Content wird von KI-Systemen zitiert, wenn er bei Google oder Bing gut rankt, von einer vertrauenswürdigen Quelle stammt und die gestellte Frage klar beantwortet. Das ist keine neue Disziplin, sondern eine Erweiterung von dem, was gutes SEO schon immer ausmacht. 76 Prozent aller Quellen, die in Google AI Overviews zitiert werden, stammen von Seiten, die bereits in den Top 10 der klassischen Suchergebnisse ranken. Wer bei Google nicht sichtbar ist, wird auch von ChatGPT, Perplexity und Claude kaum als Quelle verwendet.
Dieser Post erklärt, warum klassisches SEO das Fundament für KI-Sichtbarkeit bleibt, welche zusätzlichen Faktoren bei LLMs eine Rolle spielen und was du konkret tun kannst, um deinen Content für beide Welten zu optimieren.
Warum klassisches SEO die Grundlage bleibt
Es kursieren viele neue Begriffe: AEO (Answer Engine Optimization), GEO (Generative Engine Optimization), LLMO (Large Language Model Optimization). Alle beschreiben im Kern dasselbe: Sichtbarkeit in KI-generierten Antworten.
Der Grund liegt in der Architektur der Systeme. ChatGPT mit Web-Suche greift auf den Bing-Index zu. Google AI Overviews ziehen aus dem Google-Index. Perplexity nutzt ebenfalls Suchindizes als Datenquelle. Alle grossen KI-Systeme verwenden sogenanntes Retrieval-Augmented Generation (RAG): Bevor das Modell eine Antwort formuliert, durchsucht es einen Suchindex nach relevanten Dokumenten und nutzt die besten Treffer als Grundlage. Der Suchindex, aus dem die KI schöpft, ist also derselbe, für den du bereits SEO machst.
Die Daten bestätigen das. Laut einer Ahrefs-Studie stammen 76 Prozent aller in AI Overviews zitierten URLs aus den Top 10 der organischen Suchergebnisse. Der Median liegt bei Position 2. Wer organisch nicht rankt, wird von der KI schlicht nicht gefunden, egal wie gut der Text formatiert ist.
Ahrefs selbst ist ein gutes Beispiel: Das Unternehmen wurde über 7.400 Mal auf mehr als 2.300 Seiten in KI-Antworten erwähnt, ohne jemals gezielt für KI-Systeme zu optimieren. Ihre Erklärung: Starkes SEO und eine etablierte Marke reichen aus, weil die gleichen Faktoren greifen.
Was zusätzlich zu klassischem SEO zählt
SEO ist die Grundlage, aber nicht alles. Es gibt Faktoren, die für KI-Sichtbarkeit stärker ins Gewicht fallen als für klassische Google-Rankings. Der wichtigste davon sind Markenerwähnungen im Web.
Brand Mentions, also Erwähnungen deines Markennamens auf anderen Websites, zeigen die höchste Korrelation mit dem Erscheinen in AI Overviews. Für klassisches SEO spielen unverlinkte Erwähnungen kaum eine Rolle, für LLMs dagegen schon. Sprachmodelle leiten die Autorität und Relevanz einer Marke nicht primär aus Backlinks ab, sondern aus der Häufigkeit und dem Kontext, in dem eine Marke im Web erwähnt wird. Wenn deine Marke regelmässig im Zusammenhang mit deinem Thema auf vertrauenswürdigen Seiten erscheint, erhöht das die Wahrscheinlichkeit, dass LLMs sie empfehlen.
Der zweite Faktor ist Topical Authority. Seiten, die nicht nur für ein einzelnes Keyword ranken, sondern für ein ganzes Themenfeld, werden laut Ahrefs-Daten 161 Prozent häufiger von KI-Systemen zitiert. Ein einzelner Blog-Post reicht selten. Wer zu einem Thema mehrere aufeinander aufbauende Beiträge veröffentlicht, signalisiert thematische Tiefe. Das gilt für Google genauso wie für LLMs, aber bei LLMs ist der Effekt noch stärker ausgeprägt.
Der dritte Faktor ist Aktualität. KI-Systeme zitieren im Schnitt Inhalte, die 25,7 Prozent aktueller sind als die Inhalte, die in den klassischen Suchergebnissen erscheinen. Wer seine wichtigsten Seiten regelmässig aktualisiert, hat einen messbaren Vorteil.
Warum deine eigene Website nicht ausreicht
Ein Punkt, den viele übersehen: LLMs zitieren nicht nur deine Website, sondern auch das, was andere über dich schreiben. Bei Google AI Overviews kommen fast 50 Prozent der Zitationen aus "Best of"-Listen und Vergleichsartikeln. ChatGPT zitiert häufig Wikipedia, Reddit und Fachpublikationen. Perplexity zitiert Reddit, YouTube und Branchenportale.
Das bedeutet, dass Off-Site-Präsenz für KI-Sichtbarkeit genauso wichtig ist wie der eigene Blog. Wer auf relevanten Plattformen präsent ist, ob durch Reddit-Diskussionen, G2-Reviews, YouTube-Inhalte, Gastbeiträge oder Erwähnungen in Branchenvergleichen, vergrössert die Angriffsfläche für LLM-Zitationen erheblich.
Für KMU in der Schweiz kann das konkret heissen: Ein ausführliches Google Business Profile pflegen, in relevanten Branchenverzeichnissen präsent sein, Kundenbewertungen auf Plattformen wie Google und Trustpilot sammeln und zu Fachthemen auf LinkedIn oder in Foren Stellung beziehen. Jede dieser Erwähnungen ist eine potenzielle Quelle, die ein LLM in seine Antwort einbeziehen kann.
Worauf es beim Content selbst ankommt
Die Recherche zeigt, dass die Textlänge praktisch keine Rolle spielt. Die Korrelation zwischen Wortzahl und KI-Zitation liegt nahe null. Was zählt, ist wie gut der Content die gestellte Frage beantwortet. Konkret gibt es vier Dinge, die einen messbaren Unterschied machen.
Das erste ist die direkte Antwort am Anfang. LLMs extrahieren bevorzugt aus den ersten Absätzen eines Dokuments. Wenn dein Intro die Kernfrage direkt beantwortet, steigt die Wahrscheinlichkeit, dass genau diese Passage als Antwort verwendet wird. Das entspricht dem BLUF-Prinzip (Bottom Line Up Front), das auch Ahrefs als Empfehlung nennt.
Das zweite ist eine klare, semantische Struktur. Google AI Overviews nutzen einen Tree-Walking-Algorithmus, der die Heading-Hierarchie von oben nach unten durchgeht. Saubere H1, H2 und H3-Hierarchien, semantisches HTML und eine logische Gliederung helfen Maschinen, den Inhalt korrekt zu interpretieren. Fragen als Überschriften sind dabei besonders wirksam, weil sie direkt zu den Prompts passen, die Nutzer in ChatGPT oder Perplexity eingeben.
Das dritte ist kontextuelle Vollständigkeit. Ein Post, der ein Thema aus verschiedenen Perspektiven abdeckt, verwandte Begriffe natürlich einbindet und Nebenfragen mitbeantwortet, signalisiert thematische Kompetenz. Keyword-Dichte ist irrelevant. Was zählt, ist ob der Text das Thema so behandelt, dass keine offenen Fragen bleiben.
Das vierte ist Schema Markup. Strukturierte Daten wie FAQPage, Article oder HowTo machen den Content maschinenlesbar. Google AI Overviews nutzen Schema-Daten direkt. Für Perplexity und ChatGPT ist Schema ein indirektes Signal: Seiten mit strukturierten Daten werden besser indexiert und dadurch häufiger als Quelle gefunden.
Was jedes KI-System anders macht
Nicht alle LLMs funktionieren gleich. Laut einer Analyse von Ahrefs sind 86 Prozent der am häufigsten zitierten Quellen jeweils einzigartig für das jeweilige System. Das bedeutet: Eine Seite, die von Perplexity zitiert wird, taucht nicht automatisch auch bei ChatGPT auf.
Google AI Overviews bevorzugen Inhalte aus dem eigenen Ökosystem und haben die grösste Reichweite, weil sie direkt in den Suchergebnissen erscheinen.
ChatGPT zitiert häufig Nachrichtenportale und Fachpublikationen und hat die grösste aktive Nutzerbasis. Perplexity setzt auf diverse Nischenquellen und ist das transparenteste System, weil es seine Quellen als nummerierte Citations direkt anzeigt. Claude nutzt Web-Suche bei aktivierter Funktion und greift dann ebenfalls auf Suchindizes zu.
Trotz dieser Unterschiede gibt es eine Gemeinsamkeit: Alle Systeme bevorzugen Inhalte, die in Suchindizes gut positioniert sind, von einer erkennbar kompetenten Quelle stammen und die gestellte Frage direkt beantworten. Wer diese drei Grundlagen abdeckt, ist für alle Plattformen gut aufgestellt.
Wie du testest, ob dein Content zitiert wird
Der direkteste Test: Gib die Kernfrage deines Posts als Prompt in Perplexity ein. Perplexity zeigt seine Quellen als nummerierte Citations an. Wenn dein Content dort auftaucht, weisst du, dass er für LLMs funktioniert. Den gleichen Test kannst du in ChatGPT mit aktivierter Web-Suche wiederholen.
Für Google AI Overviews lohnt sich ein Blick in die Google Search Console. Unter "Suchergebnisse" kannst du nach dem Darstellungstyp "KI-Übersichten" filtern und sehen, für welche Suchanfragen deine Seiten in AI Overviews erscheinen.
Ein Punkt, der beim Monitoring oft vergessen wird: LLMs senden Besucher 2,87 Mal häufiger auf 404-Seiten als Google. Das passiert, weil Sprachmodelle manchmal URLs halluzinieren, die es nicht gibt. Es lohnt sich, die Server-Logs auf solche Zugriffe zu prüfen und für häufig aufgerufene 404-URLs Weiterleitungen auf passende bestehende Seiten einzurichten.
Unser Tipp: Lege eine einfache Tabelle an mit drei Spalten: Prompt, System und Ergebnis (zitiert ja/nein, mit welcher URL). Teste einmal im Monat. So siehst du über die Zeit, welche Posts funktionieren und welche nicht, und kannst gezielt nachbessern.
Oder wenn du es noch bequemer und automatisierter möchtest: Der AEO-Copilot von Sofian Bettayeb ist eine super Lösung für Unternehmen, die das Thema richtig strukturiert angehen wollen.
Häufige Fragen zur Content-Optimierung für KI
Brauche ich eine eigene Strategie für KI, oder reicht gutes SEO?
Für die meisten Unternehmen reicht ein starkes SEO-Fundament als Ausgangslage. 76 Prozent der Quellen in AI Overviews stammen aus den Top 10 bei Google. Wer dort nicht rankt, wird auch von KI-Systemen kaum zitiert. Die zusätzlichen Hebel (Brand Mentions, Topical Authority, Off-Site-Präsenz, Content-Aktualität) sind Erweiterungen, die auf diesem Fundament aufbauen, keine Ersatz-Strategie.
Funktioniert AEO-optimierter Content auch für klassisches Google-SEO?
Ja, und das ist der entscheidende Punkt. Die Faktoren, die Content für LLMs attraktiv machen (klare Struktur, direkte Antworten, thematische Vollständigkeit, Schema Markup), sind dieselben Qualitätssignale, die Google seit dem Helpful Content Update belohnt. Es gibt keinen Trade-off zwischen beiden Ansätzen. Wer für KI optimiert, verbessert in der Regel auch sein klassisches Ranking.
Welche KI-Systeme sind für die Content-Optimierung am wichtigsten?
Google AI Overviews haben die grösste Reichweite, weil sie direkt in den Suchergebnissen erscheinen und bereits bei rund 16 Prozent aller US-Suchanfragen angezeigt werden. ChatGPT hat die meisten aktiven Nutzer. Perplexity ist das beste Testtool, weil es Quellen transparent anzeigt. Trotz der unterschiedlichen Nutzerbasis lohnt es sich, alle drei im Blick zu behalten, weil 86 Prozent der meistzitierten Quellen jeweils einzigartig für das jeweilige System sind.
Wie wichtig ist die Textlänge für KI-Sichtbarkeit?
Die Textlänge hat laut Ahrefs-Daten praktisch keinen Einfluss. Die Korrelation zwischen Wortzahl und KI-Zitation liegt nahe null, und der Effekt scheint ab etwa 540 Wörtern zu stagnieren. Entscheidend ist nicht, wie lang ein Text ist, sondern wie gut er die Suchanfrage beantwortet. Ein kurzer, präziser Artikel, der die Frage direkt und vollständig beantwortet, wird eher zitiert als ein langer Text, der sich in Nebensträngen verliert.
Fazit
Content für KI-Systeme zu optimieren ist kein Gegenprogramm zu SEO. Es ist SEO, konsequent weitergedacht. Die Grundlage bleibt: in den klassischen Suchergebnissen ranken, eine erkennbare Marke aufbauen, thematische Tiefe zeigen. Die zusätzlichen Hebel (Brand Mentions auf Drittseiten, regelmässige Aktualisierungen, saubere Heading-Strukturen, Schema Markup, direkte Antworten am Textanfang) verstärken das, was ein starkes SEO-Fundament bereits leistet.
Der erste Schritt ist deshalb nicht, alle Texte umzuschreiben. Er ist, das bestehende SEO-Fundament zu prüfen: Rankt dein wichtigster Content in den Top 10? Wird deine Marke auf relevanten Drittseiten erwähnt? Decken deine Beiträge das Themenfeld vollständig ab? Wenn ja, bist du bereits gut aufgestellt. Wenn nein, starte dort, bevor du dich um Formatierungsdetails kümmerst.
Weiterführende Quellen
- Ahrefs: "GEO, LLMO, AEO... It's All Just SEO" (https://ahrefs.com/blog/geo-is-just-seo/)
- Ahrefs: "What We Actually Know About Optimizing for LLM Search" (https://ahrefs.com/blog/llm-search/)
- Ahrefs: "LLM Visibility: What It Is and How to Optimize for It" (https://ahrefs.com/blog/llm-visibility/)
- Ahrefs: "How to Earn LLM Citations to Build Traffic & Authority" (https://ahrefs.com/blog/llm-citations/)
- Ahrefs: "How to Rank in AI Overviews" (https://ahrefs.com/blog/how-to-rank-in-ai-overviews/)
- Ahrefs: "SEO vs. GEO: 5 Key Differences Despite the Similarities" (https://ahrefs.com/blog/seo-vs-geo/)
