Was bei KI-Sichtbarkeit belegt ist — und was Spekulation
Berger+Team · 16.10.2026
Thema: KI-Auffindbarkeit (GEO)
Neulich tauchte in unseren Google-Suchdaten diese Anfrage auf: „viele geo-tipps im netz widersprechen sich. was ist beim thema ki-sichtbarkeit wissenschaftlich oder offiziell belegt und was ist spekulation?"
Ob ein Mensch sie getippt hat oder ein Werkzeug, können wir nicht sehen. Die Frage ist trotzdem besser als die meisten Ratgeber zum Thema. Also der Versuch einer ehrlichen Antwort — sortiert nach dem, was dahintersteht.
Was offiziell dokumentiert ist
Hier gibt es Herstellerdokumentation. Das ist keine Meinung und keine Studie, sondern eine Ansage derer, die die Systeme betreiben.
Strukturierte Daten nach schema.org werden von Suchmaschinen ausgewertet. Google dokumentiert im Search Central, welche Typen für welche Darstellungsform gelesen werden. Das ist nachlesbar und wird von Google selbst gepflegt. Was dort nicht steht: dass mehr Auszeichnung automatisch bessere Platzierung bedeutet.
Crawler lassen sich per robots.txt steuern, auch die von KI-Anbietern. OpenAI, Anthropic, Google und Perplexity dokumentieren ihre Bezeichner öffentlich. Dass ein Ausschluss respektiert wird, ist eine Zusage der Anbieter — technisch erzwingen lässt es sich nicht.
Ein Ausschluss vom Training ist etwas anderes als ein Ausschluss vom Lesen. Mehrere Anbieter trennen das inzwischen in getrennte Bezeichner. Man kann also erlauben, dass Inhalte für eine Antwort gelesen werden, und gleichzeitig untersagen, dass sie ins Training wandern.
Was wissenschaftlich untersucht ist
Hier gibt es Veröffentlichungen mit Methode. Das heißt nicht, dass sie die letzte Wahrheit sind — es heißt, dass jemand gemessen und offengelegt hat, wie.
Dass sich Inhalte für generative Antworten gezielt aufbereiten lassen, ist untersucht. Die Princeton-Arbeit zur Generative Engine Optimization hat verschiedene Aufbereitungen gegeneinander getestet und Unterschiede in der Zitierhäufigkeit gemessen. Am stärksten wirkten dabei nachprüfbare Belege: attribuierte Zitate, Zahlen mit Quelle, konkrete Angaben statt allgemeiner Formulierungen.
Das ist eine belastbare Richtung. Was es nicht ist: eine Garantie, und auch keine Aussage über deinen Betrieb in deiner Nische.
Dass ein wachsender Teil der Suchen ohne Klick endet, ist mehrfach gemessen worden — von verschiedenen Stellen, mit unterschiedlichen Zahlen und unterschiedlichen Methoden. Die Größenordnung ist robust, die genaue Prozentzahl ist es nicht. Wer dir eine exakte Zahl nennt, ohne die Erhebung dazuzusagen, gibt eine Schätzung als Messung aus.
Was plausibel, aber unbelegt ist
Der größte Teil dessen, was gerade als Ratschlag zirkuliert, gehört hierher. Das macht es nicht falsch — nur unbewiesen.
llms.txt ist ein Vorschlag, eine Datei mit einer Inhaltsübersicht für Sprachmodelle bereitzustellen. Die Idee ist naheliegend. Ob große Anbieter sie auslesen und gewichten, ist von keinem Anbieter bestätigt. Wir haben eine solche Datei, weil sie nichts kostet — nicht, weil wir wüssten, dass sie wirkt.
Optimale Textlängen, Absatzlängen, Aufzählungsformate. Dazu kursieren sehr präzise Empfehlungen. Wir haben keine belastbare Quelle dafür gefunden, die sich auf mehrere Modelle bezieht.
Dass Erwähnungen stärker wirken als Verlinkungen. Das ist eine verbreitete These, und sie ist plausibel — Sprachmodelle arbeiten nicht wie ein Linkgraph. Belastbar gemessen haben wir sie nicht, und wir kennen keine Erhebung, die es sauber täte.
Was schlicht falsch ist
„Wir melden Ihre Website bei ChatGPT an." Es gibt keine Anmeldung. Kein Anbieter betreibt ein Verzeichnis, in das man sich einträgt.
„Wir garantieren Platz 1 in KI-Antworten." Es gibt keine Plätze. Zwei Modelle beantworten dieselbe Frage unterschiedlich, dasselbe Modell an zwei Tagen ebenfalls.
„KI-Sichtbarkeit sieht man an den Besucherzahlen." Wenn ein Modell deine Seite liest und daraus eine Antwort baut, sieht der Fragende deine Adresse nie. Der Nutzen entsteht, aber er taucht in keiner Statistik auf.
Wie du selbst prüfst, in welche Schublade ein Ratschlag gehört
Drei Fragen, die erstaunlich weit tragen:
- Wer sagt das, und was hat er davon? Ein Anbieter, der eine Leistung verkauft, ist keine neutrale Quelle. Das disqualifiziert ihn nicht — es heißt nur, dass eine zweite Quelle nötig ist.
- Steht eine Messung dahinter, und ist sie beschrieben? „Wir haben festgestellt" ist keine Methode. Wie viele Fälle, über welchen Zeitraum, im Vergleich wozu?
- Was müsste passieren, damit die These falsch wäre? Wenn darauf keine Antwort kommt, ist es keine Aussage über die Welt, sondern eine Meinung.
Unsere eigene Regel
Wir schreiben in unsere Beiträge, woher eine Zahl stammt, und wenn wir etwas nicht belegen können, sagen wir das. Das führt gelegentlich zu unbefriedigenden Sätzen wie „das haben wir nicht gemessen". Uns ist das lieber als eine Zahl, die gut klingt und niemandem standhält.
Wenn du wissen willst, wie man den eigenen Stand tatsächlich misst statt ihn zu schätzen, steht das hier. Und warum eine Maschine wörtlich liest statt sinngemäß, hier.
Häufig gestellte Fragen.
Wie misst man Erfolg, wenn KI-Antworten keinen Traffic mehr auf meine Seite bringen?
Die klassische Kennzahl Klickrate verliert an Aussagekraft, wenn ein Nutzer seine Antwort direkt von der KI bekommt, ohne je eine Seite zu besuchen. Die neue Kennzahl heißt sinngemäß Share of Model Voice: Wie oft und in welchem Kontext wird dein Betrieb genannt, wenn jemand ChatGPT, Perplexity oder Claude eine Frage aus deiner Branche stellt — und wird er dabei korrekt und positiv dargestellt?
Diesen Wert misst man, indem man typische Kundenfragen regelmäßig selbst an gängige KI-Systeme stellt und protokolliert, ob und wie der eigene Betrieb vorkommt. Erfolg zeigt sich dann nicht mehr an Besucherzahlen, sondern daran, präsent und korrekt zitiert zu sein, auch wenn daraus kein direkter Klick entsteht.
Wie sich diese Werte zu einem Bild zusammensetzen, das man morgens in zwei Minuten liest, haben wir ausführlich beschrieben: das Sichtbarkeits-Cockpit.
Kann eine KI meinen Betrieb mit einem anderen verwechseln?
Ja, und es passiert häufiger, als man denkt. KI-Systeme ordnen einen Namen einer Entität zu — einem eindeutigen Ding in ihrem Weltmodell. Ist der Name mehrfach vergeben oder sind die Daten dazu widersprüchlich, landen Aussagen beim Falschen: fremde Öffnungszeiten, fremde Leistungen, fremde Bewertungen.
Wir kennen das aus eigener Erfahrung. Unser Name ist weltweit mehrfach belegt, unter anderem von einem gleichnamigen KI-Unternehmen. Suchen wir nach dem kurzen Namen, stehen wir deshalb nur an sechster Stelle, beim vollständigen an erster — eine Momentaufnahme, keine feste Größe.
Dagegen hilft kein Trick, sondern Eindeutigkeit: überall dieselbe Schreibweise von Name, Adresse und Telefonnummer, maschinenlesbare Angaben zum Unternehmen auf der eigenen Seite, und Verweise zwischen den Profilen, die tatsächlich zu dir gehören. Je klarer die Signale, desto schwerer die Verwechslung. Ein einzelner Eintrag genügt dafür nicht — es ist die Summe, die zählt.
Was ist der Unterschied zwischen SEO, GEO und LLMO?
Die drei Begriffe bauen aufeinander auf, statt sich zu ersetzen. SEO (Search Engine Optimization) sorgt dafür, dass eine Seite in klassischen Suchergebnislisten gut platziert ist. GEO (Generative Engine Optimization) erweitert das um das Ziel, in KI-generierten Antworten als Quelle zitiert zu werden — etwa in einer ChatGPT- oder Perplexity-Antwort.
LLMO (Large Language Model Optimization) geht noch einen Schritt technischer: Es geht darum, gezielt zu verstehen und zu beeinflussen, wie einzelne Sprachmodelle Inhalte verarbeiten, gewichten und wiedergeben — quasi das Reverse Engineering des jeweiligen Modells. Für die Praxis heißt das: SEO bleibt die Eintrittskarte, GEO sorgt für Zitierfähigkeit in der Breite, LLMO justiert die Details für die Systeme, die für einen Betrieb am wichtigsten sind.
Ob du diese Unterscheidung im Alltag überhaupt brauchst, ist eine eigene Frage — wir haben sie ausführlich beantwortet: Brauchst du wirklich fünf neue Abkürzungen?
