Was bringt mir GEO — warum sollte meine Website von KI zitiert werden?

Wenn immer mehr Menschen ihre Antworten direkt von ChatGPT, Perplexity oder der Google-KI bekommen, entscheidet nicht mehr nur dein Google-Ranking, ob du gefunden wirst — sondern ob die KI dich als Quelle nennt. Genau dafür sorgt GEO (Generative Engine Optimization): Es bereitet deine Inhalte so auf, dass KI-Systeme sie korrekt lesen, verstehen und in ihren Antworten zitieren. Der Nutzen ist konkret: Du wirst empfohlen, wenn ein potenzieller Kunde die KI nach einem Anbieter wie dir fragt — mit klaren, eigenständig lesbaren Aussagen, strukturierten Daten und maschinenlesbaren Formaten. Wer hier nicht auftaucht, existiert für diese wachsende Gruppe von Suchenden schlicht nicht.

2,3× mehr KI-Zitate: was granulare Struktur bringt

Granulare, zielgruppenspezifische Seiten werden in KI-Antworten 2,3-mal häufiger zitiert als generische Seiten, die dasselbe Thema pauschal abdecken. Das zeigt eine Analyse von KI-Zitationsmustern von ALM Corp, einer international tätigen Marketing-Agentur — und die Zahl trifft einen wunden Punkt, den ich bei fast jeder Website sehe, die ich mir technisch anschaue: Viele Themen auf wenigen breiten Seiten, statt wenige Themen auf vielen scharf abgegrenzten. Genau diese Entscheidung bestimmt, ob eine KI dich zitiert — oder eine enger fokussierte Seite von jemand anderem.

Was die Analyse wirklich zeigt

ALM Corp hat verglichen, wie oft zielgruppenspezifische Seiten — zugeschnitten auf eine bestimmte Unternehmensgröße, Rolle, Branche oder einen konkreten Anwendungsfall — bei gezielten Anfragen zitiert werden, im Vergleich zu generischen Produktseiten, die alles auf einmal abdecken wollen. Ergebnis: 2,3-mal mehr Zitationen für die granulare Variante. Der Grund liegt nicht in mehr Text oder mehr Keywords, sondern in Eindeutigkeit. Eine Seite, die eine Frage vollständig und ohne Umwege beantwortet, lässt sich für ein KI-System sauberer verarbeiten als eine, die zehn Fragen gleichzeitig streift.

Das deckt sich mit einer Erfahrung, die sich seit dem Aufkommen generativer Suche bestätigt: Breite verkauft sich bei Menschen gut, weil eine umfassende Seite kompetent wirkt. Bei einem System, das in einzelnen Passagen liest, wirkt dieselbe Breite wie Verwässerung.

Warum Granularität wichtiger ist als Schema.org allein

Granularität wirkt auf der Ebene der Inhalts-Häppchen selbst, während Schema.org nur explizit auszeichnet, was strukturell ohnehin da ist — deshalb ersetzt Markup keine klare Seitenstruktur. In Von SEO zu GEO habe ich die Mechanik hinter generativen Suchsystemen bereits beschrieben: Ein KI-System zerlegt eine Seite in Chunks, wandelt sie über ein Embedding-Modell in Vektoren um und vergleicht sie mit der Anfrage. Genau hier entscheidet sich, was granulare Seiten besser können.

Eine breite Seite mit zehn Unterthemen erzeugt zehn Chunks, die alle etwas verwässert sind — jeder Absatz trägt ein bisschen vom Gesamtkontext der Seite mit sich, ist aber selten die eine, scharfe Antwort auf eine konkrete Frage. Eine schmale, fokussierte Seite dagegen erzeugt Chunks, die fast ausschließlich um ein Thema kreisen. Die Vektor-Ähnlichkeit zur Anfrage ist höher, die Trefferwahrscheinlichkeit steigt — und genau das erklärt die 2,3× aus der Analyse.

Strukturierte Daten nach Schema.org verstärken diesen Effekt, ersetzen ihn aber nicht. Sie machen explizit, was ein KI-System sonst erraten müsste — welche Entität eine Seite behandelt, welche Eigenschaft sie hat, wie sie mit anderen Entitäten zusammenhängt. Aber das Markup allein rettet keine Seite, die zehn Themen in einem Fließtext vermischt. Es ist ein Verstärker für Klarheit, kein Ersatz dafür.

Google selbst hat das kürzlich klargestellt: Es gibt kein eigenes Schema-Format nur für KI-Antworten, und strukturierte Daten sind keine Pflicht für generative Suche. Was zählt, ist, dass eine Seite für Mensch und Maschine gleichermaßen eindeutig ist. Schema.org hilft dabei sehr — es ist Werkzeug, kein Wundermittel, das eine unklare Seite rettet.

Was granular in der Praxis heißt

Granularität bedeutet nicht, jede Seite auf einen Satz einzudampfen. Sie bedeutet: eine Seite, ein klar abgegrenztes Thema, eine eindeutig identifizierbare Zielgruppe oder Fragestellung. In der Praxis heißt das:

Eine Frage pro Abschnitt, vollständig beantwortet. Nicht „auch relevant" nebenbei erwähnen, sondern jeden Abschnitt so schreiben, dass er für sich allein stehen und zitiert werden kann — ohne dass die KI den Absatz davor kennen muss.
Spezifische Seiten statt Sammelseiten. Eine Seite pro Leistung, pro Zielgruppe, pro Anwendungsfall — statt einer Seite, die alles auf einmal erklärt und dadurch nirgends die schärfste Antwort liefert.
Entitäten explizit benennen. Wer, was, für wen — nicht implizit aus dem Kontext erschließbar, sondern direkt im Satz und zusätzlich im Markup hinterlegt.
Redundanz zwischen Seiten ist kein Problem. Anders als im klassischen Ranking, wo doppelter Inhalt abgewertet wird, stört es ein KI-System nicht, wenn zwei Seiten dieselbe Kernaussage aus unterschiedlichem Blickwinkel behandeln — solange jede Seite für sich klar bleibt.

Ein Beispiel aus der Praxis: Eine einzelne „Leistungen"-Seite, die zehn Angebote in zehn Absätzen abhandelt, verliert fast immer gegen zehn eigene, kurze Seiten mit je einem Angebot, einer Zielgruppe und einer klaren Antwort auf die naheliegendste Frage dazu. Für Menschen mag die Sammelseite übersichtlicher wirken. Für ein System, das Chunks vergleicht, ist sie zehn verwässerte Treffer statt zehn scharfer.

Überschriften sind die eigentlichen Bruchkanten

Was in der Diskussion um Granularität oft untergeht: Die meisten RAG-Pipelines zerlegen eine Seite nicht willkürlich, sondern entlang ihrer Überschriftenstruktur. Ein H2-Abschnitt wird tendenziell zu einem eigenen Chunk, manchmal zusammen mit dem H3 darunter. Das heißt: Deine Überschriftenstruktur ist nicht nur Navigation für Menschen, sie ist die faktische Bruchkante, an der eine KI deine Seite in zitierbare Einheiten teilt.

Zwei praktische Konsequenzen ergeben sich daraus. Erstens: Eine Überschrift sollte die Frage benennen, die der Abschnitt darunter beantwortet — nicht einen vagen Oberbegriff. „Preise" ist eine schwache Überschrift für einen Chunk, „Was kostet X pro Monat" ist eine starke. Zweitens: Der erste Satz nach der Überschrift sollte die Antwort direkt enthalten, nicht erst nach zwei Sätzen Kontext. Landet die Kernaussage im dritten Satz, ist die Wahrscheinlichkeit hoch, dass genau der Chunk, der zitiert werden könnte, mittendrin abgeschnitten wird oder unvollständig im Kontext des Sprachmodells landet.

Diese beiden Punkte — thematisch enge Seiten und präzise Überschriften mit vorangestellter Antwort — sind zusammen der eigentliche Hebel hinter der 2,3×-Zahl. Beide kosten kein zusätzliches Werkzeug, nur eine andere Reihenfolge beim Schreiben.

Der Denkfehler, der viele Websites bremst

Der verbreitete Denkfehler: mehr Inhalt auf einer Seite wirkt vollständiger und damit hochwertiger. Für Menschen mag das stimmen, solange die Seite gut strukturiert ist. Für ein System, das in Chunks liest und einzelne Passagen zitiert, zählt nicht die Gesamtlänge einer Seite, sondern wie klar die einzelne Passage ist, die als Antwort infrage kommt. Wer seine Inhalte so schneidet, dass jede Seite eine Frage restlos beantwortet, spielt nach genau den Regeln, die die 2,3× aus der Analyse erklären — unabhängig davon, wie viel oder wenig Schema-Markup am Ende dazukommt.

Das ist auch keine einmalige Aufgabe, die man abhakt. Neue Leistungen, neue Zielgruppen, neue Fragen aus dem Alltag verändern laufend, welche Aufteilung noch scharf genug ist — eine Seite, die heute granular genug ist, kann in einem Jahr wieder zwei Themen bündeln, die längst getrennte Antworten verdient hätten. Wer das als fortlaufenden Prozess statt als abgeschlossenes Projekt begreift, bleibt vorne.

Wie strukturierte Daten und Entitäten-Klarheit konkret in eine Website-Architektur einfließen, zeigt die Seite KI-Auffindbarkeit (GEO).