Generative Engine Optimization (GEO) ist die Disziplin, Inhalte so zu strukturieren, dass Sprachmodelle wie ChatGPT, Perplexity, Google AI Overviews, Claude und Microsoft Copilot sie als Quelle erkennen, zitieren und in generierten Antworten verwenden. GEO arbeitet auf Entitäts-, Aussage- und Quellen-Ebene – klassisches SEO bleibt Voraussetzung, GEO ist die strategische Schicht darüber.
Bis vor wenigen Jahren war organische Sichtbarkeit deckungsgleich mit Google-Rankings. Diese Gleichung gilt nicht mehr. Eine wachsende Zahl von Entscheidern in komplexen Buying-Centern beginnt die Anbieter-Recherche heute in ChatGPT, Perplexity oder Microsoft Copilot – nicht in einer klassischen Suchmaschine. Was dort als Antwort erscheint, prägt das Marktbild bevor irgendjemand eine SERP öffnet. Generative Engine Optimization ist die Disziplin, die diese neue Ebene strukturell adressiert.
GEO vs. klassisches SEO
Klassisches SEO optimiert auf eine messbare, ordinale Größe: die Position eines URL in einer Liste von zehn organischen Ergebnissen pro Suchanfrage. Die Hebel sind bekannt – technische Crawlbarkeit, Keyword-Mapping, OnPage-Signale, Backlink-Profil, Nutzerverhalten in der SERP.
Generative Engine Optimization optimiert auf eine andere Größe: die Wahrscheinlichkeit, dass ein Sprachmodell die eigene Domain als Quelle für eine generierte Antwort heranzieht, zitiert und im Output sichtbar verankert. Die Hebel überlappen mit klassischem SEO – saubere Crawlbarkeit bleibt Voraussetzung – aber sie fügen eine eigene Schicht hinzu: Entitäts-Modellierung, strukturierte Antwort-Blöcke, Crawler-Steuerung für die LLM-spezifischen User-Agents, Quellen-Reputation jenseits klassischer Backlinks.
Die Methodik im Überblick
Crawler- und Index-Strategie
Die erste Schicht ist technisch und wird meist übersehen. GPTBot crawlt für künftige OpenAI-Modelle, OAI-SearchBot für ChatGPT Search in Echtzeit, ClaudeBot für Anthropic, PerplexityBot für Perplexity, Google-Extended für Gemini- und AI-Overviews-Daten. Wer alle pauschal blockt – eine häufige Default-Konfiguration in robots.txt – ist in keiner LLM-Antwort sichtbar. Wer alle pauschal erlaubt, verschenkt Steuerung. Die Entscheidung gehört explizit getroffen, pro Crawler und pro Pfad. Details dazu auf der AI-Crawler-Strategie-Seite.
Entitäten- und Wissensmodellierung
LLMs arbeiten auf einer Entitäts- und Konzept-Ebene, nicht auf einer Keyword-Ebene. Eine Page, die ein Thema präzise mit Definitionen, Abgrenzungen, Synonymen, verwandten Konzepten und expliziten Beziehungen beschreibt, wird von einem Sprachmodell anders erkannt als eine Page, die ausschließlich auf Keyword-Variationen optimiert ist. Wir bauen Inhalte deshalb von einem Entitäts-Modell ausgehend auf – und nicht von einer Keyword-Liste.
Antwort-Architektur statt Wandtext
Sprachmodelle bevorzugen strukturierte Antwort-Blöcke beim Retrieval. Ein klar abgegrenzter Definitions-Block am Seitenanfang, FAQ-Strukturen mit Frage und Antwort als eigene semantische Einheiten, Listen mit präzisen Aussagen, Vergleichs-Tabellen mit klaren Differenz-Kriterien – all das wird häufiger gezogen als gleichlange, aber unstrukturierte Fließtext-Passagen. Es geht nicht um Kürze. Es geht um Abrufbarkeit einzelner Aussage-Einheiten.
Schema und Faktenanker
Schema.org-Auszeichnung, Article, FAQPage, Organization, Person, Service – alles, was klassisches SEO seit Jahren empfiehlt, wirkt im GEO-Kontext stärker. Sprachmodelle nutzen strukturierte Daten als Faktenanker und als Disambiguierung. Eine sauber ausgezeichnete Page wird häufiger korrekt zitiert; eine unausgezeichnete Page wird häufiger missattribuiert oder gar nicht erkannt.
Quellen-Reputation und Autoren-Signale
LLMs gewichten Quellen nach erlernten Autoritäts-Signalen. Backlinks bleiben relevant, aber sie sind nicht mehr alleinige Währung. Wikipedia-Einträge, Fachverbands-Listings, peer-reviewte Quellen, etablierte Branchen-Medien – all das prägt, wie wahrscheinlich eine Domain als Quelle erscheint. Autoren-Profile mit klarer Expertise und Entitäts-Verknüpfung sind ein wesentlicher Hebel.
Die Engine-Matrix
Jede Engine hat eigene technische Logik und eigene Retrieval-Pfade. Eine GEO-Strategie, die alle Engines gleich behandelt, lässt strategischen Hebel liegen.
- ChatGPT-Sichtbarkeit – Bing-Index als primärer Retrieval-Pfad, OAI-SearchBot für Live-Crawling, strukturierte Antwort-Blöcke als Selektions-Vorteil.
- Perplexity-Sichtbarkeit – eigener PerplexityBot, Aktualitäts-Gewichtung, Pro-Search-Verhalten, Karten-1-bis-3-Logik im Quellen-Karussell.
- Google AI Overviews – generative Schicht über der Google-SERP, Passage-Ranking, Google-Extended, Antwort-Architektur als Hebel.
- Claude und Microsoft Copilot – überlappendes Retrieval, Bing-Index-Pfad, stabile Inhalts-Strukturen für längere Kontextfenster.
Messung als eigene Disziplin
GEO ist nur dann steuerbar, wenn es gemessen wird. Mit AI-Visibility-Plattformen wie Otterly, Profound, Peec oder Athena definieren wir Prompt-Sets pro Themen-Cluster – typischerweise 30 bis 80 Prompts pro Cluster – und tracken Engine-übergreifend, wie häufig die eigene Domain als Quelle erscheint, an welcher Position und mit welchem Quellen-Anteil. Diese Mess-Schicht steht im selben Bericht wie klassische Sichtbarkeit, Impressionen, organische Klicks, Brand-Search und Pipeline-Beitrag. Sichtbarkeit ist eine kontinuierliche Steuerungs-Größe, kein Vanity-Indikator. Mehr dazu auf der AI-Visibility-Monitoring-Seite.
Typische Mandats-Verläufe
Monat 1: Crawler- und Index-Audit, Mess-Setup mit Prompt-Sets, Entitäts-Inventur der Domäne. Monat 2–3: Strukturelle Anpassung bestehender Top-Inhalte – Antwort-Blöcke, Schema, Autoren-Profile, llms.txt. Monat 3–6: Cluster-weise Neu-Aufbau strategischer Themen mit GEO- und SEO-Anforderungen gleichzeitig. Ab Monat 6: Skalierung, Engine-spezifische Feinjustierung, kontinuierliches Monitoring der Zitats-Anteile.
Wer profitiert besonders
Unternehmen mit komplexen, erklärungsintensiven Angeboten und mehrstufigen Buying-Centern sehen die stärksten GEO-Effekte. B2B-SaaS in Evaluierungs-Phasen, Beratungs-Unternehmen in der Long-List-Phase, Industrie-Anbieter mit langer Recherche-Strecke, regulierte Branchen mit hohem Erklärungs-Bedarf – überall dort, wo der Käufer beim Sprachmodell anfängt und nicht beim ersten Anbieter-Kontakt, ist GEO ein strategischer Hebel auf das Vorfeld der eigentlichen Sales-Pipeline.
Häufige Fragen
Wenn Sie prüfen wollen, wie sichtbar Ihre Domäne in ChatGPT, Perplexity und Google AI Overviews bereits ist und wo der größte Hebel liegt, beginnen wir mit einer Wachstumsanalyse. Den breiteren Rahmen finden Sie auf der GEO-Übersicht und der Standortbestimmung »SEO im KI-Zeitalter«.
