein neues Buzzword. Wieder jemand, der versucht, aus einer evolutionären Entwicklung eine Revolution zu machen, die natürlich auch gleich einen neuen, fancy Oberbegriff braucht. Mein erster Impuls als jemand, der seit über 15 Jahren in der Suchmaschinenoptimierung arbeitet, war klar: Das ist doch einfach SEO mit einem neuen Anstrich.

Ich lag falsch. Und ich erkläre, warum.

Mein Problem mit neuen Begriffen

Die SEO-Branche liebt Akronyme. SXO, LLMO, AI SEO, AEO, SGE-Optimization – jedes Jahr taucht eine neue Buchstabenkombination auf, hinter der sich meist nichts anderes verbirgt als eine Facette dessen, was wir ohnehin schon tun. Content optimieren, Nutzerbedürfnisse verstehen, technisch sauber arbeiten. Die Substanz hinter dem neuen Label ist oft dünn, die Halbwertszeit kurz.

Als ich also zum ersten Mal „GEO – Generative Engine Optimization“ las, war mein Reflex entsprechend: Brauchen wir nicht. Haben wir schon. Nennt sich SEO.

Aber dann habe ich mir angeschaut, wer diesen Begriff geprägt hat. Und wo er geprägt wurde. Und wie er in der wissenschaftlichen Community aufgenommen wurde. Und genau das hat meine Meinung fundamental verändert.

GEO ist kein Branchenblog-Buzzword – es ist ein akademisches Framework

Der entscheidende Unterschied zu all den anderen Akronymen: GEO wurde nicht von einer Marketing-Agentur erfunden, die einen neuen Service verkaufen will. GEO wurde als wissenschaftliches Framework auf der KDD 2024 veröffentlicht – der 30. ACM SIGKDD Conference on Knowledge Discovery and Data Mining, eine der weltweit wichtigsten Konferenzen für Data Science und maschinelles Lernen. Das Paper „GEO: Generative Engine Optimization“ von Aggarwal et al. durchlief ein rigoroses Peer-Review-Verfahren und wurde im August 2024 in Barcelona präsentiert.

Allein das unterscheidet GEO qualitativ von 99 % aller Begriffe, die in unserer Branche zirkulieren.

Die Autor:innen sprechen eine klare Sprache

Was mich endgültig überzeugt hat, war ein genauerer Blick auf das Team hinter der Studie. Denn die Frage, ob ein neuer Begriff Substanz hat, beantwortet sich oft über die Frage: Wer steht dahinter?

Prof. Karthik Narasimhan ist der Senior-Betreuer der Arbeit. Er ist Associate Professor an der Princeton University, Co-Direktor der Princeton NLP Group und – das ist der Punkt, an dem man aufhorchen sollte – Co-Autor des originalen GPT-Papers bei OpenAI. Narasimhan hat seinen PhD am MIT gemacht, war Research Scientist bei OpenAI in der Phase, als GPT-1 entwickelt wurde, und hat danach an Princeton Arbeiten wie ReAct, Tree of Thoughts und SWE-agent mitverantwortet. Das sind keine Randnotizen in der KI-Forschung. Das sind Meilensteine.

Wenn also der Mann, der das generative Modell miterfunden hat, auf dem die heutigen Suchmaschinen aufbauen, einen Begriff für deren Optimierung definiert – dann hat dieser Begriff Gewicht.

Vishvak Murahari und Ameet Deshpande, beide PhD-Studenten unter Narasimhan an Princeton, brachten tiefe Expertise in NLP, Modell-Effizienz und KI-Sicherheit ein. Murahari war Zweitplatzierter beim Bell Labs Prize 2022 und hat seine Dissertation Ende 2025 abgeschlossen. Deshpande, mit einem B.Tech. vom IIT Madras, wurde durch die vielbeachtete Studie zur Toxizität in ChatGPT bekannt, die es bis ins Wall Street Journal schaffte.

Pranjal Aggarwal war zum Zeitpunkt der Studie Undergraduate am IIT Delhi – und trotzdem Equal-Contribution-Autor. Heute promoviert er an der Carnegie Mellon University. Seine Publikationsliste als Bachelor-Student umfasst Papers bei EMNLP (Oral), ICML und NeurIPS – ein Ausnahmetalent, das mittlerweile auch bei Meta FAIR forscht.

Ashwin Kalyan, Research Scientist am Allen Institute for AI (AI2), und Tanmay Rajpurohit, ein promovierter Aerospace-Ingenieur aus Georgia Tech mit zusätzlichem Jura-Abschluss, rundeten das Team mit Industry-Erfahrung und einem ungewöhnlich interdisziplinären Blick ab.

Das ist kein Marketing-Team, das ein Akronym auf eine Landing Page klebt. Das ist ein Forschungsteam an der Schnittstelle zwischen den Institutionen, die KI überhaupt erst gebaut haben.

Die wissenschaftliche Community hat GEO adoptiert

Ein Begriff ist nur dann relevant, wenn er aufgegriffen wird. Und genau das passiert. Seit der Veröffentlichung des GEO-Papers wird der Terminus in Folgestudien referenziert, weiterentwickelt und als Grundlage für neue Frameworks genutzt. Auf Konferenzen wie NeurIPS, bei SIGIR-Workshops und in der wachsenden Literatur zu LLM-gestützter Suche hat sich „Generative Engine Optimization“ als der Fachbegriff für dieses Forschungsfeld etabliert.

Wenn ich in meiner eigenen Forschung – ja, auch ich arbeite akademisch an diesem Thema – über die Optimierung von Inhalten für generative Suchsysteme schreibe, ist GEO der Begriff, den Reviewer erwarten, den Konferenzen verwenden und den die Community versteht.

Was GEO anders macht als SEO

Aber hat der Begriff auch inhaltlich eine Berechtigung? Ist GEO wirklich etwas anderes als SEO? Die kurze Antwort: Ja.

Die GEO-Studie zeigt empirisch, dass klassische SEO-Methoden wie Keyword Stuffing in generativen Suchmaschinen nicht funktionieren – teilweise sogar kontraproduktiv sind. Das ist zwar ein bisschen Old-School, aber eine klare Abgrenzung. Denn, wie KI-Systeme Antworten geben, ist fundamental anders und damit auch was für die Optimierung funktioniert. Die Studie stellte fest, dass das Hinzufügen von Zitaten, Statistiken und Quellenangaben die Sichtbarkeit in generativen Antworten um bis zu 40 % steigerte. Fluency Optimization und ein autoritativer Schreibstil zeigten signifikante Effekte. Und die Wirksamkeit variiert stark nach Domäne – was für Law & Government funktioniert, ist für People & Society irrelevant.

Ob das immernoch so ist, ist eine andere Frage. Aber mit LLM-Processing, Intermediate-Resoning, Generierung von Fan-Out-Queries, Retrieval, ReRanking, und Citation unterscheidet sich der Prozess fundamental von dem, wie eine klassische Websuche ihre Trefferlisten erzeugt.

Das ist kein SEO mit neuem Namen. Das ist eine andere Optimierungsdisziplin mit anderen Metriken, anderen Strategien und anderen Wirkungsmechanismen.

Was ich daraus gelernt habe

Mein Fehler war, GEO an denselben Maßstäben zu messen wie die vielen inhaltsleeren Buzzwords, die unsere Branche produziert. GEO verdient diesen Vergleich nicht, weil es eine andere Herkunft hat: Es kommt nicht aus dem Marketing, sondern aus der Wissenschaft. Es wurde nicht von Praktikern auf LinkedIn geprägt, sondern von Forschern an Princeton, CMU, IIT Delhi und AI2. Es wurde nicht in einem Blogpost definiert, sondern in einem peer-reviewten Paper auf einer Top-Konferenz.

Und – das ist vielleicht der wichtigste Punkt – es beschreibt ein reales, messbares Phänomen, das sich empirisch vom klassischen SEO unterscheidet.

Mein Fazit

Ich benutze jetzt „GEO“. Nicht weil es trendy ist. Nicht weil es sich in Pitchdecks gut macht. Sondern weil die Evidenz stimmt, die Autor:innen glaubwürdig sind und die wissenschaftliche Community den Begriff als Standard etabliert hat.

Wenn ein GPT-Miterfinder, zwei Princeton-PhDs, ein CMU-Doktorand und zwei Research Scientists gemeinsam auf einer der wichtigsten Data-Science-Konferenzen der Welt einen neuen Begriff einführen – und die Community diesen Begriff aufgreift und weiterentwickelt – dann ist das kein Buzzword. Dann ist das ein Paradigmenwechsel, der einen eigenen Namen verdient hat.

GEO ist kein neues SEO. GEO ist das, was nach SEO kommt – und es hat die akademischen Credentials, um diesen Anspruch zu untermauern.

Wer den Begriff ablehnt, weil er „mal wieder was Neues“ ist, macht den gleichen Fehler wie ich. Schaut euch an, wer dahintersteht. Das spricht eine sehr klare Sprache.

Seit Ende 2025 macht ein Konzept namens „Grounding Page Standard“ die Runde. Die Idee: Unternehmen sollen spezielle, maschinenlesbare Seiten erstellen, die als „semantischer Anker“ für KI-Systeme dienen. ChatGPT, Perplexity und Co. sollen diese Seiten heranziehen, um Marken und Entitäten korrekt zu interpretieren – weniger Halluzinationen, mehr Sichtbarkeit in KI-generierten Antworten.

Klingt verlockend. Aber hält das Versprechen einer Überprüfung stand?

Was der Standard verspricht

Das Grounding Page Project definiert sich als offener Standard für „machine-readable brand management“. Die Kernbehauptung: KI-Systeme performen besser, wenn sie strukturierte, konsistente Informationen erhalten. Grounding Pages sollen genau das liefern – faktische, Marketing-freie Entitätsbeschreibungen, die RAG-Systeme und Grounding-APIs bevorzugt heranziehen.

Die Zielgruppe sind Brand Manager und „AI-SEOs“. Die Vision: Eine strukturierte Evolution der klassischen About-Seite für das KI-Zeitalter.

Das Problem: Kein nachweisbarer Mechanismus

Damit eine Grounding Page funktioniert, wie behauptet, müssen zwei Dinge stimmen: Erstens muss ein KI-System die Seite überhaupt abrufen. Zweitens muss es sie gegenüber anderen Quellen bevorzugen.

An beiden Punkten hapert es.

1. Chatbots suchen seltener als man denkt. Die meisten LLM-basierten Chatbots entscheiden situativ, ob sie eine Websuche durchführen. Bei einer Frage wie „Was macht Firma X?“ passiert zum Teil Folgendes: Kennt das Modell die Firma aus dem Training, antwortet es direkt aus dem parametrischen Wissen – ohne jede Websuche. Die Grounding Page wird gar nicht abgerufen.
   
   Das erzeugt ein Paradox: Starke Marken wie BMW oder SAP brauchen keine Grounding Page, weil LLMs ohnehin genug über sie wissen. Schwache Marken, die am meisten profitieren würden, lösen oft gar keine Suche aus – oder das Modell sagt schlicht „darüber weiß ich nichts“. Perplexity ist eine Ausnahme, weil es grundsätzlich sucht. Aber das ist nur ein System von vielen.
2. Es gibt keinen Ranking-Vorteil für Grounding Pages. Bei RAG-Systemen entscheidet ein Retrieval-Schritt (typischerweise Embedding-Similarity oder ein Suchindex), welche Dokumente als Kontext in den Prompt kommen. Dieser Schritt kennt keinen Seitentyp namens „Grounding Page“. Er rankt nach semantischer Relevanz zur Anfrage. Eine gut geschriebene Wikipedia-Seite, ein Presseartikel oder eine klassische About-Seite kann genauso gut oder durch Verlinkungen sogar besser ranken.
   
   Bei Googles Grounding-API für Gemini wird aus dem Google-Suchindex gezogen. Da gelten dieselben Ranking-Faktoren wie bei der normalen Suche: Autorität, Relevanz, Linkprofil. Der Seitentyp hat keinen inhärenten Vorteil.

Was tatsächlich hilft

Der erfundene „Standard“ ist überflüssig. Aber die Grundidee dahinter ist nicht verkehrt – sie ist nur nicht neu.

Wer ein gut verlinktes Dokument auf seiner Website pflegt, das klar und faktisch beschreibt, was das Unternehmen ist, was es tut und was es anbietet, macht es KI-Systemen tatsächlich leichter. Konkret:

1. Informationsdichte und Klarheit. Eine Seite, die frei von Marketing-Fluff ist und stattdessen strukturiert Fakten liefert, hat ein besseres Signal-Rausch-Verhältnis. Wenn ein RAG-System diese Seite in seine Chunks zerlegt, entsteht weniger Rauschen. Die relevanten Informationen sind leichter extrahierbar.
2. Konsistenz über Quellen hinweg. Wenn die eigene Website sauber und faktisch formuliert, was das Unternehmen ist und tut, steigt die Wahrscheinlichkeit, dass diese Formulierungen im Trainingskorpus des nächsten Modells kohärent repräsentiert sind. Das ist kein Grounding im technischen Sinne – es ist ein Beitrag zur Trainingsqualität.
3. Strukturierte Daten. Schema.org-Markup (Organization, Product, Service) hilft Knowledge-Graph-Systemen bei der Entitätszuordnung. Das ist ein seit Jahren etabliertes Instrument, kein neuer Standard. LLMs brauchen übrigens kein Schema-Markup und parsen den Quellcode in vielen Fällen auch nicht, sondern schauen sich den puren Text an, den Menschen zu Gesicht bekommen!

Kurzum: Eine saubere, gut verlinkte Informationsseite über das eigene Unternehmen „schmeckt“ einem LLM tatsächlich besser als eine mit Superlativen überladene Marketing-Landingpage. Das war allerdings auch schon vor diesem Standard der Fall und braucht keinen neuen Seitentyp mit eigenem Logo.

Die Drittquellen-Frage

Ein wichtiger Aspekt fehlt in der Diskussion um Grounding Pages fast vollständig: LLMs gewichten Drittquellen in der Regel stärker als Eigenaussagen. Was auf Wikipedia, in Pressartikeln oder in Branchenverzeichnissen über ein Unternehmen steht, hat für die meisten Systeme mehr Gewicht als die eigene About-Seite.

Das Grounding Page Project suggeriert, dass eine strukturierte Eigenaussage den gleichen Effekt haben kann. Die Hoffnung, dass Journalist:innen, Blogger:innen oder Wikipedia-Autor:innen eine Grounding Page als Quelle heranziehen und damit Drittquellen entstehen, die den KI-Systemen als Signal dienen, halte ich für sehr fraglich. Journalist:innen recherchieren nicht auf standardisierten Fakten-Landingpages. Sie suchen Geschichten, Zitate und Kontext – nicht maschinenlesbare Entitätsdefinitionen.

Eine Grounding Page ersetzt nicht die Arbeit, die tatsächlich Drittquellen erzeugt: PR, Thought Leadership, relevante Inhalte, die andere zitieren wollen.

Fazit

Das Grounding Page Project adressiert ein reales Problem: Viele Unternehmen haben ihre Entitäten nie systematisch und faktisch für KI-Systeme beschrieben. Diese Erkenntnis ist richtig und wichtig.

Aber die Lösung braucht keinen eigenen Standard mit Versionsnummer. Sie braucht das, was gute Informationsarchitektur schon immer gebraucht hat: eine klare, gut verlinkte Seite mit faktischen Informationen über das Unternehmen, ergänzt durch strukturierte Daten. Wer das noch nicht hat, sollte damit anfangen. Wer es hat, braucht keine Grounding Page.

Der Mehrwert des Standards liegt allenfalls darin, dass er Unternehmen dazu bringt, erstmals systematisch über ihre Entitätsbeschreibungen nachzudenken. Danke dafür Hanns. Aber für die tatsächliche Wirkung auf KI-Systeme zählt nicht der Seitentyp, sondern die Qualität der Information, die Verlinkung und vor allem die Bestätigung durch Drittquellen, die unabhängig von jeder Grounding Page entsteht – oder eben nicht.

In der SEO- und Marketing-Bubble geistert gerade eine gewaltige Zahl durch die Feeds: 1,2 Millionen. So viele Suchergebnisse hat Kevin Indig in seiner viel beachteten Studie „The Science of How AI Pays Attention“ analysiert. Sein Ziel: Endlich das Geheimnis zu lüften, worauf KI-Suchmaschinen wie Google AI Overviews, Perplexity oder SearchGPT eigentlich achten, wenn sie Antworten generieren.

Das zentrale Ergebnis klingt revolutionär und banal zugleich: KIs sind faul. Sie leiden unter einem massiven „Attention Decay“. Was nicht ganz oben im Text steht, existiert für die Maschine oft gar nicht.

Aber stimmt das wirklich? Ist das ein technisches Limit der großen Sprachmodelle (LLMs), oder messen wir hier nur menschliche Gewohnheiten? Und vor allem: Wie belastbar ist diese „Big Data“-Analyse eigentlich für unsere tägliche Arbeit?

Als jemand, der sich tief in die Wissenschaft, LLMs und Generative Engine Optimization (GEO) eingegraben hat, habe ich mir die Studie methodisch sehr genau angesehen. Lass uns gemeinsam die „Statistik-Zwiebel“ schälen, die akademische Beweislage prüfen und schauen, was am Ende wirklich an Gold für deine Content-Strategie übrig bleibt:

Die Statistik-Zwiebel: Was bedeuten „1,2 Millionen“ wirklich?

Bevor wir Ergebnisse blind übernehmen, müssen wir die Datenbasis verstehen. In der heutigen „Headline-Ökonomie“ wirken große Zahlen wie Autoritäts-Booster. „1,2 Millionen analysierte Ergebnisse“ suggeriert eine lückenlose Vermessung des Internets, die keinen Raum für Zufälle lässt.

Doch wissenschaftlich betrachtet müssen wir differenzieren. Man muss sich die Datenbasis wie eine Zwiebel oder einen Trichter vorstellen, der nach unten hin immer enger wird:

1. Der Top of Funnel (Die Basis): Ja, es wurden 1,2 Millionen Keywords (SERPs) überwacht. Das ist das Spielfeld. Aber hier liegt bereits der erste „Selection Bias“: Die Keywords waren stark kommerziell geprägt (z.B. „Best CRM Software“). Informationsorientierte Nischen-Themen sind unterrepräsentiert.
2. Der erste Filter (AI-Trigger): Nicht jede Suche löst eine AI-Antwort aus. Die Verbreitung von AI Overviews schwankt massiv. Wir betrachten also nur die Teilmenge, bei der Google überhaupt eine Antwort generiert hat.
3. Die Extraktion (Zitate): Jede AI-Antwort enthält Quellen. Diese müssen extrahiert werden.
4. Das Matching (Der kritische Kern): Um zu prüfen, wo im Text eine Information stand, muss die Studie den zitierten Satz exakt im Quellcode der Webseite wiederfinden. Hier schrumpft die Datenbasis von der Million auf einen Bereich von ca. 18.000 bis 50.000 verifizierten Datenpunkten.

Zwischenfazit: Die Stichprobe ist immer noch groß genug, um statistisch signifikant zu sein – sie ist weit besser als bloßes Bauchgefühl. Aber sie ist kein absolutes Naturgesetz. Wir sollten die Ergebnisse als starke Heuristik (Faustregel) betrachten, aber immer im Hinterkopf behalten, dass hier primär „Review-Content“ analysiert wurde! Eine Übertragung auf andere Content-Typen ist zumindest fraglich!

Der „Front-Loading“-Effekt: Ein klassisches Henne-Ei-Problem

Das wichtigste Chart der Studie ist visuell eindeutig: 44,2 % aller Zitate stammen aus den ersten 30 % des Contents. Danach fällt die Kurve steil ab. Indig nennt das treffend den „Busy Editor“-Effekt: Die KI liest wie ein gestresster Chefredakteur – ein schneller Scan des Intros, die wichtigsten Fakten werden mitgenommen, der Rest wird ignoriert.

Hier müssen wir jedoch methodisch kritisch einhaken. Die Studie zeigt eine Korrelation, keine Kausalität.

• Die These der Studie: Die KI bevorzugt technisch den Anfang (Attention Bias).
• Der Gegenentwurf (Nullhypothese): Gute Autoren schreiben seit 100 Jahren nach dem Prinzip der „Umgekehrten Pyramide“.

Jeder Journalist lernt am ersten Tag: Das Wichtigste (die News, das Fazit, die Antwort) gehört nach oben – „Above the Fold“. Wenn also 90 % der relevanten Fakten im Internet zufällig im ersten Drittel stehen, dann muss die KI sie dort finden, um die Frage korrekt zu beantworten.

Sprich: Messen wir hier also einen Bias der Maschine oder einfach nur den Qualitätsstandard guter Autoren? Die Studie selbst kann das aufgrund ihres Designs (Beobachtung von Live-Daten statt Labor-Experiment) nicht auflösen.

Die wissenschaftliche Evidenz: Warum Indig trotzdem recht hat

Müssen wir die Studie also verwerfen? Nein. Denn auch wenn Indigs Design die Ursache nicht isolieren kann, gibt es harte wissenschaftliche Rückendeckung für die „Front-Loading“-These aus der Computerwissenschaft.

Die berühmte Studie „Lost in the Middle“ von Liu et al. beweist das Phänomen unter Laborbedingungen. Die Forscher zeigten, dass LLMs (wie GPT-4 oder Claude) eine U-förmige Aufmerksamkeitskurve haben:

1. Primacy Effect: Informationen ganz am Anfang des Kontext-Fensters werden exzellent verarbeitet.
2. Recency Effect: Informationen ganz am Ende ebenfalls.
3. The Valley of Death: Informationen in der Mitte eines langen Kontextes werden signifikant häufiger „vergessen“ oder halluziniert.

Dazu kommt ein technischer Aspekt der RAG-Systeme (Retrieval Augmented Generation): Um Kosten und Rechenleistung zu sparen, lesen Crawler oft nicht die gesamte Seite, sondern setzen ein Token-Limit. Da wir als SEOs nie wissen, wann der Crawler „abschneidet“ (Cut-off), ist das Ende einer Seite ein unsicherer Ort. Der Anfang bleibt der einzige sichere Hafen für deine Kernbotschaften.

Die 5 Gewinnermerkmale der KI-Suche (und ihr Faktencheck)

Neben der Positionierung hat die Studie fünf spezifische textliche Eigenschaften identifiziert, die Gewinner-Inhalte gemeinsam haben. Doch auch hier gilt: Nicht blind optimieren! Lass uns jeden Punkt mit der gleichen methodischen Strenge behandeln wie das Front-Loading.

A. Definitive Language (Klartext statt Konjunktiv)

Was die Studie sagt: Zitierte Texte enthalten fast doppelt so häufig definitive Sprache wie nicht-zitierte (36,2 % vs. 20,2 %). Gemeint sind klare „X ist Y“-Strukturen mit Verben wie „is defined as“ oder „refers to“.

Die methodische Einordnung: Die Erklärung der Studie klingt technisch elegant: In einer Vektor-Datenbank fungiere das Wort „ist“ als starke semantische Brücke zwischen Subjekt und Definition. Wenn ein Nutzer fragt „Was ist X?“, suche das Modell den kürzesten Vektorpfad – und der führe fast immer zu einem direkten „X ist Y“-Satz.

Das ist im Kern korrekt, aber die Kausalität ist komplizierter als die Studie es darstellt. Was wir hier beobachten, ist kein mysteriöser „Preference Bias“ der KI für Klartext. Es ist ein Artefakt der Architektur.

LLMs operieren auf Basis eines Attention-Mechanismus (Vaswani et al., 2017, „Attention Is All You Need“). Dieser Mechanismus berechnet die Beziehungsstärke zwischen Token-Paaren im Kontext. Ein Satz wie „Demo-Automatisierung ist der Prozess der Nutzung von Software zur…“ erzeugt in der Attention-Matrix einen extrem starken, gerichteten Pfad vom Subjekt zum Prädikat. Ein Satz wie „In unserer schnelllebigen Welt wird Automatisierung immer wichtiger…“ verteilt die Attention-Gewichte diffus auf irrelevante Füllwörter – die eigentliche Relation ertrinkt im Rauschen.

Das Phänomen lässt sich auch über das Konzept der Perplexität erklären: Definitive Sätze sind für das Modell vorhersagbarer (niedrigere Perplexität), weil die „X ist Y“-Struktur eines der häufigsten Muster in den Trainingsdaten ist. Schwammige Formulierungen erhöhen die Perplexität, was das Modell als Signal für geringere Informationsqualität interpretiert.

Aber Vorsicht – der YMYL-Vorbehalt: In Nischen wie Medizin, Recht oder Finanzen kann ein „X ist Y“-Absolutismus gefährlich werden. Wenn ein medizinischer Text behauptet „Vitamin D heilt Depressionen“ statt „Studien zeigen einen Zusammenhang zwischen Vitamin-D-Mangel und depressiven Symptomen“, dann gewinnt er vielleicht das Zitat – aber verliert die fachliche Seriosität. Googles Quality-Rater-Guidelines bewerten übermäßige Vereinfachung in YMYL-Bereichen explizit negativ! Die Empfehlung „Schreib definitiv“ ist also kein Universalgesetz, sondern gilt primär für die untersuchte Stichprobe kommerzieller Ratgeber-Queries.

Das Fazit für deine Praxis: Beantworte die Kernfrage in deinem ersten Satz mit einer klaren „X ist Y“-Struktur. Aber verwechsle „definitiv“ nicht mit „vereinfacht“. Präzision schlägt Vagheit – aber erfundene Gewissheit schlägt zurück.

B. Conversational Question-Answer Structure (Q&A-Format)

Was die Studie sagt: Zitierte Texte enthalten doppelt so häufig Fragezeichen wie nicht-zitierte (18 % vs. 8,9 %). Noch wichtiger: 78,4 % dieser Fragen stehen in Überschriften (H2-Tags). Die KI behandelt die Überschrift als User-Prompt und den folgenden Absatz als generierte Antwort.

Die methodische Einordnung: Von allen fünf Ergebnissen hat dieses die stärkste kausale Begründung – und zwar direkt aus der Architektur moderner LLMs.

Der Grund liegt im sogenannten „Instruction Tuning“ (auch „RLHF“ – Reinforcement Learning from Human Feedback, Ouyang et al., 2022). Jedes moderne LLM durchläuft nach dem Pretraining eine Feinabstimmungsphase, in der es auf Millionen von Frage-Antwort-Paaren trainiert wird. Das innere Format ist dabei immer identisch: User: [Frage] → Assistant: [Antwort]. Dieses Schema ist so tief im Modell verankert, dass es quasi die „Muttersprache“ jedes LLMs darstellt.

Wenn du nun eine H2-Überschrift als Frage formulierst und im ersten Satz darunter direkt antwortest, dann replizierst du exakt das Format, auf das das Modell optimiert ist. Die Studie beschreibt dafür den treffenden Mechanismus des „Entity Echoing“: Wenn die Überschrift nach „SEO“ fragt und das erste Wort der Antwort „SEO“ ist, erzeugt das im Attention-Mechanismus einen direkten Rückbezug, der die Relevanz des Absatzes für die Frage maximiert.

Das ist auch aus der Information-Retrieval-Forschung gut belegt. BM25, der klassische Ranking-Algorithmus, bewertet Term-Frequenz und inverse Dokumentfrequenz. Neuere Dense-Retrieval-Modelle arbeiten ähnlich: Ein Passage wird als relevant für eine Query eingestuft, wenn die semantische Überlappung im Embedding-Raum hoch ist. Eine Frage-Überschrift, die das Query exakt spiegelt, erzeugt maximale Überlappung.

Warum das Ergebnis trotzdem nicht universell ist: Die 78,4 % gelten für die untersuchte Stichprobe kommerzieller Queries. Für narrative Formate (Longform-Reportagen, wissenschaftliche Abhandlungen) ist eine reine Q&A-Struktur weder üblich noch sinnvoll. Die Studie misst, was KI-Suchmaschinen für informationssuchende Queries zitieren – nicht, was generell den „besten“ Content ausmacht.

Das Fazit für deine Praxis: Formuliere deine H2-Überschriften als exakte User-Fragen. Beginne den ersten Satz darunter mit einer direkten Antwort, die die Schlüssel-Entität aus der Frage wiederholt. Das ist kein Hack – es ist die strukturelle Sprache, die LLMs am besten verstehen.

C. Entity Richness (Faktendichte)

Was die Studie sagt: Normaler englischer Text hat eine „Entitätsdichte“ (Anteil von Eigennamen wie Marken, Tools, Personen) von ca. 5–8 %. Häufig zitierter Text liegt bei 20,6 % – fast dem Vierfachen.

Die methodische Einordnung: Die Referenzwerte von 5–8 % stammen laut Studie aus linguistischen Standard-Korpora wie dem Brown Corpus und dem Penn Treebank. Das ist eine solide Benchmark für „durchschnittliches Englisch“. Der Sprung auf 20,6 % ist beeindruckend – aber methodisch liegt hier ein klassischer Zirkelschluss vor, den die Studie nicht adressiert.

Das Problem: Die untersuchten Suchanfragen sind überwiegend kommerziell und entitätsbezogen. „Best CRM Software“ verlangt nach Antworten, die Salesforce, HubSpot und Pipedrive nennen. Ein Text, der diese Frage beantwortet, ohne Entitäten zu nennen, wäre schlicht eine schlechte Antwort. Die hohe Entitätsdichte der „Winner“ ist also kein KI-Bias, sondern eine Mindestanforderung an inhaltliche Relevanz für diese Art von Queries.

Wissenschaftlich lässt sich das über das Konzept des „Information Gain“ einordnen. In der Information-Retrieval-Theorie wird ein Dokument als relevanter eingestuft, wenn es mehr neue, konkrete Information liefert als konkurrierende Dokumente. Entitäten sind dabei die effizientesten Informationsträger: Der Satz „Das Gerät ist schnell“ enthält nahezu null Information Gain. Der Satz „Der Apple M2-Chip verarbeitet 15,8 Billionen Operationen pro Sekunde“ trägt drei Entitäten (Apple, M2, Operationen/Sekunde) und einen konkreten Datenpunkt. Für ein Sprachmodell bedeutet mehr Entitäten pro Satz weniger Perplexität bei der Antwortgenerierung – die Aussage ist „verankert“ und verifizierbar.

Das Gegenargument: Die 20,6 % sind kein Zielwert zum Reverse-Engineeren. Wenn du künstlich Markennamen in einen Text stopfst, der sie nicht braucht, verschlechterst du die Lesbarkeit, ohne Relevanz zu gewinnen. Entitäten sind kein Stilmittel, sondern ein Indikator für Informationsdichte. Der Unterschied ist entscheidend!

Das Fazit für deine Praxis: Ersetze generische Formulierungen durch konkrete Entitäten – Markennamen, Produktbezeichnungen, Kennzahlen, Personennamen. Aber tu das nicht als Keyword-Stuffing, sondern weil es deinen Text faktisch besser macht. Und ja: Nenne ruhig auch Wettbewerber. Ein Vergleich „Salesforce vs. HubSpot vs. Pipedrive“ ist für die KI informativer als „verschiedene Tools im Vergleich“.

D. Balanced Sentiment (Die „Analysten-Stimme“)

Was die Studie sagt: Zitierte Texte haben einen durchschnittlichen Subjectivity Score von 0,47 auf einer Skala von 0,0 (rein objektiv) bis 1,0 (rein subjektiv). Die KI will weder trockenen Wikipedia-Stil (0,1) noch ungefilterte Meinung (0,9), sondern eine Art „Analysten-Stimme“.

Die methodische Einordnung: Der Subjectivity Score ist eine Standard-Metrik im Natural Language Processing (NLP) und misst den Anteil persönlicher Meinungen, Emotionen oder Wertungen in einem Text. Die Studie nutzt ihn, um zu zeigen, dass ein ausgewogener Ton bevorzugt wird. Aber wie belastbar ist dieser Wert?

Zunächst das methodische Problem: Ein Subjectivity Score von 0,47 ist ein Durchschnitt. Durchschnitte können irreführend sein, wenn die Verteilung bimodal ist – also wenn sowohl sehr objektive als auch sehr subjektive Texte zitiert werden und sich der Mittelwert „zufällig“ bei 0,5 einpendelt. Ohne Einsicht in die Verteilung der Scores (Standardabweichung, Quartile) ist die Aussagekraft begrenzt.

Trotzdem ist das Ergebnis wissenschaftlich plausibel, und zwar aus zwei Gründen:

Erstens durchlaufen alle modernen LLMs ein Safety-Alignment via RLHF. In diesem Prozess werden die Modelle systematisch darauf trainiert, ausgewogene, hilfreiche und nicht-polarisierende Antworten zu bevorzugen. Wenn ein Retrieval-System einen Textbaustein für eine Antwort auswählt, wird ein Kandidat, der selbst bereits dem trainierten „Ton“ des Modells ähnelt, mit höherer Wahrscheinlichkeit übernommen. Extreme Meinungen – ob euphorisch positiv oder harsch negativ – weichen vom trainierten Gleichgewicht ab und werden häufiger verworfen.

Zweitens gibt es einen informativen Grund: Ein rein faktischer Satz („Das iPhone 15 wurde im September 2023 veröffentlicht“) beantwortet ein „Wann?“, aber kein „Warum sollte mich das interessieren?“. Ein rein meinungsbasierter Satz („Das iPhone 15 ist ein absolutes Meisterwerk!“) liefert keine verwertbare Information. Der „Sweet Spot“ bei ~0,5 ergibt sich, weil die nützlichsten Antworten Fakt und Einordnung verbinden: „Das iPhone 15 setzt auf den A16-Chip (Fakt), was es besonders für Content Creator attraktiv macht (Analyse).“

Das Fazit für deine Praxis: Schreib wie ein Analyst, nicht wie ein Marktschreier und nicht wie ein Lexikon. Jede Behauptung braucht einen Fakt als Fundament, und jeder Fakt profitiert von einer Einordnung, die dem Leser (und der KI) sagt, warum er relevant ist. Vermeide sowohl werbliche Superlative („Das beste Tool aller Zeiten!“) als auch emotionslose Datenfriedhöfe.

E. Business-Grade Writing (Einfachheit ≠ Verdummung)

Was die Studie sagt: „Winner“-Texte haben einen Flesch-Kincaid-Grade-Level von 16 (College-Niveau), „Loser“-Texte von 19,1 (akademisches PhD-Niveau). Selbst bei komplexen Themen schadet übermäßige sprachliche Komplexität.

Die methodische Einordnung: Der Flesch-Kincaid-Score ist eine der ältesten Lesbarkeitsformeln (Kincaid et al., 1975) und basiert auf genau zwei Variablen: durchschnittliche Satzlänge und durchschnittliche Silbenzahl pro Wort. Das ist einerseits ein Vorteil (objektiv, reproduzierbar), andererseits eine massive Vereinfachung. Der Score misst Oberflächenkomplexität, nicht inhaltliche Tiefe.

Was die Studie trotzdem richtig erfasst, ist ein Architektur-Effekt der Transformer-Modelle. LLMs verarbeiten Text Token für Token und berechnen Attention-Gewichte zwischen allen Token-Paaren in einem Fenster. Bei langen Schachtelsätzen mit vielen Einschüben steigt die Distanz zwischen semantisch zusammengehörigen Token. Die Attention muss über mehr „Rauschen“ hinweg die richtige Verbindung herstellen – was die Wahrscheinlichkeit erhöht, dass der semantische Bezug verloren geht.

Konkret: Der Satz „Salesforce, das 1999 von Marc Benioff gegründete und heute in San Francisco ansässige Unternehmen, das sowohl im B2B- als auch im B2C-Segment aktiv ist, bietet eine CRM-Lösung an“ zwingt das Modell, über 25+ Token hinweg die Verbindung zwischen „Salesforce“ und „CRM-Lösung“ aufrechtzuerhalten. Der Satz „Salesforce bietet eine CRM-Lösung an“ erzeugt die gleiche Kernaussage mit maximaler Attention-Konzentration.

Hier widerlegt die Studie übrigens eine verbreitete Annahme in der SEO-Szene: Nein, KI belohnt nicht das „Dumbing Down“ von Content! Ein Flesch-Kincaid-Score von 16 ist College-Niveau – das entspricht dem Stil von The Economist oder Harvard Business Review. Es geht nicht darum, Fachsprache zu vermeiden, sondern darum, sie in klaren syntaktischen Strukturen zu verpacken. „Einfache Sprache“ bedeutet: kurze Sätze, Subjekt-Verb-Objekt, ein Gedanke pro Satz. Es bedeutet nicht: einfache Gedanken.

Das Fazit für deine Praxis: Vereinfache die Satzstruktur, nicht den Inhalt. Zerlege komplexe Aussagen in mehrere kurze Sätze. Nutze Fachbegriffe, wenn sie nötig sind – aber bette sie in klare syntaktische Strukturen ein. Dein Zielwert ist „The Economist“, nicht „Blöd-Zeitung“ und nicht „Doktorarbeit“.

Du willst tiefer in die Welt der Generative Engine Optimization eintauchen und lernen, wie du deine Inhalte systematisch für die KI-Suche fit machst? Genau darum geht es in meinem neuen Buch „SEO für KI – Auf den Punkt“, an dem ich gerade schreibe. Abonniere gerne meinen Newsletter, um den Start nicht zu verpassen.

22 der erfahrensten SEO-Köpfe im DACH-Raum, eine Umfrage mit 50 Fragen, null Konsens bei den spannendsten Themen. Die Ergebnisse der GEO-Expertenbefragung für mein kommendes Buch „SEO für KI“ (O’Reilly Verlag) sind da — und sie räumen mit einigen Mythen auf.

Im Januar 2026 habe ich für mein Buch „SEO für KI — Auf den Punkt“ (O’Reilly Verlag, geplant Q3 2026) eine umfangreiche Expertenbefragung durchgeführt. 22 deutschsprachige SEO- und GEO-Experten haben sich die Zeit genommen, 50 Fragen zu beantworten — von der Relevanz einzelner KI-Systeme über Prompt-Recherche bis hin zu Agentic AI. 91 Prozent der Teilnehmer bringen mehr als zehn Jahre SEO-Erfahrung mit, verteilt auf Agenturen, Beratung, Tool-Anbieter und Inhouse-Positionen.

Was dabei herausgekommen ist, überrascht an vielen Stellen. Nicht weil die Antworten besonders exotisch wären, sondern weil sie so nüchtern sind. Hier die wichtigsten Erkenntnisse.

1. Google dominiert, der Rest kämpft um Aufmerksamkeit

Die deutlichste Botschaft der Umfrage: Wer über KI-Sichtbarkeit spricht, spricht zuerst über Google. 73 Prozent der Befragten halten Googles AI Mode und AI Overviews für „sehr relevant“, weitere 23 Prozent für „relevant“. Kein einziger Experte stuft Google als wenig oder nicht relevant ein. Das ist der stärkste Konsens aller Relevanz-Bewertungen in der gesamten Umfrage.

ChatGPT folgt mit Abstand auf Platz zwei: 32 Prozent „sehr relevant“, 55 Prozent „relevant“. Dahinter wird es dünn. Perplexity, Copilot und Claude werden von der Mehrheit als nachrangig eingestuft. Die KI-Suchlandschaft ist in der Wahrnehmung der Experten ein Zweikampf — und Google führt deutlich.

Besonders aufschlussreich sind die Prognosen für die kommenden drei Jahre. 64 Prozent erwarten für Perplexity einen Marktanteil von unter 5 Prozent. Und bei ChatGPT gehen die Meinungen so weit auseinander wie bei keiner anderen Frage: Von „unter 5 Prozent“ bis „über 50 Prozent“ ist alles vertreten. 18 Prozent trauen sich nicht einmal eine Einschätzung zu — die höchste Enthaltungsrate der gesamten Befragung. Johannes Beus (Geschäftsführer, SISTRIX GmbH) erklärt die Skepsis gegenüber Perplexity: Es fehle an eigenen Modellen, eigenem Index und Distributionskanälen. Eric Kubitz (Head of AI, Wort & Bild Verlag) merkt pragmatisch an: „Kommt darauf an, wer Perplexity kauft.“

Meine Meinung dazu: Angesichts der jünsten Werbeintegration bei ChatGPT und immer besserer KI in Googles Suchergebnissen, gehe ich nicht davon aus, dass OpenAI weiter an Marktanteilen gewinnt. Perplexity ist seit der integration der Deep Research Funktion in so gut wie allen Chatbots auch kein besseres Produkt mehr – also wieso sollte man wechseln?

2. GEO ist kein neues SEO — aber auch kein altes

Die Gretchenfrage: Ist GEO eine eigene Disziplin oder nur SEO mit neuem Anstrich? Die Antwort fällt differenzierter aus als der LinkedIn-Diskurs vermuten lässt. 59 Prozent sehen GEO als „SEO mit Anpassungen“, 36 Prozent halten „substanzielle Ergänzungen“ für nötig, und ein einzelner Befragter sieht „unterschiedliche Disziplinen“.

Die qualitative Analyse zeigt: Die meisten Experten verankern GEO klar im SEO-Kontext, sehen aber gleichzeitig echten Zusatzaufwand. Astrid Kramer (Senior SEO & UX Consultant, Get Em All Consult) bringt es auf den Punkt: „Allerdings ist das bei genauer Betrachtung kein GEO, sondern einfach hochwertiges SEO, wie es bereits seit Jahren gemacht werden sollte.“

Michael Weber (Geschäftsführer, searchVIU GmbH) argumentiert technisch: „Solange KI-Systeme auf klassische Such-Indizes für ihr Grounding zurückgreifen, bleibt SEO das Fundament jeder LLM-Optimierung.“ Und Philipp Götza (SEO Consultant, Wingmen Online Marketing) erdet die Diskussion: „Es sind immer die langweiligen Sachen, die wir lange und konsistent gut machen müssen, um erfolgreich zu sein. Das ändert sich nicht, nur weil es ein neues Akronym gibt.“

Marcus Tandler (Chief Evangelist at Ryte, Semrush) sieht es anders: Für ihn ist der Ratschlag „Klassisches SEO ist genug!“ einer der am meisten überbewerteten Tipps der Branche. Er fordert ein fundamentales Umdenken: „Klassisches SEO optimiert für den Crawler. Modernes SEO über das Standardmaß hinaus optimiert für den Reasoning-Prozess der KI. Wir müssen aufhören, nur Dokumente zu bauen, und anfangen, Wissensmodelle zu füttern.“

Eoghan Henn (Freier Berater, rebelytics.com) bleibt dagegen bei der Erfahrung: „Bisher kann ich nicht behaupten, dass ich mit gezielten Maßnahmen den GEO-Erfolg meiner Kunden verbessern konnte. Allerdings sehe ich, dass eine starke SEO-Basis auch eine gute Voraussetzung für den GEO-Bereich ist.“

Trotzdem: Kein einziger Befragter investiert null Prozent seiner Arbeitszeit in GEO-Themen. 82 Prozent investieren mindestens 11 Prozent, fast die Hälfte sogar über 25 Prozent. Für eine Disziplin, die erst seit rund zwei Jahren existiert, ist das bemerkenswert.

Ich persönliche sehe GEO als Erweiterung des bisherigen SEO, man könnte auch sagen eine Weiterentwicklung, denn in Zukunft wird kein Suchsystem mehr ohne KI auskommen!

3. llms.txt: Der Mythos, der nicht sterben will

Eines der vielleicht überraschendsten Ergebnisse: 55 Prozent der Experten haben llms.txt nicht implementiert und sehen auch keinen Bedarf. Nur 27 Prozent haben es umgesetzt. Angesichts des medialen Hypes ein klares Signal.

Philipp Götza ist deutlich: „llms.txt. Vorgeschlagen, nie wieder vom Autor befeuert und hält sich als Mythos bis heute in den Köpfen. Niemand kann eine direkte Wirkung auf KI-Suchsysteme nachweisen und niemand unterstützt den Vorschlag offiziell.“

Eoghan Henn (Freier Berater, rebelytics.com) liefert Daten dazu: „Ich war überrascht, als ich Anfang 2026 auf 50 Traffic-starken Domains analysiert habe, ob KI-Crawler gezielt nach einer llms.txt-Datei suchen. Das Ergebnis war wirklich sehr ernüchternd, da kein einziger KI-Crawler auf diesen 50 stark besuchten Domains gezielt nach einer llms.txt-Datei gesucht hat.“

Thomas Peham (CEO, OtterlyAI) bestätigt aus Tool-Anbieter-Perspektive: „Unsere LLMs.txt Datei wird von AI Bots gecrawled, wir sehen aber keine positive Auswirkung auf unsere Sichtbarkeit.“ Johannes Beus differenziert: „Die Nutzung von llms.txt wird aktuell häufig überschätzt. Zwar kann sie ein zusätzliches Signal für AI-Systeme darstellen, ihr tatsächlicher Einfluss auf Zitierung oder Sichtbarkeit in AI-Antworten ist jedoch bislang nicht belegt und stark systemabhängig.“

Johan v. Hülsen (SEO Consultant & Geschäftsführer, Wingmen Online Marketing GmbH) kommentiert trocken: „Von LLMs.txt hab ich keine Wirkung erwartet und konnte keine feststellen.“ Eric Kubitz testet auf seine Art: „Wir haben diese leer implementiert und geschaut, ob sie überhaupt aufgerufen wird.“ Und Udo Raaf (Geschäftsführer, ContentConsultants) urteilt: „Sehe keinen Sinn in Formaten, die anfällig für Spam sind.“

Dem kann ich nichts hinzufügen, mein letzter Artikel hat die llms.txt bereits für tot erklärt:

https://www.afaik.de/die-llms-txt-ist-tot/

4. Prompt-Recherche: Alle machen es, keiner weiß wie

82 Prozent der Befragten betreiben bereits Prompt-Recherche, 50 Prozent sogar regelmäßig. Das klingt nach einer etablierten Praxis — ist es aber nicht. Denn das Kernproblem ist ungelöst: Es gibt kein Äquivalent zum Suchvolumen, und es wird vermutlich nie eines geben.

Marcus Tandler beschreibt den Paradigmenwechsel: „Die größte Herausforderung besteht darin, die deterministische Denkweise zu verlassen. Im klassischen SEO war eine Suchanfrage ein starrer Befehl in Form eines Keywords. Bei Prompts bewegen wir uns hingegen in einem probabilistischen Raum.“

Auch wenn Microsofts Bing Webmaster Tools jetzt separate Daten zur KI-Leistung ausweisen, sehen wir dort nur die Grounding Queries und nicht die von den Nutzern eingegebenen Prompts. Philipp Götza untermauert das quantitativ: „Wir haben keinen vergleichbaren Nachfrage-Proxy wie Suchvolumen. Prompts sind deutlich länger und bis auf wenige Ausnahmen n = 1, daher kann es solche Daten auch nicht geben.“

Alexander Rus (Inhaber & Geschäftsführer, Evergreen Media AR GmbH) geht noch weiter: „Für einen bestimmten Prompt aufzuscheinen zu wollen, ist nicht sinnvoll. Das ist aus meiner Sicht nicht wie das Ganze funktioniert, weil es viel zu viele Variablen gibt.“ Er kritisiert auch die Tool-Landschaft: „Die meisten AI-Tracking Tools von SEOs wurden gebaut und wollen das alles wieder auf Keywords reduzieren, wobei die Transformation von KI-Assistenten ist, dass sie dialogbasiert arbeiten.“

Johan v. Hülsen ergänzt eine oft übersehene Nuance: „Kaum aber wird diskutiert, dass ein Prompt kein einzelnes Ereignis ist. Sondern Teil einer fluiden Diskussion zwischen Mensch und Maschine.“ Stefan Fischerländer (Selbständiger Consultant) stellt sogar die Kategorie „Suche“ grundsätzlich infrage: „Ich halte den Ausdruck ‚Suchanfrage‘ im Zusammenhang mit KI-Chatsystemen für völlig falsch.“ Jens Fauldrath (Geschäftsführender Gesellschafter, get traction GmbH) bleibt bewusst lakonisch: „Hirn und Verstand“ seien die beste Methode — man müsse wissen, „dass das alles nicht sehr belastbar ist“.

Die Methoden sind entsprechend heterogen: Von Kundenbefragungen und Sales-Ticket-Analyse über klassische SEO-Tools als Proxy bis hin zu spezialisierten KI-Monitoring-Tools wie Peec.ai, OtterlyAI und SISTRIX. Götza unterscheidet zudem: „Klassische Suchmaschinen sind deterministisch, KI-Suchsysteme probabilistisch.“ Das verändert die Herangehensweise fundamental.

Ein besonders praxisrelevantes Detail: Mehrere Experten betonen, dass Erwähnung und Zitierung unterschiedliche Optimierungspfade erfordern. Zitierung liegt näher an klassischem SEO, Erwähnung erfordert stärkeres Brand-Building.

Ich stimme dem uneingeschränkt zu und habe im Oktober 25 geschrieben, dass trotz aller Schwächen, die Prompt Extraktion mittels Verbalized Sampling derzeit die beste Möglichkeit ist, so etwas wie repräsentativen Prompts wenigstens nahe zu kommen:

https://www.afaik.de/prompt-research/

5. Was KI-Systeme zitieren: Fakten schlagen Marketing

Die Befragten sind sich erstaunlich einig darüber, was in KI-Antworten erscheint: klare, faktenorientierte, gut strukturierte Inhalte mit echtem Informationsgewinn. Marcus Tandler formuliert es bildhaft: „KI-Antworten filtern den ganzen ‚SEO-Füllstoff‘ gnadenlos raus und krallen sich nur die Essenz.“

Eoghan Henn liefert dafür ein anschauliches Beispiel: „Ich habe in mehreren Fällen beobachtet, dass ein Pressemitteilungs-Boilerplate in einer vergrabenen PDF-Datei öfter zitiert wurde, als die offizielle Über Uns-Seite des Unternehmens.“ Der Grund: PR-Boilerplates sind faktenorientiert und für Journalisten geschrieben, die offenbar einen ähnlichen Informationsbedarf wie KI-Systeme haben.

Florian Stelzner (Geschäftsführender Gesellschafter, Wingmen Online Marketing GmbH) bringt es auf eine Formel: „Die KI zitiert lieber klare Aussagen als schwammige oder lyrisch möglichst ausschweifende Erklärungen.“ Oder kürzer: „Don’t make Systems think.“ Johan v. Hülsen wird konkret: „Kurze klare Sätze mit Belegen. Sätze die nicht in unterschiedliche Richtungen interpretiert werden können und eindeutige Antworten auf Fragen geben.“

Christopher Wagner (AI Architect, ehem. Head of SEO Rheinische Post Mediengruppe) bringt die technische Perspektive ein: „Hohe semantische Dichte und logische Stringenz machen Inhalte besonders zitierfähig. LLMs […] bevorzugen Kausalität und faktische Härte gegenüber narrativen Einleitungs-, Zwischentext- und Fazitweichmachern.“

Überraschend positiv werden FAQ-Abschnitte bewertet: 68 Prozent halten sie für „nützlich“ oder „sehr nützlich“ für die KI-Sichtbarkeit. Das ist bemerkenswert, da FAQs in der klassischen SEO-Community zuletzt eher kritisch gesehen wurden. Alexander Rus erklärt warum: „Sie sind sehr einfach extrahierbar, weil sie für sich allein stehen können.“

Astrid Kramer widerspricht allerdings dem populären Rat, Content gezielt „in Snippet-Form für KI“ zu schreiben: Gute Nutzertexte würden zitiert, künstliche KI-Snippets eher nicht. Das Spannungsfeld zwischen „kurz und prägnant“ und „tiefgehend und kontextreich“ löst sich vermutlich in der Struktur: kurze, extrahierbare Abschnitte innerhalb eines umfassenden Gesamttexts.

Ich halte FAQs grundsätzlich für eine gute Möglichkeit, klare Antworten auf Fragen der Nutzerinnen und Nutzer zu geben, werde das Thema aber im Buch nochmal ausführlicher analysieren.

6. Fast alle (82 Prozent) erwarten weniger organischen Traffic

Die vielleicht beunruhigendste Zahl: 82 Prozent der Experten erwarten eine Abnahme des organischen Traffics durch Google. Das ist die am häufigsten gewählte Option bei der Frage zur Google-Entwicklung — noch vor „Mehr KI-Antworten“ (68 Prozent).

Udo Raaf rät trotzdem zu Gelassenheit: „Auch wenn die Klicks sich im letzten Jahr halbiert haben, rate ich zu stoischer Gelassenheit.“ Die Messproblematik verschärft die Situation: Die Hälfte der Befragten misst KI-Traffic nicht oder nur teilweise. Referrer-Daten sind unvollständig, KI-Systeme übergeben sie uneinheitlich oder gar nicht.

Philipp Götza beschreibt das Dilemma: „Jemand der eine Empfehlung bekommen hat, wird im Tracking, egal wie ich es mache, nicht aufschlagen, da es keinen Klick gab.“ Alexander Rus denkt das weiter: „Ich halte generell nichts davon, an Klicks festzuhalten, wenn wir in eine Richtung gehen, wo KI Menschen berät und die machen dann irgendwas.“ Julian Strote (Geschäftsführer, rankeffect digital GmbH) verschiebt den Fokus: „Konzentriert euch auf die Conversion! SEO ist Mittel zum Zweck und auch GEO wird Mittel zum Zweck werden.“ Und Jens Fauldrath relativiert grundsätzlich: „Sichtbarkeit ist halt nichts, was in sich ein Ziel ist. Ist es im SEO auch nicht.“

Auch hier kann ich nur zustimmen, speziell die Messbarkeit halte ich für ein Riesen-Problem angesichts fehlender Referrer-Informationen und utm-Parametern bei vielen Chatbots, worüber ich im Dezember hier schon berichtet hatte:

https://www.afaik.de/ki-chatbot-traffic-analyse/

7. Earned Media ist der neue Hebel

Der deutlichste neue Trend: Digitale PR und Markenpräsenz jenseits der eigenen Domain werden als zentral bewertet. Über zwei Drittel der Teilnehmer nennen Digitale PR, Brand Mentions und externe Präsenz als wichtigste Ergänzung zu klassischem SEO.

Alexander Rus bringt es auf den kürzesten Nenner: „Werde eine Brand, die man nicht ignorieren kann.“ Michael Weber beschreibt die Verschiebung: „External Reputation statt Linkbuilding. Der Fokus verschiebt sich: Es geht weniger um Backlinks als darum, in externen Quellen genannt und positiv bewertet zu werden. Die KI liest mit — und gewichtet Reputation.“Anja Höbarth (CSO & Head of SEO, SlopeLift PM Media GmbH) bestätigt: „Ganz eindeutig die Digitale PR. Was wo und wie über eine Brand offpage gesagt wird ist wichtiger denn je und geht weit über das, was man bei SEO als Backlink versteht, hinaus.“

Johan v. Hülsen macht es greifbar: „Bisher konnte man mit gutem SEO einen Mangel an Produktqualität und USP teilweise verschleiern. Mit KI-Suchsystemen funktioniert das nicht mehr.“ Julian Strote formuliert es ähnlich: „Es reicht nicht mehr, dass eine Webseite verlinkt wird. Die eigene Marke muss im Kontext relevanter Themen im Web diskutiert werden.“

Ich sehe es ganz ähnlich und habe Kunden sogar schon dazu geraten ein Affiliate-Programm zu starten, damit andere Webseiten, die eine hohe Relevanz als zitierte Quellen besitzen, deren Produkte testen und besprechen. Von einfachem Linkbuilding über gekaufte Links auf Seiten die ohnehin niemand besucht halte ich nach wie vor nichts.

8. Die Fragmentierung: Google vs. ChatGPT vs. der Rest

Ob man für verschiedene KI-Systeme unterschiedlich optimieren muss, ist die am stärksten polarisierte Frage der Umfrage — keine Antwortoption erreicht auch nur 33 Prozent. Die Branche hat hier kein einheitliches Bild.

Johannes Beus beschreibt die Systemunterschiede fundiert: „Die Unterschiede zwischen den AI-Systemen sind erheblich. Google-basierte Systeme orientieren sich in der Bewertung von Quellen stark an etablierten Mechanismen der Google-Websuche. ChatGPT verfügt über diese Such- und Bewertungshistorie in dieser Form nicht.“ Florian Stelzner geht weiter: „Die Unterschiede sind sogar in der selben Systemlandschaft unterschiedlich, je nachdem welches Modell genutzt wird.“

Die Mehrheit empfiehlt dennoch eine generelle Strategie statt systemspezifischer Optimierung. Eric Kubitz hält separate Optimierung sogar für „Unsinn“. Michael Weber sagt: „Die Grundprinzipien sind identisch, nur die Details variieren.“

Ich halte eine unterschiedliche Optimierung, trotz der Unterschiede in den Systemen für wenig sinnvoll. Die Unterschiede ergeben sich aktuell noch aus dem Rückstand der relativ neuen Suchsysteme von Perplexity und ChatGPT und dem Datenvorsprung von Googles vor bing und allen anderen Suchmaschinen. Mittelfristig wird es jedoch, wie im SEO auch, so sein, dass „Was für Googles KI gut ist, ist für die anderen KIs auch gut.“ Zumindest habe ich noch keinen grundsätzlich neuen oder anderen Ansatz gesehen, der etwas anderes erfordern würde.

9. Warnung vor Snake Oil

Der Tenor bei den Praxisratschlägen ist auffällig konservativ. Die Experten warnen geschlossen vor Aktionismus und Hype. Jens Fauldrath ist dabei am deutlichsten: „Aktuell wird sehr viel Snake Oil verkauft. Da will sich eine Branche wohl schnell den Ruf ruinieren.“ Michael Weber vergleicht die aktuelle Situation mit dem „Wildwest der SEO-Anfangsjahre“ und warnt: „Wer sich von selbsternannten Experten und vermeintlichen Patentlösungen wie llm.txt oder Schema-Kosmetik blenden lässt, wiederholt die Fehler der SEO-Frühzeit.“

Christopher Wagner fordert Quellenkritik: „Ich rate dazu, radikal zu hinterfragen: ‚Wer spricht da gerade? Ein Tool-Anbieter mit Verkaufsdruck oder ein erfahrener AI-Architect?’“ Johannes Bornewasser (Consultant & Herausgeber, Teneriffa News) wird knapp: „Hört auf, jeden Test als Geheimtrick zu verkaufen!“ Anke Probst (Head of SEO, 1337 UGC GmbH) wählt eine einprägsame Metapher: „Springt nicht auf jeden vorbeifahrenden Zug auf, hinterfragt erst wohin er fährt, ob ihr die richtige Fahrkarte habt bzw. ob ihr da mit eurem Business überhaupt hin müsst.“

Astrid Kramer empfiehlt einen Perspektivwechsel: „Hört auf, GEO als Optimierungsproblem zu denken — und fangt an, es als Qualitätsaufgabe zu behandeln.“ Stefan Fischerländer fordert ein Umdenken: „Bitte hört auf, die KI-Chatsysteme als Suchsysteme zu betrachten. Menschen möchten nicht suchen, Menschen möchten ihre Probleme lösen.“

Eoghan Henn rät: „Ruhig bleiben, nachdenken, experimentieren und analysieren — anstatt in Aktionismus zu verfallen.“ Udo Raaf hält sich lieber an „seriöse wissenschaftliche Untersuchungen“ als an das, was auf LinkedIn kursiert. Und Florian Stelzner bringt eine ethische Dimension ein: „Ich bin einst angetreten, um das Netz besser zu machen und nicht, um es systematisch vollzuspammen.“

Ich möchte von Udo Raaf gerne mal erfahren, welchen „wissenschaftlichen Untersuchungen“ er hier vertraut, denn ich forsche und promoviere gerade genau in diesem Bereich und so viel gibt es dazu (noch) nicht aus der akademischen Welt. Mich persönlich nerven die ganzen Pseudowissenschaftlichen „Studien“, die irgendwelche Firmen auf Basis proprietärer Daten in intransparenten Prozessen „analysieren“ und die Erkenntnisse daraus als „Die Wahrheit“ verkaufen. Das ist übrigens ein weiterer Grund, wieso ich nach meiner SEO-Abstinenz mich verstärkt wieder diesen Themen widme.

10. Agentic AI: Die nächste Front

Bei Agentic AI zeigt sich die stärkste Spreizung der gesamten Umfrage. Alexander Rus sieht eine fundamentale Verschiebung: „Der Begriff Optimierung in all diesen Zusammenhängen ist zu klein gedacht. Es wird mehr brauchen als Optimierung, nämlich wirkliche Infrastrukturarbeit.“ Christopher Wagner formuliert einen klaren Handlungsauftrag: „Die Beschäftigung mit Agentic AI und der Nutzung des MCP sollte unbedingt auf der Agenda und Roadmap aller Firmen sein, die im KI-Zeitalter bestehen wollen.“

Johan v. Hülsen macht es konkret: „Die KI Agenten mit der mutmaßlich größten Verbreitung dürften mittelfristig agentische Browser sein. Da diese Systeme verstehen müssen, was auf dem Bildschirm passiert, profitieren sie massiv von einer klaren Informationsarchitektur und Accessibility-Optimierung.“

Auf der anderen Seite steht Udo Raaf: „Ich halte das Thema für massiv überschätzt.“ Johannes Beus sieht „noch keinen konkreten Handlungsbedarf“. Anke Probst reagiert mit einem ehrlichen: „Ohgott — gar nicht.“

Philipp Götza beobachtet die Konvergenz: „Browser werden zunehmend agentisch und können Dinge für mich erledigen. Menschen sind bequem. Wir werden trainiert, nicht mehr zu klicken, selbst zu suchen, sondern lassen suchen.“ Oder poetischer: „Suchen klingt anstrengend. Finden klingt einfach. Mit KI suchen wir weniger und finden mehr.“

Ich bin hier selbst noch unentschlossen. Auf der einen Seite sehe ich die Vorteile agentischer Systeme, andererseits ist mir die Zuverlässigkeit aktuell noch viel zu gering, um den Human aus dem Loop zu entfernen.

11. KI wird dominant — aber nicht allein

64 Prozent der Befragten erwarten, dass KI-Suche dominant wird oder die klassische Suche weitgehend ersetzt. Aber 32 Prozent sehen eine parallele Koexistenz. Die Mehrheit rechnet mit einem Szenario, in dem KI für informationelle und beratende Anfragen dominiert, während klassische Suche für navigationale und transaktionale Aufgaben bestehen bleibt.

Nina Baumann (Unternehmerin, Linkspiel) wirft dabei einen kritischen Blick auf die gesellschaftliche Dimension: „Je besser die KI-Suche wird, desto weniger kommt der Nutzer aus der ‚eigenen‘ Bubble raus. Man bekommt gute Antworten aber eben immer aus demselben Denkraum. Ich halte das für enorm gruselig!“

Eric Kubitz warnt vor Scheinsicherheit: „Ich warne davor, den aktuellen Stand als stabil anzusehen. Welche der Annahmen von vor ein oder zwei Jahren sind heute noch korrekt?“ Und Philipp Götza erinnert an das, was in der Optimierungs-Euphorie oft vergessen wird: „Wie wir damit umgehen, dass diese Technologie so teuer ist und unseren Planeten zerstört.“

Das kann ich nur unterstreichen, wobei ich nicht davon ausgehe, dass in 5 Jahren noch irgendeine Suche ohne KI auskommen wird. Das heißt jedoch nicht, dass ein Chat-Interface für alles das Richtige ist!

Fazit: Was ich aus der Umfrage gelernt habe

Die GEO-Expertenbefragung hat mein Verständnis an mehreren Stellen verschoben. Drei Erkenntnisse haben mich besonders geprägt:

Erstens: Die Branche ist nüchterner als ihr Ruf. Hinter dem lauten GEO-Diskurs auf LinkedIn und Konferenzen steht eine Praxis-Community, die experimentiert, abwägt und vor Aktionismus warnt. Das Bild des „GEO-Goldrausches“ hält der empirischen Prüfung nicht stand.

Zweitens: Die Messlücke ist das zentrale ungelöste Problem. Nicht die Optimierung selbst, sondern der Nachweis ihrer Wirkung stellt die Branche vor die größte Herausforderung. Wer KI-Sichtbarkeit nicht messen kann, kann sie auch nicht systematisch steuern.

Drittens: GEO ist keine Revolution, sondern eine Beschleunigung. Was als „GEO-Strategie“ verkauft wird, ist in den meisten Fällen das, was gutes SEO immer hätte sein sollen: klare Inhalte, technische Exzellenz, echte Expertise, starke Marke. Die KI macht nur sichtbar, was vorher schon fehlte. Oder: „Im KI-Zeitalter ist ‚Average Content‘ der neue ‚Duplicate Content‘.“, was Marcus Tandler in seiner Antwort schrieb, aber leider nicht mehr wusste, von wem dieses Zitat stammt.

Mehr dazu im Buch

Die vollständigen Ergebnisse — inklusive der Detailanalysen, der kontroversen Gegenstimmen und der offenen Dissense — fließen in mein Buch „SEO für KI — Auf den Punkt“ ein, das voraussichtlich im Q3 2026 beim O’Reilly Verlag erscheint. Es ist Teil der „Auf den Punkt“-Reihe und behandelt die Verschmelzung von Suchmaschinenoptimierung und Künstlicher Intelligenz — von den technischen Grundlagen über Prompt-Recherche und Content-Strategien bis hin zu Agentic AI.

Mein Dank gilt allen 22 Expertinnen und Experten, die sich die Zeit für diese ausführliche Befragung genommen haben.

Teilnehmer der GEO-Expertenbefragung 2026: Philipp Götza (Wingmen), Anja Höbarth (SlopeLift), Eoghan Henn (rebelytics), Thomas Peham (OtterlyAI), Johannes Bornewasser (Freelancer), Alexander Rus (Evergreen Media), Florian Stelzner (Wingmen), Astrid Kramer (Get Em All Consult), Anke Probst (1337 UGC), Johan v. Hülsen (Wingmen), Julian Strote (rankeffect), Nina Baumann (Linkspiel), Benjamin O’Daniel (Jaeckert & O’Daniel), Jens Fauldrath (get traction), Stefan Fischerländer, Johannes Beus (SISTRIX), Eric Kubitz (Wort & Bild Verlag), Michael Weber (searchVIU), Dr. Beatrice Eiring (eology), Udo Raaf (ContentConsultants), Marcus Tandler (Semrush) und Christopher Wagner.