Generative Engine Optimization: der Leitfaden für Schweizer KMU

Lesezeit: ca. 13 Minuten | Niveau: Einsteiger bis Entscheider

Generative engine optimization, kurz GEO, ist die Arbeit daran, dass deine Website in den Antworten von KI-Systemen auftaucht. In ChatGPT, in Perplexity, in Google AI Mode, in den AI Overviews.

Der Begriff ist jung. Das Handwerk dahinter ist es nur zum Teil.

Dieser Artikel ist der Einstieg in eine ganze Serie. Er zeigt dir, was hinter GEO steckt, wie generative Systeme ihre Quellen auswählen und in welcher Reihenfolge ein Schweizer KMU sinnvoll vorgeht. Jeder Themenblock ist hier so weit erklärt, dass du ihn verstehst. Für die Tiefe verlinken wir in den jeweiligen Detailartikel.

Und weil das Thema derzeit voll von Behauptungen ohne Beleg ist, gibt es weiter unten einen eigenen Abschnitt dazu, was am GEO-Markt gerade übertrieben wird.

‍

Was generative engine optimization überhaupt ist

Eine klassische Suchmaschine gibt dir eine Liste. Zehn Treffer, du wählst selbst aus.

Eine generative Engine gibt dir stattdessen einen fertig formulierten Text. Sie liest mehrere Quellen, zieht daraus eine Antwort zusammen und nennt einen Teil dieser Quellen als Beleg.

Damit verschiebt sich die Aufgabe. Früher ging es darum, mit einer URL auf einer Ergebnisseite weit oben zu stehen. Jetzt geht es zusätzlich darum, dass ein System deine Inhalte findet, versteht, als belastbar einstuft und in seiner Antwort verwendet.

GEO ist also kein neuer Trick. Es ist die Frage, wie ein Text aussehen muss, damit eine Maschine ihn zitieren kann, ohne dabei etwas zu erfinden.

Woher der Begriff kommt

Ein Forschungsteam veröffentlichte 2023 ein Paper mit dem Titel "GEO: Generative Engine Optimization". Daher stammt die Abkürzung.

Im Marketing wird der Begriff seither deutlich weiter gedehnt als im Paper. Parallel kursieren AEO für answer engine optimization und LLMO für large language model optimization. Die drei Begriffe meinen in der Praxis weitgehend dasselbe, nur mit anderem Schwerpunkt. Wir haben die Abgrenzung in einem eigenen Artikel sortiert: GEO, AEO, LLMO und SEO im Unterschied.

Was sich für dich konkret ändert

Drei Dinge.

Erstens: Sichtbarkeit entsteht auch ohne Klick. Wer in einer Antwort als Quelle genannt wird, wirkt auf die Kaufentscheidung, selbst wenn niemand auf den Link tippt.

Zweitens: Ausgewählt wird nicht die Seite, sondern die Passage. Ein System zieht einzelne Absätze heran, nicht das ganze Dokument. Ein langer Text ohne klare Abschnitte hat es dadurch schwerer.

Drittens: Was ausserhalb deiner Website über dich steht, zählt mit. Branchenverzeichnisse, Fachportale, Foren, Presse. Ein Modell kennt deine Firma nicht nur aus deinem eigenen Text.

Das klingt nach zusätzlicher Arbeit. In der Praxis ist es meist weniger, weil dieselben Schritte auch in der klassischen Suche zählen.

‍

GEO ersetzt SEO nicht, es setzt darauf auf

Das ist die wichtigste Aussage dieses Artikels.

Der Grund ist technisch, nicht ideologisch. Die meisten generativen Systeme haben keinen eigenen, vollständigen Index des Webs. Sie greifen im Moment der Frage auf eine Suche zu, holen sich Dokumente und lesen darin nach. Google AI Mode und die AI Overviews nutzen dafür die Google-Suche. Andere Anbieter nutzen fremde Suchindizes oder einen eigenen, kleineren Crawl.

Daraus folgt eine einfache Kette. Was nicht gecrawlt wird, kommt nicht in den Index. Was nicht im Index ist, wird nicht abgerufen. Was nicht abgerufen wird, kann nicht zitiert werden.

Crawlbarkeit, sauberer Seitenaufbau, schnelle Auslieferung, eindeutige URLs, funktionierende interne Verlinkung: das wirkt in beiden Welten. Wenn bei dir da etwas klemmt, ist GEO das falsche erste Projekt. Dann gehört zuerst die Basis geräumt. Wie diese Basis aussieht, steht in unserem Artikel zu technischem SEO. Und wenn du ganz am Anfang stehst, starte bei was SEO ist und wie es funktioniert.

Der Unterschied liegt woanders. SEO fragt: Welche Seite passt zu dieser Suchanfrage. GEO fragt: Welcher Abschnitt beantwortet diese Teilfrage so präzise, dass ein Modell ihn gefahrlos übernehmen kann.

‍

Wie eine generative Engine zu ihren Quellen kommt

Ohne dieses Verständnis bleibt jede GEO-Massnahme Bauchgefühl. Der Ablauf lässt sich in vier Schritte zerlegen.

Schritt 1, die Frage wird zerlegt. Aus einer Nutzerfrage werden mehrere Suchanfragen. Google nennt dieses Vorgehen für den AI Mode in der eigenen Kommunikation "query fan-out". Aus "welche Buchhaltungssoftware passt für mein Kleinunternehmen in der Schweiz" werden intern Teilfragen zu Preisen, zur Mehrwertsteuer, zu Schnittstellen und zu Anbietern.

Schritt 2, Dokumente werden geholt. Für jede Teilfrage laufen Abrufe gegen einen Index oder direkt gegen Webseiten.

Schritt 3, Passagen werden ausgewählt. Aus den geholten Dokumenten landen nur einzelne Textstellen im Kontext des Modells. Dieser Schritt entscheidet über deine Sichtbarkeit.

Schritt 4, die Antwort wird formuliert. Das Modell schreibt aus den Passagen einen Text und hängt Quellen an. Dieses Prinzip heisst Retrieval Augmented Generation, kurz RAG. Das Anbinden an geprüftes Material heisst Grounding.

Zwei Folgerungen daraus. Du optimierst nicht auf ein Keyword, sondern auf ein Bündel von Teilfragen. Und du optimierst auf Abschnittsebene, nicht auf Seitenebene.

Die Mechanik im Detail steht in RAG und Grounding in der KI-Suche. Wie die Zerlegung der Frage genau abläuft, erklären wir in Query Fan-Out im Google AI Mode.

‍

Strategien, die aus dieser Mechanik folgen

Wenn Passagen ausgewählt werden, dann schreibst du in Passagen.

Eine Frage pro Abschnitt. Zwischentitel formulierst du als das, wonach jemand fragt. Darunter steht die Antwort, nicht die Einleitung zur Antwort.

Antwort zuerst, Begründung danach. Der erste Satz nach dem Zwischentitel beantwortet die Frage vollständig. Er muss auch alleine stehen können, ohne den Absatz davor.

Eigene Substanz statt Zusammenfassung. Ein Modell kann allgemeines Wissen selbst formulieren. Es braucht dich für das, was sonst nirgends steht: konkrete Preisspannen, Fristen, kantonale Unterschiede, Materialien, Abläufe, Messwerte aus deinem eigenen Betrieb.

Klare Sprache statt Werbesprache. Sätze, die nichts Prüfbares behaupten, sind für eine Maschine wertlos. "Seit 1998 in Winterthur, Montage innert zwei Arbeitstagen" ist eine Information. Der übliche Marketingsatz daneben ist keine.

Listen und Tabellen dort, wo sie passen. Aufzählungen, Vergleiche und Schrittfolgen lassen sich leichter als Ganzes herauslösen als ein Fliesstext mit derselben Information. Eine Tabelle mit Preisspannen ist für eine Maschine eine klar abgegrenzte Einheit.

Interne Verlinkung mit sprechendem Ankertext. Sie führt Crawler zu deinen wichtigen Seiten und sagt gleichzeitig, worum es dort geht. Ein Link mit dem Text "hier klicken" leistet beides nicht.

Konsistenz über alle Orte hinweg. Firmenname, Adresse, Leistungen und Zahlen sollten überall gleich stehen. Auf der Website, im Branchenverzeichnis, im Google-Unternehmensprofil, auf LinkedIn. Widersprüche senken die Wahrscheinlichkeit, dass ein System deine Angabe übernimmt.

Datum und Pflege. Bei Themen, die sich ändern, achten Systeme auf Aktualität. Ein sichtbares Aktualisierungsdatum und ein echter Pflegerhythmus helfen mehr als ein weiterer neuer Artikel.

‍

Content und Autorität

Autorität ist in der KI-Suche kein Bauchgefühl, sondern eine Frage der Wiedererkennung.

Modelle arbeiten mit Entitäten. Eine Entität ist ein eindeutiges Ding: eine Firma, eine Person, ein Ort, ein Produkt. Deine Aufgabe ist, dass deine Firma als solche Entität erkennbar wird und stabil mit bestimmten Themen verknüpft ist.

Dabei helfen drei Dinge. Eine Seite, die deine Firma sachlich beschreibt und als Referenzpunkt dient. Autorenprofile mit echtem Namen, Rolle und Qualifikation statt einer anonymen Redaktion. Und Erwähnungen ausserhalb deiner eigenen Domain, die dasselbe Bild zeichnen.

Das ist der Punkt, an dem Googles E-E-A-T-Denkweise und GEO zusammenfallen. Erfahrungswissen, Fachlichkeit, Autorität und Vertrauenswürdigkeit sind keine Rankingfaktoren zum Abhaken, sondern Eigenschaften, die sich aus vielen Signalen ergeben.

Wie du Texte konkret so baust, dass sie zitierfähig sind, steht in Content für KI optimieren. Die Arbeit an Entitäten und Autorensignalen behandeln wir in E-E-A-T und Entitäten in der KI-Suche.

‍

Die technische Seite

Hier gibt es wenig Magie und viel Handwerk.

Strukturierte Daten. Mit Schema.org-Auszeichnung sagst du einer Maschine, was ein Text ist: ein Artikel, ein Produkt, ein Unternehmen, eine Frage mit Antwort, ein Rezept. Das ersetzt keinen guten Text, macht aber Fakten maschinell eindeutig. Welche Typen sich lohnen, steht in Schema Markup für die KI-Suche.

Rendering. Inhalt, der erst per JavaScript im Browser nachgeladen wird, ist ein Risiko. Ob ein bestimmter KI-Crawler JavaScript ausführt, ist bei den meisten Anbietern nicht dokumentiert. Was im ausgelieferten HTML steht, ist auf der sicheren Seite.

Crawler-Steuerung. Die grossen Anbieter dokumentieren eigene User Agents und lassen sich über robots.txt steuern. OpenAI beschreibt dafür unter anderem GPTBot, Google führt mit Google-Extended eine eigene Steuerung. Wichtig ist, dass du weisst, welcher Bot welche Aufgabe hat. Wer pauschal alles sperrt, sperrt unter Umständen auch die Abrufe, die deine Sichtbarkeit erst erzeugen. Details in GPTBot und KI-Crawler richtig steuern.

llms.txt. Ein Vorschlag von llmstxt.org: eine Markdown-Datei im Wurzelverzeichnis, die einem Modell die wichtigsten Seiten in lesbarer Form auflistet. Der Vorschlag ist offen dokumentiert. Eine offizielle Unterstützung durch die grossen Suchanbieter ist bis heute nicht bestätigt. Wir ordnen das in llms.txt: Nutzen, Grenzen und Aufbau ein, inklusive der Frage, für wen sich der Aufwand jetzt schon lohnt.

‍

Messung und Monitoring

Das ist die unangenehmste Stelle im ganzen Thema. Es gibt keinen Bericht, der dir sagt, auf welchem Platz du in ChatGPT stehst.

Was du messen kannst, sind drei Dinge.

Erwähnungen. Du definierst einen festen Satz an Fragen, die deine Kundschaft stellen würde, stellst sie regelmässig in mehreren Systemen und protokollierst, ob und wie deine Firma vorkommt. Von Hand oder mit einem Monitoring-Werkzeug.

Zitate. Wird deine Domain als Quelle verlinkt, und wenn ja, welche URL.

Verweise. In der Webanalyse tauchen Besuche aus KI-Oberflächen als eigene Verweisquellen auf. Das ist die einzige harte Zahl, die du selbst erheben kannst. Sie zeigt allerdings nur die Klicks, nicht die Wirkung der Nennungen ohne Klick.

Welche Kennzahlen sich lohnen und wie du sie sauber aufsetzt, steht in KI-Sichtbarkeit messen. Wie du das in ein bestehendes Reporting einbaust, zeigen wir im Artikel zum SEO-Reporting.

Setz die Messung auf, bevor du grössere Änderungen machst. Ohne Ausgangswert kannst du später nicht sagen, ob etwas gewirkt hat.

‍

Was das für ein Schweizer KMU heisst

Zwei Besonderheiten machen die Schweiz zu einem eigenen Fall.

Mehrsprachigkeit

Deutsch, Französisch, Italienisch, oft dazu Englisch. Für eine generative Engine ist jede Sprachfassung ein eigenes Dokument. Wer nur eine deutsche Seite hat und den Rest per Browserübersetzung löst, existiert in den anderen Sprachräumen schlicht nicht.

Praktisch heisst das: eigene URLs pro Sprache, saubere hreflang-Angaben, übersetzte Fachbegriffe statt automatischer Wortersetzung. Und die Zahlen und Fakten müssen in allen Sprachfassungen identisch sein. Sonst findet ein System zwei Wahrheiten und nimmt im Zweifel keine davon.

Lokale Suchabsicht

Viele Fragen an KI-Systeme haben einen Ort im Bauch, auch wenn keiner genannt wird. "Wer montiert mir eine Wärmepumpe" ist ohne Region sinnlos. Systeme greifen dafür auf denselben Fundus zurück, der auch die lokale Suche speist: Unternehmensprofile, Verzeichnisse, Bewertungen, Ortsangaben auf der Website.

Wer hier bereits sauber aufgestellt ist, hat einen Vorsprung. Der Aufbau steht in unserem Artikel zu Local SEO für Schweizer Unternehmen.

Drei Beispiele aus der Praxis

Treuhand. Fragen zu Fristen, Abzügen und kantonalen Unterschieden werden heute oft an ein KI-System gestellt. Wer eine gepflegte Seite pro Frage hat, mit Angabe des Kantons und des Stichdatums, liefert genau das Material, das ein Modell für eine belastbare Antwort braucht.

Handwerk und Bau. Preisspannen, Einbauzeiten, Voraussetzungen vor Ort. Solche Angaben stehen selten offen im Netz. Wer sie offenlegt, wird zur Quelle statt zum zwanzigsten Anbieter mit dem gleichen Text.

Onlinehandel. Produktdaten, Verfügbarkeit, Rückgabefristen und Versandbedingungen gehören maschinenlesbar auf die Produktseite. Das ist dieselbe Arbeit, die auch klassisch für Rich Results nötig ist.

Beratung und Dienstleistung. Wer offenlegt, wie ein Projekt abläuft, was es voraussetzt und woran es scheitern kann, liefert Material für genau die Fragen, die Menschen vor einer Anfrage stellen. Solche Texte werden zitiert, weil sie eine Frage abschliessen.

‍

Was am GEO-Markt gerade übertrieben wird

Dieser Abschnitt gehört dazu, weil er dir Geld spart.

Erfundene Statistiken. Präzise klingende Prozentwerte zur Sichtbarkeit in KI-Antworten zirkulieren derzeit in grosser Zahl. Verfolgt man die Quellenangaben, landet man häufig bei einem anderen Blogartikel, der wiederum auf einen dritten verweist. Eine belastbare Primärquelle fehlt oft ganz. Wenn dir jemand eine Zahl nennt, frage nach der Erhebung dahinter.

Tool-Versprechen ohne Beleg. Etliche Werkzeuge zeigen einen "GEO-Score". Dieser Wert ist eine Eigenkonstruktion des Anbieters. Kein Suchanbieter veröffentlicht eine solche Kennzahl. Ein Score kann als internes Arbeitsmass taugen. Als Beweis für Wirkung taugt er nicht. Wie du Werkzeuge sinnvoll auswählst, zeigt unsere Übersicht zu SEO-Tools.

Fehlende Attribution. Der grösste Teil der Wirkung entsteht dort, wo niemand klickt. Damit fehlt genau die Verbindung, die im klassischen Marketing den Erfolg beweist. Jede Aussage der Form "GEO hat uns X Aufträge gebracht" ist derzeit eine Interpretation, keine Messung.

"SEO ist tot". Diese Schlagzeile verkauft sich gut. Sie ignoriert, dass die Abrufe der generativen Systeme über genau die Indizes laufen, die klassisches SEO bedient.

Garantien auf Nennung. Generative Antworten sind nicht deterministisch. Dieselbe Frage kann zweimal hintereinander unterschiedliche Quellen liefern. Wer eine feste Platzierung in KI-Antworten zusichert, verspricht etwas, das technisch niemand halten kann.

‍

Grenzen und offene Fragen

Vier Punkte, bei denen wir selbst noch keine abschliessende Antwort haben.

Schwankende Ergebnisse. Weil Antworten nicht reproduzierbar sind, braucht jede Messung viele Wiederholungen über die Zeit. Eine Momentaufnahme sagt wenig.

Personalisierung. Verlauf, Sprache, Standort und Konto beeinflussen die Antwort. Was du siehst, ist nicht zwingend das, was deine Kundschaft sieht.

Verlagsverträge und Lizenzen. Einzelne Anbieter schliessen Vereinbarungen mit Inhalteanbietern. Wie stark solche Quellen dadurch bevorzugt werden, ist von aussen nicht prüfbar.

Der Zielkonflikt beim Crawling. Wer KI-Crawler aussperrt, schützt seine Inhalte vor der Verwertung und verliert gleichzeitig Sichtbarkeit. Diese Abwägung muss jeder Betrieb selbst treffen, und sie fällt für einen Verlag anders aus als für einen Malerbetrieb.

Wenig belastbare Forschung. Zu vielen Empfehlungen gibt es bisher keine unabhängige Überprüfung, erst recht nicht im deutschsprachigen Raum. Wir schreiben deshalb dazu, wenn etwas Erfahrungswert ist und nicht dokumentiert.

Dazu kommt die wirtschaftliche Frage. Wenn eine Antwort die Frage bereits klärt, fällt der Besuch weg. Was das für Traffic und Umsatz bedeutet, behandeln wir in Zero Click und Trafficverlust durch AI Overviews.

‍

Die Reihenfolge für ein Schweizer KMU

Nicht alles gleichzeitig. Diese Reihenfolge hat sich bewährt, weil jeder Schritt die Grundlage für den nächsten legt.

Die Schritte eins bis drei sind reine Aufräumarbeit. Sie kosten wenig und wirken sofort, auch in der klassischen Suche. Erst ab Schritt vier beginnt die eigentliche Arbeit am Inhalt.

‍

Fazit

Generative engine optimization ist kein zweites Fachgebiet neben SEO. Es ist dieselbe Grundlage mit einer zusätzlichen Frage: Kann eine Maschine diesen Abschnitt herauslösen und gefahrlos weiterverwenden.

Wer eine saubere Website hat, klar schreibt und eigene Fakten offenlegt, ist bereits weit. Wer stattdessen auf ein Werkzeug mit Score-Versprechen setzt, kauft Zahlen ohne Substanz.

Fang bei der Technik an. Dann bei den Fragen deiner Kundschaft. Dann bei der Messung.

Und wenn du das nicht nebenher aufbauen willst: Wir machen genau diese Arbeit als SEO-Agentur in der Schweiz, von der technischen Grundlage bis zur Sichtbarkeit in KI-Antworten.

‍

Passend dazu

• GEO, AEO, LLMO und SEO: die Begriffe sauber getrennt
• ChatGPT, Perplexity, Gemini und AI Mode im Vergleich
• In ChatGPT gefunden werden
• SEO-Strategie erstellen: Schritt für Schritt

Du willst wissen, wo deine Website heute in KI-Antworten steht? Schreib uns kurz über das Kontaktformular, wir schauen es uns an.