top of page
SEO & GEO - FAQs für B2B-Unternehmen
Auf dieser Seite beantworte ich umfassend alle Fragen zu SEO und GEO — gesammelt aus Kundenprojekten, Workshops und Fachdiskussionen der letzten Monate. Die Antworten sind bewusst konkret gehalten: mit Zahlen, Beispielen und ehrlichen Einschätzungen, auch dort wo es noch keine perfekte Lösung gibt.
Die Seite wird laufend erweitert. Letzte Aktualisierung: Juli 2026.
Wer beantwortet diese Fragen?
Arne Siegner
SEO- & GEO-Berater für Energie, Industrie & Technologie
Arne Siegner arbeitet seit 2013 als selbstständiger Content-Stratege und SEO-Berater, seit 2024 auch mit Fokus auf Sichtbarkeit in KI-Systemen wie ChatGPT, Perplexity und Google AI. Zu den Kunden zählen Tesla, Solarwatt, VARTA, ADS-TEC Energy und REMONDIS.
Die Antworten auf dieser Seite entstehen nicht am Schreibtisch, sondern in echten Projekten: aus GEO-Audits, Prompt-Tests mit dokumentierten Screenshots und Content-Umsetzungen für Industrie- und Energieunternehmen.
Wo eine Frage noch keine endgültige Antwort hat, steht das hier auch so.
Fragen, Anmerkungen oder ein Thema, das fehlt?
Grundlagen: Was ist GEO?
Was ist Generative Engine Optimization (GEO)?
GEO ist die Praxis, Inhalte und Markenpräsenz so zu gestalten, dass KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews sie verstehen, auswählen und zitieren. Im Kern geht es um drei Dinge: relevante Nutzerfragen kennen (Prompt-Recherche), die eigene Sichtbarkeit in KI-Antworten analysieren, und Inhalte plus externe Quellen so aufbauen, dass die Marke empfohlen wird. GEO ergänzt SEO — es ersetzt es nicht.
Was ist der Unterschied zwischen SEO und GEO?
SEO fragt: Für welche Keywords ranke ich? GEO fragt: Bei welchen Entscheidungen empfiehlt mich die KI? Der praktische Hauptunterschied: Im SEO liefern Tools die Daten (Keywords, Suchvolumen, Rankings). Im GEO musst du die Datenbasis selbst definieren — kein Tool sagt dir verlässlich, welche Fragen deine Zielgruppe in ChatGPT stellt. Die technische Grundlage bleibt gleich: Was bei Google nicht indexierbar ist, taucht auch in KI-Antworten nicht auf.
Lohnt sich GEO für B2B-Unternehmen schon?
Ja — gerade im B2B. Kaufentscheidungen mit langen Recherchephasen sind genau das Szenario, in dem Einkäufer heute KI-Systeme befragen: 'Welcher Anbieter für Industriespeicher hat Erfahrung mit Gewerbeprojekten?' Wer in dieser Vorauswahl nicht vorkommt, wird gar nicht erst kontaktiert. Der Traffic-Anteil von KI-Systemen ist heute noch klein, aber die Vorauswahl-Wirkung ist bereits real — und der First-Mover-Vorteil messbar.
Wie schnell wirkt GEO?
Schneller als die meisten erwarten. Erste Effekte sind oft nach wenigen Tagen sichtbar, weil KI-Systeme mit aktiver Websuche (RAG) neue Inhalte schnell aufnehmen — anders als klassisches SEO, das Monate braucht. Die Voraussetzung: klar definierte Prompts, gezielter Content und direkte Messung. GEO ist kein Monatsprojekt, sondern ein Test- und Iterationsspiel.
Ist GEO nur ein neuer Name für technische SEO-Tricks?
Nein — und genau das ist das häufigste Missverständnis. GEO ist nicht llms.txt, Chunking oder Schema-Markup. Google selbst hat klargestellt: Es braucht keine Spezialdateien für KI-Sichtbarkeit. Der Kern von GEO ist inhaltlich und strategisch: echte Nutzerfragen verstehen, zitierfähige Inhalte bauen, externe Autorität aufbauen. Technik ist Hygiene, nicht der Hebel.
GEO, LLMO, AEO, AIO, KI-SEO — sind das alles verschiedene Dinge?
In der Praxis werden die Begriffe weitgehend synonym verwendet — alle beschreiben die Optimierung für KI-gestützte Antwortsysteme. GEO (Generative Engine Optimization) hat sich als Sammelbegriff durchgesetzt. Eine Unterscheidung ist trotzdem nützlich: die zwischen kurzfristiger und langfristiger Wirkung. Inhalte können über die aktive Websuche der KI-Systeme (RAG) innerhalb von Tagen in Antworten auftauchen — das ist der operative Teil. Daneben gibt es die langfristige Verankerung im Trainingswissen der Modelle, die über Monate durch konsistente Präsenz in starken Quellen entsteht — dafür steht der Begriff LLMO. Wer neu einsteigt, sollte sich vom Begriffs-Zoo nicht verwirren lassen: Die Maßnahmen dahinter überschneiden sich fast vollständig.
Was ist RAG (Retrieval-Augmented Generation) — und warum ist es für die Sichtbarkeit entscheidend?
RAG bedeutet, dass ein KI-System vor der Antwort aktiv im Web nach aktuellen Quellen sucht, statt nur auf sein Trainingswissen zurückzugreifen. Erst wird eine passende Quelle abgerufen (Retrieval), dann daraus die Antwort formuliert (Generation). Für die Praxis ist das die wichtigste Mechanik überhaupt: Sie erklärt, warum GEO-Maßnahmen schnell wirken können — neue oder aktualisierte Inhalte sind sofort abrufbar, ohne auf den nächsten Trainingszyklus des Modells zu warten. Und sie erklärt, warum Bot-Zugriffe von ChatGPT und Co. auf der eigenen Website ein direktes Erfolgssignal sind: Genau dieser Abruf ist der Retrieval-Schritt in Aktion.
Was ist eine Entität — und warum reden im GEO-Kontext alle davon?
Eine Entität ist eine eindeutig identifizierbare Einheit: ein Unternehmen, eine Person, ein Produkt, ein Ort. KI-Systeme denken nicht in Keywords, sondern in Entitäten und deren Beziehungen — sie vergleichen, welche Begriffe, Marken und Themen in vertrauenswürdigen Quellen gemeinsam auftauchen. Praktisch bedeutet das: Eine Marke, die überall leicht anders beschrieben wird (mal mit Keyword-Zusatz im Namen, mal mit anderer Branchenzuordnung), ist für die Maschine mehrere unscharfe Objekte statt einer klaren Entität. Konsistenz über Website, LinkedIn und Verzeichnisse hinweg ist deshalb kein Schönheitsdetail, sondern die Grundlage dafür, dass die KI überhaupt weiß, wer da empfohlen werden könnte.
Welche Rolle spielt E-E-A-T bei der KI-Sichtbarkeit?
E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness — die Kriterien, mit denen Google die Glaubwürdigkeit von Inhalten bewertet. Für KI-Antworten wirken dieselben Signale, teils sogar stärker: Sichtbare Autorenschaft mit echten Credentials, belegte Fachkompetenz, konsistente Fakten über mehrere Quellen und externe Bestätigungen erhöhen die Wahrscheinlichkeit, zitiert zu werden. Der Umkehrschluss aus der Praxis: Anonyme Inhalte ohne erkennbaren Absender haben es schwer — die KI muss die Antwort jemandem zuschreiben können, dem sie vertraut. Ein Autorenprofil mit Rolle, Erfahrung und Verknüpfung zur Organisation ist deshalb keine Formalie, sondern ein Zitierfaktor.
Welche Inhalte eignen sich am besten für KI-Sichtbarkeit?
Hier lohnt eine differenzierte Antwort, denn eine verbreitete Empfehlung ist inzwischen überholt: Glossare und reine Definitions-Ratgeber werden oft noch als GEO-Format genannt — dabei beantwortet die KI Definitionsfragen längst aus eigenem Wissen, ohne die Quelle zu zitieren oder Traffic zurückzugeben. Was nachweislich funktioniert: Vergleichs- und Kriterienseiten, Kostenübersichten mit echten Zahlen, Prozess-Beschreibungen, Anwendungsfälle mit Branchenbezug und FAQ-Blöcke zu echten Entscheidungsfragen. Die Faustregel: Content lohnt sich, wenn er tiefer geht als eine KI-Kurzantwort und Informationen enthält, die es nur bei dir gibt — eigene Daten, Projekterfahrungen, konkrete Preise.
Prompts & Messung
Wie finde ich heraus, welche Prompts meine Zielgruppe nutzt?
Fünf Quellen funktionieren ohne teure Tools: People Also Ask in Google, Google Suggest, Vertriebsgespräche (die wertvollste Quelle — hier hört man echte Kaufentscheidungsfragen), Support-Anfragen und Wettbewerber-FAQs. Klassische Keyword-Recherche ist ein guter Startpunkt, muss aber in natürlichsprachige Fragen übersetzt werden: Aus 'Batteriespeicher Gewerbe' wird 'Welcher Batteriespeicher
lohnt sich für einen Betrieb mit hohem Tagverbrauch?'
Lohnt es sich, Prompts zu tracken, bei denen meine Marke noch gar nicht genannt wird?
Ja — gerade diese. Awareness-Prompts zeigen, welche Wettbewerber im Entscheidungsraum deiner Zielgruppe auftauchen, bevor du selbst sichtbar bist. Das ist dein Ausgangswert. Ohne diese Baseline kannst du später nicht belegen, dass deine Maßnahmen gewirkt haben.
Nutzer geben oft nur ein bis drei Wörter ein. Muss ich trotzdem auf lange Prompts optimieren?
Beides, mit unterschiedlicher Logik. Kurze Prompts funktionieren wie klassische Keywords — die KI ergänzt intern den Kontext. Lange Prompts sind die eigentliche GEO-Chance, weil sie Branche, Situation und Kriterien enthalten und damit präzisere Antworten auslösen. Ein sinnvolles Prompt-Set deckt beide ab: kurze Kategorie-Prompts als Baseline, lange Entscheidungs-Prompts als Hebel.
Wie verhindere ich, dass meine GEO-Messung durch selbst definierte Prompts verzerrt wird?
Indem die Prompts nicht am Schreibtisch erfunden, sondern aus externen Quellen abgeleitet werden: People Also Ask, echte Vertriebsgespräche, Support-Tickets, Community-Diskussionen. Als Faustregel: Mindestens ein Drittel der getrackten Prompts sollte aus Quellen stammen, die du nicht selbst formuliert hast. Sonst misst du nur, wie gut du deine eigenen Fragen beantwortest.
KI-Antworten sind personalisiert und variieren ständig. Kann man Sichtbarkeit überhaupt messen?
Ja — aber nicht über einzelne Antworten. KI-Systeme arbeiten probabilistisch, wie ein Würfel: Ein einzelner Wurf sagt nichts, 600 Würfe zeigen ein klares Muster. Genauso misst man GEO-Sichtbarkeit über Verteilungen innerhalb sauber definierter Themen-Cluster: Wie oft wird die Marke über viele Testläufe hinweg genannt? Interessant dabei: Die zitierten Quellen wechseln stark, die genannten Marken sind erstaunlich stabil.
Meine Inhalte werden zitiert, aber meine Marke wird nicht genannt. Was bedeutet das?
Das ist der Unterschied zwischen Citations und Mentions — und ein häufiges Muster. Hohe Citations bei niedrigen Mentions heißt: Die KI nutzt deine Inhalte als Faktenquelle, empfiehlt aber die Marke nicht aktiv. Deine Expertise wird erkannt, deine Marke ist als Entität zu schwach verankert. Die Lösung liegt dann nicht im Content, sondern im Markenaufbau: konsistente Positionierung, externe Erwähnungen, klare Kategoriezuordnung.
Wie überzeuge ich mein Management, dass spezifische Prompts wichtiger sind als generische Kategorie-Sichtbarkeit?
Mit einer Live-Demo statt einer Präsentation. Öffne ChatGPT im Meeting und stelle die drei wichtigsten Kaufentscheidungs-Prompts der Branche. Wenn der Wettbewerber genannt wird und das eigene Unternehmen nicht, ist die Diskussion beendet. Danach lässt sich Share of Voice als KPI etablieren — wie oft werden wir im Vergleich zum Wettbewerb genannt — statt abstrakter Impressionen.
Werden KI-Anbieter künftig offenlegen, bei welchen Prompts eine Marke erscheint?
Die Richtung stimmt, aber die entscheidende Metrik fehlt noch. Google hat GenAI-Reports in der Search Console angekündigt (Impressionen aus KI-Features), Bing zeigt seit Anfang 2026 AI-Performance-Daten in den Webmaster Tools. Was beide nicht liefern: Brand Mentions auf Prompt-Ebene — also die Frage 'Bei welcher Anfrage werde ich empfohlen?' Bis dahin bleibt strukturiertes manuelles Testing die verlässlichste Methode.
Was kann ich gegen falsche oder halluzinierte KI-Aussagen über meine Marke tun — ohne Tool-Budget?
Drei Maßnahmen, alle ohne laufende Kosten:
-
Erstens eine zentrale Fakten-Seite auf der eigenen Website (Grounding Page) mit allen zitierfähigen Kernfakten als statischer Text — Gründungsjahr, Leistungen, Zahlen, Standorte.
-
Zweitens identische Beschreibungstexte auf allen Drittprofilen (LinkedIn, Branchenverzeichnisse, Bewertungsportale): Je mehr Quellen dieselben Fakten bestätigen, desto weniger Raum für Halluzinationen.
-
Drittens regelmäßiges manuelles Testen der wichtigsten Prompts mit Screenshot-Dokumentation als Frühwarnsystem.
Quellen & Kanäle
Welche externen Quellen sind für KI-Sichtbarkeit wichtig?
Es kommt auf das KI-System an — und das ist der meistunterschätzte Punkt. YouTube ist für den Google-Kosmos (AI Overviews, Gemini) stark gewichtet, für ChatGPT nahezu irrelevant. LinkedIn, Wikipedia und Fachportale werden je Modell unterschiedlich herangezogen. Die Quellenstrategie muss deshalb modellspezifisch geplant werden, nicht pauschal. Ein Audit zeigt, welche Domains für das eigene Themenfeld tatsächlich zitiert werden — dort muss man hin.
Wo werden eigene Inhalte zitiert — und wo Drittquellen?
Eine belastbare Faustregel aus der Praxis: Je tiefer im Funnel, desto eher zitiert die KI eigene Inhalte. Je weiter oben — bei Anbieter-Übersichten und Vergleichsfragen — desto eher Drittplattformen. Bei 'Was ist das beste CRM-System?' werden Vergleichsportale zitiert, bei 'Wie konfiguriere ich Produkt X für Anwendung Y?' die Herstellerseite. Konsequenz: Für Upper-Funnel-Sichtbarkeit braucht es Präsenz auf Drittquellen, für Lower Funnel starken eigenen Content.
Warum gilt Reddit als vertrauenswürdige Quelle für KI-Systeme — dort kann doch jeder alles schreiben?
Reddit liefert etwas, das Marketing-Texte nicht liefern können: ungefilterte, historisch gewachsene Nutzermeinungen mit Community-Bewertung (Upvotes, Diskussionen). Das ist schwer zu faken — Manipulationsversuche werden von den Modellen zunehmend erkannt. Wichtig für die Einordnung: Im DACH-B2B-Bereich wird Reddit bisher wenig zitiert. Für Industrieunternehmen sind Fachportale, Verbandsseiten und Branchenmedien deutlich relevanter.
Wie fördere ich Reddit- oder Community-Präsenz, wenn es dort noch keine Beiträge über mein Unternehmen gibt?
Nicht durch gefälschte Posts — die fliegen auf und schaden. Der ehrliche Weg: selbst authentisch in relevanten Communities teilnehmen, Fachfragen beantworten, eigene Daten und Erfahrungen teilen. Das dauert länger, baut aber echte Signale auf. Vorher lohnt die Prüfung, ob die Plattform für das eigene Themenfeld überhaupt zitiert wird — oft ist ein Gastbeitrag im richtigen Fachportal wirksamer als monatelange Reddit-Arbeit.
Welchen Wert hat PR und Earned Media für GEO?
Einen sehr hohen — PR ist einer der stärksten GEO-Hebel überhaupt. Erwähnungen in Fachmedien sind externe Bestätigungen, die KI-Systeme als vertrauenswürdig gewichten, gerade bei Übersichts- und Vergleichsfragen im Upper Funnel. Eine dokumentierte Fallstudie zeigte: Ein einzelnes Advertorial auf einer reichweitenstarken Domain erzeugte fast 200 direkte KI-Zitate in vier Wochen. Voraussetzung: Die Erwähnung muss dieselben Kategoriebegriffe und Kernaussagen tragen wie die eigene Website.
Ein gut rankender Vergleichsbeitrag eines Wettbewerbers erwähnt meine Marke nicht. Was tun?
Zwei Wege, idealerweise kombiniert: Erstens einen eigenen, umfassenderen Vergleichsbeitrag erstellen, der alle relevanten Anbieter fair behandelt — inklusive der eigenen Position mit belegbaren Stärken. Solche Vergleichsseiten werden von KI-Systemen bevorzugt zitiert.
Zweitens den Autor oder die Plattform direkt kontaktieren und ergänzende Informationen anbieten. Der PR-Ansatz wirkt hier oft schneller als der reine Content-Ansatz.
Marke & Positionierung
Warum ist Markenbekanntheit für KI-Sichtbarkeit so wichtig?
KI-Systeme bevorzugen bekannte Marken — das ist messbar. Eine Marke, die häufig, konsistent und mit klarem Themenbezug im Web erwähnt wird, hat ein stärkeres semantisches Profil im Modell und wird bei passenden Fragen eher aktiviert. Entscheidend ist dabei nicht absolute Bekanntheit, sondern Bekanntheit in der eigenen Nische: Ein Spezialist für Industriespeicher muss nicht bekannter sein als Siemens — nur klarer verankert in seinem Themenfeld.
Wie wird eine gute Positionierung konkret KI-relevant?
Über drei Schritte: Erstens die Positionierung in einen zitierfähigen Kernsatz fassen — dritte Person, Firmenname als Subjekt, konkrete Fakten statt Adjektive ('XY ist Anbieter für Z mit 30 Standorten' statt 'führender Komplettanbieter'). Zweitens diesen Text identisch auf allen Profilen platzieren: Website, LinkedIn, Branchenverzeichnisse, Bewertungsportale. Drittens die gewählten Kategoriebegriffe über Jahre konsistent wiederholen — Konsistenz schlägt Kreativität, weil KI-Systeme Entitäten über wiederkehrende Muster erkennen.
Welche Fragen führen zu einer klaren Markenposition für KI-Systeme?
Vier Fragen reichen für den Kern: Für welches eine Themenfeld soll die Marke stehen (nicht drei)? Welche drei bis fünf Attribute sollen wiederkehrend mit ihr verbunden werden? Wogegen grenzt sie sich explizit ab — was ist sie ausdrücklich nicht? Und welche externen Quellen bestätigen diese Rolle bereits heute? Die letzte Frage ist die wichtigste: Eine Positionierung, die nur auf der eigenen Website steht, existiert für KI-Systeme praktisch nicht.
SEO & GEO in der Praxis
Ist die klassische Keyword-Recherche noch ein guter Ausgangspunkt?
Ja — als Startpunkt, nicht als Endpunkt. Keywords zeigen, wonach gesucht wird, und liefern die thematische Landkarte. Für GEO müssen sie dann in natürlichsprachige Fragen übersetzt und um Kontext erweitert werden: Situation, Branche, Entscheidungskriterien. Aus einem Keyword entstehen so typischerweise fünf bis zehn Prompt-Varianten über verschiedene Funnel-Stufen.
In welchen Formaten sollte ich Erkenntnisse aus Vertriebsgesprächen verarbeiten?
FAQs auf Leistungsseiten sind der effektivste Kanal: Sie beantworten echte Kauffragen, sind isoliert zitierfähig und sitzen dort, wo die Entscheidung fällt. Blogbeiträge eignen sich für komplexere Vergleichs- und Kriterienfragen. Videos funktionieren als Ergänzung — aber immer mit Transkript, damit die Inhalte auch textlich lesbar sind. Die Grundregel: Jede Frage, die im Vertrieb dreimal gestellt wurde, gehört beantwortet auf die Website.
Sollten häufige Support-Anfragen auch auf Landingpages beantwortet werden — nicht nur im Hilfebereich?
Ja, wenn dieselbe Frage vor dem Kauf relevant ist. Die Trennung: Hilfeseiten für technische Details nach dem Kauf, Leistungsseiten-FAQs für alles, was die Kaufentscheidung beeinflusst. Taucht eine Frage sowohl im Support als auch im Vertrieb auf — etwa zu Kompatibilität, Installation oder Wartungsaufwand — gehört sie auf beide Seitentypen, jeweils passend formuliert.
Wie erstelle ich Vergleichs-Content, ohne gegen das UWG zu verstoßen?
Vergleiche auf Basis öffentlich zugänglicher, belegbarer Fakten sind zulässig. Die Grenzen: keine falschen Tatsachenbehauptungen, keine pauschale Herabsetzung ohne Beleg, keine Irreführung. Sicher fährt, wer Kriterien-Vergleiche baut ('Anbieter A bietet Funktion X, Anbieter B setzt auf Y') statt wertender Urteile ('A ist besser als B'). Bei kritischen Aussagen: Quelle direkt verlinken. Im Zweifel gilt wie immer — das ist keine Rechtsberatung, bei konkreten Fällen einen Fachanwalt fragen.
Ist FAQ-Schema (JSON-LD) noch sinnvoll, obwohl Google die Rich Snippets dafür reduziert hat?
Ja — mit realistischen Erwartungen. Schema ist kein GEO-Turbo, aber ein sauberes strukturelles Signal, das Maschinen die Zuordnung von Frage und Antwort erleichtert. Der Aufwand ist minimal, der Schaden null. Die Prioritätsreihenfolge bleibt aber klar: Erst inhaltlich starke, eigenständig verständliche FAQ-Antworten schreiben — dann Schema als technische Ergänzung darüberlegen. Markup ohne Substanz bringt nichts.
Viele Nutzer verwenden KI weiterhin wie eine klassische Suchmaschine. Muss ich mich überhaupt umstellen?
Die kurze Suche stirbt nicht — deshalb bleibt SEO das Fundament. Was sich ändert, ist die Verteilung: Ein wachsender Teil der Zielgruppe nutzt KI für komplexe, kontextreiche Entscheidungsfragen, gerade im B2B mit langen Rechercheprozessen. Die richtige Strategie bedient beide Nutzertypen: solide SEO-Basis für die klassische Suche, zitierfähige Inhalte und Markenverankerung für die KI-Vorauswahl. Es ist kein Entweder-oder.
Welche technischen Voraussetzungen braucht GEO wirklich?
Weniger, als viele Anbieter suggerieren — aber die Basics sind nicht verhandelbar. Nötig sind: crawlbare, indexierbare Seiten (KI-Bots wie GPTBot und ClaudeBot dürfen nicht in der robots.txt blockiert sein), Kerninhalte als statischer Text im HTML, schnelle Ladezeiten und eine klare Seitenstruktur. Der häufigste technische Fehler in der Praxis: wichtige Fakten stecken in JavaScript-Elementen — animierte Zähler, dynamische Karten, nachladende Inhalte. Was erst im Browser entsteht, existiert für viele KI-Crawler nicht. Die Kontrolle ist einfach: Seitenquelltext öffnen und prüfen, ob die Kernaussagen dort als Text lesbar sind.
Was sind die häufigsten GEO-Fehler?
Aus der Projektpraxis sind es fünf wiederkehrende Muster: Erstens Marketing-Sprache statt Fakten — 'führender Anbieter' kann die KI nicht verwenden, 'Anbieter mit 30 Standorten' schon. Zweitens fehlende Prompt-Recherche: Es wird Content produziert, ohne zu wissen, welche Fragen die Zielgruppe tatsächlich stellt. Drittens Inkonsistenz: Die Marke wird auf Website, LinkedIn und in Verzeichnissen unterschiedlich beschrieben. Viertens blockierte KI-Crawler — oft unbeabsichtigt durch pauschale Bot-Sperren in der robots.txt oder im CDN. Fünftens der Griff zu Abkürzungen: massenhaft KI-generierter Content oder gefälschte Quellen, die von den Systemen zunehmend erkannt und aussortiert werden.
Kann ich meine GEO-Strategie nicht einfach selbst mit ChatGPT entwickeln?
Teilweise ja — und das sollte man ehrlich sagen. ChatGPT kann Keywords in Prompt-Formulierungen übersetzen, Content-Strukturen vorschlagen und Texte nach Muster aufbauen. Was die KI nicht kann: wissen, welche Prompts für dein Geschäft tatsächlich relevant sind. Diese Datenbasis existiert nirgendwo abrufbar — sie entsteht aus Marktkenntnis, Vertriebserfahrung und systematischem Testing. Genau hier liegt der Unterschied zum klassischen SEO, wo Tools die Keyword-Daten liefern. Dazu kommt die Einordnung: Ob eine KI-Antwort über die eigene Marke gut oder problematisch ist, welche Quelle das Sentiment treibt und welche Maßnahme priorisiert gehört — das ist Bewertungsarbeit, keine Textproduktion. Wer intern Zeit und Marktwissen hat, kann viel selbst machen; der externe Wert liegt in der Priorisierung und den Mustern aus vergleichbaren Projekten.
Ist GEO auch für kleine und mittelständische Unternehmen sinnvoll?
Gerade für sie — aus einem strukturellen Grund: KI-Systeme belohnen klare Spezialisierung stärker als schiere Größe. Bei einer spezifischen Frage ('Wer bietet X für Branche Y?') empfiehlt die KI den klar verankerten Spezialisten, nicht automatisch den größten Anbieter. Ein Mittelständler mit sauber definiertem Themenfeld, konsistenter Positionierung und zitierfähigen Inhalten kann in seiner Nische sichtbarer sein als ein Konzern, dessen Profil in der Breite verschwimmt. Dazu kommt der wirtschaftliche Aspekt: Die Empfehlung in einer KI-Antwort ist nicht kaufbar — sie ist einer der wenigen Sichtbarkeitskanäle, in dem Substanz aktuell mehr zählt als Werbebudget.
Brauche ich GEO für jede Seite — oder reicht bei manchen Themen klassisches SEO?
Es lohnt sich zu differenzieren. Wenig zusätzlichen GEO-Aufwand brauchen transaktionale Seiten mit klarer Kaufabsicht und lokale Suchen — hier funktioniert die klassische Logik weiter, und die KI-Kannibalisierung ist messbar geringer. Entscheidend wird GEO überall dort, wo Vorauswahl und Vertrauen den Ausschlag geben: Beratungs- und Dienstleistungsangebote, erklärungsbedürftige Produkte, Expertenpositionierung und alle Themen, bei denen Einkäufer erst recherchieren und vergleichen, bevor sie Kontakt aufnehmen. Die pragmatische Reihenfolge für begrenzte Ressourcen: erst die Seiten GEO-fähig machen, die am Ende der Entscheidungskette stehen — Leistungsseiten, Vergleiche, Referenzen — dann schrittweise nach vorne arbeiten.
Grounding Pages & KI-Referenzseiten
Was ist eine Grounding Page?
Eine Grounding Page ist eine Seite, die nicht für menschliche Besucher optimiert ist, sondern als Referenzobjekt für KI-Systeme dient: Sie bündelt alle zitierfähigen Kernfakten einer Marke, eines Produkts oder eines Themas als klar strukturierten, statischen Text — Gründungsjahr, Leistungen, Zahlen, Abgrenzungen, Definitionen. KI-Systeme mit aktiver Websuche greifen auf solche Seiten zu, um ihre Antworten mit belastbaren Fakten zu stützen. Der Erfolg misst sich deshalb nicht in Klicks, sondern in Bot-Zugriffen und Zitierungen.
Funktionieren Grounding Pages nachweislich — oder ist das Theorie?
Es gibt inzwischen dokumentierte Daten. Ein öffentlich einsehbares Praxisprojekt (groundingpage.com) zeigt für eine junge Domain mit strukturierten Faktenseiten: über 1.000 KI-Bot-Zugriffe pro Tag, davon der Großteil auf die Grounding Pages selbst. Auf jeden menschlichen Google-Klick kamen dort rund 58 Bot-Zugriffe — der häufigste Crawler war der von ChatGPT. Gleichzeitig: hohe Google-Impressionen bei sehr niedriger Klickrate. Genau dieses Muster ist der Funktionsbeweis: Die Seiten werden als Quellenkontext genutzt, nicht als Traffic-Ziel.
Sollten Grounding Pages auf Deutsch oder Englisch sein?
Idealerweise beides. Der Grund ist technisch: Wenn KI-Systeme eine Frage beantworten, zerlegen sie diese intern in mehrere Teilanfragen (Query Fan-out) — und diese laufen häufig auf Englisch, selbst wenn die ursprüngliche Nutzerfrage auf Deutsch gestellt wurde. Englischsprachige Quellen haben dadurch bessere Chancen, in die Quellenauswahl zu gelangen. Für deutsche B2B-Unternehmen mit internationalem Bezug ist die zweisprachige Anlage deshalb ein messbarer Vorteil bei überschaubarem Mehraufwand.
Woran erkenne ich, ob KI-Systeme meine Website überhaupt nutzen?
Am Bot-Traffic in den Server-Logs. KI-Crawler identifizieren sich mit eigenen Namen: GPTBot und ChatGPT-User (OpenAI), ClaudeBot (Anthropic), PerplexityBot, Google-Extended. Drei Auswertungen sind besonders aufschlussreich: Welches System crawlt am häufigsten (zeigt, wo du im Quellenpool bist), welche Seiten werden angesteuert (zeigt, ob die Tiefenstruktur erreichbar ist), und steigt die Frequenz nach Content-Updates (dein direkter Wirksamkeitsnachweis ohne Tool-Kosten). Wichtig zur Einordnung: Bot-Besuche belegen, dass du im Quellenpool bist — nicht automatisch, dass du auch zitiert wirst. Dafür braucht es zusätzlich manuelles Prompt-Testing.
Ökonomie: Klicks, Kosten, Budgets
Verliere ich durch AI Overviews wirklich messbar Klicks?
Ja — und das Muster ist inzwischen gut dokumentiert. Ein typischer Verlauf aus einem realen Kundenfall: Impressionen im Jahresvergleich plus 46 Prozent, Sichtbarkeitsindex plus 80 Prozent — aber Klicks minus 33 Prozent. Die Marke wird häufiger angezeigt, aber seltener geklickt, weil die KI-Antwort das Informationsbedürfnis direkt bedient. Branchenweite Auswertungen beziffern das kannibalisierte Klickpotenzial auf rund 23 Prozent, mit deutlichen Unterschieden je Themenfeld: Erklärungs- und Ratgeber-Content ist stark betroffen, transaktionale und lokale Suchen deutlich weniger.
Wenn die organischen Klicks sinken — muss ich dann einfach mehr Werbung schalten?
Das ist der Reflex vieler Unternehmen, und er hat einen Haken: Die KI-Empfehlung passiert vor dem Klick. Wer in der KI-Vorauswahl nicht vorkommt, wird auch mit höherem Ads-Budget nur die Nutzer erreichen, die noch klassisch suchen — ein schrumpfender Anteil bei Entscheidungsfragen. Steigende Ads-Budgets bei sinkenden organischen Klicks sind vor allem für die Plattformen ein gutes Geschäft. Die organische Alternative: in den KI-Antworten selbst präsent sein. Das ist aktuell nicht kaufbar — und genau deshalb jetzt strategisch besetzbar.
Gibt es bezahlte Platzierungen in KI-Antworten?
Stand Juli 2026: In den organischen Antworten von ChatGPT, Perplexity oder Google AI Mode lassen sich Empfehlungen nicht kaufen. Was es gibt: Produktdaten-Anbindungen wie das ChatGPT Merchant Center für E-Commerce und klassische Anzeigen rund um KI-Suchergebnisse bei Google. Ob und wann bezahlte Platzierungen innerhalb der Antworten kommen, ist offen — die Monetarisierungslogik der Anbieter spricht mittelfristig dafür. Für den Moment gilt: Die Empfehlung in der KI-Antwort ist ein organisch verdienter Platz. Wer ihn früh besetzt, hat ihn auch dann, wenn sich die Spielregeln ändern.
Wie viel Umsatz bringt SEO wirklich — und warum überschätzen es viele?
Weil in den meisten Auswertungen ein systematischer Fehler steckt: Der Umsatz aus organischem Traffic wird pauschal dem SEO zugerechnet — inklusive des Brand-Traffics, also der Nutzer, die die Marke bereits kannten und nur den Namen gegoogelt haben. Brand-Traffic konvertiert aber um ein Mehrfaches besser als Non-Brand-Traffic (in Referenzdaten etwa 8 gegenüber knapp 2 Prozent Conversion Rate). Rechnet man das sauber heraus, schrumpft der echte SEO-Wertbeitrag häufig auf ein Drittel bis ein Zehntel der naiven Zahl. Das ist kein Argument gegen SEO — aber eines für ehrliche Attribution, bevor Budgets verteilt werden.
Lohnen sich klassische Blogartikel und Ratgeber noch?
Teilweise — und die Trennlinie ist klar. Reine Definitions- und Wissensartikel ('Was ist X?') werden von KI-Antworten ersetzt: Die KI beantwortet die Frage direkt, der Artikel liefert die Daten, bekommt aber keinen Klick. Dazu kommt der Frische-Effekt: Der Großteil der von KI-Systemen zitierten Seiten ist jünger als zehn Monate — veralteter Content fällt aus der Quellenauswahl. Ratgeber lohnen sich weiterhin, wenn sie echte Entscheidungshilfe leisten: konkrete Kosten, Vergleiche, Prozesse, eigene Daten, Praxisbeispiele. Kurz: weg vom Lexikon-Content, hin zu Entscheidungs-, Vergleichs- und Kriterienseiten — mit regelmäßigen Aktualisierungen.
Sonderfälle aus der Praxis
Die KI beschreibt mein Unternehmen hauptsächlich über Drittquellen — Presse, Portale oder die Muttergesellschaft. Ist das ein Problem?
Ja, ein strukturelles. Wer von fremden Quellen beschrieben wird, hat die eigene Erzählung nicht in der Hand: Ändert sich der Inhalt der Drittquelle oder fällt sie weg, ändert sich auch die KI-Darstellung — oder die Marke verschwindet ganz. Besonders häufig betrifft das Tochtergesellschaften in Konzernstrukturen, deren Leistungen die KI über die Konzern-Website beschreibt. Aus einem eigenen Projekt mit einem Industriedienstleister stammt die Kernformel: Die KI erzählt die Geschichte, die andere über dich schreiben — nicht die, die du selbst erzählen willst. Das Ziel ist deshalb immer, die eigene Domain zur primären Quelle zu machen: mit zitierfähigen Fakten, die nirgendwo sonst so vollständig stehen.
Meine Marke wird in KI-Antworten genannt — aber als schlechtere Alternative dargestellt. Was tun?
Das ist der oft übersehene Fall: Sichtbarkeit ohne Empfehlung kann aktiv schaden. In dokumentierten Beispielen nennt die KI eine Marke, ergänzt aber direkt eine Einschränkung und empfiehlt den Wettbewerber als bessere Wahl. Die Ursache liegt fast immer in den Quellen: Vergleichsportale, Testberichte oder Nutzerdiskussionen, die die Einschränkung tragen. Der Weg dagegen: erst per Prompt-Testing identifizieren, welche Einschränkung wiederkehrt und aus welchen Quellen sie stammt — dann gezielt Belege aufbauen, die das Gegenteil dokumentieren: aktualisierte Produktdaten, unabhängige Erwähnungen, konkrete Referenzen. Sentiment lässt sich nicht wegoptimieren, aber mit besseren Belegen verschieben.
Funktionieren GEO-Hacks — zum Beispiel eigene 'unabhängige' Bewertungsseiten?
Nein — und sie sind riskant. Der aktuell kursierende Trick: eine scheinbar neutrale Bewertungs-Domain registrieren, die eigenen Rezensionen dort listen und als unabhängige Quelle tarnen. Das ist klassisches Astroturfing und fällt unter die Spam-Richtlinien der Suchmaschinen. Die Erkennung wird zudem besser: In einem dokumentierten Experiment tauchte eine frei erfundene Marke zwar kurzzeitig in KI-Antworten auf, wurde aber von einem der großen Modelle als künstlich erzeugtes Muster entlarvt. Was heute noch durchrutscht, wird morgen gefiltert — und die Domain-Verbindung zur eigenen Marke ist technisch nachvollziehbar. Nachhaltig funktioniert nur der langweilige Weg: echte Bewertungen auf etablierten Plattformen, echte Erwähnungen in echten Medien.
Darf ich eine eigene Bestenliste veröffentlichen, in der ich selbst vorkomme?
Ja — wenn sie ehrlich gebaut ist, funktioniert das sogar nachweislich gut. Ein dokumentierter Fall: Ein Mietwagenanbieter veröffentlichte ein eigenes Ranking der besten Anbieter seines Markts, mit sich selbst auf Platz eins — belegt durch echte, nachprüfbare Auszeichnungen. KI-Systeme zogen die Seite als Quelle heran. Der Unterschied zum Hack aus der vorherigen Frage: Die Liste steht transparent auf der eigenen Domain, die Kriterien sind offengelegt, die Belege real. Vergleichs- und Rankingseiten gehören zu den am häufigsten zitierten Formaten — wer die eigene Kategorie nicht selbst strukturiert, überlässt das den Portalen.
Brauche ich eine llms.txt-Datei?
Nein — Google hat ausdrücklich klargestellt, dass keine Spezialdateien nötig sind, damit Inhalte in KI-Features erscheinen. Entscheidend sind dieselben Grundlagen wie in der klassischen Suche: Indexierbarkeit, textlich verfügbare Kernaussagen, saubere Struktur. Eine llms.txt anzulegen schadet nicht und kostet zehn Minuten — aber wer sie als GEO-Maßnahme verkauft bekommt, sollte nachfragen, was sonst noch im Paket ist. Die Priorität liegt woanders: bei zitierfähigem Content und externen Quellen.
Warum erscheint mein Unternehmen in KI-Antworten nur mit Ortsbezug — aber nicht bei nationalen Anfragen?
Ein typisches Muster bei regional verankerten B2B-Unternehmen: Bei 'Anbieter für X in Köln' wird die Firma genannt, weil die KI den Standort kennt. Bei 'Anbieter für X' ohne Ortsbezug erscheinen die national verankerten Wettbewerber. Die Ursache: Der Standort ist die einzige starke Entitäts-Verknüpfung. Zwei Maßnahmen wirken dagegen: eigene statische Standortseiten (die KI liest Text — keine dynamischen Karten oder Weiterleitungen auf externe Verzeichnisse), und thematische Verankerung jenseits der Region — Branchenbezüge, Anwendungsfälle und Fachbegriffe im Fließtext, die die Marke auch ohne Ortsnennung dem Themenfeld zuordnen.
Was kostet GEO?
Seriös lässt sich das nur in Phasen beantworten, weil der Aufwand vom Ausgangszustand abhängt. Das Fundament — Prompt-Recherche, Sichtbarkeits-Audit und Positionierung — liegt bei strukturierten Projekten typischerweise im mittleren vierstelligen Bereich und dauert drei bis vier Wochen. Die Content-Umsetzung skaliert mit der Seitenzahl. Laufendes Monitoring ist optional und hängt von der Tool-Frage ab: Manuelles Prompt-Testing kostet Zeit statt Lizenzen, automatisierte Dashboards kommen mit monatlichen Tool-Kosten. Wovor man sich hüten sollte: Pauschalpakete, die mit technischen Maßnahmen wie llms.txt oder Schema-Markup gefüllt sind — das ist Hygiene, kein Hebel.
Eine Frage fehlt? Schreib sie mir — die Seite wächst mit jeder guten Frage aus der Praxis.
bottom of page