GEO, SEO, AEO, LLMO - was ist der Unterschied?
SEO optimiert die Position in einer Ergebnisliste. GEO optimiert die Präsenz in einer generierten Antwort - dort gibt es keine „Position 3", sondern nur: Die Marke kommt vor, wird korrekt dargestellt und zitiert. Oder eben nicht.
AEO (Answer Engine Optimization) und LLMO (Large Language Model Optimization) bezeichnen im Kern dasselbe Feld; GEO hat sich als Oberbegriff durchgesetzt. Wichtiger als das Etikett: Rund 80 Prozent der Maßnahmen überschneiden sich mit guter SEO-Arbeit. GEO ersetzt SEO nicht - es baut darauf auf.
Wie KI-Antworten entstehen
Generative Systeme antworten aus zwei Quellen: aus Trainingswissen (was über eine Marke im Netz steht - konsistent und oft wiederholt) und aus Echtzeit-Suche (Retrieval: was gerade auffindbar, ladbar und zitierfähig ist). Perplexity und AI Overviews sind fast reine Retrieval-Systeme, ChatGPT mischt beides.
Sie optimieren nicht „für die KI", sondern für die Quellen, aus denen die KI liest: die eigene Website plus die Drittquellen, denen die Systeme vertrauen - Fachmedien, Verzeichnisse, Bewertungsplattformen.
Das GEO-Glossar
AI Overviews
KI-generierte Antwortboxen oberhalb der klassischen Google-Ergebnisse. Sie fassen mehrere Quellen zusammen und verlinken sie - wer dort zitiert wird, gewinnt Sichtbarkeit, bevor die Linkliste überhaupt beginnt. Ausführlich: AI Overviews optimieren →
AI Mode
Googles konversationeller Suchmodus: Nutzer stellen Folgefragen und erhalten Antworten statt Linklisten. Für Websites zählt hier, als Quelle der Antwort aufzutauchen.
AEO (Answer Engine Optimization)
Alternatives Etikett für dasselbe Feld wie GEO - mit Fokus darauf, als direkte Antwort ausgespielt zu werden.
Answer-first-Struktur
Inhaltsaufbau, bei dem eine Frage zuerst in 2-4 Sätzen vollständig beantwortet wird, bevor Details folgen. In der Praxis einer der stärksten Hebel, um zitiert zu werden. Ausführlich: Answer-first-Content →
Citation (Zitat)
Sichtbare Quellenangabe in einer KI-Antwort. Zitate sind die harte Währung des GEO: Sie bringen Klicks und belegen, dass das System der Quelle vertraut.
Entität
Eindeutig identifizierbares „Ding" - Marke, Person, Produkt, Ort. Je konsistenter Name, Zahlen und Fakten über alle Quellen sind, desto sicherer ordnen KI-Systeme die Entität ein. Widersprüche führen zu Auslassung oder Falschdarstellung. Ausführlich: Entitäten-Aufbau →
GPTBot & KI-Crawler
Crawler der KI-Anbieter, etwa GPTBot (OpenAI), Google-Extended oder PerplexityBot. Wer sie per robots.txt blockiert oder Inhalte nur clientseitig rendert, findet in KI-Antworten nicht statt - der häufigste stille GEO-Killer.
Grounding / RAG
Retrieval-Augmented Generation: Das System sucht vor der Antwort aktuelle Quellen und formuliert daraus. Systeme mit Grounding reagieren deutlich schneller auf verbesserte Inhalte als reines Trainingswissen.
llms.txt
Markdown-Datei im Website-Root, die KI-Systemen eine kuratierte Übersicht der wichtigsten Inhalte gibt. Nützliche, günstige Ergänzung - kein Ersatz für zugängliche Inhalte. Ausführlich: llms.txt erklärt →
LLMO (Large Language Model Optimization)
Weiteres Synonym-Etikett für GEO, mit Fokus auf das Trainingswissen der Sprachmodelle statt auf die Echtzeit-Suche.
Prompt-Set
Festes Set aus 20-50 realen Kundenfragen, das regelmäßig über mehrere KI-Systeme abgefragt wird. Grundlage jeder wiederholbaren Sichtbarkeitsmessung. Ausführlich: die Prompt-Set-Methodik →
Share of Voice (KI)
Anteil der Prompts eines Prompt-Sets, in denen die eigene Marke in der Antwort vorkommt - je System und im Zeitverlauf. Die zentrale GEO-Kennzahl fürs Management-Reporting.
Häufige Fragen
Ist GEO dasselbe wie AEO oder LLMO?
Im Kern ja: Alle drei Begriffe bezeichnen die Optimierung für generative KI-Systeme. GEO hat sich als Oberbegriff durchgesetzt; AEO betont das Antwortformat, LLMO das Trainingswissen der Modelle.
Brauche ich GEO zusätzlich zu SEO?
GEO ist kein zweites Programm neben SEO: Rund 80 Prozent der Maßnahmen überschneiden sich. Sinnvoll ist eine integrierte Strategie, die Antwortformate, Entitäten-Konsistenz, KI-Crawler-Zugänge und Monitoring ergänzt.
Wie schnell wirkt GEO?
Systeme mit Echtzeit-Suche wie Perplexity oder AI Overviews reagieren oft nach Wochen auf verbesserte Inhalte. Bis Fakten im Trainingswissen der Modelle ankommen, vergehen dagegen Monate.
Wie starte ich konkret mit GEO?
Zuerst die Baseline messen: ein Prompt-Set definieren und prüfen, ob und wie die Marke in KI-Antworten vorkommt. Danach die größten Lücken schließen - meist Answer-first-Inhalte, Fakten-Konsistenz und technische Zugänglichkeit. Oder direkt ein KI-Sichtbarkeits-Audit beauftragen.