SEO im Wandel der KI: Warum GEO und llms.txt jetzt entscheidend sind
Klassische Google-Rankings, KI-Antworten und der neue Standard für Crawling-Effizienz
Die Suche verändert sich grundlegend. Wer in KI-Antworten nicht als Quelle erscheint, findet für Nutzer schlicht nicht statt. GEO und die llms.txt sind die zwei Hebel, die jetzt den Unterschied machen.
Die Art und Weise, wie Nutzer nach Informationen suchen, durchläuft aktuell die tiefgreifendste Transformation der vergangenen 25 Jahre. Das Analystenhaus Gartner prognostiziert, dass sich der organische Suchmaschinen-Traffic bis 2028 um 50 % halbiert. Da KI-Systeme im Durchschnitt weniger als 10 Sekunden für eine Antwort benötigen, entfällt der klassische Klick auf Platz 1 immer häufiger. Für Website-Betreiber stellt sich damit eine zentrale Frage: Was bedeutet das für klassisches SEO – und was kommt danach?
Braucht man klassisches SEO überhaupt noch?
SEO ist nicht tot – es ist das Fundament für KI-Sichtbarkeit. Eine Analyse von Seer Interactive aus dem Jahr 2024 räumt mit dem Gegenmythos auf: Die Studie zeigt eine sehr starke Korrelation (r = 0,65) zwischen einem Top-Ranking in der Google-Suche und der Wahrscheinlichkeit, von einem generativen KI-Modell zitiert zu werden. Wer bei Google führt, wird auch von der KI gehört.
Der Grund liegt in der Architektur vieler KI-Suchen: Sie arbeiten mit RAG-Systemen (Retrieval-Augmented Generation) und greifen für aktuelle Antworten in Echtzeit auf den klassischen Suchindex zurück. Daher gilt der neue Branchengrundsatz: GEO ersetzt SEO nicht. GEO setzt SEO voraus.
Was ist GEO und wie unterscheidet es sich von klassischem SEO?
GEO (Generative Engine Optimization) ist die gezielte Optimierung von Inhalten, damit sie von KI-Antwortsystemen als verlässliche Quelle zitiert werden. Der Fokus verschiebt sich von der Jagd nach Klicks hin zur sogenannten Zitierfähigkeit – dem Share of Voice innerhalb synthetischer KI-Antworten.
Eine umfassende Studie der Princeton University mit über 10.000 Prompts hat untersucht, welche inhaltlichen Taktiken von KI-Modellen wirklich belohnt werden:
- Expertenzitate: Das Einbinden von relevanten Zitaten steigerte die Sichtbarkeit in LLM-Antworten um 40 %.
- Harte Statistiken: Die Integration konkreter Zahlen und Fakten erhöhte die Sichtbarkeit ebenfalls um bis zu 40 %.
- Quellenangaben: Das Untermauern von Behauptungen mit verifizierbaren Quellen brachte weitere 40 % Sichtbarkeitssteigerung.
Zusätzlich fungieren E-E-A-T-Kriterien (Experience, Expertise, Authoritativeness, Trustworthiness) als wichtiger Filter. KI-Systeme bevorzugen Inhalte mit klar benannten Autoren und greifbarer Fachkompetenz.
SEO vs. GEO: Die wichtigsten Unterschiede im Überblick
Was ist die llms.txt – und warum braucht Ihre Website sie?
Die llms.txt ist eine einfache Markdown-Datei im Stammverzeichnis einer Website, die KI-Crawlern einen sauberen, ballastfreien Schnappschuss der wichtigsten Inhalte liefert. KI-Crawler – etwa von Anthropic (ClaudeBot) oder Perplexity – haben Schwierigkeiten, komplexe Websites zu verarbeiten, die mit JavaScript überladen sind. Die llms.txt löst dieses Problem direkt.
Ähnlich wie die bekannte robots.txt ist die llms.txt ein technischer Standard, der das Crawling steuert. Beide Dateien arbeiten dabei Hand in Hand:
- robots.txt entscheidet grundsätzlich, ob KI-Crawler (wie GPTBot oder ClaudeBot) Inhalte zum Training nutzen dürfen.
- llms.txt präsentiert den freigegebenen Inhalt anschliessend optimal strukturiert – für schnelle und fehlerfreie Indexierung.
Wie setzt man GEO konkret um? Schritt für Schritt
GEO ist keine abstrakte Theorie – sondern eine Checkliste von Massnahmen, die sich direkt umsetzen lassen.
Schritt 1: Inhalte mit Faktendichte aufbauen
Entfernen Sie weiches Marketing-Vokabular konsequent und ersetzen Sie es durch messbare Aussagen. Jeder Absatz braucht mindestens eine konkrete Zahl, ein Datum oder eine benannte Quelle. „Deutlich bessere Ergebnisse" ist für ein KI-System wertlos – „43 % höhere Click-Through-Rate laut Backlinko" ist zitierbar.
Schritt 2: Schema.org-Markup vollständig einbinden
Implementieren Sie Organization, BlogPosting, FAQPage und – bei lokalem Bezug – LocalBusiness als JSON-LD im Seitenheader. Schema.org liefert KI-Systemen Fakten ohne Interpretationsspielraum und ist heute ein direkter Ranking-Faktor für AI Overviews.
Schritt 3: llms.txt anlegen und pflegen
Erstellen Sie eine llms.txt-Datei direkt unter Ihrer Domain-Root (also https://ihre-domain.com/llms.txt). Listen Sie die wichtigsten Service-Seiten, Blog-Artikel und Unternehmensinfos als Markdown-Links. Halten Sie die Datei aktuell – eine veraltete llms.txt schadet mehr als gar keine.
Schritt 4: E-E-A-T-Signale sichtbar machen
Klar benannte Autoren mit Verlinkung zu LinkedIn-Profilen, eine nachvollziehbare Unternehmensgeschichte und prüfbare Referenzen stärken das E-E-A-T-Profil. KI-Systeme bevorzugen Quellen, deren Expertise sie verifizieren können. Eine Autorenbox mit Foto, Berufsbezeichnung und verifizierbarem Profil ist kein optionales Detail – sie ist ein GEO-Signal.
Schritt 5: Offpage-Präsenz in KI-relevanten Quellen aufbauen
Fakten aus Wikipedia werden in KI-Trainingsdaten oft bis zu dreimal stärker gewichtet als normale Webinhalte. Reddit hat seine Daten offiziell zur Modellschulung lizenziert. Eine substanzielle, hilfreiche Präsenz in Fach-Communities – nicht plumpes Link-Posting – ist heute eine der effektivsten GEO-Massnahmen.
Warum sind auch lokale Unternehmen betroffen? (Local GEO)
Der Wandel betrifft nicht nur grosse Ratgeberportale. Bereits 40 % der Verbraucher nutzen generative KI aktiv für lokale „in meiner Nähe"-Abfragen. Die Empfehlung wandert direkt von Google Maps in Chatfenster von ChatGPT, Perplexity oder Gemini.
Für Local GEO ist eine Sache entscheidend: Absolute NAP-Konsistenz (Name, Adresse, Telefonnummer). KI-Systeme überprüfen diese Daten über das gesamte Web hinweg. Bei Inkonsistenzen wird das Unternehmen als unzuverlässig eingestuft und ignoriert. Zusätzlich helfen hyperlokale Inhalte – konkrete Stadtteile, Strassennamen, lokale Besonderheiten – die Relevanz für den Algorithmus drastisch zu steigern.
Wie messe ich den Erfolg von GEO-Massnahmen?
Da klassischer Website-Traffic durch direkte KI-Antworten sinkt, verschieben sich die KPIs. Drei Metriken stehen im Zentrum:
- Share of Voice: Wie oft wird Ihre Marke in den Antworten von ChatGPT, Perplexity, Claude und Gemini für Ihre Kernthemen genannt – im Vergleich zu Mitbewerbern?
- Citation Links: Wird Ihre Website aktiv als Quelle verlinkt? Tracking über spezifische Referral-URLs in der Analytics.
- LLM Referral Traffic: Besucher, die tatsächlich über KI-Chats auf Ihre Website klicken. Bereits heute als eigener Kanal in Google Analytics 4 messbar.
Checkliste: GEO-Readiness in 7 Punkten
Prüfen Sie jeden Punkt und setzen Sie fehlende Massnahmen priorisiert um:
- NAP-Konsistenz über alle Verzeichnisse, Profile und Citations geprüft und vereinheitlicht?
- llms.txt im Site-Root vorhanden, aktuell und mit den wichtigsten Seiten verlinkt?
- Schema.org-Markup für Organization, FAQPage, BlogPosting (und ggf. LocalBusiness) auf jeder relevanten Seite?
- Faktendichte: harte Zahlen, Statistiken mit Quelle, Expertenzitate in jedem längeren Artikel?
- E-E-A-T-Signale: benannte Autoren, verlinktes LinkedIn-Profil, prüfbare Referenzen?
- Hyperlokale Sprache (Stadtteile, Strassennamen) statt pauschaler Stadtnennung?
- Offpage-Präsenz: Wikipedia-Erwähnungen, aktive Reddit-Präsenz, Citations in Branchenmedien?
Fazit: SEO bleibt das Fundament. GEO ist die nächste Etage.
Klassisches SEO und GEO schliessen sich nicht aus – sie bauen aufeinander auf. Wer in Google führt, hat die beste Ausgangsposition für KI-Zitierungen. Wer zusätzlich Faktendichte, Schema-Markup, eine saubere llms.txt und starke E-E-A-T-Signale liefert, wird auch in ChatGPT, Perplexity und Gemini als verlässliche Quelle wahrgenommen.
Die Link-Fabrik kombiniert technische SEO-Expertise mit modernen GEO-Strategien. In der SEO- und GEO-Beratung erarbeiten wir, wie Sie Ihre Marke konkret für die KI-Suche aufstellen. Den vertiefenden GEO-Leitfaden als PDF können Sie direkt ansehen.
Quellen
- Gartner (2024): Gartner Predicts Search Engine Volume Will Drop 25 % by 2026
- Princeton University / arXiv (2023): GEO: Generative Engine Optimization – Aggarwal et al.
- Seer Interactive (2024): The Impact of AI Overviews on Organic Traffic
- llms.txt-Standard: llmstxt.org
- Reuters (2024): Reddit signs AI content licensing deal with Google
Häufige Fragen
Wie unterscheidet sich GEO von klassischem SEO?
Klassisches SEO zielt primär auf Platzierungen auf Suchergebnisseiten ab, nutzt Backlinks als Autoritätssignal und optimiert für Klicks auf Linklisten. GEO (Generative Engine Optimization) hat das Ziel, direkte Erwähnungen in KI-Antworten zu generieren. Hierfür sind extrem gut strukturierte Inhalte mit hoher Faktendichte, vielen Quellen und Expertenzitaten nötig – sowie technische Massnahmen wie Schema.org und eine llms.txt-Datei.
Macht die KI-Optimierung das klassische SEO überflüssig?
Nein. GEO ersetzt SEO nicht, sondern ergänzt es. Viele KI-Suchen greifen über RAG-Systeme in Echtzeit auf den klassischen Suchindex zu. Eine Analyse von Seer Interactive zeigt eine starke Korrelation (r = 0,65): Wer bei Google ein hohes Ranking erzielt, hat auch die besten Chancen, von der KI zitiert zu werden. GEO setzt SEO voraus.
Was genau ist die llms.txt-Datei?
Die llms.txt ist eine einfache Markdown-Datei im Stammverzeichnis einer Website. Sie liefert KI-Crawlern einen sauberen, ballastfreien und leicht lesbaren Überblick der wichtigsten Inhalte. Da KIs oft Schwierigkeiten haben, komplexe Websites mit viel JavaScript zu verarbeiten, fungiert die llms.txt als strukturierter Direktzugang zu Ihren relevantesten Seiten.
Funktioniert GEO auch für lokal ansässige Unternehmen?
Absolut. Da bereits 40 % der Verbraucher generative KI für lokale Suchen nutzen, ist Local GEO ein wichtiger Wachstumshebel. Am wichtigsten ist die Konsistenz der Basisdaten (Name, Adresse, Telefon) über alle Online-Verzeichnisse hinweg, gepaart mit hyperlokalen Inhalten, die Stadtteile und Strassennamen konkret nennen.
Wie messe ich den Erfolg von GEO-Massnahmen?
Da der klassische Website-Traffic durch direkte KI-Antworten sinkt, ändern sich die KPIs. Im Fokus stehen die Markensichtbarkeit (Share of Voice in KI-Antworten im Vergleich zu Mitbewerbern), das Tracking von Citation Links sowie der LLM Referral Traffic – also Besucher, die über KI-Chats auf Ihre Website klicken.