Zum Hauptinhalt springen
Kostenlose Demo buchen
Alle Insights

SEO vs. GEO: Warum GEO ohne gutes SEO nicht existiert

SEO vs. GEO: Warum GEO ohne gutes SEO nicht existiert

Jede Woche startet die nächste Agentur einen GEO-Service. Aber KI-Antworten stammen aus demselben Web, das SEO seit zwanzig Jahren aufbaut. GEO ist das Ergebnis von gutem SEO, keine neue Disziplin.

Die Kurzfassung
  • GEO ist keine eigene Disziplin: KI-Antworten bauen auf der normalen Suche auf, also entscheidet SEO, was gefunden wird.
  • Prompt-Tracking misst einen einzelnen synthetischen Durchlauf, nicht echte Nutzer mit eigener Absicht, eigenem Kontext und eigener Plattform.
  • Sichtbarkeit hat sechs Zustände, von zugänglich bis ausgewählt. Zitiert zu werden heißt nicht, empfohlen zu werden, und korrekter Ausschluss ist ein Gewinn.
  • Bring zuerst Core SEO und Messung in Ordnung, baue dann Bottom-of-Funnel-Seiten, Digital PR und agentische Endpunkte auf.

Jede Woche kündigt die nächste Agentur einen GEO-Service an. Sie bauen neue Dashboards, Budgetposten und Jobtitel auf, und alle versprechen dasselbe: Sichtbarkeit in KI-Antworten.

Mich beschäftigt immer wieder eine Frage, die in diesen Verkaufsgesprächen niemand beantwortet. Woher, glaubst du, hat die KI ihre Antworten?

Nicht aus einem eigenen Index, der nur für Chatbots gebaut wurde. Generative Engines greifen auf dasselbe Web zu, das SEO seit zwanzig Jahren crawlbar, strukturiert und glaubwürdig macht. Wer dir GEO also als neue Disziplin verkauft, verkauft dir eine Spiegelung und bittet dich, das Objekt zu ignorieren.

Eine Spiegelung kannst du nicht polieren. Du kannst nur verändern, was vor dem Spiegel steht.

Meine These ist deshalb einfach: GEO ist keine Disziplin. GEO ist die Antwort, die die KI aus dem nachgelagerten Ergebnis deines guten SEO generiert. Das heißt: crawlbare Architektur, Glaubwürdigkeit der Quellen, Entity-Aufbau und Vertrauen von Dritten. Die KI-Antwort ist der Ort, an dem diese Arbeit sichtbar wird, nicht der Ort, an dem sie stattfindet.

Die Traffic-Debatte ist real, aber es ist der falsche Kampf

Es gibt hier zwei Lager, und beide haben einen Punkt.

Marie Haynes hat 12 Monate GA4-Daten von 100 Websites mit mehr als 145 Millionen Sitzungen ausgewertet. ChatGPT brachte 0,62 % der Sitzungen, die Google Organic brachte, und mit allen anderen LLMs zusammen stieg dieser Wert nur auf 0,73 %. ChatGPT-Besucher konvertierten zwar besser, nämlich mit 13,8 % gegenüber 3,02 %. Aber das Volumen entscheidet. Google Organic brachte immer noch 27-mal mehr Conversions als alle LLMs zusammen. Und das Wachstum der ChatGPT-Referrals stagnierte um August 2025 und ging dann zurück.

Mike King vertritt die Gegenseite: KI-Suche an Klicks zu messen ist, als würdest du einen Super-Bowl-Spot an seiner Klickrate messen.

Ich mag Mikes Argument sogar so sehr, dass ich mir seine Analogien ausleihe, denn sie setzen die KI-Suche genau dorthin, wo sie hingehört:

„Eine KI-Antwort ist Earned Media, von einer Maschine verfasst.“

und

„Noch nie hat jemand eine Werbetafel attribuiert. Niemand attribuiert einen TV-Spot, einen gesponserten Podcast, einen Stadion-Namensdeal oder einen Prominenten, der auf dem roten Teppich ein Produkt in die Kamera hält.“

Werbetafel an einer Autobahn mit dem Text „Diese Werbetafel erzeugt Klicks“, das Wort „Klicks“ ist durchgestrichen
„Noch nie hat jemand eine Werbetafel attribuiert.“

KI-Suche ist ein Markenkanal für Vertrauen und Positionierung in dem Moment, in dem Menschen Optionen vergleichen. Bei Hunderten Millionen bis Milliarden Nutzern über ChatGPT, AI Overviews, AI Mode und Gemini hinweg zählt Präsenz auch ohne den Klick.

Auf den ersten Blick wirkt das wie ein Streit zwischen Klicks und Marke. Das glaube ich nicht. Es ist ein Streit über die Messung. Beide Lager sagen dir dasselbe: Wie wir KI-Sichtbarkeit derzeit messen, ist kaputt.

Prompt-Tracking misst das Falsche

So, das musste endlich raus. Seufz … Die meisten GEO-Dashboards übertragen die Logik des Rank-Trackings auf ein System, das gar kein Ranking hat. Das ist der Kernfehler.

In der klassischen Suche liefert ein Keyword für alle ungefähr dieselben Ergebnisse. In der generativen Suche ist der Prompt nur ein Teil des Inputs. ChatGPT nutzt außerdem Gedächtnis, Kontext, Plattformverhalten und Standort und formuliert die eigentliche Suchanfrage um, bevor es antwortet.

Nimm einen Prompt: „Wer ist der beste Basketballspieler aller Zeiten?“

  • Nutzer A legt Wert auf Meisterschaften und Vermächtnis. Er bekommt Jordan.
  • Nutzer B legt Wert auf Langlebigkeit und Allround-Statistiken. Er bekommt LeBron.
  • Und ich lege Wert auf Mentalität und darauf, Teil meiner eigenen Basketball-Reise zu sein. Ich würde also Kobe Bryant sagen.

Alle drei Antworten sind richtig, und keine davon ist ein Ranking. Ein Prompt-Monitor spielt nur die Textzeichenfolge erneut ab. Die Person spielt er nicht erneut ab.

Anbieter messen also die Wahrscheinlichkeit, für einen Prompt zitiert zu werden:

P(citation | prompt)

Entscheidend ist aber die Wahrscheinlichkeit, für die Absicht und den Kontext des Nutzers zitiert zu werden, auf einer Plattform, zu einem bestimmten Zeitpunkt:

P(citation | intent, context, platform, time)

Das ist eine andere Gleichung, also braucht sie ein anderes Instrument.

Und es wird noch schlimmer. Googles Query Fan-out zerlegt eine Frage in viele synthetische Teilanfragen, um eine Antwort zu bauen. Diese Teilanfragen sind Retrieval-Vorgänge, keine menschliche Nachfrage. Genau hier läuft manches Agentur-Reporting schief. Man erzeugt Hunderte maschineller Teilanfragen, taucht in mehr davon auf und bekommt eine Folie mit „KI-Sichtbarkeit von 18 % auf 64 % gestiegen“. Du hast gemessen, wie sich das System verhält, nicht, wen du tatsächlich erreicht hast.

Die Forschung zeigt in dieselbe Richtung. Ein Preprint von Mahe Chen und Nick Koudas analysierte rund 158.000 ChatGPT-Antworten und 468.000 Zitate. Der Suchabruf erklärte etwa 32 % der Varianz bei der Zahl der Zitate. On-Page-„GEO“-Merkmale erklärten 2,8 %.

Das Problem ist also nicht die Formatierung. Es ist das Retrieval. Die KI zitiert dich, weil die Suche dich gefunden hat und du zum Kontext passt, nicht weil du die Seite für einen Roboter herausgeputzt hast.

Sogar die Plattformen sagen das offen. Die Bing Webmaster Tools stellen klar, dass KI-Zitate keine Rankings und kein Autoritätssignal sind und dass die Daten auf Stichproben beruhen.

Wie viel jede Methode tatsächlich belegt

Methode Was sie belegt Wie sehr du ihr trauen kannst
Monitoring fester Prompts Du bist in einem gesampelten, synthetischen Durchlauf aufgetaucht Gering: hohe Varianz, kein Kontext, anfällig für handverlesene Prompts
Kontextstratifizierte Tests Wie oft du über definierte Personas hinweg auftauchst Mittel: gut für die Diagnose, sagt nichts über die reale Reichweite
Plattformeigene Daten (GSC, Bing WMT) Beobachtete Ausspielung an echte Nutzer Stärker, aber gesampelt, und Zitate ≠ Ranking
KI-Referral-Traffic + Conversions Echte Sitzungen und Umsatz Stark für getrackte Besuche, blind für Zero-Click-Einfluss
Kontrollierte Vorher-nachher-Tests Möglicher inkrementeller Effekt Hängt vom Design ab; verrauscht rund um Updates und Saisonalität

Sichtbarkeit ist nicht eine Sache. Sie hat sechs Zustände.

„Sein oder nicht sein.“ „Sichtbar sein oder unsichtbar sein.“ So gut das klingt, dieses Denkmuster muss weg.

Was du in Wirklichkeit vor dir hast, ist eine Kette:

Kette aus sechs Zuständen: zugänglich, abgerufen, zitiert, erwähnt, empfohlen, ausgewählt
Die sechs Zustände der KI-Sichtbarkeit

Zugänglich → Abgerufen → Zitiert → Erwähnt → Empfohlen → Ausgewählt

  • Zugänglich: Crawler können dich erreichen und auslesen.
  • Abgerufen: Die Engine hat deine Seite bei einer Suche oder einem Fan-out geladen.
  • Zitiert: Deine URL erscheint als Quelle.
  • Erwähnt: Dein Name erscheint, mit oder ohne Link.
  • Empfohlen: Die KI stellt dich als die passende Wahl für diese Person dar.
  • Ausgewählt: Jemand (oder ein Agent im Auftrag dieser Person) klickt, bucht oder kauft tatsächlich.

Die meisten GEO-Reportings hören bei „zitiert“ auf und verbuchen das als Erfolg. Aber zitiert zu werden heißt nicht, empfohlen zu werden.

Stell dir vor, jemand fragt: „Welches Mountainbike ist das beste für einen Fahrer mit 125 kg auf Asphalt und Schotter?“ Händler A hat einen Kaufratgeber mit Daten zur Gewichtsgrenze geschrieben und wird deshalb zitiert. Händler B verkauft ein Bike, das genau für diese Last und dieses Gelände gebaut ist, und wird deshalb empfohlen.

A bekam das Zitat. B bekam den Kunden.

Korrekter Ausschluss ist ein Gewinn

Hier schauen die meisten Dashboards auf das Falsche.

Nimm eine Fachhochschule, die nur Marketing-Studiengänge in Vollzeit und auf dem Campus anbietet. Drei Personen fragen an:

  • Ein Schulabgänger, der einen vierjährigen Vollzeitabschluss möchte
  • Ein Berufstätiger mit 40 Wochenstunden, der Abendkurse braucht
  • Ein Quereinsteiger, der ein beschleunigtes Zertifikat sucht

Wenn die KI diese Hochschule der zweiten oder dritten Person empfiehlt, ist das keine Sichtbarkeit. Es ist ein schlechter Lead, eine schlechte Erfahrung und eine Delle im Vertrauen. Wenn die KI die Hochschule für diese beiden weglässt, nennt das Dashboard es „verlorene Sichtbarkeit“. Das ist es nicht. Es ist das System, das funktioniert.

Die Kennzahl, die es wert ist, verfolgt zu werden, ist also nicht, wie oft du enthalten bist. Sondern ob du an den richtigen Stellen enthalten bist:

Contextual Recommendation Accuracy (Genauigkeit kontextueller Empfehlungen) = (passende Empfehlungen + korrekte Ausschlüsse) ÷ alle bewerteten Szenarien

Das verschiebt die Frage von „sind wir in der Antwort?“ zu „sind wir in den richtigen Antworten und raus aus den falschen?“

Warum SEO die Retrieval-Ebene weiterhin besitzt

Generative Engines lesen das Web nicht von Grund auf. Sie setzen auf Suchinfrastruktur und RAG auf. Googles eigene Dokumentation sagt, dass die KI-Funktionen auf den Standard-Suchsystemen laufen.

Damit sind die meisten „GEO-Taktiken“ eine Ablenkung:

  • llms.txt: wird als unverzichtbar verkauft, aber keine große Suchmaschine verlangt sie für generative Sichtbarkeit. Das normale Crawling entscheidet weiterhin, was hineinkommt.
  • „KI-Schema“: existiert nicht als Anforderung. Standard-schema.org trägt die Entity-Informationen bereits.
  • Micro-Chunking für Vektoren: Seiten in unzusammenhängende Schnipsel zu zerhacken bringt dir keinen Retrieval-Vorteil gegenüber einer gut strukturierten Seite, und es macht die Seite schlechter lesbar.
  • Für Maschinen schreiben: Deine Stimme zu robotischen Faktenlisten einzuebnen arbeitet gegen Systeme, die darauf gebaut sind, Menschen zu belohnen, die mit dem Gelesenen zufrieden sind.
Core SEO Die „GEO“-Version Was tatsächlich passiert
Crawlbarkeit & Indexierung llms.txt, KI-spezifisches Crawling Standard-Indizes speisen RAG
Strukturierte Daten Proprietäres „KI-Schema“ Schema.org deckt es bereits ab
Topical Authority Micro-Chunking Umfassende Expertenseiten werden abgerufen
Digital PR & Erwähnungen Prompt-Stuffing, LLM-Seeding Modelle fassen den Konsens aus Drittquellen zusammen

Die Taktik ist das Symptom. Die Infrastruktur ist die Ursache.

Off-Page ist, wo Empfehlungen entschieden werden

PromptWatch-Daten zu zitierten Asset-Typen zeigen Listicles und Roundups mit 18,7 % der Zitate, Landingpages mit 15,2 % und Produktdetailseiten mit 14,0 %.

Aber jetzt kommt der Haken, und der ist wichtig. Wenn eine Marke ihre eigene „Top 10“ veröffentlicht und sich selbst auf Platz 1 setzt, scheinen KI-Systeme das zu durchschauen. Lily Ray fand heraus, dass in Googles AI Overviews diese selbstwerbenden Listicles oft als Quelle zitiert wurden, die KI aber trotzdem eine andere Marke empfahl. Das System nimmt die Liste und lässt den voreingenommenen Absender weg.

Es reicht also nicht, die Liste zu veröffentlichen. Du musst auf der Liste eines anderen stehen. Das bedeutet Digital PR, redaktionelle Berichterstattung, Bewertungsplattformen, Reddit und Community-Threads: die Orte, die dir nicht gehören und an denen Modelle prüfen, was Menschen wirklich denken.

Die nächste Ebene: Suche als Agent-Manager

Wenn du den Blick weitest, wird die Verschiebung größer als Zitate.

Googles Führung, Sundar Pichai und Demis Hassabis, beschreibt, wie sich die Suche von einem Link-Index zu einem Agent-Manager entwickelt: etwas, das Aufgaben koordiniert, Workflows ausführt und Transaktionen für den Nutzer abschließt.

Das ändert alles. Es heißt nicht mehr „Nutzer sucht → klickt → kauft“. Es heißt „Nutzer nennt Absicht und Rahmenbedingungen → Agent vergleicht, verhandelt und führt die Transaktion aus“.

Vier Ebenen, die du im Blick behalten solltest:

  1. Googles Universal Cart. Händlerübergreifender Checkout in Google Wallet, der Bestand, Preisänderungen und Aktionen verfolgt. Der Schritt dazu: Behandle deinen Merchant-Center-Feed als Produkt, nicht als lästige Pflicht. Echtzeit-Genauigkeit, saubere Preis-Auszeichnung, nichts Veraltetes.
  2. Universal Commerce Protocol (UCP). Ein offener Standard, den Google und Shopify gemeinsam entwickelt haben und der es Agenten erlaubt, Produkte zu entdecken, zu vergleichen und auszuchecken, während du der Merchant of Record bleibst. Der Schritt dazu: Nimm agentische Endpunkte wie /.well-known/ucp in deine technischen Audits auf.
  3. WebMCP. Stellt die interaktiven Tools einer Website (Rechner, Terminplaner, Troubleshooter) direkt Agenten zur Verfügung, sodass sie deine Funktionen aufrufen, statt deinen Text zu scrapen. Der Schritt dazu: Liste deine Entscheidungs-Tools auf und mach sie aufrufbar.
  4. Smart Glasses und multimodale Suche. Die Suche verlässt den Bildschirm und zieht in den Raum. „Schau dir dieses Gerät an, diagnostiziere das Geräusch, bestell das Ersatzteil.“ Der Schritt dazu: Ordne Szenarien von realem Problem zu Lösung strukturierten Daten und visuellen Assets zu.

Und genau hier werden die meisten Organisationen stolpern. Technisches SEO, Feed-Management, Entwicklung und PR sitzen meist in getrennten Räumen. In einer agentischen Welt sind sie eine einzige Pipeline. Der Agent kann dein Produkt nicht auschecken, wenn die Entwicklung den Endpunkt nicht bereitgestellt hat, der Feed den falschen Preis zeigt oder die PR nie das Vertrauen aufgebaut hat, das dich auf die Shortlist gebracht hätte.

Das ist kein Kanalproblem mehr. Es ist ein Organigramm-Problem.

Wer wirklich investieren sollte und wer zuerst den Keller aufräumen muss

Nicht jedes Unternehmen muss dem jetzt hinterherjagen.

Investiere jetzt, wenn:

  • Deine Buyer Journey komplex ist und viel Abwägung erfordert: Bildung, B2B-Software, Finanzen, Gesundheitswesen, technische Ausrüstung.
  • Eine falsche KI-Antwort zu deinen Spezifikationen echten operativen, finanziellen oder rechtlichen Schaden anrichtet.
  • Dein SEO-Fundament, deine Seitenarchitektur und dein Conversion-Tracking bereits funktionieren.

Bring zuerst das Fundament in Ordnung, wenn:

  • Du noch ungelöste Probleme bei technischem SEO, Indexierung oder Mobile hast.
  • Du keine Conversions trackst. In Haynes’ Datensatz waren es 45 der 100 Websites, die das nicht taten, was bedeutet, dass sie nicht einmal das messen konnten, was sie verbessern wollen.
  • Du Impulsprodukte mit geringem Abwägungsaufwand verkaufst, die niemand über eine KI recherchiert.

Die Reihenfolge

Fünf Schritte: Core SEO und Daten in Ordnung bringen, eine Bottom-of-Funnel-Asset-Engine aufbauen, Linkbuilding in Digital PR und UGC überführen, konversionsstarke Suchanfragen kanalübergreifend wiederverwenden, agentische Endpunkte pilotieren
Die Reihenfolge: fünf Schritte, zuerst das Fundament
  1. Core SEO und Daten in Ordnung bringen. Crawl-Fehler, Entity-Schema, GA4-Conversions. Ohne Messung ist alles danach Raten.
  2. Eine Bottom-of-Funnel-Asset-Engine aufbauen. Strukturierte Landingpages und Produktseiten. Zusammen machten sie in den PromptWatch-Daten fast 30 % der Zitate aus.
  3. Linkbuilding in Digital PR und UGC überführen. Komm in Drittanbieter-Roundups, redaktionelle Beiträge und Bewertungs-Hubs. Kümmere dich um echte Stimmung dort, wo Modelle sie lesen.
  4. Konversionsstarke Suchanfragen kanalübergreifend wiederverwenden. Kurzvideo, LinkedIn, X. Nicht für Reichweiten-Theater, sondern um Entity-Dichte im ganzen Web aufzubauen.
  5. Agentische Endpunkte pilotieren. Führe kleine Quartalsexperimente durch: Merchant Center für die Eignung beim Universal Cart, WebMCP an einem interaktiven Tool.

Was sich also wirklich ändert

Niemand trickst ein LLM aus, damit es ihn empfiehlt. Nicht mit llms.txt, nicht mit „KI-Schema“, nicht mit zerstückelten Roboter-Texten.

Vergleiche KI-Sichtbarkeit mit einer Werbetafel: Sie ist mehr Branding als Performance, und sie erzeugt nicht primär Traffic.

Was sich ändert, ist die Frage, die du stellst. Nicht „Wie tauchen wir in der KI auf?“, sondern „Ist unsere Marke wahr, auffindbar und vertrauenswürdig genug, dass jedes System, ob Mensch oder Maschine, uns für die richtige Person auswählt und für die falsche weglässt?“

Das ist keine neue Disziplin. Es ist SEO, endlich am richtigen Ergebnis gemessen. Wir nennen es nur GEO.

Quellen

Kategorien KI-SucheGEO
Gregory Pinas
Gregory Pinas
SEO Specialist · InSpace

Gregory durchforstet für InSpace-Kunden SERPs und Search-Console-Daten und teilt, was wirklich etwas bewegt.

Lesen ist Schritt eins

Lassen Sie NOVA das für Sie tun.

Alles, was wir hier analysieren, setzt NOVA automatisch um: Audits, Fixes, Content und Monitoring in Google, ChatGPT und Gemini.