GEO / AI SEO messbar machen

Generative Engine Optimisation (GEO) wird für Unternehmen, die in KI-gesteuerten Suchsystemen auffindbar sein wollen, immer wichtiger. Beispiele hierfür sind ChatGPT, Claude, Gemini und Perplexity. Während die traditionelle Suchmaschinenoptimierung über klare Kennzahlen verfügt (wie Rankings, Klicks und Konversionen), ist GEO weniger greifbar. Dennoch ist es möglich, die Auswirkungen von GEO-Bemühungen messbar zu machen, vorausgesetzt, Sie wissen, wo Sie suchen müssen.

Was macht GEO schwieriger zu messen als herkömmliche SEO?

Im klassischen SEO verwende ich Tools wie Search Console, Analytics, Ahrefs oder Screaming Frog, um die Leistung zu überwachen. Mit diesen Tools messe ich:

• Positionen in den Suchergebnissen
• Click-Through-Rate (CTR) in Search Console
• Sitzungen und Konversionen pro Seite
• Backlinks und Domain-Autorität

Mit GEO ist das Spielfeld ein anderes. KI-Systeme wie ChatGPT generieren Antworten auf der Grundlage von Trainingsdaten, Live-Webquellen oder einer Kombination aus beidem. Es gibt kein „Ranking“, keine Klickspur und oft auch keine sichtbare Quellenangabe. Dennoch gibt es Möglichkeiten, die Wirkung zu messen.

Was ich bei GEO messen kann

Obwohl es keine direkten SERP-Rankings gibt, konzentriere ich mich auf die folgenden Metriken in GEO:

1. Zitate in KI-generierten Antworten
2. Sichtbarkeit innerhalb neuer KI-Plattformen (wie Perplexity)
3. Indirekte SEO-Auswirkungen von GEO-Inhalten
4. Zunahme der markenbezogenen Suche oder des direkten Datenverkehrs
5. Aufnahme in Inhaltsbibliotheken oder Datensätze

Ich zeige Ihnen die praktische Vorgehensweise für jeden Messpunkt.

1. Zitate in KI-Systemen

Einige KI-Plattformen zeigen ihre Quellen an, und das bietet die Möglichkeit, sichtbar zu messen, ob Ihre Inhalte in Antworten verwendet werden. Beispiele:

• Perplexity.ai: Quellenangaben unterhalb der Antwort anzeigen
• Bing Copilot: zeigt Website-Listings mit einigen Ergebnissen an
• Gemini (Google): Die Seitenverweise in SGE nehmen zu, auch wenn sie noch begrenzt sind.
• ChatGPT (mit Browse-Funktion): erwähnt manchmal Quellen in Live-Suchanfragen

Ich empfehle, dass Sie auf diesen Plattformen regelmäßig Fragen zu Ihren inhaltlichen Themen stellen.

Wird Ihr Inhalt erwähnt oder verwendet? Dann ist das direkte Sichtbarkeit. Hinweis: Direkte Sichtbarkeit erfordert manuelle Tests. Ich dokumentiere dies in einem festgelegten Format mit Datum, verwendeter Aufforderung und genannter Quelle.

2. Sichtbarkeit in der Verwirrung

Perplexität ist für mich ein wichtiges Messinstrument. Nicht nur wegen der Quellenangabe, sondern auch, weil es zeigt, welche Inhaltsformen bei KI-Antworten gut abschneiden. Ich überprüfe:

• Welche Websites regelmäßig in der Branche zitiert werden
• Welche Fragen sind üblich?
• Ob mein Inhalt hier bereits aufgeführt ist

Wenn mein Inhalt wiederholt in Antworten verwendet wird, sehe ich das als Bestätigung dafür, dass der GEO-Ansatz funktioniert.

3. Indirekte SEO-Auswirkungen

Manchmal führt eine bessere Auffindbarkeit in KI-Systemen indirekt zu mehr Traffic. Ich sehe das an:

• Anstieg der Markensuche: Menschen suchen bewusst nach meinem Namen oder meiner Marke
• Mehr direkte Besuche durch Eingabe der URL
• Anstieg der wiederkehrenden Nutzer in Google Analytics

Ich sehe diese Art von Signalen als Verstärkung von GEO. Der Inhalt selbst wird vielleicht nicht direkt angeklickt, aber die Leute kommen nach einer KI-Interaktion trotzdem zu mir.

4. UTM-Tracking in strukturierten Links verwenden

In bestimmten Fällen lasse ich KI-Systeme auf URLs mit UTM-Tags verweisen, zum Beispiel über externe Plattformen, Newsletter oder Dokumentationen. Wenn ich feststelle, dass diese UTM-Links in den KI-Antworten erscheinen, weiß ich genau, woher der Traffic kommt. Dies erfordert allerdings eine strategische Platzierung von Inhalten, die von der KI übernommen werden können (z.B. in Foren oder als Quellartikel).

5. Binden Sie Inhalte in öffentliche Datensätze oder häufig genutzte Bibliotheken ein

Einige KI-Systeme trainieren (oder retrainieren) auf öffentlichen Datensätzen, wie Wikipedia, Stack Overflow, GitHub oder wissenschaftlichen Archiven. Wenn Sie hier sichtbar sind, stehen die Chancen gut, dass Ihr Inhalt in einem Modell landet.

Ich überprüfe regelmäßig, ob mein Inhalt oder meine Marke in erwähnt wird:

• Wikipedia-Seiten
• Beliebte Nischen-Blogs
• Wissensdatenbanken oder akademische Plattformen

Ich kann das zwar nicht immer direkt messen, aber es erhöht die Chancen, in zukünftige Modellversionen aufgenommen zu werden.

Tools zur Überwachung der GEO-Leistung

• Perplexity.ai: für die Kontrolle von Zitaten
• Google Search Console: zur Verfolgung des Suchvolumens und Klickverhaltens von Marken
• Poe.com: um zu testen, wie verschiedene Modelle mit Inhalten umgehen
• Analytik: um indirekte Effekte wie mehr direkten Verkehr oder längere Sitzungen zu messen
• Screener-Vorlage in Notion: proprietäres Registrierungssystem der GEO-Auffindbarkeit per Eingabeaufforderung

Zusammenfassung: GEO erfordert andere Erwartungen

GEO ist messbar, aber nicht auf dieselbe Weise wie klassisches SEO. Es erfordert:

• Eine andere Interpretation von Sichtbarkeit
• Mehr qualitative Analyse von Antworten in KI-Tools
• Ein Fokus auf den Wert der Inhalte, nicht nur auf den Traffic

Ich sehe GEO als eine strategische Investition in Autorität innerhalb einer KI-gesteuerten Informationslandschaft. Auch wenn nicht alles direkt messbar ist, heißt das nicht, dass es keine Auswirkungen hat.

Sie möchten wissen, ob Ihre Inhalte bereits in KI-Systemen sichtbar sind? Benötigen Sie Hilfe bei der Entwicklung einer messbaren GEO-Strategie? Nehmen Sie Kontakt mit mir auf.

Der Einfluss von Quellenangaben in LLM-Ergebnissen

Generative KI-Systeme wie ChatGPT, Claude, Gemini und Perplexity werden zunehmend als Ersatz für traditionelle Suchmaschinen eingesetzt. Benutzer stellen eine Frage und erhalten sofort eine Antwort. Diese Antwort ist oft so vollständig, dass sie sich nicht einmal durchklicken müssen. In diesem neuen Spielfeld spielt die Anerkennung der Quelle eine wichtige Rolle. Das gilt für die Zuverlässigkeit der Antwort, aber auch für die Sichtbarkeit Ihrer Website.

Finden Sie heraus, warum das Zitieren von Quellen bei LLM-Ergebnissen immer wichtiger wird, wie es in der Praxis funktioniert und wie ich Inhalte strukturiere, damit sie eine Chance haben, zitiert zu werden.

Was sind Quellenangaben in LLM-Ergebnissen?

Quellenangabe bedeutet, dass ein KI-Modell bei der Beantwortung einer Frage ausdrücklich auf eine bestimmte Website oder Seite verweist. Dies kann auf verschiedene Weise geschehen:

• Als Link unterhalb der generierten Antwort (wie bei Perplexity)
• Als Fußnote oder Zahl (wie in einigen Gemini-Ergebnissen)
• Als direktes Zitat im Text (wie es Claude manchmal tut)
• In einem separaten Block mit ‚Quelle: domainname.co.uk‘

Nicht jedes Modell tut dies konsequent, und es variiert je nach Eingabeaufforderung, Version und Kontext. Dennoch sehe ich, dass diese Funktion zunehmend an Bedeutung gewinnt, vor allem bei Systemen, die in Echtzeit auf das Internet zugreifen können.

Warum ist Sourcing wichtig?

Für mich ist das Zitieren von Quellen in LLM-Ergebnissen aus drei Gründen strategisch wichtig:

1. Sichtbarkeit
   Wenn KI sofortige Antworten liefert, ist die Sichtbarkeit als Quelle die neue Form des Rankings. Wenn Ihr Name oder Ihre Domain unter der Antwort steht, existieren Sie in dieser Informationslandschaft. Die Nutzer vertrauen eher den Informationen, die von sichtbaren Quellen unterstützt werden.
   
2. Behörde
   Die Zitierung durch ein KI-System bedeutet, dass Ihre Inhalte als qualitativ hochwertig, zuverlässig und relevant anerkannt werden. Es handelt sich um eine Art redaktionelle Empfehlung: Diese Quelle verdient es, gelesen zu werden. Dies stärkt Ihren Status als Autorität in Ihrer Nische.
   
3. Potenzial anklicken
   Obwohl viele Benutzer die Antwort direkt lesen, gibt es auch Fälle, in denen sie sich zur Quelle durchklicken. Besonders bei komplexen Fragen oder wenn sie nach mehr Details suchen. Dies spiegelt sich in einem Anstieg des direkten Datenverkehrs und einer Zunahme der markenbezogenen Suche wider.

Wenn Sie gut sichtbare Quellen verwenden, die Autorität ausstrahlen und Klickpotenzial haben, werden Sie in den LLM-Ergebnissen gut sichtbar sein.

Wie entscheiden LLMs, welche Quelle sie zitieren?

Obwohl die genauen Algorithmen der Modelle nicht öffentlich zugänglich sind, sehe ich in der Praxis die folgenden Faktoren, die zu einer höheren Wahrscheinlichkeit einer Auflistung beitragen:

• Klare Struktur im Inhalt (Frage und Antwort)
  LLMs erkennen und reproduzieren gut strukturierte Antworten leichter. Ich sorge daher dafür, dass jede Seite logisch aufgebaut ist und Fragen so beantwortet, wie es ein Mensch tun würde.
• Verwendung von Entitäten
  Indem ich Entitäten (Personen, Konzepte, Orte) im Kontext des Themas verwende, erhöhe ich die Wahrscheinlichkeit, dass das Modell die von mir erstellte Seite korrekt kategorisiert und einsetzt.
• Veröffentlichungsdatum und Aktualität
  Inhalte, die aktuell sind und eindeutige Daten enthalten, werden eher von Modellen mit Zugang zum aktuellen Web genutzt.
• Strukturierte Daten
  LLMs stützen sich zwar nicht unbedingt auf schema.org-Strukturen, aber sie helfen, eine Seite für Crawler und KI-Systeme verständlich zu machen. Ich versehe Inhalte mit Artikel-, FAQSeiten- und Personen-Markup, wo dies sinnvoll ist.
• Klare Autorenangaben
  Ich zeige ausdrücklich, wer ich bin, was meine Expertise ist und warum meine Inhalte vertrauenswürdig sind. Das passt zu E-E-A-T, hilft aber auch LLMs, die Zuverlässigkeit vorleben wollen.

Welche Tools und Modelle ermöglichen bereits die Identifizierung von Quellen?

Ich teste regelmäßig die folgenden Plattformen auf ihr Zitierverhalten:

• Perplexity.ai
  Gibt fast immer direkte Quellenangaben mit Link an und hebt manchmal den genauen Wortlaut hervor.
• Zwillinge (ehemals Bard)
  Bei bestimmten Aufforderungen werden die Quellen unterhalb der Antwort oder als „weitere Informationen“ oben angezeigt. Die Zitierweise ist hier variabel, nimmt aber zu.
• Bing Copilot
  Bietet nummerierte Verweise, ähnlich einem Wikipedia-ähnlichen Ansatz. Gut für sofortige Sichtbarkeit.
• ChatGPT (mit Blätternmodus)
  Bestimmte Aufforderungen in ChatGPT-4o erwähnen manchmal Quellen, obwohl dies weniger konsistent ist.
• Claude
  Bietet sporadisch direkte Links oder erwähnt Ressourcennamen im Text, aber oft ohne klickbare URL.

Wie optimiere ich Inhalte für die Quellenangabe?

Ich konzentriere mich immer auf die folgenden Elemente:

• Schreiben Sie um Fragen, die Benutzer stellen, nicht nur um Schlüsselwörter.
• Decken Sie eine klare Schwerpunktseite pro Thema ab, ohne Überschneidungen
• Bauen Sie Autorität durch Inhalte auf, nicht nur durch Backlinks
• Geben Sie externe Erwähnungen in Quellen an, die KI-Modelle häufig konsultieren (Wikipedia, Quora, Nischenblogs)
• Veröffentlichen und aktualisieren Sie Ihre Inhalte regelmäßig, um relevant zu bleiben

Außerdem verwende ich Tools wie Perplexity und Poe, um zu überprüfen, ob meine Inhalte tatsächlich zitiert werden. Ich führe manuell ein Protokoll der Zitate pro Plattform, damit ich Trends erkennen kann.

Zusammenfassung

Die Quellenangabe wird im Zeitalter der KI immer wichtiger. Diejenigen, die in der Antwort selbst sichtbar sein wollen, müssen sicherstellen, dass ihre Inhalte für LLMs strukturell nützlich sind. Dies erfordert inhaltliche Tiefe, eine klare Struktur und strategisch platzierte Informationen. Wenn Sie Inhalte schreiben, die KI-Systeme erkennen und ihnen vertrauen, erhöhen Sie die Chancen, dass Ihr Name nicht verschwindet, sondern als anerkannte Quelle erscheint.