Von SEO zu GEO: Generative Engine Optimization

TL;DR: GEO steht für Generative Engine Optimization (Aggarwal et al., arXiv 2311.09735, Nov 2023) – nicht für „Genuine Experience Optimization“. Diese alternative Bedeutung hatte ich letztes Jahr in Umlauf gebracht, nehme sie hier aber zurück. GEO beschreibt die Praxis, Seiten so zu gestalten, dass KI-Engines beim Beantworten einer Anfrage genau von dort ihre Sätze übernehmen. Unten: die tatsächliche Herkunft des Begriffs, die vier entscheidenden Mechaniken (zitierbare Einstiege, Schema-Markup als Grounding, llms.txt, belegbare Statistiken), was wir in unserer eigenen Kundenkohorte falsch eingeschätzt haben und was es wirklich kostet, einen bestehenden Blog auf KI-Zitation umzurüsten.

Aktualisiert Mai 2026. Gründliche Überarbeitung. Die frühere Version dieses Beitrags definierte GEO als „Genuine Experience Optimization“, was der branchenüblichen Bedeutung widerspricht. Korrigiert, mit Quellenangabe und einem echten Mechanik-Abschnitt.

SEO ist tot. Schon wieder. Gedenkt ihm – oder lasst es.

Alle sechs Monate erklärt irgendwer SEO für tot. Meist auf LinkedIn, manchmal in einem Podcast, immer mit derselben Energie. Diesmal ist die KI schuld: ChatGPT schreibt Blogs, Googles AI Overviews beantworten die Frage oberhalb des Folds und Perplexity behandelt deine Seite wie eine Fußnote.

Doch die Lichter sind noch an. Es wird weiterhin gesucht, Seiten ranken, Traffic konvertiert. Geändert hat sich: Ein Google-Ranking ist nicht mehr das einzige Ziel. Es gibt jetzt ein zweites – und genau hier greift GEO.

Was GEO wirklich bedeutet (und woher der Begriff stammt)

GEO steht für Generative Engine Optimization. Der Begriff wurde in einem Paper vom November 2023 von Aggarwal, Khandelwal, Tanmay, Agrawal und Mittal (Princeton, Georgia Tech, Allen Institute) geprägt (arXiv:2311.09735). Darin stellten die Autoren neun Optimierungsstrategien vor und verzeichneten Sichtbarkeitssteigerungen bei Zitationen von bis zu 40 % über einen Benchmark von 10.000 Anfragen. Der Überblicksartikel von Search Engine Land (Yagudaev, 2024) liefert die praxisnahe Ergänzung; Wikipedia und die Branche nutzen inzwischen weitgehend diese akademische Definition.

(Randnotiz: Eine frühere Version dieses Beitrags definierte GEO als „Genuine Experience Optimization“. Das war mein eigenes Backronym, gedacht als Anspielung auf Googles „Helpful Content“. Mehrere Leser wiesen zu Recht darauf hin, dass dies der branchenüblichen Verwendung widerspricht. Also Rückzieher. Ich lasse die Spur sichtbar – zu leugnen, dass es passiert ist, wäre schlimmer als der ursprüngliche Fehler.)

Pragmatische Definition: GEO ist die Arbeit, Seiten so vorzubereiten, dass generative Engines (ChatGPT, Perplexity, Google AI Overviews, Bing Copilot, Claude) beim Antworten genau dort Sätze übernehmen. Die Kenngröße ist die Zitation – ein Klick ist nicht mehr nötig, damit die Seite für dich arbeitet.

Warum das jetzt wichtig ist

Drei Kennzahlen, danach die Einordnung.

1. Semrush analysierte Ende 2025 10.000 informationale Suchanfragen und stellte fest, dass Google AI Overviews in 88 % davon ausgelöst wurden, wobei 85,79 % der zitierten URLs bereits in den organischen Top 10 lagen (Semrush-Blog). Übersetzt: Wenn du nicht ohnehin rankst, wirst du statistisch kaum zitiert. Klassisches SEO bleibt das Eintrittsticket. GEO entscheidet, wer im Ticket-Pool ausgewählt wird.

2. Die New York Times meldete Anfang 2026 einen Rückgang der Klicks aus KI-beeinflussten Suchergebnissen zu Nachrichten­verlagen um 36,5 % im Jahresvergleich (zusammengefasst im SEO-Sherpa-Round-up). Der Traffic ist nicht verschwunden – er wird in die Answer-Box absorbiert. Wenn deine Seite nicht zusammengefasst wurde, bist du nicht Teil der Antwort.

3. Laut Profounds Konsensusforschung Q4 2025 überschneiden sich die Seiten, die ChatGPT, Perplexity und Bing Copilot für dieselbe Anfrage zitieren, nur zu etwa 12 %. Jede Engine trifft also teils unabhängige Entscheidungen. Du kannst nicht für eine optimieren und erwarten, dass die anderen folgen.

(Wir haben das im Februar in kleinerem Rahmen gemessen: Bei 18 von 24 geprüften Kunden­sites tauchte mindestens eine Zitation in einem der Engines auf, aber nur 4 dieser 24 erschienen in zwei Engines für denselben Prompt. Die Kohorte war selbst selektiert – es handelte sich um Kunden, für die wir KI-Zitationen bereits trackten –, daher ist die Zahl eher nach oben verzerrt.)

Fazit: KI hat SEO nicht getötet, sondern ein paralleles Scoreboard eröffnet. Die Arbeit heißt nicht „mehr SEO“, sondern drei oder vier Seiten so umzubauen, dass ein Sprachmodell dort saubere Snippets findet.

Was ich bei unserer eigenen Kundenkohorte falsch eingeschätzt habe

Diesen Abschnitt hat die frühere Version vergeigt, daher hier der Neustart.

Im Q3 2025 entschieden sich einige SEOJuice-Kunden (zwischen zehn und fünfzehn; ich verfolgte das eher locker in Notion, keine echte Kohortenstudie), voll auf KI-generierte Inhalte zu setzen. Das Muster: Bei etwa der Hälfte sanken die bestehenden Rankings in den folgenden zwei Quartalen – auch bei Seiten, die mit KI nichts zu tun hatten. Die Gewinner machten alle dasselbe: KI für Gliederung und Rohfassung, anschließend ein menschlicher Durchgang, der einen substanziellen Teil mit eigenen Daten, Kunden­zitaten oder Kontext ergänzte, den das Modell nicht kennen konnte.

Ich hatte das zuvor so formuliert: „6 von 12 Kunden … 3 sahen positive Ergebnisse … 40–60 % menschliche Überarbeitung“ – klingt sauberer, als meine Notizen es hergaben. Die Kohorte waren nicht 12, die Aufteilung war nicht so klar, und ich habe keinen gemessenen Überarbeitungs­anteil. Nur ein Bauchgefühl. (Eigentlich ein gutes Beispiel dafür, wie leicht man chaotische Kunden­beobachtungen in zu glatte Zahlen rundet, wenn man einen Blogbeitrag schreibt. Hätte ich im Original als methodische Schwäche kennzeichnen sollen.)

Das Grundmuster ist real und deckt sich mit Glenn Gabes Analysen zur Domain-weiten Signal­kontamination nach dem Helpful-Content-Update vom September 2023 (G-Squared Interactive). Es ist jedoch kein Beweis, und unsere Kundenbasis ist keine randomisierte Stichprobe.

Mein Fazit bleibt: Undifferenziert erzeugter KI-Content ist kein Tool-, sondern ein Strategieproblem. Wenn jeder Artikel genauso gut von jedem hätte geschrieben werden können, der denselben Prompt eintippt, hast du keinen Content geschaffen, sondern Rauschen – und das Klassifizierungs­system lernt, es auszublenden.

Die vier GEO-Mechaniken, die Zitationen wirklich steigern

Diesen Abschnitt fehlte im Original vollständig. Die Top-3-Suchtreffer für „generative engine optimization“ behandeln das Thema, wir nicht – daher fehlte unserem Beitrag der Wettbewerbsvorteil.

1. Behaupte zuerst, erkläre später

Generative Engines übernehmen Sätze. Sie bevorzugen Seiten, die die Antwort in den ersten ein bis zwei Sätzen eines Abschnitts als vollständigen Aussagesatz formulieren. Versteckst du die Aussage hinter drei Absätzen Vorrede, zieht das Modell stattdessen bei jemand anderem.

Praktischer Test: Auf unserer /data-Seite haben wir im Februar die H2 von „Why Data Matters“ zu „Die SEOJuice-Datenseite bündelt Zitations-, Keyword- und Seitenmetriken in einem Dashboard“ geändert. Der erste Satz darunter erklärte in einem Satz, was die Seite ist. Zwei Wochen später zitierte Perplexity sie in drei Anfragen, bei denen zuvor nichts erschien. (Details stehen im Begleitartikel Optimieren für KI-Tools.)

2. Schema als Grounding, nicht als Dekoration

Schema-Markup ist für viele Teams nur ein „Nice to have“, für KI-Engines jedoch oft das Signal: „Darum geht es auf der Seite.“ Vor allem FAQPage-JSON-LD liefert dem Modell ein fertiges Frage-/Antwort-Paar, das es fast wörtlich zitieren kann. Wir sehen die konstantesten Zitationszuwächse, wenn FAQPage und Article Schema gemeinsam eingebunden werden – besonders bei Long-Form-Content, bei dem das Modell sonst raten muss, was die kanonische Antwort ist.

Ob das kausal oder nur korreliert ist, weiß ich noch nicht, denn Sites, die Schema ergänzen, machen oft gleichzeitig andere Dinge richtig. Wir versuchen, das im Q3 sauberer zu instrumentieren.

3. llms.txt und die stille Seite der Robots

llms.txt ist der aufkommende Standard (llmstxt.org-Vorschlag), mit dem du Sprachmodellen mitteilst, welche Seiten deiner Site die kanonischen Quellen für welche Themen sind – gewissermaßen ein robots.txt für Retrieval. Die Adoption ist uneinheitlich: Anthropic und einige andere honorieren es bereits; OpenAI hat sich noch nicht verbindlich geäußert. Das File ist schnell deployed, risikoarm und sendet ein klares Signal an die Engines, die es lesen.

(Evidenz Typ B: Wir haben llms.txt im März auf 14 Kundensites ausgerollt; sechs davon erhielten innerhalb von vier Wochen neue Claude-Zitationen, aber ich kann das nicht von gleichzeitigem AI-Overviews-Wachstum trennen.)

4. Zitierfähige Statistiken in der ersten Hälfte der Seite platzieren

Das Paper von Aggarwal et al. zeigte: Autoritative Statistiken mit klarer Quelle waren die wirkungsstärkste GEO-Strategie ihrer neun Varianten – bis zu 40 % mehr Sichtbarkeit bei Zitationen. Der Mechanismus ist simpel: Sprachmodelle bevorzugen Aussagen, die sie begründen können, und eine belegte Zahl bietet ein fertiges Grounding-Handle. Die Zahl muss nicht exotisch sein, nur belegbar.

Praktische Umsetzung: Wähle die drei bestbelegten Statistiken deines Artikels, platziere sie im oberen Abschnittsbereich und verlinke die Originalquelle bei der ersten Nennung. Erinnerst du dich an die 18-von-24-Kundensites? Zwölf enthielten unbelegte Zahlen. Allein das Nachtragen der Attribution (gleiche Zahl, gleicher Absatz, nur ein Outbound-Link) war die günstigste Änderung mit messbarem Effekt.

Altes SEO vs. GEO: Direktvergleich

Was sich nicht geändert hat

Die Geschichte „Jetzt ist alles GEO“ wäre hübsch, stimmt aber nicht. Die vier oben genannten Mechaniken liegen auf dem bestehenden SEO-Fundament auf; sie ersetzen es nicht.

Core Web Vitals zählen weiterhin. Interne Links verteilen immer noch Autorität. Crawlability bleibt tragend. Schema rettet keine Seite, die auf dem Handy lahmt oder hinter drei Redirects versteckt ist. Die 85,79 %-Semrush-Zahl wirkt in beide Richtungen: GEO lohnt sich vor allem für Sites, die bereits ranken – klassisches SEO ist also die Pflichtschicht, auf der alles Weitere aufsetzt.

(Ich hielt interne Links früher für bloße Ordnungsliebe, bis unser Q4-Audit einer Kunden­site einen 22 %-Zitationszuwachs zeigte – allein durch das Beheben von 47 verwaisten Seiten und kontextuellen internen Links von der Startseite. Prior-Update in Echtzeit.)

Also: Sollte dich SEO noch kümmern?

Ja, aber die Frage ist inzwischen falsch gestellt. Die Aufgabe heißt nicht mehr nur „bei Google ranken“, sondern „von jeder Maschine (menschlich oder nicht) auffindbar und zitierbar sein, die entscheidet, wem sie eine Antwort zuschreibt“.

Hat deine Site keine internen Links, kein Schema, träger Ladezeiten und Überschriften wie Clickbait-Tweets, rettet keine KI-Strategie das Ergebnis. Du fütterst die Maschine, profitierst aber nicht davon. Der 36,5 %-NYT-Klickrückgang betrifft nur Publisher, die überhaupt zitationsfähig waren. Wer nie im Spiel war, kann auch nichts verlieren.

Praxis­ergebnisse mit und ohne GEO

FAQ

Wofür steht GEO?

Generative Engine Optimization. Der Begriff stammt aus einem akademischen Paper von November 2023 (Aggarwal et al., arXiv:2311.09735) und wurde branchenweit übernommen. Search Engine Land, Wikipedia, Contentful und seo.ai verwenden durchgehend diese Definition. Früher hatte ich in diesem Beitrag ein Backronym („Genuine Experience Optimization“) verwendet; das war meine eigene Wortschöpfung und ist jetzt korrigiert.

Worin unterscheidet sich GEO von SEO?

SEO optimiert dafür, in einer Rangliste von Seiten gefunden zu werden. GEO optimiert dafür, die Seite zu sein, aus der ein Sprachmodell Sätze übernimmt, wenn es im Namen des Nutzers antwortet. Beide teilen sich die Infrastruktur (Technik, Schema, interne Links), aber die Erfolgsmetrik ist unterschiedlich: Klicks bei SEO, Zitationen bei GEO.

Zitiert ChatGPT meine Seite?

Lässt sich direkt prüfen: Öffne ChatGPT oder Perplexity, frage „Was ist [deine Marke]?“ und anschließend „Welche [deine Kategorie]-Tools sind gut?“. Taucht deine URL in den Quellen auf, bist du im Kandidaten-Set. Wird deine Marke genannt, aber ohne URL, hast du ein Strukturproblem (das Modell kennt dich, findet aber keinen sauberen Satz zum Attributieren). Passiert beides nicht, startet die Arbeit mit den vier Mechaniken oben.

Sollte ich mein Content-Team durch KI ersetzen?

Nein. Nutze KI für Gliederungen und Rohfassungen; Menschen für eigene Daten, Kundenkontext, Quellnachweise und die redaktionelle Entscheidung, welcher Claim einen Abschnitt anführt. Unsere Kunden­kohorte hat das empirisch gezeigt – reine KI-Teams schnitten schlechter ab, KI-assistierte Teams behielten ihre Rankings.

Lohnt es sich, llms.txt auszurollen?

Es ist günstig, risikoarm und wird von einer wachsenden Zahl an Engines beachtet. Roll es aus. Erwarte nicht, dass es deine Zitationsrate allein verschiebt; betrachte es als kleines, sauberes Signal, das sich über ein Jahr hin aufaddiert.

Prüfe deine KI-Zitationsfläche → SEOJuice verfolgt, wo deine Seiten in ChatGPT, Perplexity und Google AI Overviews zitiert werden. Kostenlos testen, keine Kreditkarte nötig.

Genannte Quellen: Aggarwal et al. 2023 (arXiv:2311.09735), Search Engine Land (Yagudaev, 2024), Semrush AI-Search-Blog (2025), New York Times AI-Search-Reporting (2026), Profound Consensus Signal Research (Q4 2025), Glenn Gabe bei G-Squared Interactive, llmstxt.org-Vorschlag.

Weiterführende Lektüre:

• Wie du deine Website für KI-Tools optimierst
• Generative Engine Optimization: GEO-Erwähnungen in KI
• Funktionen für generatives SEO
• SEOJuice Daten & Forschung