Generative Engine Optimization: So wählen KIs Quellen aus

Seit Ende 2024, als ChatGPT seine Suche geöffnet hat, sehe ich in unseren Auswertungen Unternehmen, die über eine ChatGPT-Antwort auf meiner Website landen, erkennbar am Parameter utm_source=chatgpt.com. Zuletzt ein kommunaler Versorger, gekommen über einen zitierten Link. Kein Google-Ranking, kein Anzeigenbudget, sondern eine KI, die inventivo als Quelle ausgewählt hat. Genau diese Auswahl-Entscheidung ist das Thema von Generative Engine Optimization. Und wer verstehen will, wie er sie beeinflusst, muss eine Ebene tiefer einsteigen als „schreib gute Inhalte und pfleg dein Schema Markup".

Dieser Artikel erklärt die Mechanik dahinter: wie ChatGPT, Perplexity und Googles KI-Suche technisch entscheiden, welche Quellen in einer Antwort landen, was das für den Aufbau deiner Inhalte bedeutet und wie du die Wirkung misst, ohne dir etwas vorzumachen.

Wo dieser Artikel ansetzt (und was er nicht wiederholt)

Die Grundlagen habe ich an anderer Stelle bereits ausführlich beschrieben: was GEO ist, warum es dein Unternehmen betrifft und welche sieben Erfolgsfaktoren über KI-Sichtbarkeit entscheiden. Wenn du beim Thema neu bist, starte mit meinem Überblick zur GEO-Optimierung für Unternehmen und komm danach hierher zurück.

Hier geht es um die Ebene darunter. Denn zwischen „KI-Systeme bevorzugen zitierfähige Inhalte" und einer konkreten Content-Entscheidung liegt eine Lücke: Warum bevorzugen sie sie? An welcher Stelle der Verarbeitung fällt die Entscheidung? Und woran erkenne ich, ob meine Maßnahmen wirken? Wer die Mechanik versteht, hört auf, Checklisten abzuarbeiten, und fängt an, gezielt zu optimieren.

Die Pipeline: Von der Nutzerfrage zur zitierten Quelle

Alle großen generativen Suchsysteme arbeiten heute nach demselben Grundmuster, das sich Retrieval-Augmented Generation nennt: Das Sprachmodell beantwortet die Frage nicht aus dem Gedächtnis seiner Trainingsdaten, sondern holt sich vor der Antwort aktuelle Quellen und stützt seine Formulierungen darauf. Das ist der Grund, warum deine Website überhaupt eine Chance hat, in Antworten aufzutauchen: Sie wird zur Laufzeit gelesen, nicht nur beim Training.

Die Pipeline dahinter läuft in fünf Schritten ab:

Zwei Schritte in dieser Pipeline werden regelmäßig unterschätzt. Der erste ist das Query-Fan-out: Googles AI Mode zerlegt eine einzige Nutzerfrage in ein ganzes Bündel von Teilanfragen, die parallel gegen den Index laufen. Aus „Lohnt sich ein Shopsystem-Wechsel für einen B2B-Händler?" werden intern Suchen zu Migrationskosten, B2B-Funktionen, Plattformvergleichen und Risiken. Deine Seite konkurriert also nicht um eine Suchanfrage, sondern um Dutzende Varianten davon, von denen viele nie in einem Keyword-Tool auftauchen.

Der zweite ist die Chunk-Auswahl: Bewertet wird nicht deine Seite als Ganzes, sondern einzelne Abschnitte daraus. Ein Retrieval-System zerlegt Dokumente in Passagen und ranked diese Passagen gegeneinander. Das erklärt einen Effekt, den klassische SEO-Logik nicht erklären kann: Eine Seite, die bei Google auf Position 8 steht, kann in einer KI-Antwort prominent zitiert werden, wenn ein einzelner Absatz die Teilfrage präziser beantwortet als alles auf den Plätzen 1 bis 7.

Drei Systeme, drei Regelwerke

So ähnlich die Pipeline ist, so unterschiedlich sind Infrastruktur und Crawler der drei relevanten Systeme. Wer für „die KI-Suche" optimiert, optimiert in Wahrheit für drei getrennte Ökosysteme:

Für Google gilt ein Punkt, der in vielen GEO-Diskussionen untergeht: Es gibt keinen eigenen KI-Crawler, den du separat einladen könntest. AI Overviews und AI Mode bedienen sich aus dem ganz normalen Suchindex, Google dokumentiert das selbst in seinem Leitfaden zur KI-Suche. Wer indexiert ist und rankt, ist Kandidat. Welche Inhalte die KI-Antworten dann tatsächlich durchlassen und welche Formate bevorzugt werden, habe ich in meiner Analyse was Google AI Overviews 2026 filtern im Detail aufgeschlüsselt.

Was Chunk-Retrieval für deine Inhalte bedeutet

Wenn Absätze die Auswahleinheit sind, verschiebt sich die Optimierungslogik. Nicht „die Seite muss zum Keyword passen", sondern: Jeder wichtige Abschnitt muss für sich allein stehen können. Konkret heißt das:

Vertrauenssignale wirken dabei auf einer zweiten Ebene weiter: Nachweisbare Autorschaft und belegte Expertise entscheiden mit, ob eine Passage als zitierwürdig gilt. Wie du das konkret aufbaust, ohne Buzzword-Bingo, steht in meinem Leitfaden E-E-A-T konkret umsetzen.

Und die viel diskutierte llms.txt? Die vorgeschlagene Datei soll KI-Systemen eine kuratierte Übersicht deiner wichtigsten Inhalte geben. Stand heute hat allerdings kein großes KI-Suchsystem offiziell bestätigt, die Datei auszuwerten. Ich lege sie bei Kundenprojekten trotzdem an, wenn der Aufwand klein ist: Sie kostet nichts, schadet nichts und ist in zehn Minuten erstellt. Nur sollte niemand glauben, damit sei GEO erledigt. Die Sichtbarkeits-Hebel liegen in den Absätzen selbst, nicht in einer Meta-Datei.

Fallbeispiel aus erster Hand: ein ChatGPT-Referral im Detail

Zur Mechanik gehört der Beleg, dass sie im Alltag ankommt. Ich werte für inventivo.de wöchentlich aus, welche Unternehmen die Website besuchen und über welchen Weg sie kommen. Ein Besuch aus einer aktuellen Auswertung zeigt das Muster besonders sauber: ein kommunaler Versorger, der über einen Link in einer ChatGPT-Antwort auf die Startseite kam, erkennbar am Parameter utm_source=chatgpt.com, und der einige Tage später direkt zurückkehrte.

Interessant ist daran weniger der einzelne Besuch als das Muster dahinter:

Sichtbar wurde der Besuch überhaupt erst, weil die Auswertung Firmenbesuche identifiziert statt nur Sitzungen zu zählen. Wie diese Art der Besucher-Erkennung funktioniert und was sie im B2B-Vertrieb leistet, habe ich auf der Seite Website-Besucher identifizieren beschrieben. Für diesen Artikel ist der Punkt ein anderer: Generative Engine Optimization ist kein theoretisches Zukunftsthema. Die Referrals kommen bereits an, auch bei einer Agentur-Website aus Münster, und sie kommen bei den Unternehmen an, die messen.

Wirkung messen, ohne sich etwas vorzumachen

Die Messfrage ist bei GEO unangenehmer als bei klassischem SEO, weil es kein zentrales Dashboard gibt. Was heute funktioniert, ist eine Kombination aus vier Quellen:

Aus meiner Beratungspraxis der letzten Monate: Der häufigste Fehler ist nicht fehlende Optimierung, sondern fehlende Baseline. Wer nicht dokumentiert hat, bei welchen Prompts er im März zitiert wurde, kann im September keine Wirkung nachweisen. Eine einfache Tabelle mit Datum, Prompt, System und zitierten Quellen reicht als Anfang. Wer es systematischer will: Für inventivo nutze ich unter anderem die KI-Tracking-Funktionen von Sistrix, mit denen sich Zitat-Häufigkeiten über Zeit verfolgen lassen, als Sistrix-Partner seit 2018 ist das für mich der natürliche Startpunkt. Einen strukturierten Einstieg mit Ampel-Befunden bietet auch mein GEO-Leistungsangebot samt KI-Sichtbarkeits-Check.

Weitergedacht: Die Auswahl-Logik wird zur Währung

Ich halte die aktuelle GEO-Debatte an einer Stelle für zu kurz gedacht: Sie behandelt KI-Antworten wie eine neue SERP, auf der man wieder „ranken" kann. Die Mechanik spricht dagegen. Eine Antwort hat zwei bis sechs Zitate, keine zehn blauen Links, und die Auswahl läuft über Passagen-Qualität plus Entitäts-Vertrauen statt über Link-Popularität. Das ist kein verschobenes Ranking, das ist ein anderes Spiel mit brutalerer Verteilung: Wenige Quellen bekommen die Nennungen, der Rest wird unsichtbar, ohne es zu merken.

Für Unternehmen im Mittelstand sehe ich darin eher eine Chance als eine Bedrohung. Die Auswahl-Logik belohnt genau das, was kleine Fachanbieter großen Portalen voraushaben: erste Hand statt Aggregation, konkrete Zahlen statt Allgemeinplätze, erkennbare Autorschaft statt Redaktions-Content. Die Portale gewinnen das Volumen-Spiel, aber ein präziser Absatz eines echten Praktikers gewinnt die Teilfrage. Wer jetzt anfängt, seine wichtigsten Inhalte absatzweise zitierfähig zu machen und die eigene Baseline zu messen, baut sich einen Vorsprung auf, der schwer einzuholen ist, weil er auf Substanz beruht und nicht auf einem Trick, den das nächste Modell-Update entwertet.

FAQ: Generative Engine Optimization

Ist Generative Engine Optimization dasselbe wie GEO, LLMO und AEO?

Im Kern ja. Generative Engine Optimization (GEO) ist der Begriff aus der wissenschaftlichen Original-Studie, LLMO (Large Language Model Optimization) und AEO (Answer Engine Optimization) beschreiben dasselbe Ziel aus anderen Blickwinkeln: als Quelle in KI-generierten Antworten aufzutauchen. Unterschiede liegen in Nuancen der Betonung, nicht in der Methodik.

Warum zitiert ChatGPT meine Website nicht, obwohl sie bei Google gut rankt?

Weil ChatGPT nicht auf dem Google-Index arbeitet. ChatGPT Search nutzt einen eigenen, historisch Bing-gestützten Index und eigene Crawler. Prüfe zuerst, ob deine Seiten bei Bing indexiert sind und ob OAI-SearchBot Zugriff hat. Danach zählt die Passagen-Ebene: Ein gutes Google-Ranking belegt Seitenrelevanz, aber zitiert werden einzelne Absätze, die eine Teilfrage vollständig beantworten.

Wie erkenne ich Besucher, die über ChatGPT oder Perplexity kommen?

ChatGPT markiert ausgehende Links mit dem Parameter utm_source=chatgpt.com, Perplexity-Besuche tragen den Referrer perplexity.ai. In GA4 lassen sich beide als eigene Quelle segmentieren. Zusätzlich zeigen Server-Logs, ob KI-Crawler deine Seiten überhaupt abrufen. Firmen-Identifikation macht aus anonymen KI-Besuchen zusätzlich konkrete B2B-Kontakte.

Soll ich KI-Crawler wie GPTBot blockieren oder zulassen?

Das hängt vom Ziel ab, und die Entscheidung sollte getrennt fallen: GPTBot sammelt Trainingsdaten, OAI-SearchBot speist die ChatGPT-Suche, ChatGPT-User ruft Seiten live für Nutzeranfragen ab. Wer in KI-Antworten zitiert werden will, muss mindestens die Such- und Live-Crawler zulassen. Eine Pauschal-Blockade aller Bots beendet die KI-Sichtbarkeit komplett.

Brauche ich eine llms.txt-Datei?

Verpflichtend ist sie nicht, und bisher hat kein großes KI-Suchsystem offiziell bestätigt, sie auszuwerten. Sie ist ein Vorschlag mit geringem Aufwand und unklarem Nutzen: anlegen schadet nicht, ersetzt aber keine einzige inhaltliche Maßnahme. Die Auswahl-Entscheidung fällt bei den Absätzen deiner Seiten, nicht bei einer Übersichtsdatei.

Taucht KI-Traffic in der Google Search Console auf?

Nur teilweise. Klicks aus Google AI Overviews und AI Mode werden als normale Google-Klicks gezählt, ohne eigenes KI-Label. Besuche aus ChatGPT und Perplexity tauchen in der Search Console gar nicht auf, weil sie keine Google-Klicks sind. Für ein vollständiges Bild brauchst du zusätzlich Web-Analytics mit Quellen-Segmentierung und idealerweise Server-Logs.