GEO statt SEO: Wie KI-Sprachmodelle Ihre Inhalte bewerten

Im Februar habe ich Claude gefragt, welche Agenturen in Frankfurt redaktionelle KI-Prozesse aufbauen. Meine eigene Firma? Fehlanzeige. Stattdessen drei Namen, die ich nicht kannte, und der Verweis auf einen Fachartikel, der gut formuliert war und sachlich falsch. Da fiel bei mir der Groschen. Wir optimieren seit zwanzig Jahren für eine Maschine, die uns Menschen die Treffer serviert. Jetzt schreibt die Maschine die Antwort selbst.

Klassisches SEO folgt einer schlichten Kette: Sie schreiben einen Text, Google rankt ihn, ein Mensch klickt und liest. Bei der Generative Engine Optimization verschwindet das mittlere Glied. Das Sprachmodell liest, bewertet, zerlegt und montiert aus Fragmenten eine eigene Auskunft. Der Nutzer sieht meist nur noch diese Auskunft. Ihre Seite landet, wenn überhaupt, als Fußnote.

Warum das Etikett trügt

Viele Agenturen tun so, als hätte man ein paar Schrauben getauscht. Keywords rein, ein bisschen strukturierte Daten dazu, fertig ist die GEO-Strategie. Das greift zu kurz. Bei SEO ringen Sie um einen Platz auf einer Liste. Bei GEO ringen Sie darum, ob ein Modell Ihre Aussage für vertrauenswürdig genug hält, um sie zu zitieren.

Das ist ein Unterschied in der Art, nicht im Grad. GPT oder Gemini interessieren sich nicht für Ihre Klickrate. Sie prüfen, wie eindeutig, wie belegt und wie widerspruchsfrei Ihre Sätze sind. Vager Text, der bei Google noch über clevere Verlinkung nach oben rutscht, fällt bei der maschinellen Lektüre durch. Er ist dem Modell schlicht zu unscharf.

Google verzeiht Vagheit, ein Sprachmodell nicht. Was sich nicht eindeutig entnehmen lässt, wird nicht zitiert, sondern übergangen.

Die Princeton-Studie zur Generative Engine Optimization von 2024 hat gemessen: präzise zitierte Quellen und klar belegte Aussagen heben die Sichtbarkeit in generierten Antworten spürbar, in einzelnen Konstellationen um über vierzig Prozent. Nicht die Keyword-Dichte. Die Belegbarkeit.

Die Maschine liest wie ein strenger Lektor

Hier trifft GEO auf mein eigentliches Thema. Ein Sprachmodell, das Ihren Text bewertet, benimmt sich verblüffend ähnlich wie ein guter Redakteur. Es fragt: Stimmt das? Ist es belegt? Widerspricht sich der Text an anderer Stelle? Steht eine Behauptung völlig in der Luft?

Genau diese Fragen stellen wir in der Redaktion seit jeher, gegen einen Maßstab. Das Modell hat den Maßstab jetzt sozusagen verinnerlicht, wenn auch grob und unvollkommen. Wer redaktionell sauber arbeitet, optimiert nebenbei für GEO. Wer KI-Texte ungeprüft online stellt, erzeugt das Gegenteil: glatte, beliebige Prosa, die andere Sprachmodelle als austauschbar erkennen und beiseitelegen.

Ein Sprachmodell zitiert keine Texte, die klingen wie von einem Sprachmodell. Beliebigkeit erkennt die Maschine an sich selbst.

Das ist die stille Ironie. Die KI-Massenware, die viele Unternehmen gerade in die Welt schütten, taugt für GEO nahezu nichts. Nicht weil sie schlecht klingt. Sondern weil sie nichts Eigenes behauptet, das ein Modell als Quelle gebrauchen könnte.

Ein Stadtwerk und die Wärmeplanung

Ein Stadtwerk, mit dem ich vor einigen Monaten gearbeitet habe, wollte zur kommunalen Wärmeplanung sichtbar werden. Die alte Seite war fein SEO-poliert: viel "Wärmewende", viel "nachhaltige Energie", inhaltlich beliebig. ChatGPT zitierte stattdessen das Umweltbundesamt und einen Wettbewerber.

Wir haben den Text nicht länger gemacht, sondern schärfer. Konkrete Zahlen zur Wärmeplanung nach dem Wärmeplanungsgesetz, benannte Fristen, eine eigene Einordnung, was das für Hauseigentümer in der Region bedeutet. Sechs Wochen später tauchte die Seite in generierten Antworten auf. Nicht weil wir die Maschine ausgetrickst hätten. Weil der Text endlich etwas zu sagen hatte.

Ehrlich gesagt: ein Glücksfall, kein Rezept. Ich kann Ihnen nicht garantieren, dass ein Modell Ihren Text aufnimmt. Niemand kann das. Die Bewertungskriterien der Anbieter sind intransparent und wechseln, manchmal von einer Woche zur nächsten. Wer Ihnen feste GEO-Garantien verkauft, verkauft Ihnen eine Hochrechnung im Gewand einer Zusage.

Reproduzierbar ist bei GEO nur die Disziplin, nicht das Ergebnis. Sichtbar wird, wer etwas Belegbares sagt; ob und wann ein Modell zugreift, entzieht sich Ihrer Kontrolle.

Was Sie konkret tun können

Schreiben Sie belegbar. Jede zentrale Behauptung braucht eine Quelle, ein Datum, eine Zahl. "Studien zeigen" reicht weder dem Leser noch der Maschine. Der Bitkom-Leitfaden zu generativer KI im Unternehmen ist ein brauchbarer Ausgangspunkt, um die eigene Haltung zu sortieren.

Definieren Sie eine Position. Texte ohne Standpunkt sind für GEO Füllmaterial. Sagen Sie etwas, das nicht jeder sagt, und stehen Sie dazu, auch wenn es angreifbar macht.

Und dann der Kern: bauen Sie einen Korrekturschritt ein. Nicht die Frage "Wie schreibe ich für die KI?" entscheidet, sondern wer den KI-Text gegen welchen Maßstab prüft, bevor er online geht. Wie das praktisch aussieht, habe ich im KI-Redaktionssystem für Agenturen beschrieben. Wer erst noch die Mitarbeiter für solche Prozesse gewinnen muss, findet einen Anfang darin, Digitalisierung zu erklären.

Das dritte Glied, das alle überspringen

Die meisten GEO-Ratgeber enden bei der Technik. Strukturierte Daten, FAQ-Markup, hübsche Antwortformate. Alles richtig, alles zweitrangig. Ein Modell zitiert keine sauber ausgezeichnete Beliebigkeit; das Markup ändert nichts daran, dass nichts drinsteht.

Die eigentliche Arbeit liegt davor, in der Entscheidung, ob ein Text gut genug ist, um veröffentlicht zu werden. Nicht die Datenreife scheitert hier, sondern die Korrektur: Niemand legt fest, wann ein KI-Text den Maßstab erreicht und wer das entscheiden darf. Genau dieser Mensch bestimmt am Ende auch, ob die nächste Maschine Sie für zitierwürdig hält.

Vielleicht ist GEO gar keine neue Disziplin. Vielleicht ist es die alte Frage nach redaktioneller Qualität, gestellt von einem neuen Prüfer, der nicht klickt, sondern liest. Wollen Sie dem wirklich ungeprüfte KI-Prosa vorlegen?