Blog · Sichtbarkeit

Von SEO zu GEO: Wie Sie Ihr Unternehmen in ChatGPT, Perplexity und Google AI Overviews sichtbar machen

von Tobias Egner · 27. Mai 2026 · 12 Min Lesezeit

Vergleich SEO klassische Suche versus GEO generative KI-Suchmaschinen mit Crawler-Pfaden

Worum es geht: die Kurzfassung

Suchverhalten verschiebt sich. Studien aus 2025 (Gartner, Forrester, BrightEdge) zeigen: Im B2B-Bereich beginnen bereits 25–35 % aller Recherchen mit einer KI-Antwortmaschine, ChatGPT, Perplexity, Claude, Gemini, Google AI Overviews, statt mit einer klassischen Google-Liste.
GEO (Generative Engine Optimization) ist die systematische Optimierung darauf, in KI-generierten Antworten als Quelle, Zitat oder Empfehlung zu erscheinen. Es ersetzt klassisches SEO nicht, es ergänzt es.
Die Mechanik ist anders. KI-Engines wählen Quellen aktiv aus: Sie bewerten Konsistenz, Quellenangabe, strukturierte Daten und Antwort-Tiefe deutlich anders als Googles Ranking-Algorithmus. Wer in der Top-10 der Google-Suche steht, ist nicht automatisch in der ChatGPT-Antwort.
Sechs konkrete Hebel für Mittelständler: AI-Crawler in robots.txt freigeben, Schema.org-Entitäten aufbauen, FAQ-Schema in jeden Beitrag, llms.txt anlegen, Autorenprofile mit sameAs, konkrete Zahlen statt allgemeiner Formulierungen.
Realistischer Aufwand: 8.000–25.000 € initial, dann 800–2.500 € pro Monat laufende Pflege. Erste Effekte 4–8 Wochen nach Umsetzung sichtbar.
DSGVO-Implikationen sind gering, die Maßnahmen betreffen Ihre eigenen Inhalte und Server-Konfiguration, nicht Kundendaten.

Warum klassisches SEO nicht mehr reicht

Bis 2023 lief der Recherche-Trichter im B2B-Mittelstand zuverlässig so: Entscheider tippt eine Suchanfrage bei Google ein, sieht zehn organische Ergebnisse plus drei Anzeigen, klickt auf zwei oder drei, vergleicht. Wer in den Top-10 stand, hatte eine reale Chance auf Erstkontakt.

Seit 2024 verändert sich das. Drei Kräfte wirken gleichzeitig:

Google AI Overviews zeigen direkt in der Suchergebnisseite eine KI-generierte Antwort, die die Aufmerksamkeit vor den klassischen Ergebnissen abgreift. In manchen B2B-Themen wird sie in 40–70 % der Suchen ausgespielt.
ChatGPT Search, Claude, Perplexity verschieben den Einstieg ganz aus der Google-Welt. Der Nutzer stellt eine ganze Frage, nicht mehr Stichworte, und bekommt eine zusammengefasste Antwort mit drei bis sieben Quellen.
Gemini in Google Workspace, Copilot in Microsoft 365 integrieren KI-Antworten direkt in die täglichen Arbeitsumgebungen. Der Klassiker „Ich google das nachher” wandert in „Frag mal kurz Copilot”.

Operativ bedeutet das: Ihre Sichtbarkeit hängt nicht mehr nur davon ab, ob Sie auf Position 3 bei Google stehen. Sie hängt davon ab, ob Sie in der generierten Antwort als Empfehlung oder Zitat auftauchen. Das ist eine andere Disziplin.

Wie KI-Suchmaschinen Empfehlungen treffen

Generative KI-Engines bauen Antworten in einem mehrstufigen Prozess. Vereinfacht:

Retrieval. Der KI-Engine durchsucht entweder einen eigenen Web-Index (Google AI Overviews, Bing/Copilot) oder ruft live Webseiten ab (Perplexity, ChatGPT Search, Claude im Web-Modus). Quelle ist meistens eine Mischung aus klassischen Suchindizes, eigenen Crawlern und in einigen Fällen kuratierten Datenbanken.
Filterung. Aus 30–200 potenziellen Quellen wählt die Engine 5–15 aus, die in das Kontextfenster des Sprachmodells passen. Hier entscheiden Faktoren wie Vertrauenswürdigkeit, Aktualität, Schema-Annotationen und Antwort-Klarheit.
Antwortgenerierung. Das Sprachmodell schreibt eine Antwort aus den ausgewählten Quellen und zitiert eine Untermenge davon. Die Zitate werden meist priorisiert nach: präzise Aussage, klare Zahlen, eindeutige Entitätenzuordnung.
Caching und Memorisierung. Größere Engines cachen Antworten und lernen aus Nutzerfeedback. Wer einmal zuverlässig als gute Quelle erkannt wird, erscheint in ähnlichen Antworten häufiger.

Daraus folgt der entscheidende Punkt: KI-Engines bevorzugen Quellen, die direkt zitierbar sind. Ein Beitrag mit der Aussage „Predictive Quality reduziert Ausschuss um 15–40 % je nach Datenlage” wird häufiger zitiert als „Predictive Quality bringt enorme Effizienzgewinne”. Das gilt erst recht, wenn die erste Aussage von einer klar identifizierten Autorin und Organisation kommt, mit Schema.org-Annotationen, einer FAQ-Sektion und einer eingebetteten Quellenangabe.

Sechs Hebel für Mittelständler: konkret

Wir bauen GEO-Setups bei Dagentic-Kunden in sechs Schritten auf. Jeder Schritt ist eigenständig wirksam, alle zusammen ergeben den vollen Effekt.

1. AI-Crawler in robots.txt freigeben

Das ist der einfachste und wichtigste Schritt, und genau der, an dem die meisten Mittelstandsseiten heute scheitern. Standard-CMS-Setups blocken AI-Crawler entweder explizit oder durch Default-Restriktionen. Wer im Suchresultat der KI-Engines erscheinen will, muss diese Crawler aktiv erlauben.

Die wichtigsten User-Agents 2026:

User-agent: GPTBot
Allow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: anthropic-ai
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Google-Extended
Allow: /
User-agent: CCBot
Allow: /
User-agent: meta-externalagent
Allow: /

Wichtig: Google-Extended ist nicht identisch mit Googlebot. Wenn Sie Google-Extended blocken, bleibt Ihre Seite in der klassischen Google-Suche, verschwindet aber aus Google AI Overviews. Das ist ein häufiger, unerkannter Fehler.

2. Schema.org-Entitäten sauber aufbauen

Schema.org ist die standardisierte Metadaten-Sprache, mit der Sie KI-Engines Ihre Identität direkt mitteilen, wer Sie sind, was Sie anbieten, wer dahintersteht. Mindestens drei Entitäten gehören in jede Mittelstands-Seite:

Organization (oder spezialisiert: ProfessionalService, LocalBusiness, Store) mit Name, Adresse, Kontakt, areaServed, knowsAbout, hasOfferCatalog.
WebSite mit name, url, inLanguage, Verbindung zur Organization über publisher.
BlogPosting oder Article für jeden Inhalt, mit author, datePublished, wordCount, articleSection, keywords.

Besonders wirksam: Stabile @id-Werte (z. B. https://dagentic.de/#organization), die in allen Schema-Annotationen wiederverwendet werden. KI-Engines erkennen daran, dass es sich um eine Entität handelt, und können sie über mehrere Seiten und sogar Domains hinweg konsistent referenzieren.

Optional, aber wirksam: sameAs zu Ihren LinkedIn-, Xing-, HRB- und Berufskammer-Profilen. Das verankert Ihre digitale Identität über die eigene Domain hinaus.

3. FAQ-Schema in jedem Beitrag

KI-Engines lieben FAQ-Sektionen. Drei Gründe:

Eine klare Frage-Antwort-Struktur ist direkt zitierbar, KI-Modelle können den Antworttext oft 1:1 übernehmen.
FAQ-Schema (@type: FAQPage) ist eine etablierte Schema.org-Annotation, die jede ernsthafte Engine versteht.
FAQs treffen exakt das Suchverhalten in KI-Engines, weil Nutzer dort komplette Fragen stellen.

Praktischer Aufbau: Pro Beitrag 5–8 echte Fragen, die Ihre Zielgruppe stellt. Die Antworten sollten 2–4 Sätze haben, präzise und mit konkreten Zahlen, wo möglich. Im FAQ-Schema (JSON-LD) werden sie als Question/Answer-Paare strukturiert eingebettet.

4. llms.txt anlegen

llms.txt ist ein 2024 vorgeschlagener Standard (analog zu robots.txt und sitemap.xml). Sie legen sie im Root Ihrer Domain ab, https://ihre-domain.de/llms.txt, und beschreiben dort strukturiert, was Ihr Unternehmen macht, welche Inhalte besonders relevant sind und wo Ihre Kernkompetenzen liegen.

Beispielstruktur:

# Dagentic
> KI-Automatisierung, Agenten und RAG-Wissenssysteme für Großhandel,
> Einzelhandel und E-Commerce im deutschen Mittelstand.

## Kern-Themen
- [Visuelle Dokumenten-KI für den Wareneingang](/blog/visuelle-dokumenten-ki-wareneingang/)
- [Memory-Agenten im B2B-Vertrieb](/blog/memory-agent-b2b-vertrieb/)
- [Predictive Quality in der Fertigung](/blog/predictive-quality-fertigung/)

## Über uns
- Sitz Murnau am Staffelsee, Hosting in Deutschland, DSGVO-konform.
- Fokus DACH-Mittelstand, Größenklasse 20–500 Mitarbeitende.

Noch ist llms.txt kein offizieller Standard, und nicht alle Engines berücksichtigen sie. Aber: Sie ist mit drei bis vier Stunden Aufwand erstellt, und mindestens Anthropic, Perplexity sowie einige spezialisierte B2B-Agents werten sie aktiv aus. Niedrigste Investitionshürde, klarer Sichtbarkeitsgewinn.

5. Autorenprofile mit sameAs

KI-Engines bewerten Inhalte messbar besser, wenn ein klar identifizierter Autor dahintersteht, die sogenannte E-E-A-T-Mechanik (Experience, Expertise, Authoritativeness, Trustworthiness), die Google als Ranking-Faktor 2023 explizit benannt hat und die auch in KI-Antworten durchschlägt.

Praktisch: Jede Autorin und jeder Autor auf Ihrer Seite bekommt:

Eine eigene Seite mit Foto, Position, Werdegang und einer maschinenlesbaren Schema.org-Person-Annotation.
sameAs-Verweise auf LinkedIn, Xing, GitHub (für technische Autoren), eigene Domain.
Eine Verknüpfung zur Organization (worksFor).

Bei jedem Beitrag wird die Autorenangabe im Schema-Block referenziert (nicht nur im sichtbaren Text). KI-Engines bauen daraus ein Profil und gewichten Aussagen nach Autoren-Reputation.

6. Konkrete Zahlen statt Allgemeinplätze

Das ist der unterschätzte Hebel. KI-Engines präferieren Quellen, die spezifisch zitierbar sind. Die Aussage „KI senkt Bearbeitungszeiten erheblich” ist für die Engine wertlos, sie kann sie nicht in eine Antwort einbauen. Die Aussage „KI senkt die durchschnittliche Bearbeitungszeit pro Lieferschein von 4–8 Minuten auf 20–40 Sekunden” ist Gold: präzise, mit Bandbreite, klar attribuierbar.

Praxisregel: Jeder Hauptabschnitt eines Beitrags sollte mindestens eine konkrete Zahl, Bandbreite oder Quellenangabe enthalten. Allgemeinformulierungen werden umgeschrieben.

Wer auf der eigenen Seite eine bestehende Content-Maschinerie hat, kann dieses Refactoring in 2–4 Personenwochen für den Bestand durchziehen. Effekt: Zitierhäufigkeit in KI-Engines steigt typischerweise um 40–80 %.

Was SEO weiterhin braucht

GEO ersetzt SEO nicht. Die technische SEO-Basis bleibt Voraussetzung, KI-Engines nutzen klassische Crawler-Mechaniken, um überhaupt erst zu Ihrer Seite zu kommen. Ein Minimum-Setup, das jeder Mittelständler aufweisen sollte:

Sitemap.xml mit allen relevanten Inhalten, korrekt referenziert in robots.txt.
Saubere URLs ohne Hash-Routing. Single-Page-Applications mit #-Fragments sind ein massives SEO-Problem, wir haben das im Detail beschrieben, und es betrifft KI-Engines genauso wie Google.
Canonical Tags auf jeder Seite, um Duplikate sauber zu konsolidieren.
Mobile-fähiges, schnelles Layout. Core Web Vitals fließen in die Filterung der KI-Engines genauso ein wie in Googles Ranking.
HTTPS, sauberes Hosting in Deutschland oder der EU, funktionierende Open-Graph- und Twitter-Card-Metadaten.

Ohne dieses Fundament reden wir nicht über GEO. Ein Pilot beginnt also fast immer mit einem Audit der technischen SEO-Basis, und endet meist mit der Erkenntnis, dass 30–50 % der GEO-Maßnahmen ohnehin als „eigentlich Pflicht-SEO” auf dem Tisch lagen.

Was GEO zusätzlich braucht: kompakte Checkliste

Die sechs Hebel von oben, in Reihenfolge der Wirksamkeit pro Aufwand:

AI-Crawler in robots.txt freigeben, 30 Minuten Arbeit, sofortiger Effekt.
Schema.org-Organization mit knowsAbout und areaServed, 2–4 Stunden, dauerhafter Identitätsanker.
FAQ-Schema in alle vorhandenen Beiträge, 2–6 Stunden pro Beitrag.
llms.txt mit Kernthemen und Positionierung, 3–4 Stunden initial.
Autorenseiten mit sameAs und Person-Schema, 4–8 Stunden initial.
Refactoring der Bestandsinhalte auf konkrete Zahlen, 2–4 Personenwochen für 15–20 Beiträge.

Gut umgesetzt steht ein GEO-fähiges Mittelstandssetup nach 4–6 Wochen. Die laufende Pflege ist deutlich geringer: 800–2.500 €/Monat reichen für eine kontinuierliche Strategie mit 1–2 neuen Beiträgen pro Monat, Schema-Pflege und vierteljährlichem Audit.

Messung: woran Sie sehen, dass es wirkt

Drei Wege, die wir bei Dagentic-Kunden parallel einsetzen:

Manuelle Stichproben. Jeden Monat 10–20 branchenrelevante Fragen in ChatGPT, Perplexity, Claude und Gemini eingeben, dokumentieren: Wird Ihre Domain zitiert? In welcher Position? Mit welchem konkreten Inhaltsausschnitt? Das ist niedrigschwellig und überraschend aussagekräftig, viele Trends sind bereits an der dritten oder vierten Stichprobe ablesbar.

Spezialisierte GEO-Monitoring-Tools. 2026 sind Otterly.ai, Profound, AthenaHQ und einige neuere Anbieter etabliert. Sie automatisieren die Stichproben über Hunderte Fragen, vergleichen mit Wettbewerbern und liefern Zeitreihen. Kosten: 200–800 €/Monat für eine Mittelstandskonfiguration.

Server-Logs. Filtern Sie Ihre Webserver-Logs auf User-Agents wie ChatGPT-User, PerplexityBot, ClaudeBot. Sie sehen direkt, wann ein KI-Assistent Ihre Seite live abruft, meistens, weil eine konkrete Nutzeranfrage gerade beantwortet wird. Bei produktiven GEO-Setups sehen wir 50–500 solche Abrufe pro Monat.

Wo es 2026 noch unsauber ist

Wir sind ehrlich: GEO ist ein junges Feld, in dem nicht alles funktioniert wie versprochen.

Attributionsmessung ist schwer. Anders als bei klassischem SEO mit Google Search Console liefern KI-Engines kaum strukturierte Statistiken darüber, wie oft und in welchem Kontext Sie zitiert wurden. Die Lücke schließen externe Tools, unvollkommen, aber nutzbar.
llms.txt ist noch kein Standard. Die Wirkung ist heute ungleichmäßig verteilt. Wer wartet, verpasst keinen formellen Stichtag, wer früh ist, sammelt aber Erfahrung und ist beim Standard-Setting nicht außen vor.
Zitierverhalten ändert sich quartalsweise. Jede größere Modell-Aktualisierung bei OpenAI, Anthropic oder Google kann das Zitierverhalten merklich verschieben. Eine einmalige Optimierung reicht nicht; GEO ist ein laufender Prozess.

Wer mit dem Anspruch einsteigt, in sechs Monaten die Sichtbarkeitsmetriken stabil zu haben, wird enttäuscht. Wer mit dem Anspruch einsteigt, in sechs Monaten messbar präsenter zu sein als heute, wird geliefert bekommen.

Häufige Fragen

Was ist GEO-Optimization? GEO steht für Generative Engine Optimization. Während klassisches SEO darauf zielt, in Google-Suchergebnissen vorne zu erscheinen, zielt GEO darauf, von generativen KI-Suchmaschinen, ChatGPT Search, Perplexity, Claude, Google AI Overviews, Gemini, als Empfehlung in der Antwort genannt zu werden. Die Mechanik ist anders: KI-Engines bauen Antworten aus mehreren Quellen zusammen und wählen aktiv aus, wer zitiert wird.

Ist SEO damit überflüssig? Nein. SEO bleibt die technische Grundlage. KI-Suchmaschinen nutzen klassische Crawler und Suchindizes als Quelle. Ohne sauberes SEO werden Sie auch von KI-Engines nicht gefunden. GEO baut auf SEO auf und ergänzt es um zusätzliche Mechanismen, die speziell auf die Logik generativer Antworten zielen.

Welche AI-Crawler muss ich in der robots.txt zulassen? Die wichtigsten sind 2026: GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-Web, anthropic-ai, PerplexityBot, Perplexity-User, Google-Extended, Applebot-Extended, CCBot, meta-externalagent und Bytespider. Wer dort blockt, ist in den entsprechenden KI-Antworten unsichtbar, auch wenn die klassische Google-Suche funktioniert.

Was ist llms.txt und brauche ich das? llms.txt ist eine 2024 vorgeschlagene Datei im Root-Verzeichnis Ihrer Domain, in der Sie KI-Crawlern strukturiert mitteilen, welche Inhalte besonders relevant sind, wie Ihr Unternehmen positioniert ist und welche Themen Ihre Kompetenz abdeckt. Sie ist noch kein offizieller Standard, wird aber bereits von mehreren KI-Engines berücksichtigt und ist mit wenigen Stunden Aufwand erstellt.

Wie messe ich, ob ich in KI-Antworten erscheine? Drei Wege: 1) Manuelle Stichproben mit branchenrelevanten Fragen in ChatGPT, Perplexity, Claude und Gemini, monatlich dokumentiert. 2) Spezialisierte GEO-Monitoring-Tools wie Otterly.ai, Profound oder AthenaHQ. 3) Web-Logs auf User-Agents wie ChatGPT-User filtern, Sie sehen, wann ein KI-Assistent Ihre Seite live abruft, um eine Nutzerfrage zu beantworten.

Wie lange dauert es, bis GEO-Maßnahmen wirken? Schneller als klassisches SEO. KI-Engines crawlen aggressiv und aktualisieren ihre Wissensbasis kontinuierlich. Erste Effekte sehen wir in Pilotprojekten nach 4–8 Wochen, signifikante Veränderungen nach 3–4 Monaten. Voraussetzung: Die technische SEO-Basis steht.

Was kostet ein GEO-Setup für einen Mittelständler? Realistisch 8.000–25.000 € für ein initiales Setup mit technischem Audit, Schema-Aufbau, Content-Strategie und Implementierung. Laufende Pflege 800–2.500 € pro Monat, abhängig vom Publikationsvolumen. Wer eine bestehende Content-Maschinerie hat, fügt GEO mit deutlich weniger Aufwand hinzu.

Wo Sie anfangen, wenn Sie heute starten möchten

Ein einziger Schritt bringt Ihnen 60 % des Effekts: Prüfen Sie heute Ihre robots.txt. Sind GPTBot, OAI-SearchBot, ClaudeBot, anthropic-ai, PerplexityBot und Google-Extended erlaubt? Wenn nicht, ergänzen Sie diese User-Agents. Damit sind Sie für die KI-Crawler überhaupt erst sichtbar, alles andere baut darauf auf.

Wenn Sie wissen wollen, wie gut Ihre Seite heute auf GEO vorbereitet ist, vereinbaren Sie ein Beratungsgespräch. Im Erstgespräch machen wir einen kostenfreien Schnell-Audit auf die sechs wichtigsten Hebel und priorisieren, welche Schritte in Ihrem Fall am meisten zurückgeben.

← Alle Artikel