Generative Engine Optimization für KI-Antworten
Was gesichert ist und was nicht
Wer in KI-Antworten vorkommen will, sollte zuerst wissen, was belegt ist und was nicht. Gesichert ist, dass diese Systeme auf öffentlich zugängliche Inhalte zurückgreifen, teils über eigene Programme, die Websites abrufen, teils über angeschlossene Suchmaschinen. Nicht gesichert ist, nach welchen Kriterien im Einzelnen eine Quelle ausgewählt wird. Die Anbieter legen einen Teil ihres Vorgehens offen, der Rest bleibt unklar, und die Verfahren werden laufend umgebaut.
Wer eine Methode verkauft, mit der sich eine Nennung zuverlässig erreichen lässt, behauptet mehr, als er wissen kann. Seriös ist die Arbeit an Faktoren, die plausibel und nachvollziehbar helfen.
Welche Eigenschaften einen Text zitierfähig machen
Ein Sprachmodell baut seine Antwort aus Textbausteinen zusammen. Damit ein Abschnitt dafür in Frage kommt, muss er für sich allein verständlich sein. Wer eine Aussage über drei Absätze verteilt und erst am Ende auf den Punkt kommt, liefert keinen brauchbaren Baustein. Wer mit dem Ergebnis beginnt und danach begründet, schon.
Ebenso zählt Überprüfbarkeit. Eine Behauptung ohne Zahl, ohne Bedingung und ohne Zeitangabe lässt sich nicht einordnen. Aussagen wie günstig und schnell taugen deshalb nicht, konkrete Angaben zu Dauer, Umfang und Voraussetzungen schon. Dasselbe gilt für Angaben zum Unternehmen selbst: Was sich an mehreren unabhängigen Stellen im Netz gleichlautend findet, wird eher übernommen als etwas, das nur auf der eigenen Website steht.
Der Unterschied zur Trefferliste
Bei einer Suchmaschine wählt am Ende ein Mensch aus zehn Vorschlägen. Ein generatives System trifft diese Auswahl selbst und nennt danach nur noch wenige Quellen. Damit verschwindet die Zwischenstufe, auf der ein Unternehmen mit einem guten Titel um Aufmerksamkeit werben konnte. Übrig bleibt die Frage, ob der eigene Text als Grundlage der Antwort taugt oder nicht.
Ein Beispiel aus der Praxis
Bei der Prüfung typischer Fragen aus einer Branche zeigte sich, dass ein System veraltete Angaben zu einem Unternehmen ausgab, darunter eine Adresse von vor drei Jahren. Ursache waren alte Verzeichniseinträge, die nie aktualisiert worden waren. Das Bereinigen dieser Einträge war unspektakuläre Arbeit mit sofortigem Nutzen, unabhängig von jeder Optimierungsfrage.
Die Sache mit der Reproduzierbarkeit
Wer dieselbe Frage zweimal stellt, bekommt selten zweimal dasselbe. Das liegt in der Natur dieser Systeme und macht jede Momentaufnahme wertlos. Aussagekraft entsteht erst durch Wiederholung: ein fester Satz Fragen, in regelmäßigen Abständen gestellt, mit protokollierten Antworten. Aus zwanzig Durchläufen über drei Monate lässt sich ablesen, ob ein Name häufiger fällt als vorher. Aus einem einzelnen Versuch lässt sich gar nichts ablesen, weder im positiven noch im negativen Sinn.
Woher der Begriff kommt
Die Bezeichnung tauchte 2023 in einer wissenschaftlichen Arbeit auf und wurde von der Marketingbranche schnell aufgegriffen. Seitdem kursieren mehrere Namen nebeneinander: neben GEO auch AEO für Answer Engine Optimization und AIO für AI Optimization. Gemeint ist im Kern dasselbe. Wer sich in Angeboten zurechtfinden will, sollte weniger auf die Abkürzung achten als darauf, welche konkreten Arbeiten dahinterstehen. In einem Teil der Angebote steckt schlicht das, was seit Jahren als saubere Grundlagenarbeit gilt, nur unter neuem Etikett.
Häufige Fragen zu Generative Engine Optimization
Ersetzt GEO die klassische Suchmaschinenoptimierung?
Nein. Der Großteil des Verkehrs kommt nach wie vor über normale Suchergebnisse. GEO ist eine Ergänzung, kein Nachfolger.
Soll ich automatisierte Zugriffe von KI-Anbietern zulassen?
Beide Wege haben ihren Preis. Sperren schützt die eigenen Texte vor der Verwertung durch fremde Modelle und kostet Präsenz in deren Antworten. Freigeben kehrt das um. Eine für alle richtige Antwort gibt es nicht.
Passend dazu bei NETZTIME
Wie wir mit diesem Thema in Projekten umgehen, steht bei unsere Arbeit an der Sichtbarkeit in KI-Suchen.