Grundbegriffe
Generative Engine Optimization (GEO)
Kurz gesagt: GEO ist die Arbeit daran, dass ein Unternehmen in den Antworten generativer KI-Systeme genannt und als Quelle verlinkt wird – nicht in einer Trefferliste, sondern im Antworttext selbst.
Definition: Generative Engine Optimization (GEO)
Generative Engine Optimization bezeichnet alle Maßnahmen, die dafür sorgen, dass ein Unternehmen, ein Produkt oder eine Quelle in den Antworten von KI-Systemen wie ChatGPT, Perplexity, Gemini, Google AI Overviews und Google AI Mode vorkommt. Der Begriff stammt aus einer Forschungsarbeit von Pranjal Aggarwal und Kollegen, erstmals im November 2023 veröffentlicht und auf der Konferenz KDD 2024 angenommen. Anders als klassische SEO zielt GEO nicht auf einen Rang in einer Liste, sondern darauf, ob und wie prominent eine Marke im generierten Text auftaucht.
Was dahintersteckt
GEO arbeitet an vier Stellschrauben gleichzeitig. Die erste ist die Entität: Ein System muss ein Unternehmen als eigenständiges Ding mit Namen, Standort, Leistungsspektrum und Beziehungen erkennen. Die zweite ist Konsistenz: Weichen Firmierung, Leistungen und Adresse zwischen Website, Verzeichnissen und Fachmedien voneinander ab, bleibt das Bild unscharf. Die dritte ist Zitierfähigkeit: Modelle greifen bevorzugt auf Passagen zurück, die eine Frage direkt beantworten und Zahlen mit Herkunft enthalten. Die vierte ist Zugang: Sperren robots.txt oder Firewall die KI-Crawler aus, kann ein System die Seite nicht als Beleg verwenden.
Wichtig ist der Unterschied zwischen Trainingswissen und Live-Abruf. Was ein Modell im Training gelernt hat, lässt sich nachträglich nicht ändern. Was es beim Beantworten einer Frage live aus dem Netz holt, sehr wohl. Deshalb zielt GEO in der Praxis fast immer auf die Live-Ebene, also auf Quellen, die im Moment der Frage abgerufen und zitiert werden. Das Training profitiert langfristig mit, lässt sich aber weder terminieren noch steuern.
Die Ursprungsstudie liefert mehr als den Namen. Aggarwal et al. testeten auf einem eigenen Benchmark (GEO-bench) neun Textveränderungen. Ergänzte Zitate, Statistiken und Quellenangaben steigerten die Sichtbarkeit in generierten Antworten deutlich, im besten Fall um bis zu 40 Prozent. Keyword-Häufung schnitt dagegen schlechter ab als der unveränderte Text. Das ist ein Laborergebnis mit einer eigenen Messmethode, kein Versprechen für einzelne Websites, aber eine klare Richtung: Belegdichte schlägt Wortwiederholung.
Ein häufiges Missverständnis ist, GEO ersetze SEO. Google schreibt in seinem Leitfaden vom Mai 2026 ausdrücklich, dass AI Overviews und AI Mode auf den Kernsystemen der Suche beruhen und Optimierung dafür aus Googles Sicht SEO bleibt. Für ChatGPT oder Perplexity gilt Ähnliches: Ohne indexierbare, schnell ladende Seiten gibt es nichts abzurufen. GEO erweitert SEO um die Frage, wer außerhalb deiner Domain über dich schreibt, und um eine eigene Messung über die Nennungsrate. Wo du stehst, zeigt ein GEO-Audit mit festem Prompt-Set.
Ein Beispiel aus der Praxis
Eine Steuerberatungskanzlei aus Reutlingen wird bei der Frage „Steuerberater für Zahnärzte in Baden-Württemberg“ von keinem KI-System genannt. Sie vereinheitlicht ihre Firmierung in allen Verzeichnissen, veröffentlicht drei Fachbeiträge zur Abrechnung in Zahnarztpraxen mit belegten Zahlen und wird in zwei Branchenmedien als Ansprechpartnerin zitiert. Bei späteren Messläufen taucht sie in Perplexity auf, weil es jetzt Quellen gibt, die sie mit dem Thema verbinden.
Wie wir das bei Kunden umsetzen, steht hier: GEO-Audit: Wo du in KI-Antworten heute stehst →
Generative Engine Optimization (GEO): typische Fragen
Ist GEO dasselbe wie SEO?
Nein, aber die Schnittmenge ist groß. GEO setzt voraus, dass eine Seite technisch abrufbar und indexiert ist, das ist SEO-Arbeit. Der Unterschied liegt im Ziel: SEO will eine Position in einer Liste, GEO eine Nennung im Antworttext. Daraus folgen andere Formate, andere Messgrößen und mehr Gewicht auf Erwähnungen außerhalb der eigenen Domain.
Wie schnell wirkt GEO?
Bei Systemen mit Live-Abruf wie Perplexity oder ChatGPT Search sind Veränderungen oft nach einigen Wochen messbar, weil dort bei jeder Frage frisch gesucht wird. Bei Antworten aus dem Trainingswissen dauert es bis zum nächsten Modellstand. Das kann Monate dauern und lässt sich nicht steuern.
Kann man GEO-Ergebnisse garantieren?
Nein. Niemand außerhalb der Modellbetreiber kennt die Gewichtung der Signale, und dieselbe Frage liefert in zwei Läufen oft unterschiedliche Antworten. Seriös ist eine Messung über mehrere Läufe mit festem Prompt-Set und ein Trend über Monate, keine Nennungszusage.
Welche Maßnahmen haben sich in der Forschung bewährt?
In der GEO-Studie von Aggarwal et al. wirkten ergänzte Zitate, Statistiken und Quellenangaben am stärksten, flüssigere Formulierungen halfen ebenfalls. Keyword-Häufung schadete eher. Die Werte stammen aus einem Benchmark, die Richtung deckt sich aber mit Googles Rat zu einzigartigem, belegtem Inhalt.
Das hängt damit zusammen
Quellen: Aggarwal et al.: GEO – Generative Engine Optimization (arXiv 2311.09735, KDD 2024) (Stand September 2026) · Google Search Central: Optimizing your website for generative AI features on Google Search (Stand September 2026)
Wo Anbieter einen Begriff unterschiedlich verwenden, nennen wir beide Lesarten. Einen Fehler gefunden? Schreib uns, wir korrigieren ihn. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.