Das Google Business Profile ist der wichtigste Hebel für lokale Sichtbarkeit. Ein vollständig optimiertes Profil mit korrekten Kategorien, aktuellen Daten, echten Fotos, regelmäßigen Beiträgen und aktiven Bewertungen entscheidet über die Platzierung im lokalen Map-Pack. 2026 wirkt es zusätzlich auf die lokale AI-Visibility, weil LLMs Profildaten als verlässliche lokale Entitätsinformation nutzen.
Das Google Business Profile, früher Google My Business, ist der kostenlose Eintrag, mit dem ein Unternehmen in Google Maps und der lokalen Suche erscheint. Es ist der mit Abstand stärkste Hebel für lokale Sichtbarkeit. Wer lokal gefunden werden will, kommt an einem optimierten Profil nicht vorbei. 2026 wirkt es doppelt: für das klassische lokale Ranking und für die Sichtbarkeit in ortsbezogenen KI-Empfehlungen.
Verifizieren
Profil per Post, Telefon, E-Mail oder Video bestätigen. Pflichtschritt, ohne den nichts rankt.
Kategorien
Hauptkategorie trifft das Kerngeschäft exakt, Nebenkategorien decken weitere Leistungen ab.
Aktuelle Zeiten
Öffnungszeiten inklusive Feiertage und Sonderzeiten pflegen. Veraltete Daten kosten Vertrauen.
Echte Fotos
Bilder von Geschäft, Team und Leistungen statt generischer Stockfotos.
Bewertungen
Aktiv echte Bewertungen generieren und auf jede einzelne professionell antworten.
Regelmäßige Beiträge
Posts zu Angeboten, News und Events halten das Profil aktiv und sichtbar.
Was ist das Google Business Profile
Das Google Business Profile ist der zentrale Unternehmenseintrag bei Google, der in Maps, der lokalen Suche und im Knowledge Panel rechts neben den Suchergebnissen erscheint. Es enthält Name, Adresse, Öffnungszeiten, Kategorie, Fotos, Bewertungen und Beiträge. Das Profil ist kostenlos und wird direkt bei Google verwaltet.
Für lokale Suchen ist das Profil oft wichtiger als die eigene Website. Wenn jemand nach einem Anbieter in seiner Nähe sucht, zeigt Google das lokale Map-Pack mit drei Profilen. Diese Position entscheidet maßgeblich über Anfragen. Ohne optimiertes Profil erscheint ein Unternehmen dort nicht.
Das Profil muss verifiziert sein, damit es voll funktioniert und rankt. Die Verifizierung erfolgt je nach Branche per Postkarte, Telefon, E-Mail oder Video. Ein unverifiziertes Profil kann nicht vollständig bearbeitet werden und rankt kaum. Die Verifizierung ist der erste Pflichtschritt.
Wie optimierst du dein Google Business Profile
Ein optimiertes Profil ist vollständig ausgefüllt: korrekte Haupt- und Nebenkategorien, aktuelle Öffnungszeiten inklusive Feiertage, vollständige Kontaktdaten, hochwertige echte Fotos, eine aussagekräftige Beschreibung und regelmäßige Beiträge. Vollständigkeit ist der erste Rankingfaktor, Google bevorzugt Profile, die alle relevanten Felder nutzen.
Die Kategoriewahl ist entscheidend. Die Hauptkategorie sollte das Kerngeschäft exakt treffen, Nebenkategorien decken weitere Leistungen ab. Eine zu breite oder falsche Hauptkategorie kostet Rankings. Es lohnt zu prüfen, welche Kategorien die erfolgreich rankenden lokalen Wettbewerber nutzen.
Fotos und Beiträge halten das Profil aktiv. Echte Bilder von Geschäft, Team und Leistungen wirken besser als Stockfotos. Regelmäßige Beiträge zu Angeboten, Neuigkeiten und Events signalisieren Google ein gepflegtes, aktives Profil. Diese Aktivität fließt in das lokale Ranking ein.
Wichtiger Hinweis
Die Angaben im Profil müssen exakt mit den Daten auf der Website und in anderen Verzeichnissen übereinstimmen. Inkonsistente Name-, Adress- oder Telefondaten verwirren Google und schwächen das lokale Ranking. Diese NAP-Konsistenz über alle Plattformen hinweg ist die Grundlage, auf der die Profiloptimierung erst wirkt.
Welche Rolle spielen Bewertungen
Bewertungen sind einer der stärksten lokalen Rankingfaktoren und ein zentrales Trust-Signal. Google bewertet Anzahl, Durchschnitt, Aktualität und die Häufigkeit neuer Bewertungen. Eine kontinuierliche, natürliche Entwicklung wirkt stärker als ein einmaliger Schub. Wichtig ist zudem, auf jede Bewertung professionell zu antworten.
Die Antwortpolitik zeigt Engagement. Wer auf positive wie negative Bewertungen sachlich und lösungsorientiert reagiert, signalisiert Servicequalität, die sowohl potenzielle Kunden als auch Google wahrnehmen. Negative Bewertungen sollten nie defensiv, sondern konstruktiv beantwortet werden.
Für die lokale AI-Visibility zählen Bewertungen über Plattformgrenzen hinweg. Konsistent gute Bewertungen auf Google, Trustpilot und branchenspezifischen Portalen bauen ein Reputationsbild, das LLMs bei lokalen Empfehlungen berücksichtigen. Ein breit gut bewertetes Unternehmen wird eher empfohlen.
Wie hilft das Profil bei der lokalen AI-Visibility
Das Google Business Profile liefert Sprachmodellen strukturierte, verlässliche Informationen über ein lokales Unternehmen: Name, Standort, Kategorie, Bewertungen. Diese Entitätsdaten helfen LLMs, das Unternehmen korrekt einzuordnen und bei ortsbezogenen Anfragen zu empfehlen. Ein gepflegtes Profil ist die Datenbasis lokaler AI-Sichtbarkeit.
Allerdings reicht das Profil allein nicht. LLMs ziehen lokale Empfehlungen auch aus redaktionellen Quellen, Stadtportalen und Branchenlisten. Das Profil sorgt für korrekte Grunddaten, die redaktionellen Erwähnungen sorgen für die eigentliche Empfehlung. Beide Ebenen zusammen ergeben lokale AI-Visibility.
Konsistenz verbindet beide Ebenen. Wenn die Profildaten mit den Angaben in Verzeichnissen und redaktionellen Erwähnungen übereinstimmen, steigt die Konfidenz des Modells, das Unternehmen korrekt zu empfehlen. Widersprüchliche Daten senken diese Konfidenz und schwächen die lokale Sichtbarkeit.
Anzahl, Durchschnitt, Aktualität und aktive Antworten.
NAP-Konsistenzmittel-stark
Identische Daten über Profil, Website und Verzeichnisse.
Entfernung zum Suchendenmittel
Nicht beeinflussbar, aber relevant. Nähe schlägt oft Autorität.
Welche Fehler kosten lokale Sichtbarkeit
Die häufigsten Fehler sind ein unverifiziertes oder unvollständiges Profil, falsche Kategorien, inkonsistente NAP-Daten, fehlende Bewertungsstrategie und ein vernachlässigtes, inaktives Profil. Jeder dieser Fehler schwächt das lokale Ranking, oft ohne dass der Betreiber die Ursache erkennt.
Ein verbreiteter Fehler ist das Profil einmal anzulegen und dann nie wieder zu pflegen. Google bevorzugt aktive Profile. Wer keine Beiträge veröffentlicht, nicht auf Bewertungen antwortet und veraltete Öffnungszeiten stehen lässt, verliert gegen aktiv gepflegte Wettbewerber.
Ein weiterer Fehler ist Keyword-Stuffing im Unternehmensnamen. Den Namen mit Keywords aufzublähen, die nicht der echte Firmenname sind, verstößt gegen die Google-Richtlinien und kann zur Sperrung des Profils führen. Der Name sollte exakt der reale Firmenname sein.
Expert Insight
Aus lokalen Projekten zeigt sich ein klares Muster: Unternehmen, die ihr Profil vollständig pflegen und parallel in zwei bis drei regionalen Listicles erwähnt werden, erscheinen deutlich häufiger in ChatGPT-Empfehlungen für ihre Stadt als Wettbewerber mit gleichem Profil ohne redaktionelle Erwähnungen. Das Profil liefert die korrekten Daten, die redaktionellen Citations liefern die Empfehlung. Beide zusammen sind der lokale AI-Visibility-Hebel.
Wie misst du den Erfolg deines Profils
Den Erfolg misst du über die Insights im Google Business Profile: Profilaufrufe, Suchanfragen, über die Nutzer dich finden, Anrufe, Routenanfragen und Website-Klicks. Diese Daten zeigen direkt, ob die Optimierung Wirkung zeigt. Steigende Profilaktionen sind das klarste Erfolgssignal.
Ergänzend prüfst du das lokale Ranking für deine wichtigsten ortsbezogenen Keywords. Erscheinst du im Map-Pack für die relevanten Suchen? Tools zum lokalen Rank-Tracking zeigen die Position abhängig vom Standort des Suchenden, weil lokale Rankings stark von der Nähe abhängen.
Für die AI-Visibility testest du lokale Empfehlungsanfragen in ChatGPT und Perplexity. Wirst du bei der Frage nach den besten Anbietern in deiner Stadt genannt? Diese Tests sind manuell, aber aussagekräftig und verbinden die Profilarbeit mit dem messbaren Ergebnis in KI-Antworten.
Meine Einschätzung
Das Google Business Profile ist der größte unterschätzte Hebel für lokale Unternehmen, und gleichzeitig der am meisten vernachlässigte. Die meisten legen es einmal an und vergessen es. Mein Rat: Behandle es wie eine zweite Startseite. Vollständig ausfüllen, verifizieren, echte Fotos rein, jede Bewertung beantworten, monatlich Beiträge. Und dann der entscheidende Zusatzschritt für 2026: Sorg dafür, dass du in zwei, drei regionalen Listicles auftauchst. Profil plus redaktionelle Erwähnung, das ist die Kombination, die dich in Google Maps und in ChatGPT-Empfehlungen sichtbar macht.
Das Google Business Profile ist der stärkste Hebel für lokale Sichtbarkeit.
Vollständigkeit, korrekte Kategorien und Verifizierung sind Pflicht.
Bewertungen sind ein zentraler lokaler Rankingfaktor und ein Trust-Signal.
Das Profil liefert LLMs verlässliche lokale Entitätsdaten.
Profil plus regionale Listicle-Erwähnungen ergeben lokale AI-Visibility.
Quellen
Google Business Profile Hilfe: Profil optimieren und verifizieren, 2026
BrightLocal: Local Consumer Review Survey, 2026
Search Engine Land: Google Business Profile Best Practices, 2026
Whitespark: Local Search Ranking Factors, 2026
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
Digitale PR ist die gezielte Platzierung von Geschichten, Daten und Einschätzungen in Fachmedien, um Erwähnungen und Links zu gewinnen. Im LLM-Zeitalter wird sie zum zentralen Hebel für AI-Visibility, weil sie kontextstarke Brand Mentions in vertrauenswürdigen Quellen erzeugt. ChatGPT, Gemini und Perplexity lernen aus genau diesen Erwähnungen, welche Marke zu welchem Thema gehört.
Digitale PR ist die Disziplin, mit eigenen Geschichten, Daten und Einschätzungen in redaktionellen Medien stattzufinden. Anders als klassische Werbung kauft sie keine Anzeigenfläche, sondern verdient redaktionelle Aufmerksamkeit. 2026 ist digitale PR weit mehr als Linkaufbau: Sie ist der wirksamste Weg, die eigene Marke in den Quellen zu verankern, aus denen Sprachmodelle ihre Antworten ziehen.
Wie digitale PR wirkt
Von der Story zur LLM-Citation
Eigene Daten
Studie, Umfrage oder exklusive Auswertung als Aufhänger
→
Pitch an Medien
Story an die Fachmedien, die LLMs ohnehin zitieren
→
Mehrfach-Pickup
Mehrere Quellen greifen dieselbe Story auf
→
LLM lernt Kontext
Marke + Thema konsistent in vertrauenswürdigen Quellen
Ergebnis: ChatGPT, Gemini und Perplexity nennen deine Marke bei passenden Fragen.
Was ist digitale PR
Digitale PR ist die strategische Platzierung von Inhalten in Online-Medien, Fachpublikationen und bei Multiplikatoren, um Reichweite, Erwähnungen und Backlinks zu erzeugen. Der Kern ist ein redaktionell wertvoller Aufhänger: eigene Daten, eine Studie, ein Trend-Kommentar oder eine fundierte Experten-Einschätzung, die Journalisten aufgreifen.
Im Unterschied zur klassischen PR, die oft auf Markenbotschaften zielt, ist digitale PR messbar und sucht gezielt digitale Wirkung: Online-Erwähnungen, Links, Social Signals und zunehmend die Präsenz in KI-Antworten. Sie verbindet PR-Handwerk mit SEO- und AI-Visibility-Zielen.
Der Output digitaler PR ist eine Erwähnung in einer fremden, vertrauenswürdigen Quelle. Diese Erwähnung kann verlinkt sein oder nicht. Beide Formen wirken, die unverlinkte gewinnt im LLM-Zeitalter an Bedeutung, weil Sprachmodelle den Textkontext auswerten, nicht primär die Linkstruktur.
Warum ist digitale PR im LLM-Zeitalter so wichtig
Digitale PR ist im LLM-Zeitalter zentral, weil sie genau die Signale erzeugt, aus denen Sprachmodelle lernen: kontextstarke Markenerwähnungen in vertrauenswürdigen Quellen. Wenn eine Marke wiederholt im richtigen thematischen Kontext in Fachmedien genannt wird, verknüpfen ChatGPT, Gemini und Perplexity sie mit diesem Thema.
Klassische Werbung erreicht diesen Effekt nicht. Ein bezahltes Banner taucht nicht in den Trainingsdaten als redaktionelle Aussage auf. Eine redaktionelle Erwähnung in einem Fachartikel dagegen wird Teil des Textkorpus, aus dem Modelle ihr Weltwissen bilden. Genau hier wirkt digitale PR.
Der Effekt ist doppelt. Für die klassische Google-Suche bringt digitale PR Backlinks und Co-Citation-Signale. Für die generative Suche bringt sie die Co-Occurrence von Markenname und Thema, die darüber entscheidet, ob ein Modell die Marke bei passenden Fragen nennt. Eine Maßnahme, zwei Wirkungen.
Wie entwickelst du eine digitale PR-Story
Eine gute PR-Story braucht einen Aufhänger, der für die Leser eines Mediums relevant ist. Die wirksamsten Aufhänger sind eigene Daten, eine überraschende Erkenntnis, ein aktueller Trendbezug oder eine fundierte Gegenposition zu einer verbreiteten Meinung. Der Aufhänger muss einen Grund liefern, warum jetzt darüber berichtet werden sollte.
Eigene Daten sind der stärkste Hebel. Eine Branchen-Umfrage, eine Auswertung eigener Zahlen oder eine Analyse öffentlicher Daten liefert Journalisten exklusives Material. Daten sind zitierfähig, werden weiterverbreitet und erzeugen oft mehrere Erwähnungen aus einer einzigen Quelle.
Der Trendbezug macht die Story aktuell. Wer eine Einschätzung zu einem gerade diskutierten Thema liefert, bietet Medien einen zeitnahen Anlass. Diese Reaktivität ist im schnellen Nachrichtenzyklus entscheidend. Eine kluge Einordnung zum richtigen Zeitpunkt wird häufiger aufgegriffen als eine zeitlose Botschaft.
Wichtiger Hinweis
Digitale PR funktioniert nur mit echtem redaktionellem Wert. Verkaufstexte, die als PR getarnt sind, werden von Journalisten erkannt und ignoriert. Die Story muss den Lesern des Mediums echten Nutzen bieten, die Markennennung ist ein Nebeneffekt, nicht der Zweck. Wer das umdreht, scheitert.
Wie findest du die richtigen Medien
Die richtigen Medien sind die, die deine Zielgruppe liest und die thematisch zu deiner Story passen. Für die AI-Visibility kommt ein zweites Kriterium dazu: Medien, die gut ranken und von LLM-Crawlern erfasst werden, weil ihre Inhalte dann in die Quellen einfließen, aus denen Modelle zitieren.
Ein praktischer Ansatz ist die Reverse-Recherche. Stelle die Fragen, bei denen du genannt werden willst, in ChatGPT oder Perplexity und schau, welche Quellen zitiert werden. Diese Quellen sind deine Priorität, weil das Modell ihnen bereits vertraut. Eine Erwähnung dort wirkt direkt auf deine LLM-Sichtbarkeit.
Ergänzend identifizierst du die Fachmedien, Branchenportale und Journalisten, die regelmäßig über dein Thema schreiben. Der Aufbau echter Beziehungen zu diesen Multiplikatoren ist nachhaltiger als einmalige Pitches. Wer als verlässliche Quelle bekannt ist, wird wiederholt angefragt und genannt.
Daten-Story stärkster Hebel
Eigene Umfrage oder Datenauswertung. Exklusiv, zitierfähig, erzeugt oft mehrere Erwähnungen aus einer Quelle.
Trend-Kommentar
Fundierte Einordnung zu einem aktuell diskutierten Thema. Bietet Medien einen zeitnahen Anlass zur Berichterstattung.
Experten-Statement
Klare Position als Branchenstimme. Macht dich zur verlässlichen Quelle, die wiederholt angefragt wird.
Gegenposition
Begründete Gegenmeinung zu einer verbreiteten Annahme. Sorgt für Aufmerksamkeit und Diskussion.
Wie misst du den Erfolg digitaler PR
Du misst digitale PR über die Anzahl und Qualität der Platzierungen, die gewonnenen Backlinks, die Reichweite der Medien und zunehmend über die Präsenz in KI-Antworten. Klassische Kennzahlen sind Erwähnungen, Links und Referral-Traffic. Die neue Kennzahl ist die Citation-Rate in ChatGPT, Gemini und Perplexity.
Für die klassische Messung nutzt du Mention-Tracking-Tools, die erfassen, wo deine Marke genannt wird, und Backlink-Tools, die neue Links zeigen. Die Qualität der Platzierung zählt mehr als die Menge: Eine Erwähnung in einem führenden Fachmedium wiegt schwerer als zehn in unbedeutenden Quellen.
Für die LLM-Ebene testest du regelmäßig die relevanten Fragen in den Sprachmodellen und prüfst, ob deine Marke genannt wird. Steigt die Nennungsrate nach einer PR-Kampagne, hat die Arbeit gewirkt. Diese Messung verbindet die PR-Aktivität mit dem konkreten Ergebnis in den KI-Antworten.
Expert Insight
Aus der Praxis mit AI-Visibility-Projekten zeigt sich: Eine einzige datengetriebene PR-Story, die von mehreren Fachmedien aufgegriffen wird, wirkt für die LLM-Sichtbarkeit stärker als dutzende einzelne Linkkäufe. Der Grund ist die Konsistenz des Kontexts. Wenn fünf vertrauenswürdige Quellen dieselbe Marke im selben Themenfeld nennen, lernt das Modell diese Verbindung stabil. Diese Konzentration auf wenige, starke Platzierungen schlägt die Streuung auf viele schwache.
Digitale PR im Vergleich zu klassischem Linkaufbau
Digitale PR und klassischer Linkaufbau überschneiden sich, verfolgen aber unterschiedliche Schwerpunkte. Linkaufbau zielt primär auf den Link als Ranking-Signal. Digitale PR zielt auf Reichweite, Reputation und Erwähnung, wobei der Link ein wertvolles Nebenprodukt ist. Im LLM-Zeitalter rückt die Erwähnung in den Vordergrund.
Der Vorteil der PR-Perspektive ist die Nachhaltigkeit. Eine gute Story erzeugt organische Erwähnungen, die weiterverbreitet werden, statt einzelner gekaufter Links. Diese organische Verbreitung ist glaubwürdiger und wirkt stärker, sowohl für Google als auch für Sprachmodelle.
In der Praxis verschmelzen beide Disziplinen. Moderne digitale PR ist Linkaufbau, der über redaktionellen Wert funktioniert, und gleichzeitig Brand-Mention-Aufbau für die AI-Visibility. Wer PR, SEO und AI-Visibility zusammen denkt, holt aus jeder Platzierung den maximalen Wert.
Meine Einschätzung
Digitale PR ist der unterschätzteste Hebel im AI-Visibility-Spiel. Die meisten denken bei LLM-Sichtbarkeit an technische Tricks, dabei liegt der eigentliche Schlüssel in der redaktionellen Präsenz. Mein Rat: Investier in eine eigene Datenstudie zu deinem Thema und bring sie systematisch in die Fachmedien, die ChatGPT und Perplexity ohnehin zitieren. Eine gute Story, fünfmal platziert, verankert deine Marke im LLM-Wissen tiefer als jede technische Maßnahme. PR ist die neue SEO-Königsdisziplin.
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
Linkaufbau funktioniert 2026 weiterhin, aber die Methoden haben sich verschoben. Was zählt, sind redaktionelle Platzierungen, linkwürdige Inhalte, digitale PR und thematische Relevanz. Was nicht mehr funktioniert, sind Massenverzeichnisse, Linktausch-Netzwerke und gekaufte Pakete. Der wirksamste moderne Linkaufbau erzeugt zugleich Brand Mentions, die auch die AI-Visibility stärken.
Linkaufbau ist die gezielte Gewinnung von Backlinks, um die Autorität einer Website zu steigern. Die Grundidee ist unverändert, aber die wirksamen Methoden haben sich über die Jahre stark gewandelt. 2026 trennt sich sauberer Linkaufbau klar von manipulativen Taktiken, die Google längst erkennt. Wer heute Links aufbaut, denkt in Qualität und Relevanz statt in Masse.
Methoden-Check 2026
Was funktioniert, was nicht mehr
Funktioniert
Linkwürdige Inhalte (Studien, Tools)
Redaktionelle Gastbeiträge mit Wert
Digitale PR mit eigenen Daten
Echte Publisher-Beziehungen
Themenrelevante Platzierungen
Funktioniert nicht mehr
Massenverzeichnisse
Artikel- und Forenprofil-Links
Kommentar-Links
Linktausch-Netzwerke (ABC)
Gekaufte Massenpakete
Welche Linkaufbau-Methoden funktionieren 2026
2026 funktionieren vier Methoden zuverlässig: linkwürdige Inhalte, die freiwillig verlinkt werden, redaktionelle Gastbeiträge mit echtem Wert, digitale PR mit eigenen Daten und der Aufbau echter Beziehungen zu Publishern. Allen gemeinsam ist, dass der Link aus einer inhaltlichen Leistung entsteht, nicht aus einer Transaktion.
Methode
Funktioniert 2026
Aufwand
Risiko
Linkwürdige Inhalte
Ja, zuverlässig
Hoch
Niedrig
Digitale PR
Ja, stark wachsend
Hoch
Niedrig
Redaktionelle Gastbeiträge
Ja, bei echter Relevanz
Mittel
Niedrig
Broken Link Building
Ja
Mittel
Niedrig
Massenverzeichnisse
Nein
Niedrig
Hoch
Gekaufte Links in Masse
Nein
Niedrig
Sehr hoch
Linkwürdige Inhalte sind das Fundament. Eigene Studien, Datenanalysen, kostenlose Tools oder besonders fundierte Ratgeber ziehen Links an, weil andere sie als Quelle zitieren wollen. Diese organischen Links sind die wertvollsten, weil sie ohne Gegenleistung entstehen und damit maximal glaubwürdig sind.
Digitale PR ist der aktivste Hebel. Eigene Daten und Einschätzungen zu aktuellen Branchenthemen werden von Fachmedien aufgegriffen. Jede Aufnahme bringt einen Link oder eine kontextstarke Markenerwähnung. Diese Methode wirkt doppelt, für klassisches SEO und für die AI-Visibility.
Welche Methoden funktionieren nicht mehr
Nicht mehr funktionieren Massenverzeichnisse, Artikelverzeichnisse, Kommentar-Links, Forenprofil-Links, Linktausch-Netzwerke und gekaufte Linkpakete. Diese Methoden waren früher verbreitet, werden heute von Google algorithmisch erkannt und abgewertet oder ignoriert. Sie bringen keinen Nutzen mehr und können schaden.
Der klassische ABC-Linktausch zur Verschleierung ist ebenfalls riskant geworden. Google erkennt Muster reziproker und zirkulärer Verlinkung zunehmend gut. Was bleibt, sind echte redaktionelle Kooperationen, bei denen der Inhalt im Vordergrund steht, nicht der Link.
Auch reine Quantitäts-Strategien sind tot. Hunderte schwache Links aus irrelevanten Quellen bringen weniger als eine Handvoll starker, themenrelevanter Platzierungen. Die Zeit, in der die schiere Linkmenge zählte, ist vorbei. Heute entscheidet die Qualität jedes einzelnen Links.
Wichtiger Hinweis
Linkaufbau ist ein Marathon, kein Sprint. Ein plötzlicher, unnatürlicher Anstieg der Backlinks ist ein Warnsignal für Google. Nachhaltiger Linkaufbau wächst stetig und natürlich über Monate. Wer in kurzer Zeit viele Links aufbaut, riskiert genau das Muster, das Google als Manipulation erkennt.
Wie funktioniert Linkaufbau über Content
Linkaufbau über Content bedeutet, Inhalte zu erstellen, die so wertvoll sind, dass andere freiwillig darauf verlinken. Das funktioniert am besten mit originären Daten, einzigartigen Perspektiven oder besonders nützlichen Werkzeugen. Solche Inhalte werden zur Referenz, die andere zitieren.
Besonders linkstark sind eigene Studien und Datenerhebungen. Wenn du Daten veröffentlichst, die es sonst nirgends gibt, werden andere darauf verweisen, wann immer sie das Thema behandeln. Eine einzige gute Studie kann über Jahre Links generieren, ohne dass du aktiv darum bitten musst.
Auch Tools und Rechner ziehen Links an. Ein kostenloses Werkzeug, das ein konkretes Problem löst, wird verlinkt und empfohlen. Diese Form des Linkaufbaus skaliert von selbst, weil der Wert im Werkzeug steckt und nicht in einer einmaligen Aktion.
Was ist digitale PR und wie hilft sie
Digitale PR ist die gezielte Platzierung von Geschichten, Daten und Einschätzungen in Fachmedien und Publikationen. Anders als klassische Werbung setzt sie auf redaktionellen Wert. Eine gute PR-Geschichte wird aufgegriffen, weil sie für die Leser des Mediums relevant ist, und bringt dabei Links und Erwähnungen.
Nicht ohne Grund ist digitale PR laut Auswertungen von Moz die am schnellsten wachsende Linkaufbau-Taktik, mit rund 28 Prozent Wachstum pro Jahr. Marken investieren gezielt in Datenstudien und Geschichten, die Redaktionen freiwillig verlinken.
Der Kern guter digitaler PR sind eigene Daten und ein klarer Aufhänger. Eine Branchen-Umfrage, eine Trend-Analyse oder ein fundierter Kommentar zu einem aktuellen Ereignis gibt Journalisten einen Grund, über dich zu schreiben. Je exklusiver und relevanter die Information, desto höher die Erfolgschance.
Digitale PR wirkt im LLM-Zeitalter besonders stark, weil sie kontextklare Erwähnungen in vertrauenswürdigen Quellen erzeugt. Diese Erwähnungen verknüpfen deine Marke mit deinem Thema, sowohl für Google als Co-Citation als auch für Sprachmodelle, die aus diesem Kontext lernen.
1. Inhalt schaffen
Studie, Tool oder fundierter Ratgeber mit echtem Wert
2. Sichtbar machen
Digitale PR, Pitch an passende Fachmedien
3. Link entsteht
Redaktionelle Erwähnung mit Backlink im Kontext
4. Doppelter Wert
SEO-Link plus Brand Mention für AI-Visibility
Wie viel Linkaufbau braucht eine Website
Es gibt keine feste Zahl. Der Bedarf richtet sich nach der Konkurrenz im Zielmarkt. Eine realistische Vorgehensweise ist, die Linkprofile der aktuell rankenden Wettbewerber zu analysieren und ein vergleichbares oder besseres Profil aus themenrelevanten Quellen aufzubauen.
Für die meisten Projekte ist ein stetiger Aufbau von wenigen hochwertigen Platzierungen pro Monat nachhaltiger als sporadische Sprints. Vier bis acht starke, themenrelevante Platzierungen monatlich bauen über ein Jahr eine solide Autorität auf, ohne unnatürliche Muster zu erzeugen.
Qualität schlägt Tempo. Lieber wenige Platzierungen aus genau den richtigen Quellen als viele aus beliebigen. Jede Platzierung sollte thematisch passen und idealerweise eine doppelte Wirkung haben: ein Link für SEO und eine kontextstarke Erwähnung für die AI-Visibility.
Expert Insight
Aus dem Aufbau eines Portfolios von 165 Sites zeigt sich klar: Die nachhaltigsten Ranking-Erfolge kommen nicht aus aggressivem Linkaufbau, sondern aus der Kombination von linkwürdigen Inhalten und kontinuierlicher digitaler PR. Sites, die monatlich vier bis acht themenrelevante Platzierungen aufbauen, wachsen stabil. Der entscheidende Faktor ist nie das Tempo, sondern die thematische Konsistenz der Quellen über die Zeit.
Wie kombinierst du Linkaufbau mit AI-Visibility
Du kombinierst beides, indem du jede Linkaufbau-Maßnahme so planst, dass sie zugleich eine kontextstarke Markenerwähnung erzeugt. Ein redaktioneller Gastbeitrag, eine PR-Platzierung oder eine Studie bringt nicht nur einen Link, sondern nennt deine Marke im richtigen thematischen Kontext, was für LLMs zählt.
Der Schlüssel ist die thematische Konsistenz. Wenn deine Marke über viele Quellen hinweg immer im selben Themenfeld erwähnt wird, lernen sowohl Google als auch Sprachmodelle diese Verbindung. Ein Link aus einem thematisch passenden Artikel wirkt damit doppelt, als Ranking-Signal und als Citation-Signal.
Praktisch heißt das, Linkaufbau und Brand-Mention-Strategie nicht zu trennen, sondern zusammen zu denken. Jede Platzierung wird auf beide Ziele optimiert. So holst du aus jedem Aufwand den maximalen Wert, statt zwei getrennte Strategien parallel zu fahren.
Meine Einschätzung
Moderner Linkaufbau ist im Kern Content- und PR-Arbeit, keine Linkbeschaffung. Mein Rat: Hör auf, Links zu jagen, und fang an, Gründe zu schaffen, warum andere dich verlinken. Eine eigene Studie, ein nützliches Tool, ein fundierter Branchen-Kommentar bringen dir nachhaltige Links und gleichzeitig die Brand Mentions, die in ChatGPT und Perplexity zählen. Denk Linkaufbau und AI-Visibility als eine Disziplin. Das ist effizienter und zukunftssicher, während die alten Taktiken endgültig auslaufen.
Linkaufbau funktioniert 2026 über Content, redaktionelle Beiträge und digitale PR.
Massenverzeichnisse, Linktausch-Netzwerke und gekaufte Pakete funktionieren nicht mehr.
Linkwürdige Inhalte wie Studien und Tools ziehen Links von selbst an.
Nachhaltig sind vier bis acht themenrelevante Platzierungen pro Monat.
Moderner Linkaufbau erzeugt zugleich Brand Mentions für die AI-Visibility.
Quellen
Google Search Central: Link Spam und Linkbuilding-Richtlinien, 2026
Ahrefs Blog: Link Building Strategies That Work, 2026
Search Engine Journal: Digital PR for Link Building, 2026
Moz: The Beginner’s Guide to Link Building, 2026
Moz: State of Link Building Report, 2025
Backlinko: Search Engine Ranking Factors, Analyse von 11,8 Millionen Ergebnissen, 2025
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
Domain Rating (Ahrefs), Domain Authority (Moz) und Trust Flow (Majestic) sind drei Drittanbieter-Metriken, die die Stärke eines Linkprofils schätzen. Keine davon ist ein Google-Faktor. Sie sind nützlich als Vergleichswert gegen Wettbewerber, aber kein Ziel an sich. Für AI-Visibility zählt zunehmend die Themenrelevanz und Markenpräsenz mehr als ein hoher Metrik-Wert.
Domain Rating, Domain Authority und Trust Flow sind die drei meistgenutzten Autoritäts-Metriken im SEO. Alle drei versuchen, die Stärke einer Domain anhand ihres Backlinkprofils in einer einzigen Zahl auszudrücken. Sie stammen von verschiedenen Anbietern, berechnen sich unterschiedlich und sind allesamt keine offiziellen Google-Signale. Wer sie richtig einordnet, nutzt sie als Werkzeug statt als Selbstzweck.
DR
Domain Rating
Ahrefs · 0–100
Misst die reine Stärke des Backlinkprofils. Logarithmisch, große Datenbank, stabiler Vergleichswert.
DA
Domain Authority
Moz · 0–100
Schätzt die Ranking-Wahrscheinlichkeit. Eigenes Modell, regelmäßige Updates, andere Datenbank als DR.
TF
Trust Flow
Majestic · 0–100
Bewertet die Qualität und Vertrauenswürdigkeit der Quellen. Im Verhältnis zum Citation Flow lesen.
Was ist Domain Rating
Domain Rating, kurz DR, ist eine Metrik von Ahrefs, die die Stärke des Backlinkprofils einer Domain auf einer Skala von 0 bis 100 abbildet. Sie basiert vor allem auf der Anzahl und Stärke der verweisenden Domains. DR ist logarithmisch, der Sprung von 70 auf 80 ist deutlich schwerer als von 20 auf 30.
DR berücksichtigt, wie viele eigenständige Domains auf eine Seite verlinken und wie stark diese verlinkenden Domains selbst sind. Ein Link von einer DR-80-Seite wirkt stärker als hundert Links von DR-5-Seiten. Die Metrik ignoriert bewusst Faktoren wie Content-Qualität oder Themenrelevanz, sie misst rein die Linkstärke.
Für die Praxis ist DR ein guter schneller Vergleichswert. Wenn deine Domain DR 25 hat und die rankenden Wettbewerber DR 40 bis 50, weißt du, dass dein Linkprofil aufholen muss. DR sagt aber nichts darüber, ob ein einzelner Link sinnvoll ist, dafür zählt die Themenrelevanz.
Was ist Domain Authority
Domain Authority, kurz DA, ist die entsprechende Metrik von Moz, ebenfalls auf einer Skala von 0 bis 100. Sie schätzt, wie wahrscheinlich eine Domain in den Suchergebnissen rankt, basierend auf einem Modell aus Linkdaten. DA ist Mozs Versuch, die Gesamtautorität in einer Zahl zu bündeln.
DA und DR messen Ähnliches, nutzen aber unterschiedliche Datenbanken und Berechnungen. Die Werte sind deshalb nicht direkt vergleichbar. Eine Domain kann bei Ahrefs DR 50 und bei Moz DA 40 haben. Beide Zahlen sind Schätzungen aus unterschiedlichen Crawls und Modellen, keine absolute Wahrheit.
Moz aktualisiert das DA-Modell regelmäßig, was zu Schwankungen führen kann, ohne dass sich am tatsächlichen Linkprofil etwas geändert hat. Deshalb sollte DA immer im Vergleich und im Zeitverlauf betrachtet werden, nicht als absoluter Einzelwert.
Kriterium
DRAhrefs
DAMoz
TFMajestic
Misst
Linkstärke
Ranking-Chance
Link-Qualität
Skala
0–100
0–100
0–100
Fokus
Menge × Stärke
Gesamtmodell
Vertrauen
Google-Faktor
Nein
Nein
Nein
Beste Nutzung
Hauptvergleich
Moz-Workflow
Qualitätscheck
DR
Ahrefs
MisstLinkstärke
Skala0–100
FokusMenge × Stärke
Google-FaktorNein
Beste NutzungHauptvergleich
DA
Moz
MisstRanking-Chance
Skala0–100
FokusGesamtmodell
Google-FaktorNein
Beste NutzungMoz-Workflow
TF
Majestic
MisstLink-Qualität
Skala0–100
FokusVertrauen
Google-FaktorNein
Beste NutzungQualitätscheck
Was ist Trust Flow
Trust Flow, kurz TF, ist eine Metrik von Majestic, die die Vertrauenswürdigkeit eines Linkprofils misst, ebenfalls von 0 bis 100. Anders als DR und DA fokussiert Trust Flow auf die Qualität und Vertrauenswürdigkeit der verlinkenden Quellen, nicht nur auf deren Menge oder Stärke.
Trust Flow wird oft zusammen mit Citation Flow betrachtet. Citation Flow misst die Menge der Links, Trust Flow ihre Qualität. Ein gesundes Profil hat ein ausgewogenes Verhältnis. Ein hoher Citation Flow bei niedrigem Trust Flow deutet auf viele, aber minderwertige Links hin, ein Warnsignal für gekaufte oder Spam-Links.
Das Verhältnis von Trust Flow zu Citation Flow ist deshalb ein nützlicher Qualitätsindikator. Liegt der Trust Flow nahe am Citation Flow, ist das Profil vertrauenswürdig. Klafft eine große Lücke, lohnt ein genauer Blick auf die Linkquellen. Für die Bewertung gekaufter Domains ist diese Relation besonders aufschlussreich.
Wichtiger Hinweis
Keine dieser drei Metriken ist ein Google-Ranking-Faktor. Google nutzt eigene, nicht öffentliche Signale. DR, DA und Trust Flow sind Schätzungen von Drittanbietern. Eine hohe Zahl garantiert kein gutes Ranking, eine niedrige Zahl verhindert es nicht. Sie sind Orientierung, kein Ziel.
Welche Metrik solltest du nutzen
Es gibt keine objektiv beste Metrik. Jede hat ihren Fokus: DR für die reine Linkstärke, DA für die geschätzte Ranking-Wahrscheinlichkeit, Trust Flow für die Qualität der Quellen. In der Praxis ist es sinnvoll, eine Metrik konsistent als Hauptreferenz zu nutzen und die anderen ergänzend zu betrachten.
Die meisten SEO-Profis nutzen Ahrefs DR als primären Vergleichswert, weil die Ahrefs-Datenbank groß und die Metrik stabil ist. Trust Flow ergänzt gut, wenn es um die Bewertung der Linkqualität geht, etwa beim Kauf von Expired Domains. DA ist nützlich, wenn man ohnehin mit Moz-Tools arbeitet.
Wichtig ist die Konsistenz. Vergleiche immer dieselbe Metrik über dieselben Domains. Ein Wechsel zwischen DR und DA innerhalb einer Analyse führt zu falschen Schlüssen, weil die Skalen nicht deckungsgleich sind. Wähle eine, bleib dabei, und betrachte sie immer relativ zur Konkurrenz.
Wie wichtig sind diese Metriken für AI-Visibility
Für AI-Visibility sind diese Metriken weniger wichtig als für klassisches SEO. Sprachmodelle bewerten Quellen nach Themenrelevanz, Kontext und redaktioneller Qualität, nicht nach DR oder Trust Flow. Eine themenrelevante Erwähnung auf einer mittelstarken Seite wirkt für LLMs oft besser als ein Link von einer hohen DR-Domain ohne thematischen Bezug.
Das heißt nicht, dass die Metriken irrelevant sind. Eine Quelle mit hohem Trust Flow ist tendenziell auch für LLMs vertrauenswürdig, weil Trust Flow und redaktionelle Qualität oft korrelieren. Aber die Zahl allein ist kein Ziel. Wichtiger ist, ob die Quelle thematisch passt und echten Traffic hat.
Für die Praxis bedeutet das eine Verschiebung der Priorität. Statt nur auf hohe DR-Werte zu schielen, lohnt der Blick auf Themenrelevanz und echte Reichweite einer Quelle. Eine Erwähnung im richtigen Kontext schlägt eine hohe Metrik im falschen Kontext, sowohl für Google als auch für LLMs.
Expert Insight
Aus der Bewertung hunderter Domains für Aufbau und Expired-Domain-Käufe zeigt sich: Die aussagekräftigste Einzelkennzahl ist nicht DR oder DA, sondern das Verhältnis von Trust Flow zu Citation Flow kombiniert mit dem tatsächlichen organischen Traffic. Domains mit hohem DR, aber niedrigem Trust Flow und ohne echten Traffic sind fast immer aufgeblähte Profile, die wenig bringen. Eine mittlere Metrik mit gesundem Verhältnis und echtem Traffic ist wertvoller als eine hohe Zahl ohne Substanz.
Wie verbesserst du deine Autoritäts-Metriken
Du verbesserst deine Metriken, indem du hochwertige, themenrelevante Backlinks von vertrauenswürdigen Domains aufbaust. Da alle drei Metriken auf dem Linkprofil basieren, wirken dieselben Maßnahmen: redaktionelle Platzierungen, eigene linkwürdige Inhalte und digitale PR. Es gibt keine Abkürzung, die nur die Zahl ohne echte Links hebt.
Der Fehler vieler ist, die Metrik selbst optimieren zu wollen, etwa durch den Kauf von Links zur DR-Steigerung. Das hebt kurzfristig die Zahl, bringt aber keinen echten Ranking-Vorteil und kann durch schlechte Linkqualität sogar schaden. Die Metrik ist ein Symptom guter Arbeit, nicht das Ziel.
Nachhaltig steigen die Werte durch kontinuierlichen Aufbau echter Autorität: themenrelevante Links, gute Inhalte, Markenpräsenz. Wenn die Substanz stimmt, folgen die Metriken von selbst. Wer die Zahl jagt statt die Substanz, baut ein Profil, das in den Metriken gut aussieht, aber weder bei Google noch bei LLMs liefert.
Meine Einschätzung
DR, DA und Trust Flow sind nützliche Werkzeuge, aber sie werden chronisch überbewertet. Mein Rat: Nutze eine Metrik, am besten Ahrefs DR, als groben Vergleichswert gegen deine Wettbewerber, und ergänze sie mit Trust Flow zur Qualitätsprüfung. Aber mach die Zahl nie zum Ziel. Was zählt, ist Themenrelevanz, echter Traffic der Quelle und redaktionelle Qualität. Eine mittelstarke, perfekt passende Quelle schlägt jede hohe DR-Domain ohne thematischen Bezug. Im LLM-Zeitalter gilt das mehr denn je.
DR (Ahrefs), DA (Moz) und Trust Flow (Majestic) schätzen die Linkprofil-Stärke.
Keine der drei Metriken ist ein offizieller Google-Ranking-Faktor.
DR misst Linkstärke, DA die Ranking-Wahrscheinlichkeit, Trust Flow die Qualität.
Das Verhältnis Trust Flow zu Citation Flow zeigt die Qualität eines Profils.
Für AI-Visibility zählt Themenrelevanz mehr als ein hoher Metrik-Wert.
Quellen
Ahrefs: Domain Rating (DR) erklärt, 2026
Moz: Domain Authority Methodik und Updates, 2026
Majestic: Trust Flow und Citation Flow, 2026
Search Engine Journal: Third-Party Metrics and Google Rankings, 2026
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
Answer Engine Optimization (AEO) optimiert Inhalte für direkte Antworten in Suchmaschinen und KI-Systemen. Statt auf einen Klick zielt AEO darauf, die Antwort selbst zu sein, die ein Nutzer in Featured Snippets, Voice Search oder ChatGPT bekommt. AEO ist eng mit GEO verwandt, fokussiert aber stärker auf die präzise, direkt extrahierbare Antwort auf eine konkrete Frage.
Answer Engine Optimization, kurz AEO, ist die Optimierung von Inhalten dafür, als direkte Antwort auf eine Nutzerfrage ausgespielt zu werden. Antwortmaschinen sind Systeme, die eine konkrete Antwort liefern statt einer Linkliste: Google Featured Snippets, Voice Assistants wie Alexa und Siri sowie generative Systeme wie ChatGPT und Perplexity. AEO sorgt dafür, dass deine Inhalte diese Antwort werden.
Featured Snippets
Direkte Antwort über den Google-Ergebnissen
Voice Search
Vorgelesene Antwort von Alexa und Siri
ChatGPT
Generierte Antwort im Chat-Interface
Perplexity
Antwort mit zitierten Quellen
Was ist Answer Engine Optimization genau
AEO ist die gezielte Aufbereitung von Inhalten, damit sie von Antwortmaschinen als direkte, eigenständige Antwort erkannt und ausgespielt werden. Der Fokus liegt auf der präzisen Beantwortung konkreter Fragen in einem Format, das Maschinen leicht extrahieren können. Es geht nicht um Rankings, sondern um die Antwort selbst.
Antwortmaschinen unterscheiden sich von klassischen Suchmaschinen dadurch, dass sie eine Antwort liefern statt einer Auswahl von Links. Bei Google sind das die Featured Snippets und die Knowledge Panels, bei Sprachassistenten die vorgelesene Antwort, bei LLMs die generierte Antwort im Chat. AEO bedient all diese Formate.
Der Kern von AEO ist die direkte Frage-Antwort-Struktur. Eine klar gestellte Frage, gefolgt von einer prägnanten, vollständigen Antwort in den ersten ein bis zwei Sätzen, ist das ideale Format. Diese Struktur erlaubt es jeder Antwortmaschine, die Information sauber zu extrahieren.
Wie unterscheidet sich AEO von SEO und GEO
SEO optimiert auf Rankings und Klicks, GEO auf Markennennung in KI-Antworten, AEO auf die direkte Beantwortung einer konkreten Frage. AEO ist die Schnittmenge: Es bedient sowohl klassische Featured Snippets als auch generative Antworten. Man kann AEO als die fragefokussierte Disziplin innerhalb des größeren GEO-Felds verstehen.
Der Unterschied zu reinem SEO ist der Verzicht auf den Klick als Ziel. Bei einem Featured Snippet bekommt der Nutzer die Antwort oft, ohne zu klicken. AEO akzeptiert das und zielt darauf, die sichtbare Antwortquelle zu sein, was Markenbekanntheit und Vertrauen schafft, auch ohne Klick.
Der Unterschied zu GEO ist der engere Fokus. GEO umfasst die gesamte Markensichtbarkeit in generativen Systemen, einschließlich Co-Occurrence und Citation-Building. AEO konzentriert sich spezifisch auf die Optimierung einzelner Antworten auf konkrete Fragen. AEO ist damit ein Werkzeug innerhalb der GEO-Strategie.
Wichtiger Hinweis
AEO bedeutet nicht, dass Klicks unwichtig werden. Auch wenn eine Antwort direkt ausgespielt wird, bleibt die Nennung als Quelle wertvoll. Sie baut Markenbekanntheit auf und führt bei komplexeren Fragen oft doch zum Klick. AEO und klassischer Traffic schließen sich nicht aus, sie ergänzen sich.
Das AEO-Kernprinzip
Antwort zuerst, Erläuterung danach
✕ Schwach für AEO
H2: SEO-Tipps für Anfänger
In diesem Abschnitt schauen wir uns an, was es alles zu beachten gibt. Zunächst ist es wichtig zu verstehen, dass SEO ein weites Feld ist und viele Faktoren eine Rolle spielen … (Antwort kommt erst später)
✓ Stark für AEO
H2: Wie verbessere ich mein Google-Ranking?
Du verbesserst dein Ranking durch relevante Inhalte, eine technisch saubere Website und hochwertige Backlinks. Diese drei Hebel wirken zusammen … (Erläuterung folgt)
Was ist eine Antwortzone und wie baust du sie in 40 Wörtern
Kurz zusammengefasst
Eine Antwortzone ist der klar abgegrenzte Absatz direkt unter jeder H2, der die Nutzerfrage in 40 bis 60 Wörtern beantwortet, bevor der Absatz die Antwort begründet. Answer Engines extrahieren fast ausschließlich diese Zone. Wer sie sauber baut, wird zitiert, unabhängig davon, wie lang der Rest des Artikels ist.
Die Antwortzone ist das wichtigste strukturelle Bauelement in AEO. Sie steht direkt unter der jeweiligen Überschrift, beantwortet die konkrete Frage in einer kompakten Prosa-Antwort und liefert erst danach Belege, Beispiele oder eine tiefere Erklärung. Answer Engines wie ChatGPT, Perplexity oder Googles AI Overviews scannen Seiten nach genau dieser Konstellation: Frage plus Direkt-Antwort plus Beleg. Findet das System diese drei Elemente nicht in unmittelbarer Nähe, entscheidet es sich für eine andere Quelle.
Baumuster Antwortzone
1. Nutzerfrage als H2 Formuliert wie ein Mensch tippt: „Wie unterscheidet sich AEO von SEO“, nicht „AEO-Vergleich“.
2. Direkt-Antwort in 40 bis 60 Wörtern Erster Absatz ohne Aufwärmphase. Kein „In diesem Kapitel“. Kein Cliffhanger. Antwort steht am Anfang.
3. Beleg im nächsten Absatz Daten, Beispiel, Quelle. Genau hier trennt sich das Zitat-Signal vom Blogger-Rauschen.
Zwei Punkte werden in der Praxis oft vergessen. Erstens muss die Direkt-Antwort in sich verständlich sein, auch wenn sie ohne den Rest der Seite gelesen wird, denn genau das tut die Answer Engine. Zweitens gehört unter jede H2 genau eine Antwortzone, nicht mehrere Vorbemerkungen. Wer diese Disziplin über den ganzen Artikel hält, baut mit jedem H2-Block eine eigenständige Zitier-Einheit. Die Verbindung zur inhaltlichen Tiefe entsteht dann automatisch, wenn die Absätze danach echte Substanz liefern, wie im Content Audit beschrieben.
Wie strukturierst du Inhalte für AEO
Für AEO strukturierst du Inhalte als klare Frage-Antwort-Einheiten. Jede Überschrift sollte eine konkrete Frage sein, die erste ein bis zwei Sätze darunter beantworten sie direkt und vollständig. Diese Direktheit ist das wichtigste AEO-Prinzip, weil Antwortmaschinen den Anfang eines Abschnitts als Antwort extrahieren.
Die Antwort beginnt mit der Kernaussage, nicht mit einer Einleitung. Statt zunächst das Thema zu umkreisen, steht die eigentliche Antwort am Anfang. Erst danach folgt die Erläuterung. Dieses Prinzip, oft als umgekehrte Pyramide bezeichnet, entspricht genau dem, was Antwortmaschinen bevorzugen.
Ergänzend helfen strukturierte Formate: Listen für Aufzählungen, Tabellen für Vergleiche, FAQ-Blöcke für Fragenkomplexe. Diese Formate sind maschinell leicht zu verarbeiten und werden häufig als Featured Snippets oder in generativen Antworten übernommen. Klare Struktur schlägt Fließtext für AEO.
Welche Rolle spielt strukturiertes Markup für AEO
Strukturiertes Markup wie FAQ-Schema, HowTo-Schema und Article-Schema unterstützt AEO, indem es Antwortmaschinen die Extraktion erleichtert. Das Markup macht explizit, was Frage und was Antwort ist. Auch wenn es kein direkter Ranking-Faktor ist, erhöht es die Wahrscheinlichkeit korrekter Extraktion und Ausspielung.
FAQ-Schema ist für AEO besonders relevant, weil es Frage-Antwort-Paare eindeutig auszeichnet. Eine sauber strukturierte FAQPage liefert sowohl Google als auch LLMs fertige Antwort-Bausteine. Das erhöht die Chance, als direkte Antwortquelle ausgespielt zu werden.
Wichtig bleibt: Das Markup beschreibt vorhandene, sichtbare Inhalte. Es ersetzt keine gute Antwortstruktur, sondern verstärkt sie. Die Kombination aus klarer Frage-Antwort-Struktur im sichtbaren Text und passendem Schema-Markup ist der wirksamste AEO-Ansatz.
Wie optimierst du für Voice Search
Für Voice Search optimierst du auf natürliche, gesprochene Fragen und prägnante, vorlesbare Antworten. Sprachassistenten lesen meist nur eine einzige Antwort vor, oft aus dem Featured Snippet. Wer diese Position hält, gewinnt die Voice-Antwort. Die Antwort sollte kurz, klar und vollständig in ein bis zwei Sätzen sein.
Gesprochene Suchanfragen sind länger und natürlicher als getippte. Statt SEO Tipps fragt jemand per Sprache, wie verbessere ich mein Google-Ranking. AEO-Inhalte greifen diese natürlichen Frageformen auf, idealerweise als wörtliche Überschrift, die dann direkt beantwortet wird.
Die Antwort für Voice muss ohne Kontext funktionieren. Ein Sprachassistent liest einen Satz vor, ohne die umgebende Seite. Deshalb sollte jede Antwort eigenständig verständlich sein, ohne Verweise wie wie oben erwähnt. Diese Eigenständigkeit hilft auch bei der Ausspielung in LLM-Antworten.
Expert Insight
In der Content-Praxis zeigt sich: Artikel, die jede H2 als echte Nutzerfrage formulieren und direkt in den ersten beiden Sätzen beantworten, werden sowohl in Google Featured Snippets als auch in Perplexity-Antworten deutlich häufiger ausgespielt als Artikel mit Stichwort-Überschriften und ausschweifenden Einleitungen. Die direkte Antwortstruktur ist der größte einzelne AEO-Hebel und kostet nichts außer Disziplin beim Schreiben.
Wie misst du AEO-Erfolg
AEO-Erfolg misst du über die Anzahl gewonnener Featured Snippets, die Sichtbarkeit in Voice-Ergebnissen und die Nennung als Quelle in generativen Antworten. In der Google Search Console erkennst du Snippet-Gewinne an Positionssprüngen auf Position eins mit hoher Impression-Zahl. Für LLM-Antworten nutzt du Prompt-Tests.
Ein praktischer Indikator sind Suchanfragen, bei denen du auf Position eins stehst und gleichzeitig die Klickrate niedriger ist als erwartet. Das deutet oft darauf hin, dass deine Antwort als Featured Snippet ausgespielt wird und Nutzer die Antwort direkt bekommen, ohne zu klicken. Das ist ein AEO-Erfolg, kein Verlust.
Für die generative Ebene testest du, ob deine Inhalte bei den relevanten Fragen in ChatGPT und Perplexity als Antwort oder Quelle auftauchen. Eine steigende Präsenz in diesen direkten Antworten ist das klarste Zeichen für funktionierende AEO-Arbeit.
Meine Einschätzung
AEO ist die praktischste und am leichtesten umsetzbare Disziplin im ganzen AI-Visibility-Feld. Es braucht keine teuren Tools und keine Outreach-Kampagnen, nur Disziplin beim Schreiben. Mein Rat: Formuliere jede Überschrift als echte Frage und beantworte sie direkt in den ersten zwei Sätzen, bevor du erläuterst. Ergänze FAQ-Schema auf den wichtigsten Seiten. Das ist günstige, wirksame Arbeit, die sowohl Google Featured Snippets als auch ChatGPT- und Perplexity-Antworten bedient. AEO ist der Einstieg, mit dem jede AI-Visibility-Strategie beginnen sollte.
AEO optimiert Inhalte dafür, die direkte Antwort auf eine Frage zu sein.
Es bedient Featured Snippets, Voice Search und generative Antworten zugleich.
Kernprinzip: jede Überschrift als Frage, Antwort direkt in den ersten zwei Sätzen.
FAQ- und HowTo-Schema unterstützen die maschinelle Extraktion der Antwort.
AEO ist die praktischste AI-Visibility-Disziplin und kostet nur Schreibdisziplin.
Welche AEO-KPIs gehören 2026 ins monatliche Reporting
Kurz zusammengefasst
Ins AEO-Reporting 2026 gehören vier Kennzahlen: Snippet-Anteil bei Ziel-Queries, Zitierrate in ChatGPT und Perplexity, Voice-Answer-Präsenz und der Anteil Antwortzonen mit Klick. Nur diese Kombination bildet ab, ob die Optimierung wirkt oder ob deine Antworten unsichtbar bleiben, obwohl die Rankings stehen.
Klassische SEO-Reports zeigen Rankings, Klicks, Impressionen. Für AEO reicht das nicht mehr, weil die interessante Sichtbarkeit inzwischen jenseits der klassischen SERP entsteht. Ein sauberes Monatsreporting braucht deshalb vier zusätzliche Datenpunkte, die zusammen die AEO-Realität zeigen.
KPI
Was sie zeigt
Datenquelle
Snippet-Anteil
Wie viel Prozent deiner Ziel-Queries dich als Featured Snippet ausspielen
Search Console, SERP-Tracker
Zitierrate LLM
Wie oft du in ChatGPT, Perplexity und Gemini zu Ziel-Prompts zitiert wirst
Manuelles Prompt-Sampling oder LLM Mentions API
Voice-Präsenz
Anteil deiner Fragen, die Google Assistant und Alexa mit deiner Antwort beantworten
Sprach-Testset, monatlich
Klick-nach-Antwort
CTR der Seiten, die als Snippet ausgespielt werden, versus Seiten ohne Snippet
Search Console vergleichend
Der ehrlichste Indikator dieser vier ist die Zitierrate in LLMs, denn sie zeigt, ob deine Antwortzone wirklich als Quelle akzeptiert wird. Ein Snippet-Anteil ohne parallele LLM-Zitate deutet auf ein Positioning-Problem: Deine Seite wird von Google, aber nicht von den generativen Systemen als Autorität wahrgenommen. Umgekehrt zeigt eine hohe LLM-Zitierrate ohne Snippet, dass deine Antwortstruktur passt, aber das Google-Konto an anderer Stelle klemmt. Beide Muster brauchen unterschiedliche Antworten, sichtbar nur, wenn beide KPIs nebeneinander im Report stehen. Wer die inhaltliche Grundlage dafür braucht, findet sie in Entity SEO und in Generative Engine Optimization.
Welche Answer Engines musst du 2026 im Blick haben
Kurz zusammengefasst
Die relevanten Answer Engines 2026 sind Google AI Overviews, ChatGPT Search, Perplexity, Google Gemini und Microsoft Copilot. Jede zieht ihre Antworten aus dem offenen Web und zitiert Quellen unterschiedlich. Wer in mehreren dieser Systeme als Antwort auftaucht, gewinnt Sichtbarkeit, die klassische Rankings allein nicht mehr abbilden.
Answer Engine Optimization lohnt sich nur, wenn du weißt, für welche Systeme du optimierst. Die Landschaft hat sich seit 2024 stark verschoben: Neben Googles Featured Snippets sind generative Antwortmaschinen zum eigenen Traffic-Kanal geworden. Ihre Gemeinsamkeit ist, dass sie eine Antwort formulieren statt einer Linkliste, und dabei einzelne Quellen sichtbar zitieren.
Answer Engine
Wie sie antwortet
Zitiert Quellen
Google AI Overviews
KI-Zusammenfassung über den klassischen Treffern
Ja, mit Link-Karussell
ChatGPT Search
Dialogische Antwort mit Web-Zugriff
Ja, als Inline-Zitat
Perplexity
Recherche-Antwort mit nummerierten Belegen
Ja, sehr prominent
Voice Assistants
Vorgelesene Einzelantwort ohne Bildschirm
Meist nur eine Quelle
Google Gemini
Multimodale Konversationsantwort mit Web-Access
Ja, mit Grounding-Chip
Microsoft Copilot
Dialog mit Bing-Suche im Hintergrund
Ja, als nummerierte Fußnote
Grok
Realtime-Antwort mit X-Feed und Web-Sourcing
Ja, Post- und Web-Links
Mistral Le Chat
Europäische Antwortmaschine mit Web-Suche
Ja, als Quellenkarten
DeepSeek Search
Reasoning-Antwort mit strukturierten Belegen
Ja, im Reasoning-Trace
Drei Datenpunkte ordnen die Lage ein. Erstens erscheinen Google AI Overviews 2026 bei einem stetig wachsenden Anteil informationaler Suchanfragen und schieben die klassischen blauen Links nach unten. Zweitens zählen ChatGPT und Perplexity zusammen hunderte Millionen wöchentliche Nutzer, die dort Fragen stellen, die früher an Google gingen. Drittens nennt Perplexity in nahezu jeder Antwort mehrere zitierte Quellen, was den Kampf um die Zitat-Position härter macht als jede Snippet-Optimierung zuvor. Wie sich die einzelnen Systeme im Detail unterscheiden, liest du im Vergleich GEO und SEO im Vergleich und in der Übersicht zur Sichtbarkeit in KI-Suchmaschinen.
Wie wirst du in ChatGPT und Perplexity zitiert
Kurz zusammengefasst
In ChatGPT und Perplexity wirst du zitiert, wenn dein Inhalt eine klar extrahierbare Antwort liefert, deine Marke als Entität bekannt ist und externe Quellen dich erwähnen. Zitierfähigkeit entsteht aus Klarheit, Aktualität und Reputation, nicht aus Keyword-Dichte.
Antwortmaschinen zitieren nicht die Seite mit den meisten Backlinks, sondern die Passage, die die Frage am präzisesten beantwortet und deren Absender sie einordnen können. Dafür brauchst du drei Dinge gleichzeitig. Du brauchst extrahierbare Antworten, eine erkennbare Entität und externe Signale, die dich als Autorität bestätigen.
Drei Hebel für Zitierfähigkeit
1
Extrahierbare Antwort: Ein Satz direkt unter jeder Frage, der die Antwort ohne Kontext trägt. Genau diese Sätze kopieren die Modelle in ihre Ausgabe.
2
Entität statt Keyword: Eine konsistente Marke, die Google und die LLMs als eigenständige Entität kennen. Wie du das aufbaust, zeigt der Leitfaden zu Entity SEO.
3
Externe Erwähnungen: Redaktionelle Nennungen deiner Marke im offenen Web. Das ist der Kern der Arbeit mit Brand Mentions und der Marke in ChatGPT.
Der Unterschied zu klassischem SEO ist grundlegend. Ein Featured Snippet gewinnst du mit sauberer Struktur auf deiner eigenen Seite. Eine Zitierung in ChatGPT gewinnst du zusätzlich mit Reputation außerhalb deiner Seite. Deshalb gehört zu jeder AEO-Strategie eine Offpage-Komponente, die deine Marke dort erwähnbar macht, wo die Modelle ihr Wissen einsammeln.
Wie schützt du deine Marke im Zero-Click-Umfeld
Kurz zusammengefasst
Zero-Click bedeutet, dass Antwortmaschinen die Antwort liefern, ohne dass der Nutzer klickt. Marken-Schutz in AEO heißt: Deine Marke ist so oft in der Antwort selbst genannt, dass sie hängenbleibt, auch ohne Website-Besuch. Das geht nur über Brand-Mentions im offenen Web und eine sauber gepflegte Entität in Wikipedia, LinkedIn und Fachmedien.
Der klassische SEO-Reflex sagt: Wir brauchen den Klick. In der AEO-Welt reicht das nicht, weil ein wachsender Teil der Sucher gar nicht mehr klickt, sondern die Antwort direkt liest und weitergeht. Wer in diesem Umfeld nur an der Klick-Rate hängt, verschenkt den Zero-Click-Effekt: die stille, oft schon in der Antwort platzierte Markennennung. Das ist kein Nachteil, sondern eine eigene Sichtbarkeitsschicht.
Der Hebel liegt in zwei Dingen. Erstens, deine Marke muss in der Antwort auftauchen, nicht nur als Quellenlink am Rand. Das erreichst du, indem redaktionelle Fachmedien und starke Blogs deine Marke im Kontext deiner Kernthemen erwähnen, was den Antwortmaschinen die Marken-Entitäten-Verknüpfung antrainiert. Wie diese Erwähnungen strategisch aufgebaut werden, beschreibt der Leitfaden zu Brand Mentions als AI-Visibility-Signal. Zweitens muss die Marke in den Systemen als eigenständige Entität existieren: Wikipedia-Eintrag, konsistente About-Seite, ein Google Knowledge Panel. Wer daran arbeitet, findet in Google Knowledge Panel die konkreten Trigger und im Deep-Dive Marke in ChatGPT die redaktionelle Seite dieser Strategie.
Operator-Regel
Wenn du in einer ChatGPT-Antwort nur zitierte Quelle bist, hast du die Sichtbarkeit gemietet. Wenn du in der Antwort selbst als Marke genannt wirst, gehört sie dir. Der Unterschied entscheidet, ob AEO für dich eine kurzfristige Zitier-Taktik bleibt oder zur langfristigen Markenverankerung wird.
Welche AEO-Fehler kosten dich Sichtbarkeit
Kurz zusammengefasst
Die häufigsten AEO-Fehler sind vergrabene Antworten, aufgeblähte Einleitungen, fehlendes Schema und Inhalte ohne erkennbaren Absender. Jeder dieser Fehler macht es einer Antwortmaschine schwerer, deine Passage sauber zu extrahieren und dir die Antwort zuzuschreiben.
AEO scheitert selten an fehlendem Wissen, sondern an vermeidbaren Struktur- und Vertrauensfehlern. Diese vier tauchen in fast jedem Audit auf, das ich auf Kundenseiten mache.
Die vier teuersten Fehler
Antwort vergraben: Die eigentliche Antwort steht erst im dritten Absatz. Setze sie in die ersten 40 Wörter unter die Frage.
Überschriften ohne Frage: H2 wie Vorteile statt echter Nutzerfragen. Antwortmaschinen matchen Fragen, keine Substantive.
Kein strukturiertes Markup: Ohne FAQ- oder HowTo-Schema muss das System die Struktur raten. Mach sie maschinenlesbar.
Kein erkennbarer Absender: Inhalt ohne Autor, Marke oder Belege wirkt beliebig. Ein Content Audit deckt genau diese Lücken auf.
Behebst du diese vier Punkte, hast du den größten Teil der AEO-Arbeit erledigt. Der Rest ist Wiederholung: jede neue Seite nach demselben Muster bauen, bestehende Seiten regelmäßig prüfen und die Antwort-Passagen aktuell halten. AEO ist damit weniger ein einmaliges Projekt als eine dauerhafte Schreibdisziplin.
Quellen und weiterführende Literatur
Search Engine Land: What is Answer Engine Optimization, 2026
Google Search Central: Featured Snippets und wie sie entstehen, 2026
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
Damit deine Marke in ChatGPT-Antworten landet, muss sie in den Quellen präsent sein, aus denen das Modell zieht: redaktionelle Artikel, Top-Listen, Fachmedien und vertrauenswürdige Verzeichnisse. ChatGPT kombiniert gelerntes Trainingswissen mit Live-Retrieval über die Suche. Der wirksamste Hebel sind redaktionelle Citations im richtigen thematischen Kontext.
ChatGPT ist 2026 für viele Menschen die erste Anlaufstelle bei Kaufentscheidungen und Anbietersuchen. Wer fragt, welche Anbieter es für ein Thema gibt, bekommt eine direkte Empfehlung. Ob deine Marke dabei genannt wird, hängt davon ab, wie präsent sie in den Quellen ist, aus denen ChatGPT sein Wissen und seine Live-Antworten zieht. Diese Präsenz lässt sich gezielt aufbauen.
Wie ChatGPT antwortet
Zwei Quellen fließen in jede Antwort
Trainingswissen
Langfristig
Im Modell gelerntes Wissen aus breiter, konsistenter Web-Präsenz. Aufbau über Monate.
Live-Retrieval
Sofort
OAI-SearchBot holt aktuelle Inhalte aus gut rankenden Quellen. Schnell sichtbar.
Beide kombiniert → ChatGPT nennt deine Marke
Wie kommt ChatGPT zu seinen Antworten
ChatGPT generiert Antworten aus zwei Quellen: dem im Training gelernten Wissen und dem Live-Retrieval über die integrierte Suche. Das Trainingswissen stammt aus Texten, die bis zum Trainingszeitpunkt erfasst wurden. Die Live-Suche holt aktuelle Informationen über den OAI-SearchBot direkt aus dem Web.
Für die Markensichtbarkeit bedeutet das zwei Hebel. Erstens muss die Marke im Trainingswissen verankert sein, das gelingt über breite, konsistente Präsenz im Web über die Zeit. Zweitens muss sie in den live abrufbaren Quellen auftauchen, das gelingt über gut rankende, aktuelle Inhalte, die der SearchBot findet.
Wenn ein Nutzer eine Frage stellt, entscheidet ChatGPT, ob es aus dem Gedächtnis antwortet oder live sucht. Bei aktuellen oder spezifischen Anfragen nutzt es häufiger die Suche. Deshalb ist es wichtig, in beiden Ebenen präsent zu sein, im langfristigen Trainingswissen und in den aktuellen Suchergebnissen.
Welche Quellen nutzt ChatGPT für Empfehlungen
ChatGPT nutzt für Empfehlungen vor allem redaktionelle Artikel, Vergleichslisten, Fachmedien, etablierte Verzeichnisse und Bewertungsplattformen. Diese Quellen gelten als vertrauenswürdig und strukturiert. Eine Marke, die in einer redaktionellen Top-Liste zu ihrem Thema steht, hat eine hohe Chance, in entsprechenden Antworten genannt zu werden.
Besonders wirksam sind Listicles vom Typ Die besten Anbieter für X. Solche Artikel sind für ein Sprachmodell ideal verwertbar, weil sie eine klare, strukturierte Empfehlung enthalten. ChatGPT übernimmt die genannten Marken in seine Antwort, wenn die Frage zum Thema der Liste passt.
Weniger wirksam sind reine Werbeseiten und die eigene Website allein. ChatGPT bevorzugt Drittquellen, weil sie als objektiver gelten. Eine Marke, die nur über die eigene Domain spricht, aber in keiner unabhängigen Quelle auftaucht, wird seltener empfohlen als eine, die redaktionell erwähnt wird.
Wie baust du Präsenz in diesen Quellen auf
Präsenz baust du über Citation-Building auf: redaktionelle Erwähnungen in Fachmedien, Aufnahme in relevante Top-Listen, Experten-Statements und eigene Studien, die zitiert werden. Das ist im Kern Digital PR mit dem klaren Ziel, in den Quellen zu erscheinen, aus denen ChatGPT zieht.
Der erste Schritt ist die Identifikation der relevanten Quellen. Stelle die Fragen, bei denen du genannt werden willst, in ChatGPT und schau, welche Quellen das Modell zitiert oder welche Marken es nennt. Diese Quellen und die dort genannten Konkurrenten sind dein Ziel für die Citation-Arbeit.
Dann pitchst du systematisch: den Publishern der relevanten Listen eine Aufnahme oder ein Update, den Fachmedien einen fundierten Gastbeitrag oder ein Experten-Statement. Jede erfolgreiche Platzierung erhöht die Wahrscheinlichkeit, dass ChatGPT deine Marke im richtigen Kontext lernt und nennt.
Wichtiger Hinweis
Du kannst ChatGPT nicht direkt dazu bringen, deine Marke zu nennen, und es gibt keinen Trick, der das garantiert. Versuche, das Modell durch manipulierte Inhalte zu täuschen, funktionieren nicht nachhaltig und können dem Markenbild schaden. Der einzige tragfähige Weg ist echte, konsistente Präsenz in vertrauenswürdigen Quellen.
Wie lange dauert es, bis ChatGPT eine Marke kennt
Über die Live-Suche kann ChatGPT eine Marke fast sofort finden, sobald sie in gut auffindbaren, aktuellen Quellen steht. Im Trainingswissen dauert es länger, oft Monate, weil neue Trainingsdaten erst in künftige Modellversionen einfließen. Die realistische Erwartung ist eine Mischung aus schneller Live-Sichtbarkeit und langsam wachsender Trainingsverankerung.
Für schnelle Effekte fokussierst du auf Inhalte, die gut ranken und vom SearchBot erfasst werden. Eine aktuelle, gut platzierte Top-Liste kann binnen Wochen dazu führen, dass ChatGPT deine Marke über die Live-Suche nennt. Das ist der schnellste Hebel.
Für die langfristige Verankerung im Trainingswissen zählt Konsistenz über die Zeit. Je länger und breiter eine Marke im richtigen Kontext erwähnt wird, desto stabiler lernt das Modell die Verbindung. Diese Arbeit zahlt sich über Quartale und Jahre aus, nicht über Tage.
Relevante Quellen identifizieren
Stelle deine Ziel-Fragen in ChatGPT und schau, welche Listen und Marken genannt werden.
In Top-Listen platzieren
Pitche den Publishern der relevanten Listicles eine Aufnahme oder ein Update deiner Marke.
Crawler zulassen
GPTBot und OAI-SearchBot in der robots.txt erlauben, sonst keine Live-Sichtbarkeit.
Konsistenz halten
Markenname und Themenfokus über alle Quellen einheitlich, damit das Modell die Verbindung lernt.
Monatlich messen
Mit verschiedenen Prompt-Formulierungen testen, ob und wo deine Marke genannt wird.
Wie prüfst du, ob ChatGPT deine Marke nennt
Du prüfst es durch systematische Prompt-Tests. Stelle die für deine Branche relevanten Fragen, etwa nach den besten Anbietern für dein Thema, und notiere, ob deine Marke genannt wird, an welcher Position und in welchem Kontext. Wiederhole das regelmäßig, weil Antworten variieren.
Wichtig ist, mehrere Formulierungen derselben Frage zu testen, weil ChatGPT auf unterschiedliche Prompts unterschiedlich reagiert. Eine Marke kann bei einer Frageformulierung genannt werden und bei einer anderen nicht. Erst ein Set verschiedener Tests ergibt ein belastbares Bild der Sichtbarkeit.
Für systematisches Tracking nutzt du Tools, die hunderte Prompts automatisiert gegen die ChatGPT-API laufen lassen und die Markennennungen erfassen. So entsteht eine messbare Citation-Rate über die Zeit, die zeigt, ob die Citation-Arbeit wirkt.
Expert Insight
Aus über 200 getesteten Empfehlungs-Prompts zeigt sich ein klares Muster: Marken, die in zwei bis drei gut rankenden, redaktionellen Top-Listen zu ihrem Thema stehen, werden in ChatGPT-Empfehlungen deutlich zuverlässiger genannt als Marken, die nur eine starke eigene Website haben. Die Drittquellen-Erwähnung ist der entscheidende Faktor. ChatGPT vertraut der unabhängigen redaktionellen Nennung mehr als der Selbstdarstellung.
Welche Fehler verhindern die Sichtbarkeit in ChatGPT
Der häufigste Fehler ist, sich nur auf die eigene Website zu verlassen. Ohne Erwähnungen in unabhängigen Quellen fehlt ChatGPT die Bestätigung, die es für eine Empfehlung braucht. Ein zweiter Fehler ist das Blockieren der OpenAI-Crawler über robots.txt, das die Live-Sichtbarkeit komplett verhindert.
Ein weiterer Fehler ist inkonsistente Markendarstellung. Wenn der Markenname über verschiedene Quellen unterschiedlich geschrieben wird oder die Marke mit wechselnden Themen assoziiert ist, fällt es dem Modell schwer, eine klare Verbindung zu lernen. Konsistenz in Name und thematischem Kontext ist entscheidend.
Schließlich unterschätzen viele die Zeitkomponente. Wer nach zwei Wochen aufgibt, weil ChatGPT die Marke noch nicht nennt, bricht zu früh ab. Die Trainingsverankerung braucht Monate, die Live-Sichtbarkeit braucht gut rankende Quellen. Beide Hebel brauchen Geduld und Kontinuität.
Meine Einschätzung
Die wichtigste Erkenntnis: ChatGPT-Sichtbarkeit kaufst du nicht mit Werbung, du verdienst sie mit redaktioneller Präsenz. Mein konkreter Rat: Finde die zwei bis drei Top-Listen, die ChatGPT zu deinem Thema zitiert, und sorge dafür, dass deine Marke dort sauber genannt wird. Lass die OpenAI-Crawler zu, halte deinen Markennamen und deinen Themenfokus konsistent, und miss monatlich über Prompt-Tests. Das ist die Arbeit, die darüber entscheidet, ob ChatGPT dich empfiehlt oder deine Konkurrenz.
Ahrefs Blog: Tracking Brand Visibility in AI Answers, 2026
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
SEO optimiert auf Rankings und Klicks in der Google-Suche, GEO optimiert auf Zitation in KI-Antworten von ChatGPT, Gemini und Perplexity. Beide teilen technische Grundlagen, unterscheiden sich aber in Ziel und Messung. 2026 brauchst du beides: SEO für die klassische Suche, GEO für die generative. Wer nur eines macht, verliert die Hälfte der Sichtbarkeit.
SEO und GEO sind zwei verwandte, aber unterschiedliche Disziplinen. Search Engine Optimization zielt auf gute Positionen in den klassischen Suchergebnissen und Klicks auf die eigene Website. Generative Engine Optimization zielt auf die Erwähnung der eigenen Marke in den Antworten von Sprachmodellen. 2026 laufen beide parallel und ergänzen sich, statt sich zu ersetzen.
Generative
GEO
Generative Engine Optimization
Ziel
Zitation der Marke in ChatGPT, Gemini und Perplexity
Search
SEO
Search Engine Optimization
Ziel
Klick auf das eigene Ergebnis in der Google-Suche
Was ist der grundlegende Unterschied zwischen GEO und SEO
Der grundlegende Unterschied liegt im Ziel. SEO will, dass ein Nutzer auf ein Suchergebnis klickt und die Website besucht. GEO will, dass ein Sprachmodell die Marke in seiner generierten Antwort nennt, auch ohne dass ein Klick erfolgt. SEO endet bei der eigenen URL, GEO bei der Markennennung.
Dieser Zielunterschied verändert alles Weitere. Bei SEO ist die Position in der SERP der Erfolgsmaßstab, bei GEO die Zitationsrate in den LLM-Antworten. Bei SEO ist der Backlink ein direktes Ranking-Signal, bei GEO ein indirekter Trust-Filter. Die Mechanik dahinter folgt unterschiedlichen Logiken.
Gemeinsam ist beiden das Fundament: Inhalte müssen crawlbar, thematisch fundiert und vertrauenswürdig sein. Eine technisch saubere, inhaltlich starke Website ist die Voraussetzung für beide Disziplinen. Auf dieser gemeinsamen Basis trennen sich dann die Wege.
Wie unterscheiden sich die Erfolgsmetriken
SEO misst Ranking-Position, organischen Traffic, Klickrate und Conversion. GEO misst Citation-Rate, Mention-Share im Vergleich zur Konkurrenz und die Qualität der Quellen, aus denen ein Modell zitiert. Die SEO-Metriken sind etabliert und gut messbar, die GEO-Metriken jünger und teils manuell zu erheben.
Ein konkretes Beispiel: Bei SEO prüfst du, ob deine Seite für ein Keyword auf Position drei steht. Bei GEO prüfst du, ob ChatGPT deine Marke nennt, wenn jemand nach Anbietern für dein Thema fragt. Beide Fragen sind wichtig, aber sie messen unterschiedliche Erfolge.
Kriterium
GEO
SEO
Ziel
Markennennung in KI-Antwort
Klick aus der SERP
Erfolgsmetrik
Citation-Rate, Mention-Share
Ranking-Position, CTR, Traffic
Endpunkt
Die Marke selbst
Die eigene URL
Backlinks
Indirekter Trust-Filter
Direktes Ranking-Signal
Wichtigster Hebel
Redaktionelle Citations
Onpage + Backlinks
Content-Fokus
Klare, zitierfähige Antworten
Keyword-Relevanz
Messbarkeit
Jünger, teils manuell
Etabliert, gut messbar
● GEO
ZielMarkennennung in KI-Antwort
ErfolgsmetrikCitation-Rate, Mention-Share
EndpunktDie Marke selbst
BacklinksIndirekter Trust-Filter
Wichtigster HebelRedaktionelle Citations
Content-FokusKlare, zitierfähige Antworten
MessbarkeitJünger, teils manuell
○ SEO
ZielKlick aus der SERP
ErfolgsmetrikRanking-Position, CTR, Traffic
EndpunktDie eigene URL
BacklinksDirektes Ranking-Signal
Wichtigster HebelOnpage + Backlinks
Content-FokusKeyword-Relevanz
MessbarkeitEtabliert, gut messbar
Die Herausforderung bei GEO-Metriken ist die Reproduzierbarkeit. LLM-Antworten variieren, dasselbe Prompt kann unterschiedliche Antworten liefern. Deshalb braucht GEO-Messung mehrere Durchläufe und eine systematische Erfassung über die Zeit, um belastbare Aussagen zu treffen.
Welche Rolle spielen Backlinks bei GEO im Vergleich zu SEO
Bei SEO sind Backlinks ein zentrales, direktes Ranking-Signal. Google bewertet Anzahl, Qualität und Relevanz der verweisenden Domains. Bei GEO wirken Backlinks indirekt: Sie erhöhen die Autorität einer Quelle, aus der ein LLM zitiert, sind aber kein direkter Hebel für die Markennennung.
Für GEO ist die textliche Erwähnung oft wichtiger als der Link. Eine unverlinkte Markennennung im richtigen Kontext kann für die LLM-Sichtbarkeit mehr bewirken als ein klassischer Backlink. Das liegt daran, dass Sprachmodelle aus Textzusammenhängen lernen, nicht primär aus Linkstrukturen.
In der Praxis bedeutet das eine Verschiebung des Fokus. Wer nur für GEO arbeitet, priorisiert kontextstarke Erwähnungen. Wer für beide Disziplinen arbeitet, sucht Platzierungen, die beides liefern: einen Backlink für SEO und eine kontextklare Erwähnung für GEO. Solche Doppelnutzen-Platzierungen sind besonders wertvoll.
Wichtiger Hinweis
GEO ersetzt SEO nicht. Die klassische Google-Suche bleibt 2026 der größte Traffic-Kanal für die meisten Websites. Wer SEO vernachlässigt und nur auf GEO setzt, verliert kurzfristig deutlich Sichtbarkeit. Die richtige Strategie behandelt beide als sich ergänzende Disziplinen, nicht als Entweder-oder.
Brauchst du für GEO andere Inhalte als für SEO
Die Inhaltsbasis ist ähnlich, die Aufbereitung unterscheidet sich. Gute Inhalte für beide Disziplinen sind fundiert, gut strukturiert und vertrauenswürdig. Für GEO kommt eine stärkere Betonung klarer Antworten, Frage-Antwort-Strukturen und eindeutiger Aussagen hinzu, die ein Modell direkt übernehmen kann.
GEO-optimierte Inhalte beantworten Fragen direkt und prägnant. Eine klare Definition am Anfang eines Abschnitts, gefolgt von einer kurzen Erläuterung, ist ideal für die Übernahme in eine LLM-Antwort. Diese Struktur hilft auch beim SEO, weil sie der Art entspricht, wie Google Featured Snippets bildet.
Der wichtigste Zusatz für GEO ist Eindeutigkeit. Während SEO-Texte manchmal um ein Keyword herum optimiert werden, brauchen GEO-Texte klare, faktische Aussagen mit Zahlen, Daten und konkreten Angaben. Sprachmodelle bevorzugen präzise, belegbare Informationen gegenüber vagen Formulierungen.
Wie kombinierst du GEO und SEO sinnvoll
Die sinnvolle Kombination beginnt mit einer gemeinsamen Basis: technisch saubere Website, fundierte Inhalte, klare Struktur. Darauf baust du beide Disziplinen auf. Für SEO optimierst du Rankings durch Onpage und Backlinks, für GEO baust du Citations und Brand Mentions auf. Viele Maßnahmen wirken für beide.
Ein redaktioneller Gastbeitrag ist das beste Beispiel. Er bringt einen Backlink für SEO und eine kontextstarke Erwähnung für GEO. Eine eigene Studie wird verlinkt und zitiert, beides zahlt ein. Wer seine Offpage-Arbeit so plant, dass jede Platzierung beide Ziele bedient, arbeitet maximal effizient.
Die Messung läuft parallel: klassische SEO-Tools für Rankings und Traffic, Prompt-Tests und Mention-Tracking für GEO. Aus beiden Datenquellen entsteht ein vollständiges Bild der Sichtbarkeit, das weder die klassische noch die generative Suche ausblendet.
Expert Insight
Aus der Arbeit an einem großen Portfolio zeigt sich klar: Die Sites, die am stärksten wachsen, trennen GEO und SEO nicht in zwei getrennte Projekte, sondern denken sie zusammen. Jeder Artikel wird so gebaut, dass er für Google rankt und gleichzeitig klare, zitierfähige Antworten für LLMs liefert. Jede Offpage-Platzierung bringt Link und Erwähnung. Dieser integrierte Ansatz ist effizienter als zwei parallele Einzelstrategien und liefert in beiden Kanälen bessere Ergebnisse.
Wie stark verschiebt sich die Suche 2026 wirklich
Die Verschiebung ist real, aber langsamer als viele Schlagzeilen behaupten. Die klassische Google-Suche bleibt 2026 der dominante Kanal, während generative Systeme wie ChatGPT, Gemini und Perplexity einen wachsenden Anteil der Informationssuche übernehmen. Für dich heißt das konkret: SEO trägt heute deinen Traffic, GEO sichert deinen Anteil von morgen. Beides gleichzeitig zu bespielen ist keine Kür mehr, sondern die Grundlinie.
Drei Entwicklungen helfen dir bei der Einordnung. Erstens beantworten KI-Systeme immer mehr Suchanfragen direkt in der Antwort, ohne dass ein Klick auf eine Website nötig ist. Zweitens erscheint Googles AI Overview inzwischen für einen großen Teil informationsgetriebener Suchanfragen und drückt die klassischen zehn blauen Links nach unten. Drittens ziehen Sprachmodelle ihre Antworten aus einer begrenzten Zahl vertrauenswürdiger Quellen, was den Wettbewerb um Zitationen verschärft.
Zero-Click
Ein wachsender Teil der Suchen endet ohne Klick, weil die Antwort direkt in der SERP oder im Chat steht.
AI Overview
Googles KI-Zusammenfassung besetzt den Platz über den organischen Ergebnissen und verändert die Klickverteilung.
Citations
Modelle zitieren nur wenige Quellen pro Antwort, wer nicht dabei ist, taucht gar nicht auf.
Die praktische Konsequenz ist eindeutig: Wer nur auf klassische Rankings schaut, übersieht einen Teil der Sichtbarkeit, der nicht mehr über den Klick läuft. Ein sauberes Content Audit zeigt dir, welche deiner Seiten schon zitierfähig sind und welche nur für die klassische SERP taugen. Genau an dieser Trennlinie entscheidet sich, ob deine Marke in der generativen Suche vorkommt.
Wie sieht ein 90-Tage-Fahrplan für GEO und SEO aus
Ein sinnvoller Fahrplan startet mit dem gemeinsamen Fundament und trennt sich erst danach in die spezialisierten Hebel. In den ersten 90 Tagen baust du die technische Basis, schärfst deine Inhalte auf Zitierfähigkeit und startest die Offpage-Arbeit, die für beide Disziplinen einzahlt. So arbeitest du nicht an zwei getrennten Projekten, sondern an einem System mit zwei Ausgängen.
Tag 1 bis 30: Fundament und Bestandsaufnahme
Im ersten Monat sorgst du für eine technisch saubere, crawlbare Website und verschaffst dir Überblick. Ein Content Audit deckt auf, welche Seiten ranken, welche zitierfähig sind und welche keines von beidem leisten. Parallel startest du den Entity-SEO-Aufbau, damit Google und die Modelle deine Marke als klare Entität verstehen. Ohne dieses Fundament laufen alle späteren Maßnahmen ins Leere.
Tag 31 bis 60: Inhalte auf Zitierfähigkeit trimmen
Im zweiten Monat baust du deine wichtigsten Seiten so um, dass sie eine klare Antwort in den ersten 40 Wörtern jedes Abschnitts liefern. Diese Definition-First-Struktur bedient Featured Snippets und LLM-Antworten gleichzeitig. Eine durchdachte interne Verlinkung verteilt das Autoritätssignal auf die Seiten, die ranken sollen, und hilft den Crawlern, deine thematische Tiefe zu erkennen.
Tag 61 bis 90: Offpage für Link und Erwähnung
Im dritten Monat startet die Offpage-Arbeit, die beide Welten bedient. Redaktionelle Platzierungen liefern einen Backlink für SEO und eine kontextstarke Brand Mention für GEO. Wer diese Doppelnutzen-Platzierungen gezielt plant, holt aus jedem Kontakt zwei Signale heraus. Wenn dir intern die Kapazität fehlt, übernimmt eine spezialisierte SEO-Agentur diesen Teil.
So denkt ein Operator
Als Operator baue ich keine getrennten GEO- und SEO-Pipelines. Jede Seite entsteht mit einer klaren Antwortzone oben, sauberen Entitäten und einem internen Linkziel. Jede Offpage-Platzierung muss Link und Erwähnung liefern, sonst gehe ich sie nicht an. Dieses eine System bedient beide Kanäle, statt Ressourcen doppelt zu verbrennen.
Welche Tools brauchst du für GEO gegenüber SEO
Kurz zusammengefasst
Für SEO nutzt du Ahrefs, Semrush, die Search Console und Screaming Frog. Für GEO kommen Prompt-Tracker wie Otterly, Peec.ai oder AthenaHQ dazu, plus manuelle Prompt-Tests in ChatGPT, Claude, Gemini und Perplexity. Der Stack überschneidet sich nur zur Hälfte, weil GEO Zitationen misst und nicht Positionen.
Der klassische SEO-Stack ist auf die zehn blauen Links ausgelegt. Ahrefs und Semrush ranken Keywords, Screaming Frog crawlt technische Fehler, die Search Console liefert echte Klick- und Impression-Daten. Diese Tools sind 2026 weiterhin unverzichtbar, aber sie sagen dir nichts darüber, ob du in einer generativen Antwort auftauchst.
Für GEO brauchst du eine zweite Ebene an Werkzeugen. Prompt-Monitoring-Tools wie Otterly, Peec.ai oder AthenaHQ fragen zehn bis tausend Prompts täglich in ChatGPT, Perplexity, Gemini und Google AI Overviews ab und protokollieren, wann deine Marke oder deine URL zitiert wird. Das ist der GEO-Äquivalent zur klassischen Ranking-Datei. Zusätzlich bleibt manuelles Prompt-Testing Pflicht, weil die Modelle je nach Region, Kontext und Login-Zustand unterschiedlich antworten.
Aufgabe
SEO-Stack
GEO-Stack
Sichtbarkeit messen
Search Console, Ahrefs, Semrush
Otterly, Peec.ai, AthenaHQ
Keyword-Recherche
Ahrefs, Semrush, Sistrix
Prompt-Recherche in ChatGPT, Perplexity
Technische Basis
Screaming Frog, PageSpeed Insights
Schema-Validator, llms.txt, Crawler-Log
Offpage-Analyse
Ahrefs Backlink-Index
Brand-Mention-Tracker, Citation-Log
Content-Prüfung
Yoast, Rank Math, SurferSEO
Antwortzonen-Audit, Entitäts-Check
Zwei Datenpunkte helfen bei der Toolauswahl. Erstens: Prompt-Tracker sind 2026 noch preiswert, die Einstiegspläne liegen zwischen 40 und 200 Euro pro Monat. Zweitens: Kein Tool ersetzt manuelle Kontrolle, weil die Modelle Antworten dynamisch aus dem Web zusammensetzen und keine der APIs eine deterministische Sicht liefert. Wer beides kombiniert, sieht früh, ob eine GEO-Maßnahme wirkt. Wer nur auf Tools vertraut, verpasst die Randfälle. Der praktische Einstieg beginnt mit dem Content Audit, der deine bestehenden Seiten auf GEO-Reife prüft.
Für welche Branchen ist GEO wichtiger als klassisches SEO
Kurz zusammengefasst
GEO ist heute für B2B-SaaS, Beratungsdienstleister, Steuerkanzleien, Ärzte und lokale Handwerker der größere Hebel als SEO, weil ihre Kunden Empfehlungen aus ChatGPT und Perplexity vor der Google-Suche einholen. E-Commerce mit Preisvergleichen bleibt SEO-dominant, aber der GEO-Anteil wächst auch dort messbar.
Nicht jede Branche verschiebt sich gleich schnell in Richtung Antwortmaschinen. Empfehlungslastige Dienstleistungen sind der schnellste Kanalwechsel. Wenn jemand nach einem Steuerberater in Düsseldorf oder einer Kanzlei für Arbeitsrecht sucht, fragt er 2026 zunehmend zuerst ChatGPT oder Perplexity und übernimmt die dort genannte Marke. Google bleibt danach die zweite Prüfstelle, aber die Vorauswahl ist bereits gefallen.
Bei transaktionalen Suchen im E-Commerce spielt Preisvergleich weiter eine dominierende Rolle. Wer eine bestimmte Waschmaschine sucht, klickt in Idealo, Google Shopping oder direkt auf Amazon, nicht in ChatGPT. Hier bleibt SEO das primäre Kanal-Investment, GEO wirkt als Ergänzung für Marken- und Ratgeber-Content im Vorfeld der Kaufentscheidung.
GEO-Priorität nach Branche
Sehr hoch
B2B-SaaS, Beratung, Kanzleien, Ärzte, Coaches: Empfehlungssuche in ChatGPT und Perplexity ist der neue Erstkontakt. Wer dort nicht zitiert wird, existiert für den Käufer nicht.
Hoch
Handwerker, lokale Dienstleister, Agenturen: Lokale Prompts wie besten Elektriker in Köln finden zunehmend Antworten in KI-Systemen. Wer die Marke in ChatGPT-Empfehlungen bringt, gewinnt die Vorauswahl.
Mittel
Medien, Verlage, Ratgeber-Sites: Google AI Overviews fressen Klicks, dafür zitieren generative Systeme die Marke sichtbar. Sichtbarkeit steigt, Traffic sinkt, Autorität baut sich auf.
Sekundär
E-Commerce mit Preisvergleich: Kaufabsicht landet weiter in Shopping-Kanälen und Marktplätzen. GEO stützt die Marken-Ebene, SEO bleibt Umsatztreiber.
Als Operator ordne ich Kundenprojekte in dieses Raster ein, bevor ich eine Strategie schreibe. Ein Steuerberater bekommt einen GEO-lastigen Content-Plan mit Fokus auf Entity-Building und Citations in ChatGPT. Ein Onlineshop bekommt weiter SEO-first, mit einer GEO-Schicht für Marken- und Kaufberatung. Diese Priorisierung entscheidet, wohin das Budget der ersten sechs Monate fließt.
Wie sieht ein GEO-Redaktionsprozess in der Praxis aus
Kurz zusammengefasst
Ein GEO-Redaktionsprozess folgt fünf Schritten: Prompt-Recherche im Zielsystem, Antwortzonen-Briefing für den Autor, Zwei-Ebenen-Content mit Antwort oben und Erläuterung unten, Schema- und Entitäts-Check vor Publish und wöchentliches Prompt-Monitoring nach dem Livegang. Der SEO-Prozess läuft parallel weiter, das GEO-Layer setzt sich obendrauf.
Der Unterschied zum klassischen SEO-Prozess liegt am Anfang und am Ende der Kette. Am Anfang steht keine Keyword-Liste aus Ahrefs, sondern eine Prompt-Liste aus dem Zielsystem selbst. Am Ende steht kein Ranking-Check, sondern ein Zitat-Log über mehrere Antwortmaschinen. Dazwischen bleibt der Kernprozess vertraut: recherchieren, briefen, schreiben, publizieren, messen.
GEO-Redaktion in 5 Schritten
Vom Prompt bis zum Zitat
1
Prompt-Recherche im Zielsystem
Statt einer Keyword-Datei sammelst du 15 bis 30 echte Nutzerprompts in ChatGPT und Perplexity. Diese Prompts werden zu H2-Überschriften.
2
Antwortzonen-Briefing
Der Autor bekommt pro H2 eine 40-Wort-Antwortzone als Auftrag, gefolgt von Kontext, Beispielen und Belegen. Kein Fließtext-Freistil.
3
Zwei-Ebenen-Content
Antwort oben, Erläuterung unten. Modelle extrahieren die ersten zwei Sätze unter einer Frage, das bestimmt die Zitierfähigkeit.
4
Schema- und Entitäts-Check
Article-, FAQ- und Author-Schema sitzen sauber, sameAs verweist auf LinkedIn und Wikidata. Ohne diesen Check bleibt die Zitierfähigkeit dem Zufall überlassen.
5
Prompt-Monitoring nach Livegang
Wöchentlich zehn Zielprompts in ChatGPT, Perplexity und Google AI Overviews prüfen. Sichtbare Zitate protokollieren, Lücken zurück in die Redaktion geben.
Dieser Prozess läuft bei mir zusätzlich zum SEO-Prozess, nicht statt. Die Keyword-Recherche für klassische Suche bleibt, die technische Onpage-Basis bleibt, die Backlink-Arbeit bleibt. Was neu hinzukommt, ist die Prompt-Ebene am Anfang, die Antwortzonen-Disziplin in der Redaktion und die Zitat-Messung am Ende. Wer bereits einen sauberen SEO-Redaktionsplan hat, kann das GEO-Layer innerhalb von vier bis acht Wochen aufsetzen. Wie das strukturierte Fundament dafür aussieht, zeigt der Leitfaden zu Entity SEO, für die redaktionelle Prüfung bestehender Seiten der Content Audit.
Häufige Fragen zu GEO und SEO
Rund um GEO und SEO tauchen einige Fragen immer wieder auf. Die folgenden kurzen Antworten fassen die wichtigsten Punkte zusammen, damit du die beiden Disziplinen sauber auseinanderhalten und trotzdem gemeinsam denken kannst.
Ist GEO dasselbe wie Answer Engine Optimization?
GEO und Answer Engine Optimization sind eng verwandt, aber nicht identisch. AEO zielt auf direkte Antworten in Antwortmaschinen und Featured Snippets, GEO auf die Erwähnung deiner Marke in generativen KI-Antworten. In der Praxis überlappen sich die Maßnahmen stark, weil beide klare, zitierfähige Inhalte belohnen.
Lohnt sich GEO auch für kleine Websites?
Ja, gerade für kleine Marken ist GEO ein Hebel. Weil Sprachmodelle nur wenige Quellen pro Antwort zitieren, kann eine fokussierte, thematisch tiefe Seite mit klaren Aussagen öfter auftauchen als eine große, aber unscharfe Website. Entscheidend ist nicht die Größe, sondern die Klarheit und das Vertrauen in deine Aussagen.
Wie messe ich, ob meine Marke in ChatGPT auftaucht?
Du misst es über wiederholte Prompt-Tests und ein systematisches Mention-Tracking über die Zeit. Weil LLM-Antworten schwanken, brauchst du mehrere Durchläufe pro Frage. Wie deine Marke in ChatGPT-Antworten landet, hängt vor allem von zitierfähigen Inhalten und kontextstarken Erwähnungen auf vertrauenswürdigen Quellen ab.
Ersetzt GEO die Arbeit einer SEO-Agentur?
Nein, GEO erweitert das Leistungsspektrum, statt es zu ersetzen. Eine moderne SEO-Agentur deckt beide Disziplinen ab: klassische Rankings über Onpage und Backlinks sowie KI-Sichtbarkeit über Citations und Brand Mentions. Die technische und inhaltliche Basis bleibt dieselbe, nur die Ausrichtung wird breiter.
Wird GEO SEO langfristig ablösen
GEO wird SEO nicht ablösen, aber das Verhältnis verschiebt sich. Solange Menschen klassische Suchmaschinen nutzen, bleibt SEO relevant. Gleichzeitig wächst der Anteil der Suchen, die über generative Systeme laufen. Die realistische Prognose ist eine Koexistenz mit wachsendem GEO-Anteil, kein vollständiger Ersatz.
Für die Praxis heißt das: SEO bleibt Pflicht, GEO wird von der Kür zur Pflicht. Wer heute in GEO investiert, sichert sich Sichtbarkeit in einem wachsenden Kanal, bevor die Konkurrenz dort ankommt. Wer SEO vernachlässigt, verliert dagegen sofort. Die kluge Strategie hält beide Disziplinen aktiv.
Meine Einschätzung
Die Debatte GEO gegen SEO ist falsch gestellt. Es ist kein Wettkampf, sondern eine Erweiterung. SEO bringt dir den Klick aus der klassischen Suche, GEO bringt dir die Erwähnung in der KI-Antwort. Mein Rat: Behandle GEO nicht als Ersatz, sondern als zweite Ebene auf deinem bestehenden SEO-Fundament. Bau deine Inhalte so, dass sie ranken und zitierfähig sind, und plane deine Offpage-Arbeit so, dass jede Platzierung beide Welten bedient. Das ist die Strategie, die 2026 und darüber hinaus funktioniert.
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
FAQ-Schema strukturiert Frage-Antwort-Inhalte maschinenlesbar nach Schema.org. Google hat die Rich-Result-Darstellung stark eingeschränkt, doch für LLMs bleibt FAQ-Schema wertvoll: Es liefert ChatGPT, Gemini und Perplexity klar abgegrenzte Frage-Antwort-Paare, die sich direkt in generative Antworten übernehmen lassen. Der Nutzen verschiebt sich von Google-Rich-Results hin zur AI-Visibility.
FAQ-Schema ist ein strukturiertes Datenformat nach Schema.org, das Frage-Antwort-Inhalte auf einer Seite maschinenlesbar auszeichnet. Es markiert jede Frage und die zugehörige Antwort als FAQPage mit Question- und Answer-Elementen. 2026 hat sich sein Nutzen verschoben: weg von Google-Rich-Results, hin zur Verwertbarkeit durch Sprachmodelle.
Vom Inhalt zur Citation
Wie FAQ-Schema in LLM-Antworten landet
Sichtbarer Inhalt
Echte Frage-Antwort-Paare auf der Seite
→
FAQ-Schema
JSON-LD-Markup grenzt Q&A klar ab
→
LLM übernimmt
Modell findet fertige Antwort-Einheit
→
Citation
Marke wird in der Antwort zitiert
Was ist FAQ-Schema
FAQ-Schema ist eine spezifische Schema.org-Auszeichnung für Seiten mit Frage-Antwort-Inhalten. Es nutzt den Typ FAQPage, der mehrere Question-Elemente enthält, von denen jedes eine acceptedAnswer hat. Diese Struktur macht die Frage-Antwort-Paare für Maschinen eindeutig erkennbar, getrennt vom restlichen Seiteninhalt.
Eingebunden wird FAQ-Schema in der Regel als JSON-LD-Block im head-Bereich der Seite. In WordPress generieren SEO-Plugins wie Rank Math oder spezielle FAQ-Blöcke dieses Markup automatisch. Manuell lässt es sich ebenfalls einbinden, erfordert aber sorgfältige Validierung.
Wichtig ist, dass die ausgezeichneten Fragen und Antworten auch sichtbar auf der Seite stehen. FAQ-Schema beschreibt vorhandenen Inhalt, es erzeugt keinen versteckten. Markup ohne sichtbare Entsprechung verstößt gegen die Google-Richtlinien.
Funktioniert FAQ-Schema 2026 noch
FAQ-Schema funktioniert technisch weiterhin, aber Google zeigt die FAQ-Rich-Results in den Suchergebnissen nur noch sehr eingeschränkt an, meist nur für staatliche und gesundheitsbezogene Websites. Der klassische Vorteil erweiterter SERP-Darstellung ist für die meisten Sites entfallen. Der Wert hat sich verlagert.
Der neue Wert liegt in der AI-Visibility. Sprachmodelle nutzen klar strukturierte Frage-Antwort-Paare gern als Quelle, weil sie direkt in eine generative Antwort übernommen werden können. Eine sauber ausgezeichnete FAQPage liefert ChatGPT, Gemini und Perplexity fertige Antwort-Bausteine.
Wer FAQ-Schema heute einsetzt, sollte die Erwartung anpassen: Es geht nicht mehr um auffällige Google-Snippets, sondern um maschinenlesbare Antwort-Häppchen für LLMs. Unter dieser Perspektive ist FAQ-Schema weiterhin sinnvoll, besonders auf Service- und Ratgeber-Seiten.
Wichtiger Hinweis
Setze FAQ-Schema nur für echte, hilfreiche Fragen ein, nicht um Keywords zu stopfen. Künstliche oder werbliche Fragen, die nur dem Markup dienen, bringen weder bei Google noch bei LLMs einen Vorteil und können das Vertrauen senken. Die Fragen sollten echte Nutzerfragen sein, die Antworten sollten sie tatsächlich beantworten.
Wie strukturierst du gute FAQ-Inhalte
Gute FAQ-Inhalte bestehen aus echten Nutzerfragen und prägnanten, vollständigen Antworten. Jede Frage sollte eine eigenständige Suchanfrage abbilden, jede Antwort sollte sie in zwei bis vier Sätzen klar beantworten. Diese Struktur ist sowohl für Nutzer hilfreich als auch für LLMs ideal verwertbar.
Die Fragen formulierst du so, wie Nutzer sie tatsächlich stellen, idealfalls als vollständige W-Fragen. Statt eines Stichworts wie Kosten besser die ganze Frage Was kostet die Leistung. Diese natürliche Frageform entspricht dem, wonach Menschen in ChatGPT und in der Suche fragen.
Die Antworten beginnen direkt mit der Kernaussage, ohne Einleitung. Ein Sprachmodell, das die Antwort übernimmt, braucht die Information sofort. Eine Antwort, die mit der eigentlichen Aussage startet und sie dann kurz erläutert, ist optimal für die Übernahme in generative Antworten.
So sieht ein gutes FAQ-Paar aus
Was kostet AI-Visibility-Aufbau in Deutschland?
Professionelle AI-Visibility-Betreuung kostet 2026 zwischen 1.500 und 8.000 Euro pro Monat. Ein Einstiegsprogramm mit vier Citations pro Monat plus Tracking liegt bei rund 2.500 Euro.
Wie schnell wirkt AI-Visibility-Arbeit?
Erste messbare Effekte zeigen sich nach 8 bis 16 Wochen. Perplexity reagiert mit Live-Retrieval am schnellsten, ChatGPT und Gemini brauchen wegen des Index-Refresh länger.
Wie hilft FAQ-Schema bei der AI-Visibility
FAQ-Schema hilft bei der AI-Visibility, indem es Sprachmodellen klar abgegrenzte Frage-Antwort-Paare liefert. Wenn ein Nutzer eine Frage stellt, die einer ausgezeichneten FAQ entspricht, kann das Modell die strukturierte Antwort direkt finden und übernehmen. Das erhöht die Wahrscheinlichkeit, als Quelle zitiert zu werden.
Der Mechanismus funktioniert besonders bei Retrieval-basierten Systemen wie Perplexity, die das Live-Web durchsuchen. Eine Seite mit sauber strukturierten FAQ-Paaren bietet diesen Systemen fertige, eindeutige Antworten. Das ist für ein Modell einfacher zu verwerten als eine Information, die im Fließtext versteckt ist.
Auch für die klassische Antwort-Generierung in ChatGPT und Gemini ist die klare Struktur ein Vorteil. Frage-Antwort-Paare entsprechen dem Format, in dem diese Modelle Wissen verarbeiten und ausgeben. Wer seine Inhalte in dieses Format bringt, spricht die Sprache der LLMs.
Expert Insight
Aus der Content-Praxis zeigt sich: Seiten, die ihre Kerninformationen zusätzlich als sauber strukturierte FAQ aufbereiten, werden in Perplexity-Antworten häufiger als Quelle zitiert als reine Fließtext-Seiten zum selben Thema. Der Grund ist die Verwertbarkeit. Ein klar abgegrenztes Frage-Antwort-Paar ist für ein Retrieval-System die ideale Antworteinheit. Die Rich-Result-Funktion bei Google ist tot, die AI-Verwertbarkeit lebt.
Wo solltest du FAQ-Schema einsetzen
FAQ-Schema eignet sich für Service-Seiten, Produktseiten, Ratgeber-Artikel und Support-Bereiche, also überall dort, wo echte Nutzerfragen sinnvoll beantwortet werden. Es eignet sich nicht für jede Seite, sondern dort, wo Frage-Antwort-Inhalte natürlich entstehen und einen echten Mehrwert bieten.
Auf Service-Seiten beantwortet FAQ-Schema typische Vorab-Fragen potenzieller Kunden, etwa zu Ablauf, Kosten oder Voraussetzungen. Auf Ratgeber-Seiten ergänzt es den Hauptinhalt um schnell erfassbare Antworten auf Detailfragen. Beide Anwendungen sind sowohl für Nutzer als auch für LLMs wertvoll.
Nicht sinnvoll ist FAQ-Schema auf reinen Übersichts- oder Kategorieseiten ohne echte Fragen oder als künstliches Anhängsel, das nur dem Markup dient. Die Faustregel: Wenn die FAQ dem Nutzer hilft, hilft sie auch der Maschine. Wenn sie nur fürs Markup existiert, bringt sie nichts.
Meine Einschätzung
FAQ-Schema ist ein gutes Beispiel dafür, wie sich der Wert einer Technik verschiebt. Früher ging es um auffällige Google-Snippets, heute um die Verwertbarkeit durch LLMs. Mein Rat: Bau auf deinen wichtigsten Service- und Ratgeber-Seiten echte FAQ-Blöcke mit natürlichen Fragen und prägnanten Antworten, und zeichne sie mit FAQ-Schema aus. Nicht für Google-Snippets, sondern weil du damit ChatGPT und Perplexity fertige Antwort-Bausteine lieferst. Das ist günstige, wirksame AI-Visibility-Arbeit.
FAQ-Schema zeichnet Frage-Antwort-Inhalte maschinenlesbar nach Schema.org aus.
Google zeigt FAQ-Rich-Results nur noch sehr eingeschränkt an.
Der neue Wert liegt in der Verwertbarkeit durch ChatGPT, Gemini und Perplexity.
Echte Nutzerfragen mit prägnanten, direkt startenden Antworten verwenden.
Ideal für Service-, Produkt- und Ratgeber-Seiten, nicht für jede Seite.
Quellen
Schema.org: FAQPage Specification, 2026
Google Search Central: FAQ Structured Data Guidelines, 2026
Search Engine Land: The State of FAQ Rich Results, 2026
Ahrefs Blog: Structured Data for AI Search, 2026
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
LLM-Crawler sind Bots, die Websites für KI-Systeme durchsuchen. GPTBot von OpenAI, ClaudeBot von Anthropic, PerplexityBot und GoogleOther sammeln Inhalte für Training und Live-Retrieval. Wer in ChatGPT, Claude und Perplexity sichtbar sein will, muss diese Bots zulassen. Das Blocken über robots.txt schließt die eigene Marke aus den generativen Antworten aus.
LLM-Crawler sind automatisierte Bots, die das Web durchsuchen, um Inhalte für große Sprachmodelle zu sammeln. Sie unterscheiden sich nach Zweck: Manche sammeln Trainingsdaten, andere holen Inhalte live für eine konkrete Nutzeranfrage. Die wichtigsten 2026 sind GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot und GoogleOther. Wer ihre Funktion kennt, kann gezielt steuern, wo die eigene Marke sichtbar wird.
GPTBotTraining
OpenAI
Sammelt Trainingsdaten für künftige GPT-Modelle. Wirkung zeitverzögert über Modell-Updates.
OAI-SearchBotLive-Retrieval
OpenAI
Holt Inhalte live für die ChatGPT-Suche. Direkt relevant für Sichtbarkeit in ChatGPT.
ClaudeBotTraining
Anthropic
Sammelt Inhalte für Claude. Zugang entscheidet über Claudes Wissen zur Marke.
PerplexityBotLive-Retrieval
Perplexity
Versorgt Perplexitys Live-Suche. Sehr crawl-intensiv, schnellste sichtbare Wirkung.
Google-ExtendedTraining
Google
Steuert Nutzung für Gemini und Vertex AI, getrennt vom klassischen Google-Ranking.
GoogleOtherDiverse
Google
Genereller Crawler für verschiedene Google-Produkte abseits der Hauptsuche.
Was sind LLM-Crawler
LLM-Crawler sind Webcrawler, die im Auftrag von KI-Unternehmen Inhalte erfassen. Sie funktionieren technisch wie klassische Suchmaschinen-Crawler, verfolgen aber andere Ziele. Statt einen Suchindex aufzubauen, sammeln sie Daten für das Training von Sprachmodellen oder rufen Inhalte in Echtzeit für eine generative Antwort ab.
Jeder Crawler identifiziert sich über einen eigenen User-Agent-String. GPTBot meldet sich als GPTBot, ClaudeBot als ClaudeBot, PerplexityBot als PerplexityBot. Über diese Kennung lassen sie sich in der robots.txt gezielt ansprechen, zulassen oder blockieren. Die Kontrolle liegt damit beim Website-Betreiber.
Wichtig ist die Unterscheidung zwischen Trainings-Crawlern und Retrieval-Crawlern. Trainings-Crawler sammeln Daten für künftige Modellversionen, ihre Wirkung zeigt sich verzögert. Retrieval-Crawler holen Inhalte für die aktuelle Nutzeranfrage, ihre Wirkung ist unmittelbar. Beide haben unterschiedliche strategische Bedeutung.
Welche LLM-Crawler sind 2026 wichtig
Die wichtigsten LLM-Crawler 2026 sind GPTBot und OAI-SearchBot von OpenAI, ClaudeBot von Anthropic, PerplexityBot von Perplexity, Google-Extended und GoogleOther von Google sowie Bytespider von ByteDance. Jeder hat einen spezifischen Zweck und unterschiedliche Auswirkungen auf die eigene Sichtbarkeit.
GPTBot sammelt Trainingsdaten für OpenAI-Modelle, OAI-SearchBot holt Inhalte für die ChatGPT-Suche live. Wer in ChatGPT sichtbar sein will, sollte beide zulassen. ClaudeBot sammelt für Anthropics Claude, PerplexityBot versorgt Perplexitys Live-Suche, die besonders crawl-intensiv ist.
Google-Extended steuert, ob Inhalte für Gemini und Vertex AI genutzt werden, ohne das klassische Google-Ranking zu beeinflussen. GoogleOther ist ein genereller Crawler für verschiedene Google-Produkte. Diese feine Differenzierung erlaubt es, die klassische Google-Sichtbarkeit von der KI-Nutzung zu trennen.
Solltest du LLM-Crawler zulassen oder blocken
Wer in ChatGPT, Claude, Perplexity und Gemini empfohlen werden will, muss die jeweiligen Crawler zulassen. Das Blocken über robots.txt schließt die eigene Marke aus den generativen Antworten dieser Systeme aus. Für die meisten Unternehmen, die Sichtbarkeit suchen, ist Zulassen die richtige Wahl.
Es gibt Gründe für das Blocken: Schutz von urheberrechtlich geschütztem Content, Vermeidung von Server-Last durch aggressive Crawler oder strategische Entscheidung gegen die unentgeltliche Nutzung eigener Inhalte für KI-Training. Wer diese Prioritäten hat, kann gezielt einzelne Bots aussperren.
Eine differenzierte Strategie ist oft sinnvoll. Man kann Retrieval-Crawler zulassen, um in Live-Antworten zu erscheinen, aber Trainings-Crawler blockieren, um die eigenen Inhalte nicht ins Modelltraining zu geben. Diese Trennung erlaubt Sichtbarkeit ohne vollständige Datenfreigabe.
Wichtiger Hinweis
Die robots.txt ist eine freiwillige Vereinbarung, kein technischer Zwang. Seriöse Crawler wie GPTBot, ClaudeBot und PerplexityBot halten sich daran. Es gibt aber auch Bots, die robots.txt ignorieren. Wer Inhalte zwingend schützen muss, braucht zusätzliche technische Maßnahmen wie Server-seitige Sperren, nicht nur robots.txt-Einträge.
Wie steuerst du LLM-Crawler über robots.txt
LLM-Crawler steuerst du über User-Agent-spezifische Regeln in der robots.txt. Für jeden Bot definierst du einen eigenen User-Agent-Block mit Allow- oder Disallow-Regeln. So lässt sich präzise festlegen, welcher Bot welche Bereiche der Website crawlen darf.
Die Syntax ist einfach: Ein User-Agent-Block nennt den Bot-Namen, gefolgt von den Regeln. Disallow mit einem Schrägstrich sperrt die gesamte Site für diesen Bot, Allow gibt sie frei. Wer mehrere Bots unterschiedlich behandeln will, erstellt mehrere Blöcke.
Nach der Anpassung sollte die robots.txt getestet werden. Tippfehler im User-Agent-Namen führen dazu, dass die Regel nicht greift. Die genauen Bot-Namen finden sich in der offiziellen Dokumentation der jeweiligen KI-Anbieter, die diese regelmäßig aktualisieren.
Wie erkennst du, ob LLM-Crawler deine Site besuchen
Den Besuch von LLM-Crawlern erkennst du in den Server-Logfiles anhand der User-Agent-Strings. Jeder Bot hinterlässt einen eindeutigen Eintrag mit seinem Namen und oft einer Referenz-URL zur Dokumentation. Eine Logfile-Analyse zeigt, welche Bots wie oft kommen und welche Seiten sie abrufen.
Praktisch filterst du die Logs nach den bekannten Bot-Namen wie GPTBot, ClaudeBot oder PerplexityBot. Steigende Besuchszahlen dieser Bots sind ein Indiz dafür, dass die Inhalte für KI-Systeme erfasst werden. Tools zur Logfile-Analyse oder serverseitige Auswertungen erleichtern das.
PerplexityBot fällt oft durch hohe Crawl-Frequenz auf, weil das System stark auf Live-Retrieval setzt. GPTBot crawlt eher in Wellen für Trainingsupdates. Diese Muster im Logfile geben Hinweise darauf, wie und wofür die eigenen Inhalte genutzt werden.
Expert Insight
Beobachtung aus dem Logfile-Monitoring vieler Domains: Sobald eine Site eine kritische Menge an Inhalten erreicht, steigt die Crawl-Frequenz von PerplexityBot und GPTBot deutlich. Sites, die diese Crawler blockieren, verschwinden binnen weniger Wochen aus den Live-Antworten von Perplexity und der ChatGPT-Suche. Die Korrelation zwischen Crawl-Zugang und LLM-Sichtbarkeit ist direkt: kein Crawl, keine Citation.
Was passiert, wenn du alle LLM-Crawler blockst
Wer alle LLM-Crawler blockt, wird aus den generativen Antworten und der KI-Suche dieser Systeme verschwinden. Die Inhalte werden weder für Training noch für Live-Retrieval erfasst. Bei retrieval-basierten Systemen wie Perplexity oder der ChatGPT-Suche ist der Effekt schnell sichtbar, die Marke taucht nicht mehr als Quelle auf.
Das klassische Google-Ranking bleibt davon unberührt, solange der normale Googlebot zugelassen ist. GPTBot, ClaudeBot und Google-Extended sind getrennt vom Googlebot. Man kann also in der klassischen Google-Suche sichtbar bleiben und gleichzeitig aus den LLM-Antworten verschwinden, wenn man die KI-Crawler aussperrt.
Meine Einschätzung
Für fast jedes Unternehmen, das Sichtbarkeit als Geschäftsziel hat, lautet die klare Empfehlung: LLM-Crawler zulassen. Wer ChatGPT, Claude und Perplexity aussperrt, schließt sich freiwillig aus dem am schnellsten wachsenden Sichtbarkeitskanal aus. Das Blocken ergibt nur Sinn für Publisher mit Premium-Content, der lizenziert werden soll, oder bei akuten Server-Last-Problemen. Für die meisten ist das Zulassen die strategisch richtige Entscheidung, kombiniert mit Logfile-Monitoring, um den Crawl-Zugang zu überwachen.
Wer in ChatGPT, Claude und Perplexity sichtbar sein will, muss die Crawler zulassen.
Steuerung über User-Agent-spezifische Regeln in der robots.txt.
Crawler-Besuche lassen sich in den Server-Logfiles nachverfolgen.
Quellen
OpenAI: GPTBot und OAI-SearchBot Documentation, 2026
Anthropic: ClaudeBot Crawler Information, 2026
Perplexity: PerplexityBot Documentation, 2026
Google Search Central: Google-Extended und GoogleOther, 2026
Search Engine Journal: AI Crawler Management Guide, 2026
Geschrieben von
Levent Elci
AI-Visibility & Offpage SEO für DACH-Unternehmen
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
JSON-LD ist das von Google empfohlene Format für strukturierte Daten. Es beschreibt Inhalte maschinenlesbar über Schema.org-Typen wie Organization, Article und FAQPage. Für ChatGPT, Gemini und Perplexity hilft es, Entitäten klar abzugrenzen und Inhalte korrekt zuzuordnen. JSON-LD ist kein direkter Ranking-Boost, aber ein wichtiges Klarstellungs-Werkzeug für die maschinelle Interpretation.
JSON-LD steht für JavaScript Object Notation for Linked Data und ist das von Google bevorzugte Format, um strukturierte Daten in eine Website einzubetten. Es nutzt das Schema.org-Vokabular, um Suchmaschinen und Sprachmodellen zu erklären, worum es auf einer Seite geht. Anders als sichtbarer Text richtet sich JSON-LD ausschließlich an Maschinen.
Drei Datenpunkte aus dem 165-Sites-Portfolio
Auf Portfolio-Sites mit vollständigem Organization-Schema plus verknüpftem Person-Schema für alle Autoren liegt die korrekte Marken-Zuordnung in ChatGPT-Antworten deutlich höher als auf Sites ohne. Article-Schema mit sauberem datePublished und dateModified wird in Gemini-Antworten häufiger als Aktualitätssignal verwendet. Bei Perplexity zeigt sich, dass Seiten mit korrektem FAQPage-Schema häufiger als Antwort-Baustein zitiert werden, wenn die FAQ-Struktur exakt zur Nutzerfrage passt.
Wie ChatGPT, Gemini und Perplexity strukturierte Daten wirklich verwenden
Die drei großen Sprachmodelle nutzen strukturierte Daten unterschiedlich. Google Gemini und die Google-AI-Overview greifen direkt auf den Google Knowledge Graph zu, in den Schema-Signale wie Organization, sameAs und knowsAbout einfließen. Bei ChatGPT wird Schema-Markup über die Browse-Ergebnisse und über Bing-Indexdaten indirekt verwertet. Perplexity liest Seiten mit einem eigenen Crawler und nutzt Article- und FAQPage-Strukturen, um Antwort-Bausteine zu identifizieren.
Der entscheidende Punkt ist die maschinelle Klarstellung. Ein Sprachmodell muss aus dem Rohtext nicht mehr raten, wer der Autor ist, wann der Inhalt zuletzt aktualisiert wurde und zu welcher Marke er gehört. Diese Signale liegen strukturiert vor und lassen sich ohne Interpretation lesen. Genau dort liegt der Hebel von JSON-LD für AI-Sichtbarkeit.
Wichtig ist die Trennung zwischen Ranking-Signal und Extraktions-Signal. JSON-LD hebt keine Seite über sich hinaus. Aber es entscheidet oft darüber, ob eine bereits gute Seite als sauber verknüpfte Entität zitiert wird oder ob sie in einer Antwort untergeht, weil das Modell die Marke nicht klar zuordnen konnte. Wer in KI-Suchmaschinen sichtbar werden will, kommt ohne dieses Grundgerüst nicht durch.
Organization
Die Marke
Name, Logo, Website und sameAs-Profile. Grenzt die Marke eindeutig von anderen ab.
Article
Der Beitrag
Autor, Datum, Herausgeber. Macht E-E-A-T-Signale der Autorenschaft maschinenlesbar.
FAQPage
Frage & Antwort
Strukturiert FAQ-Inhalte. Hilft Suchmaschinen und LLMs, direkte Antworten zu extrahieren.
Person
Der Autor
jobTitle, knowsAbout, hasCredential, sameAs. Verknüpft mit dem Article-Schema.
BreadcrumbList
Die Navigation
Bildet die Seitenhierarchie ab und hilft bei der kontextuellen Einordnung.
WebSite
Die Site
Definiert die Website als Entität, oft mit SearchAction für die interne Suche.
Was ist JSON-LD genau
JSON-LD ist ein Format, das strukturierte Informationen als JSON-Objekt in den Quellcode einer Seite einbettet, meist im head-Bereich oder am Seitenende. Es beschreibt Entitäten und ihre Eigenschaften nach dem Schema.org-Standard. Ein Sprachmodell oder eine Suchmaschine kann diese Angaben direkt auslesen, ohne den Fließtext interpretieren zu müssen.
Der Vorteil von JSON-LD gegenüber älteren Formaten wie Microdata oder RDFa liegt in der Trennung von Inhalt und Markup. Das Markup steht in einem eigenen script-Block und ist nicht mit dem HTML verwoben. Das macht es einfacher zu pflegen, weniger fehleranfällig und entspricht der offiziellen Google-Empfehlung.
Ein typisches JSON-LD-Objekt enthält den Kontext (schema.org), einen Typ (etwa Article oder Organization) und eine Reihe von Eigenschaften. Diese Struktur ist standardisiert, sodass jede Suchmaschine und jedes Sprachmodell sie identisch interpretiert.
Welche Schema-Typen sind für AI-Visibility relevant
Die drei wichtigsten Schema-Typen für AI-Visibility sind Organization, Article und FAQPage. Organization beschreibt die Marke als Entität, Article jeden einzelnen Beitrag, FAQPage strukturiert Frage-Antwort-Inhalte. Ergänzend sind Person für Autoren und BreadcrumbList für die Navigation wertvoll.
Organization-Schema ist die Basis. Es definiert den Markennamen, die Website, das Logo und über sameAs die offiziellen Profile auf anderen Plattformen. Damit grenzt es die Marke eindeutig von ähnlich benannten Entitäten ab. Für LLMs ist diese klare Abgrenzung entscheidend, um Verwechslungen zu vermeiden.
Article-Schema verbindet jeden Beitrag mit seinem Autor, dem Veröffentlichungs- und Aktualisierungsdatum und dem Herausgeber. Die Verbindung zum Person-Schema des Autors ist dabei zentral, weil sie das E-E-A-T-Signal der Autorenschaft maschinenlesbar macht.
Wichtiger Hinweis
Strukturierte Daten müssen den tatsächlichen Seiteninhalt widerspiegeln. Markup, das Informationen behauptet, die für den Nutzer nicht sichtbar sind, verstößt gegen die Google-Richtlinien und kann zu manuellen Maßnahmen führen. JSON-LD beschreibt, was auf der Seite steht, es erfindet nichts hinzu.
Wie bettest du JSON-LD korrekt ein
JSON-LD wird als script-Block mit dem Typ application/ld+json in den HTML-Code eingebettet, idealerweise im head-Bereich. Pro Seite können mehrere Blöcke existieren, etwa einer für Organization, einer für Article und einer für FAQPage. In WordPress übernehmen Plugins wie Rank Math oder Yoast die Generierung automatisch.
Der manuelle Weg ist nur für Spezialfälle nötig. Die meisten WordPress-Sites generieren ihr Schema über das SEO-Plugin. Wichtig ist, das Markup nach der Einbindung zu validieren, um Fehler auszuschließen. Ein fehlerhaftes Schema wird ignoriert und bringt keinen Nutzen.
Die Validierung läuft über den Schema-Markup-Validator von Schema.org oder den Rich-Results-Test von Google. Beide zeigen, ob das Markup korrekt geparst wird und welche Eigenschaften erkannt werden. Ein sauberer Durchlauf ohne Fehler oder Warnungen ist das Ziel.
LLMs nutzen strukturierte Daten indirekt. Sie lesen primär den sichtbaren Text, aber JSON-LD hilft bei der Entitäts-Klarstellung und der korrekten Zuordnung von Autor, Datum und Herausgeber. Google hat klargestellt, dass für die generative Suche keine speziellen AI-Markups nötig sind, das bestehende Schema reicht.
Der praktische Wert liegt in der Eindeutigkeit. Wenn ein Modell unsicher ist, ob eine Information aktuell oder von einem qualifizierten Autor stammt, liefert das Schema die Antwort. Das Article-Schema mit datePublished und author macht diese Signale maschinenlesbar, statt sie im Fließtext suchen zu müssen.
Wichtig ist die richtige Erwartung: JSON-LD ist kein Wundermittel und kein direkter Ranking-Faktor. Es ist ein unterstützendes Klarstellungs-Werkzeug. Wer es korrekt einsetzt, gewinnt Eindeutigkeit. Wer es weglässt, verliert nicht alles, aber lässt eine einfache Optimierung liegen.
Expert Insight
In der Praxis über viele Domains zeigt sich: Der größte Hebel von JSON-LD liegt nicht in Rich Results, sondern in der sauberen Entitäts-Abgrenzung. Sites mit vollständigem Organization-Schema und korrekt verknüpftem Person-Schema für Autoren werden in LLM-Antworten zuverlässiger der richtigen Marke und dem richtigen Autor zugeordnet. Bei mehrdeutigen Markennamen ist das der Unterschied zwischen korrekter Empfehlung und Verwechslung.
Welche Schema-Typen 2026 den größten Hebel für AI-Sichtbarkeit haben
Die klassischen Typen Organization, Article und FAQPage sind Pflicht. Darüber hinaus lohnen sich 2026 mehrere ergänzende Typen, je nach Site-Zweck: Product, HowTo, SoftwareApplication, LocalBusiness und Speakable. Sie decken Anwendungsfälle ab, die von Sprachmodellen und Sprachassistenten häufig als Antwort-Trigger genutzt werden.
Product-Schema strukturiert Preise, Bewertungen und Verfügbarkeit. HowTo bildet Schritt-für-Schritt-Anleitungen ab und wird von Perplexity und Google-AI-Overview häufig für prozessuale Fragen gezogen. SoftwareApplication beschreibt digitale Produkte inklusive Betriebssystem, Preis und Bewertung. LocalBusiness verknüpft physische Standorte mit Öffnungszeiten und Servicebereich und ist die Basis für Local-Citations und Google-Maps-Präsenz.
Speakable ist der spannendste unter den neueren Typen. Er markiert Textabschnitte, die von Sprachassistenten wie Google Assistant vorgelesen werden können. Für News-Sites und Ratgeber ist das ein direktes Voice-Sichtbarkeits-Signal. Wer eine Sprachsuche-Strategie aufbaut, sollte Speakable auf den 40-Wort-Direktantworten unter jeder H2 setzen.
Expert Insight
Speakable wird von den meisten deutschen SEO-Teams übersehen, weil er in Rank Math und Yoast nicht per Klick verfügbar ist. Genau deshalb ist er ein Wettbewerbsvorteil. Wer die 40-Wort-Direktantwort unter jeder H2 zusätzlich mit Speakable markiert, liefert Sprachassistenten die exakte Extraktions-Zone und übernimmt Voice-Position-Null in Nischen, wo andere noch nicht optimieren.
Wie du Entitäten mit sameAs, knowsAbout und mentions vernetzt
Die drei Eigenschaften sameAs, knowsAbout und mentions sind das Rückgrat der Entitäts-Vernetzung. sameAs verbindet ein Schema-Objekt mit externen Referenzen wie LinkedIn, Wikipedia, Wikidata, dem Google-Business-Profil oder Fach-Verzeichnissen. knowsAbout listet Themenfelder, in denen eine Person oder Organisation Expertise hat. mentions verknüpft einen Artikel mit den darin behandelten Entitäten.
Für Entity-SEO ist das der entscheidende Punkt. Ohne sameAs zu mindestens drei starken externen Quellen bleibt eine Organization ein isolierter Knoten. Mit sauberen sameAs-Verweisen wird sie Teil des Knowledge-Graphen und lässt sich von Modellen sicher zuordnen. Wer eine Marke aufbaut, sollte in jedem Organization-Block LinkedIn, Wikidata und mindestens ein branchenspezifisches Profil verlinken.
knowsAbout ist das aktivste Signal für thematische Autorität. In Person-Schemas gehört es auf die drei bis fünf Kernthemen, in Organization-Schemas auf die Kern-Themencluster der Marke. mentions wiederum sollte in Article-Schemas auf zwei bis fünf zentrale Entitäten pro Beitrag zeigen, idealerweise mit Wikidata-Verweisen. Diese Verweise bilden die Grundlage für den Knowledge-Graphen deiner Marke und für die spätere Zuordnung in ChatGPT-Empfehlungen.
Kurzformel Entitäts-Vernetzung
Für jede Marke: Organization mit mindestens drei sameAs-Verweisen plus knowsAbout auf drei Kernthemen. Für jeden Autor: Person mit sameAs auf LinkedIn plus knowsAbout auf zwei bis vier Themen. Für jeden Artikel: Article mit mentions auf zwei bis fünf Entitäten. Diese Basis reicht, um in ChatGPT, Gemini und Perplexity sauber als Entität erkannt zu werden.
Welche Fehler treten bei JSON-LD häufig auf
Die häufigsten Fehler sind fehlende Pflichtfelder, Markup ohne sichtbare Entsprechung im Inhalt, fehlerhafte Verschachtelung und veraltete Schema-Typen. Auch die fehlende Verbindung zwischen Article und Person ist verbreitet. Diese Fehler führen dazu, dass das Schema ignoriert wird oder Warnungen erzeugt.
Ein verbreiteter Fehler ist doppeltes oder widersprüchliches Markup, etwa wenn zwei Plugins gleichzeitig Schema generieren. Das verwirrt die Parser und sollte vermieden werden. Pro Seite sollte es genau eine konsistente Schema-Struktur geben, idealerweise aus einer einzigen Quelle.
Veraltete Typen wie das frühere FAQ-Rich-Result, das Google in seiner Darstellung eingeschränkt hat, sind ein weiterer Stolperstein. Schema-Typen ändern in ihrer Darstellung über die Zeit. Es lohnt sich, die aktuelle Google-Dokumentation zu prüfen, bevor man auf einen bestimmten Rich-Result-Effekt setzt.
Meine Einschätzung
JSON-LD ist eine der einfachsten Optimierungen mit gutem Verhältnis von Aufwand zu Wirkung. In WordPress generiert Rank Math das Basis-Schema fast automatisch, der manuelle Aufwand ist gering. Mein Rat: Sorge für vollständiges Organization-Schema mit sameAs zu allen Profilen, verknüpfe jeden Artikel mit einem echten Person-Schema, und validiere einmal sauber. Das ist Pflichthygiene, kein Hexenwerk, und es zahlt sich bei der maschinellen Interpretation deiner Marke aus.
Welche Fehler dir 2026 die LLM-Sichtbarkeit kosten
Neben den klassischen Fehlern gibt es 2026 vier spezifische Muster, die AI-Sichtbarkeit killen. Erstens: Widersprüche zwischen Schema und sichtbarem Inhalt. Wenn im Article-Schema ein anderer Autor steht als in der Autorenbox, verwerfen Modelle das Signal komplett und behandeln die Seite als unsauber. Zweitens: veraltete sameAs-Verweise. Ein toter Wikidata-Link oder eine gelöschte Autorenseite schwächt die Entitäts-Verknüpfung.
Drittens: fehlende dateModified-Werte. Ohne Aktualisierungsdatum kann kein Modell die Frische einer Seite belegen und behandelt sie im Zweifel als veraltet. Viertens: doppelte Author-Signale, wenn die Autoren-Box das E-E-A-T-Signal in HTML setzt und ein Plugin gleichzeitig ein widersprüchliches Person-Schema erzeugt.
Der Fix ist in allen vier Fällen die gleiche Regel: eine einzige Quelle der Wahrheit. Rank Math oder Yoast generieren die Grundstruktur, alle Autoren-Signale kommen aus dem User-Profil, alle Marken-Signale aus einer zentralen Organization-Konfiguration. Manuelle Ergänzungen wie mentions oder knowsAbout kommen als kontrollierter Custom-Code-Block dazu, nicht als parallele Zweitquelle. Dieses saubere Setup ist Pflichthygiene für moderne E-E-A-T-Signale in der AI-Suche.
Seit 2014 baut Levent organische Sichtbarkeit für Marken auf. Heute mit Fokus auf Generative Engine Optimization, Brand-Mentions in ChatGPT, Gemini und Perplexity sowie redaktionelle Citation-Strategien. Operativ verantwortet er ein Portfolio von 165 WordPress-Sites.
