KI Suchoptimierung in der Praxis: 5 Quick Gains und 3 teure Irrwege

Warum KI Suchoptimierung an der Umsetzung scheitert, nicht am Verständnis

Wenn ich mir ansehe, woran Projekte in der KI Suchoptimierung wirklich hängen, sind es fast nie Wissenslücken über die Modelle. Es sind zwei Fehlerklassen, die beide vor der ersten Maßnahme entstehen.

Die erste ist der falsche Befund: Ein Team testet die Sichtbarkeit mit Prompts, die niemand so eingibt und bekommt ein Ergebnis, das nichts mit dem Kaufverhalten zu tun hat. Daraus wird dann eine Maßnahmenliste abgeleitet, die zwar handwerklich sauber ist, aber dennoch am Geschäft vorbei geht. 

Die zweite ist die falsche Reihenfolge: GEO-Kataloge sind lang, und sie sind meist nach Themen sortiert statt nach Wirkung pro Aufwand. Wer oben anfängt, baut oft monatelang Content, während der Auslieferungspfad die Antwort-Crawler gar nicht durchlässt. Dann ist die Arbeit nicht falsch, sie kommt nur nirgends an.

Dahinter steht eine Überzeugung, die meine Arbeit prägt: SEO, AEO und GEO wachsen zu einer Disziplin zusammen. Google denkt in Entitäten. Und die generativen Systeme tun es auch. Die eigentliche Aufgabe ist nicht, drei Kanäle getrennt zu optimieren, sondern zu der Entität zu werden, der die Systeme trauen und die sie deshalb empfehlen. Alles, was unten steht, zahlt auf diese eine Frage ein: Ist die Entität konsistent, erreichbar und belegt?

Die Prompt-Falle: Dein Befund ist nur so gut wie Deine Frage

Das ist der Punkt, an dem ich die meisten fertigen Sichtbarkeits-Reports verwerfen würde. Als ich den Fragen-Generator für meinen Empfehlungs-Check gebaut habe, sind mir vier Fallen begegnet, die ich seitdem als harte Leitplanken im Code stehen habe.

1. Der fehlende Ortsanker.
   Bei einem lokalen Anbieter muss die Region in die Testfrage. Ohne Ort empfehlen die Systeme im Fan-Out fast durchgehend große Herstellermarken und Ketten, weil die im reinen Kategoriekontext die dominanten Entitäten sind. Du misst dann nicht, ob der Sanitärbetrieb empfohlen wird, sondern ob Viessmann und Vaillant existieren. Der Befund sieht katastrophal aus und ist wertlos.
   
2. Der Ortsanker am falschen Ort.
   Bei einem überregionalen Kategorie-Anbieter, etwa B2B-Software, kippt genau derselbe Reflex das Ergebnis in die andere Richtung. Niemand sucht Agentursoftware „in DACH“. Dort verankerst Du in der Kategorie und in der Zielgruppe, nicht im Raum.
   
3. Der isolierte Komponentenbegriff.
   Eine Frage nach „Lichttechnik in Freiburg“ trifft Elektrogroßhändler und Leuchtenläden, nicht den Veranstaltungsausstatter, den Du eigentlich testen wolltest. Der Einsatzkontext muss in die Frage, sonst rutscht der Test in eine fremde Branche und misst die falschen Wettbewerber.
   
4. Der Firmenname in der Frage.
   Sobald der Name auftaucht, misst Du Recall, nicht Empfehlung. Das sind zwei völlig verschiedene Dinge, und nur eines davon entscheidet über Umsatz.

Dazu kommt der Schnitt, den ich für den wichtigsten halte: Sichtbarkeit ist phasenabhängig. Ich teste nicht 1 Frage, sondern 5 entlang der Kaufreise, von „brauche ich dafür überhaupt einen Anbieter“ bis „hat der gute Bewertungen“. Betriebe, die in Phase 4 und 5 sichtbar sind, fehlen sehr oft in Phase 1 und 2 komplett, und genau dort fällt die Vorentscheidung. Ein einzelner Sichtbarkeits-Score über alle Prompts hinweg bügelt diesen Unterschied glatt und nimmt Dir die einzige Information, aus der eine Content-Priorität folgt.

5 Quick Gains, die in Tagen wirken

Quick bedeutet hier: umsetzbar in Tagen, ohne Budgetfreigabe, ohne Relaunch.

Schritt 1: Die Auslieferung testen, nicht die robots.txt lesen

Seit dem 1. Juli 2025 fragt Cloudflare jede neu registrierte Domain beim Setup, ob KI-Crawler zugelassen werden sollen, und der Default ist Blocken (Cloudflare, „Content Independence Day“, 01.07.2025). Das heißt: Deine robots.txt kann sauber auf Allow stehen, während die KI-Crawler ein 403 zurückbekommen. In einem reinen robots.txt-Audit siehst Du davon nichts.

Der erste Test dauert eine Minute pro Bot. Ruf Deine Seite mit dem jeweiligen User-Agent ab und sieh Dir den Statuscode an, nicht nur den Inhalt, zum Beispiel mit curl -A „OAI-SearchBot“ -I https://deine-domain.de, dann dasselbe für PerplexityBot und Claude-SearchBot. Kommt kein 200 zurück, hast Du Deinen Blocker gefunden, und er sitzt in der WAF (Web Application Firewall) oder im Bot-Management, nicht im Content.

Ein 200 ist allerdings noch kein Freibrief, und diesen Punkt übersehen auch erfahrene Leute. Modernes Bot-Management entscheidet nicht am User-Agent allein, sondern über verifizierte IP-Bereiche und Fingerprinting. Ein gespooftes curl kann also durchkommen, während der echte Crawler an einer Regel für verifizierte KI-Bots hängen bleibt, und in seltenen Fällen genau umgekehrt. Der Nachweis steht deshalb in Deinen eigenen Logs oder in der Bot-Analytik Deines CDN, gefiltert auf die verifizierten Crawler der letzten 30 Tage. Wenn dort in einem Monat kein einziger Antwort-Crawler auftaucht, brauchst Du über Content gar nicht erst nachzudenken.

Schritt 2: Die Bots sortieren statt pauschal sperren

OpenAI dokumentiert drei Agenten mit drei Aufgaben. GPTBot sammelt Trainingsdaten. Über OAI-SearchBot schreibt OpenAI wörtlich: „OAI-SearchBot is used to surface websites in search results in ChatGPT’s search features.“ ChatGPT-User holt eine Seite erst, wenn ein Mensch gerade fragt (OpenAI, Overview of Crawlers). Anthropic trennt genauso zwischen ClaudeBot und Claude-SearchBot.

Praktisch heißt das: Du kannst GPTBot sperren, wenn Dir die Trainingsnutzung widerstrebt, und trotzdem in ChatGPTs Suchantworten zitierbar bleiben. Die bisher kursierenden Copy-Paste-robots.txt tun das Gegenteil, sie blocken alles mit KI im Namen und nehmen den Kunden aus den Antworten heraus, ohne dass er den Zusammenhang je erfährt. Diese Zeile zu korrigieren kostet zehn Minuten und ist der billigste Sichtbarkeitsgewinn im ganzen Katalog.

Schritt 3: Erstantwort und Aktualisierungsdatum

Das sind die beiden Punkte, an denen in meinen eigenen Check-Läufen am zuverlässigsten alles durchfällt. Die Erstantwort meint den ersten Absatz nach der Überschrift: eine geschlossene Antwort auf die Frage der Seite, in der Größenordnung von 40 bis 80 Wörtern, mit einem Datums- oder Frischesignal darin. Das Aktualisierungsdatum meint eine sichtbare Angabe im Template plus ein sauberes dateModified im Schema, nicht nur ein Veröffentlichungsdatum im Footer.

Beides ist Template-Arbeit, keine Content-Produktion. Wenn Du ein CMS mit sauberen Layouts hast, rollst Du das über den gesamten Bestand aus, ohne einen einzigen Artikel neu zu schreiben. Genau deshalb steht es hier bei den Quick Gains und nicht in einem Content-Fahrplan.

Schritt 4: In die Quellen gehen, die bei Deinen Fragen zitiert werden

Ahrefs hat 75.000 Marken auf die Korrelation zwischen Markensignalen und Sichtbarkeit in AI Overviews untersucht. Markenerwähnungen im Web landen bei einer Spearman-Korrelation von 0,664, Marken-Ankertexte bei 0,527, Backlinks dagegen nur bei 0,218 (Ahrefs, Linehan und Guan, 26.05.2025). Die Autoren schreiben selbst dazu, dass Korrelation keine Kausalität ist, und das gehört in jede Weitergabe dieser Zahl hinein.

Der Quick Gain daraus ist nicht „macht digitale PR“, das dauert Quartale. Er ist viel kleiner: Nimm die Antworten aus Deinem eigenen Fünf-Fragen-Test und schreib die Quellen heraus, die dort tatsächlich zitiert werden. Meist sind es 10 – 15 wiederkehrende Adressen pro Branche, oft Fachverzeichnisse, Vergleichslisten und regionale Portale. In diesen konkreten Quellen präsent zu werden, ist in Tagen machbar, und Du weißt vorher, dass die Systeme sie ziehen, weil sie sie Dir gerade selbst genannt haben.

Schritt 5: Den Gen-AI-Report in der Search Console aufmachen

Am 3. Juni 2026 hat Google in der Search Console eigene Search Generative AI Performance Reports ausgerollt. Sie zeigen Deine Impressionen innerhalb der generativen Funktionen, also AI Overviews und AI Mode, aufgeschlüsselt nach Seite, Land, Gerät und Datum (Google Search Central, 03.06.2026).

Das ist die erste Erstpartei-Datenquelle zu diesem Thema überhaupt, und sie hat eine Grenze, die Du kennen musst, bevor Du sie in ein Reporting hebst: Es gibt Impressionen, aber keine Klicks, keine CTR und keine Query-Daten. Du kannst damit belegen, dass eine Seite in KI-Antworten auftaucht, und Du kannst Verläufe je Seite vergleichen. Du kannst daraus keinen Traffic-Wert ableiten. Wer diese Zahl als Erfolgskennzahl an einen Kunden gibt, ohne den Unterschied zu erklären, baut sich eine Diskussion, die er in drei Monaten verliert. Du siehst jedoch verstärkt ganze “Romane/Prompts” in Deinen Suchbegriffen und kannst daraus enorm viel ableiten. Zum Beispiel, wie Deine Zielgruppe Dich in den AI Overviews findet und welche Sicherheiten für einen Kauf fehlen. 

Ein Beispiel, durchgerechnet

Mein technischer GEO-Check läuft seit Ende Juli öffentlich. Die Stichprobe ist klein, ich nenne sie deshalb offen: 9 verschiedene Domains, darunter meine eigene, jeweils der jüngste Lauf. Das ist keine Studie, es ist ein Schlaglicht, aber die Verteilung ist deutlich genug, um daraus eine Reihenfolge zu bauen.

Von diesen 9 Domains scheitern 8 an der Erstantwort, 7 haben kein sichtbares Frischesignal, 7 führen ihre H2 nicht als Fragen, 4 liefern kein verwertbares JSON-LD (strukturierte Daten), 2 haben ein Crawler-Problem und nur 1 eine kaputte Überschriftenhierarchie.

Interessant ist daran nicht die Rangfolge der Fehler, sondern ihr Charakter. Die drei häufigsten Befunde sind allesamt Template-Fehler und keine Content-Fehler. Sie betreffen jede Seite der Domain gleichzeitig, und sie lassen sich an einer Stelle beheben. Der Aufwand steht also in keinem Verhältnis zur Wirkung: Ein Nachmittag im Layout schlägt in dieser Verteilung jede Content-Offensive, weil er den gesamten Bestand auf einmal zitierfähig macht.

Für die Priorisierung ergibt sich daraus eine simple Regel, die ich seitdem konsequent anwende. Erst Zugang prüfen, dann Template reparieren, dann Off-Site nachziehen, und erst danach neuen Content produzieren. Wer diese Reihenfolge umdreht, produziert Inhalte, die entweder nicht abgeholt oder nicht zitierfähig ausgeliefert werden.

3 teure Irrwege

llms.txt

Ahrefs hat im Juni 2026 alle 137.210 Domains ihrer Web Analytics ausgewertet, die im Mai 2026 Traffic hatten. 28 Prozent von ihnen veröffentlichen eine llms.txt. 97 Prozent dieser Dateien wurden im gesamten Monat Mai kein einziges Mal abgerufen, und für nicht existierende llms.txt kamen null Anfragen von KI-Bots (Ahrefs, Linehan und Guan, 15.06.2026). Googles John Mueller formuliert es so: „the file has existed for years, yet none of the AI systems use it“ (Search Engine Journal, 02.06.2026).

Ich sage nicht, dass die Datei schadet. Ich sage, dass sie in einem Angebot als Sichtbarkeitsmaßnahme nichts verloren hat, solange kein einziges Antwortsystem sie als Signal dokumentiert. Wenn ein Kunde danach fragt, ist die ehrliche Antwort: kostet fast nichts, bringt nach heutiger Datenlage nichts, und die Stunde steckst Du besser in Schritt 1.

Das Monitoring-Tool vor der Frage

Der zweite Irrweg ist eine Reihenfolgefrage. Ein Monitoring-Abo wird gekauft, bevor geklärt ist, welche Prompts überhaupt gemessen werden sollen. Dann läuft ein Sichtbarkeitsindex über eine Prompt-Liste, die den Ortsanker vergisst oder den Firmennamen enthält, und der Index misst über Monate stabil das Falsche. Stabil falsch ist schlimmer als gar nicht gemessen, weil daraus Budgets abgeleitet werden. Die Prompt-Liste ist die Messmethode, nicht das Tool. Sie gehört vorher definiert, dokumentiert und gegen die vier Fallen oben geprüft.

Zahlen, die nicht mehr halten

Das ist der Irrweg, der einem Fachpublikum am meisten wehtut. Drei Beispiele aus dem Umlauf.

Die Zero-Click-Rate wird seit Jahren mit „rund 60 Prozent“ zitiert. Für 2024 stimmte das. Rand Fishkin hat am 9. Juni 2026 nachgemessen: In den ersten vier Monaten 2026 endeten 68,01 Prozent der Google-Suchen in den USA ohne Klick (SparkToro, 09.06.2026). Wer die 60 heute noch nennt, liegt 8 Punkte daneben. Im selben Beitrag steht übrigens ein zweiter lehrreicher Punkt: Die 2024er-Erhebung lief über das Datos-Panel, die 2026er über Similarweb-Clickstream. Die Reihe ist also nicht vollständig methodengleich, und wer sie als glatten Verlauf präsentiert, überzeichnet.

Die oft zitierte Gartner-Prognose von minus 25 Prozent bezieht sich wörtlich auf „traditional search engine volume“, nicht auf Google-Traffic und schon gar nicht auf einen KI-Traffic-Anteil. Die im Netz kursierende Variante „25 bis 30 Prozent des Web-Traffics kommen aus KI-Engines“ ist von Gartner nirgends belegt.

Fazit

KI Suchoptimierung ist heute weniger eine Wissens- als eine Disziplinfrage. Erhebe den Befund mit Fragen, die ein Käufer wirklich eintippt, mit Ortsanker dort, wo er hingehört, und über alle fünf Kaufphasen statt über einen Sammelscore. Räum danach in dieser Reihenfolge auf: Zugang, Template, Off-Site, Content. Lass llms.txt und den Sichtbarkeitsindex ohne saubere Prompt-Liste liegen. Und prüf jede Zahl, die Du weitergibst, auf Messfenster und Quelle, bevor sie in eine Folie wandert.

Das Ziel darunter bleibt dasselbe, egal ob Du es SEO, AEO oder GEO nennst: konsistent, erreichbar und belegt als DIE Entität dazustehen, der die Systeme trauen. Alles andere ist (Verkaufs)Taktik.

FAQ

Wie schnell wirkt KI Suchoptimierung?

Das hängt am Maßnahmentyp, nicht am Kanal. Ein gelöster Crawler-Block wirkt, sobald der Antwort-Crawler das nächste Mal vorbeikommt, also in Tagen. Template-Änderungen wie Erstantwort und Aktualisierungsdatum brauchen den nächsten Crawl-Zyklus über den Bestand. Off-Site-Präsenz und Entitätsaufbau laufen in Monaten. Ein Angebot, das für alles drei denselben Zeitrahmen nennt, hat den Unterschied nicht verstanden.

Sollte man KI-Crawler blockieren?

Nur differenziert. Trainings-Crawler wie GPTBot und ClaudeBot kannst Du sperren, wenn Dir die Trainingsnutzung widerstrebt, ohne Deine Sichtbarkeit in den Antwortsystemen zu verlieren. Such- und Antwort-Crawler wie OAI-SearchBot, Claude-SearchBot und PerplexityBot solltest Du durchlassen, sonst nimmst Du Dich aus den Antworten heraus. Ein pauschaler Block kostet Sichtbarkeit, ohne rechtlich mehr zu bringen als der gezielte.

Braucht man ein GEO-Tool?

Nicht am Anfang. Die ersten Schritte, Auslieferungstest, Bot-Sortierung, Template-Reparatur und ein manueller Fünf-Fragen-Test über drei Systeme, kosten Dich Arbeitszeit und keine Lizenz. Ein Tool lohnt sich in dem Moment, in dem Du eine geprüfte Prompt-Liste hast und Verläufe über Zeit sehen willst. Vorher automatisierst Du nur eine ungeprüfte Messung.

Quellen

Alle URLs abgerufen am 2. August 2026.

• Cloudflare, „Content Independence Day: no AI crawl without compensation!“, 01.07.2025: https://blog.cloudflare.com/content-independence-day-no-ai-crawl-without-compensation/
• Cloudflare, David Belson und Sam Rhea, „The crawl before the fall of referrals“, 01.07.2025: https://blog.cloudflare.com/ai-search-crawl-refer-ratio-on-radar/
• OpenAI, „Overview of OpenAI Crawlers“: https://developers.openai.com/api/docs/bots
• Ahrefs, Louise Linehan und Xibeijia Guan, „An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)“, 26.05.2025: https://ahrefs.com/blog/ai-overview-brand-correlation/
• Ahrefs, Louise Linehan und Xibeijia Guan, „We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read“, 15.06.2026: https://ahrefs.com/blog/llmstxt-study/
• Search Engine Journal, Roger Montti, „Google Says llms.txt Is Purely Speculative For Now“, 02.06.2026: https://www.searchenginejournal.com/google-says-llms-txt-is-purely-speculative-for-now/577576/
• Google Search Central Blog, „Introducing Search Generative AI performance reports in Search Console“, 03.06.2026: https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports
• SparkToro, Rand Fishkin, „In 2026, Less than One Third of Google Searches Still Send a Click“, 09.06.2026: https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/
• SparkToro, „2024 Zero-Click Search Study“, 2024: https://sparktoro.com/blog/2024-zero-click-search-study-for-every-1000-us-google-searches-only-374-clicks-go-to-the-open-web-in-the-eu-its-360/
• Gartner, Pressemitteilung „Gartner Predicts Search Engine Volume Will Drop 25% by 2026“, 19.02.2024: https://www.gartner.com/en/newsroom/press-releases/2024-02-19-gartner-predicts-search-engine-volume-will-drop-25-percent-by-2026-due-to-ai-chatbots-and-other-virtual-agents
• SEOmator, „GEO Data Report 2026: Crawl-to-Refer Ratio“, 21.07.2026: https://seomator.com/blog/crawl-to-refer-ratio-ai-crawlers-llm-bots
• Eigene Auswertung: GEO-Check-Läufe auf 10xstrategy.de, 9 Domains, jeweils jüngster Lauf, Stand 02.08.2026.