GEO-Optimierung: So nennt die KI Ihre Firma

GEO-Optimierung sorgt dafür, dass KI-Assistenten wie ChatGPT, Perplexity und die Google-KI Ihr Unternehmen in ihren Antworten nennen. Entscheidend sind weniger Keywords als zitierfähige Antworten, saubere Technik und vor allem Belege von außen, etwa in Verzeichnissen und Bewertungen. Dieser Ratgeber zeigt, wie das funktioniert und wie Sie es messen.

Immer mehr Menschen stellen ihre Frage nicht mehr in eine Suchmaske, sondern an einen KI-Assistenten. „Welcher IT-Dienstleister in meiner Nähe kann mir helfen?“ steht dann nicht mehr als Trefferliste vor ihnen, sondern als fertige Antwort mit ein, zwei Namen. Ob Ihr Unternehmen dazugehört, lässt sich prüfen. Wir haben das bei uns selbst getan und zeigen die Ergebnisse unten offen, auch die unbequemen.

Was ist GEO-Optimierung, und wie unterscheidet sie sich von SEO und AEO?

GEO steht für Generative Engine Optimization, auf Deutsch sinngemäß die Optimierung für generative Suchsysteme. Ziel ist, dass KI-Assistenten Ihr Unternehmen in ihren Antworten nennen und als Quelle heranziehen. Im Netz begegnen Ihnen verwandte Begriffe wie KI-SEO, LLM-SEO oder ChatGPT-SEO. Gemeint ist im Kern dasselbe.

Die drei Begriffe, die am häufigsten verwechselt werden, lassen sich so trennen:

• SEO (Search Engine Optimization) will, dass Ihre Seiten in der Ergebnisliste einer Suchmaschine weit oben stehen. Der Erfolg ist ein Klick auf Ihre Seite.
• AEO (Answer Engine Optimization) will, dass Ihre Antwort direkt als Antwortbox, Featured Snippet oder Sprachantwort ausgespielt wird. Der Erfolg ist, dass Ihr Text die Antwort ist.
• GEO will, dass ein KI-Assistent Sie in einer selbst formulierten Antwort nennt, empfiehlt oder zitiert. Der Erfolg ist die Nennung, oft ganz ohne Klick.

Die drei bauen aufeinander auf. Eine technisch gesunde, gut strukturierte Seite hilft allen dreien. Was jeweils zusätzlich nötig ist, beschreiben unsere Seiten zu SEO, AEO und GEO.

Die Nennung ist deshalb wertvoll, weil eine KI-Antwort meist nur wenige Anbieter aufführt. Wer dort fehlt, wird von Menschen, die ihre Frage zuerst an den Assistenten stellen, womöglich gar nicht erst wahrgenommen, auch wenn die klassische Suche gut aussieht. Das ist keine Prognose, sondern der Anlass, die eigene Sichtbarkeit einmal sachlich zu prüfen.

Wie wählen KI-Assistenten ihre Quellen aus?

KI-Assistenten nennen Unternehmen, über die sie an mehreren Stellen konsistente und belegbare Aussagen finden. Eine einzelne gut optimierte Seite reicht dafür oft nicht, denn die Systeme schauen auch, was andere über Sie sagen. Die wichtigsten Einflussgrößen:

• Fremde Belege: Erwähnungen auf Seiten Dritter zählen häufig mehr als Eigenaussagen. Dazu gehören Branchenverzeichnisse, Bewertungsportale, Fachmedien und Vergleichsseiten.
• Verzeichnisse und Bewertungen: Gerade bei regionalen Leistungsfragen stützen sich Assistenten gern auf Verzeichnisse und Bewertungen, weil sie dort Anbieter sortiert und mit Ortsbezug finden.
• Zitierfähige Antwortabsätze: Ein Absatz, der die Frage im ersten Satz direkt beantwortet, lässt sich leichter übernehmen als ein langer Fließtext. Das gilt für Überschriften als Fragen, kurze Antworten und klare Fakten wie Standort, Leistungen und Ansprechpartner.
• Strukturierte Daten: Schema-Auszeichnungen (JSON-LD) teilen Maschinen eindeutig mit, wer Sie sind, was Sie anbieten und wo Sie tätig sind.
• llms.txt: Eine einfache Textdatei im Stammverzeichnis, die KI-Systemen eine kompakte Übersicht Ihrer Inhalte gibt. Sie ist ein Angebot, keine Garantie, dass sie genutzt wird.
• Crawler-Zugang: Wenn Ihre robots.txt oder Ihre Server-Einstellungen die Crawler der KI-Anbieter aussperren, kann Ihre Seite nicht gelesen werden. Das lässt sich schnell prüfen und beheben.

Wichtig ist die Reihenfolge: Technik und Antwortqualität sind die Eintrittskarte, fremde Belege sind oft der Unterschied zwischen „vorhanden“ und „genannt“.

Wie messen Sie Ihre KI-Sichtbarkeit?

Sie messen sie, indem Sie die Fragen Ihrer echten Kunden an mehrere KI-Assistenten stellen und festhalten, ob Sie genannt werden und welche Quellen die Antworten stützen. Ein Bauchgefühl ersetzt das nicht, denn die Antworten fallen je nach Assistent und Tag unterschiedlich aus. So gehen Sie vor:

1. Fragen sammeln: Notieren Sie zehn Fragen, die ein Kunde stellen würde, bevor er Sie kennt, etwa „Wer macht IT-Service in meiner Stadt?“. Keine Markennamen, sondern Bedarfe.
2. Mehrere Assistenten befragen: Stellen Sie jede Frage mindestens an ChatGPT, Perplexity und Gemini. Jeder Assistent greift auf andere Quellen zu.
3. Nennung und Quelle festhalten: Wird Ihr Unternehmen genannt, auf welchem Platz, und welche Quellen führt der Assistent an? Die Quellen sind der wertvollste Teil der Messung.
4. Google-KI-Übersichten prüfen: Suchen Sie dieselben Fragen bei Google und notieren Sie, ob eine KI-Übersicht erscheint und ob Sie dort zitiert werden.
5. Messung wiederholen: Die Antworten schwanken. Wiederholen Sie die Messung nach einigen Wochen mit denselben Fragen, um Veränderungen zu erkennen.

Was Sie bei jeder Messung festhalten

Eine einfache Tabelle genügt. Pro Frage und Assistent notieren Sie:

• die gestellte Frage im Wortlaut und den Assistenten,
• ob Ihr Unternehmen genannt wird und auf welchem Platz,
• welche Mitbewerber stattdessen genannt werden,
• welche Quellen angegeben sind, mit Adresse,
• das Datum der Messung.

Aus den genannten Quellen sehen Sie, wo Ihre Branche in KI-Antworten belegt wird, und damit, wo Sie selbst auftauchen sollten.

Wer das nicht selbst aufbauen möchte, findet im GEO-Audit eine fertige Messung mit Bericht.

Was zeigt unser eigenes Praxisbeispiel?

Am 30.09.2026 haben wir Laufwerk.cloud selbst gemessen. Das Ergebnis: Bei zehn Fragen zu unseren Leistungen, gestellt an ChatGPT, Perplexity und Gemini, wurden wir in 3 von 30 Antworten genannt. Alle drei Nennungen betrafen den IT-Service in Reutlingen und Tübingen, dort standen wir jeweils auf Platz 1 bis 2. In 23 geprüften Google-KI-Übersichten wurden wir kein einziges Mal zitiert.

Aufschlussreich war, welche Quellen die Assistenten nannten. Am häufigsten zitiert wurden Verzeichnisse und Vergleichsportale wie sortlist.de, agenturtipp.de und wlw.de, nicht die Websites der Anbieter selbst. Die Technik war dagegen nicht das Problem: Der Crawler-Zugang funktioniert, die Ladezeit ist in Ordnung. Es fehlen fremde Belege, also Einträge und Bewertungen genau dort, wo die Assistenten nachsehen.

Das ist eine Messung an einem Tag mit einem Fragenkatalog, kein Dauerzustand. Sie zeigt aber, wo anzusetzen ist, und sie ist ein Beispiel dafür, dass auch ein technisch sauberer Auftritt in KI-Antworten fehlen kann.

Wie lesen wir diese Zahlen? 3 von 30 bedeutet, dass wir in etwa jeder zehnten Antwort vorkamen. Das Bild ist aber nicht gleichmäßig: Bei Fragen mit klarem Ortsbezug wurden wir genannt, bei allgemeinen Leistungsfragen ohne Ort nicht. Unsere Lesart ist, dass die Assistenten dort auf Verzeichnisse mit Ortsbezug zurückgreifen und wir in diesen Quellen zu schwach vertreten sind. Die 0 von 23 bei Google zeigt zusätzlich, dass eine Nennung bei einem System nicht automatisch für das andere gilt.

Welche Schritte leiten wir daraus ab?

Aus der Messung ergeben sich konkrete Schritte, die auch für Ihr Unternehmen gelten können. Ob sie wirken, wissen wir erst nach der nächsten Messung, und das werden wir offen berichten.

1. Verzeichnisse identifizieren: Prüfen, welche Verzeichnisse und Portale die Assistenten für Ihre Branche und Region zitieren, und dort vollständige, einheitliche Einträge pflegen.
2. Bewertungen aufbauen: Zufriedene Kunden um eine Bewertung auf den Plattformen bitten, die ohnehin herangezogen werden.
3. Antwortabsätze schärfen: Leistungsseiten so formulieren, dass die Kernfrage im ersten Absatz beantwortet ist, mit Ort, Leistung und Ansprechpartner.
4. Fakten bündeln: Wesentliche Unternehmensangaben an einer Stelle verlässlich und maschinenlesbar bereitstellen. Bei uns ist das die Seite Fakten.
5. Technik beibehalten: Crawler-Zugang, Schema und Ladezeit regelmäßig prüfen, damit dort nichts verloren geht.
6. Erneut messen: Dieselben Fragen nach einigen Wochen wiederholen und die Veränderung dokumentieren.

Die Reihenfolge folgt dem Befund: Weil die Lücke bei fremden Belegen lag und nicht bei der Technik, stehen Verzeichnisse und Bewertungen vorn. Wer in einer eigenen Messung ein anderes Bild erhält, etwa blockierte Crawler oder fehlende Antwortabsätze, setzt die Schritte entsprechend anders. Die Messung bestimmt, wohin der Aufwand zuerst fließt, nicht eine feste Checkliste. Gerade bei kleinen Teams ist das wichtig, weil Zeit begrenzt ist und jede Stunde dort eingesetzt werden sollte, wo die Lücke tatsächlich liegt.

Wir legen hier bewusst nur das allgemeine Vorgehen offen. Wie ein Audit im Detail aufgebaut ist, gehört zu unserer Arbeitsweise und steht nicht in diesem Ratgeber.

Worauf sollten Sie bei GEO realistisch achten?

Realistisch heißt: GEO ist kein Schalter. Kein Anbieter kann eine Nennung in ChatGPT garantieren, weil die Antworten je Anfrage, Assistent und Zeitpunkt variieren. Misstrauen ist angebracht bei Versprechen wie „Platz 1 in der KI“. Seriös ist, die Voraussetzungen zu verbessern und den Effekt zu messen.

Außerdem lohnt sich ein Blick auf die Gewichtung: Für lokale Dienstleister sind Verzeichnisse, Bewertungen und ein sauberer Standortbezug häufig wirksamer als weitere Blogartikel. Für erklärungsbedürftige Leistungen sind dagegen gut strukturierte Ratgeber die Grundlage dafür, überhaupt zitiert zu werden. Beides ergänzt sich.

Typische Fehler

• Eine einzelne Probe: Eine Frage, ein Assistent, ein Tag sagen wenig. Erst mehrere Fragen und Wiederholungen ergeben ein Bild.
• Markennamen in den Fragen: Wer nach dem eigenen Namen fragt, misst Bekanntheit, nicht Auffindbarkeit bei Menschen, die Sie noch nicht kennen.
• Texte nur für die Maschine: Was Menschen nicht hilft, hilft auch Assistenten selten. Verständliche Antworten bleiben der Maßstab.
• llms.txt als Wundermittel: Die Datei kann nützen, ersetzt aber weder Belege von außen noch gute Inhalte.
• Erfolg zu früh behaupten: Ohne wiederholte Messung ist jede Aussage über eine Wirkung nur eine Vermutung.

Häufige Fragen