Sichtbarkeit in der KI-Suche: gefunden werden, wenn niemand mehr klickt.

Was sich gerade verschiebt

Die Suche zerfällt in zwei Welten. In der klassischen tippt jemand ein Keyword ein und klickt auf ein Ergebnis. In der neuen stellt jemand eine Frage, und ein System wie ChatGPT, Perplexity oder Googles KI-Übersicht formuliert die Antwort selbst, gestützt auf Quellen, die es auswählt und nennt. Für einen wachsenden Teil der Suchen findet der Wettbewerb also nicht mehr um Rankingplätze statt, sondern um die Frage: Aus wem zitiert die Maschine? Sichtbar bleibt, wer als Quelle genannt wird, alle anderen erreicht dort fast niemand mehr.

Das ist keine ferne Zukunft, sondern messbarer Alltag. Websites sehen bereits heute Besucher, die aus KI-Antworten kommen, und diese Besucher sind auffällig gut vorqualifiziert: Sie haben die Empfehlung schon gelesen und klicken gezielt. Für die Optimierung auf diese neue Welt hat sich der Begriff Generative Engine Optimization eingebürgert, kurz GEO. Der Name ist neu, das Handwerk dahinter zum Glück nur teilweise.

Wie KI-Systeme ihre Quellen auswählen

Sprachmodelle zaubern ihre Antworten nicht aus dem Nichts. Bei aktuellen Fragen suchen sie im Netz, bewerten die Treffer und stützen ihre Antwort auf eine Handvoll Seiten. Bevorzugt werden dabei Quellen mit drei Eigenschaften: Sie beantworten die Frage direkt und präzise statt nach langem Anlauf. Sie sind sauber strukturiert, sodass die Maschine Aussagen eindeutig zuordnen kann. Und sie wirken glaubwürdig, erkennbar an Autorenschaft, Erwähnungen an anderen Stellen und einem konsistenten Profil.

Auffällig ist die Überschneidung mit klassischem SEO: Wer dort gut aufgestellt ist, bringt die halbe Miete mit, denn die Systeme bedienen sich häufig aus den vorderen Suchergebnissen. Die andere Hälfte ist neu, und um die geht es jetzt.

Die fünf Hebel für KI-Sichtbarkeit

1. Zitierfähige Antworten schreiben

Formulieren Sie die Antwort auf eine Frage in den ersten zwei, drei Sätzen des Abschnitts, klar und für sich stehend. Was eine Maschine ohne Kontext herauslösen und zitieren kann, wird auch zitiert. Vage Anläufe und Marketing-Prosa disqualifizieren sich selbst.

2. Struktur, die Maschinen lesen können

Aussagekräftige Überschriften, eine Frage pro Abschnitt, Listen, wo Listen passen, dazu strukturierte Daten im Quellcode. Das hilft übrigens auch menschlichen Überfliegern, was kein Zufall ist: Die Systeme sind darauf trainiert, was Menschen nützlich finden.

3. Eigene Substanz statt Zusammenfassung

KI-Systeme brauchen Quellen mit Informationsgewinn: eigene Zahlen, Erfahrungswerte, klare Einschätzungen. Wer nur zusammenfasst, was anderswo steht, ist als Quelle wertlos, denn genau das Zusammenfassen erledigt die Maschine selbst.

4. Erwähnungen und Autorität aufbauen

Die Systeme gewichten, wie präsent eine Marke im Netz ist: Verlinkungen, Nennungen in Fachartikeln, Branchenverzeichnissen und Diskussionen. Das klassische Empfehlungsnetz wird zur Trainingsgrundlage der Maschinen. Kontinuierliche, ehrliche Öffentlichkeitsarbeit zahlt hier doppelt ein.

5. Technisch den Zugang öffnen

Prüfen Sie, ob Ihre robots.txt die Crawler der KI-Anbieter zulässt, denn wer sie aussperrt, existiert für diese Systeme nicht. Ergänzen Sie eine llms.txt, die Ihre wichtigsten Seiten maschinenfreundlich zusammenfasst. Beides ist in einer Stunde erledigt und gehört heute zur Grundausstattung.

Ein Beispiel: dieselbe Frage, zwei Welten

Nehmen wir die Suche nach den Kosten einer Marketing-Beratung. In der klassischen Welt erscheinen zehn Ergebnisse, der Suchende klickt zwei oder drei davon an und vergleicht selbst. In der neuen Welt liefert die KI eine fertige Zusammenfassung: übliche Preisspannen, wovon sie abhängen, worauf man achten sollte, und darunter drei, vier Quellenangaben. Der Suchende liest die Antwort, und wenn er tiefer einsteigen will, klickt er auf genau eine dieser Quellen.

Für Anbieter heißt das: Aus zehn Chancen auf der Ergebnisseite werden drei, vier Quellenplätze in der Antwort. Der Wettbewerb wird härter, aber die Belohnung größer, denn eine Nennung durch die Maschine wirkt wie eine neutrale Empfehlung. Und sie geht überproportional oft an die Seite, die die Frage am klarsten beantwortet hat, nicht an die größte Marke. Das ist die eigentliche Nachricht für kleinere Anbieter: In der KI-Suche werden die Karten neu gemischt, und Klarheit schlägt Budget.

Wie Sie den Erfolg messen

KI-Sichtbarkeit lässt sich noch nicht so bequem messen wie Rankings, aber sie hinterlässt Spuren. In der Web-Analyse tauchen Besucherquellen wie ChatGPT oder Perplexity auf, die Sie beobachten sollten. Dazu lohnt der einfachste Test der Welt: Stellen Sie den Systemen regelmäßig die Fragen Ihrer Kunden und notieren Sie, wer genannt wird, Sie oder der Wettbewerb. Und behalten Sie Ihre Marken-Suchanfragen im Blick, denn wer in KI-Antworten empfohlen wird, wird anschließend häufiger direkt gegoogelt.

Einordnung: Ergänzung, kein Ersatz

So wichtig der neue Kanal wird, er ersetzt die Grundlagen nicht. GEO funktioniert nur auf dem Fundament von sauberem SEO und Inhalten mit Substanz, wie wir sie im Leitfaden zur SEO-Strategie beschreiben. Das Beruhigende daran: Sie müssen sich nicht zwischen alter und neuer Suche entscheiden. Gut gemachte Arbeit zahlt auf beide ein, und diese Website hier ist übrigens genau nach diesen Prinzipien gebaut. Behandeln Sie das Thema deshalb wie einen zusätzlichen Muskel im bestehenden Training, nicht wie eine neue Sportart: dieselben Grundübungen, ein paar neue Griffe, und regelmäßig prüfen, ob die Maschinen Sie schon nennen. Wer heute damit anfängt, misst in einem Jahr bereits Ergebnisse, über die der Wettbewerb erst nachzudenken beginnt.