GEO / AI-Search

GEO (Generative Engine Optimization)

Q: Welche Schema.org-Typen sind für GEO am wichtigsten?

Vier Typen dominieren: (1) Article oder BlogPosting mit Author, datePublished und sameAs auf Wikidata. (2) FAQPage für Q&A-Sektionen — LLMs nutzen Frage-Antwort-Paare häufig direkt als Antwortstruktur. (3) HowTo für anleitungs- und prozessartige Inhalte. (4) DefinedTerm bei Glossar-Einträgen. Ergänzt um sameAs-Verknüpfungen aller relevanten Entitäten (Personen, Organisationen, Konzepte) zu Wikidata-QIDs entsteht ein dichtes Entity-Netz, das LLMs als Vertrauenssignal werten.

Auch bekannt als: Generative Engine Optimization, GEO, AI SEO, KI-Suchmaschinen-Optimierung

Generative Engine Optimization (GEO) ist die systematische Optimierung von Webinhalten für die Zitierfähigkeit in Antworten generativer KI-Systeme — also ChatGPT, Gemini, Perplexity, Claude und Google AI Overviews. Anders als klassisches SEO, das auf Klicks aus einer SERP-Liste abzielt, optimiert GEO darauf, als Quelle in einer einzigen, vom Modell generierten Zusammenfassung genannt zu werden. Der Begriff wurde Ende 2023 von Forschern der Princeton-Gruppe (Aggarwal et al.) geprägt und hat sich 2024-2026 als eigene Disziplin neben SEO etabliert.

Warum GEO neben SEO existiert

Zwischen 2024 und 2026 hat der Anteil KI-beantworteter Suchanfragen je nach Schätzung 20-35 % erreicht (Adobe Digital Insights, Gartner). Diese Antworten brauchen keinen Klick mehr — Nutzer bekommen die Information direkt. Wer in den KI-Quellen nicht erscheint, verliert Sichtbarkeit ohne klassischen SERP-Verlust. SEO bringt Rankings, GEO bringt Erwähnung in der Antwort. Beide ergänzen sich, ersetzen sich nicht.

Die wichtigsten GEO-Hebel

Citability-Struktur — kompakte Antworten in den ersten Sätzen, klare H2-Hierarchie, listenförmige Fakten.
Entity-Vollständigkeit — alle relevanten Entitäten zum Thema benennen, idealerweise mit Wikidata-QID-Verknüpfung via schema.org/sameAs.
Quellenangaben — verlinkte externe Quellen (Studien, Statistiken, Primärquellen) signalisieren der KI Trustworthiness.
Schema.org-Markup — vor allem Article, FAQPage, HowTo, DefinedTerm mit Author-Byline und Sources.
AI-Crawler-Zugriff — OAI-SearchBot, PerplexityBot, ClaudeBot, Google-Extended müssen in robots.txt erlaubt sein, sonst kein Crawl, keine Citation.
Freshness — KI-Modelle bevorzugen aktuelle Quellen, regelmäßige inhaltliche Updates erhöhen Citation-Chancen.

GEO ist kein Black-Box-Trick

GEO funktioniert nicht über „LLM-Halluzinations-Tricks" oder versteckte Prompts in der Webseite — solche Versuche werden von den großen Anbietern erkannt und ausgefiltert. Es ist im Kern eine Editorialisierung: Klarer schreiben, Aussagen belegen, Struktur für Maschinen lesbar machen. Genau die gleichen Best Practices, die auch Featured Snippets und Voice-Search-Optimierung schon vorgegeben haben — jetzt mit deutlich mehr Hebel auf den realen Traffic.

Praxisbeispiel

Beispiel: Ein B2B-SaaS-Anbieter ergänzt seine Produktseiten um (a) eine TL;DR-Sektion mit 2-Satz-Antwort auf die häufigste Suchfrage, (b) Wikidata-QID-sameAs für das Tool selbst und drei verglichene Wettbewerber, (c) eine FAQ-Sektion mit Schema-Markup. Nach 8 Wochen steigt die Citation Rate in ChatGPT Search von 4 % auf 19 % bei stabilen Google-Rankings — der direkte KI-Traffic-Anteil verdoppelt sich.

Haeufige Fragen

Was ist der Unterschied zwischen SEO und GEO?

SEO (Search Engine Optimization) optimiert auf Klicks aus einer SERP-Liste — Position 1 ist das Ziel. GEO (Generative Engine Optimization) optimiert darauf, als Quelle in einer einzigen, vom LLM generierten Antwort genannt zu werden — egal auf welcher Position die Seite klassisch rankt. Beide Disziplinen ergänzen sich: SEO bringt Klick-Traffic aus klassischer Suche, GEO bringt Sichtbarkeit in KI-Antworten. Eine Seite kann auf SERP-Pos 15 stehen und trotzdem in Perplexity zitiert werden — oder umgekehrt auf SERP-Pos 1 und in ChatGPT nicht erwähnt.

Funktioniert GEO über versteckte Prompts oder LLM-Tricks?

Nein. Versuche, KI-Modelle über versteckte Prompts, weiße Schrift auf weißem Grund oder andere Black-Hat-Techniken zu manipulieren, werden von OpenAI, Google, Anthropic und Perplexity erkannt und ausgefiltert — oft mit Penalty-Wirkung. GEO ist im Kern Editorialisierung: klarer schreiben, Aussagen mit Quellen belegen, Schema.org-Markup pflegen, AI-Crawler-Zugriff in robots.txt erlauben. Es sind dieselben Best Practices, die Google bereits seit Featured Snippets fördert — nur mit deutlich mehr Hebel auf reale Reichweite.

Welche Schema.org-Typen sind für GEO am wichtigsten?

Vier Typen dominieren: (1) Article oder BlogPosting mit Author, datePublished und sameAs auf Wikidata. (2) FAQPage für Q&A-Sektionen — LLMs nutzen Frage-Antwort-Paare häufig direkt als Antwortstruktur. (3) HowTo für anleitungs- und prozessartige Inhalte. (4) DefinedTerm bei Glossar-Einträgen. Ergänzt um sameAs-Verknüpfungen aller relevanten Entitäten (Personen, Organisationen, Konzepte) zu Wikidata-QIDs entsteht ein dichtes Entity-Netz, das LLMs als Vertrauenssignal werten.

Wie messe ich, ob GEO-Optimierungen wirken?

Über AI Citation Tracking: Wöchentliches Monitoring, ob und wie oft die eigene Domain für definierte Zielfragen von ChatGPT, Gemini, Perplexity, Claude und Google AI Overviews als Quelle zitiert wird. Wichtige KPIs sind Citation Rate (zitierte Antworten / Gesamtanfragen), Mention Rate (Erwähnung ohne Link) und Citation Share gegenüber Wettbewerbern. Saubere Tracker arbeiten mit Majority Vote (jede Frage 3x abfragen) wegen der Nicht-Determiniertheit von LLM-Antworten. Rankmio integriert ein solches Tracking über alle 5 Engines im GEO-Modul.

Wird in Rankmio genutzt fuer

GEO-Audit + Citation Tracking in Rankmio

Zur Funktion →

Letzte Aktualisierung: 2026-06-29 · Alle Glossar-Eintraege ansehen