Version 2.0: Juli 2026 | Lesezeit: ca. 16 Minuten
Vollständige Überarbeitung des ursprünglich im Dezember 2025 veröffentlichten Artikels. Neue Datenbasis: das GEO-Originalpaper von Aggarwal et al. (KDD 2024, Princeton/IIT Delhi) mit 10.000 getesteten Suchanfragen, die Gegenstudie C-SEO Bench (Puerto et al., NeurIPS 2025), die Ahrefs-Zitationsanalyse über 863.000 Keywords und 4 Millionen AI-Overview-URLs (Februar 2026) sowie eigene Prompt-Tests aus Kundenprojekten.
Nächste geplante Aktualisierung: Oktober 2026.
Quick Answer: Was ist GEO?
GEO steht für Generative Engine Optimization und bezeichnet die Optimierung von Inhalten mit dem Ziel, in den Antworten von KI-Systemen wie ChatGPT, Claude, Gemini und Perplexity als Quelle zitiert zu werden. Der Begriff stammt aus einer wissenschaftlichen Arbeit, nicht aus dem Marketing. Die wichtigsten Fakten:
- GEO wurde 2024 wissenschaftlich definiert. Ein Forscherteam von Princeton und dem IIT Delhi veröffentlichte auf der KDD-Konferenz das Paper, das den Begriff prägte, ein Testverfahren mit 10.000 Suchanfragen aufbaute und neun Optimierungsmethoden gegeneinander maß.
- Drei Maßnahmen wirken messbar. Statistiken einbauen, Zitate von glaubwürdigen Quellen einbauen und Quellen benennen steigerten die Sichtbarkeit in KI-Antworten um 30 bis 40 Prozent gegenüber unoptimiertem Text.
- Keyword-Stuffing wirkt nicht. Die klassische SEO-Taktik schnitt im Test schlechter ab als gar keine Optimierung. Bei Perplexity lag sie 10 Prozent unter dem Ausgangswert.
- GEO hilft schwachen Seiten am meisten. Seiten auf Google-Position 5 gewannen durch das Einbauen von Quellen 115 Prozent Sichtbarkeit. Die Seite auf Position 1 verlor im selben Test 30 Prozent.
- Eine Gegenstudie relativiert vieles. Das Benchmark C-SEO Bench (NeurIPS 2025) fand, dass die meisten GEO-Taktiken in der Breite kaum wirken und manche sogar schaden. Was zuverlässig wirkt, ist die Relevanz der Quelle selbst.
- Die Zitationslogik hat sich 2026 verschoben. Nur noch 38 Prozent der AI-Overview-Zitationen stammen aus den Google-Top-10. Im Juli 2025 waren es 76 Prozent. Zwei Drittel der zitierten Seiten ranken heute nicht auf Seite eins.
- GEO ersetzt SEO nicht. Die Studienlage zeigt das Gegenteil: Wer im Retrieval nicht gefunden wird, kann nicht zitiert werden. GEO baut auf SEO auf.
Dieser Artikel erklärt, wie generative Suchsysteme technisch funktionieren, welche Optimierungen wissenschaftlich belegt sind, welche nachweislich nicht wirken und was das für die eigene Website bedeutet.
Was ist GEO? Die präzise Definition
GEO ist die Optimierung von Inhalten für generative Suchsysteme, also für Systeme, die auf eine Frage nicht mit einer Liste von Links antworten, sondern mit einem formulierten Text, der Quellen zitiert.
Der Begriff wurde 2024 von Pranjal Aggarwal, Vishvak Murahari und Kollegen auf der ACM SIGKDD Conference definiert. Die Autoren führten dafür einen neuen Begriff ein: die Generative Engine. Eine Generative Engine ist kein Sprachmodell und keine Suchmaschine, sondern die Kombination aus beidem. Sie besteht aus einer Suchmaschine, die Dokumente holt, und mehreren Sprachmodellen, die daraus eine Antwort bauen.
Die zentrale Beobachtung der Autoren: Für Websitebetreiber ist dieses System eine Blackbox. Sie haben keinen Einblick, wann und wie ihre Inhalte in Antworten auftauchen. GEO ist der Versuch, diese Blackbox von außen zu optimieren, ohne ihre Interna zu kennen.
Der Unterschied zu klassischem SEO ist damit kein gradueller, sondern ein struktureller. Bei Google ist Sichtbarkeit eindimensional: Position 1 bis 10. In einer KI-Antwort ist Sichtbarkeit mehrdimensional. Eine Quelle kann früh oder spät zitiert werden, viel oder wenig Text tragen, prägend oder nebensächlich für die Antwort sein. Die Forscher mussten deshalb erst eine neue Messgröße definieren, bevor sie überhaupt optimieren konnten.
Wie eine Generative Engine tatsächlich arbeitet
Wer GEO verstehen will, muss verstehen, was zwischen Frage und Antwort passiert. Das ist kein einzelner Schritt, sondern eine Kette, und an jeder Stelle dieser Kette kann eine Website herausfallen.
Schritt 1: Die Frage wird zerlegt
Der Nutzer tippt eine Frage ein. Ein erstes Sprachmodell zerlegt diese Frage in mehrere einfachere Suchanfragen, die eine klassische Suchmaschine verarbeiten kann. Aus „Welche Webagentur in Koblenz passt zu einem Handwerksbetrieb“ werden intern mehrere Teilanfragen.
Google nennt diesen Vorgang Query Fan-Out. Er ist der Grund für eine der wichtigsten Verschiebungen von 2026: Weil das System nicht mehr eine Frage stellt, sondern zehn, findet es Seiten, die für die ursprüngliche Frage nie auf Seite eins gestanden hätten.
Schritt 2: Dokumente werden geholt
Die Teilanfragen gehen an eine Suchmaschine. Diese liefert eine begrenzte Zahl von Quellen zurück. Im Setup des Original-Papers waren es die Top 5 pro Anfrage, aus Kostengründen und wegen der Kontextlänge der Modelle.
Hier liegt der erste harte Filter, den kein Content-Trick umgeht: Was das Retrieval nicht findet, kann das Modell nicht zitieren. Genau das ist der Punkt, an dem klassische SEO in der KI-Suche weiterlebt.
Schritt 3: Jede Quelle wird zusammengefasst
Ein zweites Modell erstellt für jede geholte Quelle eine Zusammenfassung. Nicht die ganze Seite wird gelesen, sondern eine komprimierte Version davon. Wenn die zentrale Aussage einer Seite in Absatz 14 steht, überlebt sie diesen Schritt möglicherweise nicht.
Schritt 4: Die Antwort wird gebaut
Ein drittes Modell baut aus den Zusammenfassungen eine einzige Antwort und setzt Zitationsmarker. Es entscheidet, welche Quelle wo genannt wird, wie viel Text auf sie entfällt und ob sie überhaupt vorkommt.
Dieser vierstufige Ablauf hat eine unbequeme Konsequenz: Eine Website konkurriert nicht mehr mit anderen Websites um eine Position. Sie konkurriert um Platz in einem Textabsatz, den ein Modell schreibt und der auch ohne sie funktionieren würde.
Was in KI-Antworten nachweislich wirkt
Das Forscherteam testete neun Optimierungsmethoden gegen einen unveränderten Ausgangstext, über 10.000 Suchanfragen aus 25 Themengebieten, jeweils mit fünf Wiederholungen zur Rauschreduktion. Das ist bis heute die belastbarste Datenbasis zu der Frage, was in generativen Antworten funktioniert.
Gemessen wurde eine Größe namens Position-Adjusted Word Count: wie viel Text einer Antwort auf eine Quelle entfällt, gewichtet danach, wie früh die Quelle vorkommt. Der Ausgangswert ohne Optimierung lag bei 19,3.
Die drei stärksten Methoden
- Zitate einbauen (27,2 statt 19,3): Direkte Zitate von glaubwürdigen Personen oder Institutionen im Text. Die stärkste Einzelmaßnahme im gesamten Test, mit einer Steigerung von rund 41 Prozent.
- Statistiken einbauen (25,2): Quantitative Angaben statt qualitativer Beschreibung. Statt „viele Unternehmen nutzen das“ also eine konkrete Zahl mit Bezugsgröße.
- Quellen benennen (24,6): Die eigenen Aussagen mit einer nachvollziehbaren Herkunft versehen, in natürlicher Sprache, nicht im Fußnotenstil.
Die überraschende vierte Methode
Auf Platz vier landete etwas, das in keinem GEO-Ratgeber steht: Fluency Optimization (24,7), also schlicht die sprachliche Flüssigkeit des Textes zu verbessern, ohne inhaltlich etwas zu ändern. Sätze, die sauber aufeinander folgen, klar formuliert sind und sich gut lesen lassen, werden häufiger zitiert als inhaltsgleiche, aber holprige Sätze.
Das ist ein bemerkenswertes Ergebnis. Es bedeutet, dass ein Sprachmodell nicht nur bewertet, was dasteht, sondern auch, wie gut es sich in eine generierte Antwort einbauen lässt. Gut formulierter Text ist leichter zu übernehmen als schlecht formulierter.
Die stärkste Kombination
Die Autoren testeten auch Kombinationen der vier besten Methoden. Das beste Paar war Flüssigkeit plus Statistiken mit 35,8 Prozent relativer Verbesserung, deutlich stärker als jede Einzelmaßnahme. Das Benennen von Quellen wirkte allein eher schwach, in Kombination mit anderen Methoden aber überdurchschnittlich stark.
Was nachweislich nicht wirkt
Der aufschlussreichere Teil des Papers ist der, über den kaum jemand schreibt: die Methoden, die versagt haben.
Keyword-Stuffing schadet
Mehr Suchbegriffe aus der Frage in den Text zu packen, die klassischste aller SEO-Taktiken, landete im Test unter dem unoptimierten Ausgangstext (17,7 gegenüber 19,3). Bei Perplexity, dem real eingesetzten System im Test, lag die Methode 10 Prozent unter dem Ausgangswert.
Der Grund ist logisch, sobald man die Mechanik verstanden hat: Ein Sprachmodell macht keinen Keyword-Abgleich. Es versteht Bedeutung. Ein Text, in den Begriffe hineingepresst wurden, liest sich schlechter und wird dadurch schlechter zitierfähig. Die Taktik feuert nach hinten los. Mehr zu diesem Thema in unserem Glossar-Eintrag zu Keywords.
Autoritärer Tonfall wirkt kaum
Die Vermutung liegt nahe, dass ein selbstbewusster, bestimmter Schreibstil ein Modell überzeugt. Die Autoren testeten genau das, mit Formulierungen wie „wir garantieren“ und „Sie werden es nicht bereuen“. Das Ergebnis war eine nur geringe Verbesserung. Die Systeme sind gegen rhetorische Selbstaufwertung weitgehend robust.
Seltene Wörter bringen nichts
Ungewöhnliche oder seltene Begriffe einzustreuen, um sprachlich aufzufallen, brachte 20,5 gegenüber 19,3 Ausgangswert. Statistisch praktisch bedeutungslos.
Die Gegenstudie, die alles relativiert
Hier wird es unbequem, und hier trennt sich ein ehrlicher Artikel von einem Werbetext.
2025 veröffentlichte ein Team um Haritz Puerto (Parameter Lab, Naver AI Lab) auf der NeurIPS-Konferenz das erste systematische Benchmark, das GEO-Methoden über mehrere Aufgabentypen, sechs Themengebiete und, entscheidend, über mehrere gleichzeitig optimierende Wettbewerber hinweg testete. Der Titel ist eine Frage: „C-SEO Bench: Does Conversational SEO Work?“
Die Antwort der Studie ist ernüchternd. Die Autoren fanden, dass GEO-Methoden in der Breite weitgehend wirkungslos sind und teilweise sogar schaden, weil sie das Ranking von Dokumenten verschlechtern. Was dagegen zuverlässig wirkte, waren klassische SEO-Maßnahmen, also alles, was die Auffindbarkeit im Retrieval-Schritt verbessert.
Zwei Punkte erklären den Widerspruch zum Original-Paper:
Erstens der Einzelakteur-Effekt. Das ursprüngliche GEO-Paper testete, was passiert, wenn eine Seite optimiert. C-SEO Bench testete, was passiert, wenn alle optimieren. Sobald mehrere Wettbewerber dieselben Methoden anwenden, schrumpft der Vorteil des Einzelnen gegen null. Die Autoren beschreiben GEO spieltheoretisch als überfülltes Nullsummenspiel.
Zweitens die Breite der Anwendung. Was in einem Themengebiet wirkt, wirkt in einem anderen nicht. Das ist übrigens auch im Original-Paper dokumentiert, wird aber selten zitiert.
Die praktische Schlussfolgerung ist nicht, GEO sei sinnlos. Sie lautet: GEO-Taktiken sind kein Ersatz für Substanz. Was bleibt, wenn alle dieselben Tricks anwenden, ist die Relevanz und Qualität der Quelle selbst. Das ist eine unbequeme, aber saubere Antwort.
Der Befund, der GEO für kleine Unternehmen interessant macht
Es gibt ein Ergebnis im Original-Paper, das in der deutschsprachigen Diskussion praktisch nicht vorkommt und das erklärt, warum GEO für kleinere Anbieter überhaupt relevant ist.
Die Forscher testeten, was passiert, wenn alle fünf Quellen einer Antwort gleichzeitig optimiert werden, und schlüsselten das Ergebnis nach der ursprünglichen Google-Position auf:
- Position 5: plus 115,1 Prozent Sichtbarkeit durch das Benennen von Quellen
- Position 4: plus 15,5 Prozent
- Position 3: plus 20,4 Prozent
- Position 2: plus 2,5 Prozent
- Position 1: minus 30,3 Prozent
Die schwächste Seite gewinnt am meisten, die stärkste verliert. Der Grund ist strukturell: Google gewichtet Faktoren wie Backlinks und Domain-Autorität, die kleine Anbieter kaum aufbauen können. Ein Sprachmodell, das eine Antwort formuliert, sieht diese Faktoren nicht. Es sieht den Text. Und wenn der Text der Seite auf Position 5 besser zitierfähig ist als der auf Position 1, wird sie zitiert.
Die Autoren nennen das eine Demokratisierung des digitalen Raums. Das ist optimistisch formuliert, aber der Mechanismus ist real: In der KI-Suche zählt die Qualität eines Absatzes mehr als das Alter einer Domain.
Was sich 2026 grundlegend verändert hat
Die Papers von 2024 und 2025 beschreiben ein System, das sich seitdem weiterentwickelt hat. Zwei Verschiebungen sind für die Praxis entscheidend.
Die Entkopplung von Ranking und Zitation
Im Juli 2025 zeigte eine Ahrefs-Analyse, dass 76 Prozent der in Googles AI Overviews zitierten Seiten auch in den organischen Top 10 derselben Anfrage standen. Die Schlussfolgerung damals: SEO und KI-Sichtbarkeit sind im Grunde dieselbe Übung.
Im Februar 2026 wiederholte Ahrefs die Analyse über 863.000 Keywords und 4 Millionen AI-Overview-URLs. Der Wert war auf 38 Prozent gefallen. Die restlichen Zitationen verteilen sich fast gleichmäßig auf Seiten in den Positionen 11 bis 100 (31,2 Prozent) und auf Seiten jenseits von Position 100 (31,0 Prozent). Eine parallele Analyse von BrightEdge kam mit anderer Methodik sogar auf nur rund 17 Prozent Überschneidung.
Das heißt: Rund zwei Drittel der Seiten, die heute in KI-Antworten zitiert werden, würde ein Nutzer bei derselben Suchanfrage auf Seite eins von Google nie sehen.
Der Grund liegt im Query Fan-Out. Weil das System die Frage in viele Teilfragen zerlegt, sucht es breiter und tiefer. Bewertet wird nicht mehr, ob eine Seite für einen Begriff auf Position 1 steht, sondern ob sie ein Themenfeld tief genug abdeckt, um mehrere Teilfragen zu beantworten.
Das Format wird egal
In derselben Analyse war YouTube die am häufigsten zitierte Domain in AI Overviews überhaupt, mit knapp 6 Prozent aller Zitationen. Bei den zitierten Seiten, die nicht in den organischen Top 100 standen, waren über 18 Prozent YouTube-URLs. Eine Untersuchung deutscher Gesundheitsanfragen fand YouTube häufiger zitiert als offizielle medizinische Quellen.
Die Lehre daraus: Wenn ein System einen Inhalt für einen Teil der Antwort für nützlich hält, zitiert es ihn, unabhängig davon, ob er in der klassischen Suche für diese Anfrage sichtbar wäre.
Was das für die eigene Website bedeutet
Aus der Studienlage lassen sich fünf konkrete Maßnahmen ableiten. Sie sind nach Wirkung und Aufwand sortiert, nicht nach Popularität.
1. Zuerst die technische Auffindbarkeit sichern
Weil das Retrieval der erste harte Filter ist, ist jede Content-Optimierung wertlos, solange die Seite nicht erfasst wird. Konkret: KI-Crawler in der robots.txt zulassen (OAI-SearchBot, Claude-SearchBot, PerplexityBot), Hauptinhalt serverseitig ausliefern statt per JavaScript, Weiterleitungsketten auf maximal einen Sprung reduzieren. Details dazu stehen in unserem Artikel zur Optimierung für KI-Suche.
2. Zahlen statt Adjektive
Die belegstärkste Content-Maßnahme überhaupt. Jede qualitative Aussage, die sich durch eine quantitative ersetzen lässt, sollte ersetzt werden. „Ein Website-Relaunch dauert einige Wochen“ wird zu „Ein Relaunch mit 15 bis 25 Seiten dauert typischerweise 6 bis 10 Wochen“.
Wichtig, und das steht so nicht im Paper: Die Zahlen müssen stimmen. Die Forscher haben in ihren Testläufen bewusst auch erfundene Statistiken eingesetzt, um den reinen Mechanismus zu messen. Das ist ein legitimes Experiment und eine katastrophale Geschäftsstrategie. Falsche Zahlen sind überprüfbar, und die Systeme werden im Abgleichen von Quellen besser, nicht schlechter.
3. Herkunft sichtbar machen
Aussagen, die auf eine nachvollziehbare Quelle zurückgehen, werden häufiger zitiert. Das gilt für externe Studien ebenso wie für die eigene Erfahrung, sofern sie konkret benannt wird. „Aus unseren Projekten seit 2025“ ist eine Quelle. „Erfahrungsgemäß“ ist keine.
4. Am Text feilen
Die Fluency-Erkenntnis ist die am leichtesten umzusetzende und die am seltensten befolgte. Verschachtelte Sätze auflösen, Füllwörter streichen, Absätze auf einen Gedanken reduzieren. Ein Text, der sich gut liest, wird häufiger zitiert. Das ist kein Trick, sondern schlicht besseres Schreiben.
5. Themenfeld statt Einzelseite
Weil das System eine Frage in viele Teilfragen zerlegt, gewinnt nicht die Seite mit dem besten Keyword, sondern die Domain, die das Themenfeld am vollständigsten abdeckt. Eine gut vernetzte Struktur aus Hauptseite, vertiefenden Artikeln und Glossareinträgen schlägt eine einzelne, überoptimierte Landingpage.
Häufig gestellte Fragen zu GEO
Was bedeutet GEO genau?
GEO steht für Generative Engine Optimization. Es bezeichnet die Optimierung von Inhalten mit dem Ziel, in den Antworten generativer Suchsysteme wie ChatGPT, Claude, Gemini oder Perplexity als Quelle zitiert zu werden. Der Begriff wurde 2024 in einem wissenschaftlichen Paper auf der ACM SIGKDD Conference definiert.
Was ist der Unterschied zwischen GEO und SEO?
SEO optimiert auf eine Position in einer Ergebnisliste, GEO auf eine Zitation in einem generierten Text. Der praktische Unterschied: SEO bewertet Seiten, GEO bewertet einzelne Passagen. Beide bauen aufeinander auf, weil eine Seite, die im Retrieval-Schritt nicht gefunden wird, auch nicht zitiert werden kann.
Ist GEO dasselbe wie GAIO oder AEO?
Die Begriffe überschneiden sich stark und werden oft synonym verwendet. GEO ist der wissenschaftlich definierte Begriff aus dem Ursprungspaper. GAIO (Generative AI Optimization) und AEO (Answer Engine Optimization) sind später aus der Marketingpraxis entstandene Varianten mit im Kern derselben Bedeutung. In der Fachliteratur taucht zusätzlich C-SEO (Conversational Search Engine Optimization) auf.
Funktioniert Keyword-Optimierung für KI-Systeme?
Nein. Im GEO-Paper schnitt Keyword-Stuffing schlechter ab als der unoptimierte Ausgangstext, bei Perplexity lag es 10 Prozent unter dem Ausgangswert. Sprachmodelle machen keinen Keyword-Abgleich, sondern verstehen Bedeutung. Ein mit Begriffen überladener Text liest sich schlechter und wird dadurch schlechter zitierfähig.
Wie viel bringt GEO messbar?
Das Original-Paper misst bis zu 41 Prozent Steigerung der Sichtbarkeit in KI-Antworten durch die stärkste Einzelmaßnahme. Diese Zahl gilt jedoch für den Fall, dass nur eine Seite optimiert. Sobald mehrere Wettbewerber dieselben Methoden anwenden, schrumpft der Vorteil deutlich. Das zeigt die Gegenstudie C-SEO Bench von 2025.
Muss ich auf Google Seite 1 stehen, um in KI-Antworten zu erscheinen?
Nein, und das hat sich 2026 stark verändert. Im Februar 2026 stammten nur noch 38 Prozent der AI-Overview-Zitationen aus den Google-Top-10, gegenüber 76 Prozent im Juli 2025. Zwei Drittel der zitierten Seiten ranken für dieselbe Anfrage nicht auf Seite eins. Grund ist das Query Fan-Out, bei dem das System eine Frage in viele Teilfragen zerlegt und dadurch breiter sucht.
Lohnt sich GEO für kleine Unternehmen?
Gerade für kleinere Anbieter ist der Hebel überdurchschnittlich. Das Original-Paper zeigt, dass Seiten auf Google-Position 5 durch GEO-Maßnahmen 115 Prozent Sichtbarkeit gewannen, während die Seite auf Position 1 im selben Test 30 Prozent verlor. Ein Sprachmodell sieht keine Backlinks und keine Domain-Autorität, es sieht den Text.
Kann ich mich mit Tricks in KI-Antworten hineinschreiben?
Kurzfristig teilweise, langfristig nicht. Die Benchmark-Studie von 2025 beschreibt GEO spieltheoretisch als überfülltes Nullsummenspiel: Sobald alle dieselben Taktiken anwenden, verschwindet der individuelle Vorteil. Was bleibt, ist die Relevanz und Qualität der Quelle selbst.
Fazit: GEO ist die Optimierung auf Zitierbarkeit
GEO ist kein Marketingbegriff und kein Trend, sondern eine wissenschaftlich definierte Disziplin mit einer messbaren Datenbasis. Was diese Datenbasis zeigt, ist unbequemer und zugleich klarer als das, was in den meisten Ratgebern steht.
Die drei Maßnahmen mit belegter Wirkung sind schlicht: überprüfbare Zahlen, benannte Quellen und gut geschriebene Sätze. Die Taktik, die am zuverlässigsten scheitert, ist die, die aus dem SEO-Reflex kommt, nämlich mehr Keywords. Und die einzige Optimierung, die auch dann noch trägt, wenn alle anderen dieselben Methoden anwenden, ist die inhaltliche Substanz der Quelle.
Damit läuft GEO auf etwas hinaus, das nicht besonders spektakulär klingt: Schreibe präzise, belege deine Aussagen und stelle sicher, dass die Systeme deine Seite überhaupt lesen können. Das ist die ganze Disziplin. Der Rest ist Handwerk und Geduld.
Bei onlinewachsen arbeiten wir genau auf dieser Grundlage. Unsere Scaling Dienstleistungen verbinden klassisches SEO, GEO und die technische Infrastruktur, ohne die beides wirkungslos bleibt. Oder kontaktiere uns direkt für eine Bewertung deiner KI-Sichtbarkeit.
Quellen
