---
title: "Generative Engine Optimization: Wie deine Marke in KI-Antworten landet"
description: "GEO mit eigenen Daten statt Ratgeber-Konsens: Live-Test über 12 KI-Kanäle, 5 GEO-Blocker aus Audits und das NAPD-Framework für konsistente Markensignale."
url: https://hechtinsgefecht.de/geo-generative-engine-optimization/
date_published: 2026-03-12
date_modified: 2026-07-10
---
# Generative Engine Optimization: Wie deine Marke in KI-Antworten landet

Generative Engine Optimization (GEO) ist die Disziplin der Suchmaschinenoptimierung (SEO) für KI-Systeme. GEO bezeichnet die Optimierung von Inhalten und Markensignalen, damit ChatGPT, Perplexity und Google AI Overviews deine Marke kennen, korrekt zuordnen und in ihren Antworten empfehlen. GEO ist kein neues Fach, sondern die logische Erweiterung von Semantischem SEO und Local SEO. Die Grundlage bildet das NAPD-Framework (Name, Address, Phone, Description): konsistente Markensignale über alle Quellen, die KI-Systeme lesen.

Den deutschen GEO-Ratgebern fehlt durchweg eines: eigene Messdaten. Du bekommst sie hier: einen Live-Test vom 09.07.2026 über 12 KI-Kanäle, fünf GEO-Blocker aus echten Kundenaudits und die Zahlen aus zwei gewonnenen SEO-Contests. Ehrlicherweise gehört dazu auch ein unbequemer Befund über diesen Blog selbst.

## Inhalt

1. [Was GEO von klassischem SEO unterscheidet](#was-geo-von-klassischem-seo-unterscheidet)
2. [Der Live-Test: Welche Quellen KI-Systeme beim Thema GEO zitieren](#der-live-test-welche-quellen-ki-systeme-beim-thema-geo-zitieren)
3. [GEO ist Local SEO für KI-Systeme](#geo-ist-local-seo-fur-ki-systeme)
4. [NAPD: Das Framework für konsistente Markensignale](#napd-das-framework-fur-konsistente-markensignale)
5. [Citations: Branchenbucheinträge als GEO-Fundament](#citations-branchenbucheintrage-als-geo-fundament)
6. [Fünf GEO-Blocker aus echten Audits](#funf-geo-blocker-aus-echten-audits)
7. [GEO für Online-Shops: Kaufabsicht schlägt Sichtbarkeitsscore](#geo-fur-online-shops-kaufabsicht-schlagt-sichtbarkeitsscore)
8. [GEO messen: Vorsicht vor dem KI-Kanal in der Webanalyse](#geo-messen-vorsicht-vor-dem-ki-kanal-in-der-webanalyse)
9. [GEO in der Praxis: zwei SEO-Contests als Testlabor](#geo-in-der-praxis-zwei-seo-contests-als-testlabor)
10. [Woran erkennst du eine gute GEO-Agentur?](#woran-erkennst-du-eine-gute-geo-agentur)
11. [Häufige Fragen zu GEO](#haufige-fragen-zu-geo)
12. [Quellen](#quellen)

## Was GEO von klassischem SEO unterscheidet

GEO optimiert dafür, dass KI-Systeme deine Inhalte finden, verstehen und zitieren. Klassisches SEO optimiert für Google-Rankings. Der Unterschied liegt im Mechanismus: Ein Ranking ist eine Liste, eine KI-Antwort ist eine Auswahl. Wer auf Position 4 rankt, bekommt noch Klicks. Wer in der KI-Antwort nicht vorkommt, existiert für den Fragenden nicht.

SEO vs. GEO: Vergleich von Ziel, Bewertung, Traffic und Conversion

SEO vs. GEO im Vergleich

Klassisches SEO
Ranking-Logik
Ziel: Ranking-Position in Suchergebnissen
Bewertung: PageRank, Backlinks, E-E-A-T
Traffic: Klick auf ein Suchergebnis
Conversion: Standard-Conversion-Rate

VS

GEO
Zitations-Logik
Ziel: Zitierung in KI-Antworten
Bewertung: Brand Mentions, Eindeutigkeit, Konsistenz
Traffic: Empfehlung durch das KI-System
Conversion: bis zu 20 % CVR
Quelle: eigene Kundendaten, 2026

GEO-Traffic ist kleiner, aber weit konversionsstärker.

Abb. 1 · HECHT INS GEFECHT

*Abb. 1: Die zentralen Unterschiede zwischen klassischem SEO und GEO im Überblick.*

Die Kaufabsicht hinter KI-Antworten ist eine andere. Wer ChatGPT fragt „Welche SEO-Agentur in Bremen ist auf E-Commerce spezialisiert?“ und eine konkrete Empfehlung bekommt, hat seine Vorauswahl bereits getroffen. Wir sehen bei Kunden KI-Kanäle mit Conversion-Rates von bis zu 20 %. Das ist ein Erfahrungswert aus unseren Kundenprojekten, keine Branchenstatistik. Aber der Wert zeigt, warum GEO mittlerweile in fast jedem Erstgespräch Thema ist.

Die Branche nutzt 3 weitere Bezeichnungen für dasselbe Konzept: LLMO (Large Language Model Optimization), GAIO (Generative AI Optimization) und AI Search Optimization. Wir nutzen GEO, weil der Begriff das Konzept am klarsten beschreibt. GEO stammt aus der Forschung: Das Paper „GEO: Generative Engine Optimization“ von Aggarwal et al. (2023) hat den Begriff geprägt.

### Zwei Schichten: Trainingswissen und Live-Abruf

KI-Systeme beziehen ihr Wissen aus zwei getrennten Schichten. Das **parametrische Gedächtnis** ist das antrainierte Wissen des LLM (Large Language Model). Es ist eingefroren und Monate bis Jahre alt. Der **Live-Abruf** (Retrieval) holt aktuelle Webinhalte zum Zeitpunkt der Frage. Beide Schichten brauchen unterschiedliche Optimierung: Trainingsdaten erreichst du über breite, konsistente Präsenz im Web. Den Live-Abruf erreichst du über abrufbare, schnelle Seiten und gute Rankings in den Suchindizes der KI-Systeme.

Die Gewichtung zwischen Trainingswissen und Live-Abruf verschiebt sich messbar Richtung Live-Abruf. Eine Hostinger-Auswertung von 66,7 Milliarden Bot-Requests (Januar 2026) zeigt es deutlich. Der Trainings-Crawler GPTBot fiel von 84 % auf 12 % Abdeckung. OpenAIs Such-Crawler (der OAI-SearchBot) stieg zeitgleich auf 55,7 %. OpenAI investiert also weniger ins Sammeln von Trainingsdaten und mehr in den eigenen Suchindex. Für deine GEO-Strategie heißt das: Die abrufbare Website wird wichtiger als die Frage, ob deine Inhalte im nächsten Modell-Training landen.

Für Online-Shops ist das eine gute Nachricht. Laut Cloudflare Radar entfallen 28 bis 31 % des gesamten KI-Crawler-Traffics auf Retail und E-Commerce. Shops sind für KI-Crawler ein Magnet.

## Der Live-Test: Welche Quellen KI-Systeme beim Thema GEO zitieren

Wir haben am 09.07.2026 fünf Fragen rund um Generative Engine Optimization an 12 KI-Kanäle gestellt. Befragt haben wir die APIs von OpenAI, Anthropic, Google, Perplexity und Mistral. Dazu kamen die Live-Oberflächen von ChatGPT, Perplexity, Gemini, Google AI Overviews, Google AI Mode, Bing Copilot und Grok. Ausgewertet haben wir mehr als 340 Zitate. Drei Befunde stechen heraus.

**Befund 1: Es gibt keinen gemeinsamen Quellen-Kanon.** Jedes System zitiert andere Quellen. ChatGPT zitiert bevorzugt Forschungspapiere, die Google-Systeme zitieren YouTube, Bing Copilot zitiert internationale Tool-Anbieter, Perplexity mischt Ratgeber und Reddit. Die Überlappung zwischen den Systemen liegt nahe null. Wer GEO betreibt, optimiert für mindestens 7 getrennte Ökosysteme gleichzeitig, nicht für „die KI“.

**Befund 2: ChatGPT und Claude zitieren die Primärquelle, die deutsche Ratgeber ignorieren.** Die meistzitierte Einzelquelle bei ChatGPT und Claude war arxiv.org, darunter das originale GEO-Paper von Aggarwal et al. Kein einziger der deutschen Top-10-Ratgeber zum Thema verlinkt dieses Paper. Die deutschen Ratgeber-Artikel zitieren sich stattdessen gegenseitig, mit identischer Engine-Einteilung und identischen Prozentzahlen ohne Quellenlink. Die drei deutschen Ratgeber, die bei Google für das Thema ganz oben ranken, kamen in unserem Test zusammen auf rund 5 % der Zitate. Ein Top-Ranking bei Google macht eine Website also noch lange nicht zur Hauptquelle der KI-Systeme.

**Befund 3: Die Google-Systeme zitieren massiv YouTube.** AI Overviews und AI Mode verwiesen 19 Mal auf YouTube-Videos, in beiden Systemen häufiger als auf jede einzelne Textquelle. Über alle 12 Kanäle kamen 25 YouTube-Zitate zusammen. Wer beim Thema GEO nur Blogtexte produziert, überlässt einen kompletten Zitierkanal der Konkurrenz.

**Pro-Tipp:** Den Zitierquellen-Test kannst du für deine eigene Branche nachbauen. Stell deinen Wunsch-Systemen fünf Fragen, die deine Kunden stellen würden, und notiere die zitierten Quellen. Die Quellenliste ist dein GEO-Backlog. Genau auf den notierten Portalen, Plattformen und Formaten muss deine Marke auftauchen.

### Der unbequeme Teil: unsere eigene Bilanz

Und wo tauchte **HECHT INS GEFECHT** im eigenen Live-Test auf? Unsere Marke stand in keinem einzigen der über 340 Zitate. Das hat einen konkreten Grund: Die ursprüngliche Version dieses Beitrags war zum Testzeitpunkt bei Google deindexiert. Google hatte den Artikel gecrawlt und wieder aussortiert. Die wahrscheinlichste Ursache: Er wiederholte zu viel von dem, was in unseren Nachbar-Beiträgen schon stand. Genau deswegen liest du gerade die komplett umgebaute Version mit eigenen Daten statt Cluster-Wiederholungen. GEO beginnt bei der eigenen Indexierbarkeit, und niemand ist davon ausgenommen. Auch [Googles offizieller Leitfaden für generative KI-Features](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) nennt indexierte, crawlbare Inhalte als Grundvoraussetzung. Wie [Indexierung und LLM-Sichtbarkeit zusammenhängen](https://hechtinsgefecht.de/indexierung-llm-sichtbarkeit/), haben wir separat dokumentiert.

## GEO ist Local SEO für KI-Systeme

Die These vertrete ich in jedem Kundengespräch: GEO überträgt die bewährte [Local-SEO](https://hechtinsgefecht.de/local-seo-lokal-mehr-kunden-erreichen/)-Mechanik auf KI-Systeme. Im Local SEO gewinnt, wer im Internet konsistent und häufig erwähnt wird. Google Maps und das Local Pack bevorzugen Unternehmen, deren Name, Adresse und Telefonnummer überall identisch sind. KI-Systeme funktionieren nach derselben Logik, nur über deutlich mehr Quellen: Sie ziehen sich Informationen über deine Marke aus Dutzenden Portalen gleichzeitig. Liefern die Quellen widersprüchliche Informationen, wird die Antwort unsicher, und das KI-System empfiehlt eine Marke, die eindeutiger auftritt.

Der entscheidende Unterschied: Im Local SEO reichten die Kontaktdaten. Bei GEO vergleichen die Systeme auch **Beschreibungstexte**. Und genau hier setzt NAPD an.

## NAPD: Das Framework für konsistente Markensignale

NAPD ist die Erweiterung des klassischen NAP-Prinzips (NAP = Name, Address, Phone) um ein viertes Element: **die Description**. Der konsistente Beschreibungstext deiner Marke ist das Element, das im Local SEO nie im Fokus stand und für GEO entscheidend ist. KI-Systeme lesen Beschreibungstexte über das gesamte Internet und bilden daraus ein Gesamtbild. Wenn dein Text auf der Website „SEO-Agentur“ sagt, auf LinkedIn „Online-Marketing-Agentur“ und bei Gelbe Seiten „Digitalagentur“, sehen KI-Systeme 3 Unternehmen statt einem. Bestenfalls entsteht ein unscharfes Bild, das für eine Empfehlung nicht ausreicht.

NAPD-Framework für GEO: Name, Address, Phone, Description

NAPD: Das neue Framework für GEO

N
Name
Markenname überall identisch –
keine Varianten und Abkürzungen.

A
Address
Adresse überall identisch formatiert,
inklusive Postleitzahl und Land.

P
Phone
Eine Telefonnummer pro
Geschäftsbereich, keine Sammelnummern.

D
Description
Konsistenter Beschreibungstext auf allen
Portalen – entscheidend für GEO-Sichtbarkeit.

Description ist der Unterschied zwischen NAP und GEO.

Abb. 2 · HECHT INS GEFECHT

*Abb. 2: NAPD erweitert das klassische NAP-Prinzip um den konsistenten Beschreibungstext als viertes Element.*

### Die 4 Elemente von NAPD im Detail

**N = Name:** Der Markenname muss überall identisch sein. Nicht „HECHT INS GEFECHT“ auf der Website, „Hecht ins Gefecht GbR“ bei Crunchbase und eine Abkürzung auf Social Media. Ein Name, überall gleich.

Wie granular KI-Systeme den Namen lesen, hat uns ein eigener Fall gezeigt. In unseren Texten war lange nur „Hecht“ gefettet, nicht „ins Gefecht“. Die Folge: KI-Systeme behandelten „Hecht“ als den Markennamen und ordneten Fragen wie „Wo arbeitet Benny Windolph?“ unsauber zu. Erst als wir den kompletten Markennamen konsistent ausgezeichnet hatten, kippte die Zuordnung. Selbst Formatierung ist ein Entitätssignal.

**A = Address:** Die Adresse muss überall identisch formatiert sein. Das klingt banal, aber ich sehe es ständig: einmal „Straße“ ausgeschrieben, einmal „Str.“, einmal die PLZ (Postleitzahl) vor der Stadt, einmal danach.

**P = Phone:** Eine Telefonnummer pro Geschäftsbereich. Wenn du 2 Bereiche hast, nutze 2 getrennte Nummern. Sonst verschwimmen die Entitäten.

**D = Description:** Der Beschreibungstext ist das wichtigste NAPD-Element für GEO. Ein einziger, optimierter Text, der auf allen Portalen wortgleich eingepflegt wird. Der Text startet mit dem Markennamen als Satzanfang, steht in der dritten Person, enthält alles, was deine Marke von anderen unterscheidet, und eine hohe Entitätsdichte. Warum der Markenname am Satzanfang die Zuordnung stärkt, erklärt der Beitrag zu [Entity SEO](https://hechtinsgefecht.de/entity-seo/) im Detail. Unsere Kunden bekommen dafür eine einseitige Anleitung mit 6 Regeln an die Hand. Der Text wird an über 100 Stellen eingepflegt und muss beim ersten Mal sitzen. Wie du die Über-uns-Seite zum [Entity-Dokument](https://hechtinsgefecht.de/ueber-uns-seite-entity-hub/) machst, beschreiben wir separat.

## Citations: Branchenbucheinträge als GEO-Fundament

Citations klingen nach 2015. Branchenbucheinträge klingen profan. Aber Citations sind das Fundament von GEO, weil KI-Systeme genau diese Portale als Quellen nutzen. Die Logik ist simpel: Je öfter eine Marke im Internet konsistent erwähnt wird, desto eher empfehlen KI-Systeme diese Marke.

Welche Portale zählen, unterscheidet sich je nach System und Branche. Bei einem E-Commerce-Kunden führten Reddit und Trustpilot die Liste der externen Zitierquellen an, weit vor jedem klassischen Branchenverzeichnis. Bei einem Beratungsinstitut zeigte die Analyse etwas anderes: Die Wettbewerber, die ChatGPT und Gemini empfahlen, betreiben fast alle einen Podcast. Die Podcast-Plattformen verlinkten 7 von 11 Wettbewerbern, den Kunden nicht. Der Citation-Gap war in Wahrheit ein Kanal-Gap. Deswegen lohnt der Blick auf die tatsächlich zitierten Quellen mehr als jede generische Portal-Liste.

### Mein Citation-Workflow für GEO

- **50 generische Profile aufbauen:** Gelbe Seiten, Yelp, Trustpilot, Crunchbase, ProvenExpert, branchenspezifische Verzeichnisse.
- **KI-Systeme direkt befragen:** „Welche Portale empfiehlst du für [Branche]?“ Die genannten Plattformen sind genau die, die KI-Systeme als Quellen nutzen.
- **Komparative Listen identifizieren:** „Die beste SEO-Agentur in Bremen“: Wenn du in 3 solcher Listen auftauchst, nutzen KI-Systeme das als Entscheidungsgrundlage. KI-Systeme verwenden diese Listen agnostisch, weil die Listen sehr nah an dem sind, was der User fragt.
- **NAPD überall durchziehen:** Derselbe Name, dieselbe Adresse, dieselbe Telefonnummer, derselbe Beschreibungstext. Überall. Ohne Ausnahme.
- **Profile indexieren lassen:** Neue Profile bei Google und Bing zur Indexierung einreichen, damit KI-Systeme die Profile schneller als Quelle erfassen.

Citation-Workflow für GEO: Fünf Schritte zur KI-Sichtbarkeit

Citation-Workflow für GEO

1
50 generische Profile aufbauen
Gelbe Seiten, Yelp, Trustpilot, Crunchbase –
die Basis für jede Marke.

2
KI-Systeme direkt befragen
Welche Portale für deine Branche
wirklich relevant sind.

3
Komparative Listen identifizieren
In „Beste [Branche] in [Stadt]“-Listen
gezielt auftauchen.

4
NAPD überall durchziehen
Name, Adresse, Telefon,
Beschreibungstext – identisch.

5
Profile indexieren lassen
Bei Google und Bing zur
Indexierung einreichen.

Ohne Citations keine Zitate in KI-Antworten.

Abb. 3 · HECHT INS GEFECHT

*Abb. 3: Der 5-Schritte-Workflow für den Aufbau von GEO-relevanten Citations.*

Beim letzten Punkt hilft ein Realitätscheck aus dem SEO-Contest 2026. Wir bauten dort 51 Profile in drei Wochen auf. Trotz bezahltem Indexierungs-Push waren davon nur 31 % bei Google indexiert. Kuratierte Premium-Profile schnitten dabei deutlich besser ab als Masse-Verzeichnisse. Ein angelegtes Profil ist noch keine wirksame Citation.

### Citations vs. Backlinks: Ein Paradigmenwechsel bei GEO

Ich sage das in Erstgesprächen offen: Wir [bauen keine Backlinks auf](https://hechtinsgefecht.de/brand-mentions-statt-backlinks/). Was den meisten Websites fehlt, sind Citations und Brand Mentions. KI-Systeme erkennen Erwähnungen deiner Marke unabhängig davon, ob ein Link gesetzt wurde. Warum [Erwähnungen für LLMs wertvoller sind als Links](https://hechtinsgefecht.de/mentions-vs-citations/), haben wir ausführlich analysiert.

Der SEO-Contest 2026 lieferte dafür ein kontrolliertes Experiment: identisches Keyword, identischer Spam-Beschuss, alle 15 geprüften frischen Domains bei Domain Rating 0. Die Ranking-Unterschiede kamen aus On-Page- und Entity-Signalen, nicht aus Linkprofilen. Zwei hochwertige echte Quellen (Crunchbase DR 91, ein Karteneintrag DR 74) genügten, um den Linkvergleich des Felds anzuführen.

Noch deutlicher zeigt es ein Fall aus unseren Audits. Ein kleiner deutscher Nischen-Shop hat Domain Rating 2 und null Top-20-Rankings bei Google. Trotzdem zitierte ChatGPT den Shop in 40 % unserer Testfragen als seriösen Anbieter, mit Begründung. ChatGPT stützte sich auf Vertrauenssignale wie Impressum, Inhaltsangaben und Sortimentstiefe, nicht auf Domain-Autorität. LLM-Sichtbarkeit ist von klassischen SEO-Metriken weitgehend entkoppelt.

## Fünf GEO-Blocker aus echten Audits

5 Blocker bremsen Generative Engine Optimization in der Praxis häufiger als jeder Content-Mangel: Firewall-Sperren, JavaScript-Rendering, falsche Datenbank-Quellen, verschwommene Entitätsgrenzen und fehlende Kaufkontext-Inhalte. Alle fünf Fälle stammen aus unseren Kundenaudits der letzten Monate, anonymisiert, aber mit echten Messwerten. Im klassischen SEO-Audit fällt keiner der fünf GEO-Blocker auf.

### 1. Die Firewall blockt, nicht die robots.txt

Eine große Modemarke: Die robots.txt erlaubt alle KI-Crawler. Die Firewall davor beantwortet Anfragen von GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot und ClaudeBot trotzdem mit 403, als Sicherheits-Nebenwirkung, weil den Bots typische Browser-Header fehlen. Die Folge ist messbar. Bis Frühjahr 2026 erfasste der offene Webindex Common Crawl pro Durchlauf hunderte Seiten der Domain. Die zwei jüngsten Durchläufe lieferten null Dokumente. Auch das Internet Archive kommt seit Wochen nur noch auf Fehlerseiten, während es zwölf geprüfte Wettbewerber weiter wöchentlich erfasst. Die Marke fällt gerade unbemerkt aus dem Gedächtnis der KI-Systeme, ohne dass irgendjemand etwas blockiert hätte. Absicht war es nämlich nicht.

### 2. 28 Wörter im Quelltext

Dieselbe Modemarke, zweiter Blocker: Die Kategorieseiten liefern im Quelltext im Median 28 Wörter. Der vollständige Inhalt mit rund 700 Wörtern entsteht erst, nachdem JavaScript im Browser ausgeführt wurde. KI-Fetcher führen in der Regel kein JavaScript aus, nur Googles eigene KI-Features greifen als Ausnahme auf den gerenderten Google-Index zu. Alle anderen sehen praktisch leere Seiten, unabhängig von jeder Firewall. Server-seitig gerendertes HTML (Hypertext Markup Language) ist die Eintrittskarte für GEO.

### 3. Das Handelsregister erzählt den falschen Geschäftszweck

Ein Hersteller-Shop aus der DACH-Region (DACH = Deutschland, Österreich, Schweiz): Adresse und Geschäftsführer stimmen in jeder KI-Antwort. Perplexity, OpenAI und Gemini beschreiben das Geschäftsmodell trotzdem falsch, Gemini wörtlich als „Im- und Export, Handel mit Waren aller Art“. Die Quelle ist der generische Gesellschaftszweck aus dem Handelsregister, den Firmendaten-Portale ausspielen und den die KI-Systeme mit den Sortimentsdaten zusammenrühren. In 45 Testfragen zählten wir 92 solcher Falsch-Zuordnungen. Wer seinen Beschreibungstext nur auf der eigenen Website pflegt, überlässt die Beschreibung seines Geschäftsmodells den Datenbank-Portalen.

### 4. Der Mutterkonzern schluckt die Marke

Ein Hersteller im Konzernverbund: Der Startseiten-Title lautete „[Marke] GmbH by [Mutterkonzern]“. Google Gemini ordnete die Marke daraufhin dem Mutterkonzern zu und erkannte sie nicht als eigenständiges Unternehmen. Auf Produktebene war über die Hälfte der KI-Nennungen fehlattribuiert. Ein einziges Wort im Title-Tag („by“) reichte, um die Entitätsgrenze einzureißen. Das Gegenmittel heißt Trennschärfe: eine `disambiguatingDescription` im [Schema-Markup](https://hechtinsgefecht.de/schema-strukturierte-daten/), ein Beschreibungstext ohne Ambiguität und das aktive Aufräumen von Profilen mit veralteten Angaben.

### 5. Bekannt, aber nie empfohlen

Ein B2B-Anbieter: Gemini kennt die Marke nachweislich korrekt und beschreibt sie akkurat. Trotzdem empfehlen Gemini und ChatGPT bei kaufnahen Fragen durchgängig dasselbe halbe Dutzend Wettbewerber, die Marke fällt in keiner Antwort. Wissen und Empfehlung sind zwei getrennte Ebenen. Für die Empfehlungsebene fehlten komparative Inhalte und Zitierquellen mit Kaufkontext. In Googles AI Overviews, die näher an den klassischen Rankings hängen, erschien die Marke dagegen bei 6 von 9 kaufnahen Suchanfragen. Auch das bestätigt den Live-Test-Befund: Jedes System hat eigene Auswahlkriterien.

## GEO für Online-Shops: Kaufabsicht schlägt Sichtbarkeitsscore

Für Online-Shops ist GEO kein Zukunftsthema, sondern messbarer Umsatz. Bei einem E-Commerce-Kunden ist der Traffic über den ChatGPT-Referral der Kanal mit dem höchsten Umsatz pro Session: 22,48 €, vor Paid Search, SEO und Social. Die Besucher kommen mit einer fertigen Empfehlung im Kopf und müssen nicht mehr überzeugt werden.

KI-Traffic hat außerdem einen Attributionseffekt, den kaum jemand auf dem Schirm hat. Wer von ChatGPT eine Marke empfohlen bekommt, klickt selten auf den Quellenlink. Stattdessen googelt er danach den Markennamen. Der KI-Einfluss taucht in der Webanalyse dann als Brand-Suche oder Direct-Traffic auf. Die gemessenen KI-Klicks sind in der Regel nur die Spitze des Effekts.

Und welches Content-Format zieht Citations an? Bei einem Kunden aus einem beratungsintensiven Dienstleistungs-Vertical haben wir vergleichende Listen-Beiträge im Blog getestet, Format „die zehn besten Anbieter für X“. Der KI-Traffic hat sich innerhalb eines Monats verdoppelt. Das Format ist direkt auf Shops übertragbar. Wir wenden es selbst an, etwa im Ranking der [besten GEO-Agenturen in Deutschland](https://hechtinsgefecht.de/beste-geo-agenturen-deutschland/). Der Befund deckt sich mit der Logik aus dem Citation-Workflow. KI-Systeme greifen bevorzugt auf komparative Inhalte zu, weil Listen der Frageform der User am nächsten kommen. Welche Formatierung LLMs sonst noch bevorzugen, zeigt der Beitrag zur [Content-Formatierung für LLMs](https://hechtinsgefecht.de/content-formatierung-llm/).

Und der Nullpunkt ist real. Ein weiterer Shop aus unseren Audits kam bei 15 Testfragen über 11 KI-Kanäle auf null Nennungen. Ein direkter Wettbewerber wurde im selben Fragen-Set 62 Mal genannt. Zwischen „KI-Systeme empfehlen dich“ und „KI-Systeme wissen nicht, dass es dich gibt“ liegt im E-Commerce bereits heute die Konkurrenz.

## GEO messen: Vorsicht vor dem KI-Kanal in der Webanalyse

GEO ohne Messung ist Bauchgefühl. Die Basis: KI-Systeme regelmäßig direkt befragen („Was ist [Markenname]?“, „Welche Anbieter empfiehlst du für [Produkt]?“), Brand Mentions pro System tracken und die NAPD-Konsistenz prüfen. Wie wir das [LLM-Monitoring](https://hechtinsgefecht.de/llm-sichtbarkeit/) im Detail aufsetzen, inklusive Tool-Vergleich, steht im eigenen Beitrag.

Eine Warnung aus der Praxis gehört aber hierher: Trau dem nativen KI-Kanal deiner Webanalyse nicht. Bei einem E-Commerce-Kunden wies der automatische „AI Assistant“-Kanal in GA4 (Google Analytics 4) nur rund ein Achtundzwanzigstel des echten KI-Umsatzes aus. Die saubere Vergleichsbasis lieferte eine Quellen-Analyse über die Session-Quellen chatgpt, openai, perplexity, gemini, copilot und claude. Ein späterer „Anstieg“ im nativen Kanal war reine Umklassifizierung, kein Wachstum. Wer GEO-Erfolg am Standard-Report festmacht, unterschätzt den Kanal um Größenordnungen oder feiert Phantomwachstum.

## GEO in der Praxis: zwei SEO-Contests als Testlabor

Beim SEO-Wettbewerb von Agenturtipp 2025 zum Keyword „Keywordkönig“ habe ich das NAPD-Prinzip im Zeitraffer angewendet. Das fiktive Keyword bekam die Behandlung einer echten Marke: ein eindeutiger Name ohne Varianten, konsistente Kontaktdaten über alle Citations, ein präziser Beschreibungstext. Für das Tempo sorgten **Semrush Local Listing** für die automatisierte Verteilung an Branchenverzeichnisse und ein Fiverr-Dienstleister für manuelle Citations auf Nischen-Portalen. Das klingt nicht glamourös, funktionierte aber erstaunlich gut. KI-Systeme gewichten die Konsistenz und Reichweite von Citations, nicht deren Urheber.

Am Ende standen **199 Erwähnungen** in Perplexity und Claude. Das bedeutete Platz 1 im KI-Wettbewerb von RankScale, mit 60 Erwähnungen Abstand zum Zweitplatzierten. Bei Google kam Platz 3 dazu. Die ausführliche Analyse der drei Hebel steckt im Beitrag zur [Content-Formatierung für LLMs](https://hechtinsgefecht.de/content-formatierung-llm/).

Keywordkönig: GEO-Ergebnis mit 199 Brand Mentions in Perplexity und Claude

Keywordkönig: GEO-Ergebnis

199
Brand Mentions
in Perplexity & Claude

HECHT INS GEFECHT

199

Zweitplatzierter

139

Platz 1 im KI-Wettbewerb
+60 Mentions Vorsprung auf den Zweitplatzierten
bei Platz 3 in klassischen Google-Rankings.

GEO schlägt klassische Rankings – wenn es drauf ankommt.

Abb. 4 · HECHT INS GEFECHT

*Abb. 4: 199 Brand Mentions in KI-Systemen, Platz 1 im KI-Wettbewerb mit 60 Erwähnungen Vorsprung.*

Beim SEO-Contest 2026 folgte mit serponado.org der zweite Beleg: Platz 1 mit einer brandneuen Domain, gestartet bei Domain Rating 0 wie alle 15 geprüften Contest-Domains. Der komplette Entity-Aufbau aus Schema, Definition, Citations und Bewertungen stand in Tagen statt Monaten, fehlendes Domain-Alter und fehlender Knowledge-Graph-Vorsprung fielen damit nicht ins Gewicht. Der Beitrag zur [Google Sandbox](https://hechtinsgefecht.de/google-sandbox/) dokumentiert den Ablauf Tag für Tag.

Was beide Contests gewonnen hat, war kein einzelner Faktor. GEO funktioniert als System: NAPD-Konsistenz über alle Citations, Knowledge-Graph-Signale über Schema-Markup, semantisch optimierter Content und niedrige technische Abrufkosten ([Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/)).

## Woran erkennst du eine gute GEO-Agentur?

Eine gute GEO-Agentur belegt ihre Empfehlungen mit eigenen Messdaten und beherrscht das SEO-Fundament, auf dem GEO aufbaut. 5 Kriterien trennen belastbare Anbieter von Nachahmern: eigene Messdaten, ein dokumentierter NAPD- und Citation-Prozess, ein SEO-Fundament, Messung pro KI-System und realistische Zeiträume.

- **Eigene Messdaten:** Die Agentur zeigt dir Tests wie den Zitierquellen-Test über 12 KI-Kanäle, mit Datum, Fragen-Set und Quellenliste. Wer nur fremde Studien zitiert, berät nach Hörensagen.
- **Dokumentierter NAPD- und Citation-Prozess:** Frag konkret nach dem Workflow für Name, Adresse, Telefonnummer und Beschreibungstext. Eine pauschale Portal-Liste ist zu wenig, weil sich die zitierten Quellen je nach Branche und KI-System unterscheiden.
- **SEO-Fundament:** GEO baut auf Indexierung, Rendering und semantisch klaren Texten auf. Eine GEO-Agentur, die technisches SEO beherrscht, findet Blocker wie Firewall-Sperren, bevor sie Content produziert.
- **Messung pro KI-System:** Seriöse Anbieter tracken Brand Mentions getrennt nach ChatGPT, Perplexity, Gemini und Copilot. Ein einzelner Sichtbarkeitsscore verdeckt mehr, als er zeigt.
- **Realistische Zeiträume:** GEO-Maßnahmen wirken in der Regel nach 4 bis 8 Wochen. Versprechen über Wirkung innerhalb weniger Tage sind ein Warnsignal.

**HECHT INS GEFECHT** ist eine SEO-Agentur aus Bremen und legt bei GEO dieselben Maßstäbe an sich selbst an. Der Zitierquellen-Test vom 09.07.2026 ist unser eigener Kriterien-Check, inklusive des unbequemen Befunds zur eigenen Deindexierung. Der Einstieg in die Zusammenarbeit läuft in der Regel über ein [GEO-Audit](https://hechtinsgefecht.de/geo-seo-audit/), das die fünf Blocker aus diesem Beitrag systematisch prüft.

## Häufige Fragen zu GEO

### Was ist der Unterschied zwischen GEO und SEO?

GEO (Generative Engine Optimization) optimiert dafür, dass KI-Systeme eine Marke zitieren und empfehlen. SEO optimiert dafür, dass eine Website in Suchmaschinen rankt. Die Disziplinen teilen sich das Fundament: [semantisch klare Texte](https://hechtinsgefecht.de/semantisches-seo/), eine [eindeutige Marken-Entität](https://hechtinsgefecht.de/brand-seo/) und eine technisch schnelle Website. GEO ergänzt darauf Citations, NAPD-Konsistenz und Trennschärfe über alle Quellen, die KI-Systeme lesen.

### Was bedeutet NAPD?

NAPD steht für Name, Address, Phone, Description. NAPD erweitert das klassische NAP-Prinzip aus dem Local SEO um den konsistenten Beschreibungstext als viertes Element. KI-Systeme vergleichen nicht nur Kontaktdaten, sondern gleichen Beschreibungstexte über das gesamte Internet ab. NAPD-Konsistenz ist die Grundvoraussetzung für GEO-Sichtbarkeit.

### Brauche ich GEO auch als kleines Unternehmen?

GEO ist gerade für kleine Unternehmen relevant, weil KI-Systeme nach Eindeutigkeit und Konsistenz auswählen, nicht nach Unternehmensgröße. In unseren Audits wurde ein Shop mit Domain Rating 2 von ChatGPT in 40 % der Testfragen zitiert, weil Vertrauenssignale und Sortimentsdaten stimmten. Ein kleines Unternehmen mit klarer NAPD-Konsistenz schlägt ein großes mit widersprüchlichen Informationen.

### Machen Backlinks für GEO überhaupt noch Sinn?

Backlinks spielen für GEO eine untergeordnete Rolle. KI-Systeme bewerten die Häufigkeit und Konsistenz von Brand Mentions, nicht die Anzahl eingehender Links. Der SEO-Contest 2026 zeigte das kontrolliert. Alle 15 geprüften Domains starteten bei Domain Rating 0. Die Unterschiede in KI-Zitaten und Rankings kamen aus Entity- und On-Page-Signalen. GEO priorisiert Citations und Brand Mentions gegenüber klassischem Linkbuilding.

### Wie viele Citations brauche ich für GEO?

50 generische Citations sind ein solider Start für GEO. Wichtiger als die Anzahl ist die NAPD-Konsistenz über alle Portale, und ob die Profile überhaupt indexiert werden. In unserem Contest-Test waren trotz Indexierungs-Push nur 31 % der neuen Profile bei Google auffindbar. Kuratierte Premium-Profile wirken stärker als Masse-Verzeichnisse.

### Lohnt sich GEO für Online-Shops?

GEO lohnt sich für Online-Shops besonders, weil KI-Empfehlungen kaufbereite Besucher liefern. Bei einem E-Commerce-Kunden ist der ChatGPT-Referral der Kanal mit dem höchsten Umsatz pro Session (22,48 €). Laut Cloudflare Radar entfallen 28 bis 31 % des KI-Crawler-Traffics auf Retail und E-Commerce. KI-Systeme wollen Shop-Inhalte lesen, die Website muss sie nur abrufbar machen.

### Wie lange dauert es, bis GEO-Maßnahmen wirken?

GEO-Maßnahmen brauchen in der Regel 4 bis 8 Wochen, bis KI-Systeme neue oder aktualisierte Informationsquellen erfasst haben. Der Zeitraum hängt davon ab, wie schnell Suchmaschinen die neuen Profile indexieren und wie oft die KI-Systeme ihre Wissensbasis aktualisieren. Bei unserem Keywordkönig-Case waren erste Erwähnungen in KI-Systemen nach 3 Wochen messbar.

## Quellen

- Aggarwal, Pranjal et al. (2023): [„GEO: Generative Engine Optimization“](https://arxiv.org/abs/2311.09735), arXiv, das Original-Forschungspaper zum Begriff GEO
- Cloudflare: [„Cloudflare Radar: AI Insights“](https://radar.cloudflare.com/ai-insights), Cloudflare Radar, Verteilung des KI-Crawler-Traffics nach Branchen
- Hostinger (2026): [„AI Bot Analysis“](https://www.hostinger.com/blog/ai-bot-analysis), Hostinger Blog, Auswertung von 66,7 Milliarden Bot-Requests zum Shift von Trainings- zu Such-Crawlern
- Google: [„Google Business Profile Guidelines“](https://support.google.com/business/answer/3038177), Google Support, NAP-Konsistenz als Local-SEO-Grundlage
- Google: [„Optimizing your website for generative AI features“](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide), Google Search Central, Indexierbarkeit und Crawlbarkeit als Voraussetzung für AI Overviews und AI Mode
- Barnard, Jason: [„Brand SERP Optimization“](https://kalicube.com/learning-space/faq/brand-serps/), Kalicube, Entity-Eindeutigkeit und Knowledge Graph
- Windolph, Benny (2024): [„Google Local Pack: Tipps und Faktoren für mehr lokale Sichtbarkeit“](https://www.omt.de/google-my-business/google-local-pack/), Magazin des OMT (Online Marketing Tag), Bewertungen und Local-SEO-Strategie
- Windolph, Benny (2025): [„Cost of Retrieval“](https://www.afs-akademie.org/magazin/cost-of-retrieval/), AFS Akademie, technische Voraussetzungen für Retrieval