Inhaltsverzeichnis
Das Wichtigste in Kürze
KI-optimierte Content-Struktur: Komplexe SEO-Texte in maschinenlesbare Formate wie prägnante Zusammenfassungen (TL;DRs), FAQs, Listicles und isolierte Informations-Chunks aufteilen, um Large Language Models die Verarbeitung zu erleichtern.
Google Shopping ist für E-Commerce essenziell: Bei Kaufempfehlungen bezieht ChatGPT in rund 95 % der Fälle seine Daten direkt aus Google Shopping-Feeds.
Wikipedia als stärkster Vertrauensanker: Erwähnungen der eigenen Marke auf Wikipedia gelten für KIs als primäre Vertrauensquelle und katapultieren die Relevanz massiv nach oben.
Technische Quick Wins nutzen: Englische Inhalte werden von KIs am schnellsten verarbeitet. Zudem steigern die Nennung der aktuellen Jahreszahl (2026) und hochwertige Editorials auf starken Medienseiten das Ranking spürbar.
Source Gaps und Prompt-Tracking: Eigene Inhalte lassen sich durch die Analyse von Such-Prompts gezielt optimieren. Das Füllen von inhaltlichen Lücken (Source Gaps) macht die eigene Seite schnell zur neuen Primärquelle für KIs.
Veraltete Taktiken aufgeben: Reine Klick-Optimierung und plumper Foren-Spam (z. B. auf Reddit) sind wirkungslos. Auch die speziell für AI-Crawler gedachte Datei llms.txt zeigt aktuell noch kaum messbare Effekte.
Content-Strukturierung: Summaries, FAQs und Chunks
Klassische SEO-Texte zeichnen sich oft durch eine enorme Länge aus, um alle relevanten Unterthemen abzudecken. Für Large Language Models (LLMs) stellt das jedoch ein Ressourcenproblem dar, da die Rechenkapazitäten beim Abfragen schlicht zu gering sind, um jedes Mal kilometerlange Texte vollständig zu interpretieren. Besonders im Falle von kleineren Websites interpretiert die KI daher nur einen Teil des Textes.
Content auf der eigenen Website sollte daher maschinenfreundlicher aufbereitet werden, um den Bots die Arbeit zu erleichtern.
- Zusammenfassungen (TL;DR): Eine prägnante Summary direkt zu Beginn eines langen Artikels liefert die wichtigsten Keypoints auf einen Blick. Diese komprimierten Informationen dienen der KI als perfektes Sprungbrett, um den Kern des Inhalts sofort zu erfassen, ohne den gesamten Text parsen zu müssen.
- FAQs: Strukturierte Frage-und-Antwort-Bereiche innerhalb von Blogartikeln funktionieren besser als je zuvor. Da das Format optimal mit der Funktionsweise von Conversational AI matcht, werden konkrete Fragen, auf die direkt präzise Antworten folgen, bevorzugt von Chatbots herangezogen.
- Informations-Chunks: Inhalte sollten in klar abgegrenzte Informationsabschnitte – sogenannte Chunks – unterteilt werden, die sich exklusiv und intensiv mit einem spezifischen Thema befassen. Die endlose Wiederholung von Phrasen und Keywords ist für moderne KIs kontraproduktiv; jeder Chunk muss stattdessen echten semantischen Mehrwert bieten.
- Listicles: Rund 41 % der kommerziellen Suchanfragen bei KIs erzeugen Listicles, also redaktionelle Artikel in Form nummerierter Listen. Die Relevanz dieses Formats ist so hoch, dass in Tests sogar komplett erfundene Marken von der KI rezitiert wurden, sofern genügend listenbasierter Content dazu existierte.
Transaktionaler Fokus: Die Relevanz von Google Shopping
Wer im E-Commerce stark ranken möchte, muss zwingend verstehen, woher die Chatbots ihre Daten beziehen. Ein zentrales Insight der OMR-Panels betrifft hierbei ChatGPT: In rund 95 % der Fälle, in denen Kaufempfehlungen durch die KI ausgegeben werden, stammen die Informationen direkt aus Google Shopping. Die KI scrapt diese Feeds, restrukturiert die Daten und bereitet sie für die Nutzer neu auf.
Ein exzellent optimierter Google Shopping Feed hat somit unmittelbare und hochrelevante Auswirkungen auf die Sichtbarkeit in ChatGPT und vergleichbaren Chatbots. Eine moderne Conversion-Analyse bedeutet heute also auch, den Datenfluss von Google Shopping bis in die KI-Antworten hinein zu überwachen. Ergänzend dazu ist die Pflege hochwertiger Produktseiten (Product Pages) unerlässlich, da diese bei 20-30 % der transaktionalen Chatbot-Prompts direkt als Quelle zitiert werden. Auch hier gilt weiterhin: Qualität schlägt Quantität.
Reputationsmanagement: Wikipedia weiter der heilige Gral
Was in der klassischen Suchmaschinenoptimierung schon lange als Ritterschlag gilt, entwickelt sich im GEO zu einem der mächtigsten Hebel überhaupt: Verlinkungen und Erwähnungen auf Wikipedia. Für Systeme wie ChatGPT, Gemini und Claude ist Wikipedia eine der absolut primären Vertrauensquellen. Die Nennung der eigenen Brand oder der Kernentitäten auf Wikipedia katapultiert die Relevanz für KIs massiv nach oben. Interessanterweise zieht ChatGPT für seine Wissensgraphen tatsächlich auch gelöschte oder depublizierte Wikipedia-Artikel heran, selbst wenn diese wegen Regelverletzungen von der Community offline genommen wurden.
Darüber hinaus greifen Chatbots auf Artikel zurück, die sich kritisch mit Marktbegleitern auseinandersetzen. Über ein solches „Negative Framing“ oder das gezielte Aufzeigen von Defiziten bei der Konkurrenz verschieben sich die Rankingsignale der KIs, was zeigt, wie eng GEO mit den strategischen Mechanismen des traditionellen Reputationsmanagements verzahnt ist.
Technische Quick Wins: Sprache, Aktualität und Editorials
Zusätzlich gibt es einige effektive und technische Stellschrauben, die sich unkompliziert auf Websites umsetzen lassen, um von den Algorithmen der LLMs bevorzugt zu werden:
- Englischsprachige Inhalte forcieren: KIs bevorzugen die englische Sprache, da sie am schnellsten indexiert und von den Systemen ohne internen Übersetzungsoverhead interpretiert wird. Bei internationalen Zielgruppen ist ein makelloser Aufbau der englischen Seiten daher Pflicht.
- Die Magie der aktuellen Jahreszahl: Aktualität ist ein maßgeblicher Faktor. Artikel, die explizit mit der aktuellen Jahreszahl (z. B. 2026) hinterlegt sind, ranken deutlich besser als identische Inhalte mit älteren Jahreszahlen wie 2024. Bestehende Inhalte sollten deshalb regelmäßig aktuell gehalten werden.
- Die Rolle von Editorials nutzen: Bezahlte Artikel (Editorials) auf etablierten und großen Plattformen wie dem Handelsblatt oder dem Spiegel haben einen enormen positiven Impact auf die Platzierungen. KIs stufen diese Medien als extrem vertrauenswürdig ein. Die Backlinks der Editorials wirken sich auch langfristig positiv auf die Suchmaschinenoptimierung.
- Plattform-Spezifischer Hack für Grok: Der Chatbot Grok von Elon Musk greift in Echtzeit fast ausschließlich auf Daten der Plattform X (ehemals Twitter) zurück. Um bei Grok stattzufinden, führt daher kein Weg an X vorbei (wenn man das möchte).
Datengetriebene Analysen: Prompt-Tracking und Source Gaps
Die konkrete Conversion-Analyse stützt sich im GEO-Zeitalter vor allem auf Prompt-Tracking und Logfile-Analyse. Durch die Auswertung von Logfiles lässt sich nachvollziehen, welche Prompts die eigene Entität (etwa die Marke oder Tools) enthalten. So lässt sich herausfinden, wie die Zielgruppe tickt, nach welchen Kombinationen gesucht wird und welche Fragen Nutzer den Chatbots stellen. Auf Basis dieser verlässlichen Daten kann der Content zielgerichtet maßgeschneidert werden.
Ein weiterer hochgradig effizienter Ansatz ist das Füllen von sogenannten „Source Gaps“ (Quellenlücken). Wenn eine KI zu einem spezifischen Fachthema eine ungenaue oder qualitativ schlechte Quelle heranzieht, kann genau diese Lücke durch einen spezifischen, tiefgründigen und perfekt strukturierten Artikel geschlossen werden. Die Wahrscheinlichkeit ist hoch, dass die KI die überlegene Seite anschließend als neue Primärquelle adoptiert.
Veraltete Taktiken: Was 2026 nicht mehr funktioniert
Neben den neuen Optimierungswegen ist es ebenso wichtig zu wissen, welche alten Taktiken wir getrost begraben können, weil sie im Jahr 2026 nicht mehr funktionieren;
- Bloße Klick-Optimierung: Die reine Optimierung auf Klicks ohne inhaltliche Tiefe verpufft heute vollkommen wirkungslos. Klassische SEO-Maßnahmen von vor zehn Jahren haben schlichtweg nicht mehr den nötigen Impact.
- Spam auf Foren-Plattformen: KIs ziehen Foren-Threads extrem stark für Meinungsbilder heran, weshalb Reddit eine gewaltige Rolle spielt. Plumper Spam fliegt auf solchen Plattformen jedoch sofort auf und wird entweder durch die Moderation gelöscht oder wirkt sich nicht auf die eigenen Rankings aus.
- Die llms.txt: Analog zur klassischen robots.txt ist die llms.txt eine Datei im Root-Verzeichnis der Webseite, die AI-Crawlern in strukturierter Form mitteilen soll, welche Inhalte relevant sind. Das Takeaway der Messe lautet jedoch: Aktuell hat die Optimierung dieser Datei noch erstaunlich wenig messbare Auswirkungen auf die Rankings. Die Erstellung der llms.txt gehört zum Standard-Werkzeugkasten in der Suchmaschinenoptimierung, man sollte aber allein durch die Datei mit keinen Veränderungen rechnen.
Fazit: Bereit für die generative Zukunft?
Die Generative Engine Optimization (GEO) erfordert kein völliges Umdenken. Da reine Klick-Optimierung und veraltete SEO-Taktiken zunehmend wirkungslos werden, müssen Inhalte heute aktiv für KI-Chatbots wie ChatGPT oder Gemini angepasst werden. Der Fokus liegt dabei auf maschinenlesbarem Content und klar fokussierten Informations-Chunks. Im E-Commerce ist ein exzellent gepflegter Google Shopping Feed mittlerweile essentiell, da KIs ihre transaktionalen Daten maßgeblich von dort beziehen, während Wikipedia branchenübergreifend der stärkste Vertrauensanker für das Reputationsmanagement bleibt.
Tobias Lübke
Als Google-Ads-Professional verantwortet Tobias den Bereich Search Engine Marketing der Agentur. Wenn er gerade nicht auf der Suche nach dem perfekten Ranking ist, optimiert er Geschäftsprozesse beim Kunden.