GEO-Optimierung: Anleitung in 7 Schritten (Stand 2026)

Seit Juni 2026 zeigt Google in der Search Console, wie oft Seiten in AI Overviews und AI Mode erscheinen, zunächst für einen Teil der Websites und seit dem 31. August 2026 für alle. Damit lässt sich GEO erstmals an einer offiziellen Zahl festmachen. Nach dem Lesen kennst du die Reihenfolge, den Aufwand je Schritt und woran du erkennst, dass ein Schritt erledigt ist.

Was GEO-Optimierung ist und was das GEO-Paper wirklich zeigt

GEO-Optimierung umfasst alle Maßnahmen, mit denen eine Marke in KI-generierten Antworten häufiger und prominenter vorkommt. Der Begriff geht auf das Paper von Aggarwal et al. zurück, erstmals im November 2023 veröffentlicht und 2024 auf der KDD angenommen.

Das Paper wird gern mit „bis zu 40 Prozent mehr Sichtbarkeit“ zitiert. Die Zahl stimmt, der Kontext fehlt meist. Die Autoren bauten einen Benchmark mit 10.000 Suchanfragen. Zu jeder Frage schrieb GPT-3.5-turbo aus den ersten fünf Google-Treffern eine Antwort; dann veränderten die Autoren eine dieser Quellen mit neun Methoden und maßen, wie viel Raum und welche Position sie in der Antwort bekam.

Drei Einschränkungen gehören dazu. Erstens ist es eine Laborumgebung mit einem älteren Modell; mit Perplexity erreichten die Autoren bis zu 37 Prozent. Zweitens ist der Effekt relativ zu den anderen Quellen: Die Sichtbarkeit der Quelle auf Platz 1 sank mit derselben Methode im Schnitt um 30,3 Prozent. Drittens haben die Autoren nicht untersucht, wie sich die Änderungen auf Rankings auswirken. Die Richtung ist trotzdem klar: Belegdichte schlägt Wortwiederholung. Mehr zum Begriff im Glossar unter Generative Engine Optimization.

Was Google sagt und wo GEO darüber hinausgeht

Google sagt: Optimierung für AI Overviews und AI Mode ist SEO. Der Leitfaden „Optimizing your website for generative AI features on Google Search“ vom 15. Mai 2026 (aktualisiert am 10. Juli 2026) nennt als Grundlage indexierbare Seiten mit Snippet und eigenständige Inhalte, die über Allgemeinwissen hinausgehen.

Ausdrücklich unnötig sind für Google laut Leitfaden: llms.txt und andere „KI-Dateien“, das Zerlegen von Texten in kleine Häppchen („Chunking“), Umschreiben nur für KI, nicht authentische Erwähnungen und spezielles Schema-Markup. Wer für jede denkbare Fan-out-Variante eigene Seiten baut, verstößt nach Googles Worten gegen die Richtlinie zu Scaled Content Abuse. Die sieben Schritte unten widersprechen dem nicht.

GEO geht an zwei Stellen darüber hinaus: ChatGPT, Perplexity und Claude haben eigene Crawler und Quellenauswahl, für die Googles Leitfaden nicht spricht. Und Nennungen ohne Link misst keine Google-Konsole.

Die Anleitung Schritt für Schritt

Die Reihenfolge lautet: erst wissen, wo du stehst, dann Voraussetzungen schaffen, dann Inhalte und Erwähnungen aufbauen, dann messen. Jeder Schritt hat Aufwand, typischen Fehler und Prüfkriterium. Die Aufwände gelten für ein Leistungsfeld und eine mittelgroße Website; mehrere Märkte vervielfachen vor allem Schritt 1, 5 und 6.

1. 1

   Ist-Messung

   1–2 Tage

   Stell 20 bis 40 Fragen zusammen, die deine Kunden einer KI stellen würden: Problem, Anbietersuche, Vergleich, Marke. Frag sie in mehreren Systemen mehrfach ab, ohne Anmeldung und Verlauf, mit festem Standort. Notiere Nennung, Position, Wettbewerber und zitierte Quellen. Ergänze offizielle Daten: den Generative-AI-Bericht der Search Console, AI Performance in den Bing Webmaster Tools (seit Februar 2026, Zitierungen in Copilot und Bing) und den GA4-Kanal „AI Assistant“, der Klicks aus ChatGPT, Gemini oder Copilot bündelt, nicht aber aus AI Overviews und AI Mode. Typischer Fehler: eingeloggt mit Verlauf testen und die eigene Personalisierung messen. Prüfkriterium: ein Prompt-Set mit Protokoll aus Datum, System, Modell und Rohantwort.

2. 2

   Zugang und Technik

   0,5–2 Tage

   Prüfe, ob die Such-Crawler der KI-Systeme deine Seiten abrufen dürfen und können. Laut OpenAI erscheinen Seiten, die den OAI-SearchBot aussperren, nicht in ChatGPT-Suchantworten; Perplexity sucht mit PerplexityBot, Anthropic mit Claude-SearchBot. Trainings-Crawler wie GPTBot, ClaudeBot oder Google-Extended sind eine getrennte Entscheidung. Für Google zählt: indexiert, mit Snippet anzeigbar und in der Search Console für generative KI-Funktionen nicht ausgeschlossen. Typischer Fehler: Eine CDN- oder Firewall-Regel blockiert „alle KI-Bots“ trotz offener robots.txt. Prüfkriterium: Der KI-Crawler-Check zeigt freien Zugang, und die Server-Logs enthalten Abrufe der Such-Crawler.

3. 3

   Entität

   2–5 Tage

   Sorge für gleiche Firmierung, Adresse und Leistungen auf Website, Impressum, Unternehmensprofilen bei Google, Bing und Apple sowie in Verzeichnissen. Organization-Markup mit sameAs-Verweisen verknüpft die Profile. Im DACH-Raum sind Impressum und Handelsregister verlässliche Anker, weil sie vorgeschrieben und öffentlich sind. Typischer Fehler: alte Adressen oder zwei Schreibweisen des Namens. Prüfkriterium: Auf „Was macht Firma X aus Ort Y?“ liefern drei Systeme korrekte Fakten. Die Details stehen im Ratgeber Entität aufbauen.

4. 4

   Inhalte zitierfähig machen

   1–3 Stunden je Kernseite

   Beginne bei Seiten, die zu Fragen aus deinem Prompt-Set passen. Beantworte die Frage im ersten Absatz, ersetze Adjektive durch Zahlen mit Quelle und Datum, nenne Autor und Stand. Das entspricht den stärksten Methoden im GEO-Paper. Typischer Fehler: Keywords häufen oder Texte in Mini-Abschnitte zerhacken. Keyword-Häufung schnitt im Paper schlechter ab als der unveränderte Text, und Chunking ist laut Google unnötig. Prüfkriterium: Jede Kernseite antwortet in den ersten 40 Wörtern und enthält mindestens einen belegten, nicht austauschbaren Fakt. Wie ein Absatz vorher und nachher aussieht, zeigt der Ratgeber zitierfähige Inhalte schreiben.

5. 5

   Themenabdeckung

   4–12 Wochen für den Kern

   KI-Systeme zerlegen Fragen in Teilfragen und suchen dazu weitere Quellen (Query Fan-Out). Lege eine Themenkarte der Teilfragen an, die Kunden vor einer Entscheidung wirklich stellen, beantworte jede gründlich als Abschnitt oder eigene Seite und verbinde alles über interne Links. Typischer Fehler: für jede Formulierungsvariante eine dünne Seite. Google nennt das ausdrücklich Scaled Content Abuse. Prüfkriterium: Zu jeder Frage im Prompt-Set gibt es eine Seite, die du ohne Zögern als beste Antwort verlinken würdest.

6. 6

   Erwähnungen aufbauen

   laufend

   Nimm die Quellenliste aus Schritt 1: Welche Fachmedien, Verzeichnisse, Vergleichsseiten und Foren zitieren die Systeme? Dort lohnt eine Erwähnung am ehesten. Liefere Redaktionen eigene Daten, klare Leistungsangaben und Fachleute als Gesprächspartner. Bezahlte Beiträge kennzeichnest du als „Anzeige“ (Anhang Nr. 11 UWG), Links darin mit rel=“sponsored“. Typischer Fehler: gekaufte Linkpakete. Google hält nicht authentische Erwähnungen für wenig hilfreich und führt Geld gegen Beiträge mit Links in den Spamrichtlinien als Link-Spam. Prüfkriterium: Der Anteil der zitierten Domains, auf denen du vorkommst, steigt von Messung zu Messung.

7. 7

   Messen und nachsteuern

   0,5–1 Tag pro Monat

   Wiederhole die Messung monatlich mit identischem Prompt-Set und gleichen Bedingungen, vergleiche je System und leite die nächsten Maßnahmen ab. Ergänze KI-Referral-Traffic (ChatGPT hängt laut OpenAI utm_source=chatgpt.com an Links an) und die Entwicklung der Markensuchen. Typischer Fehler: das Prompt-Set umbauen und die Vergleichbarkeit verlieren. Prüfkriterium: Ein Trend über mindestens drei Messungen mit dokumentierter Nennungsrate je System. Wie du Messung und Protokoll im Detail aufsetzt, beschreibt der Ratgeber KI-Sichtbarkeit messen.

Konfiguration und Test-Prompts zum Übernehmen

Für den Start brauchst du zwei Dinge: eine robots.txt, die Such-Crawler bewusst zulässt, und erste Test-Prompts.

Das Beispiel steht für die Entscheidung „in KI-Suchen auftauchen, Training erlauben“. Wer Training ausschließen will, setzt bei GPTBot, ClaudeBot und Google-Extended „Disallow: /“; die Sichtbarkeit in den Suchfunktionen hängt laut OpenAI und Anthropic an den Such-Crawlern.

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: GPTBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: *
Disallow: /intern/

Sitemap: https://www.example.de/sitemap.xml

Nutzergesteuerte Abrufe wie Perplexity-User oder ChatGPT-User folgen laut den Anbietern nicht zwingend der robots.txt. Die Test-Prompts gelten für ein erfundenes Beispiel, einen Anbieter für Industriekühlung aus Baden-Württemberg:

Problem:    Unsere Hydraulikanlage überhitzt im Sommer. Welche Kühllösungen gibt es?
Anbieter:   Welche Hersteller für Industriekühlung in Baden-Württemberg empfiehlst du?
Vergleich:  Kaltwassersatz oder Rückkühler – was passt für eine Spritzgießmaschine?
Marke:      Was macht die Firma Beispiel Kühltechnik aus Balingen, und für wen passt sie?
Markt CH:   Welche Anbieter für Prozesskühlung in der Ostschweiz sind empfehlenswert?

Die letzte Zeile zeigt eine DACH-Besonderheit: Für die Schweiz und Österreich brauchst du eigene Formulierungen und einen Standort im Land. In der Schweiz schreibt man ohne ß, und die genannten Anbieter unterscheiden sich.

Rechenbeispiel: Nennungsrate und Messrauschen

Die Nennungsrate ist die Zahl der Antworten mit deiner Marke geteilt durch alle ausgewerteten Antworten, je System getrennt. Wichtig ist, wie stark sie allein durch Zufall schwankt.

Angenommen, der Anbieter misst 30 Prompts in vier Systemen mit je drei Läufen, also 360 Antworten und 90 je System:

Der Gesamtwert von 15 Prozent verdeckt das Wichtigste: Bei Google ist die Marke fast unsichtbar, in ChatGPT nicht. Das deutet auf ein Quellenproblem im Google-Ökosystem hin. Zum Rauschen: Bei 90 Antworten und einer Rate von 20 Prozent liegt der Standardfehler bei rund 4,2 Prozentpunkten (Wurzel aus 0,2 × 0,8 / 90). Ein Anstieg von 20 auf 25 Prozent kann also Zufall sein, zumal wiederholte Läufe derselben Frage nicht unabhängig sind. Bewerte deshalb Trends über mindestens drei Messungen.

Wo du anfängst: Entscheidungshilfe nach Befund

Nicht jedes Unternehmen startet bei null: Der Befund aus Schritt 1 zeigt, wo der größte Hebel liegt.

• Prompt-Set mit 20 bis 40 Fragen steht und bleibt stabil.
• Such-Crawler sind erlaubt und in den Logs sichtbar.
• Seiten sind bei Google und Bing indexiert, Snippets nicht blockiert.
• Stammdaten sind auf Website, Impressum und Profilen identisch.
• Kernseiten beantworten ihre Frage im ersten Absatz mit Beleg.
• Bezahlte Platzierungen sind gekennzeichnet.
• Monatliche Messung läuft mit identischen Bedingungen.

Für den ersten Schritt ohne eigenen Aufwand liefert ein GEO-Audit Ist-Messung, Quellenbild und priorisierte Maßnahmen als Festpreisprojekt.

Häufige Fragen

Was ist der Unterschied zwischen GEO-Optimierung und GEO-SEO?

Keiner in der Sache. „GEO SEO“ ist eine verbreitete Suchformulierung für dieselbe Arbeit: Sichtbarkeit in KI-Antworten auf Basis solider SEO. Nicht zu verwechseln mit Geomarketing oder lokaler SEO.

Wie lange dauert es, bis GEO-Optimierung wirkt?

Technik- und Entitätskorrekturen können wirken, sobald Seiten neu gecrawlt sind; Inhalte und Erwähnungen brauchen Monate, Trainingswissen ändert sich erst mit neuen Modellversionen. Bewerte nach mindestens drei monatlichen Messungen.

Brauche ich eine llms.txt für GEO?

Für Google nicht, das sagt Google ausdrücklich. Ob andere Systeme die Datei beim Beantworten allgemeiner Fragen nutzen, ist nicht dokumentiert. Sie schadet nicht, ersetzt aber keinen der sieben Schritte.

Quellen

• GEO: Generative Engine Optimization, Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande, arXiv 2311.09735 v3 (28.06.2024), KDD 2024
• Optimizing your website for generative AI features on Google Search, Google Search Central, veröffentlicht 15.05.2026, aktualisiert 10.07.2026
• Introducing Search Generative AI performance reports in Search Console, Google Search Central Blog, 03.06.2026, global seit 31.08.2026
• Spamrichtlinien für die Google Websuche, Google Search Central, Stand 02.09.2026
• Introducing AI Performance in Bing Webmaster Tools Public Preview, Microsoft Bing Webmaster Blog, 10.02.2026
• Default channel group (AI Assistant), Google Analytics-Hilfe, abgerufen 22.09.2026
• Overview of OpenAI Crawlers, OpenAI, abgerufen 22.09.2026
• Publishers and Developers – FAQ, OpenAI Help Center, abgerufen 22.09.2026
• Perplexity Crawlers, Perplexity Docs, abgerufen 22.09.2026
• Does Anthropic crawl data from the web?, Anthropic Help Center, abgerufen 22.09.2026