GEO — Was Generative Engine Optimization ist und warum klassisches SEO nicht reicht

SEO ist nicht tot. Aber es reicht nicht mehr allein. Ein wachsender Teil der Suchanfragen wird heute von KI-Systemen direkt beantwortet — ohne Klick auf eine Website. Wer für diese Systeme unsichtbar ist, verliert Reichweite die er nie messen wird.

Klassisches SEO ist nicht tot. Aber wer 2026 nur auf Klicks optimiert, optimiert für ein schrumpfendes Spiel. Ein wachsender Teil der Entscheidungsrecherche findet heute statt, bevor jemand auf eine Website klickt — in ChatGPT, Perplexity, Google AI Overviews. Wenn dein Unternehmen dort nicht vorkommt, verlierst du Reichweite die du nie in deiner Analytics siehst.

Ich sehe das konkret: In meiner Arbeit mit Vendor-Accounts suche ich Kategorien regelmäßig in mehreren Systemen gleichzeitig. Perplexity nennt drei Anbieter. ChatGPT nennt zwei davon plus einen US-Wettbewerber. Die deutschen Marktführer — manchmal die echten Weltmarktführer in ihrer Nische — tauchen nicht auf. Nicht weil ihr Produkt schwächer ist. Sondern weil das System keine strukturierte Grundlage hat, sie zu nennen.

Das Ergebnis ist asymmetrisch. Google AI Overviews erscheinen bereits für 15 bis 20 Prozent aller informationalen Suchanfragen. Perplexity AI hat 15 Millionen aktive Nutzer — mit überdurchschnittlichem B2B- und Recherche-Anteil. ChatGPT beantwortet Beschaffungsfragen direkt, ohne eine Website aufzurufen. Position 1 in Google liefert weniger Traffic als vor drei Jahren. Klassisches SEO optimiert für Klicks auf eine Seite. GEO optimiert für Zitate in einer Antwort. Das ist kein Trend. Das ist Arithmetik.

01 — Die Verschiebung

Was sich gerade verändert — und warum es keine Phase ist

Das ist keine Phase. Drei Entwicklungen laufen parallel ab und verstärken sich gegenseitig:

Was das in der Praxis bedeutet: Der Einkäufer, der früher „Präzisionsdrehteile Medizintechnik Deutschland“ in Google eingegeben und auf die ersten drei Ergebnisse geklickt hätte, gibt heute dieselbe Frage in ChatGPT oder Perplexity ein — und erhält eine direkte Antwort mit zwei bis fünf Anbieternennungen. Wer nicht genannt wird, kommt nicht auf die Shortlist. Dieser Auswahlprozess ist für das fehlende Unternehmen vollständig unsichtbar: kein verlorener Klick, kein Bounce, keine Messung.

Das gilt nicht nur im Web. Ich optimiere aktuell Produktlistings für Amazon Rufus — Amazons KI-Assistent, der Produktfragen direkt beantwortet. Rufus zieht aus Titeln, Bullet Points, A+ Content und Q&As. Wer dort nicht strukturiert liefert, existiert für Rufus nicht. Das ist GEO auf dem Marketplace. Dieselbe Logik, andere Plattform.

Wer die nächste Generation der Sichtbarkeit verschläft, konkurriert in 12 bis 24 Monaten gegen Anbieter, die längst als Referenzpunkte gesetzt sind. Wer heute anfängt ist in 12 Monaten sichtbar. Wer wartet, konkurriert dann gegen die die schon da sind. Das ist kein Alarmsignal. Das ist Arithmetik.

02 — Der Unterschied

Wie klassisches SEO und GEO sich grundlegend unterscheiden

Der entscheidende konzeptuelle Unterschied: SEO optimiert für eine Liste von Ergebnissen, aus der ein Mensch wählt. GEO optimiert dafür, dass ein System dich in eine Antwort einbaut, die den Menschen direkt erreicht — ohne Zwischenschritt. Grounding ist der Fachbegriff: das KI-System verankert seine Aussagen in verifizierbaren Quellen um Halluzinationen zu vermeiden. Wer keine strukturierte, faktenpräzise Quelle ist, wird nicht gegrounded.

Die meisten SEO-Agenturen haben GEO noch nicht auf dem Schirm. Die optimieren für Google 2019. Das ist nicht böse gemeint — aber es ist teuer für ihre Kunden. Wer heute ein SEO-Briefing bekommt das ausschließlich auf Keyword-Dichte und Backlinks schaut, sollte fragen: Was macht ihr für meine Sichtbarkeit in KI-generierten Antworten? Wenn die Antwort kommt, wird sie oft zeigen wo der Beratungsstand gerade ist.

03 — Structured Data

Schema Markup: die Sprache die KI-Systeme sprechen

Structured Data über Schema.org ist nicht neu — es existiert seit 2011, als Google, Bing, Yahoo und Yandex das gemeinsame Vokabular vereinbarten. Was sich verändert hat: Für KI-Systeme ist es nicht mehr optional, sondern der primäre Kanal um Fakten über eine Organisation maschinenlesbar zu machen. Vier Schema-Typen sind besonders relevant:

04 — Entity-Optimierung

Entity-Aufbau: im Wissensgraphen existieren, nicht nur ranken

Googles Knowledge Graph und Wikidata sind die Infrastruktur, auf der KI-Systeme Fakten über Unternehmen, Personen und Organisationen validieren. Ein Unternehmen das dort nicht als strukturiertes Objekt existiert, ist für diese Systeme nicht verifizierbar — und nicht verifizierbare Quellen werden seltener zitiert.

Entity-Optimierung bedeutet: sicherstellen, dass das Unternehmen — und die relevanten Personen — als verifizierbare Objekte in maschinenlesbaren Wissensdatenbanken existieren. Konkret:

05 — Content-Struktur

Content schreiben den KI-Systeme zitieren wollen

KI-Systeme generieren Antworten indem sie Sätze aus Quellen extrahieren oder paraphrasieren. Was leicht extrahierbar ist, wird häufiger zitiert. Was in Fließtext eingebettet und ohne klare Grenze zwischen Behauptung und Beleg ist, wird übergangen.

Ich kenne das von innen: In Konzernen werden Produkttexte von Produktmanagern geschrieben die sich nicht fragen ob Google oder eine KI das versteht. Die fragen sich: Ist die technische Spec korrekt? Das ist nicht dasselbe. Korrekte Specs sind kein zitierbarer Content. Das Ergebnis: Jahrzehntelange Expertise, komprimiert in Fließtext ohne Struktur, ohne Claim-Evidence-Aufbau, ohne FAQ. Für KI-Systeme nicht extrahierbar. Vier Strukturprinzipien die das ändern:

Was GEO nicht ist

Das Wichtigste in Kürze

Der Unterschied zwischen SEO und GEO: SEO fragt „Findet mich der Algorithmus?“ GEO fragt „Versteht mich das System gut genug, um mich als Quelle einzubauen?“ Das sind zwei verschiedene Fragen. Die meisten Unternehmen beantworten gerade nur die erste.

06 — Traffic-Verlust heute

Wie viel Traffic verlierst du schon jetzt

Google AI Overviews erscheinen bereits für 15 bis 20 Prozent aller informationalen Suchanfragen. Für Research-Queries — also die Queries, die deine B2B-Zielkunden stellen — liegt dieser Anteil höher: ca. 25 bis 35 Prozent. Diese Queries haben einen Namen: „Was ist X?“, „Wie funktioniert Y?“, „Welche Anbieter für Z gibt es in Deutschland?“ — genau die Fragen, auf die du mit Fachartikeln und Landingpages optimiert hast.

Forbes hat 2024 dokumentiert: Seiten, die in AI Overviews erscheinen, verzeichnen eine Reduktion organischer Klicks um durchschnittlich 37 Prozent. Das stimmt erst einmal seltsam. Aber es ist logisch: Der AI Overview beantwortet die Frage. Der Nutzer klickt nicht mehr weiter. Das bedeutet konkret: Selbst auf Position 1 verlierst du Klicks, wenn der AI Overview die Frage beantwortet — es sei denn, du bist die zitierte Quelle im Overview selbst.

Was das bedeutet: Das Ziel ist nicht mehr, auf Position 1 zu ranken. Das Ziel ist, die Quelle zu sein, aus der das KI-System zitiert. Wer das versteht, optimiert anders — nicht mehr auf Klick-Wahrscheinlichkeit, sondern auf Zitier-Wahrscheinlichkeit. Das ist der Kern von GEO.

07 — Umsetzung

GEO Schritt für Schritt — Prioritäten in der richtigen Reihenfolge

GEO ist kein Einmalproject. Es ist ein Aufbau in Phasen. Die Reihenfolge ist nicht optional — wer mit Entity-Aufbau anfängt ohne die technische Basis, verschwendet Zeit.

08 — Fehler

Die 4 häufigsten GEO-Fehler — und warum sie passieren

Ich sehe diese Fehler in Mandaten regelmäßig. Manchmal nach einem teuren SEO-Relaunch. Manchmal nach sechs Monaten Content-Marketing das niemand zitiert. Nicht weil die Leute dahinter keine Ahnung haben — sondern weil GEO neu ist und die meisten Agenturen die Briefings schreiben noch nicht verstanden haben was sich verändert hat.

09 — Beispiel

Praktisches Beispiel — vorher/nachher

Der schnellste Weg um zu verstehen was GEO-optimierter Content ist: einen direkten Vergleich sehen. Hier ist ein Beispiel aus der Praxis — ein Unternehmens-Über-uns-Text, einmal wie er meistens geschrieben wird, einmal wie er für KI-Extraktion aussehen sollte.

Der Unterschied ist nicht stilistisch. Er ist strukturell. Im zweiten Text sind 4 Arten von Informationen enthalten, die KI-Systeme extrahieren können:

• →Named Entity: „Christopher Schaller“ und „schaller.work“ — klare, verifizierbare Namen
• →Konkretes Datum: „seit 2010“ — Erfahrungsdauer als Faktum, nicht als Adjektiv
• →Spezifische Verticals: Maschinenbau, Consumer Health, B2B-Electronics — keine Branche ist austauschbar durch eine andere
• →Spezifische Capabilities: Amazon-Commerce als abgrenzbarer Begriff — kein „digitale Lösungen“

Das erste Beispiel ist für ein KI-System nicht extrahierbar. „Führendes Unternehmen“, „maßgeschneiderte Lösungen“, „höchste Qualität“ — das sind Adjektiv-Stapel ohne Informationsgehalt. Das System kann sie nicht zitieren, weil sie nichts Belegbares aussagen. Das zweite Beispiel ist ein zitierbares Objekt.

Häufige Fragen

FAQ

Weiterlesen