Google AI Mode: Was der KI-Modus für Websites verändert
Ein eigener Suchmodus mit dialogischer Recherche verändert nicht nur die Darstellung von Ergebnissen, sondern die Struktur der Nachfrage dahinter – und zwar sehr ungleichmäßig über die verschiedenen Arten von Suchanfragen hinweg.
Google hat den AI Mode im März 2025 als eigenen Modus in der Suche vorgestellt und ihn zunächst über Labs ausgerollt. Er ist kein Antwortblock über den Ergebnissen, sondern ein eigener Einstiegspunkt: Wer ihn wählt, bekommt eine ausformulierte Antwort und kann von dort aus in ein Gespräch mit Rückfragen übergehen, ohne zur klassischen Ergebnisliste zurückzukehren.
Für Betreiber von Websites ist die interessante Frage nicht, wie das Interface aussieht, sondern was mechanisch dahinter passiert: wie Google in diesem Modus zu Quellen kommt, welche Anfragen dadurch Klicks verlieren und welche nicht, und welche Arbeit an der eigenen Website darauf tatsächlich einzahlt. Das lässt sich aus Googles eigener Dokumentation und aus beobachtbarem Verhalten ableiten – deutlich verlässlicher als aus den Prozentzahlen, die derzeit in Fachbeiträgen kursieren.
Was der AI Mode ist
Der AI Mode ist ein Modus innerhalb der Google-Suche, in dem die Antwort selbst das Ergebnis ist. Statt einer Liste von Treffern erscheint ein zusammenhängender Text, der aus mehreren Quellen synthetisiert wurde, ergänzt um Verweise auf die herangezogenen Seiten. Von dort aus lässt sich weiterfragen: Rückfragen bauen auf dem bisherigen Verlauf auf, sodass eine Recherche über mehrere Schritte in einer einzigen Sitzung stattfindet.
Google beschreibt den Modus als besonders geeignet für Fragen, die Vergleich, Abwägung oder mehrere Teilaspekte umfassen – also genau für die Recherchen, die früher aus einer Serie einzelner Suchanfragen bestanden. Diese Serie wandert damit von der Suchhistorie in einen Dialog.
Das ist eine andere Sache als die AI Overviews, auch wenn beide Funktionen dieselbe Technologie im Hintergrund nutzen und sich zunehmend verzahnen. Der Unterschied ist strukturell und für die Bewertung der eigenen Sichtbarkeit entscheidend.
Schematische Darstellung: Beide Funktionen greifen auf dieselbe Technologie zurück und verzahnen sich zunehmend. Für die Bewertung der eigenen Sichtbarkeit zählt der strukturelle Unterschied, nicht die Oberfläche.
AI Mode und AI Overviews: der Unterschied
Die AI Overviews sind ein Antwortblock, der über den klassischen Suchergebnissen erscheint. Der Nutzer hat sie nicht angefordert; sie werden bei einem Teil der Anfragen eingeblendet, und darunter steht weiterhin die vollständige Ergebnisliste. Der AI Mode dagegen ist ein Modus, den der Nutzer aktiv wählt. Er ersetzt die Ergebnisliste, statt sie zu ergänzen.
| Merkmal | AI Overviews | AI Mode |
|---|---|---|
| Auslösung | Automatisch bei einem Teil der Anfragen | Vom Nutzer aktiv gewählt |
| Darstellung | Antwortblock über den klassischen Treffern | Eigene Ansicht, die die Trefferliste ersetzt |
| Folgefragen | Möglich, führen in den AI Mode hinein | Kern des Modus, mit Kontext aus dem Verlauf |
| Klassische Treffer | Bleiben darunter vollständig erhalten | Erscheinen als Verweise innerhalb der Antwort |
| Nutzerabsicht | Häufig noch offen, oft nur eine schnelle Auskunft | Meist bewusste Recherche mit mehreren Schritten |
Praktisch bedeutet das zweierlei. Erstens ist die Nutzergruppe im AI Mode eine andere: Wer den Modus wählt, hat sich für eine ausführlichere Recherche entschieden und ist bereit, mehrere Runden zu investieren. Zweitens ist der Verdrängungseffekt hier vollständiger. Bei den AI Overviews stehen die klassischen Ergebnisse weiterhin auf derselben Seite – die Klickwahrscheinlichkeit sinkt, aber der Weg bleibt offen. Wie stark dieser Effekt ausfällt und wie er sich im Reporting bemerkbar macht, behandelt der Guide zur Traffic-Erosion durch AI Overviews im Detail.
Query Fan-out: wie aus einer Frage viele Suchen werden
Der technisch interessanteste Teil ist das Verfahren, mit dem Google im AI Mode Quellen zusammenträgt. Google nennt es Query Fan-out und beschreibt es in der eigenen Dokumentation: Die gestellte Frage wird in Teilfragen zerlegt, zu jeder Teilfrage werden gleichzeitig Suchen ausgeführt, teils über verschiedene Datenquellen, und die Ergebnisse werden anschließend zu einer Antwort zusammengeführt.
Für die Praxis folgen daraus drei Konsequenzen, die sich von klassischem Ranking-Denken unterscheiden.
- Es gibt nicht die eine Suchanfrage, für die man rankt. Eine einzelne Nutzerfrage erzeugt im Hintergrund mehrere Suchen zu Teilaspekten. Eine Seite kann über einen Teilaspekt in die Antwort gelangen, ohne für die ursprüngliche Formulierung je gerankt zu haben.
- Passagen zählen mehr als Seiten. Was zusammengeführt wird, sind Antwortbausteine zu Teilfragen. Ein Abschnitt, der eine Teilfrage vollständig beantwortet, ist verwertbarer als eine lange Seite, die alles streift und nichts abschließt.
- Longtail wird unsichtbar, nicht wertlos. Viele der intern ausgelösten Suchen entsprechen sehr spezifischen Formulierungen, die in keinem Keyword-Tool als eigenständiges Volumen auftauchen. Sie werden trotzdem gestellt – nur eben von der Maschine, nicht vom Nutzer.
Diese Mechanik erklärt, warum Inhaltsarbeit im Umfeld des AI Mode weniger mit Keyword-Dichte und mehr mit Vollständigkeit zu tun hat. Wer die Fragen kennt, die um sein Thema herum entstehen, und sie einzeln sauber beantwortet, bietet mehr Andockpunkte als jemand, der dieselbe Wortmenge auf eine große Seite verteilt. Das ist der Punkt, an dem Content-SEO und KI-Sichtbarkeit dieselbe Arbeit verlangen.
Wie Quellen ausgewählt und dargestellt werden
Zur Frage, welche Quellen es in eine Antwort schaffen, gibt es zwei Erkenntnisquellen: Googles Dokumentation und die Beobachtung von Ergebnissen. Beides zusammen ergibt ein Bild, das ohne Spekulation über Algorithmen auskommt.
Aus der Dokumentation ist gesichert, dass es keine gesonderten technischen Voraussetzungen gibt. Google hält in der Search-Central-Dokumentation zu KI-Funktionen ausdrücklich fest, dass eine Seite lediglich indexiert und mit einem Snippet ausspielbar sein muss – keine zusätzliche Auszeichnung, keine speziellen Dateien, keine eigene Optimierung. Wer also eine technische Sonderbehandlung sucht, sucht etwas, das laut Hersteller nicht existiert.
Aus der Beobachtung lassen sich Muster ableiten, die als Mechanik beschreibbar sind, ohne dass man sie als Rankingfaktoren ausgeben müsste. Systeme dieser Bauart wählen Quellen danach aus, ob eine Passage die Teilfrage direkt beantwortet, ob die Aussage in weiteren Quellen konsistent auftaucht und ob die Herkunft klar zuzuordnen ist. Zusammengefasst: Antworten gewinnen, die man ohne Nachfrage übernehmen kann.
Bei der Darstellung ist ein Detail relevant: Verweise erscheinen nicht als gleichrangige Trefferliste, sondern als Belege an den Stellen, an denen sie zur Aussage gehören. Die Marke steht dabei häufig im Text, bevor überhaupt ein Verweis angeklickt werden kann – die Nennung selbst wird zum Ergebnis. Diese Verschiebung von Klick zu Erwähnung ist der Kern dessen, was der Guide zur Sichtbarkeit in KI-Antworten als generelles Muster über Systeme hinweg beschreibt.
Google weist außerdem darauf hin, dass Nutzern eine Auswahl an Verweisen angeboten wird, wenn die Qualität einer generierten Antwort nicht als ausreichend gesichert gilt. Das ist ein nützlicher Hinweis für die eigene Themenwahl: Bei Fragen, deren Beantwortung heikel oder umstritten ist, bleibt der Weg zur Quelle offener als bei einfach zu beantwortenden Fragen.
Was mit den Klickraten passiert – differenziert nach Suchtyp
Hier wird in der Debatte am meisten durcheinandergebracht. Pauschalzahlen zu Traffic-Rückgängen kursieren in großer Zahl, stammen aus sehr unterschiedlichen Erhebungen und sind untereinander kaum vergleichbar. Belastbar ist die Richtung, nicht die Größe – und die Richtung ist ungleichmäßig verteilt. Entscheidend ist der Search Intent hinter der Anfrage.
- Informationsnahe Anfragen verlieren am meisten. Definitionen, Begriffserklärungen, einfache Vergleiche, Ja-Nein-Fragen: Hier liefert der Modus eine vollständige Antwort, und ein Klick fügt für den Nutzer nichts hinzu. Wer den Großteil seines Traffics aus solchen Suchanfragen bezieht, muss mit dem stärksten Rückgang rechnen.
- Kaufnahe Anfragen verlieren weniger. Wer ein Produkt konfigurieren, einen Preis prüfen, Verfügbarkeit klären oder eine Anfrage stellen will, muss dafür auf eine Website. Die Antwort kann den Weg dorthin verkürzen, aber nicht ersetzen.
- Standortnahe Anfragen verlieren am wenigsten. Öffnungszeiten, Terminvereinbarung, Anfahrt, konkrete Anbieterauswahl in einer Region: Solche Anfragen enden in einer Handlung, die außerhalb der Antwort stattfindet.
- Markenanfragen bleiben weitgehend stabil. Wer gezielt nach einem Unternehmen sucht, will auf dessen Seite. Diese Nachfrage wird durch einen Antwortmodus nicht ersetzt – sie kann durch ihn sogar entstehen, wenn die Marke in einer Antwort genannt wurde.
Die praktische Konsequenz für das Reporting: Ein Rückgang der Gesamtklicks bei gleichzeitig stabilen Anfragen ist kein Widerspruch, sondern die erwartbare Folge dieser Verteilung. Wer Klickraten weiterhin als eine einzige Kennzahl über alle Suchanfragen hinweg betrachtet, sieht einen Einbruch, wo in Wahrheit eine Umschichtung stattfindet. Sinnvoll ist eine Segmentierung nach Anfragetyp, bevor irgendeine Schlussfolgerung gezogen wird.
Schematische Darstellung: Eine Einordnung nach Suchtyp, keine gemessene Verteilung. Die Balkenlänge zeigt allein die Tendenz, wie stark eine Anfrageart Klicks an die Antwort verliert – belastbar ist an dieser Stelle die Richtung, nicht die Größe.
Wie sich die Nachfragestruktur verschiebt
Über die Klickraten hinaus verändert der Modus, wie Nachfrage überhaupt entsteht. Drei Verschiebungen sind bereits erkennbar.
Erstens rückt die Vorauswahl nach vorn. Früher fand der Vergleich mehrerer Anbieter auf Websites statt, nachdem eine Ergebnisliste sie zur Auswahl gestellt hatte. Jetzt findet ein Teil dieses Vergleichs innerhalb der Antwort statt. Wer dort nicht genannt wird, kommt in die engere Auswahl gar nicht erst hinein – unabhängig davon, wie gut die eigene Website ist.
Zweitens werden Sitzungen länger und Besuche seltener. Eine Recherche, die aus acht Einzelsuchen bestand, wird zu einem Dialog mit acht Runden. Am Ende steht möglicherweise ein einziger Klick – aber ein wesentlich besser vorbereiteter. Das erklärt ein Muster, das viele Betreiber beobachten: weniger Sitzungen bei gleichbleibender oder steigender Qualität der Anfragen.
Drittens verschiebt sich der Zeitpunkt des Erstkontakts. Wenn eine Marke in einer Antwort auftaucht, entsteht daraus häufig keine sofortige Sitzung, sondern eine spätere Markensuche. In der Kanalauswertung erscheint diese als Direktzugriff oder Brand-Suche; der eigentliche Auslöser bleibt unsichtbar. Wer nur den letzten Klick zählt, unterschätzt die Wirkung der Nennung systematisch.
Was Betreiber konkret tun können
Aus der Mechanik lassen sich vier Arbeitsfelder ableiten – zusammen bilden sie den Kern dessen, was unter GEO zusammengefasst wird. Keines davon ist ein Trick, und keines wirkt allein.
Inhalte, die eine Frage abschließend beantworten
Der Query Fan-out zerlegt Fragen in Teilfragen. Inhalte, die zu einer Teilfrage eine vollständige, in sich geschlossene Antwort liefern, sind verwertbar; Inhalte, die auf drei weitere Seiten verweisen, bevor die Frage beantwortet ist, sind es nicht. Praktisch heißt das: klare Frage als Überschrift, die Antwort im ersten Absatz darunter, Begründung und Detail danach. Nicht umgekehrt.
Klare Entitäten
Ein System muss zuordnen können, wovon eine Seite handelt und wer sie herausgibt. Dazu gehören ein einheitlich geschriebener Markenname über alle Quellen hinweg, eine Selbstbeschreibung, die überall gleich lautet, und Inhalte, die Personen, Produkte und Orte beim Namen nennen statt in Pronomen zu verschwinden. Uneinheitliche Benennung teilt eine Marke in mehrere schwache Fragmente.
Strukturierte Daten
Strukturierte Daten sind laut Googles Dokumentation keine Voraussetzung für KI-Funktionen. Sie sind aber die verlässlichste Methode, um Fakten maschinenlesbar zu machen, die sonst aus Fließtext erschlossen werden müssten – Organisation, Autorenschaft, Produkt- und Preisangaben, Öffnungszeiten. Der Nutzen liegt in der Eindeutigkeit, nicht in einem Bonus.
Marken- und Zitiersignale außerhalb der eigenen Domain
Was Dritte über eine Marke schreiben, wiegt bei der Quellenauswahl schwerer als das, was die Marke über sich selbst schreibt. Fachbeiträge, Branchenverzeichnisse, Erwähnungen in redaktionellen Medien und konsistente Unternehmensprofile bilden den Konsens, aus dem Systeme ihre Einordnung ziehen. Dieser Teil der Arbeit findet nicht auf der eigenen Website statt und ist der Grund, warum Generative Engine Optimization über klassische Onpage-Maßnahmen hinausgeht.
Für den spezifischen Fall der Antwortblöcke in der klassischen Ergebnisliste gelten teils eigene Prioritäten; die Arbeit an der Sichtbarkeit in Google AI Overviews überschneidet sich mit der Arbeit am AI Mode, ist aber nicht deckungsgleich.
Was man jetzt nicht tun sollte
Ebenso wichtig wie die Maßnahmenliste ist die Liste dessen, was in der aktuellen Lage Schaden anrichtet.
- Inhalte verknappen, um Klicks zu erzwingen. Der Reflex, Antworten unvollständig zu lassen, damit jemand klicken muss, kehrt sich um: Unvollständige Inhalte werden seltener herangezogen und ranken auch klassisch schlechter. Man verliert die Nennung und gewinnt keinen Klick.
- Crawler pauschal aussperren. Wer die Zugriffssteuerung nutzt, um Inhalte aus KI-Funktionen herauszuhalten, entfernt sie in Googles Fall zugleich aus der Suche – die Steuerung ist an dieser Stelle nicht getrennt. Das ist eine legitime Entscheidung, aber keine, die man aus Verärgerung trifft.
- Auf eine Ranking-Panik reagieren. Sichtbarkeitsindizes schwanken derzeit stark, weil sich Darstellung und Messung gleichzeitig ändern. Wer daraus kurzfristige Maßnahmen ableitet, korrigiert an einem Bild, nicht an der Realität.
- Alles auf KI-Sichtbarkeit umstellen. Der weitaus größte Teil der Suchanfragen läuft weiterhin klassisch. Eine Strategie, die die klassische Ergebnisseite vernachlässigt, tauscht ein reales Volumen gegen ein erwartetes.
- Zahlen übernehmen, die niemand belegen kann. Prozentangaben zu Traffic-Verlusten sind derzeit fast durchweg methodisch schwach. Wer sie in eine Vorlage für die Geschäftsführung schreibt, baut eine Entscheidungsgrundlage aus Material, das der ersten Rückfrage nicht standhält.
„Der AI Mode nimmt keinen Traffic weg, den es vorher gab. Er nimmt den Traffic weg, der nie eine Absicht hatte.“
Was sich messen lässt – und was nicht
Die Messbarkeit ist deutlich schlechter als bei klassischer Suche, und das sollte man aussprechen, bevor jemand ein Dashboard verspricht.
Nicht verfügbar ist eine saubere Trennung: Es gibt keinen ausgewiesenen Kanal, der Zugriffe aus dem AI Mode getrennt ausweist, und keine offizielle Kennzahl, wie oft eine Domain in Antworten genannt wurde. Wer eine solche Zahl präsentiert bekommt, sollte nach ihrer Herkunft fragen.
Verfügbar sind vier Näherungen, die zusammen ein brauchbares Bild ergeben. Erstens die Segmentierung der Suchleistung nach Anfragetyp – informational, kaufnah, standortnah, Marke – über einen längeren Zeitraum: Sie zeigt, ob ein Rückgang der erwartbaren Verteilung folgt. Zweitens die Entwicklung der Markensuchen als Indikator dafür, ob Nennungen stattfinden. Drittens wiederholte, standardisierte Stichproben mit definierten Recherchefragen, protokolliert im Zeitverlauf. Viertens die Frage im Erstkontakt, worüber jemand auf das Unternehmen gestoßen ist – unpräzise, aber die einzige direkte Auskunft.
Ein methodischer Hinweis zur Interpretation: Rückgänge im organischen Traffic haben derzeit mehrere gleichzeitige Ursachen. Neben KI-Funktionen wirken reguläre Qualitäts-Updates. Wer die beiden nicht trennt, schreibt jede Veränderung dem naheliegendsten Erklärungsmuster zu. Die zeitliche Einordnung gegen bekannte Core Updates ist deshalb der erste Schritt jeder Ursachenanalyse, nicht der letzte.
Häufige Fragen zum Google AI Mode
Was ist der Unterschied zwischen AI Mode und AI Overviews?
Die AI Overviews sind ein Antwortblock, der automatisch über den klassischen Suchergebnissen erscheint; die Trefferliste bleibt darunter vollständig erhalten. Der AI Mode ist ein eigener Modus, den der Nutzer aktiv wählt und der die Trefferliste ersetzt. Er ist auf Rückfragen ausgelegt, die den bisherigen Gesprächsverlauf berücksichtigen.
Muss ich technisch etwas tun, um im AI Mode zu erscheinen?
Nach Googles eigener Dokumentation nicht. Eine Seite muss lediglich indexiert und mit einem Snippet ausspielbar sein; zusätzliche technische Anforderungen oder spezielle Auszeichnungen gibt es laut Search Central nicht, und eine gesonderte KI-Textdatei ist ebenfalls nicht vorgesehen. Wirksam ist deshalb die inhaltliche Arbeit: Fragen abschließend beantworten, Entitäten klar benennen, Fakten maschinenlesbar auszeichnen.
Verliere ich durch den AI Mode meinen gesamten organischen Traffic?
Nein, aber die Verluste verteilen sich sehr ungleich. Informationsnahe Anfragen verlieren am stärksten, weil die Antwort dort vollständig ist. Kauf- und standortnahe Anfragen verlieren deutlich weniger, weil sie in einer Handlung außerhalb der Antwort enden. Markensuchen bleiben weitgehend stabil und können durch Nennungen sogar zunehmen.
Kann ich meine Inhalte aus dem AI Mode heraushalten?
Nur über dieselben Mittel, die auch die klassische Suche betreffen: Snippet-Steuerung über nosnippet, data-nosnippet und max-snippet oder der Ausschluss über robots.txt. Google behandelt KI-Funktionen als Teil der Suche, weshalb es keine gesonderte Abschaltung gibt. Ein Ausschluss kostet damit zugleich klassische Sichtbarkeit, weshalb die Entscheidung bewusst und nicht aus Verärgerung fallen sollte.
Helfen strukturierte Daten für die Sichtbarkeit im AI Mode?
Sie sind laut Googles Dokumentation keine Voraussetzung, aber die verlässlichste Methode, um Fakten eindeutig zu machen, die sonst aus dem Fließtext erschlossen werden müssten. Angaben zu Organisation, Autorenschaft, Produkten und Öffnungszeiten werden dadurch maschinenlesbar. Der Nutzen liegt in der Eindeutigkeit der Zuordnung, nicht in einem Bonus bei der Auswahl.
Wie messe ich, ob ich im AI Mode vorkomme?
Eine offizielle Kennzahl dafür gibt es nicht. Brauchbar sind vier Näherungen: die Segmentierung der Suchleistung nach Anfragetyp über einen längeren Zeitraum, die Entwicklung der Markensuchen, wiederholte standardisierte Stichproben mit definierten Recherchefragen und die Frage im Erstkontakt, worüber jemand auf das Unternehmen gestoßen ist. Keine dieser Näherungen ist exakt; gemeinsam zeigen sie aber verlässlich die Richtung.
Fazit
Der AI Mode verändert weniger die Regeln als die Verteilung. Was eine Antwort vollständig beantworten kann, wird dort beantwortet; was eine Handlung erfordert, führt weiterhin auf eine Website. Für Betreiber, deren Sichtbarkeit überwiegend auf erklärenden Inhalten ohne Geschäftsbezug ruht, ist das eine ernste Verschiebung. Für Betreiber, deren Inhalte in eine konkrete Anfrage münden, verschiebt sich vor allem der Zeitpunkt, an dem der erste Kontakt stattfindet – und dessen Sichtbarkeit im Reporting.
Die sinnvolle Reaktion ist unspektakulär und deckt sich weitgehend mit dem, was ohnehin gute Arbeit ausmacht: Fragen abschließend beantworten, die eigene Entität eindeutig benennen, Fakten maschinenlesbar auszeichnen und dafür sorgen, dass die Marke außerhalb der eigenen Domain vorkommt. Was sich ändern muss, ist die Messung. Wer Klicks weiterhin als eine einzige Zahl über alle Anfragetypen hinweg betrachtet, wird die nächsten Jahre falsche Schlüsse ziehen – nicht weil die Zahl lügt, sondern weil sie zwei gegenläufige Bewegungen zu einer verrechnet.
Die kostenlose Wachstumsanalyse von DAMA zeigt in 30 Minuten, welcher Anteil Ihrer organischen Sichtbarkeit auf Anfragetypen ruht, die ein Antwortmodus übernehmen kann – und welche Inhalte davon unberührt bleiben, weil sie in einer Handlung enden. Unverbindlich, ohne Pitch.
ChatGPT SEO: Wie Inhalte in ChatGPT-Antworten auftauchen
Trainingswissen gegen Live-Suche, OAI-SearchBot und GPTBot – und woran sich zitierfähige Quellen erkennen lassen.
llms.txt erstellen: Aufbau, Beispiel und was der Standard wirklich bringt
Aufbau der Datei, ein vollständiges Beispiel, Auslieferung und Pflege – plus eine nüchterne Einordnung der Adoption.
GEO Audit: Wie sichtbar ist Ihre Marke in ChatGPT, Perplexity und AI Overviews
Wie sich KI-Sichtbarkeit reproduzierbar messen lässt und welche Hebel aus einem Audit typischerweise folgen.
- Google: Expanding AI Overviews and introducing AI Mode – Ankündigung vom März 2025 mit der Beschreibung des Query-Fan-out-Verfahrens
- Google: KI-Funktionen und Ihre Website – Search-Central-Dokumentation zu Voraussetzungen und Steuerungsmöglichkeiten
- Google-Hilfe: AI Mode in der Google Suche – Nutzerdokumentation zur Funktionsweise und zur Darstellung von Verweisen
- Google: Snippets steuern – Dokumentation zu nosnippet, data-nosnippet und max-snippet
- Google: Einführung in strukturierte Daten – offizielle Empfehlung zu JSON-LD und maschinenlesbaren Fakten
- Google: Hilfreiche Inhalte erstellen – Search-Central-Dokumentation zu Content-Qualität
