SEO und GEO: die Unterschiede und was sich davon messen lässt

SEO optimiert die Platzierung einer Seite in einer Ergebnisliste. GEO (Generative Engine Optimization) optimiert, ob eine Marke in der Antwort eines KI-Systems wie ChatGPT, Gemini oder Perplexity genannt und als Quelle zitiert wird. Der Unterschied liegt im Ergebnis: Ein Ranking ist für alle gleich, eine KI-Antwort fällt bei jeder Anfrage anders aus.

Diese letzte Eigenschaft ist der eigentliche Bruch zwischen beiden Disziplinen, und sie wird in den meisten deutschsprachigen Erklärstücken übergangen. Wer bei Google auf Position 3 steht, steht dort auch, wenn er eine Stunde später nachsieht. Wer in einer ChatGPT-Antwort genannt wird, kann bei der nächsten identischen Frage fehlen. Alles, was danach kommt, folgt aus dieser einen Tatsache: die Kennzahlen, die Stichprobengröße, die Frage, ob eine Veränderung überhaupt eine Veränderung ist. Wie wir das in der Praxis erheben, steht im GEO-Monitoring.

Die Unterschiede im Überblick

	SEO	GEO
Gegenstand	Die Position einer URL in einer Ergebnisliste. Gemessen wird ein Dokument.	Die Nennung eines Namens im Fließtext einer Antwort, dazu die Quellen, die das System dafür herangezogen hat. Gemessen wird eine Marke.
Wie man gewinnt	Die eigene Seite muss zur Suchanfrage passen, technisch erreichbar sein und genug Autorität mitbringen, um vor den anderen zu stehen.	Das Modell muss die Marke als plausible Antwort auf eine Kaufsituation kennen. Der Beleg dafür stammt oft nicht von der eigenen Seite, sondern von Vergleichsportalen, Fachmedien und Foren, die in der Antwort zitiert werden.
Stabilität des Ergebnisses	Über Stunden bis Tage stabil. Zwei Personen im selben Markt sehen vergleichbare Listen.	Instabil. Dieselbe Frage kann bei jedem Durchlauf eine andere Anbieterliste ergeben. Eine einzelne Antwort ist ein Stichprobenwert, kein Zustand.
Wie man misst	Position je Keyword, Impressionen und Klicks in der Search Console. Eine Erhebung je Keyword genügt.	Ein fester Fragensatz, jede Frage mehrfach gestellt, ausgezählt als Erwähnungsrate mit Konfidenzintervall. Eine Erhebung je Frage genügt nicht.

Die vierte Zeile ist die teuerste. Ein Werkzeug, das einmal pro Woche eine Frage stellt und daraus einen Prozentwert bildet, liefert keine falsche Zahl, sondern eine Zahl ohne Fehlerbereich. Das sieht in einem Report identisch aus und bedeutet etwas völlig anderes.

Was gleich bleibt

Die Grundlage ist dieselbe. Antwortsysteme beziehen ihre Belege aus dem offenen Web. Was für Suchmaschinen nicht erreichbar ist, taucht auch in Antworten nicht auf, und Inhalte, die niemand zitierfähig geschrieben hat, werden auch von einem Modell nicht zitierfähig gemacht. Saubere Technik, eindeutige Aussagen und erreichbare Seiten zahlen auf beides ein.

Für die Frage, welche Textänderungen in generativen Antworten tatsächlich etwas bewirken, gibt es bislang eine belastbare wissenschaftliche Referenz: Aggarwal et al., GEO: Generative Engine Optimization (arXiv 2311.09735, KDD 2024). Die Autoren bauen dafür einen Benchmark aus 10.000 Suchanfragen und lassen ein Antwortsystem auf Basis der fünf obersten Google-Treffer antworten. Zwei Ergebnisse daraus sind für die Praxis brauchbar:

• Am stärksten wirkten Änderungen, die eine Textstelle belegbar machen: eingefügte Zitate, konkrete Statistiken und benannte Quellen.
• Keyword Stuffing, also das Häufen des Zielbegriffs, verbesserte die Sichtbarkeit in den Antworten nicht.

Die in dem Papier genannten Verbesserungen von bis zu 40 Prozent sind ein Maximalwert einzelner Methoden in dieser Versuchsanordnung, kein Durchschnitt und keine Erwartung für Ihre Website. Die Hauptauswertung lief auf GPT-3.5-turbo, einem Modell, das nicht mehr dem entspricht, was heute in ChatGPT antwortet. Die Richtung der Aussage ist übertragbar, die Zahl nicht.

Warum man GEO anders messen muss

Ein Screenshot einer ChatGPT-Antwort, in der Ihre Marke steht, beweist nichts. Ein Screenshot einer Antwort, in der sie fehlt, ebenso wenig. Die Antwort ist nicht reproduzierbar, also ist ein einzelner Beleg kein Messwert.

Was stattdessen funktioniert, ist das Verfahren, das man aus der Umfrageforschung kennt:

1. Fragensatz festlegen. Formuliert wie von Kaufinteressenten, ohne den eigenen Markennamen. Steht der Name in der Frage, steht er auch in der Antwort, und Sie messen Ihre Frage statt Ihres Marktes.
2. Jede Frage mehrfach stellen. Im bezahlten Monitoring stellen wir jede Frage dreimal pro Engine und Woche. Erst die Wiederholung trennt den Normalfall vom Zufallstreffer.
3. Als Rate auszählen, mit Intervall. Erwähnungsrate gleich Antworten mit Ihrer Marke geteilt durch gültige Antworten, dazu das Wilson-Konfidenzintervall. Bei kleinen Stichproben ist dieses Intervall breit, und ein Report, der es verschweigt, verkauft Rauschen als Trend.
4. Erst bei getrennten Intervallen von Veränderung sprechen. Überlappen sich die Intervalle zweier Messzeitpunkte, ist der Unterschied nicht belegt. Das gilt auch, wenn die Prozentzahl gestiegen ist.

Eine Einschränkung gehört an dieselbe Stelle: Googles AI Overviews und der AI-Modus liegen außerhalb unseres Messbereichs. Gemessen werden ChatGPT, Gemini und Perplexity über deren offizielle Schnittstellen. Wer Aussagen über AI Overviews braucht, braucht eine andere Datenquelle als diese.

Ein Beispiel aus der Messung

Damit das nicht abstrakt bleibt, hier ein Durchlauf aus unserer eigenen Pipeline. Datum: 20.09.2026. Engine: ChatGPT über die offizielle API. Markt: Deutschland. Beobachtete Marke: Personio. Kategorie: HR-Software für kleine Unternehmen. Die drei Fragen wurden von der Pipeline erzeugt, nicht von uns geschrieben, und enthalten den Markennamen nicht. Im Wortlaut:

1. „Welche HR-Software könnt ihr kleinen Unternehmen in Deutschland empfehlen, die eine einfache Benutzeroberfläche und schnelle Implementierung bieten?“
2. „Könnt ihr verschiedene HR-Softwarelösungen für kleine Unternehmen vergleichen, die besonders gut für die Verwaltung von Mitarbeiterdaten und Urlaubsplanung geeignet sind?“
3. „Welche HR-Software-Anbieter in Deutschland bieten Lösungen für kleine Firmen mit weniger als 20 Mitarbeitern und einem Budget von maximal 300 Euro pro Jahr an?“

Ergebnis: In allen drei Antworten kam Personio vor. In der ersten Antwort stand hinter dem Absatz dazu ein Verweis auf personio.de. Daneben wurden folgende Anbieter genannt, jeder davon in zwei der drei Antworten: Sage HR, Sage Business Cloud, BambooHR, HRworks, Factorial.

Und jetzt der Teil, den Werkzeuge gern weglassen. Drei von drei sind nicht 100 Prozent. Jede Frage wurde hier genau einmal gestellt, das ist der Umfang der kostenlosen Prüfung. Das Wilson-Intervall für drei Treffer aus drei Versuchen reicht bei einem Konfidenzniveau von 95 Prozent von rund 44 Prozent bis 100 Prozent. Aus dieser Messung lässt sich belegen, dass Personio in dieser Kategorie regelmäßig genannt wird. Nicht belegen lässt sich, ob die Rate bei 90 oder bei 50 Prozent liegt. Dafür bräuchte es mehr Wiederholungen, und genau deshalb wird im laufenden Monitoring jede Frage dreimal pro Engine gestellt statt einmal.

Fragen, Antwortauszüge und Zeitstempel dieses Durchlaufs sind bei uns protokolliert. Das Verfahren selbst ist ausführlich in unserer Messmethodik beschrieben (auf Englisch).

Häufige Fragen

Ersetzt GEO die klassische Suchmaschinenoptimierung?

Nein, die beiden laufen parallel. Antwortsysteme beziehen ihre Belege aus dem Web, teilweise direkt aus den obersten Suchtreffern. Eine Seite, die dort nicht auftaucht, fehlt auch als Quelle. GEO kommt oben drauf und betrifft vor allem, wie eine Aussage formuliert und belegt ist.

Misst RedClaw Labs auch Googles AI Overviews?

Nein. AI Overviews und der AI-Modus liegen außerhalb unseres Messbereichs. Wir erheben ChatGPT, Gemini und Perplexity über deren offizielle Schnittstellen.

Wie viele Antworten braucht man, damit eine Erwähnungsrate aussagekräftig ist?

Das hängt davon ab, wie genau Sie es wissen wollen. Bei drei Antworten ist das Intervall so breit, dass fast jede Aussage über die Höhe der Rate hineinpasst. Aussagekraft entsteht über zwei Wege: mehr Wiederholungen je Frage und mehr Messzeitpunkte. Deshalb ist ein Verlauf über Wochen belastbarer als ein einzelner Durchlauf mit vielen Fragen.

Warum darf der Markenname nicht in der Frage stehen?

Weil das Modell dann fast immer darauf eingeht. Die Erwähnungsrate misst in diesem Fall die Formulierung der Frage und nicht die Position im Markt. Fragen, die den Namen bewusst enthalten, sind ein eigener Fragetyp und gehören getrennt ausgewertet.

Woran erkennt man, ob eine Veränderung echt ist oder Zufall?

An den Konfidenzintervallen zweier Messzeitpunkte. Überlappen sie sich, ist der Unterschied nicht belegt, egal wie die beiden Prozentzahlen aussehen. Trennen sie sich, spricht das für eine tatsächliche Veränderung. Voraussetzung ist, dass beide Messungen denselben Fragensatz verwendet haben.

Ist GEO dasselbe wie AEO oder LLM SEO?

Die Begriffe überlappen stark und werden in der Praxis austauschbar verwendet. GEO stammt aus der oben zitierten Arbeit und meint die Sichtbarkeit in generierten Antworten. AEO (Answer Engine Optimization) ist der ältere Begriff und umfasst auch Antwortboxen klassischer Suchmaschinen. LLM SEO ist die umgangssprachliche Variante. Wichtiger als die Wortwahl ist, welche Oberfläche jemand tatsächlich misst, und ob er sagt, wie oft er gefragt hat.

Was davon konkret zu tun ist

Der erste Schritt ist nicht Optimierung, sondern eine Ausgangsmessung. Ohne Startwert mit Fehlerbereich lässt sich später nicht beurteilen, ob eine Änderung etwas bewirkt hat. Wie wir den Fragensatz aufbauen, wie oft wir fragen und was im wöchentlichen Report steht, ist im GEO-Monitoring im Einzelnen beschrieben. Dort gibt es auch eine kostenlose Prüfung, die nach demselben Verfahren läuft wie das Beispiel oben: drei Fragen, ChatGPT, einmal pro Konto und Monat, Anmeldung erforderlich.