Zurück zur ÜbersichtIhre GEO-Agentur für nachhaltiges KI-Marketing in Nürnberg
Sie wollen LLM-ready werden? Wir helfen und erklären wie.
Als erfahrene Marketing- und SEO-Agentur setzen wir schon seit einiger Zeit in der täglichen Arbeit auch auf KI-Systeme wie ChatGPT oder Adobe Firefly – sofern unsere Kunden dies wünschen. Mit der steigenden Verbreitung von Künstlicher Intelligenz (KI) und Large Language Models (LLM) wird es für unsere Kunden und uns aber immer wichtiger, auch in den Ergebnissen von Tools wie ChatGPT oder Googles AI Overview präsent zu sein.
Sie suchen eine GEO-Agentur?
Wir betreuen Sie zu KI-Marketing und mehr in Nürnberg, der Region und darüber hinaus.
Jetzt Kontakt aufnehmen
Was ist GEO bzw. AI-SEO?
Für diese sehr junge Disziplin des Online-Marketing hat sich noch kein allgemeiner Begriff durchgesetzt. Neben KI-SEO bzw. AI-SEO werden auch Begriffe wie Generative Engine Optimization (GEO), Answer Engine Optimization (AEO), LLM-SEO, LLM-Optimization (LLMO) oder Prompt-SEO diskutiert. Wir verwenden die Begriffe vorerst synonym.
Wir verstehen unter KI-SEO bzw. Generative Engine Optimization alle Maßnahmen, mit denen die Antworten von KI-Systemen bzw. LLM im Sinne der eigenen Marketing-Ziele beeinflusst werden sollen.
Sie umfasst sowohl die Erstellung und Optimierung von Inhalten wie Texten, Bildern, Ton oder Videos als auch technische und sonstige Aspekte, die diese Inhalte für die LLM zugänglich machen und sie glaubwürdig erscheinen lassen. KI-SEO beschränkt sich dabei nicht nur auf die eigene Website (On-Page) sondern umfasst auch Maßnahmen auf fremden Seiten (Off-Page).
Was erwarten Sie sich von einer GEO-Agentur?
Bevor man Maßnahmen ergreift, um „KI-SEO zu machen“, sollte man sich zunächst bewusst darüber werden, was man damit erreichen will.
In der klassischen Suchmaschinenoptimierung war die Antwort auf diese Frage noch relativ einfach: Man hat passende Keywords identifiziert und Maßnahmen ergriffen, um dafür möglichst gut zu ranken. Das Ziel war, dass viele relevante Nutzer auf die eigenen Suchergebnisse klicken und dann auf der Website etwas tun – beispielsweise im Shop einkaufen oder Kontakt mit dem Vertrieb aufnehmen. Und all das – Rankings, Klicks, Conversions – konnte man mehr oder weniger gut tracken und so seinen Erfolg messen.
Bei der Generative Engine Optimization ist die Frage nach den eigenen Erwartungen viel schwieriger. Die meisten LLM bzw. KI-Tools – inklusive Googles AI-Overview – sind gar nicht darauf ausgelegt, Nutzer zu einer externen Seite zu führen. Sie sollen die gestellte Frage selbst beantworten.
Googles AI-Overview gibt zwar Websites als Quellen an, ein Großteil der Nutzer überprüft die KI-Antworten aber gar nicht. Tools wie ChatGPT geben nur bei einem Teil der Antworten überhaupt Links aus, beispielsweise wenn man explizit danach fragt.
Der direkt von KI-Tools vermittelte Traffic dürfte daher in Zukunft nur eines von verschiedenen möglichen Zielen sein, die man mit seiner GEO-Agentur verfolgen kann. Hier einige Beispiele:
- Ich möchte über KI-Tools Traffic auf meine Seite bringen und so Kunden gewinnen.
- Wenn ein Nutzer sein KI-Tool nach einer Empfehlung aus meiner Branche in meiner Stadt fragt, möchte ich ganz oben genannt werden. Dadurch sollen potentielle Kunden in mein Geschäft kommen.
- LLM sollen mein Produkt oder mein Unternehmen möglichst vorteilhaft darstellen, wenn Fragen zu unserem Markt gestellt werden. So will ich meinen Absatz – auch über unabhängige Händler – steigern.
- KI-Tools können wesentlich komplexere Anfragen zu passenden Anbietern verarbeiten als Suchmaschinen. Daher möchte ich, dass sie meine Expertise z.B. in Bezug auf Branchen, Unternehmensgrößen und regionale Ausrichtung kennen – und ich möchte so möglichst oft im „relevant Set“ von potentiellen Kunden landen, die nach spezifischen Anforderungen gesucht haben.
- Ich möchte bei Sachfragen in meiner Branche möglichst oft als Quelle oder Referenz genannt werden, um meine Marke zu stärken.
Bei vielen dieser Zielsetzungen braucht der Nutzer gar nicht mehr die Website zu besuchen. So kann er sich das Produkt auch im Einzelhandel kaufen, direkt zu einem Standort kommen oder sich von der KI direkt die Telefonnummer geben lassen und anrufen. Oder der Besuch der Website erfolgt erst viel später.
Wie funktioniert KI-SEO?
Schon bei klassischem SEO sind die genauen Rankingfaktoren und Wirkungsweisen nicht ganz klar. Bei der Generative Engine Optimization ist noch weniger offensichtlich, welche Maßnahmen in welchem Ausmaß zum Erfolg führen. Das hat mehrere Gründe:
- Die KI-Tools sind noch vergleichsweise neu, sodass es noch wenig Erfahrungswerte gibt. Hinzu kommt, dass die LLM in hohem Tempo weiterentwickelt werden.
- Es gibt bisher kein Quasi-Monopol wie Google. SEO ist im Wesentlichen Google-Optimierung. Bei KI ist der Markt noch stärker verteilt unter Google AI-Overview, ChatGPT, Claude, DeepSeek & Co. Die unterschiedlichen LLM funktionieren aber teilweise auch sehr unterschiedlich.
- Das maschinelle Lernen ist selbst für die Entwickler ein Stück weit eine Black Box. Wie die KI zu einer konkreten Antwort kommen, ist weniger nach festen Regeln „programmiert“, sondern aus unzähligen Quellen „gelernt“. Grundsätzlich können selbst kleine Änderungen an den Quellen große Folgen für die Antworten haben.
- Die unterschiedlichen mit KI-SEO verfolgten Ziele lassen sich teilweise mit ganz unterschiedlichen Maßnahmen erreichen.
- Die meisten Betreiber von KI-Modellen veröffentlichen keine Zahlen zu beliebten Prompts. Hinzu kommt, dass diese Fragen meist deutlich länger ausfallen als Suchanfragen in Suchmaschinen. Insgesamt ist es daher schwierig, Prompts zu identifizieren, für die man KI-SEO machen sollte.
- Die LLM werden normalerweise mit Daten trainiert, die zu einem bestimmten Stichtag verfügbar sind. Bis zur Veröffentlichung vergehen dann teilweise Monate. Daher fallen Maßnahmen und Wirkung zeitlich teilweise weit auseinander.
Dennoch zeichnen sich – aufgrund erster Erfahrungen und der Funktionsweise von LLM – einige Grundprinzipien ab, wie sich die Antworten von KI-Systemen beeinflussen lassen. Tendenziell scheinen viele Erkenntnisse aus der klassischen SEO auch für KI-SEO zu gelten – nicht zuletzt, weil manche KI-Tools selbst auf Suchmaschinen zugreifen, um z.B. aktuelle Informationen zu finden.
Wir unterscheiden hier nach Inhalten, Platzierungen und technischen Maßnahmen, die wir im folgenden weiter ausführen. Welche der Maßnahmen angewendet werden sollten, hängt nicht zuletzt von den verfolgten Zielen ab.
Welche Inhalte eignen sich für KI-SEO?
Grundsätzlich können die Crawler von KI-Systemen praktisch beliebige Arten von Inhalten verarbeiten. Neben Text „verstehen“ viele von ihnen auch Bilder, Ton oder Videos.
Bei der Auswahl und Gestaltung von Inhalten sollte man sich bewusst machen, dass viele der Antworten nicht auf einem tieferen Verständnis der Inhalte basieren, sondern auf „Co-Occurrence“ (Kookkurrenz), also dem gemeinsamen Erscheinen von Begriffen.
Will man beispielsweise bei der Frage nach der „besten GEO-Agentur für Industriegüter-Hersteller“ genannt werden, ist es hilfreich, wenn die eigene Agentur sowohl im Zusammenhang mit „GEO-Agentur“ als auch mit „Industriegüter-Herstellern“ (häufig) genannt wird. Da es potentiell sehr viele mögliche Kombinationen gibt, sollte sich das auch in den eigenen Inhalten widerspiegeln.
Hierzu eignen sich beispielsweise:
- Technische Dokumentationen: Diese enthalten normalerweise sehr detaillierte Angaben zu Anwendungsmöglichkeiten, Verträglichkeiten, Materialien, Leistungsparametern etc., nach denen Nutzer fragen könnten.
- Referenzen: Sie bieten die Möglichkeit, im Zusammenhang mit Branchen, Orten, Firmen, Anwendungsmöglichkeiten, Leistungsparametern etc. genannt zu werden.
- Vergleiche: Direkte Produktvergleiche oder Leistungsvergleiche von Firmen helfen vor allem, wenn die KI gefragt wird, wer besser ist oder welche Alternativen es zu einem Produkt gibt.
- Fragen: Content, der auf Fragen basiert (z.B. FAQ, How-To-Anleitungen) helfen, wenn Nutzer solche oder ähnliche Fragen beantwortet haben wollen.
- Bewertungen und Testergebnisse: Inhalte, bei denen Produkte konkret bewertet werden, helfen insbesondere, wenn Nutzer nach dem „besten“ Anbieter für ihr Problem suchen. Auch hier zahlt es sich meist aus, wenn Anwendungsmöglichkeiten und Leistungsmerkmale herausgestellt werden.
Ähnlich wie Menschen und Suchmaschinen verwenden auch LLM Informationen umso eher, je glaubhafter sie ihnen erscheint. Daher kann es gerade für KI-SEO sinnvoll sein, die eigenen Inhalte mit Quellenangaben und Zitaten von Experten anzureichern sowie Autoren und z.B. Messmethoden offenzulegen.
Grundsätzlich dürfte auch negatives GEO – also das Provozieren von negativen KI-Antworten über die Konkurrenz – möglich sein. Sofern dies über objektive Vergleiche und Bewertungen hinaus geht, sind dem durch das UWG allerdings juristisch enge Grenzen gesetzt.
Off-Page-GEO
Klassisches SEO findet vor allem auf der eigenen Website statt. Diese ist auch weiterhin eine gute Option für die Verbreitung der eigenen Inhalte – insbesondere wenn man das Ziel verfolgt, Traffic auf die Website zu bringen.
Verfolgt man andere Ziele, ist es für die Generative Engine Optimization in vielen Fällen gar nicht relevant, wo Inhalte ausgeliefert werden. Häufig sind andere Plattformen sogar die bessere Wahl.
Stellen Sie sich vor, Sie wären eine KI und jemand fragt Sie nach dem besten Anbieter für eine bestimmte Leistung. Wen würden Sie empfehlen?
- Den Anbieter, der auf seiner Homepage 15 Mal behauptet, er wäre der Beste?
- Oder den Anbieter, der die besten Bewertungen bei Google (und anderen Bewertungs-Plattformen) hat, regelmäßig in Foren als „der Beste“ gelobt wird und der laut Medienberichten etliche Preise gewonnen hat?
Vermutlich würden Sie – und viele LLM – den zweiten empfehlen. Ob das wirklich der beste Anbieter ist, weiß auch die KI nicht, aber die Systeme laufen zumindest teilweise nach dem Prinzip „Wahrheit durch Wiederholung“. Und im Gegensatz zu klassischer Off-Page SEO reicht hier schon die Erwähnung von einem Produkt oder Anbieter – auch ohne dass ein Backlink damit verbunden wäre.
Etwas, das Suchmaschinen und LLM verbindet, ist, dass sie verschiedenen Quellen unterschiedlich stark vertrauen. So wird Wikipedia eher geglaubt als einer einem unbekannten Blog, einem Forschungsinstitut eher als einem Influencer. Zur Bewertung werden häufig die Attribute Erfahrung, Expertise, Authorität und Vertrauenswürdigkeit (EEAT: Experience, Expertise, Authoritativeness und Trustworthiness) herangezogen, die großenteils themenspezifisch sind.
Schneiden externe Plattformen bei EEAT besser ab als die eigene Homepage, können sie sehr hilfreich sein, wenn es darum geht, mit eigenen Inhalten die Antworten von KI-Modellen zu beeinflussen. Hier einige Plattformen, die Sie nutzen können, um Ihre Inhalte zu verbreiten:
- Wikipedia: Das Online-Lexikon ist gut strukturiert, open source, meist gut recherchiert, deckt eine breite Palette an Wissen ab und hat hohe Qualitätsstandards. Es dürfte kaum ein LLM geben, bei dem Wikipedia nicht in die Trainingsdaten einfließt.
- Pressearbeit: Wenn es in der (Online-)Zeitung steht, muss es wohl wahr sein, oder?
- Verzeichnisse: Online-Datenbanken wie „Wer-liefert-Was“ oder das Google Unternehmensprofil stellen auch KI-Modellen strukturierte Informationen darüber zur Verfügung, wer was wo anbietet.
- Bewertungsplattformen: Während es gegen das UWG verstoßen würde, Bewertungen bei Google, ProvenExpert & Co zu kaufen, kann es durchaus Sinn machen, zufriedene Kunden um eine Bewertung zu bitten.
- Foren: Ja, es gibt noch Diskussionsforen. Von allgemeinen wie gutefrage.net und Reddit bis hin zu sehr Spezifischen.
- Blogs: Viele Blog-Betreiber sind dankbar für bezahlte oder sogar unbezahlte Gast-Beiträge, Interviews oder anderen Content.
- Social Media: Sowohl die eigenen Social Media Inhalte als auch die Kanäle von Influencern werden zumindest teilweise von den KI-Anbietern gecrawlt.
Technisches GEO
Grundvoraussetzung dafür, KI-Antworten durch eigene Inhalte zu beeinflussen, ist die Zugänglichkeit der Inhalte für die eingesetzten Crawler. Das setzt unter anderem voraus, dass die Inhalte nicht hinter Bezahlschranken, im Login-Bereich oder hinter Filter- und Suchfunktionen versteckt sind. Die Inhalte müssen auffindbar und aufrufbar sein.
Aber auch, wenn ein KI-Crawler einen Inhalt gefunden und aufgerufen hat, kann er durch technische Barrieren am Lesen und Verstehen gehindert werden. Im Gegensatz zum Google-Bot können einige KI-Crawler wohl nur html einlesen und keine Skripte ausführen. Crawler sind auch normalerweise nicht in der Lage, Content nachzuladen, der beispielsweise erst durch einen Klick oder Scrollen geladen wird.
Während die KI-Systeme oft durchaus in der Lage sind, auch Bilder, Podcasts und Videos auszuwerten, sind dennoch Text-Alternativen wie Alt-Attribute, Transkriptionen oder Untertitel zu empfehlen.
Darüber hinaus ist es sinnvoll, den KI-Systemen das Verstehen von Inhalten möglichst einfach zu machen. Daher wird oft empfohlen, Inhalte klar zu strukturieren – beispielsweise mit Überschriften (H1, H2 …), Bullet Points oder auch Schema.org-Auszeichnung.
Wie kann man die Leistung einer GEO-Agentur messen?
Die Leistung einer GEO-Agentur zu messen, ist aktuell schwierig bis unmöglich – abhängig von den verfolgten Zielen. Da zwischen dem Einlesen von Inhalten durch den KI-Betreiber und der Veröffentlichung des darauf aufbauenden Modells teilweise Monate vergehen, gibt es außerdem eine große zeitliche Verzögerung. Hier einige Optionen für die Messung von Erfolgen im KI-SEO:
- Website-Betreiber können Webanalyse-Tools wie Google Analytics oder Matomo verwenden, um die Quellen für ihren Web-Traffic zu analysieren. Hier kann man auswerten, wie oft chatgpt, perplexity, gemini, claude, copilot & Co als Referrer auftauchen.
- Klassische SEO-Tools wie Sistrix bieten bisher nur Angaben dazu, ob es zu einem Suchbegriff einen AI-Overview gibt. Ob man dort erwähnt wird, erfährt man nicht. Auch die Google Search Console scheint bisher nicht zwischen normalem Traffic und Klicks auf Quellenangaben zu unterscheiden.
- Will man bei bestimmten Prompts erwähnt oder als Quelle genannt werden, kann man diese Fragen auch selbst regelmäßig stellen und die Ergebnisse von Hand auswerten. Ähnlich wie bei der Google-Suche kommt es hier aber zu Verzerrungen, da die Antworten teilweise an den Nutzer angepasst werden. Erste Anbieter scheinen dafür auch Tools zu entwickeln. Die Aussagekraft dieser Option wird außerdem dadurch eingeschränkt, dass die Betreiber nicht veröffentlichen, welche Fragen wie oft gestellt werden.
Insgesamt stecken sowohl das KI-Marketing selbst als auch die Möglichkeiten, die Leistung einer GEO-Agentur zu messen, noch in den Kinderschuhen. Da sich der Markt der LLM sehr schnell entwickelt, sollte dennoch Answer Engine Optimization bereits heute bei jeder (Online-)Marketing-Entscheidung mitgedacht werden. Noch hat es aber nicht das Potential, andere starke Marketing-Kanäle zu ersetzen.
