Was ist Generative Engine Optimization?
Generative Suchsysteme beantworten eine Frage nicht mit einer Liste von Links, sondern mit einem formulierten Text. Dafür rufen sie Webseiten ab, fassen die Inhalte zusammen und verweisen teilweise auf ihre Quellen. Genau hier setzt GEO an: Inhalte, Fakten und Marke eines Unternehmens sollen so aufbereitet und im Web verankert sein, dass KI-Systeme sie finden, richtig verstehen und in ihre Antworten übernehmen.
Der Begriff stammt aus der Forschung. Im November 2023 veröffentlichten Pranjal Aggarwal und Kollegen das Paper „GEO: Generative Engine Optimization“, das 2024 auf der Konferenz KDD vorgestellt wurde. Seitdem hat sich GEO als Sammelbegriff für die Optimierung auf KI-Suche etabliert. Verwandte Begriffe sind Answer Engine Optimization (AEO) und KI-SEO.
Was die GEO-Studie gezeigt hat
Die Autoren testeten neun Methoden, Webtexte zu überarbeiten, auf einem eigenen Benchmark mit Suchanfragen aus vielen Themenfeldern sowie mit der KI-Suchmaschine Perplexity. Laut Abstract konnte GEO die Sichtbarkeit in generativen Antworten um bis zu 40 Prozent steigern.
- Am besten schnitten drei Methoden ab: Quellenangaben ergänzen, Zitate aus glaubwürdigen Quellen aufnehmen und Statistiken einbauen.
- Klassisches Keyword-Stuffing brachte in den Tests kaum oder keine Verbesserung.
Die Ergebnisse stammen aus einer Testumgebung mit dem Stand von 2023, unter anderem mit einem System auf Basis von GPT-3.5. Heutige KI-Suchen arbeiten mit anderen Modellen und Abrufverfahren. Die Studie zeigt deshalb eine Richtung, aber keine übertragbare Erfolgsformel.
GEO und SEO: Unterschiede und Überschneidungen
Google sieht keinen Gegensatz. In seinem Leitfaden zur Optimierung für generative KI in der Google-Suche schreibt Google, dass Optimierung für die generative KI-Suche aus Sicht der Google-Suche weiterhin SEO ist. Damit eine Seite in AI Overviews oder im KI-Modus als Quelle verlinkt werden kann, muss sie laut Search Central indexiert sein und mit Snippet angezeigt werden dürfen. Solide Suchmaschinenoptimierung bleibt also die Grundlage.
In der Praxis verschieben sich trotzdem einige Schwerpunkte:
- Ziel: Erwähnung und Quellenverweis in einer Antwort statt einer Position in einer Ergebnisliste.
- Anfragen: Fragen an KI-Systeme sind oft länger und gesprächsartig. Google kann sie zusätzlich in Teilfragen zerlegen, siehe Query Fan-out.
- Quellen: Neben der eigenen Website können auch Presseartikel, Branchenportale, Foren und Bewertungen in eine Antwort einfließen.
- Messung: Es gibt keine stabile Position. Man misst Anteile über viele Prompts, siehe KI-Sichtbarkeit.
Die wichtigsten GEO-Hebel
- Technische Erreichbarkeit: Die Crawler der Anbieter müssen Inhalte abrufen können, etwa Googlebot, OAI-SearchBot von OpenAI oder Claude-SearchBot von Anthropic. Wichtige Inhalte gehören ins HTML und nicht nur in PDFs oder nachgeladene Skripte.
- Eindeutige Fakten: Preise, Standorte, Leistungen und Kennzahlen stehen an einer Stelle, sind aktuell und widersprechen sich nicht zwischen verschiedenen Seiten.
- Antwortfähige Inhalte: Fragen der Zielgruppe werden direkt beantwortet, mit Belegen und eigener Erfahrung. Google empfiehlt in seinem Leitfaden Inhalte mit eigener Perspektive statt austauschbarer Standardtexte.
- Strukturierte Daten: Schema.org-Auszeichnungen helfen bei der Eindeutigkeit, sind laut Google für die generative Suche aber keine Voraussetzung.
- Erwähnungen außerhalb der eigenen Website: Fachpresse, Verbände und Vergleichsportale prägen, wie eine Marke beschrieben wird. Nicht authentische Erwähnungen sind laut Google-Leitfaden weniger hilfreich, als es scheinen mag, weil Googles Systeme auf hochwertige Inhalte setzen und Spam herausfiltern.
- Monitoring: Regelmäßige Abfragen zeigen, ob Maßnahmen wirken und ob KI-Systeme falsche Angaben machen. Mehr dazu unter KI-Monitoring.
Was GEO nicht leisten kann
KI-Systeme sind für Außenstehende weitgehend eine Blackbox, und ihre Antworten schwanken. Eine Untersuchung von SparkToro und Gumshoe mit knapp 3.000 Durchläufen ergab: Stellt man ChatGPT oder Googles KI dieselbe Frage hundertmal, liegt die Wahrscheinlichkeit, dass zwei Antworten dieselbe Markenliste enthalten, unter eins zu hundert. Eine garantierte Nennung kann deshalb niemand seriös versprechen.
Google nennt in seinem Leitfaden zudem Maßnahmen, die für die generative Google-Suche nicht nötig sind: spezielle KI-Textdateien wie die llms.txt, das Zerlegen von Texten in kleine Häppchen und das Umschreiben von Inhalten speziell für KI.
GEO in der Praxis
Am Anfang steht eine Bestandsaufnahme: Welche Fragen stellen Kunden, was antworten die KI-Systeme heute, und woher kommen Fehler? In einem Kundenprojekt haben wir 450 KI-Antworten zu einer großen Organisation geprüft, jeweils 150 Prompts in ChatGPT, Claude und Gemini, jede Aussage abgeglichen mit einem wörtlichen Beleg von der Website der Organisation. Nur 20 Prozent waren vollständig korrekt, 37 Prozent korrekt, aber ungenau, 38 Prozent teilweise falsch und 2 Prozent falsch. Die übrigen rund 3 Prozent behandelten die Organisation nicht und blieben ohne Bewertung. Rund ein Drittel der Fehler ließ sich auf die eigene Website zurückführen: Informationen, die nur in PDFs oder im Onlineportal standen oder über viele Seiten verstreut waren, inhaltliche Lücken und widersprüchliche Zahlen auf verschiedenen Seiten.
Solche Ursachen lassen sich direkt beheben, bevor Budget in Reichweite außerhalb der eigenen Website fließt. Einen strukturierten Einstieg bietet ein GEO-Audit. Einen Überblick über alle Leistungen rund um KI-Suche finden Sie auf unserer Seite zu Generative Engine Optimization.
Sie wollen Ihre Marke in KI-Antworten sichtbar machen und brauchen Unterstützung? Dann kontaktieren Sie uns gerne oder lesen Sie mehr über unsere GEO-Leistungen! Sie wollen mehr erfahren oder Ihr Team zu diesem Thema schulen lassen? Dann schauen Sie mal bei unserem GEO-Seminar vorbei.
