LLM-SEO: So erscheinen Sie in KI-Antworten

TL;DR: LLM SEO bedeutet vor allem, eine Quelle zu werden, die in Antworten von ChatGPT, Claude, Gemini und Perplexity auftaucht – statt eine weitere Position in den blauen Suchtreffern zu gewinnen. Starte mit dem Retrieval: Halte die richtigen KI-Such-Bots unblockiert, sorge für Indexierbarkeit, veröffentliche Passagen, die sich leicht extrahieren und zitieren lassen, baue glaubwürdige Evidenz über deine eigene Domain hinaus auf und teste, ob Assistenten dich tatsächlich erwähnen. Es gibt keine bestätigte öffentliche Formel, um in einer KI-Antwort als Erstes zu ranken.

Der zentrale Fehler ist, einen LLM wie Google zu behandeln – nur mit einem Chat-Box-Anhang.

Eine Suchmaschine gibt normalerweise gerankte Dokumente zurück. Ein LLM synthetisiert eine Antwort aus dem, was es beim Training gelernt hat, dem, was es aus dem Live-Web abruft, und allem, was dieser Abruf-Mechanismus indexseitig unterstützt. Deine Seite kann die Antwort beeinflussen, ohne dass ein Klick erfolgt. Sie kann außerdem gut bei Google ranken und trotzdem nie in der generierten Antwort auftauchen.

Für ChatGPT, Claude, Gemini oder Perplexity gibt es keine bestätigte öffentliche Liste von Ranking-Faktoren. Wer mit einer wiederholbaren „Rank number one in ChatGPT“-Formel wirbt, verkauft Gewissheit, die die Anbieter nicht bereitgestellt haben (ich hätte auch gern dieses Dashboard).

Was LLM SEO in der Praxis wirklich bedeutet

LLM SEO, auch LLM optimization, LLMO, GEO, AISO oder answer-engine optimization genannt, ist die Praxis, ein Unternehmen und seinen Content so zu optimieren, dass sie wahrscheinlicher in einer KI-generierten Antwort auftauchen.

Der akademische Begriff ist generative engine optimization. Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan und Deshpande beschrieben GEO als „das erste neuartige Paradigma, das Content Creators dabei unterstützt, ihre Sichtbarkeit in generativen Engine-Antworten zu verbessern.“ Ihr von Princeton geführtes Paper wurde für KDD 2024 akzeptiert.

Die Benennung ist nicht ganz stabil. Ich verwende hier „LLM SEO“ für Arbeit, die explizit auf Assistenten wie ChatGPT, Claude, Gemini und Perplexity abzielt. AI search optimization ist breiter und umfasst Antwort-Oberflächen wie Google AI Overviews und AI Mode.

Das wirtschaftliche Ergebnis ist anders als bei einem klassischen Suchtreffer. Das Pew Research Center hat 68.879 Google-Suchen ausgewertet, die 900 US-Erwachsene im März 2025 durchgeführt haben. Rund 18% ergaben eine KI-Zusammenfassung. Nutzer klickten bei 8% der Besuche auf ein klassisches Ergebnis, in denen eine Zusammenfassung enthalten war – im Vergleich zu 15%, wenn keine Zusammenfassung erschien. Ein Link innerhalb der Zusammenfassung erhielt nur in 1% der Besuche einen Klick.

Diese Zahlen beziehen sich auf Google-Zusammenfassungen, nicht auf ChatGPT oder Claude. Sie zeigen aber die strukturelle Veränderung: Die generierte Antwort kann den Klick ersetzen. Genannt zu werden, kann also auch dann Wert haben, wenn Empfehlungsverkehre schwach sind oder sich nicht sauber zuordnen lassen.

Die drei Orte, an denen ein LLM seine Antwort bekommt

Du kannst sinnvolle Entscheidungen im LLM Optimization-Workflow nicht treffen, solange du Training und Retrieval nicht sauber trennst. Das sind verschiedene Systeme, unterschiedliche Crawler und unterschiedliche Zeitachsen.

1. Pre-Training-Daten: eingefrorenes Gedächtnis

Foundation Models lernen während des Trainings Muster und Informationen aus großen Textsammlungen. OpenAI sagt, dass GPTBot Inhalte crawlt, die möglicherweise für das Training seiner generativen KI-Foundation-Modelle genutzt werden. Anthropic identifiziert ClaudeBot als Crawler, der für die Sammlung von Webinhalten für das Modelltraining verwendet wird.

Du kannst in dieser Schicht nicht „ranken“. Möglich ist, dass dein Unternehmen im Trainingskorpus abgebildet war, schlecht abgebildet wurde oder ganz fehlte. Eine Korrektur, die du heute veröffentlichst, schreibt keinen bereits abgeschlossenen Trainingslauf um.

Breite, konsistente Dokumentation im Web kann die Wahrscheinlichkeit erhöhen, dass ein zukünftiges Modell deine Marke überhaupt zu Gesicht bekommt. Wie genau die Einbindung und Gewichtung funktioniert, ist jedoch nicht öffentlich. Ich vertraue auf die Unterscheidung zwischen Training und Retrieval; ich vertraue aber nicht den Behauptungen, dass zwölf Erwähnungen, zwanzig Links oder ein Wikipedia-Eintrag eine vorhersehbare Veränderung im Modellgedächtnis auslösen.

2. Live Retrieval: die Schicht, die du am schnellsten beeinflussen kannst

Wenn ein Assistent sucht oder browsed, kann er aktuelle Dokumente abrufen und sie nutzen, um eine Antwort abzustützen. Das wird häufig retrieval-augmented generation oder RAG genannt. Zitate stammen typischerweise aus diesem Retrieval-Prozess – nicht daher, dass das Modell einzelne Dokumente aus seinem Trainingskorpus „offenlegt“.

Hier liegt der Großteil der praktischen LLM-SEO-Arbeit. Eine Seite muss für den relevanten Such-Crawler verfügbar sein, zur Antwortzeit erreichbar und für die Extraktion geeignet. Wenn das System ein Dokument nicht abrufen kann, kann es dieses Dokument nicht als Live-Zitat verwenden.

OpenAI ordnet die Search-Discovery OAI-SearchBot zu, während ChatGPT-User Nutzerbesuche abwickelt, die durch Nutzer ausgelöst werden. Perplexity unterscheidet PerplexityBot, der Websites in seinen Ergebnissen sichtbar macht und verlinkt, von Perplexity-User, der Seiten als Antwort auf Fragen abruft. Anthropic listet entsprechend Claude-SearchBot und Claude-User.

3. Der zugrunde liegende Web-Index

Retrieval braucht eine Sammlung von Dokumenten, in der gesucht wird. Das kann ein zugrunde liegender Index von Google oder Bing sein, der eigene Index des Assistenten-Anbieters oder eine sich verändernde Mischung aus Quellen. Anbieterbeziehungen und Retrieval-Systeme ändern sich schnell – deshalb solltest du keine dauerhaften Infrastrukturannahmen um eine einzelne Suchpartnerschaft herum aufbauen.

Die belastbare Schlussfolgerung ist einfacher: Normale Indexierbarkeit bleibt entscheidend. Wenn Suchmaschinen eine Seite nicht entdecken, rendern, kanonisieren oder indexieren können, haben die darauf aufbauenden Systeme nichts Brauchbares, was sie abrufen könnten.

Google macht das für die eigenen AI-Funktionen explizit:

„Es gibt keine zusätzlichen Anforderungen, um in AI Overviews oder AI Mode zu erscheinen, und auch keine anderen speziellen Optimierungen.“

Google Search Central sagt außerdem, dass Websites keine neuen maschinenlesbaren Dateien, keine AI-Textdateien und kein spezielles Markup benötigen, um in diesen Funktionen zu erscheinen. Diese Aussage gilt für Google AI Overviews und AI Mode – nicht für ChatGPT, Claude oder Perplexity. Sie räumt dennoch sehr viel unnötiges Produkt-Showreel beiseite.

Klassisches SEO ist nicht obsolet geworden. Es wurde Infrastruktur (oder, genauer gesagt, ein Teil der Infrastruktur).

Erlaube die Bots, die Antworten liefern

Eine pauschale „AI blockieren“-Regel ist stumpf. Trainingscrawler, Suchcrawler und vom Nutzer ausgelöste Fetcher erledigen unterschiedliche Aufgaben. Du kannst dich vom Training abmelden, ohne dich zwingend aus dem Live-Abruf für Antworten auszuklinken.

OpenAIs Dokumentation ist eindeutig, wenn es um das Blockieren von OAI-SearchBot geht: Abgemeldete Websites „werden nicht in ChatGPT-Suchantworten angezeigt“, können aber weiterhin als Navigationslinks auftauchen. Perplexity sagt, dass PerplexityBot dafür ausgelegt ist, Websites in den Ergebnissen sichtbar zu machen und zu verlinken, und nicht verwendet wird, um Inhalte fürs Training von Foundation Models zu crawlen.

Triff drei separate Entscheidungen:

• Trainings-Policy: Entscheide, ob GPTBot und ClaudeBot Inhalte für ein mögliches Model-Training sammeln dürfen.
• Search-Visibility: Erlaube OAI-SearchBot, PerplexityBot und Claude-SearchBot, wenn du eine Retrieval-Sichtbarkeit willst.
• Nutzer-Fetches: Stelle sicher, dass die Seite technisch erreichbar bleibt, wenn ein Nutzer einen Assistenten explizit bittet, darauf zuzugreifen.

Das Blockieren eines Trainingscrawlers kann eine vertretbare Entscheidung für die Veröffentlichung sein. Suchcrawler zu blockieren und gleichzeitig Zitate erwarten, ist widersprüchlich. Nutzer-ausgelöste Fetches machen die Durchsetzung komplizierter, weil OpenAI sagt, dass robots.txt für ChatGPT-User möglicherweise nicht gilt, während Perplexity sagt, dass Perplexity-User robots.txt grundsätzlich ignoriert.

Überprüfe diese Regeln regelmäßig. User-Agent-Namen und Anbieter-Policies können sich ändern.

Mach die Seite leicht zitierbar – nicht nur leicht auffindbar

Sobald das Retrieval funktioniert, ist die nächste Aufgabe, dem Modell eine sinnvolle Passage zum Herausgreifen zu geben.

Die stärkste experimentelle Evidenz aus peer-reviewed Arbeiten kommt aus dem KDD 2024 GEO Paper. Dessen GEO-bench umfasste 10.000 Queries, und die Forschenden haben Content-Interventionen gegen simulierte generative Engines getestet. Sie berichten, dass GEO die Sichtbarkeit in ihrem Benchmark um bis zu 40% steigern konnte.

Das ist ein „bis zu“-Ergebnis im Benchmark – keine Zusage, dass es in produktivem ChatGPT 40% mehr Zitate gibt. Laut Tabelle 1 des Papers führte „Quotation addition“ zu einer Verbesserung von 27,8% und „statistics addition“ zu 25,9% – gemessen an ihrer position-adjusted word-count Metrik. Zitate, Statistiken und zitierte Quellen gehörten zu den stärksten getesteten Methoden.

Das gleiche Paper fand außerdem: Keyword Stuffing brachte in generativen-Engine-Antworten „wenig bis gar keine Performance-Verbesserung“. „Best invoicing software“ siebzehnmal zu wiederholen ist keine LLM-Strategie. Das war vorab höchstens eine halbwegs brauchbare Suchstrategie.

Eine Seite, die für Extraktion gebaut ist, enthält typischerweise:

• Eine direkte Antwort direkt unter der relevanten Überschrift.
• Konkrete Aussagen, die einem benannten, glaubwürdigen Quellenbezug zugeordnet sind.
• Tabellen, die konkrete Eigenschaften vergleichen, ohne das Fazit zu verstecken.
• Definitionen, die auch außerhalb des umgebenden Artikels noch Sinn ergeben.
• Statistiken mit Daten, Populationen und genug Kontext, damit eine irreführende Weiterverwendung unwahrscheinlich wird.
• Stabile URLs und crawlbarer Text statt essenzieller Fakten, die in Interfaces „gefangen“ sind.

Ich würde die Faktendichte stärker priorisieren als die reine Länge. Ein langer Artikel kann trotzdem schwer zitierbar sein, wenn jede Antwort unter unnötigem Intro begraben ist. Wir haben genau diesen Fehler selbst gemacht: Wir haben Wörter ergänzt, weil ein Content-Brief sie erwartete – und das nützliche Satzstück erst sechs Absätze unter der Überschrift geliefert (nicht unser feinster redaktioneller Instinkt).

Schema kann helfen, Seitenentitäten und Content-Typen für Maschinen besser zu interpretieren, aber verwechsel es nicht mit einem geheimen AI-Citation-Schalter. Google sagt ausdrücklich, dass für die eigenen AI-Funktionen kein spezielles Markup erforderlich ist. Die Struktur sollte zuerst Klarheit für Leser und Crawler schaffen.

Baue Evidenz außerhalb deiner eigenen Domain auf

Deine eigene Website ist notwendig – aber nicht das gesamte Evidenz-Set, das ein Assistent abrufen kann.

In Aleyda Solis’ Analyse zu SaaS-AI-Search-Zitaten machten Drittquellen 84% bis 93% des Citation-Gewichts über die von ihr untersuchten Subverticals und Plattformen aus. Ihr Fazit ist hart:

„Der Großteil des AI-Citation-Gewichts kommt von außerhalb deiner eigenen Website.“

Das ist ein gemessenes Muster in SaaS-Kategorien, kein vom Anbieter bestätigter Ranking-Faktor. Es zeigt, wo Zitate in ihrer Analyse auftauchten; es beweist nicht, dass eine einzige Community-Erwähnung dazu führt, dass ein Assistent eine Marke empfiehlt.

Die praktische Konsequenz bleibt dennoch relevant. Dokumentation, etablierte Publikationen, Reviews, Vergleiche, Community-Diskussionen, Videos und Peer-Software-Seiten schaffen unabhängige Evidenz. Ein Assistent hat mehr Material zur Verfügung, wenn mehrere glaubwürdige Quellen übereinstimmend erklären, was ein Unternehmen tut – statt wenn jede Behauptung nur aus dem Homepage-Text der Firma selbst stammt.

Unser Guide zu wo LLMs deine Marke finden geht auf diese externen Oberflächen noch genauer ein.

Mach daraus keinen synthetischen Mention-Spam. Gute Offsite-Arbeit sieht so aus:

1. Veröffentliche originäre Daten, Dokumentation, Beispiele oder Definitionen, die sich wirklich zum Referenzieren eignen.
2. Erwirb Sichtbarkeit in relevanten Vergleichen – statt Dutzende dünne Listen zu produzieren.
3. Halte Produktfakten konsistent zwischen deiner Website und Profilen Dritter.
4. Gib Autorinnen und Autoren eine stabile Quell-URL für wichtige Aussagen.
5. Korrigiere Faktenfehler, wenn du einen legitimen Weg dafür hast.

SEOJuice ist ein Zwei-Personen-Team: Lida und ich. Wir können großen SaaS-Unternehmen bei PR nicht das Budget ausstechen – unser realistischer Hebel ist daher, „referenzierbar“ zu sein: klare Produkt-Dokumentation, reproduzierbare Beispiele und URLs, die operative Änderungen überstehen.

Dieser letzte Punkt wurde konkret, als wir seojuice.io im Januar 2026 auf seojuice.com migriert haben. Ein Domain-Wechsel ist nicht nur ein Google-Rankings-Projekt. Redirects, Canonicals, interne Links und aktualisierte Drittquellen-Referenzen erhalten ebenfalls die Quellkette, die Assistenten abrufen können (und ja: Die Migrations-Aufräumarbeiten dauerten länger als die elegante Checkliste vermuten ließ).

Eine praktische Reihenfolge für LLM Optimization

Arbeite in Abhängigkeitsreihenfolge. Content-Polishing kann eine Seite nicht retten, die vom Retrieval ausgeschlossen ist.

Wähle Prompts so, dass sie eine echte Entscheidung abbilden: „Welche Tools fügen automatisch interne Links zu einem SaaS-Blog hinzu?“ ist diagnostischer, als deinen Markennamen einzutippen und das Modell zu bitten, ihn zu prüfen. Branded Prompts testen meist nur, ob der Assistent dich findet; Category- und Comparison-Prompts testen, ob er dich auswählt.

Dokumentiere Assistent, Modell oder Modus, den exakten Prompt, das Datum, den Browsing-Status, die genannten Marken, die zitierten URLs und die Reihenfolge der Empfehlungen. Ein Modell, das aus Training Memory antwortet, ist kein äquivalenter Test wie ein Assistent, der Live-Quellen abruft.

Rechne mit Rauschen. Generierte Antworten ändern sich, Personalisierung kann dazwischenfunken, und es gibt keine Google Search Console, die jede AI-Impression sauber reportet. Ich habe schon ein paar erfolgreiche Prompts fälschlicherweise für einen Trend gehalten. Screenshots wirken überzeugend; fünf Beobachtungen bleiben aber fünf Beobachtungen.

Wo SEOJuice hier reinpasst

SEOJuice kann nicht garantieren, dass ein LLM dich zitiert. Kein externes Tool kontrolliert die Retrieval- und Synthese-Systeme des Assistenten.

Was wir automatisieren, ist Teil der erforderlichen Vorstufe. SEOJuice arbeitet auf einer Live-Site und setzt fortlaufend interne Links, Meta-Titles und -Descriptions, Schema-Markup sowie Image-Alt-Text um. Diese Verbesserungen unterstützen Auffindbarkeit und saubere Site-Strukturen – sollten aber nicht als geheime ChatGPT-Ranking-Faktoren verkauft werden.

Für das Messen testen wir mit unserem AI Visibility Checker, ob AI-Engines deine Marke für ausgewählte Prompts erwähnen oder zitieren. Das Tool zeigt, wo du auftauchst und wo du fehlst; es „erzeugt“ kein Zitat.

Wenn das die Lücke ist, die du diagnostizieren musst, schau dir an, ob ChatGPT und Perplexity deine Marke mit dem kostenlosen AI Visibility Checker erwähnen. SEOJuice hat einen kostenlosen Plan und verlangt keine Kreditkarte.

Der größere Wandel ist nicht, dass SEO gestorben ist. Klassisches SEO ist nötig, aber nicht ausreichend, weil das Retrieval weiterhin vom offenen Web abhängt – während das gewünschte Ergebnis sich von „einen Link ranken“ zu „Teil der Antwort werden“ verschoben hat. Das ist die praktische Transition von SEO zu GEO.

Häufig gestellte Fragen

Was ist LLM SEO?

LLM SEO ist die Praxis, eine Marke und ihren Content so zu optimieren, dass Assistenten wie ChatGPT, Claude, Gemini und Perplexity sie innerhalb generierter Antworten sichtbar machen und zitieren können. Es wird auch LLMO, GEO, AISO oder answer-engine optimization genannt. Das primäre Ergebnis ist eine Erwähnung oder ein Zitat – nicht eine Position in den blauen Links.

Wie entscheiden LLMs, was sie zitieren?

Eine Antwort kann Pre-Training-Daten, Live-Web-Retrieval und einen zugrunde liegenden Index wie Google, Bing oder den eigenen Index des Anbieters kombinieren. Für aktuelle Zitate konzentriere dich auf Live Retrieval: Erlaube die relevanten Suchbots, bleibe indexierbar und veröffentliche klare, quellengestützte Passagen. Jenseits dieser Zugriffs-Gates haben die Anbieter ihre Formeln zur Citation-Auswahl nicht veröffentlicht.

Wie unterscheidet sich LLM SEO von Google SEO?

Klassisches SEO zielt meist auf einen gerankten Suchtreffer. LLM SEO zielt auf Einbindung innerhalb genau einer synthetisierten Antwort. Indexierbarkeit, Autorität und Links unterstützen weiterhin das Retrieval – Keyword-Density-Taktiken übertragen sich jedoch nicht. Auch die Messung verschiebt sich: weg von Positionen und Klicks hin zu wiederholten Prompt-Tests, Erwähnungen, zitierten Quellen und der Einbindung in Empfehlungen.

Wie lasse ich ChatGPT und Perplexity meine Website finden?

Blockiere ihre Suchcrawler nicht: OAI-SearchBot für ChatGPT und PerplexityBot für Perplexity. OpenAI und Perplexity identifizieren ChatGPT-User bzw. Perplexity-User jeweils separat als nutzer-ausgelöste Fetcher. Trainingscrawler wie GPTBot sind vom Search Retrieval getrennt – daher kannst du unterschiedliche Zugriffentscheidungen für Training und Suche treffen.

Sollte ich AI-Bots von meiner Seite blockieren?

Trenne die Trainingsentscheidung von der Sichtbarkeitsentscheidung. Wenn du GPTBot oder ClaudeBot blockierst, meldest du den Content aus der Trainingssammlung dieser Anbieter ab. Das Blockieren von OAI-SearchBot, PerplexityBot oder Claude-SearchBot kann die Site aus deren Retrieval-Oberflächen entfernen. Eine Seite, die AI-Zitate erreichen will, sollte grundsätzlich relevante Suchbots zugänglich lassen und gleichzeitig die eigene Policy für Trainingscrawler festlegen.

Kann ich garantieren, dass ein LLM mein Unternehmen zitiert?

Nein. Du kannst Crawlability, Indexierbarkeit, faktische Klarheit und die Qualität deiner externen Evidenz steuern. Experimentelle Arbeiten deuten darauf hin, dass Zitate, Statistiken und zitierte Quellen die Sichtbarkeit generierter Antworten verbessern können, während Analysen aus der Praxis zeigen, dass Drittseiten einen erheblichen Teil des Citation-Gewichts ausmachen. Beides liefert jedoch keine garantierte Zitation, und kein Anbieter hat eine vollständige Liste der Ranking-Faktoren veröffentlicht.