1. Die neue Suche: Vom blauen Link zur synthetischen Antwort

Über zwei Jahrzehnte folgte die digitale Sichtbarkeit einer einfachen Logik: Wer auf Seite eins von Google rankte, wurde gefunden. Klicks waren die Währung, Rankings das Spielfeld, SEO die Disziplin. Diese Logik bricht gerade auseinander.

Drei Zahlen markieren den Bruch:

• Pew Research (2025): Sobald eine AI-Zusammenfassung in den Google-Ergebnissen erscheint, klicken Nutzer auf klassische Treffer nur noch etwa halb so oft. Nur 8 % der Suchen mit AI-Summary enden in einem Klick auf ein Ergebnis – gegenüber 15 % ohne Summary.
• SparkToro / Datos (2024): 69 % aller Google-Suchen endeten 2024 ohne einen einzigen Klick auf eine externe Website. Pre-AI lag dieser Wert noch deutlich niedriger.
• Gartner-Prognose: Bis Ende 2026 ist mit einem Rückgang des klassischen Suchmaschinen-Volumens um rund 25 % zu rechnen – während AI-Referrals zu Top-Sites zwischen Juni 2024 und Juni 2025 um 357 % gestiegen sind.

Was passiert hier? Die Suche entkoppelt sich vom Klick. Nutzer stellen Fragen, Antwortmaschinen synthetisieren Antworten aus dem Web – und nur ein Bruchteil dieser Nutzer landet noch auf der Quellseite. Die Sichtbarkeit verlagert sich in den Antwortraum: in AI Overviews, in ChatGPT-Responses, in Perplexity-Citations, in Sprach- und Auto-Antworten von Alexa, Siri und Copilot.

Für Marken bedeutet das eine fundamentale Umstellung. Es reicht nicht mehr, gefunden zu werden – Marken müssen zitiert, empfohlen und in den Antwort-Kanon aufgenommen werden. Genau dafür stehen die beiden Disziplinen, um die es in diesem Report geht: AEO und GEO.

Warum dieser Wandel kein Hype ist

Anders als beim Voice-Search-Hype 2017 oder beim Metaverse-Versprechen 2022 belegen die KI-Suche-Verschiebungen sich aus harten Nutzungsdaten. ChatGPT verarbeitet Mitte 2025 rund 2,5 Milliarden Prompts pro Tag und kommt im Oktober 2025 auf etwa sechs Milliarden monatliche Besuche. Perplexity meldet über 1,2 Milliarden monatliche Anfragen. Google AI Overviews erscheinen je nach Studie in 18 bis 47 % aller Suchen, mit anhaltender Tendenz nach oben.

In Deutschland ist die Adoption ebenfalls massiv: Laut TÜV-Verband nutzen 65 % der Bundesbürger generative KI-Tools, bei den 16- bis 29-Jährigen sind es 91 %. Eine YouGov-Erhebung vom April 2025 beziffert den Anteil der Deutschen, die ChatGPT bereits ausprobiert haben, auf 43 %. Im April 2023 waren es 23 %, im Oktober 2024 schon 37 % – die Kurve ist steil und stabil. Deutschland generiert nach Daten von GPT Insights rund 5–6 % des weltweiten Prompt-Volumens und ist damit Europas Spitzenreiter bei der ChatGPT-Nutzung.

Diese Verschiebung trifft B2B genauso wie B2C, Industrie genauso wie Handwerk. Die Frage ist nicht mehr, ob Unternehmen sich auf KI-Suche einstellen müssen, sondern wie schnell.

2. Begriffsklärung: SEO, AEO, GEO, LLMO – wer macht was?

Die Disziplin-Landschaft ist neu, voller Buzzwords und teils widersprüchlicher Definitionen. Diese Klärung hält sich an die in der Forschung und bei führenden Branchenanalysten (Conductor, Search Engine Land, Princeton, evergreen.media) konvergierende Lesart:

SEO – Search Engine Optimization

Klassische Suchmaschinenoptimierung. Ziel: Top-Platzierungen in den organischen Trefferlisten von Google und Bing. Hebel: Keywords, Backlinks, technische Performance, Content-Qualität. Erfolgsmetrik: Rankings, Impressionen, Klicks, organischer Traffic.

AEO – Answer Engine Optimization

Optimierung von Inhalten für Antwortmaschinen, die eine konkrete Antwort extrahieren und direkt anzeigen. Dazu gehören Featured Snippets, Voice-Assistenten (Alexa, Siri, Google Assistant), Bing-Antwortboxen und Google AI Overviews. Erfolgsmetrik: Featured-Snippet-Anteil, Voice-Antwort-Position, Zitationen in AI Overviews. AEO ist die direkte Evolution des Featured-Snippet-Spiels – jetzt aber auf KI-Niveau.

GEO – Generative Engine Optimization

Optimierung dafür, von generativen KI-Systemen wie ChatGPT, Claude, Gemini, Perplexity oder Copilot in synthetisierten Antworten zitiert und referenziert zu werden. GEO geht tiefer als AEO: Es geht nicht nur um Extrahierbarkeit, sondern um Vertrauen, semantische Tiefe und Autorität, die ein LLM dazu bringt, eine Quelle in seine Antwort einzuweben. Der Begriff wurde 2023 in einer Princeton-Forschungsarbeit (Aggarwal et al.) geprägt und hat sich 2024/2025 als Standard durchgesetzt.

LLMO – Large Language Model Optimization

Wird oft synonym mit GEO verwendet. Spezifischer Fokus: Verhalten in den großen Sprachmodellen selbst, inklusive Trainings-Datengrundlage, Knowledge-Graph-Anschluss und Marken-Erwähnungen außerhalb der eigenen Domain (sogenannte Off-Site-Signale).

Wo verlaufen die Grenzen?

Die Übergänge sind fließend. Google selbst hat über Danny Sullivan (Search Liaison) im September 2025 erklärt: „Good SEO is good GEO“. Die fundamentalen Hebel – inhaltliche Tiefe, Autorität, Vertrauen, technische Sauberkeit – wirken in alle Richtungen. Aber die Ausspielsysteme verlangen unterschiedliche Aufbereitungen. Eine reine Featured-Snippet-Optimierung reicht nicht für ChatGPT-Zitate; eine reine Long-Form-Strategie reicht nicht für Voice-Antworten.

Vergleich auf einen Blick

In der Praxis sollten Marken alle vier Ebenen integriert denken. Die Fokus-Hebel überschneiden sich zu rund 70 %; die restlichen 30 % entscheiden, ob eine Marke in der jeweiligen Plattform tatsächlich zitiert wird oder nicht.

3. Marktdaten 2025/2026: Wie groß ist die Verschiebung wirklich?

Die folgenden Datenpunkte bilden den aktuellen Stand der Forschung. Wo Quellen widersprechen, werden beide Werte genannt.

Globale KI-Suchnutzung

• ChatGPT: ca. 800 Mio. wöchentliche Nutzer (OpenAI, 2025); rund 2,5 Mrd. Prompts pro Tag (Mitte 2025); ca. 6 Mrd. monatliche Website-Besuche (Oktober 2025).
• Perplexity: über 1,2 Mrd. monatliche Anfragen (Eigenangabe 2025); positioniert sich explizit als „Answer Engine“ mit transparenter Quellenangabe.
• Google AI Overviews: Verfügbar in 200+ Ländern und 40+ Sprachen; Sichtbarkeit bei laut Conductor-Daten 25,1 % aller Google-Suchen (Stand März 2026), gegenüber 13,1 % im März 2025 – fast Verdopplung in 12 Monaten.
• Studienabhängige Werte für AI-Overview-Trigger-Rate: 18 % (März 2025), 20,5 % bei Keyword-Tests (Frühjahr 2025), 47 % bei breiteren Surveys – die Streuung erklärt sich durch unterschiedliche Such-Cluster (informational vs. transactional).

Verhalten der Nutzer

• 60 % aller US-Suchen endeten 2024 ohne Klick (gegenüber 26 % 2022).
• 80 % der Nutzer verlassen sich nach eigener Aussage „mindestens 40 % der Zeit“ auf KI-Zusammenfassungen (Branchenstudie 2025).
• 64 % der Konsumenten geben laut Master.of.Code (2024) an, sie würden Produkte kaufen, die KI ihnen empfiehlt.
• Quellen, die in AI Overviews zitiert werden, zeigen eine 27 % höhere Click-Through-Rate auf den verbleibenden Klicks gegenüber klassischen organischen Treffern.

Adoption Deutschland

• 65 % der Deutschen nutzen generative KI-Tools (TÜV-ChatGPT-Studie 2025); 91 % der 16- bis 29-Jährigen.
• 45 % der KI-Nutzer setzen die Tools mindestens wöchentlich ein, bei den Jüngeren 55 %.
• 72 % nutzen KI für Informationssuche – das ist der Direkt-Konkurrenzfall zu Google.
• Deutschland erzeugt 5–6 % des weltweiten Prompt-Volumens und liegt im Country-Traffic auf chatgpt.com bei rund 4 % (November 2025).

Business-Impact

• Conductor (2025) analysierte 13.770 Domains und 100 Mio. AI-Citations: AI-Referrals machen aktuell 1,08 % des gesamten Web-Traffics aus – mit ca. 1 % Wachstum pro Monat.
• Frühe AEO-Adopter (seit Anfang 2024 aktiv) verzeichnen laut TNG-Shopper-Analyse 3,4-fach höheren Traffic aus Antwortmaschinen gegenüber Wettbewerbern, die später eingestiegen sind.
• GEO-ready Content wird laut „GEO Industry Report 2025“ bis zu 10x schneller von generativen Engines entdeckt als rein klassisch-SEO-optimierter Content.
• 31,2 % aller Websites verwenden weiterhin keinerlei strukturierte Daten – ein wesentlicher Wettbewerbs-Hebel liegt brach.

Was diese Zahlen ergeben

Drei Schlussfolgerungen lassen sich datengestützt ableiten:

1. Der Klick-Markt schrumpft, der Antwort-Markt wächst. Wer nur Klicks misst, übersieht den größeren Strom.
2. Die KI-Suche ist kein Substitut, sondern eine Parallelschicht. Conductor-CEO Seth Besmertnik nennt es „a parallel surface of visibility“ – Marken konkurrieren jetzt auf zwei statt einer Bühne.
3. Die Lücke zwischen klassischer Sichtbarkeit und KI-Sichtbarkeit ist real. Die Linehan/Guan-Studie (Ahrefs Brand Radar, 15.000 Prompts) zeigt: Die Überschneidung zwischen AI-Citations und Googles Top-10-Ergebnissen liegt insgesamt nur bei 12 %. Bei ChatGPT sind es nur 8 %, bei Perplexity 28 %, bei Bing nur 10 %. Die einzige Ausnahme: AI Overviews selbst – hier liegt die Überlappung mit Google Top-10 bei 76 %.

4. Wie KI-Antwortmaschinen Quellen auswählen

Um effektiv für AEO und GEO zu optimieren, muss man verstehen, was unter der Haube läuft. Die meisten generativen Suchsysteme arbeiten nach demselben Grundprinzip: Retrieval-Augmented Generation (RAG).

RAG in einfachen Worten

Der Nutzer stellt eine Frage. Das System verwandelt die Frage in einen mathematischen Vektor, der die Bedeutung repräsentiert. Aus einer Wissensdatenbank werden semantisch ähnliche Inhalte abgerufen. Diese Abrufe werden dem Sprachmodell als Kontext mitgegeben. Das Modell synthetisiert daraus eine Antwort, idealerweise mit Zitationen.

Drei Eigenschaften eines Inhalts entscheiden, ob er in dieses Spiel überhaupt eingeht:

• Auffindbarkeit: Crawler von OpenAI (GPTBot), Anthropic (ClaudeBot, anthropic-ai), Perplexity (PerplexityBot), Google (Google-Extended) und Common Crawl müssen den Inhalt indizieren können. Nahezu 80 % der größten Nachrichten-Verlage blockieren mittlerweile mindestens einen AI-Crawler – das schafft eine paradoxe Knappheits-Situation, in der frei zugänglicher, gut strukturierter Inhalt einen überproportionalen Vorteil hat.
• Verständlichkeit: Klare Hierarchien, semantisches HTML, Schema.org-Markup, kurze Sätze, eindeutige Definitionen. Eine 200-KB-Page mit React-Hydration und unstrukturiertem HTML wird von vielen LLMs deprioritisiert, weil sie teuer zu parsen ist – eine 40-KB-Page mit sauberer Struktur liefert dieselbe Information bei einem Bruchteil der Token-Kosten.
• Vertrauen: Hier wirkt Googles E-E-A-T-Framework (Experience, Expertise, Authoritativeness, Trustworthiness) als Dachmodell. Konsistente Entitäten-Signale (Wikipedia, Wikidata, Branchenverzeichnisse, Press Coverage) erhöhen die Wahrscheinlichkeit, dass eine Quelle in eine synthetisierte Antwort einfließt.

Die Entitäten-Logik

LLMs denken nicht in Keywords, sondern in Entitäten. Eine Entität ist ein klar identifizierbares Konzept, das in einem Knowledge Graph verankert ist – eine Person, ein Unternehmen, ein Produkt, ein Ort. Wer als Marke saubere, konsistente Entitäten-Signale aussendet, wird vom Modell „erkannt“.

Praktisch heißt das: Eine Werbeagentur in Hannover sollte überall mit demselben Namen, derselben Adresse, derselben Beschreibung auftauchen – auf der eigenen Website, in Wikipedia (sofern relevant), in Wikidata, im Handelsregister-Eintrag, auf LinkedIn, in Branchen-Portalen, in Reviews. Jede Inkonsistenz schwächt das Entitäten-Signal.

Plattform-spezifische Auswahl-Logiken

• Google AI Overviews ziehen laut Branchenanalysen ihre Quellen zu rund 76 % aus den eigenen Top-10-Treffern – wer hier nicht rankt, hat in AIO kaum eine Chance. Knapp 40 % der zitierten URLs stammen aus den Top-10, fast 70 % aus den Top-100.
• ChatGPT (mit Browse-Funktion) zeigt nur 8 % Überschneidung mit Google-Top-10. Es bevorzugt etablierte Autoritäten mit hohem Trust-Score, dafür aber semantisch breit aufgestellt.
• Perplexity nutzt ein dreistufiges Reranking-System (Broad Retrieval → Quality Reranking → Synthesis with Citations) und bevorzugt Frische und etablierte Domains.
• Microsoft Copilot stützt sich für B2B-Antworten überproportional stark auf LinkedIn und Microsoft-Ökosystem-Quellen.
• Claude (Anthropic) priorisiert Quellen mit klarer Zitierbarkeit und sauberer Struktur und gewichtet Autoritäts-Signale konservativer als ChatGPT.

Was das praktisch bedeutet

Eine einzige GEO-Strategie, die für alle Plattformen gleich funktioniert, gibt es nicht. Aber es gibt eine Schnittmenge: Sauber strukturierter, fakten-dichter, durch Drittquellen validierter Inhalt unter einer klar erkennbaren Autorenschaft funktioniert auf allen Plattformen besser als das Gegenteil. Die Plattform-Spezifika kommen on top.

5. Die Princeton-GEO-Studie: Was wirklich Zitate erzeugt

Die wichtigste empirische Grundlage für GEO ist die Forschungsarbeit von Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan und Ameet Deshpande, veröffentlicht 2024 auf der ACM-KDD-Konferenz. Die Forscher prägten den Begriff „Generative Engine Optimization“ und legten erstmals einen kontrollierten Test vor.

Studien-Setup

Die Forscher entwickelten GEO-bench, einen Benchmark mit 10.000 realen Suchanfragen über mehrere Domänen (von Wissenschaft über Einkauf bis Lifestyle). Sie testeten verschiedene Content-Modifikationen gegen ein Baseline-System und maßen mit eigenen Metriken: Position-Adjusted Word Count (wie viel des Quell-Materials in die Antwort fließt) und Subjective Impression (wie prominent die Quelle wahrgenommen wird).

Die Kern-Ergebnisse

Sieben Content-Strategien wurden evaluiert. Folgende Effekte ließen sich nachweisen:

Drei Erkenntnisse stechen hervor:

• Was klassisches SEO belohnte (Keyword-Dichte), wird von generativen Systemen aktiv abgestraft. Quellen mit Keyword-Stuffing wurden 10 % seltener zitiert als die Baseline.
• Faktendichte schlägt Wortdichte. Konkrete Zahlen, Studienverweise und Experten-Zitate sind die stärksten Hebel – sie machen Inhalte „extraktionsfreundlich“ für die Synthese-Logik.
• Domänen-Abhängigkeit ist real. Bei Gesundheits-Themen wirken Statistiken stärker, bei Lifestyle-Themen wirken Zitate und narrative Elemente stärker. Eine pauschale GEO-Formel ohne Branchen-Anpassung greift zu kurz.

Was die Studie nicht beantwortet

Die Princeton-Forscher arbeiten mit synthetischen Generative-Engine-Outputs auf Basis öffentlicher Modelle aus 2023/2024. Echtzeit-Plattformen wie Google AI Mode, ChatGPT mit aktiviertem Web-Browse oder Perplexity Sonar haben proprietäre Reranking-Logiken, die im Detail nicht öffentlich dokumentiert sind. Die berichteten Effekte sind also Richtungsanzeigen, keine garantierten Multiplikatoren. Eine seriöse GEO-Beratung verspricht keine fixen Citation-Steigerungen – wer das tut, sollte mit Skepsis betrachtet werden.

6. AEO vs. GEO im Plattform-Detail

Die zentralen Antwort- und Generative-Engines unterscheiden sich in ihren Auswahl-Logiken erheblich. Wer mit einem einheitlichen Setup arbeitet, lässt Sichtbarkeit liegen.

Google AI Overviews & AI Mode

• Quellenwahl: rund 76 % Überlappung mit Google-Top-10-Ergebnissen. Klassisches SEO ist hier Voraussetzung, nicht Alternative.
• Bevorzugte Strukturen: FAQPage-Schema, HowTo-Schema, Article-Schema, Speakable-Schema.
• Aktueller Stand: AI Overviews erscheinen je nach Studie in 18–47 % aller Suchen, mit klarem Wachstum auf 25,1 % zentral gemessener Trigger-Rate (März 2026, Conductor).
• Optimierungs-Schwerpunkt für AEO: Direkte Antwort in den ersten 40–60 Wörtern eines Abschnitts; klare H2/H3-Fragen, gefolgt von prägnanten Antworten.

ChatGPT (OpenAI)

• Quellenwahl: nur ~8 % Überschneidung mit Google-Top-10. ChatGPT zieht stark aus seinem Trainings-Korpus (Common Crawl, Wikipedia, Wikidata, lizenzierte News-Quellen) und ergänzt bei aktiviertem Browse-Modus mit Echtzeit-Suche über Bing.
• Bevorzugte Strukturen: lange, fakten-dichte Inhalte mit klarer Autorenschaft; saubere Definitionsabschnitte; Glossare; konkrete Zahlen mit Quellen.
• Optimierungs-Schwerpunkt für GEO: Off-Site-Erwähnungen (PR, Wikipedia, Branchen-Portale) sind hier oft wichtiger als On-Site-Optimierung.

Perplexity

• Quellenwahl: 28 % Überschneidung mit Google-Top-10, 14 % mit Bing. Bevorzugt etablierte, autoritative Domains und stark frische Inhalte.
• Bevorzugte Strukturen: nutzt ein dreistufiges Reranking; reagiert sensibel auf Schema-Markup, klare Datums-Auszeichnung und originale Daten/Recherchen.
• Optimierungs-Schwerpunkt: Originalität schlägt Aggregation. Wer eigene Daten erhebt, wird hier überproportional belohnt.

Claude (Anthropic)

• Quellenwahl: konservativer als ChatGPT bei Autoritäts-Bewertung; bevorzugt akademische, behördliche und etablierte Branchen-Quellen.
• Bevorzugte Strukturen: klare Markup-Strukturen, eindeutige Quellenangaben, geringe Halluzinations-Anfälligkeit durch konservative Antwort-Strategie.
• Optimierungs-Schwerpunkt: präzise, gut belegte Inhalte mit klarer Provenienz.

Microsoft Copilot

• Quellenwahl: nutzt Bing-Index als Basis und integriert für berufliche Antworten LinkedIn, Microsoft Learn, GitHub und das Microsoft-365-Ökosystem.
• Bevorzugte Strukturen: für B2B-Themen ist eine aktive Unternehmens- und Personenpräsenz auf LinkedIn überproportional wichtig.
• Optimierungs-Schwerpunkt: Owned LinkedIn Pages, regelmäßige Thought-Leadership-Posts, technisches Microsoft-Tooling.

Google Gemini

• Quellenwahl: enge Verzahnung mit Google Search Index und YouTube; multimodale Inhalte (Video, Bild, Audio) gewinnen an Bedeutung.
• Bevorzugte Strukturen: Video-Transkripte, Bild-Alt-Texte, sauber strukturierte YouTube-Beschreibungen.
• Optimierungs-Schwerpunkt: Google-Ökosystem-Konsistenz – ein gepflegtes Google Business Profile, YouTube-Channel und Knowledge-Panel verstärken sich gegenseitig.

7. Praxis-Framework: 12 Hebel, mit denen Marken in KI-Antworten landen

Das folgende Framework integriert die Princeton-Forschung, Conductor-Benchmarks und Plattform-Spezifika zu zwölf konkret umsetzbaren Hebeln. Es ist nach Wirkungsstärke und Aufwand sortiert – die Top-5 sollten in jedem Setup zuerst angegangen werden.

On-Site-Hebel

1. Direkte Antwort in den ersten 40–60 Wörtern

Jeder thematische Abschnitt beginnt mit einer klaren, prägnanten Antwort. Erst danach folgen Vertiefung, Beispiele und Kontext. Dies ist der wichtigste AEO-Hebel und einer der stärksten GEO-Hebel: LLMs extrahieren bevorzugt aus dem Anfang eines Abschnitts.

2. Frage als Überschrift

Statt „Markenstrategie“ als Überschrift: „Was kostet eine Markenstrategie für mittelständische Unternehmen?“. Damit alignt die Überschrift mit realem Such-Verhalten. Tools wie AlsoAsked, AnswerThePublic oder die „People also ask“-Daten von Google geben hier verlässliche Anhaltspunkte.

3. FAQ- und HowTo-Schema-Markup

Strukturierte Daten sind nicht optional. FAQPage-, HowTo-, Article- und Speakable-Schema (für Voice) sind das Mindest-Set. Organization- und Person-Schema verstärken Entitäten-Signale. 31,2 % aller Websites haben laut TNG-Shopper-Analyse 2025 noch keinerlei strukturierte Daten – ein freier Wettbewerbs-Vorteil.

4. Statistik-Dichte

Konkrete Zahlen alle 150–200 Wörter. Princeton-Effekt: +41 % AI-Sichtbarkeit. Wo eigene Zahlen fehlen, mit klar attribuierten Drittquellen arbeiten. Wichtig: Datum und Quelle nennen.

5. Experten-Zitate

Direkte Zitate von namentlich genannten Experten (intern oder extern) erhöhen die Citation-Wahrscheinlichkeit laut Princeton um ~28 %. Idealerweise mit Funktion, Unternehmen und – bei externen Experten – Verlinkung auf eine etablierte Quelle (Forschungsinstitut, LinkedIn, Wikipedia).

6. Saubere E-E-A-T-Signale

Autoren-Bios mit Foto, Qualifikationen und Verifizierungs-Links. „Über uns“-Seite mit klarer Geschichte, Team und Kunden-Beispielen. Impressum, Datenschutz, Kontakt-Möglichkeiten gut auffindbar – nicht hinter Cookie-Wänden versteckt.

Off-Site-Hebel

7. Wikipedia und Wikidata

Sofern relevant: Wikipedia-Eintrag und Wikidata-Eintrag für die Marke aufbauen oder erweitern. LLMs greifen massiv auf diese Quellen zurück. Wichtig: Strenge Wikipedia-Richtlinien beachten, Selbst-Werbung wird zurückgewiesen. Realistischer Pfad: Drittberichterstattung erzeugen, dann externer Editor.

8. Branchen-Portale und Listings

Verzeichnis-Einträge mit konsistenten NAP-Daten (Name, Address, Phone) bei Sortlist, Werbeagenturen-in-meiner-Naehe, doit.software, Provenexpert, Trusted Shops, Capterra (B2B-SaaS) etc. Entitäten-Signale entstehen durch Wiederholung in vielen Quellen, nicht durch eine einzige perfekte Eintragung.

9. Digital PR und Original-Recherchen

Eigene Studien, Reports und Datenerhebungen (genau wie dieses Dokument) generieren Backlinks von Branchen-Medien und gleichzeitig zitierfähige Faktenpunkte. Eine Befragung von 200 lokalen Mittelständlern ist mehr wert als zehn generische Blog-Posts.

10. LinkedIn und Personal Branding

Insbesondere für B2B: Microsoft Copilot zieht überproportional aus LinkedIn. Aktive Unternehmens-Pages, regelmäßige Thought-Leadership von Geschäftsführung und Senior-Mitarbeitenden, dokumentierte Projekt-Cases.

Technische Hebel

11. Crawler-Zugriff sicherstellen

Die robots.txt sollte AI-Crawler explizit erlauben (sofern strategisch gewollt): GPTBot, ClaudeBot, anthropic-ai, PerplexityBot, Google-Extended, Bytespider, CCBot. Wer pauschal blockiert, verschwindet aus den Trainings- und Retrieval-Korpora. Wer nicht blockiert, hat – in einer Welt, in der bis zu 80 % der News-Verlage blockieren – einen automatischen Sichtbarkeits-Vorteil.

12. Token-Effizienz und Page-Performance

Eine 200-KB-Page mit React-Hydration und unstrukturiertem HTML kostet ein LLM rund 50.000 Tokens an Parse-Aufwand. Eine schlanke 40-KB-Page mit semantischem HTML erzeugt 10.000 Tokens. Generative Engines deprioritisieren teure Quellen. Server-Side-Rendering, klare HTML-Struktur, geringe DOM-Tiefe und schnelle Core Web Vitals zahlen direkt auf GEO ein.

8. Messung & KPIs: Wie misst man Sichtbarkeit, die nicht klickt?

Die größte Herausforderung der AEO/GEO-Welt: Klassische Web-Analytics reichen nicht aus. Wenn ChatGPT eine Marke in einer Antwort zitiert, ohne dass der Nutzer klickt, taucht das in keinem Google-Analytics-Bericht auf. Es entsteht „dunkler Traffic“ – Wirkung ohne Datenspur.

Drei Messebenen

Ebene 1: Citation Tracking

Tools wie Profound, Otterly.ai, Goodie, Surmado AI Visibility, AthenaHQ oder eigene Skript-Lösungen testen regelmäßig (täglich oder wöchentlich) festgelegte Prompts gegen ChatGPT, Claude, Gemini, Perplexity und Copilot. Erfasst werden: Wird die Marke erwähnt? Wird sie zitiert? Mit welchem Sentiment? Welche Wettbewerber werden mit-genannt?

Ebene 2: Referral-Traffic-Analyse

AI-Referral-Traffic taucht in Standard-Analytics als chatgpt.com, perplexity.ai, gemini.google.com oder copilot.microsoft.com auf. Die Conductor-Benchmark zeigt: Aktuell liefert dieser Kanal ca. 1 % des Gesamt-Traffics, mit ~1 % Wachstum pro Monat. Schon kleine Verbesserungen bei AEO/GEO werden hier sichtbar – wenn man explizit darauf segmentiert.

Ebene 3: Brand-Lift-Befragung

Klassische Markenbefragungen – „Welche Werbeagenturen aus Hannover kennen Sie?“ – sind das ehrlichste Maß für die kombinierte SEO+AEO+GEO-Wirkung. Quartalsweise Erhebung, vorher/nachher-Vergleich nach Kampagnen-Zyklen.

Vorgeschlagenes KPI-Set

• Citation Rate: Anteil getesteter Prompts, in denen die Marke zitiert wird (pro Plattform)
• Share of Voice in LLM-Antworten: Anteil der Erwähnungen relativ zu Wettbewerbern
• Citation Quality Score: Sentiment der Erwähnung (positiv/neutral/negativ)
• AI-Referral-Sessions: aus Analytics, segmentiert nach Quelle
• Direct-Search-Volumen: Brand-Searches in der Google Search Console (ein wachsendes Brand-Search-Volumen ist oft der erste Indikator dafür, dass GEO greift)
• Klassische SEO-KPIs als Hygienemetrik

Realistische Erwartungen

Sichtbarkeit in KI-Antworten verhält sich anders als Google-Rankings: weniger linear, weniger steuerbar, langsamer aufzubauen, aber auch stabiler einmal etabliert. Wer nach vier Wochen ChatGPT-Citation-Boom erwartet, wird enttäuscht. Wer nach sechs bis zwölf Monaten konsistente Erwähnung in plattform-übergreifenden Antworten sieht, hat alles richtig gemacht.

9. Fallstudie: Vaternam-Sichtbarkeit in KI-Antworten – ehrliche Bestandsaufnahme

Eine Research-Arbeit ohne Praxisteil ist abstrakt. Deshalb prüft dieser Abschnitt offen, wo die Vaternam Kreativagentur (Hannover, gegründet 2014, eingetragene Schutzmarke beim DPMA, Sitz Bödekerstraße 96) in der KI-getriebenen Sichtbarkeitswelt aktuell steht – mit der Klarheit, die ein Kunde von uns auch erwarten würde.

Brand-Search: starke Position

Bei direkten Brand-Suchen wie „Vaternam Werbeagentur“ oder „Vaternam Hannover“ rankt vaternam.de in Google selbstverständlich auf Platz 1 mit allen relevanten Sub-Seiten (Agentur, Leistungen, Kontakt, Knowledge). Auch der LinkedIn- und wlw.de-Eintrag ist auffindbar. Brand-Search-SEO ist intakt.

Generische Suche: differenziertes Bild

Bei generischen, hochkompetitiven Anfragen wie „Werbeagentur Hannover“, „Top Werbeagenturen Hannover 2025“ oder „Branding Agentur Hannover“ zeigt sich das typische Bild der DACH-Agenturlandschaft. Die ersten Treffer dominieren Aggregator-Plattformen wie Sortlist, doit.software, werbeagentur-in-meiner-naehe.de und werkenntdenbesten.de mit redaktionellen Top-X-Listen. Vaternam ist in diesen Listen aktuell nicht prominent vertreten – ein typischer Hebel-Punkt für viele Agenturen, nicht nur für uns.

Das ist relevant, weil genau diese Aggregator-Listen massiv Eingang in LLM-Antworten finden. Wer ChatGPT, Perplexity oder Claude fragt: „Welche sind die besten Werbeagenturen in Hannover?“, bekommt häufig Antworten, die aus genau diesen Listen synthetisiert sind. Die Konsequenz: Wer in den großen Listings auftaucht, wird in den synthetisierten KI-Antworten deutlich häufiger zitiert.

KI-Antwort-Sichtbarkeit: Status und Hebel

Die ehrliche Bestandsaufnahme im Mai 2026 zeigt drei Dinge:

1. Stark: Der Insights- und Wissens-Bereich auf vaternam.de mit Reports zu Themen wie KI-Readiness im niedersächsischen Mittelstand, Hannover-Event-Discovery, Employer-Branding-Website-Check und KI-Sichtbarkeit ist genau die Art originärer, statistik- und faktenreicher Content, den die Princeton-Forschung als GEO-Treiber identifiziert hat. Diese Inhalte sind ein latenter Citation-Asset – sie müssen nur stärker in der Branchen- und PR-Distribution ankommen.
2. Mittelstark: On-Site-AEO. Die Vaternam-Website nutzt klare Hierarchien, eingetragene Marken und ein konsistentes Branding. Schema-Markup-Tiefe (FAQPage, HowTo auf Service-Seiten, Article auf Knowledge-Posts) ist ausbaufähig. Dies ist der schnellste Quick-Win – Implementierung mit überschaubarem Aufwand, Effekt innerhalb von Wochen messbar.
3. Ausbaufähig: Off-Site-Entitäten-Signale. Wikipedia/Wikidata-Eintrag fehlt; Listing-Konsistenz auf den oben genannten Aggregator-Plattformen ist lückenhaft; Digital-PR-Volumen unter dem, was die eigenen Inhalte hergeben würden. Hier liegt der größte mittelfristige Hebel.

Was wir aus der eigenen Lage lernen

Der Fall Vaternam ist exemplarisch für etablierte mittelständische Marken, die hervorragende Owned-Content-Infrastruktur haben, aber in der durch KI vermittelten Außensicht noch unter-repräsentiert sind. Die Hausaufgaben sind nicht „mehr Content produzieren“ – die Hausaufgaben sind:

• Bestehende Knowledge-Inhalte mit konsistentem Schema-Markup und Statistik-Verdichtung GEO-fit machen
• Branchen-Listings systematisch ausbauen und konsistent halten
• Eigene Studien proaktiv an Branchen-Medien und lokale/regionale Wirtschaftsmedien streuen
• Personen-Branding der Geschäftsführung auf LinkedIn und in Branchen-Communities ausbauen (Copilot-Hebel)

Genau das ist die Kernmethodik, die wir auch für Kunden anwenden – und es ist gleichzeitig der Test, an dem unsere eigene Arbeit gemessen werden sollte. Transparenz über die eigene Bestandsaufnahme gehört zu einer ehrlichen Beratungs-Logik dazu.

10. Zukunft 2026–2028: Agenten, Multi-Modal-Suche und das Ende des klassischen SERP

Wer 2026 plant, sollte mindestens drei Trendlinien einkalkulieren, die schon heute sichtbar werden:

Trendlinie 1: Agentische Suche

ChatGPT Operator, Claude Computer Use, Perplexity Comet, Google Project Mariner und vergleichbare Systeme verlagern den Such-Akt vom Menschen zum Agenten. Statt einer Suche „Bestes italienisches Restaurant in Hannover“ sagt der Nutzer: „Buche mir für Freitag 19 Uhr einen Tisch in einem guten italienischen Restaurant in Hannover-Mitte“. Der Agent recherchiert, vergleicht, entscheidet, bucht.

Konsequenz: Die Marke konkurriert nicht mehr nur um den menschlichen Klick, sondern um die Agenten-Wahl. Strukturierte Daten, klar zugängliche Buchungs-/Kontakt-Endpunkte, robot-readable Preislisten und transparente Verfügbarkeiten werden zu kritischen Sichtbarkeits-Faktoren.

Trendlinie 2: Multi-Modal-Suche

Gemini 2.5 (Google), GPT-5 (OpenAI) und Claude 4.7 (Anthropic) verarbeiten Bild, Video, Audio und Text gleichermaßen. Pinterest-Suche, Google Lens, TikTok Search und Instagram Search verschmelzen mit klassischer Web-Suche. Visual-Content-Strategien werden Teil der GEO-Strategie.

Konsequenz: Bild-Alt-Texte, Video-Transkripte, präzise Bildunterschriften und Audio-Show-Notes werden so wichtig wie früher H1-Tags. Eine Werbeagentur, die ihre Cases nicht nur textlich, sondern visuell beschreibt – mit beschriftetem Asset-Material – wird in der Multi-Modal-Welt überproportional gefunden.

Trendlinie 3: Konsolidierung und Bezahl-Schichten

Anthropic, OpenAI, Google und Microsoft schließen zunehmend Lizenzverträge mit großen Verlagen (Reddit, FT, NYT, Le Monde, Springer). Gleichzeitig blockieren immer mehr kleinere Verlage AI-Crawler. Es entsteht eine Zwei-Klassen-Welt: lizenzierte „Premium-Quellen“, die LLMs verlässlich zitieren, und der Long Tail freier Quellen, der je nach Crawler-Politik mal mehr, mal weniger einfließt.

Konsequenz für Marken: Die Sichtbarkeit hängt mittelfristig auch davon ab, in welche Premium-Quellen man durch eigene Erwähnungen einsickert. PR-Arbeit wandelt sich von „Mention erzeugen“ zu „in lizenzierter Quelle zitiert werden“.

Wovor man sich nicht fürchten muss

Trotz aller Verschiebungen: Klassische Suche stirbt nicht. Semrush-Daten zeigen, dass ChatGPT-Nutzer ihr Google-Such-Verhalten nicht reduzieren, sondern ergänzen – die Gesamt-Suchaktivität wächst. Die fundamentalen Hebel guter Inhalte (Tiefe, Klarheit, Originalität, Vertrauen) wirken in alle Richtungen. Wer mit substanzieller, ehrlicher Markenkommunikation arbeitet, wird in keiner Such-Generation untergehen.

11. Risiken, Grenzen und der Bullshit-Filter

Der AEO/GEO-Markt wächst rasant – und wird damit zwangsläufig zum Tummelplatz für Versprechen, die nicht haltbar sind. Drei Warnsignale, die Marken kennen sollten:

1. „Wir garantieren ChatGPT-Citation in 30 Tagen“: Garantierte Platzierungen in LLM-Antworten gibt es nicht. Niemand außerhalb von OpenAI, Anthropic oder Google kann verbindlich versprechen, was ein Modell antwortet. Seriöse GEO-Beratung spricht von Wahrscheinlichkeiten und Hebeln, nicht von Zusagen.
2. Reine Tools ohne Strategie: Der Markt für „AI-Visibility-Audits“ zwischen 50 € und 500 € pro Test boomt. Solche Audits sind nützlich als Teil eines Strategie-Prozesses, nicht als Ersatz dafür. Eine Liste mit „Sie sind in 17 von 100 Prompts erwähnt“ ohne strategische Einordnung ist kein Beratungs-Output.
3. Dark-SEO-Methoden auf KI angewendet: Manche Anbieter versuchen, durch versteckte Prompt-Injektionen, Cloaking-Variants oder „LLM-Stuffing“ zu manipulieren. Diese Methoden funktionieren kurzfristig, werden aber schnell von den Modell-Anbietern erkannt und führen zu langfristigem Vertrauensverlust. Die Princeton-Forschung zeigt explizit: Manipulative Strukturen werden erkannt und abgestraft.

Reale Grenzen der Disziplin

• LLM-Antworten sind probabilistisch. Dieselbe Anfrage erzeugt unterschiedliche Antworten – Citation-Tracking braucht Sample-Größen, keine Einzelmessungen.
• Modelle ändern sich schnell. Was bei GPT-4 funktionierte, kann bei GPT-5 anders gewichtet sein. AEO/GEO ist Daueraufgabe, nicht Einmal-Projekt.
• Sprachen und Märkte unterscheiden sich. DACH-spezifische Optimierung ist nicht identisch mit US-zentrischen Best Practices, die in 80 % der englischsprachigen Quellen referenziert werden.
• Ethische Implikationen sind nicht trivial: Wer Inhalte explizit für Maschinen-Konsum optimiert, verändert auch das Lese-Erlebnis für Menschen. Gute AEO/GEO-Inhalte sind gleichzeitig gut für menschliche Leser; alles andere ist auf Dauer kontraproduktiv.

12. Handlungsplan: 30/60/90 Tage

Ein konkreter Umsetzungsplan, der in jeder Marketing-Organisation funktioniert – unabhängig von Größe und Branche. Die genannten Aufwands-Schätzungen beziehen sich auf einen mittelständischen B2B-Kontext mit eigener Marketing-Funktion.

Tage 1–30: Bestandsaufnahme und Quick Wins

1. Crawler-Audit: robots.txt prüfen; AI-Crawler-Zugriffe explizit erlauben (oder bewusst sperren). Aufwand: 1–2 Stunden Tech.
2. Schema-Markup-Bestand prüfen: FAQPage, HowTo, Article, Organization, Person. Lücken schließen. Aufwand: 1–3 Tage.
3. Top-20-Inhalte identifizieren, die das größte AEO/GEO-Potenzial haben (eigener Brand-Content + hochrangige SEO-Performer).
4. Erste Citation-Baseline mit ChatGPT, Claude, Gemini, Perplexity über 50–100 priorisierte Prompts erfassen. Tools: Profound, Otterly, manuell mit Tabellen-Tracking.
5. On-Site-Quick-Wins: Direkte Antworten in den ersten 60 Wörtern der Top-20-Seiten platzieren. Statistik-Dichte erhöhen. Klare Autoren-Bios.

Tage 31–60: Strukturelle Verbesserungen

• Branchen-Listings systematisch ausbauen mit konsistenten NAP-Daten und Beschreibungen. Mindestens 15 relevante Plattformen.
• LinkedIn-Strategie aktivieren: Geschäftsführung und 2–3 Senior-Profile mit wöchentlichen Thought-Leadership-Posts. Unternehmens-Page mit konsistenten Updates.
• Originale Daten-Story planen: Eine Branchen- oder Regional-Studie mit klaren Datenpunkten produzieren. Diese Studie wird zur GEO-Hauptwährung der nächsten 6–12 Monate.
• Wikipedia-/Wikidata-Strategie evaluieren: Wenn ausreichend Drittberichterstattung vorhanden, externe Editor-Unterstützung anstoßen.
• Citation-Tracking institutionalisieren: monatlicher Report, plattform-übergreifend, mit Wettbewerbs-Vergleich.

Tage 61–90: Skalierung und Verstetigung

• Originale Studie veröffentlichen, an Fachmedien streuen, in eigene Inhalte verlinken. Daraus 4–6 Folge-Inhalte produzieren (Blog, LinkedIn, Newsletter, Webinar).
• Multi-Modal-Layer aufbauen: zentrale Themen-Inhalte als Video, Podcast-Episode oder Visual-Story zweitverwerten. Transkripte und Show-Notes konsistent halten.
• Process-Definition für Content-Produktion festziehen: Jeder neue Inhalt durchläuft eine GEO-Checkliste (direkte Antwort, Statistik, Zitat, Schema, Bild-Alt).
• Quartals-Review mit den vier zentralen KPIs: Citation Rate, Share of Voice in LLM-Antworten, AI-Referral-Sessions, Brand-Search-Volumen.
• Strategischen Ausblick auf nächste 90 Tage definieren: Welche neuen Plattformen (Multi-Modal, Agenten) werden relevant? Welche Hebel sind ausgereizt, welche unentdeckt?

Erwartbare Ergebnisse

Mit konsequenter Umsetzung – das zeigen die Conductor- und TNG-Daten – ist innerhalb von sechs bis neun Monaten eine deutliche Steigerung der AI-Sichtbarkeit messbar. Frühe Adopter haben aktuell einen Vorsprung von 3,4× im AI-Referral-Traffic gegenüber Wettbewerbern, die zögern. Dieser Vorsprung wird sich mit zunehmender Marktreife verkleinern – wer 2026 startet, fährt noch vorne weg. Wer 2027 startet, muss aufholen.

Über diesen Report

Dieser Report wurde von der Vaternam Kreativagentur (Hannover) als Teil des Knowledge-Programms erstellt und steht der Branche und interessierten Mittelständlern als kostenloses Research-Dokument zur Verfügung. Vaternam ist eine strategische Kommunikations- und Kreativagentur mit Sitz in Hannover, gegründet 2014, mit Schwerpunkt auf Markenstrategie, Branding, Content-Produktion und KI-gestütztem Marketing. Eingetragene Schutzmarke beim Deutschen Patent- und Markenamt (DPMA).

Kontakt: info@vaternam.com · www.vaternam.de · Bödekerstraße 96, 30161 Hannover.

Bei Verwendung von Inhalten dieses Reports wird um Quellenangabe gebeten: Quelle: Vaternam Kreativagentur, Research Report AEO & GEO 2026.