Marken können ihre Informationsressourcen und Zugangsbedingungen optimieren. Sie können nur die Retrieval-, Zitier-, Absorptions- und Empfehlungsprozesse beeinflussen. Die GEO-Kontrolloberfläche bietet ein praktisches Modell zur Unterscheidung zwischen kontrollierten Interventionen und beobachteten Ergebnissen.
Der GEO-Markt bezeichnet oft jedes wünschenswerte Ergebnis als „Optimierung“: Quellenauswahl, Zitierung, Markenintegration, vorteilhafte Darstellung und sogar Empfehlung. Dies ist ein Kategoriefehler.
Eine Marke kann ihre Website, Zugangsbedingungen, Informationsarchitektur, Inhalte, Ansprüche und einige der Daten, die an externe Plattformen übermittelt werden, ändern. Sie kann jedoch kein Retrieval-System anweisen, ein bestimmtes Dokument auszuwählen. Sie kann keine Zitierung erzwingen oder bestimmen, wie ein Modell seine Quellen synthetisieren wird. Auch die endgültige Empfehlung liegt nicht in ihrer Kontrolle.
Ein reifer Ansatz zur Generative Engine Optimisation (GEO) erfordert daher drei unterschiedliche Handlungsmodi:
direkte Optimierung kontrollierter Ressourcen und Bedingungen;
indirekte Beeinflussung, wie Informationen ausgewählt und verwendet werden;
Überwachung von Ergebnissen, die außerhalb der Kontrolle der Marke liegen.
Einfacher ausgedrückt:
GEO ist nicht die Optimierung der Antwort eines Modells. Es ist die Optimierung kontrollierter Bedingungen, ein Versuch, Zwischenprozesse zu beeinflussen, und die Messung einer Darstellung, die die Marke nicht kontrolliert.
„Nach SEO“ bedeutet nicht „ohne SEO“
Das Wort „nach“ deutet nicht darauf hin, dass GEO SEO ersetzt. Es bezieht sich auf die späteren Phasen des Informationsflusses – den Punkt, an dem ein verfügbares Dokument abgerufen, ausgewählt, verwendet und in eine Antwort umgewandelt werden kann.
Für die generativen Funktionen von Google Search bleiben die grundlegenden Anforderungen von SEO eine Eintrittsbedingung. Google erklärt, dass AI Overviews und AI Mode seine Kern-Qualitäts- und Rankingsysteme, Retrieval-Augmented Generation und Abfrage-Fan-Out nutzen. Eine Seite muss indexiert und berechtigt sein, mit einem Snippet angezeigt zu werden, aber das Erfüllen dieser Bedingungen garantiert nicht das Crawlen, die Indizierung oder die Präsentation.
Nicht jedes System erreicht Informationen über denselben Weg.
OpenAI unterscheidet den automatisierten OAI-SearchBot von ChatGPT-User, der eine Seite als Ergebnis einer Benutzeraktion besuchen kann. Anthropic weist Claude-SearchBot und Claude-User separate Rollen zu. Perplexity unterscheidet ebenfalls zwischen PerplexityBot und Perplexity-User, wobei die benutzerinitiierte Abfrage möglicherweise unter anderen Regeln als die automatisierte Indizierung funktioniert.
Was sollte GEO bedeuten?
Die ursprüngliche Studie, „GEO: Generative Engine Optimization“, definierte GEO als ein Black-Box-Optimierungsframework, das darauf abzielt, die Sichtbarkeit von Inhalten innerhalb von Antworten generativer Engines zu erhöhen. Die Forscher modifizierten Dokumente und maßen Änderungen in ihrer Sichtbarkeit. Das berichtete Ergebnis von „bis zu 40%“ bezog sich auf einen spezifischen Benchmark, seine eigenen Sichtbarkeitsmetriken und eine kontrollierte Forschungsumgebung – es ist kein Benchmark für aktuelle Produktionssysteme.
Aus der Perspektive von Google sind Answer Engine Optimisation (AEO) und GEO branchenspezifische Begriffe, die sich auf die Sichtbarkeit in KI-Sucherlebnissen beziehen, aber die Optimierung für AI Overviews und AI Mode bleibt Teil der Google-Suchoptimierung. Google verlangt keine llms.txt, spezielle Markups, künstliches Chunking oder einen separaten Schreibstil für KI-Systeme.
Beide Definitionen sind nützlich, aber keine bietet eine ausreichend neutrale Definition der Disziplin.
Eine operationale Definition
Generative Engine Optimisation ist die evidenzbasierte Praxis, kontrollierbare Informationsressourcen und Zugangsbedingungen zu modifizieren, um bessere Bedingungen für generative Suchsysteme zu schaffen, Informationen zu finden, auszuwählen, zu verwenden und genau darzustellen – während Ergebnisse gemessen werden, die außerhalb der direkten Kontrolle der Marke liegen.
Diese Definition schließt ein:
direkte Kontrolle der Antwort;
Training oder Feinabstimmung eines Modells des Anbieters;
jede SEO- oder PR-Aktivität;
nur Überwachung;
Garantieren einer Erwähnung, Zitierung oder Empfehlung.
Die GEO-Kontrolloberfläche
Die GEO-Kontrolloberfläche, vorgeschlagen von Brand Semantics, organisiert Aktivitäten entsprechend dem Grad der verfügbaren Handlungsfähigkeit für die Marke.
Klasse | Diagnosefrage | Geeignete Verben |
|---|---|---|
Kontrolle | Kann die Marke die Änderung direkt umsetzen und überprüfen? | optimieren, implementieren, korrigieren, strukturieren, validieren |
Einfluss | Kann die Marke die Bedingungen verbessern, ohne die Entscheidung zu kontrollieren? | beeinflussen, unterstützen, stärken, verwalten |
Beobachtung | Ist das Element hauptsächlich ein Ergebnis, das gemessen werden muss? | messen, überwachen, erkennen, vergleichen, schätzen |
Exogene Bedingungen | Kann die Variable ohne eine Aktion der Marke geändert werden? | dokumentieren, segmentieren, kontrollieren, annotieren |
Das Modell legt nicht nahe, dass jedes Element ausschließlich einer Kategorie angehört. Zitierung ist beispielsweise ein Prozess, den eine Marke zu beeinflussen versuchen kann, und ein Ergebnis, das sie beobachten muss.
Die Klassifizierung beschreibt den geeigneten Managementmodus, nicht nur die Position des Elements innerhalb einer Pipeline.
Was Marken direkt optimieren können
Direkte Optimierung ist möglich, wenn eine Marke das Objekt der Intervention kontrolliert und überprüfen kann, dass die Änderung umgesetzt wurde.
Objekt | Was die Marke kontrolliert | Was sie nicht kontrolliert |
Technischer Zugang |
| Ob die Plattform die Ressource abruft und auswählt |
Informationsarchitektur | Seitenstruktur, interne Verlinkung, Informationshierarchie | Wie das System jede Beziehung interpretiert |
Inhalt | Definitionen, Daten, Beweise, Beispiele und Einschränkungen | Ob das Dokument verwendet wird |
Ansprüche | Formulierung, Aktualität, Quellen und Konsistenz | Ob der Anspruch genau aufgenommen wird |
Strukturierte Daten | Typen, Eigenschaften und Konsistenz mit sichtbarem Inhalt | Rich Results, Quellenauswahl oder Zitierung |
Eigene Domain und Dokumentation | Veröffentlichung, Aktualisierungen und Verfügbarkeit | Ob die Plattform eine andere Quelle bevorzugt |
Daten, die an Plattformprofile übermittelt werden | Die von der Marke bereitgestellten Informationen | Moderation, Präsentation und nachfolgende Verwendung |
Technischer Zugang ist kontrollierbar; Integration nicht
In Google Search kann eine Marke kontrollieren, ob ihre Seiten technisch für Crawling, Indizierung und Snippet-Präsentation verfügbar sind. Sie kann jedoch nicht garantieren, dass Google eine Seite indiziert oder sie innerhalb einer generativen Funktion anzeigt.
Die gleiche Unterscheidung gilt für andere Plattformen:
OAI-SearchBot unterstützt die Integration von Seiten in ChatGPT-Suchfunktionen, während GPTBot sich auf Inhalte bezieht, die möglicherweise in der Modellentwicklung verwendet werden. Die Kontrollen sind unabhängig.
Claude-SearchBot unterstützt die Indizierung, die darauf abzielt, die Qualität, Relevanz und Genauigkeit von Claudes Suchergebnissen zu verbessern, während Claude-User die von Benutzern initiierten Abfragen verarbeitet.
PerplexityBot unterstützt Suchoberflächen, während Perplexity-User eine Seite als Antwort auf eine Benutzeranfrage besuchen kann. Perplexity erklärt, dass letzterer im Allgemeinen
robots.txtignoriert, da die Abfrage benutzerinitiiert ist.
Es gibt daher keine einzelne Entscheidung „AI erlauben“ oder „AI blockieren“. Automatisierte Indizierung, Abruf auf Anfrage, Modellentwicklung und Regeln der Web Application Firewall müssen separat betrachtet werden.
Inhalt, Ansprüche und strukturierte Daten
Eine Marke kann verbessern:
die Präzision ihrer Definitionen;
die Transparenz ihrer Methodik;
die Qualität ihrer Daten;
die Klarheit ihrer Quellen;
die Struktur ihres Arguments;
die Aktualität ihrer Informationen;
die Unterscheidung zwischen Fakten, Interpretationen und Einschränkungen;
die Konsistenz von Namen, Produkten und Kategorien.
Dies impliziert nicht die Existenz eines universellen Schreibstils, der eine Zitierung garantiert.
Google empfiehlt nützliche, unverwechselbare und nicht commoditisierte Inhalte, lehnt jedoch die Notwendigkeit eines speziellen Schreibstils für generative Suche, eine ideale Dokumentlänge oder die künstliche Aufteilung von Inhalten in kurze Fragmente ab.
Strukturierte Daten sind ebenfalls ein kontrollierbares Element. Sie können Google Search helfen, sichtbare Inhalte zu verstehen und die Berechtigung für bestimmte Rich Results zu bestimmen, aber technisch korrekte Implementierung garantiert nicht, dass diese Ergebnisse angezeigt werden. Strukturierte Daten müssen Informationen widerspiegeln, die dem Benutzer zur Verfügung stehen.
Das detaillierte Design von Entitäts-, Anspruchs- und Quellkarten wird in Brand Semantics Infrastructure: Wie man KI-Suche dazu bringt, Ihre Marke korrekt zu verstehen behandelt. Hier sind diese Elemente als kontrollierbare Eingaben wichtig – nicht als Garantie für die endgültige Darstellung.
Was nur beeinflusst werden kann
Eine Marke kann bessere Bedingungen für Retrieval, Quellenauswahl und genaue Synthese schaffen, aber sie kontrolliert diese Entscheidungen nicht.
Retrieval und Quellenauswahl
Potenzielle Interventionen umfassen:
technische Zugänglichkeit;
semantische Übereinstimmung zwischen dem Dokument und der Abfrage;
klare Terminologie;
die Präsenz relevanter Ansprüche;
aktuelle Daten;
Verfügbarkeit in der Sprache des Benutzers;
externe Quellen, die wichtige Informationen bestätigen.
Die vollständige Kandidatensammlung, alle Hilfsabfragen und die von der Plattform angewandten Gewichtungen bleiben jedoch unbekannt. Retrieval und Quellenauswahl sind daher Bereiche des Einflusses und teilweise nicht beobachtbare Prozesse.
Das Fehlen einer sichtbaren Zitierung bedeutet nicht, dass eine Quelle keine Rolle beim Retrieval oder der Generierung gespielt hat. Ohne Zugang zu den internen Protokollen der Plattform bleibt ein Teil des Prozesses nicht beobachtbar. Eine spezifische unsichtbare Quelle sollte nicht ohne zusätzliche Beweise für die Formung einer Antwort anerkannt werden.
Zitierung und Absorption sind nicht dasselbe
Eine Marke kann ein Dokument verbessern, aber sie kann keine Zitierungsrate auf der Seite umsetzen.
Zitierungsrate ist ein Ergebnis, kein Objekt der Optimierung.
Die Studie „Von der Zitierauswahl zur Zitierabsorption“ unterscheidet zwischen:
Zitierauswahl – die Auswahl und Präsentation einer Quelle;
Zitierabsorption – der Einfluss der zitierten Seite auf die Sprache, Fakten, Beweise oder Struktur der Antwort.
Innerhalb des analysierten Datensatzes waren die Breite und Tiefe des Einflusses der Zitierung nicht gleichwertig. Die Studie stellte auch fest, dass Seiten mit größerem beobachteten Einfluss eher gut strukturiert, semantisch abgestimmt und reich an extrahierbaren Beweisen waren. Dies sind beschreibende Beziehungen, kein Beweis dafür, dass eine einzelne strukturelle Änderung zu höherer Absorption führen wird. Die Veröffentlichung ist ein Preprint.
Eine vollständige Methodik zur Unterscheidung zwischen Zitierung und Absorption erfordert eine separate Analyse. Für die Zwecke dieses Modells ist die relevante Unterscheidung:
Struktur und Beweise sind kontrollierbare Eingaben;
Zitierauswahl und Absorption sind Bereiche des Einflusses;
Zitierungsrate und Anspruchsabsorption sind beobachtbare Ergebnisse.
Externe Quellen
Digitale PR, Verlegerbeziehungen und die Korrektur externer Quellen können GEO unterstützen, aber nicht jede Erwähnung ist eine GEO-Intervention.
Eine externe Veröffentlichung wird Teil eines GEO-Programms, wenn sie:
einen definierten Anspruch oder eine Entitätsbeziehung unterstützt;
eine spezifische Quellenlücke anspricht;
mit einer expliziten Einfluss-Hypothese verbunden ist;
anschließend auf Auswahl, Zitierung oder Darstellung überwacht wird.
Die Marke kontrolliert ihre eigenen Daten, Forschungen und Outreach. Sie kontrolliert nicht die redaktionelle Entscheidung des Verlegers oder die anschließende Auswahl der Veröffentlichung durch das System.
Rahmung und Empfehlung
Eine Marke kann:
ihre Kategorie klar definieren;
relevante Anwendungsfälle und Einschränkungen erklären;
Vergleiche basierend auf expliziten Kriterien veröffentlichen;
unrichtige Informationen korrigieren;
Konsistenz zwischen ihrem Angebot, Publikum und dem Problem, das sie löst, aufbauen.
Sie kann jedoch nicht bestimmen, ob ein System sie als erste Empfehlung, eine von mehreren Optionen, eine Nischenlösung oder eine Marke, die im Szenario irrelevant ist, präsentiert.
Empfehlungsrate, Antwortrelevanz und Rahmung sind beobachtbare Ergebnisse. Zu behaupten, dass eine Marke „Empfehlungen optimieren“ kann, weist ihr ein Maß an Kontrolle zu, das sie nicht besitzt.
Was hauptsächlich überwacht werden sollte
Die Sichtbarkeit von KI ist kein einzelnes Maß.
Ergebnis | Frage |
Erwähnungsrate | Erscheint die Marke in der Antwort? |
Antwortrelevanz | Welche Rolle und Position erhält sie? |
Zitierungsrate | Ist die Quelle für den Benutzer sichtbar? |
Zitierungsanteil | Welcher Anteil gehört zu eigenen, verdienten und Wettbewerbsquellen? |
Anspruchsabsorption | Welche Ansprüche wurden verwendet? |
Anspruchsgenauigkeit | Ist die Information korrekt? |
Empfehlungsrate | Wird die Marke in den entsprechenden Szenarien empfohlen? |
Wettbewerber-Ko-Occurrence | Welche Alternativen erscheinen neben ihr und nach welchen Kriterien? |
Stabilität | Wie stark ändert sich das Ergebnis zwischen wiederholten Tests? |
Halluzinationsrate | Wie oft erscheinen falsche oder nicht unterstützte Ansprüche? |
Ein einzelner Prompt bietet keine stabile Messung einer Plattform. Antworten können zwischen Durchläufen, Varianten des Prompts und Daten variieren. Jüngste Preprints empfehlen, Sichtbarkeit als Verteilung von Ergebnissen zu behandeln und Unsicherheit zu berichten, anstatt einzelne Ergebnisse mit falscher Präzision zu präsentieren. Siehe „Nicht einmal messen: Sichtbarkeit in der KI-Suche messen (GEO)“ und „Unsicherheit in der KI-Sichtbarkeit quantifizieren“.
Dieser Artikel löst nicht das vollständige Problem der experimentellen GEO-Messung. Das erfordert eine separate Methodik, die Szenariobibliotheken, wiederholte Versuche, Kontrollen von Plattformänderungen, Antwortklassifizierung und statistische Unsicherheit abdeckt. Sie wird in einem separaten Artikel entwickelt.
Das C–I–O–X-Rahmenwerk
Bevor Sie eine GEO-Taktik auswählen, durchlaufen Sie fünf Schritte.
1. Identifizieren Sie das Objekt
Vermeiden Sie die Aussage „KI-Sichtbarkeit verbessern“. Geben Sie die Intervention oder Messung an:
OAI-SearchBot erlauben;
einen Anspruch aktualisieren;
eine Methodik veröffentlichen;
Zitierungsrate messen;
Rahmung klassifizieren.
2. Weisen Sie eine Klasse zu
C – Kontrolle: Die Marke kann die Änderung umsetzen;
I – Einfluss: Die Marke kann die Bedingungen verbessern;
O – Beobachtung: Das Element ist ein Ergebnis;
X – Exogene Bedingung: Die Variable stammt aus dem umgebenden System.
3. Geben Sie den Mechanismus an
Nicht:
Das Hinzufügen eines Tabellen wird die Zitierungen erhöhen.
Stattdessen:
Eine Tabelle könnte es einfacher machen, Daten zu interpretieren und Vergleiche zu extrahieren, was rechtfertigt, ihre Auswirkungen auf Auswahl, Zitierung oder Absorption zu testen.
4. Definieren Sie das Evidenzniveau
Kommt die Empfehlung von:
Dokumentation des Anbieters;
Forschung;
Korrelation;
Interpretation;
Hypothese?
5. Passen Sie die Metrik an und berichten Sie über die Einschränkungen
Die Intervention sollte gegen ein Ergebnis bewertet werden, das mit ihrem vorgeschlagenen Mechanismus übereinstimmt, während Variabilität und alternative Erklärungen berücksichtigt werden.
Das praktischste Prinzip von GEO ist daher:
Optimieren Sie die Ressourcen und Bedingungen, die Sie kontrollieren. Beeinflussen Sie die Quellenumgebung, wo immer möglich. Messen Sie die Darstellung, die Sie nicht kontrollieren.
Wenn ein Team diese drei Schichten nicht unterscheiden kann, sollte der nächste Schritt nicht eine weitere GEO-Taktik sein. Es sollte eine Diagnose seiner GEO-Kontrolloberfläche sein.
Quellen und methodische Hinweise
Offizielle Anbieterdokumentation
Forschung
Beiträge von Brand Semantics
Die operationale Definition von GEO, Die GEO-Kontrolloberfläche und die C–I–O–X-Klassifizierung sind methodologische Vorschläge, die von Brand Semantics entwickelt wurden. Sie sind keine offiziellen Begriffe des Anbieters oder allgemein akzeptierten akademischen Standards.
