ChatGPT SEO: Wie Inhalte in ChatGPT-Antworten auftauchen

Der Begriff ChatGPT SEO suggeriert, es gebe ein Ranking, auf das man optimieren könnte. Das gibt es nicht. Was es gibt, sind zwei getrennte Mechanismen, über die Inhalte in eine Antwort gelangen: das Wissen, das beim Training des Modells entstanden ist, und die Websuche, die zum Zeitpunkt der Frage ausgeführt wird. Die beiden funktionieren unterschiedlich, sind unterschiedlich schnell und lassen sich mit unterschiedlichen Mitteln beeinflussen.

Diese Unterscheidung ist der Ausgangspunkt für jede belastbare Aussage über Sichtbarkeit in ChatGPT. Sie erklärt, warum eine neue Website über Nacht in Antworten auftauchen kann und eine etablierte Marke trotzdem nicht genannt wird. Und sie erklärt, warum Erwähnungen auf fremden Seiten in diesem Umfeld schwerer wiegen als klassische Backlinks.

Zwei Spielfelder: Trainingswissen und Live-Suche

Ein Sprachmodell beantwortet eine Frage entweder aus dem, was es beim Training gelernt hat, oder aus Material, das ihm zur Laufzeit vorgelegt wird. ChatGPT nutzt beides und entscheidet situativ, ob eine Websuche nötig ist – ausgelöst durch die Art der Frage oder durch den Nutzer selbst.

Ein einfaches Erkennungsmerkmal in der Praxis: Nennt eine Antwort Quellen mit Verweis, kam sie über die Live-Suche zustande. Nennt sie keine, stammt sie in der Regel aus dem Trainingsstand. Wer die Sichtbarkeit der eigenen Marke prüft, sollte diese beiden Fälle getrennt protokollieren – sonst vermischt die Auswertung zwei Mechaniken mit ganz unterschiedlichen Reaktionszeiten.

Der zweite Weg ist ein Fall von Retrieval-Augmented Generation: Das System sucht passende Passagen, legt sie dem Modell vor und lässt daraus eine Antwort formulieren. Das Modell selbst weiß dabei nichts Neues – es formuliert nur, was ihm vorgelegt wurde.

Wie Trainingswissen entsteht – und warum es träge ist

Trainingsdaten sind eine breite Momentaufnahme des öffentlich zugänglichen Netzes. Was dort häufig, konsistent und in gut eingeordneten Zusammenhängen vorkommt, prägt das Modell stärker als eine einzelne, noch so gute Quelle. Das ist keine Bevorzugung großer Marken, sondern eine Folge der Statistik: Aussagen, die in vielen unabhängigen Quellen übereinstimmen, werden zuverlässiger reproduziert als solche, die nur an einer Stelle stehen.

Für die Praxis hat das drei Konsequenzen. Erstens ist der Hebel indirekt: Man kann ein Modell nicht mit der eigenen Website trainieren, sondern nur dafür sorgen, dass die eigene Marke im Netz häufig und einheitlich beschrieben wird. Zweitens ist er langsam: Zwischen einer Veränderung der Quellenlage und einem neuen Modellstand liegen Monate. Drittens ist er nicht rückholbar: Was ein Modell falsch gelernt hat – eine veraltete Positionierung, ein früherer Firmenname, eine falsche Branchenzuordnung – bleibt bis zum nächsten Trainingsstand erhalten.

Genau hier liegt der Wert von Einträgen in etablierten Nachschlagewerken und Verzeichnissen. Eine hohe Wikipedia-Salienz – also eine belegte, gepflegte Präsenz in enzyklopädischen Quellen – wirkt in diesem Mechanismus überproportional, weil solche Quellen in Trainingsdaten stark vertreten sind und von anderen Quellen zitiert werden. Erzwingen lässt sich ein solcher Eintrag nicht; er folgt Relevanzkriterien, die außerhalb der Marketingkontrolle liegen.

Die Live-Suche: der zweite, schnellere Weg

Seit ChatGPT eine integrierte Websuche besitzt, gibt es einen Pfad, der auf Tagesbasis reagiert. Stellt ein Nutzer eine Frage, die aktuelle Informationen erfordert, ruft das System Inhalte ab und formuliert die Antwort daraus, samt Verweisen auf die verwendeten Seiten.

Dieser Weg ist für die meisten Unternehmen der praktisch relevantere, weil er im Gegensatz zum Trainingswissen tatsächlich beeinflussbar ist. Drei Bedingungen müssen dafür erfüllt sein, und sie bauen aufeinander auf.

1. Der zuständige Crawler darf nicht ausgesperrt sein. Ohne Zugriff kein Abruf. Das klingt trivial, ist aber der häufigste stille Ausschlussgrund, weil er oft unbeabsichtigt entstanden ist.
2. Die Inhalte müssen als Passage verwertbar sein. Was abgerufen wird, sind Textabschnitte, keine Seiten. Ein Abschnitt, der eine Frage vollständig beantwortet, ohne dass man drei weitere Absätze braucht, wird eher übernommen.
3. Die Aussage muss prüfbar sein. Zahlen mit Bezugsgröße, Datumsangaben, benannte Verfahren und Normen sind übernehmbar. Adjektive sind es nicht – sie tragen keine Information, die in einer Antwort etwas beiträgt.

Ein Detail, das häufig übersehen wird: Die Live-Suche greift auf einen eigenen Index zu, nicht auf den von Google. Eine gute Position bei Google ist deshalb weder Voraussetzung noch Garantie. Die Grundlagen überschneiden sich – Auffindbarkeit, saubere Auslieferung, inhaltliche Substanz –, das Ergebnis ist aber nicht dasselbe.

OAI-SearchBot, GPTBot und ChatGPT-User in der robots.txt

OpenAI dokumentiert drei Crawler mit klar getrennten Aufgaben. Die Trennung ist der entscheidende Punkt, weil sie eine differenzierte Entscheidung erlaubt – und weil sie in der Praxis regelmäßig übersehen wird.

1. OAI-SearchBot. Baut den Index für die Suchfunktion in ChatGPT auf. Wer diesen Crawler ausschließt, erscheint laut OpenAI nicht mehr in den Suchantworten – die Seite kann dann allenfalls noch verlinkt werden.
2. GPTBot. Sammelt Inhalte für das Training künftiger Modelle. Ein Ausschluss signalisiert, dass die Inhalte nicht für Modelltraining verwendet werden sollen.
3. ChatGPT-User. Wird tätig, wenn ein Nutzer oder eine Anwendung im Gespräch ausdrücklich den Abruf einer Seite anstößt – also nicht flächendeckend, sondern anlassbezogen.

OpenAI hält ausdrücklich fest, dass die Einstellungen unabhängig voneinander wirken. Man kann den Suchcrawler zulassen und den Trainingscrawler ausschließen. In der robots.txt sieht das so aus:

# Variante A: Live-Suche zulassen, Modelltraining ausschließen

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: GPTBot
Disallow: /

# Variante B: alles zulassen – der Standardfall, wenn Reichweite das Ziel ist
# (keine Einträge nötig; ohne Regel gilt der Zugriff als erlaubt)

# Wichtig: Jede Regel wirkt nur für den genannten User-Agent.
# Ein Ausschluss von GPTBot sagt nichts über OAI-SearchBot aus.

Die robots.txt selbst ist seit 2022 mit RFC 9309 formal spezifiziert; die Syntax ist also nicht Auslegungssache. Was sie nicht leistet: Sie ist eine Bitte, kein technischer Schutz. Wer Inhalte zuverlässig unzugänglich machen will, braucht eine Zugriffskontrolle, keine Textdatei. Welche Bots man aus welchen Gründen zulässt, gehört in eine dokumentierte Strategie für ChatGPT-Sichtbarkeit und nicht in eine spontane Serverkonfiguration.

Ergänzend lohnt der Blick auf die anderen Anbieter: Auch Google trennt zwischen dem Crawler für die Suche und einem gesonderten Token für das Training seiner Modelle. Wer eine Haltung zu KI-Crawlern entwickelt, sollte sie über alle Anbieter hinweg konsistent umsetzen – und dabei denselben Aufbau nutzen, den auch eine llms.txt adressiert, ohne sie damit zu verwechseln: Die eine Datei regelt Zugriff, die andere bietet Orientierung an.

Die strategische Abwägung: Crawler zulassen oder nicht

Die Entscheidung wird oft emotional getroffen und selten sauber begründet. Sie zerfällt in zwei unabhängige Fragen.

Frage 1: Suchcrawler zulassen?

Für nahezu alle Unternehmen, die über ihre Website Nachfrage gewinnen wollen, lautet die Antwort ja. Ein Ausschluss des Suchcrawlers bedeutet, in einem wachsenden Recherchekanal nicht vorzukommen – ohne Gegenwert. Anders liegt der Fall bei Anbietern, deren Geschäftsmodell im Verkauf des Inhalts selbst besteht: Fachverlage, Datenbankanbieter, Nachrichtenhäuser mit Bezahlschranke. Dort ist der Ausschluss eine nachvollziehbare Verhandlungsposition.

Frage 2: Trainingscrawler zulassen?

Hier ist die Abwägung offener und der unmittelbare Nutzen geringer, weil zwischen Zulassung und Wirkung ein Modellzyklus liegt. Argumente dafür: Wer über Jahre in Trainingsdaten präsent ist, wird auch ohne Live-Abruf korrekt eingeordnet. Argumente dagegen: kein direkter Rückfluss, keine Verweise, keine Kontrolle über die Verwendung. Eine belastbare Empfehlung für alle Fälle gibt es nicht – wohl aber die Empfehlung, die Entscheidung schriftlich zu begründen und regelmäßig zu prüfen.

Was in beiden Fällen gilt: Ein Ausschluss aus Verärgerung ist keine Strategie. Und ein Ausschluss, den niemand mehr kennt, weil er vor zwei Jahren von einem Dienstleister gesetzt wurde, ist der häufigste Grund dafür, dass Marken in Antworten fehlen, obwohl inhaltlich alles stimmt. Die robots.txt zu lesen ist der erste Schritt jeder Ursachensuche.

Was zitierfähige Quellen gemeinsam haben

Unabhängig vom Weg, über den eine Quelle in eine Antwort gelangt, teilen zitierte Inhalte wiederkehrende Eigenschaften. Sie lassen sich als Mechanik beschreiben, ohne dass man behaupten müsste, die Auswahllogik im Detail zu kennen.

1. Eindeutige Entität. Das System muss zweifelsfrei erkennen können, wer hier spricht. Ein einheitlich geschriebener Name, eine überall identische Selbstbeschreibung und eine klare Zuordnung zu Branche, Ort und Leistung sind die Grundbedingung. Wo Uneinheitlichkeit herrscht, entstehen aus einer Marke mehrere schwache Fragmente, deren Nennungen sich nicht addieren.
2. Konsistente Nennungen außerhalb der eigenen Seite. Übereinstimmung über mehrere unabhängige Quellen hinweg ist das stärkste Signal, das ein System hat. Eine Aussage, die nur auf der eigenen Website steht, bleibt eine Behauptung.
3. Klar beantwortete Fragen. Ein Abschnitt, der mit der Antwort beginnt und danach begründet, ist übernehmbar. Ein Abschnitt, der zur Antwort hinführt und sie im letzten Satz andeutet, ist es nicht.
4. Prüfbare Fakten. Zahlen mit Bezugsgröße und Zeitraum, benannte Normen, Verfahren und Zuständigkeiten. Was sich nicht prüfen lässt, wird auch nicht zitiert – es lässt sich nicht gegen andere Quellen abgleichen.
5. Erkennbare Urheberschaft. Ein benannter Autor mit nachvollziehbarer Qualifikation und ein sichtbares Datum machen eine Quelle einordnbar. Anonyme, undatierte Texte sind für ein System nicht bewertbar.

Diese Merkmale sind nicht ChatGPT-spezifisch. Sie tauchen in ähnlicher Form über alle Antwortsysteme hinweg auf, weshalb sich die Arbeit daran über mehrere Kanäle hinweg auszahlt – das ist der gemeinsame Nenner, den der Guide zur Sichtbarkeit in KI-Antworten systemübergreifend beschreibt.

Warum Erwähnungen schwerer wiegen als Backlinks

In der klassischen Suchmaschinenoptimierung ist der Link die Währung: Er überträgt ein Signal von einer Domain zur anderen, und ohne Verlinkung bleibt eine Nennung weitgehend folgenlos. In Antwortsystemen kehrt sich das Verhältnis um – und das ist einer der Gründe, warum GEO sich nicht als bloße Teilmenge klassischer Suchmaschinenoptimierung abarbeiten lässt.

Der Grund liegt in der Verarbeitung. Ein Modell verarbeitet Text, keine Verweisstruktur. Ein Satz wie „Unter den Anbietern für Kabelkonfektion im deutschen Maschinenbau gilt Norddraht als spezialisiert auf Kleinserien“ trägt eine vollständige Aussage über eine Entität, ihre Kategorie und ihre Einordnung – unabhängig davon, ob das Wort verlinkt ist. Solche Brand Mentions sind für ein System auswertbar, ein nackter Link dagegen kaum.

Daraus folgt eine andere Priorität in der externen Arbeit. Wertvoll sind Nennungen in redaktionellen Fachbeiträgen, in Branchenübersichten, in Vergleichen und Auflistungen, in Interviews und Fachvorträgen mit dokumentierter Zusammenfassung, in gepflegten Verzeichnissen und Unternehmensprofilen. Nicht wertvoll sind Platzierungen, die nur einen Link setzen, ohne die Marke in einen erklärenden Zusammenhang zu stellen.

Ein wichtiger Zusatz, weil er häufig fehlt: Die Nennung muss die Marke in derselben Schreibweise verwenden wie die eigene Kommunikation. Zwei Schreibvarianten in Fachbeiträgen erzeugen zwei schwache Signale statt eines starken. Das ist der unspektakulärste und zugleich am häufigsten vernachlässigte Teil dieser Arbeit.

„Ein Link sagt: Diese Seite existiert. Eine Erwähnung sagt: Diese Marke ist für dieses Thema relevant. Nur das Zweite lässt sich zitieren.“

Umsetzung: Was auf der eigenen Seite passieren muss

Der externe Teil der Arbeit ist der schwierigere, aber der interne ist die Voraussetzung dafür, dass er wirkt. Vier Punkte sind konkret abarbeitbar.

Die robots.txt prüfen

Der erste Schritt ist eine Bestandsaufnahme: Welche Crawler sind derzeit ausgeschlossen, seit wann, und wer hat das entschieden. Diese Prüfung dauert fünf Minuten und beantwortet in überraschend vielen Fällen bereits die Frage, warum eine Marke nicht in Antworten vorkommt.

Antwortstruktur in den Inhalten

Überschriften als Fragen formulieren, die Antwort im ersten Absatz darunter geben, Begründung und Detail danach. Diese Reihenfolge widerspricht der journalistischen Gewohnheit, auf eine Pointe hinzuschreiben, und ist genau deshalb der häufigste inhaltliche Umbau, den Bestandsseiten brauchen.

Fakten prüfbar machen

Jede Zahl mit Bezugsgröße und Zeitraum, jede Norm mit Bezeichnung, jede Aussage über die eigene Leistung mit einer nachprüfbaren Angabe statt eines Superlativs. Was in eine Antwort übernommen werden soll, muss ohne den umgebenden Text verständlich bleiben.

Eine Seite, die die Entität definiert

Eine Seite, auf der in klarer Sprache steht, was das Unternehmen ist, für wen es arbeitet, womit, seit wann und wo – ohne Marketingvokabular, in derselben Formulierung wie in Verzeichnissen und Unternehmensprofilen. Diese Seite ist die Referenz, gegen die alle anderen Nennungen abgeglichen werden.

Wo dieser Umbau im größeren Zusammenhang steht und in welcher Reihenfolge er sich lohnt, ordnet die Arbeit an der Generative Engine Optimization insgesamt ein. Für den B2B-Fall im Besonderen zeigt der Guide zur Buying Journey in der KI-Suche, an welcher Stelle des Kaufprozesses diese Sichtbarkeit überhaupt wirksam wird.

Was messbar ist – und was nicht

Hier ist Ehrlichkeit wichtiger als ein gut aussehendes Dashboard, weil die Lücke zwischen dem, was verkauft wird, und dem, was erhebbar ist, in diesem Feld besonders groß ist.

Nicht messbar ist die Häufigkeit, mit der eine Marke in ChatGPT-Antworten genannt wird. Es gibt keine Grundgesamtheit, zu der man ins Verhältnis setzen könnte: Niemand weiß, wie viele Menschen welche Fragen gestellt haben. Ebenfalls nicht messbar ist eine saubere Zuordnung von Zugriffen. Ein Teil der Klicks aus Antworten kommt mit erkennbarer Herkunft, ein Teil nicht, und ein weiterer Teil entsteht erst Tage später über eine Markensuche.

Messbar ist dagegen eine reproduzierbare Stichprobe. Man definiert einen festen Satz von Recherchefragen, wie sie ein Kunde tatsächlich stellen würde, stellt sie in regelmäßigen Abständen unter gleichen Bedingungen und protokolliert vier Dinge: ob die Marke genannt wurde, in welchem Zusammenhang, welche Wettbewerber genannt wurden und welche Quellen verlinkt waren. Diese Reihe ist keine repräsentative Messung, aber sie zeigt Veränderung – und Veränderung ist das, was eine Entscheidung braucht.

Als zweite Ebene tragen indirekte Indikatoren: die Entwicklung der Markensuchen, der Anteil neuer Anfragen, in denen KI-Systeme als Rechercheweg genannt werden, und die Konsistenz der eigenen Beschreibung über externe Quellen hinweg. Wer diese Beobachtung systematisch und wiederholbar aufsetzen will, findet im AI Visibility Monitoring den passenden methodischen Rahmen.

Was in keinem Fall trägt: eine einzelne Abfrage als Beleg. Antworten von Sprachmodellen variieren zwischen Sitzungen, auch bei identischer Frage. Wer aus einer einzigen Antwort einen Befund ableitet – in die eine wie in die andere Richtung –, misst Zufall. Erst die Wiederholung über Zeit macht aus einer Beobachtung ein Ergebnis, und der Weg dahin führt über eine dokumentierte Methode statt über ein Bauchgefühl.

Häufige Fragen zu ChatGPT SEO

Gibt es bei ChatGPT ein Ranking, auf das man optimieren kann?

Nein. Es gibt zwei getrennte Wege, über die Inhalte in eine Antwort gelangen: das beim Training entstandene Wissen und die Websuche zur Laufzeit. Beide arbeiten mit Auswahl, nicht mit einer Rangliste. Wer eine Positionszahl präsentiert bekommt, sollte nach der Methode und der Grundgesamtheit dahinter fragen.

Was ist der Unterschied zwischen OAI-SearchBot und GPTBot?

OAI-SearchBot baut den Index für die Suchfunktion in ChatGPT auf; wer ihn ausschließt, erscheint laut OpenAI nicht mehr in Suchantworten. GPTBot sammelt Inhalte für das Training künftiger Modelle. OpenAI hält ausdrücklich fest, dass die Einstellungen unabhängig voneinander wirken – man kann den Suchcrawler zulassen und den Trainingscrawler ausschließen.

Sollte ich GPTBot in der robots.txt sperren?

Das hängt vom Geschäftsmodell ab. Wer über die Website Nachfrage gewinnt, gewinnt durch eine Sperre wenig und verliert langfristig an Präsenz im Trainingswissen. Wer den Inhalt selbst verkauft – Fachverlage, Datenbankanbieter, Bezahlinhalte –, hat einen nachvollziehbaren Grund. Wichtig ist, die Entscheidung zu begründen und regelmäßig zu überprüfen.

Warum wiegen Markenerwähnungen mehr als Backlinks?

Weil ein Sprachmodell Text verarbeitet, keine Verweisstruktur. Ein Satz, der eine Marke, ihre Kategorie und ihre Einordnung nennt, trägt eine vollständige Aussage, die sich mit anderen Quellen abgleichen lässt. Ein nackter Link ohne erklärenden Zusammenhang trägt diese Information nicht und ist für die Auswahl entsprechend wenig verwertbar.

Bringt eine gute Google-Position automatisch Sichtbarkeit in ChatGPT?

Nein. Die Websuche in ChatGPT greift auf einen eigenen Index zu, nicht auf den von Google. Die Grundlagen überschneiden sich – Auffindbarkeit, saubere Auslieferung, inhaltliche Substanz –, das Ergebnis ist aber nicht dasselbe. Eine starke Google-Position ist deshalb weder Voraussetzung noch Garantie für eine Nennung.

Wie prüfe ich, ob meine Marke in ChatGPT auftaucht?

Über eine reproduzierbare Stichprobe statt einer Einzelabfrage. Man definiert einen festen Satz realistischer Recherchefragen, stellt sie in regelmäßigen Abständen unter gleichen Bedingungen und protokolliert, ob die Marke genannt wurde, in welchem Zusammenhang, welche Wettbewerber erschienen und welche Quellen verlinkt waren. Einzelne Antworten variieren zu stark.

Fazit

ChatGPT SEO ist kein eigenes Handwerk, sondern die konsequente Anwendung von zwei Einsichten. Erstens: Es gibt zwei Wege in eine Antwort, und sie verlangen unterschiedliche Arbeit – der eine ist langsam und indirekt, der andere schnell und beeinflussbar. Zweitens: Was zitiert wird, ist nicht das Beste, sondern das Übernehmbare. Eine klar zugeordnete Entität, eine Aussage, die ohne ihren Kontext verständlich bleibt, und eine Fakteneinlage, die sich gegen andere Quellen prüfen lässt.

Der unbequeme Teil ist, dass der wirksamste Hebel außerhalb der eigenen Website liegt. Eine Marke, über die konsistent und in erklärenden Zusammenhängen geschrieben wird, ist in Antwortsystemen im Vorteil – unabhängig davon, wie gut die eigene Website aufgebaut ist. Die eigene Seite entscheidet darüber, ob dieses Signal aufgegriffen werden kann; ob es entsteht, entscheidet sich woanders. Wer diese Reihenfolge kennt, spart sich die Enttäuschung, monatelang an der Startseite optimiert zu haben, während die Ursache in einer zwei Jahre alten robots.txt lag.

Kostenlose Wachstumsanalyse anfragen →