GEO-Optimierung: Schritt für Schritt zur KI-Sichtbarkeit

Ihre Kunden fragen heute ChatGPT oder Perplexity nach einer Empfehlung, oft bevor sie überhaupt eine Suchmaschine öffnen. Was GEO (Generative Engine Optimization) und AEO bedeuten und wie sie sich von SEO unterscheiden, erklären wir ausführlich im Beitrag Was ist GEO und AEO?. Dieser Beitrag setzt dort an, wo die Definition endet: mit einer Methode in sechs Schritten, mit der Sie GEO-Optimierung selbst umsetzen und ihre Wirkung messen, statt sie zu vermuten. Sie lesen hier keine Liste einzelner Tipps, sondern eine Reihenfolge, die aufeinander aufbaut und sich wöchentlich wiederholen lässt.

Als durchgehendes Beispiel dient unsere eigene Marke, ohne Beschönigung. Bei einer Messung am 27. September 2026 stellten wir 20 Kauffragen × 4 KI-Systeme, insgesamt 80 Antworten. Rivly wurde in einer einzigen davon genannt.

GEO und SEO im Vergleich: was gleich bleibt, was sich ändert

GEO-Optimierung ersetzt SEO nicht, sie kommt hinzu. Was GEO und AEO im Detail bedeuten, steht in Was ist GEO und AEO?, an dieser Stelle geht es um die praktische Konsequenz für Ihre Arbeit: Was aus der klassischen Suchmaschinenoptimierung gültig bleibt, und was zusätzlich dazukommt.

Drei Zeilen davon unterschätzen viele Teams. Erstens: Bei Google ist Platz sieben noch ein Ergebnis, in einer KI-Antwort mit drei genannten Marken ist Platz vier unsichtbar. Zweitens: Eine gute Position bei Google ist für ein KI-System kein automatischer Grund, eine Marke zu nennen: Beide Kanäle laufen nebeneinander, und beide müssen gemessen werden. Drittens: Wer nur einmal misst, sieht eine Momentaufnahme, keine Entwicklung, dazu mehr in Schritt sechs. Für Marken im DACH-Raum kommt ein Zeitfaktor hinzu: Bislang messen nur wenige Wettbewerber regelmäßig, wer früh anfängt, prägt mit, welches Bild sich ein KI-System von der eigenen Kategorie bildet.

GEO-Optimierung in sechs Schritten

Die folgende Methode beginnt bei den Fragen Ihrer Käufer, nicht bei einer technischen Maßnahme, und endet bei einer wiederholten Messung, nicht bei einer einmaligen Änderung. Wir gehen jeden Schritt am Beispiel unserer eigenen Marke durch.

Schritt 1: Kauffragen sammeln, nicht Suchbegriffe

Der erste Unterschied zur klassischen Suchbegriff-Recherche: Eine Kauffrage ist kein Stichwort, sondern ein ganzer Satz, formuliert so, wie ein Kunde ihn einem KI-System stellen würde, ohne Ihren Markennamen. Eine schwache Kauffrage klingt wie eine Suchanfrage: „GEO Optimierung Software“. Eine brauchbare Kauffrage klingt wie ein Satz an einen Menschen: „Welches Tool zeigt mir, ob ChatGPT meine Marke statt der Konkurrenz empfiehlt?“

Zwei der 20 Kauffragen, mit denen wir unsere eigene Marke messen: „Welches Tool vergleicht meine Marke mit Wettbewerbern in ChatGPT, Google und Werbung?“ und „Welche GEO-Tools für Generative Engine Optimization gibt es für den deutschen Markt?“. Wie Sie eine solche Liste von Hand zusammenstellen und in einer ersten Stichprobe testen, zeigt der Beitrag Empfiehlt ChatGPT Ihre Marke? Schritt für Schritt. Für den Start reichen zwölf bis zwanzig Fragen aus Ihrer Kategorie, wichtiger als die Zahl ist, dass sie das Vokabular Ihrer Kunden treffen, nicht Ihr eigenes. Gute Ausgangspunkte für die Formulierung sind echte Support-Anfragen, Bewertungstexte und die Fragen, die im Verkaufsgespräch wirklich fallen.

Schritt 2: Ausgangswert je KI-System messen, mit benannten Wettbewerbern

Stellen Sie dieselben Kauffragen mehreren KI-Systemen, nicht nur einem: ChatGPT, Perplexity, Claude und Gemini greifen auf unterschiedliche Quellen zurück und antworten unterschiedlich. Stellen Sie jede Frage mehrfach, nicht nur einmal, denn KI-Systeme antworten auf dieselbe Frage nicht jedes Mal identisch. Notieren Sie zu jeder Antwort, welche Marken genannt werden, in welcher Reihenfolge, und ob Ihre eigenen drei bis fünf Wettbewerber dabei sind. Wählen Sie dafür Wettbewerber, die Ihre Kunden wirklich als Alternative in Betracht ziehen, nicht die größten Namen der Branche.

Unsere eigene Messung vom 27. September 2026 zeigt, wie ernüchternd das ausfallen kann: 20 Kauffragen × 4 KI-Systeme ergeben 80 Antworten. Rivly kommt in einer davon vor, bei der Frage nach einem Tool, das die eigene Marke gegen Wettbewerber in ChatGPT, Google und Werbung vergleicht. Häufiger genannt werden Profound (43 von 80 Antworten), Peec AI (42), Otterly.AI (40), Semrush (38), Sistrix (31) und Ahrefs (16), allesamt Wettbewerber im selben Feld. Dieser Ausgangswert ist unangenehm zu lesen, aber genau dafür ist er da: Ohne ihn ließe sich nach vier Wochen nicht sagen, ob sich etwas bewegt hat. Welche Tools und Agenturen eine solche Messung ohne eigene Tabellenkalkulation übernehmen, und zu welchem Preis, vergleicht KI-Sichtbarkeit: Anbieter, Tools und Agenturen im DACH-Raum.

Schritt 3: Herausfinden, welche Quellen die KI zitiert

Viele KI-Antworten nennen nicht nur Marken, sie nennen auch, woher die Information stammt, vor allem bei Perplexity und bei Googles KI-Übersicht. Bei Perplexity stehen die Quellen direkt neben der Antwort, bei ChatGPT nur, wenn es für die Frage im Web sucht, erkennbar an eingeblendeten Links, bei Googles KI-Übersicht erscheinen sie als Kacheln über oder neben dem Text. Diese Quellenangaben zeigen, wo eine KI ihr Bild einer Kategorie herholt, unabhängig davon, ob Ihre Marke schon vorkommt.

Bei unseren eigenen 80 Antworten waren das vor allem blog.hubspot.de (10 Nennungen als Quelle) und seranking.com (10), gefolgt von omr.com (9), drweb.de (9), omt.de (7) und handelsblatt.com (6). Das ist zugleich eine Liste von Redaktionen und Verzeichnissen, bei denen es sich lohnt, mit eigenem Material vorstellig zu werden, denn genau dort holt sich die KI aktuell ihr Bild unserer Kategorie.

Schritt 4: In diese Quellen kommen

Die Liste aus Schritt drei ist eine Aufgabenliste, keine Beobachtung. Vier Wege, dort hineinzukommen:

• Bewertungen und Einträge, etwa auf OMR Reviews, Capterra oder einem passenden Branchenverzeichnis, mit vollständigem, aktuellem Profil.
• Fachmedien, mit Gastbeiträgen oder Zitaten zu Themen, zu denen Sie tatsächlich etwas beizutragen haben, nicht mit Pressemeldungen über die eigene Marke.
• Vergleiche und Ratgeber, in denen eine Erwähnung im richtigen Kontext steht, neben den Marken, mit denen Kunden Sie wirklich vergleichen.
• Eigene Inhalte, die eine Kauffrage mit Fakten beantworten, nicht mit Werbesprache: eine klare Aussage, wofür Ihre Marke steht, mit Zahlen, Quellenangabe oder einem Zitat.

Die Reihenfolge richtet sich nach Aufwand: Ein vollständiges Verzeichnisprofil ist in einer Stunde erledigt, ein Fachartikel oder eine belastbare Erwähnung in einer Vergleichsseite dauert Wochen. Für den letzten Punkt gibt es eine Grundlage, die über Meinung hinausgeht: die Studie GEO: Generative Engine Optimization (Aggarwal et al., 2023). Kurz vorweg, ausführlich im übernächsten Abschnitt: Zitate, Statistiken und genannte Quellen verbesserten die Sichtbarkeit in der Studie deutlich, Keyword-Stuffing nicht. Die technischen Grundlagen für zitierfähige Inhalte, vom Definitionssatz bis zur FAQ im Wortlaut echter Kauffragen, beschreibt der Beitrag KI-Sichtbarkeit erhöhen: 7 konkrete Maßnahmen im Detail.

Schritt 5: Die eigene Website für KI-Systeme lesbar machen

Der technische Teil ist schnell erledigt und lohnt sich trotzdem: eine robots.txt, die KI-Crawler wie GPTBot, PerplexityBot, ClaudeBot und Google-Extended ausdrücklich zulässt, vollständige strukturierte Daten nach Schema.org, Organization mit Logo, Kontakt und Verweisen auf offizielle Profile, Product mit Preis, Verfügbarkeit und, sofern echt vorhanden, Bewertungen, und, als kleine Ergänzung, eine llms.txt. Wichtig ist die Reihenfolge: llms.txt ist kein verabschiedeter Standard und kein bestätigter Rangfaktor, sie kostet nichts, ersetzt aber weder strukturierte Daten noch Erwähnungen in fremden Quellen. Alle drei Punkte im Detail, mit Prüfschritten, stehen im Beitrag KI-Sichtbarkeit erhöhen. Wo Sie robots.txt, strukturierte Daten und llms.txt in Shopware 6 anpassen, zeigt der Beitrag KI-Sichtbarkeit für Shopware.

Schritt 6: Wöchentlich neu messen, Wirkung über Wochen beurteilen

Eine einzelne KI-Antwort ist eine Momentaufnahme. Wiederholen Sie dieselben Kauffragen an denselben KI-Systemen jede Woche, mit denselben Wettbewerbern daneben, und beurteilen Sie eine Veränderung erst nach mehreren Wochen. Perplexity sucht bei den meisten Anfragen live im Web und reagiert entsprechend schneller auf neue Quellen. Antworten ohne Websuche, etwa bei ChatGPT ohne eingeblendete Links, stützen sich auf Trainingswissen, das sich langsamer verändert, oft erst über Monate.

Messen Sie dabei mehr als nur die KI-Antwort. In unserer eigenen Messung zeigt Googles KI-Übersicht bei 76 von 80 geprüften Suchanfragen eine Antwort, Rivly wird darin in keiner einzigen zitiert, und in der klassischen Google-Trefferliste führt omr.com bei 8 unserer Suchbegriffe die erste Seite an. Das ordnet den Befund aus Schritt zwei ein: Die Lücke liegt nicht nur bei den KI-Systemen, sie liegt bei denselben Quellen, die auch Google und die KI-Übersicht bevorzugen. Was auf Google und in der KI-Übersicht bei Ihren eigenen Suchbegriffen passiert, lässt sich getrennt unter SEO und KI-Sichtbarkeit einordnen, unsere eigene Methode für beide Kanäle steht offen unter Wie wir messen.

Was die Studie zu GEO zeigt, und wo sie an Grenzen stößt

Die Studie GEO: Generative Engine Optimization von Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan und Deshpande, veröffentlicht im November 2023 (Princeton University, Georgia Institute of Technology, Allen Institute for AI und IIT Delhi, angenommen für die Fachkonferenz KDD 2024), hat den Begriff GEO wissenschaftlich eingeführt und ist bis heute die am häufigsten zitierte Quelle dazu. Für die Praxis ist das relevant, weil es kaum unabhängige Forschung zu GEO gibt und viele Ratgeber die Studie nur pauschal als Beleg für „bis zu 40 % mehr Sichtbarkeit“ nennen, ohne Methode oder Grenzen zu erwähnen. Die Autoren bauten einen eigenen Testsatz, GEO-bench, mit 10.000 Suchanfragen aus 25 Themenfeldern, zusammengestellt aus neun bestehenden Datensammlungen. Für jede Anfrage ließen sie ein Sprachmodell, GPT-3.5-turbo, eine Antwort über die jeweils besten fünf Google-Treffer formulieren, mehrfach wiederholt.

Getestet wurden neun Änderungen an den Ausgangstexten, darunter das Hinzufügen von Zitaten, von Statistiken, von genannten Quellenangaben, ein überzeugender, bestimmter Ton, ungewöhnliche Formulierungen, Fachbegriffe, ein allgemein verständlicher Ton und, zum Vergleich mit klassischer SEO-Praxis, Keyword-Stuffing. Gemessen wurde mit zwei Kennzahlen: dem Gewicht einer zitierten Quelle in der Antwort, abhängig von Position und Wortzahl, und einem zweiten Wert für den Gesamteindruck, den ein Sprachmodell selbst als Bewertungsmaßstab vergab. Die drei wirksamsten Änderungen, Zitate, Statistiken und genannte Quellenangaben, verbesserten die erste Kennzahl nach Angaben der Autoren relativ um 30 bis 40 %, die zweite um 15 bis 30 %. Keyword-Stuffing, die klassische SEO-Taktik, brachte keinen Vorteil und lag teils unter dem unveränderten Ausgangstext.

Zur Einordnung gehören drei Einschränkungen, die die Autoren selbst benennen. Erstens: Getestet wurde ein simuliertes System aus dem Jahr 2023, nicht ChatGPT, Perplexity, Claude oder Gemini in ihrer heutigen Form, GPT-3.5-turbo ist inzwischen ein älteres Modell. Zweitens: Wie stark sich eine Änderung auf das Ranking der zugrunde liegenden Google-Treffer selbst auswirkt, ließ sich nicht prüfen, weil dieser Teil der Systeme nicht einsehbar ist. Drittens: Die 10.000 Testfragen bilden einen Stand von 2023 ab, und die Autoren weisen selbst darauf hin, dass sich solche Fragen mit der Zeit verändern. Die Richtung der Ergebnisse, Fakten und Quellen wirken, reine Stichwortdichte nicht, deckt sich mit dem, was wir in Schritt drei und vier oben beschreiben. Die genauen Prozentwerte auf ChatGPT oder Perplexity von heute zu übertragen, wäre dagegen nicht seriös: Dafür fehlt eine vergleichbare, aktuelle Studie an den echten Systemen.

Was wir aus unserer eigenen Messung ableiten

Ein Ausgangswert von 1 von 80 Antworten ist kein gutes Ergebnis, er ist ein Ausgangspunkt. Drei Konsequenzen ziehen wir selbst daraus: Präsenz in genau den Quellen aufbauen, die die KI für unsere Kauffragen zitiert, vor allem die Fachmedien und Verzeichnisse aus Schritt drei; eigene Inhalte nachschärfen, die diese Kauffragen mit Fakten statt mit Eigenwerbung beantworten; und die Messung jede Woche wiederholen, um zu sehen, ob sich das bewegt, statt nach einer einzelnen Änderung zu urteilen. Schnelle Ausschläge sind dabei kein verlässliches Signal: Erst wenn sich eine Nennung über mehrere Wochen wiederholt oder verschwindet, ist das ein Befund. Dieselbe Methode, mit denselben sechs Schritten, funktioniert für jede Marke, die wissen will, wo sie bei ChatGPT, Perplexity, Claude und Gemini steht. Der Aufwand liegt dabei weniger in der Technik als in der Wiederholung: dieselben Fragen, an denselben Systemen, jede Woche neu.

Jetzt prüfen, wie Ihre Marke dasteht, die erste Messung steht nach etwa 30 Minuten, ohne Kreditkarte, 14 Tage kostenlos.