Beim Lesen von Google PageSpeed Insights fällt der Blick meist zuerst auf die großen grünen Zahlen – Leistung, Barrierefreiheit, SEO, Best Practices. Wer aber bis ganz nach unten scrollt, stößt derzeit auf einen neuen Bereich, der mit klassischer Ladezeit oder Content-Qualität nichts zu tun hat: Agentisches Browsing.
Das Problem lag nicht im Content, sondern im Menü
Eine aktuelle Fallstudie an einer meiner Websites zeigt das sehr deutlich. Der PageSpeed-Test lieferte fast durchgehend Bestnoten:
Leistung: 100
Barrierefreiheit: 100
SEO: 100
Best Practices: 96
Trotzdem meldete Google im Abschnitt „Agentisches Browsing“ einen Fehler: Die Baumansicht für Barrierefreiheit habe nicht das richtige Format. Zur Begründung schreibt Google sinngemäß, dass ein gut strukturierter Accessibility-Baum KI-Agenten dabei hilft, eine Seite zu navigieren und mit ihr zu interagieren.
Der Auslöser war weder ein Absatz im Fließtext noch fehlendes Schema-Markup. Er steckte in einem einzelnen Element der Sprachumschaltung (de) innerhalb der Navigation – einem ARIA-Attribut, das für Menschen unsichtbar bleibt, für ein KI-System aber offenbar Teil des internen Seitenmodells ist.
Das Ergebnis wirkt zunächst widersprüchlich: Eine Website, die für menschliche Besucher problemlos funktioniert und nahezu perfekte PageSpeed-Werte erzielt, wird von Google trotzdem als potenziell schwer navigierbar für KI-Agenten eingestuft.
Mobil bestanden, Desktop nicht
Noch interessanter wird es beim Vergleich der Geräte. Bei derselben Website und demselben Menü fiel das Ergebnis unterschiedlich aus:
Mobil: 2 von 2 Prüfungen zum Agentischen Browsing bestanden
Desktop: 1 von 2 Prüfungen bestanden
Identischer Code, identisches Navigationselement – und doch zwei unterschiedliche Bewertungen, je nachdem, welche Ansicht PageSpeed analysiert. Das deutet darauf hin, dass die Mobil- und Desktop-Variante der Navigation unterschiedlich gerendert oder unterschiedlich streng geprüft werden.
Was das für GEO bedeutet
Im GEO-Bereich drehen sich die meisten Diskussionen um Inhalte: JSON-LD, Entitäten, strukturierte Daten, die Qualität und Tiefe von Texten. Google adressiert mit „Agentisches Browsing“ eine andere Frage: Kann ein KI-Agent eine Seite überhaupt verstehen, auf ihr navigieren und mit ihr interagieren?
Das ist relevant, weil KI-Systeme beim Parsen einer Seite nicht erst beim eigentlichen Inhalt ansetzen. Sie bauen vorher ein internes Modell auf – aus Navigation, Überschriften, Sprachstruktur, Beziehungen zwischen Elementen, Interaktionsmöglichkeiten und dem Accessibility Tree. Ein technisch unauffälliges, aber für Menschen unsichtbares Detail wie ein ARIA-Attribut im Sprachumschalter kann an dieser Stelle bereits zum Hindernis werden – unabhängig davon, ob JSON-LD korrekt eingebunden ist oder der Content top optimiert ist.
Die naheliegende Frage daraus: Wie viel der späteren KI-Sichtbarkeit wird möglicherweise schon entschieden, bevor der eigentliche Inhalt überhaupt gelesen wird?
Wie man es selbst prüfen kann
Wer das bei seiner eigenen Seite überprüfen möchte:
Test sowohl für Mobil als auch für Computer laufen lassen
Ganz nach unten scrollen zum Abschnitt „Agentisches Browsing“
Bei Fehlermeldungen auf „Fehlerhaftes Element“ achten – oft handelt es sich um konkrete HTML-/ARIA-Strukturen, die sich gezielt beheben lassen
Da sich diese Kategorie laut Google noch in der Entwicklungsphase befindet, ist davon auszugehen, dass sich Umfang und Strenge der Prüfungen in den kommenden Monaten noch verändern. Ein Grund mehr, das Thema jetzt im Blick zu behalten, statt erst zu reagieren, wenn es zum Standard-Ranking-Faktor wird.
In den vergangenen Monaten ist ein neues Thema in den Mittelpunkt vieler Marketing-Diskussionen gerückt:
GEO (Generative Engine Optimization).
Dabei geht es vereinfacht gesagt darum, wie Unternehmen in ChatGPT, Gemini, Perplexity, Claude und anderen KI-Systemen sichtbar werden.
Die meisten Diskussionen drehen sich aktuell um:
AI Visibility
Citations
Mentions
Share of Voice
Discovery Visibility
Alles wichtige Themen.
Aber je mehr praktische Tests ich durchführe und je mehr Diskussionen ich verfolge, desto häufiger stelle ich mir eine andere Frage:
Wer bekommt eigentlich den Auftrag?
Denn aus Sicht eines Unternehmens ist nicht entscheidend:
Wird meine Marke erwähnt?
Sondern:
Wird mein Unternehmen ausgewählt?
Und genau hier beginnt die eigentliche Herausforderung für GEO im Jahr 2026.
Sichtbarkeit ist nicht das Ziel
Viele Unternehmen messen heute die KI-Erwähnungen, Zitationen, ihre KI-Sichtbarkeit und Wettbewerbervergleiche.
Das erinnert stark an die frühen SEO-Jahre. Damals was die entscheidende Frage:
Auf welcher Position stehe ich bei Google?
Heute lautet die Frage meist: Wie oft erscheine ich in den KI-Antworten?
Beides kann sinnvoll sein.
Aber beides beantwortet nicht die wichtigste Frage.
Eine Marke kann sichtbar sein, zitiert und erwähnt werden und in KI-Antworten auftauchen.
Und trotzdem keinen einzigen Auftrag gewinnen!
Die Falle der Brand Visibility
Ein interessantes Muster zeigt sich bei vielen GEO-Analysen:
Marken werden häufig bei Suchanfragen sichtbar, in denen ihr Name bereits vorkommt.
Beispiele:
Was ist Unternehmen XY?
Ist Unternehmen XY seriös?
Erfahrungen mit Unternehmen XY?
Hier erscheint die Marke fast automatisch.
Das Problem:
Diese Sichtbarkeit kann den Eindruck erzeugen, dass alles in Ordnung ist.
In Wirklichkeit wird die entscheidende Frage oft gar nicht gestellt:
Taucht die Marke auch dann auf, wenn der Nutzer sie noch gar nicht kennt?
Discovery Visibility: Die eigentliche Bewährungsprobe
Ein potenzieller Kunde sucht nicht nach Ihrem Unternehmen.
Er sucht nach einer Lösung.
Er fragt z.B.: „Wie werde ich in ChatGPT sichtbar?“
Oder: „Wie prüfe ich, ob der GPTBot meine Website erreicht?“
Jetzt beginnt der eigentliche Wettbewerb.
Die KI muss entscheiden:
Welche Quellen sind vertrauenswürdig?
Welche Anbieter passen zur Frage?
Welche Erfahrungen und Diskussionen sind relevant?
An dieser Stelle konkurrieren Unternehmen nicht nur mit Wettbewerbern.
Sie konkurrieren mit:
Reddit
Wikipedia
Fachportalen
Vergleichsseiten
Community-Beiträgen
Branchenverzeichnissen
Die Herausforderung lautet nicht mehr:
Bin ich sichtbar?
Sondern:
Bin ich sichtbar, bevor jemand meinen Namen kennt?
Sichtbarkeit bedeutet noch keine Empfehlung
Hier wird GEO besonders spannend.
Selbst wenn eine Marke sichtbar wird, ist der Weg noch lange nicht zu Ende.
Denn zwischen Sichtbarkeit und Auftrag liegen weitere Stufen.
Ein Nutzer kann im Verlauf der User Journey Ihre Marke sehen, auch Ihre Marke verstehen und sie sogar in Betracht ziehen.
Und: sich am Ende trotzdem für jemand anderen entscheiden.
Warum?
Weil zusätzliche Anforderungen ins Spiel kommen.
Zum Beispiel:
Standort
Preis
Branche
Spezialisierung
Vertrauen
konkrete Erfahrung
Eine KI kann durchaus wissen, dass ein Anbieter ein Experte ist.
Sie kann dennoch einen anderen empfehlen, weil dieser besser zu den Anforderungen des Nutzers passt.
Ein Blick in die Praxis: Vier Stufen bis zur Empfehlung
Wie groß die Lücke zwischen Sichtbarkeit und Auswahl tatsächlich ist, zeigt ein Test, den ich kürzlich mit einem noch jungen US-Tool durchgeführt habe. Das Tool zerlegt die KI-gestützte Kaufentscheidung in vier Stufen:
Consideration – Werde ich überhaupt berücksichtigt?
Options – Überstehe ich den Vergleich mit Wettbewerbern?
Decision – Gewinne ich den Kriterienfilter?
Attribution – Werde ich am Ende empfohlen?
Analysiert habe ich den von mir betreuten WooCommerce-Shop auf gasdruckfeder-grosshandel.de aus dem technischen B2C-Ersatzteilhandel. Das Ergebnis: Die Marke steigt in 57 % der Fälle in die KI-Kaufgespräche ein – gewinnt aber nur in 22 % der Sequenzen die finale Empfehlung. Über alle Plattformen gemittelt sieht der Verlauf so aus: 67 % Präsenz in Stufe 1, 33 % in Stufe 2, 33 % in Stufe 3 – und 0 % in Stufe 4.
Null Prozent. Die Marke ist sichtbar, wird verglichen, besteht teilweise sogar die Kriterienprüfung – und am Ende wird trotzdem jedes Mal ein Wettbewerber empfohlen.
Noch aufschlussreicher wird es im Plattformvergleich:
Gemini verhält sich wie ein klassischer Trichter: In Stufe 1 und 2 ist die Marke präsent, ab Stufe 3 ist sie raus. Gefunden, verglichen, aussortiert.
Perplexity dagegen zeigt ein Muster, das mit Trichterlogik nicht mehr erklärbar ist: Stufe 1 präsent, Stufe 2 nicht präsent, Stufe 3 – gewonnen. Die Marke besteht also den Kriterienfilter als beste Lösung. Und in Stufe 4? Empfohlen wird der Wettbewerber.
Dieses Zickzack-Muster legt eine Vermutung nahe: Die Systeme reichen offenbar keine Kandidatenliste von Stufe zu Stufe durch, sondern retrieven und bewerten in jeder Stufe neu. Wer in Stufe 2 fehlt, kann in Stufe 3 wieder auftauchen – und wer Stufe 3 gewinnt, hat Stufe 4 noch lange nicht sicher.
Eine wichtige Einschränkung: Das Tool befindet sich in einem frühen Stadium, die Vier-Stufen-Messung ist methodisch jung. Ein einzelner Test ist kein Beweis. Manuelle Gegenproben – im neutralen Browser, ohne KI-Login – zeigen im Google AI-Modus und in ChatGPT allerdings stark ähnliche Muster. Was reine Sichtbarkeits-Metriken verschleiern, bleibt damit sehr konkret sichtbar: Zwischen „Ich werde gesehen“ und „Ich werde empfohlen“ liegen drei Stufen, an denen man jeweils einzeln scheitern kann.
Vertrauen ist die fehlende Ebene
Die Frage, die GEO als Nächstes beantworten muss, lautet also nicht mehr ‚Wer wird gesehen?‘, sondern ‚Wer wird ausgewählt?‘ – und dafür braucht es eine Ebene, die in vielen aktuellen Modellen fehlt.
Die Testergebnisse zeigen deutlich: Sichtbarkeit allein reicht nicht aus. Eine Marke kann in 67 % der Fälle im Gespräch sein und trotzdem in 0 % der Fälle empfohlen werden.
Zwischen Sichtbarkeit und Auswahl liegt eine weitere Ebene: Vertrauen.
Langjährige Inhalte. Wiederkehrende Erwähnungen. Praktische Erfahrungen. Diskussionen in Communities. Konsistente Präsenz über Jahre hinweg.
Diese Signale wirken stärker, als viele aktuelle GEO-Modelle berücksichtigen – denn sie entscheiden offenbar genau dort, wo unser Testfall jedes Mal scheitert: auf der letzten Stufe, bei der finalen Empfehlung.
Mein Fazit für 2026
Die größte Herausforderung für GEO besteht nicht mehr darin, Sichtbarkeit zu messen. Die Daten dafür gibt es – und sie können trügerisch beruhigend aussehen: 57 % Einstieg in die Kaufgespräche klingt nach einem soliden Ergebnis. Bis man sieht, dass am Ende 0 % Empfehlungen stehen.
Die eigentliche Herausforderung besteht darin zu verstehen, was zwischen diesen beiden Zahlen passiert:
Wann wird eine Marke erwähnt?
Wann übersteht sie den Vergleich?
Wann gewinnt sie den Kriterienfilter?
Und warum verliert sie trotzdem die Empfehlung?
Deshalb lautet die Frage, die ich Unternehmen künftig stelle, nicht: „Wie sichtbar sind Sie in KI-Systemen?“
Sondern: „Auf welcher Stufe verlieren Sie?“
Denn Sichtbarkeit bringt Sie ins Gespräch. Vertrauen bringt Sie in die Auswahl. Aber erst die Auswahl bringt den Auftrag.
Unternehmen mit substanziellen Inhalten werden in KI-Antworten ignoriert, obwohl sie bei Google gut ranken. Der Grund: Generative Systeme wie ChatGPT oder Perplexity folgen einer anderen Logik als klassische Suchmaschinen. Sie suchen keine Keywords, sie suchen Bedeutung. Plattformen, die sich auf Generative Engine Optimization spezialisiert haben, lösen genau dieses Problem: Sie transformieren bestehende Inhalte so, dass Large Language Models sie nicht nur finden, sondern verstehen und als zitierfähige Quelle nutzen.
Dieser 30-Tage-Plan zeigt Schritt für Schritt, wie du deine KI-Sichtbarkeit systematisch aufbauen, von der strategischen Grundlage bis zur messbaren Zitierfähigkeit.
—
Was KI-Sichtbarkeit von klassischem SEO unterscheidet
KI-Sichtbarkeit bezeichnet die Fähigkeit einer Website, von generativen KI-Systemen als autoritative Quelle erkannt, korrekt eingeordnet und aktiv in generierten Antworten zitiert zu werden. Das ist fundamental anders als ein gutes Google-Ranking. Anders formuliert KI rankt nicht – KI versteht
Klassisches SEO optimiert auf Klicks und Positionen in Ergebnislisten. Generative Engine Optimization (GEO) optimiert auf Verständnis und Zitierfähigkeit innerhalb der KI-Antwort selbst [1]. Ein Artikel, der auf Position 3 bei Google steht, kann in ChatGPT vollständig unsichtbar sein, wenn er semantisch unklar strukturiert ist.
Der entscheidende Unterschied im B2B-Kontext: Während SEO-Traffic über Klickvolumen skaliert, wirkt GEO über Autorität. Ein einziges, präzise strukturiertes Dokument, das als Referenz in KI-Antworten erscheint, erzeugt mehr qualifizierten Erstkontakt als hundert mittelmäßige Blogposts. Wie Deloitte in seiner KI-Beratungsstrategie betont, erfordert nachhaltige KI-Sichtbarkeit eine robuste Datenstrategie und technische Reife als Fundament [2].
—
Woche 1: Strategische Grundlagen legen (Tag 1-7)
Bevor du einen einzigen Satz umschreiben, brauchst du Klarheit darüber, wie KI-Systeme deine Website aktuell interpretieren.
Tag 1-2: Die KI-Perspektive einnehmen
Frage dich: Was würde ein LLM über mein Unternehmen „wissen“, wenn es nur die Website als Quelle hätte? Ist meine Kernkompetenz in einem einzigen, klaren Satz formuliert? Gibt es widersprüchliche Aussagen auf verschiedenen Seiten?
Erstelle eine Liste deiner 10 wichtigsten Seiten und notiere für jede: Was ist die eine Kernaussage dieser Seite? Wenn du das nicht in einem Satz beantworten kannst, ist das das erste Problem.
Tag 3-4: Thematische Autorität kartieren
GEO-Strategie beginnt mit der Frage, für welche Themen du als Autorität gelten willst, nicht für welche Keywords du ranken möchtest. Definiere drei bis fünf Kernthemen, zu denen deine Website die umfassendste und klarste Antwort im deutschsprachigen Raum liefern soll.
Wissenschaftliche Untersuchungen belegen, dass generative KI-Systeme bevorzugt auf Quellen zurückgreifen, die ein hohes Maß an Konsistenz und belegbarer Autorität aufweisen. Konsistenz bedeutet: Alle Seiten Ideiner Website müssen dasselbe thematische Profil verstärken, nicht verwässern.
Tag 5-7: Content-Audit mit GEO-Brille
Gehe jede bestehende Seite durch und bewerte:
Gibt es eine klare, eigenständige Kernaussage?
Überschneidet sich der Inhalt mit anderen Seiten (thematische Kannibalisierung)?
Ist die Urheberschaft klar erkennbar?
Enthält die Seite messbare Fakten, Definitionen oder Expertenaussagen?
Seiten, die keinen dieser Punkte erfüllen, sind für KI-Systeme unsichtbar. Markiere diese für Überarbeitung.
Die technische Grundlage entscheidet darüber, ob KI-Bots deine Inhalte überhaupt verarbeiten können.
Tag 8-10: Strukturierte Daten implementieren
JSON-LD ist der Industriestandard, um Suchmaschinen und KI-Systemen den Inhalt einer Seite präzise zu vermitteln [3]. Durch die Implementierung von Vokabularen wie Article, FAQPage oder HowTo werden Inhalte semantisch greifbar und für Maschinen eindeutig interpretierbar.
Priorität hat dabei:
Organization-Schema mit klarer Beschreibung Ihrer Kernkompetenz
Article-Schema für alle Fachbeiträge mit Autorenangabe
FAQPage-Schema für alle Seiten mit Frage-Antwort-Strukturen
HowTo-Schema für Anleitungen und Prozessbeschreibungen
Wie du deine Website für KI-Systeme technisch lesbar machen kannst, erklärt der Beitrag wie KI Websites versteht im Detail.
Tag 11-12: Crawlbarkeit sicherstellen
Eine saubere technische Basis mit crawl- und indexierbaren Seitenstrukturen ist die Grundvoraussetzung für jede KI-Sichtbarkeit [4]. Prüfe deshalb:
Blockiert Ihre robots.txt relevante Seiten versehentlich für KI-Bots?
Gibt es fehlerhafte HTTP-Statuscodes (404, 301-Ketten), die KI-Crawler abbrechen lassen? hierzu auch: Erreichen KI-Bots deine Website
Laden die wichtigsten Seiten schnell genug, um vollständig verarbeitet zu werden?
Tag 13-14: Entitäten klar definieren
Der Knowledge Graph verknüpft Entitäten und deren Beziehungen, um Informationen kontextuell korrekt einzuordnen [5]. Für dein Unternehmen bedeutet das: Sie müssen als eindeutig erkennbare Entität modelliert sein.
Praktisch umgesetzt: Stelle sicher, dass der Unternehmensname, deine Kernleistung und dein geografischer Fokus auf jeder relevanten Seite konsistent und identisch formuliert sind. Abweichungen in der Selbstbeschreibung erzeugen Unklarheit im Knowledge Graph.
—
Woche 3: Inhalte für Zitierfähigkeit schärfen (Tag 15-21)
KI-Zitierfähigkeit bezeichnet die Eigenschaft eines Inhalts, von generativen Systemen als autoritative Referenz erkannt und in generierten Antworten direkt zitiert zu werden. Sie entsteht nicht durch Länge, sondern durch semantische Präzision.
Tag 15-17: Das Antwort-Zuerst-Prinzip anwenden
Überarbeite die wichtigsten Seiten nach folgendem Prinzip: Die Kernaussage steht im ersten Absatz, nicht am Ende. Jede H2-Sektion beginnt mit einem eigenständig zitierbaren Statement.
Inhalte müssen spezifisch, aktuell und inhaltlich gehaltvoll sein, um als zitierfähige Quelle für LLMs zu dienen. Interaktive Tools, fundierte Marktvergleiche und einzigartige Studienergebnisse erhöhen die Wahrscheinlichkeit massiv, dass KI-Systeme diese Inhalte als autoritative Referenz integrieren.
Konkrete Maßnahmen:
Füge auf jeder Fachseite mindestens eine klare Definition eines Fachbegriffs ein
Ersetze vage Aussagen durch messbare Fakten mit Quellenangabe
Formuliere für jedes Thema eine „Zitierfähige Kernaussage“ von maximal zwei Sätzen
Tag 18-19: FAQ-Strukturen aufbauen
FAQs sind für KI-Systeme besonders attraktiv, weil sie das Frage-Antwort-Format direkt spiegeln, in dem LLMs denken. Erstelle für jede Kernseite drei bis fünf echte Nutzerfragen mit präzisen, eigenständig verständlichen Antworten von 60 bis 120 Wörtern.
Implementiere diese Fragen zusätzlich als FAQPage-Schema in JSON-LD.
Tag 20-21: Tiefe statt Breite
Identifiziere dein wichtigstes Kernthema und erstelle dazu den umfassendsten, präzisesten Beitrag, den es im deutschsprachigen Raum gibt. Nicht den längsten, den klarsten! Das Prinzip „Tiefe schlägt Breite“ ist kein Content-Marketing-Slogan, sondern die direkte Konsequenz daraus, wie LLMs Autorität bewerten.
—
Woche 4: E-E-A-T und Autorensignale etablieren (Tag 22-30)
Das E-E-A-T-Framework (Experience, Expertise, Authoritativeness, Trustworthiness) ist ein entscheidender Qualitätsrahmen, der auch für KI-Systeme als Indikator für die Glaubwürdigkeit einer Quelle dient [6].
Tag 22-24: Autorenprofile sichtbar machen
Anonyme Inhalte werden von KI-Systemen als weniger vertrauenswürdig eingestuft. Jeder Fachbeitrag braucht eine klar zugeordnete Autorenbiografie mit:
Beruflicher Qualifikation und Erfahrungshintergrund
Verlinkung zu weiteren Publikationen oder Auftritten
Konsistenter Darstellung auf allen Plattformen (Website, LinkedIn, Fachportale)
Bei sensiblen Themen wie Gesundheit, Finanzen oder Recht spielen transparente Autorenprofile und nachvollziehbare Quellen eine besonders wichtige Rolle [6]. Transparente Autorenprofile und nachvollziehbare Quellenangaben sind dabei nicht nur SEO-Best-Practices, sondern direkte Faktoren für die Zitierfähigkeit.
Tag 25-27: Externe Autorität aufbauen
KI-Systeme bewerten nicht nur Ihre eigene Website, sondern auch, wie andere autoritative Quellen über Sie sprechen. Maßnahmen:
Gastbeiträge auf Fachportalen mit Verlinkung zur eigenen Website
Erwähnungen in Branchenmedien aktiv anstreben
Konsistente Unternehmensinformationen in relevanten Verzeichnissen sicherstellen
Tag 28-30: Messen und iterieren
Überprüfe am Ende des 30-Tage-Plans systematisch:
Wirst du in Antworten von ChatGPT, Perplexity oder Google AI Overviews erwähnt, wenn nach deinem Kernthema gefragt wird?
Welche deiner Seiten werden zitiert, welche nicht?
Gibt es thematische Lücken, die Wettbewerber füllen?
GEO ist kein einmaliges Projekt, sondern ein kontinuierlicher Prozess. Die Grundlage, die du in diesen 30 Tagen legst, ist jedoch entscheidend. Warum klassische SEO-Logik bei generativen Systemen versagt und was das für Ihre Strategie bedeutet, erklärt unser Beitrag KI rankt nicht, KI versteht ausführlich.
Die praktische Umsetzung von Generative Engine Optimization erfordert dabei meist mehr als klassische Content-Optimierung. Entscheidend sind vor allem semantische Klarheit, technische Zugänglichkeit und eine konsistente thematische Struktur über die gesamte Website hinweg.
Genau auf diese strukturellen Aspekte konzentriert sich auch gerd-e.com im Bereich Generative Engine Optimization und AI Visibility.
—
Der nächster Schritt
Dieser 30-Tage-Plan gibt dir das Framework. Die Umsetzung entscheidet darüber, ob deine Expertise in KI-Antworten erscheint oder ob Wettbewerber diesen Platz einnehmen.
Gerd-E. begleitet Unternehmen mit erklärungsbedürftigen Leistungen, Berater und spezialisierte Organisationen dabei, ihre Inhalte strukturell und inhaltlich für die Logik von LLMs zu schärfen. Nicht durch laute Marketing-Versprechen, sondern durch saubere inhaltliche Arbeit: semantische Klarheit, technische Präzision und den Aufbau echter Autorensignale.
Wenn deine Website hochwertige Inhalte hat, aber in KI-Antworten nicht erscheint, ist das kein Content-Problem. Es ist ein Strukturproblem. Und das lässt sich lösen. Nimm einfach Kontakt zu mir auf.
—
Häufige Fragen
Wie lange dauert es, bis meine Inhalte in KI-Antworten erscheinen?
Es gibt keine garantierte Zeitspanne, da KI-Systeme ihre Trainingsdaten in unterschiedlichen Zyklen aktualisieren. Praktisch zeigt sich jedoch, dass technische und inhaltliche Optimierungen nach vier bis acht Wochen erste messbare Effekte in Echtzeit-Systemen wie Perplexity oder Google AI Overviews erzeugen können, da diese aktiv das Web crawlen. Bei Modellen mit fixen Trainings-Cutoffs wie bestimmten ChatGPT-Versionen dauert es länger.
Was ist der Unterschied zwischen GEO und SEO in der Praxis?
SEO optimiert auf Klickpositionen in Ergebnislisten durch Keywords, Backlinks und technische Faktoren. GEO optimiert auf Zitierfähigkeit innerhalb generierter Antworten durch semantische Klarheit, strukturierte Daten und Autorensignale. Ein Inhalt kann bei Google auf Seite 1 stehen und in KI-Antworten vollständig fehlen, wenn er thematisch unklar oder technisch nicht maschinenlesbar strukturiert ist.
Welche KI-Systeme sollte ich bei meiner GEO-Strategie priorisieren?
Das hängt von deiner Zielgruppe ab. ChatGPT bevorzugt etablierte, autoritative Quellen. Perplexity fokussiert auf Expertenquellen und spezialisierte Fachportale. Google AI Overviews nutzt die breiteste Quellenvielfalt inklusive Blogs und News. Für B2B-Unternehmen mit Fachexpertise sind Perplexity und ChatGPT die relevantesten Systeme, da dort qualifizierte Nutzer mit spezifischen Fachfragen aktiv sind.
Muss ich alle Inhalte neu schreiben oder reicht eine Überarbeitung?
In den meisten Fällen reicht eine gezielte Überarbeitung bestehender Inhalte. Der Fokus liegt auf drei Punkten: klare Kernaussagen in den ersten Absätzen formulieren, strukturierte Daten ergänzen und Autorensignale sichtbar machen. Komplett neue Inhalte sind nur dann sinnvoll, wenn bestehende Seiten thematisch zu vage oder inhaltlich zu dünn sind, um als autoritative Referenz zu gelten.
Wie erkenne ich, ob meine GEO-Maßnahmen wirken?
Teste regelmäßig, ob dein Unternehmen oder deine Inhalte in Antworten auf relevante Fachfragen in ChatGPT, Perplexity und Google AI Overviews erscheinen. Notiere, welche Seiten zitiert werden und welche nicht. Vergleiche die Formulierungen in KI-Antworten mit den eigenen Texten: Wenn KI-Systeme die Formulierungen übernehmen, ist das ein klares Signal für erfolgreiche Zitierfähigkeit.
Viele Websites beschäftigen sich aktuell mit Themen wie llm.txt oder AI-Optimierung.
Dabei wird eine grundlegende Frage oft übersehen:
Erreichen KI-Bots die Website überhaupt?
Die grundlegende Annahme
Die Annahme ist einfach:
Wenn Inhalte gut strukturiert sind, können sie auch von KI-Systemen verarbeitet werden.
In der Praxis ist das nicht immer der Fall.
Was tatsächlich passiert
In mehreren Tests zeigt sich ein anderes Bild:
KI-bezogene Bots erreichen häufig nicht einmal den eigentlichen Content.
Sie werden bereits vorher blockiert.
Die eigentliche Ursache
Die Gründe liegen oft nicht im Content selbst, sondern in der technischen Infrastruktur:
Server-Konfigurationen
Sicherheitsmechanismen
Firewalls oder Bot-Filter
Diese Systeme blockieren Anfragen, bevor Inhalte überhaupt ausgeliefert werden.
Warum llm.txt nicht das Hauptproblem ist
Das bedeutet:
Die Frage nach llm.txt oder Content-Optimierung greift zu kurz.
Denn Sichtbarkeit beginnt nicht beim Inhalt.
Sie beginnt beim Zugriff.
Wie du den Zugriff selbst testen kannst
Eine einfache Möglichkeit, das zu überprüfen, ist ein Zugriffstest über die Kommandozeile.
Zum Beispiel mit curl und einem spezifischen User-Agent:
curl -A „GPTBot“ https://deine-domain.de
Wenn keine sinnvolle Antwort zurückkommt oder der Zugriff blockiert wird, ist die Website für diesen Bot faktisch nicht erreichbar.
Der entscheidende Punkt
Bevor man über Optimierung spricht, sollte man eine grundlegende Frage klären:
Kann die Website überhaupt von KI-Systemen erreicht werden?
AI Visibility beginnt nicht mit Content.
Sie beginnt mit Zugriff.
Wie du den Zugriff selbst testen kannst – ein Praxisbeispiel
Im Rahmen eines laufenden Tests wurde überprüft, wie unterschiedliche KI-Bots auf die Website zugreifen können und welche Serverantworten sie tatsächlich erhalten.
Die folgenden Screenshots zeigen reale Serverantworten bei direkten Requests mit verschiedenen User-Agents. Dadurch lässt sich nachvollziehen, welche Bots Inhalte tatsächlich erreichen — und welche bereits auf Infrastruktur-Ebene blockiert werden.
Beispielhafte Serverantworten aus Tests mit der Website homefavorit.de.
Beobachtete Ergebnisse
ChatGPT-User HTTP/1.1 200 OK Der Request erhält regulären Zugriff auf die Inhalte.
GPTBot HTTP/1.1 403 Forbidden Der Zugriff wird serverseitig blockiert.
ClaudeBot → HTTP/1.1 403 Forbidden → Auch dieser KI-Crawler erreicht die Inhalte nicht.
Der Test zeigt deutlich: Nicht jede KI kann Inhalte automatisch abrufen — selbst dann nicht, wenn die Website grundsätzlich öffentlich erreichbar ist.
Was passiert hier tatsächlich – und welche Auswirkungen hat das für die Website?
Der Unterschied zwischen ChatGPT-User und GPTBot
Der Request mit ChatGPT-User erhält Zugriff auf die Website und kann Inhalte abrufen. Technisch bedeutet das: Inhalte könnten innerhalb einzelner ChatGPT-Anfragen erreichbar sein.
Der eigentliche Crawling- und Trainingszugriff erfolgt jedoch typischerweise über spezialisierte Bots wie GPTBot.
Wird dieser Zugriff blockiert, entsteht ein wichtiger Unterschied:
Inhalte können eventuell punktuell gelesen werden
die Website wird aber nicht systematisch gecrawlt
indexiert oder als größere Wissensbasis verarbeitet.
Dadurch sinkt die Wahrscheinlichkeit, dass Inhalte dauerhaft oder umfassend innerhalb KI-basierter Systeme sichtbar werden.
Die Blockierung passiert bereits vor dem eigentlichen Inhalt
Die gezeigten 403 Forbidden-Antworten entstehen bereits auf Server- oder Infrastruktur-Ebene.
Das bedeutet: Die Anfrage erreicht den eigentlichen Website-Content oft gar nicht mehr.
In solchen Fällen helfen nachgelagerte Maßnahmen wie:
robots.txt
llms.txt
strukturierte Daten
gute Content-Struktur
nur eingeschränkt oder teilweise überhaupt nicht.
Denn die KI-Bots werden bereits „an der Eingangstür“ der Website abgefangen — etwa durch:
Firewalls
Bot-Filter
Sicherheitsregeln
CDN-Konfigurationen
Hosting-Infrastruktur
Gerade Bots wie GPTBot werden häufig mit Crawling- und Datensammlungsprozessen in Verbindung gebracht, die für zukünftige KI-Modelle, Wissensdatenbanken oder Retrieval-Systeme relevant sein können.
Wird dieser Zugriff blockiert, kann das die potenzielle Sichtbarkeit einer Website innerhalb KI-basierter Systeme deutlich einschränken.
Du möchtest eine umfangreiche Liste gängiger KI-Bots und ihrer User-Agents? Dann sende mir einfach eine E-Mail an ki@gerd-e.com.
Einige der gezeigten Serverantworten und Tests wurden anhand von Requests an homefavorit.de dokumentiert.
