Generative Engine Optimization (GEO)

Der Begriff stammt aus der Forschungsarbeit "GEO: Generative Engine Optimization" aus dem Jahr 2023 (Aggarwal et al., veröffentlicht auf der KDD 2024), die untersuchte, wie sich Inhaltsänderungen auf die Sichtbarkeit in KI-generierten Antworten auswirken. In den Benchmarks der Arbeit verbesserten Taktiken wie das Hinzufügen von Zitaten, Zitatstellen und Statistiken die Quellensichtbarkeit um bis zu 40 %, während klassisches Keyword-Stuffing fast nichts bewirkte.

GEO ist wichtig, weil KI-Maschinen anders antworten als Suchmaschinen ranken. Eine Suchmaschine liefert zehn Links und lässt den Nutzer wählen; eine Antwortmaschine setzt eine Antwort aus einer Handvoll abgerufener Quellen zusammen und nennt nur wenige Marken oder Seiten. Wenn Ihr Inhalt nicht abgerufen wird oder zwar abgerufen, aber nicht zitierfähig ist, existieren Sie in dieser Antwort schlicht nicht.

In der Praxis umfasst GEO drei Ebenen: Zugang (KI-Crawler können Ihre Seiten abrufen, llms.txt und robots-Regeln erlauben es ihnen), Retrieval (Inhalte sind strukturiert, spezifisch und entitätenreich genug, um in den Antwortkontext gezogen zu werden) und Zitierung (Passagen sind so geschrieben, dass ein Modell sie direkt übernehmen kann: Definitionen vorangestellt, Aussagen mit Zahlen und Quellen, klare Q&A-Blöcke und Tabellen).

GEO ist eine Schicht über SEO, kein Ersatz. Antwortmaschinen stützen sich auf Suchindizes, ChatGPT search und Copilot auf Bing, Gemini und AI Overviews auf Google, sodass klassische Ranking-Signale weiterhin bestimmen, was KI-Maschinen überhaupt sehen. Die leistungsstärksten Teams sorgen dafür, dass eine Änderung beidem dient: eine Korrektur, die die Zitierung gewinnt und das Ranking hält.

Für den E-Commerce ist die Verschiebung direkt: Käufer fragen jetzt KI-Maschinen, was sie kaufen sollen, "beste Acetat-Sonnenbrille unter $200", "stimmt die Größenangabe dieser Marke", und die Antwort nennt zwei oder drei Shops. Diese Zitierungen erfolgen pro Frage und pro Produkt, was bedeutet, dass Sichtbarkeit auf SKU-Ebene verfolgt und behoben werden muss, nicht nur auf Website-Ebene.

Die GEO-Oberfläche eines Shops besteht größtenteils aus seinen Produktdaten: PDP-Texte, die echte Käuferfragen beantworten, FAQ-Blöcke, JSON-LD (Product, Offer, FAQPage) und konsistente Fakten über alle Seiten hinweg. Genau das sind die Assets, die ein Händler ändern kann, was GEO zu einer operativen Schleife macht (verlorenen Prompt erkennen → Seite korrigieren → verifizieren → verfolgen), nicht zu einem einmaligen Audit.

Illustratives Szenario: Ein Händler, der polarisierte Sonnenbrillen verkauft, verliert den Prompt "lohnen sich polarisierte Gläser beim Autofahren?" über alle Maschinen hinweg, weil keine Seite ihn beantwortet. Das Hinzufügen eines mit Quellen belegten, fragenorientierten FAQ-Blocks zur relevanten PDP und Kollektionsseite gibt den Maschinen eine zitierfähige Passage, die Art von punktueller Korrektur, die GEO-Tools erkennen, entwerfen und verifizieren.