Zwischen Ihrer Frage und der Antwort liegen drei Sekunden. In diesen drei Sekunden passiert mehr, als die meisten ahnen.

Sie fragen ChatGPT, welches Projektmanagement-Tool zu einem kleinen Team passt. Die Maschine zerlegt Ihre Frage erst in kleinere Fragen. Sie durchsucht ihr Gedächtnis und manchmal das halbe Web. Sie vergleicht, was sie findet. Sie wirft das meiste weg. Und dann formt sie aus drei, vier Quellen eine einzige Antwort, die so klingt, als hätte sie ein kluger Bekannter geschrieben.

Sie bekommen keine Linkliste. Sie bekommen ein fertiges Gericht.

Generative Engine Optimization, kurz GEO, ist die Kunst, dafür zu sorgen, dass Ihre Zutaten in diesem Gericht landen. Und dass die Maschine sagt, von wem sie sind.

GEO optimiert Inhalte so, dass sie von KI-Systemen als vertrauenswürdige Quellen genutzt und zitiert werden.

Die Maschine ist kein Regal mehr, sie ist eine Küche

Klassische Suche war ein Marktstand. Jeder legt seine Ware aus, der Kunde geht die Reihe ab und greift selbst zu. Wer vorne stand, wurde gesehen. Darum drehte sich Suchmaschinenoptimierung jahrelang um Plätze in einer Liste.

Generative Systeme wie ChatGPT, Perplexity, Google Gemini oder die AI Overviews funktionieren anders. Sie sind die Köchin. Der Gast nennt einen Wunsch, und sie geht in die Speisekammer, prüft die Zutaten, kombiniert und kocht. Der Gast sieht die Speisekammer nie. Er sieht nur den Teller und hört, woher die Tomaten kamen.

GEO heißt: die Zutat zu sein, nach der die Köchin greift. Nicht irgendwo im Regal zu liegen.

Das ist der Kern. Alles Weitere folgt daraus.

Wie diese Küche wirklich arbeitet

Wer optimieren will, muss verstehen, was in den drei Sekunden geschieht. Die meisten generativen Systeme arbeiten nach einem Muster, das man Retrieval Augmented Generation nennt, kurz RAG. Der sperrige Name beschreibt etwas Einfaches: erst holen, dann formulieren.

Zuerst übersetzt das System Ihre Frage in mehrere Teilfragen. Dann sammelt es Belege, aus den Trainingsdaten und oft zusätzlich aus einer Live-Suche im Web. Es vergleicht die Fundstücke, bewertet sie nach Präzision, Struktur und Belastbarkeit, und kocht daraus die Antwort. Wer es bis auf den Teller schafft, wird manchmal namentlich genannt. Das ist die Zitation, die Währung dieser neuen Sichtbarkeit.

Wie eng dieses Nadelöhr ist, zeigen Auswertungen echter KI-Antworten. Im Schnitt nennt eine generative Antwort nur rund drei bis vier Quellen, und ein erheblicher Teil der Antworten nennt überhaupt keine. Anders als auf einer Suchergebnisseite mit zehn Plätzen gibt es hier oft nur drei Stühle am Tisch. Wer auf einem sitzen will, muss mehr bieten als Anwesenheit.

Zwei Dinge daran sind für die Praxis entscheidend.

Erstens greift die Köchin nicht zum ganzen Glas, sondern zur Prise. Sprachmodelle nehmen selten eine komplette Seite. Sie reißen einzelne Absätze heraus, das eine Stück, das die Antwort trägt. Optimiert wird deshalb nicht die Seite als Ganzes, sondern der Absatz. Jeder Absatz muss für sich stehen können, auch ohne den Rest drumherum.

Zweitens hat jede Küche ihre Stammlieferanten. Untersuchungen zeigen, dass generative Systeme bestimmte Quellen überdurchschnittlich oft heranziehen: Wikipedia, Reddit, YouTube, etablierte Nachrichtenseiten. Nicht, weil dort die beste Ware liegt, sondern weil die Köchin diesen Lieferanten vertraut. Vertrauen ist in dieser Küche keine Behauptung. Es ist eine Spur, die sich über Zeit gelegt hat.

Wann haben Sie zuletzt darüber nachgedacht, ob eine Maschine Ihrer Branche Sie kennt?

Was die Maschine schmeckt

Jetzt wird es konkret. Es gibt Zutaten, die generative Systeme gerne aufnehmen, und solche, die sie liegen lassen.

Sie mögen Faktendichte. Eine Auswertung der Forschung deutet darauf hin, dass Texte mit nachprüfbaren Zahlen und belegten Aussagen deutlich häufiger zitiert werden als reine Meinungsstücke, in manchen Messungen um rund vierzig Prozent. Der Satz „Wir liefern schnell“ ist Luft. Der Satz „Im Schnitt 1,8 Werktage vom Auftrag bis zum Versand, gemessen über 2.400 Bestellungen“ ist eine Zutat mit Geschmack.

Sie mögen Belege. Eingebaute Statistiken, klar genannte Quellen, eingebettete Zitate. Das gibt dem Modell etwas, woran es sich festhalten kann, ohne zu raten oder zu halluzinieren.

Sie mögen Struktur und klare Sprache. Mini-Definitionen, die eine Frage in zwei Sätzen beantworten. Vergleichstabellen. Saubere Zwischenüberschriften. Ein Glossar, das einen Begriff ohne Umschweife erklärt. Die Köchin greift schneller zur Prise, die sie sofort einordnen kann. Ein Beispiel: Eine Seite, die mit „Was kostet eine Steuerberatung? Für eine kleine GmbH liegen die Jahreskosten meist zwischen X und Y Euro, abhängig von …“ beginnt, ist greifbar. Ein Text, der erst nach vier Absätzen Geschwafel zur Sache kommt, wird übergangen. Die Antwort steht vorne, nicht im Nachtisch.

Und was lässt sie liegen? Das Vollstopfen mit Suchbegriffen, der alte Trick aus der Marktstand-Zeit. Das ist, als würden Sie ein Gericht mit Salz fluten, um besonders herzhaft zu wirken. Im Labor zeigte sich, dass diese Methode in generativen Systemen nichts bringt, teils sogar schadet. Die Maschine versteht heute Sprache. Sie merkt, ob hinter einem Text jemand steht, der etwas weiß, oder nur jemand, der Wörter gehäuft hat.

Wer den Begriff bis zur Quelle verfolgen will: Er stammt aus einer wissenschaftlichen Arbeit von Pranjal Aggarwal und Kolleginnen und Kollegen, vorgestellt auf der ACM SIGKDD 2024. Die Originalstudie hat erstmals systematisch gemessen, welche Eingriffe die Sichtbarkeit in generativen Antworten heben. Spoiler: meistens dieselben, die auch Menschen helfen.

Die unbequeme Wahrheit über manche Themen

Hier kommt der Punkt, den fast niemand laut sagt.

Nicht jedes Thema bringt Ihnen Sichtbarkeit, selbst wenn Sie alles richtig machen. Bei stabilem Lexikonwissen antwortet die Köchin aus dem Kopf. Sie fragt „Was ist eine GmbH?“ und das Modell weiß das längst. Es schlägt nichts nach. Es nennt keine Quelle. Und wo keine Quelle genannt wird, gibt es nichts zu gewinnen.

Spannend wird es dort, wo die Maschine selbst unsicher ist und in die Speisekammer gehen muss: bei aktuellen Entwicklungen, bei vielschichtigen Vergleichen, bei Nischenfragen, die im allgemeinen Wissen nicht abgedeckt sind. Genau dort entscheidet sich, wessen Name fällt.

Das verschiebt die Frage. Sie lautet nicht mehr nur „Wie schreibe ich gut?“, sondern auch „Wofür braucht die Maschine überhaupt einen Lieferanten, und bin ich dieser Lieferant?“ Wer das versteht, hört auf, Energie in Themen zu stecken, bei denen das Modell ihn nie nennen wird, und konzentriert sie dort, wo Nennung möglich ist.

Wo SEO aufhört und GEO anfängt

Es liegt nahe, GEO für altes SEO mit neuem Etikett zu halten. Das stimmt nicht ganz, und der Unterschied hat Folgen.

Klassische Suchmaschinenoptimierung will den Klick. Sie holt den Nutzer auf Ihre Seite. GEO will die Erwähnung innerhalb der Antwort, oft ganz ohne Klick. Beides verträgt sich, aber es ist nicht dasselbe Spiel, und manche alte Gewohnheit hilft im neuen sogar nicht weiter.

Trotzdem bleibt gutes SEO das Fundament. Damit eine Köchin Ihre Zutat aus dem Web ziehen kann, muss sie überhaupt auffindbar, sauber strukturiert und technisch erreichbar sein. GEO ist keine Revolution, die SEO ablöst. Es ist eine Erweiterung in den Teil der Entscheidungsreise, der sich gerade in die KI-Antwort verlagert: die Phase, in der jemand sich informiert und eine Meinung bildet, lange bevor er irgendwo klickt.

Wie Sie anfangen

Sie brauchen kein großes Programm, um den ersten Schritt zu tun. Drei Bewegungen reichen für den Anfang, und jede hat Gewicht.

Stellen Sie der Maschine Ihre eigenen Kundenfragen. Öffnen Sie ChatGPT und Perplexity, tippen Sie zwanzig echte Fragen ein, die Ihre Kunden stellen würden. Schauen Sie, ob und wie Ihre Marke auftaucht und neben wem. Dieser Spiegel ist unbequem und ehrlich.

Schreiben Sie Ihre wichtigsten Inhalte in Prisen um. Nehmen Sie Ihre Kernseiten und prüfen Sie jeden Absatz einzeln: Beantwortet er für sich eine klare Frage? Trägt er eine nachprüfbare Zahl, einen Beleg, eine saubere Definition? Wenn nicht, fehlt der Geschmack.

Bauen Sie Vertrauen, das Maschinen lesen können. Sorgen Sie für Erwähnungen an Orten, denen die Systeme vertrauen, für nachvollziehbare Autorschaft, für Aussagen mit Quelle. Das wirkt nicht über Nacht. Es legt sich als Spur.

Was GEO nicht kann

Eine ehrliche Notiz zum Schluss, weil das Feld voller Versprechen ist.

Niemand garantiert einen festen Platz in einer KI-Antwort. Generative Systeme schwanken, sie ändern sich von Woche zu Woche, und es gibt keinen Schalter, der Sie zuverlässig nach oben befördert. Wer Ihnen das verkauft, verkauft Ihnen heiße Luft in schöner Verpackung. Was es gibt, sind Wahrscheinlichkeiten, Tendenzen und messbare Verschiebungen über Zeit.

Und es gibt eine Versuchung, so alt wie das Marketing selbst: die Maschine austricksen, Belege erfinden, sich klüger geben, als man ist. Eine Weile funktioniert so etwas vielleicht. Aber die Systeme werden besser darin, Substanz von Fassade zu trennen, und am Ende des Tricks steht dieselbe Wand wie immer. Eine Empfehlung, die auf Sand gebaut ist, hält den ersten echten Kontakt mit einem Kunden nicht aus.

Die Köchin nennt auf Dauer nur Lieferanten, deren Ware schmeckt. Maschinen lernen diesen Geschmack aus dem, was Menschen wirklich geholfen hat.

Sichtbar wird also nicht, wer am lautesten ruft. Sichtbar wird, wer etwas im Topf hat. Was würde die Maschine über Sie sagen, wenn morgen jemand nach Ihrer Leistung fragt?