Was ist GEO? Der komplette Einsteiger-Guide

Ein B2B-Einkäufer sucht einen neuen Lieferanten für industrielle Filteranlagen im DACH-Raum. Früher hätte er Google geöffnet, zehn Herstellerseiten verglichen, drei Angebote eingeholt. 2026 tippt er stattdessen in ChatGPT: „Bester Anbieter für industrielle Filteranlagen DACH, mit Referenzen aus dem Pharmabereich." Er bekommt drei bis fünf Namen als Antwort. Wenn dein Unternehmen nicht dabei ist, existiert es für ihn faktisch nicht.

Genau hier setzt Generative Engine Optimization an, kurz GEO. Dieser Guide erklärt, was dahintersteckt, warum das Thema gerade jetzt an Dringlichkeit gewinnt und welche konkreten Schritte du als Erstes gehen solltest.

Was ist GEO?

GEO ist die Disziplin, eine Marke so zu positionieren, dass sie in den Antworten generativer KI-Systeme korrekt, häufig und bevorzugt erwähnt wird. Gemeint sind Modelle wie ChatGPT, Claude, Gemini, Perplexity, Microsoft Copilot oder DeepSeek, also all jene Systeme, die Nutzerfragen nicht mit einer Linkliste, sondern mit einer fertig formulierten Antwort beantworten.

GEO vs. SEO: was ist der Unterschied?

Klassisches SEO optimiert für einen Ranking-Algorithmus, der Dokumente sortiert. Der Nutzer sieht zehn blaue Links und klickt einen an. Du hast also mehrere Chancen, wahrgenommen zu werden.

GEO optimiert für einen generativen Algorithmus, der Informationen bündelt und als zusammenhängende Antwort ausgibt. Der Nutzer sieht drei bis fünf Empfehlungen oder gar nur einen Namen. Die Zweitplatzierung existiert oft nicht mehr.

Drei weitere Unterschiede:

• SEO misst Traffic, GEO misst Erwähnungen. Klicks sind nicht mehr die alleinige Zielmetrik. Eine LLM-Empfehlung ohne Klick kann trotzdem verkaufsrelevant sein.
• SEO arbeitet mit Keywords, GEO arbeitet mit Entitäten. Ein LLM versteht nicht „Filteranlagen DACH", es versteht das Unternehmen X, das im Bereich Filtration tätig ist und Kunden aus der Branche Y bedient.
• SEO ist iterativ, GEO hat Trainings-Lags. Viele Modelle wurden vor Monaten trainiert. Was du heute veröffentlichst, taucht erst in Wochen oder Quartalen in deren Weltbild auf, außer du arbeitest gezielt mit RAG-Kanälen und Referenzquellen, die sofort gelesen werden.

Wie „sehen" LLMs deine Website?

Damit du GEO steuern kannst, musst du verstehen, über welche Kanäle ein Modell überhaupt Wissen über dein Unternehmen aufnimmt. Es gibt drei Hauptpfade:

1. Training-Data. Beim initialen Training hat das Modell riesige Text-Korpora verarbeitet: Common Crawl, Wikipedia, Reddit, GitHub, lizenzierte News-Archive und zum Teil spezialisierte Datasets. Was dort über dich steht (oder nicht steht), hängt im Weltbild des Modells fest, bis ein Retraining kommt. Relevant ist der Training-Cutoff, also der Stichtag, ab dem keine neuen Daten mehr aufgenommen werden. Aktuelle Modelle liegen typischerweise drei bis zwölf Monate zurück.

2. Retrieval-Augmented Generation (RAG). Moderne Systeme wie Perplexity, ChatGPT mit Search, Gemini oder Claude mit Web-Access durchsuchen live das Web und zitieren Quellen in Echtzeit. Hier zählen klassische SEO-Faktoren weiter (Crawlbarkeit, Autorität, strukturierte Daten), aber mit einem verschobenen Fokus: Die KI liest Absätze, keine Listen, und bevorzugt Inhalte, die faktisch präzise und zitierfähig sind.

3. Third-Party-Referenzen. Das mit Abstand unterschätzte Feld. LLMs gewichten Aussagen, die in mehreren unabhängigen, vertrauenswürdigen Quellen übereinstimmen. Ein Wikipedia-Eintrag, ein Wikidata-Datensatz, Fachartikel, Interviews, Podcast-Listings, Pressemitteilungen im Original-Wortlaut: all das baut Reputation im Modell auf.

Die technischen Werkzeuge

Zwei Dateien spielen dabei eine zunehmend wichtige Rolle:

• llms.txt: ein Vorschlag aus 2024, der sich inzwischen als informeller Standard etabliert hat. Eine Markdown-Datei im Root-Verzeichnis deiner Domain, die einem Modell in komprimierter Form mitteilt, wer du bist und was deine wichtigsten Seiten sind.
• robots.txt mit dedizierten Bot-Blöcken für GPTBot, ClaudeBot, PerplexityBot, Google-Extended usw. Hier steuerst du, wer dich crawlen darf.

Die drei Pfeiler von GEO

Strategisch betrachtet ruht GEO auf drei Säulen. Wer nur an einer arbeitet, verschenkt Wirkung. Wer an allen dreien zugleich arbeitet, sieht in der Regel innerhalb eines Quartals erste Bewegung in den Visibility-Scores.

Auffindbarkeit. Deine Domain ist technisch sauber crawlbar, AI-Bots sind nicht blockiert, Schema-Markup ist korrekt, die Informationsarchitektur ist flach genug, dass ein Crawler in zwei Klicks zu jedem wichtigen Inhalt kommt. Ohne Auffindbarkeit geschieht der Rest nicht. Hierher gehören auch Sitemaps, saubere hreflang-Angaben für mehrsprachige Domains und ein CDN, das KI-Crawlern stabile Antwortzeiten liefert. Wer AI-Bots versehentlich rate-limitet, verliert Trainings-Signale, ohne es zu merken.

Zitierbarkeit. Deine Inhalte sind so strukturiert, dass ein LLM daraus sauber zitieren kann: klare Aussagen, prägnante Definitionen, kurze Absätze, Faktendichte ohne Füllstoff. Wer eine Frage stellt, sollte auf deiner Seite einen Absatz finden, der diese Frage in einem Atemzug beantwortet. Dieser Absatz ist die Einheit, die das Modell übernimmt. Ein guter Praxis-Test: Kopiere einen Absatz von deiner Seite aus dem Kontext heraus und lies ihn einem Kollegen vor. Versteht er die Aussage ohne Rückfrage? Wenn nicht, ist der Absatz für ein LLM ebenfalls unbrauchbar.

Erwähnung. Dein Name taucht in fremden Quellen auf: in Wikipedia, in Branchenverzeichnissen, in Gastartikeln, in Podcast-Shownotes, in Fachbüchern, in universitären Abschlussarbeiten. Je vielfältiger und unabhängiger die Quellen, desto stabiler verankert sich deine Marke im Modell. Das ist der Grund, warum PR und Content-Partnerschaften wieder strategische Bedeutung bekommen. Ein einzelner, viel gelesener Gastartikel in einem Fachmedium kann im Kontext von GEO mehr wert sein als hundert selbst veröffentlichte Landingpages, weil das Modell die Fremd-Aussage höher gewichtet als die Selbst-Aussage.

Der konzeptionelle Fehler, den viele Teams machen: Sie arbeiten nur an Säule eins und zwei (Technik und eigener Content) und hoffen, dass die dritte Säule sich „mitzieht". Tut sie nicht. Erwähnung muss aktiv produziert werden, durch Fachautorität, Interviews, Studien, Events.

Messbarkeit: Was sind AI-Visibility, Share-of-Voice und GEO-Score?

Neue Disziplin, neue Metriken. Drei Begriffe solltest du kennen:

• AI-Visibility misst, wie häufig deine Marke in einem definierten Set von Prompts über mehrere Modelle hinweg erwähnt wird. Üblicherweise als Prozentwert: „Du erscheinst in 42 % der relevanten ChatGPT-Antworten zu Filteranlagen."
• Share-of-Voice setzt deine Erwähnungen ins Verhältnis zum Gesamtmarkt. Wenn in 100 Antworten insgesamt 300 Firmennamen fallen und 18 davon deiner sind, liegst du bei 6 % Share-of-Voice. Diese Metrik macht Wettbewerbs-Benchmarking erst möglich.
• GEO-Score ist die Arawai-interne Gesamtnote: ein Composite aus Sichtbarkeit, Zitierrate, Sentiment, Konsistenz über Modelle und technischer Optimierung. 0–100, damit schnell vergleichbar.

Dass diese Metriken nicht nur akademisch sind, zeigen inzwischen mehrere Studien: Die viel zitierte Princeton-Arbeit zu GEO-Methoden (2023) hat gemessen, dass strukturiertes Optimieren (also saubere Entitäten, Zitierbarkeit und Autoritäts-Signale) Marken bis zu 40 % häufiger in generativen Antworten sichtbar macht. Forrester hat 2025 veröffentlicht, dass 89 % der B2B-Käufer GenAI in ihren Recherche-Workflows nutzen. Gartner rechnet bis 2026 mit einem Rückgang des klassischen Suchvolumens um rund 25 % zugunsten KI-gestützter Antworten.

In der Praxis heißt das: Eine Marke, die heute in null von zehn relevanten Prompts erwähnt wird, hat einen realen Marktnachteil gegenüber einer Marke, die in sechs von zehn Prompts erscheint. Dieser Nachteil ist nicht theoretisch, er zeigt sich in verschobenen Sales-Pipelines, in geringerer Marken-Präsenz bei Research-getriebenen Zielgruppen und in einem langfristigen Verlust an Recherche-Deutungshoheit. Wer GEO ignoriert, zahlt also nicht mit einem „Bonus-Kanal weniger", sondern mit Marktanteil im Kernkanal der nächsten fünf Jahre.

Erste Schritte: Die 5-Punkte-Checkliste

Wenn du in der nächsten Woche mit GEO beginnen willst, sind das die ersten fünf Handgriffe, in dieser Reihenfolge:

1. Status-quo messen. Prüfe für fünf bis zehn realistische Kundenfragen, wie ChatGPT, Claude und Perplexity heute antworten. Notiere: Wirst du erwähnt? Werden Wettbewerber genannt? Sind die Fakten korrekt?
2. Schema-Markup aufräumen. Mindestens Organization-, Person- und FAQPage-JSON-LD auf den wichtigsten Seiten. Das gibt dem Modell strukturierten Zugriff auf deine Identität.
3. llms.txt anlegen. Kurz, klar, keine Marketing-Sprache. Name, Kurzdefinition, Links zu den drei bis fünf wichtigsten Seiten.
4. Wikipedia-Lage prüfen. Existiert ein Eintrag zu deinem Unternehmen, deinen Gründern, deiner Kernmarke? Ist er aktuell? Wenn nein: seriöse Quellen sammeln, die einen Eintrag überhaupt erst möglich machen.
5. Eine Kernseite zitierbar machen. Wähle die wichtigste Produkt- oder Lösungsseite und schreibe sie so um, dass jeder Absatz eine definite Aussage enthält, die ohne Kontext verstanden und zitiert werden kann.

FAQ

Lohnt sich GEO für mich, wenn ich ein lokales Unternehmen bin? Ja, zunehmend. Perplexity, ChatGPT Search und Gemini beziehen lokale Ergebnisse ein, und Nutzer fragen „Bester Zahnarzt in Dresden mit Prophylaxe-Schwerpunkt" genauso, wie sie früher gegoogelt hätten. Die Gewinner sind die Betriebe, deren Daten auf der eigenen Seite, bei Google Business Profile und in Fachverzeichnissen konsistent sind. Inkonsistenzen (etwa abweichende Öffnungszeiten zwischen Website und Google Business) führen dazu, dass das Modell unsicher wird und lieber einen Konkurrenten empfiehlt, bei dem die Datenlage eindeutig ist.

Ersetzt GEO klassisches SEO? Nein. SEO bleibt die Basis: ein Modell, das live im Web sucht, kann nur finden, was auch indexiert ist. GEO ergänzt SEO um eine semantische und entitäten-zentrierte Ebene. In der Praxis teilen sich die beiden Disziplinen die gleichen Werkzeuge (Crawling, Schema, Content), unterscheiden sich aber in der Zielmetrik und in der Gewichtung der Hebel.

Wie schnell sehe ich Ergebnisse? Unterschiedlich. Änderungen, die live-durchsuchte Modelle betreffen (RAG-Systeme wie Perplexity), sind teils nach Tagen sichtbar. Änderungen an Trainings-Data-Signalen (Wikipedia, Fachpresse, Backlinks) wirken erst nach dem nächsten Trainings-Zyklus. Realistisch sind drei bis neun Monate, bis sich eine messbare Verschiebung im AI-Visibility-Score einstellt. Schnelle Wins holt man typischerweise in den ersten vier Wochen aus Schema-Aufräumen, llms.txt und dem Ausrichten der Startseite auf klare Entitäten. Die langfristigen Hebel (Reputation, Wikipedia, Fachautorität) brauchen Geduld.

Der nächste Schritt

GEO ist keine Checkbox, sondern ein laufender Prozess. Welche Prompts sind für dein Geschäft relevant? Wo stehst du heute? Welche Hebel wirken bei dir am schnellsten?

Wenn du das kostenlos und ohne Aufwand für deine Domain messen willst, teste Arawai direkt auf unserer Startseite und schau dir die Preise und Pakete an. In zehn Minuten weißt du, wie sichtbar du in ChatGPT, Claude, Gemini und Perplexity bist und wo die größten Hebel liegen.

Weitergehen

Bereit, deinen GEO-Score zu sehen?