GEO: Warum uns die KI-Suchmaschinen übersahen

Diese Woche haben wir senn-tech.com mit derselben Methode geprüft, die wir sonst für Kunden anwenden: technisches SEO, Crawler-Zugriff, strukturierte Daten — und eben auch GEO, Generative Engine Optimization. Wir bieten das als Leistung an, also war die naheliegende erste Frage: Hält unser eigener Auftritt der eigenen Messlatte stand? Teilweise. Und der Teil, der nicht standhielt, ist lehrreicher als der Teil, der es tat.

Was GEO technisch bedeutet

KI-Suchmaschinen und -Assistenten (ChatGPT, Perplexity, Google mit KI-Übersichten, Claude) crawlen und verwerten Webinhalte anders als eine klassische Suchmaschine. Drei Dinge müssen stimmen, bevor ein System eine Seite überhaupt als Quelle in Betracht zieht:

Ausdrückliche Crawler-Erlaubnis: Unsere robots.txt erlaubt Allow: / für alle User-Agents, listet aber zusätzlich Bots wie GPTBot, ClaudeBot, PerplexityBot, Google-Extended und Applebot-Extended namentlich. Technisch ist das doppelt gemoppelt, denn wer unter * schon alles erlaubt, muss die Einzelnamen nicht wiederholen. Es ist trotzdem die eindeutige, prüfbare Aussage an genau die Agenten, die auf ihren eigenen Namen hören. Aggressive Crawler ohne erkennbaren Gegenwert für unseren Markt lassen wir bewusst aussen vor.
Ein maschinenlesbarer Auszug: Zusätzlich zur robots.txt pflegen wir eine llms.txt, einen noch jungen, freiwilligen Standard. Sie enthält in wenigen Zeilen, was ein Mensch auf der Startseite erst zusammensuchen müsste: wer wir sind, welche Leistungen wir anbieten, mit Links, dazu Adresse, Öffnungszeiten und einen Verweis auf das vollständige Blog-Verzeichnis nach Kategorie. Die Struktur der Seite muss ein KI-System damit nicht mehr erraten.
Strukturierte Daten: Jeder Blogartikel trägt JSON-LD-Markup, BlogPosting mit Titel, Beschreibung, Datum, Autor und Verlag, dazu BreadcrumbList für die Navigationshierarchie und, wo vorhanden, FAQPage mit den einzelnen Fragen und Antworten als Question/Answer. Die Startseite trägt ProfessionalService- und LocalBusiness-Schema. Strukturierte Daten sagen einem System, das keine Zeit für Interpretation hat, welcher Textblock eine Frage beantwortet.

Alle drei Voraussetzungen können erfüllt sein, und eine Seite bleibt trotzdem unsichtbar für KI-Antworten. Erlaubnis und Struktur öffnen nur die Tür. Ob dahinter etwas Zitierbares steht, ist eine andere Frage, und genau die haben wir bei uns falsch beantwortet.

Der Praxisfall: unser eigener blinder Fleck

Wir haben mehrere Testabfragen gegen gängige KI-Suchsysteme gefahren, darunter "Proxmox vs VMware migration Austria". Das ist eine Frage, zu der wir eigentlich gut aufgestellt sein sollten: Wir betreiben selbst einen Sechs-Knoten-Proxmox-Cluster und haben dazu einen ganzen Artikel-Cluster geschrieben — Von VMware zu Proxmox, Proxmox gegen VMware vSphere und Proxmox als VMware-Alternative. Fachlich ist das unser stärkstes Material zu diesem Thema.

Trotzdem tauchte keiner dieser drei Artikel in den getesteten Antworten auf. Stattdessen zitierten die Systeme deutsche Anbieter wie epta-it.de und hostzero.com — beides Häuser ohne erkennbaren Tirol- oder Österreich-Bezug, aber mit einem Merkmal, das unserem gesamten Cluster fehlt: ein explizites geografisches Signal für den Österreich-/DACH-Kontext. Keiner der drei Artikel erwähnt Österreich, Tirol oder eine Region überhaupt, dabei ist genau das der Anknüpfungspunkt, den die Testfrage abfragt.

Einen zweiten Punkt, den wir bei der ersten Durchsicht ebenfalls als Lücke notiert hatten, hat eine parallel laufende Überarbeitung des Clusters inzwischen für einen der drei Artikel behoben: Proxmox gegen VMware vSphere trägt jetzt unter der Überschrift „Was vSphere ehrlicherweise besser kann" eine kompakte sechszeilige Vergleichstabelle — genau das Format, das ein KI-System braucht, um eine Kernaussage unverändert in eine Antwort zu übernehmen, statt sie erst aus mehreren Fließtext-Absätzen herausdestillieren zu müssen. Das ist ein echter Fortschritt, ändert aber nichts am eigentlichen Befund für die Testfrage: Ohne das Österreich-Signal wird auch eine gute Tabelle bei einer österreichspezifischen Anfrage nicht ausgespielt, weil das System den Artikel gar nicht erst als regional relevant einordnet. Extrahierbarkeit allein zieht keinen Treffer, wenn die geografische Einordnung fehlt.

Die naheliegende Korrektur, die wir für den Cluster als Nächstes einplanen: einen ausdrücklichen Österreich-/Tirol-Bezug in allen drei Artikeln nachtragen, und für die beiden noch rein fließtextbasierten Artikel — Von VMware zu Proxmox und Proxmox als VMware-Alternative — je eine eigene Zusammenfassungstabelle nach demselben Muster ergänzen.

Was das für eine Kundenseite bedeutet

Die Lehre daraus lässt sich nicht auf uns beschränken. Für jede Seite, die lokal oder regional relevant sein will, gilt dieselbe Lücke: Ein Text kann fachlich richtig, gut geschrieben und bei Google gut platziert sein — und trotzdem in keiner KI-generierten Antwort auftauchen, weil er zwei Dinge nicht mitliefert, die ein Mensch beim Lesen stillschweigend ergänzt, ein Sprachmodell aber nicht.

Praktisch heißt das für ein Kundenprojekt: die drei technischen Grundlagen (Crawler-Erlaubnis, llms.txt, strukturierte Daten) sind der Einstieg, nicht das Ziel. Danach folgt die inhaltliche Arbeit — explizite geografische Einordnung, wo sie fachlich zutrifft, und mindestens eine extrahierbare Zusammenfassung pro zentraler Seite, sei es als Tabelle, als FAQ-Block oder als klar markierte Kernaussage. Ob das ankommt, lässt sich mit denselben Testabfragen prüfen, die wir gegen unseren eigenen Auftritt gefahren haben — regelmäßig, nicht einmalig, weil sich Antworten der KI-Systeme von Lauf zu Lauf unterscheiden können.

Fazit

Crawler-Erlaubnis, llms.txt und strukturierte Daten sind bei uns technisch vollständig — und haben unser bestes Material trotzdem nicht ins KI-Antwortfenster gebracht, weil das entscheidende geografische Signal fehlt. Eine extrahierbare Tabelle allein reicht nicht, wie unser eigener Cluster gerade zeigt: ein Artikel hat sie inzwischen, tauchte in der Testabfrage aber trotzdem nicht auf. Das ist der Unterschied zwischen „für KI-Systeme lesbar" und „für KI-Systeme zitierbar", und er zeigt sich erst, wenn man mit echten Abfragen nachprüft statt bloß die Checkliste abzuhaken.

Weiterführende Quellen

Fragen?

Was unterscheidet GEO von klassischem SEO?+

Klassisches SEO optimiert dafür, dass ein Crawler eine Seite indexiert und ein Mensch sie in der Trefferliste anklickt. GEO (Generative Engine Optimization) optimiert dafür, dass ein KI-System eine Seite lesen, verstehen und in einer generierten Antwort zitieren kann — ohne dass je jemand auf die Seite klickt. Beides schließt sich nicht aus, aber gutes Google-Ranking ist keine Garantie für eine Nennung bei ChatGPT oder Perplexity.

Reicht eine offene robots.txt, damit KI-Systeme eine Seite zitieren?+

Nein, sie ist nur die Zugangsvoraussetzung. Ohne ausdrückliche Erlaubnis für Crawler wie GPTBot oder ClaudeBot liest das jeweilige System die Seite gar nicht erst. Ob es die Inhalte danach auch versteht und als Quelle nennt, hängt zusätzlich von maschinenlesbarer Struktur ab — genau da haben wir bei unserem eigenen Auftritt eine Lücke gefunden.

Was ist llms.txt, und wozu brauche ich das zusätzlich zur robots.txt?+

robots.txt regelt nur, wer crawlen darf. llms.txt ist ein zusätzlicher, freiwilliger Standard: eine kurze, maschinenlesbare Zusammenfassung von Unternehmen, Leistungen und Inhalten, an einem festen Pfad. Sie erspart einem KI-System, sich die Struktur einer Seite mühsam zusammenzuraten, und liefert stattdessen die zentralen Fakten direkt.

Warum kann eine Seite bei Google gut ranken, aber in einer KI-Antwort fehlen?+

Weil beide Systeme unterschiedlich arbeiten. Google bewertet unter anderem Links, Nutzersignale und jahrelange Historie. Ein Antwortsystem wie Perplexity oder eine KI-Übersicht muss dagegen in Sekunden entscheiden, welcher Absatz einer Seite die Nutzerfrage beantwortet — und tut sich damit leichter, wenn die Antwort in einer klar abgegrenzten Tabelle oder einem FAQ-Block steht, statt über mehrere Fließtext-Absätze verteilt zu sein.