Author

Lisa Stellberg

Teamlead SEO

1. Ausgangslage: Antworten statt Linklisten

 

Seit über 25 Jahren war die Suche ein Spiel um die beste Platzierung in den Suchergebnissen: Nutzer geben ein Keyword ein, erhalten eine Liste von Optionen, klicken auf ein Ergebnis. Dieser Prozess ist 2026 endgültig nicht mehr die Norm. ChatGPT, in das die Suche fest integriert ist, meldete im Februar 2026 rund 900 Millionen wöchentliche Nutzer – mehr als doppelt so viele wie ein Jahr zuvor. Googles AI Overviews erreichen im Mai 2026 über 2,5 Milliarden monatliche Nutzer, der jüngere AI Mode kam ein Jahr nach dem Start auf über eine Milliarde monatliche Nutzer. Antworten statt Linklisten sind der neue Standard.

 

Die lauteste Erzählung des Jahres – dass Kaufen direkt im Chat der nächste logische Schritt ist – hat allerdings gerade einen Dämpfer bekommen: Im März 2026 hat OpenAI „Instant Checkout“ in ChatGPT wieder eingestellt, rund fünf Monate nach dem US-Start und nachdem nur rund 30 Shopify-Händler live gegangen waren. Die Anbindung der Händler und aktuelle Produktdaten blieben schwierig, und Walmart maß für Käufe direkt im Chat eine rund dreimal niedrigere Conversion als beim Klick auf die eigene Website. Conversational Commerce kommt trotzdem – nur ist der Checkout-Kanal 2026 noch nicht so weit. Die Infrastruktur dafür wächst weiter, aber nicht geradlinig: OpenAI setzt auf das Agentic Commerce Protocol, Google auf das Agent Payments Protocol (AP2), Perplexity auf „Instant Buy“ mit PayPal, und Shopify aktiviert „Agentic Storefronts“, um Produktdaten an mehrere KI-Systeme zu syndizieren. Sich heute auf ein System festzulegen, ist bei dieser Dynamik ein unnötiges Risiko.

 

Damit eine Marke über die KI-Suche überhaupt Abschlüsse erreichen kann, müssen zuerst die geeigneten Grundlagen geschaffen werden, bevor an den Checkout im Chat zu denken ist. Dafür muss zuerst die Erwähnung und Empfehlung in der KI-Antwort stattfinden, bevor überhaupt ein Kauf getätigt wird, unabhängig davon, wo die Transaktion stattfindet. Dafür steht Generative Engine Optimization (GEO): die gezielte Optimierung von Inhalten und Daten, damit KI-Systeme wie ChatGPT, Gemini oder Perplexity eine Marke finden, verstehen und empfehlen. GEO ersetzt die klassische Suchmaschinenoptimierung (SEO) nicht, sondern baut in großen Teilen auf ihr auf.

 

2. Deep Dive: Was ist GEO technisch?

 

Um GEO (Generative Engine Optimization) strategisch zu nutzen, hilft ein Blick auf die Technik – und auf die Namen, die sich seit 2024 mehrfach geändert haben. OpenAIs Suchprototyp „SearchGPT“ wurde bereits im Februar 2025 für alle Nutzer in ChatGPT integriert und heißt seitdem „ChatGPT Search“. Bei Google ist „Gemini“ das zugrunde liegende Modell, aber nicht das Produkt, das in der Suche antwortet: „AI Overviews“ ist die Antwortbox über den klassischen Ergebnissen, „AI Mode“ ein eigener, konversationeller Such-Tab. Beide werden mit Gemini-Modellen betrieben.

 

Technisch beruhen ChatGPT Search, AI Overviews/AI Mode und Perplexity auf Retrieval-Augmented Generation (RAG): Statt Seiten nur zu indexieren und zu ranken, ziehen die Systeme Fakten aus dem Web in Echtzeit und synthetisieren daraus eine Antwort. Dafür müssen Inhalte weiterhin gecrawlt, indexiert und verstanden werden: Klassische SEO-Grundlagen bleiben also die Voraussetzung, um in KI-Antworten zu erscheinen. Was kann man also tun und was sollte man lassen?

 

Was die Forschung tatsächlich zeigt

 

Die meistzitierte akademische Studie zu GEO (Princeton, IIT Delhi, Georgia Tech und Allen Institute for AI, KDD 2024, rund 10.000 Suchanfragen) hat neun Optimierungstaktiken getestet. Gemessen wurde, wie sichtbar eine Quelle in der generierten Antwort ist (Wortanteil und Position). Getestet haben die Autoren in einer eigens aufgebauten, kontrollierten KI-Suchumgebung und zusätzlich bei Perplexity; ChatGPT Search und AI Overviews waren nicht Teil der Studie. Das Ergebnis ist konkreter, als die meisten GEO-Ratgeber suggerieren (Zuwachs der Sichtbarkeit gegenüber unoptimierten Inhalten):

 

FaktorBedeutung für GEOStrategischer Hebel
Statistiken im Text+31 % Sichtbarkeit in der KI-AntwortEigene Zahlen, Studien, Benchmarks einbauen
Direktzitate benannter Quellen+41 % Sichtbarkeit, stärkster Einzelhebel der StudieExperten- und Kundenzitate mit Namen/Titel
Quellenangaben (Cite Sources)+27 % Sichtbarkeit, besonders wirksam bei FaktenfragenVerlinkung auf Primärquellen und Daten
Fluency Optimization (flüssiger Text)+28 % Sichtbarkeit durch flüssigere TexteKlare, gut lesbare Formulierungen statt Textballast
Keyword Stuffing−8 % Sichtbarkeit: die klassische SEO-Taktik schadet eherKeine Keyword-Dichte, stattdessen konkrete Fakten
Tabelle 1: Wissenschaftlich belegte Optimierungstaktiken für GEO

 

Nicht Teil der Studie sind strukturierte Daten (Schema.org). Google betont, dass für AI Overviews und AI Mode dieselben Grundlagen wie für die klassische Suche gelten und weder eine gesonderte Optimierung noch spezielles Markup nötig ist. Sinnvoll bleiben sie, unserer Ansicht nach, trotzdem: Je klarer Produkte, Dienstleistungen und Expertise über Schema.org und saubere Feeds strukturiert sind, desto geringer die Wahrscheinlichkeit, dass eine KI falsche oder veraltete Informationen über eine Marke ausgibt.

 

3. Die neue Customer Journey: Weniger Klicks, mehr Kaufabsicht

 

Der Rückgang klassischer Klicks ist keine Prognose mehr, sondern gemessene Realität: Bei informationalen Suchanfragen mit AI Overview fiel laut Seer Interactive die organische Klickrate zwischen Juni 2024 und September 2025 von 1,76 % auf 0,61 % – ein Rückgang von etwas mehr als 60%. Marken, die in der AI Overview selbst zitiert werden, erhalten laut derselben Analyse dagegen deutlich mehr Klicks als nicht zitierte. Auf Publisher-Ebene zeigen Semrush-Daten (ausgewertet vom Wall Street Journal) für den Zeitraum Juni 2025 bis Juni 2026 Rückgänge bei Google-Traffic zwischen 23 % (Politico) und über 85 % (Business Insider), wobei nicht jeder Rückgang allein auf AI Overviews zurückgeht.

 

Gleichzeitig zeigt Adobe – auf Basis von mehr als einer Billion Besuchen auf US-Handelsseiten – das Gegenteil bei der Qualität: KI-referrierter Traffic zu Handelsseiten konvertierte im Mai 2026 um 54 % besser als nicht-KI-Traffic, generierte 53 % mehr Umsatz pro Besuch und wuchs binnen eines Jahres um 138 %. Ein Jahr zuvor hatte KI-Traffic noch deutlich schlechter konvertiert als andere Kanäle.

 

Als Fazit kann man also sagen: Es gibt weniger Besucher, aber deutlich kaufbereitere. Klassisches Klick-Tracking wird damit zunehmend irreführend als Erfolgsmaß. Die Empfehlung entsteht im Chat, der Kauf passiert auf der Händlerseite.

 

Die passendere Metrik heißt „Share of Model“ (SoM) – ein Begriff, den Jack Smyth und Tom Roach (Jellyfish) 2024 geprägt haben. Ursprünglich beschreibt er, wie ein Sprachmodell eine Marke wahrnimmt; in der Praxis wird meist der Anteil relevanter KI-Antworten gemessen, in denen die eigene Marke genannt oder empfohlen wird. Einheitliche Benchmarks gibt es noch nicht, weil die Werte stark von Kategorie, Prompt-Set und KI-System abhängen. Aussagekräftig ist vor allem der Vergleich mit den direkten Wettbewerbern über die Zeit. Anders als bei klassischen Rankings gibt es dabei keine „Position 4“ – eine Marke wird zitiert oder ist unsichtbar.

 

4. GEO Roadmap zur Umsetzung: Fünf Hebel für 2027

 

Wie kann ein Unternehmen sich also für die Zukunft aufstellen, um in KI-Systemen ebenso Erwähnung zu finden wie in der bisherigen Suche? Wir stellen fünf Hebel vor, die sich in unserer Kundenbetreuung bewährt haben und zusätzlich wissenschaftlich belegt wurden.

 

A. Content-Strukturierung: Vom Fließtext zum „Atomic Content“

 

Die wichtigste Information gehört in die ersten zwei Sätze eines Absatzes (Direktantwort-Prinzip). Listen und Tabellen machen Vergleiche leichter extrahierbar. Das ist eine bewährte Praxisregel, keine von den Anbietern bestätigte Vorgabe. In der Praxis heißt das: Jede Seite beantwortet eine konkrete Kundenfrage, Überschriften sind klare Aussagen oder Fragen, und Kernfakten wie Leistungen, Preise, Bedingungen und Kontaktwege stehen als kurzer, eindeutiger Text auf der Seite statt in Grafiken, PDFs oder hinter Reitern. Widersprüchliche oder veraltete Angaben auf verschiedenen Seiten sollten bereinigt werden, denn Systeme, die mehrere Quellen abgleichen, stoßen sonst auf Widersprüche. Das knüpft an klassische SEO-Prinzipien wie Suchintention und klare Seitenstruktur an, setzt sie aber konsequenter auf einzelne, extrahierbare Aussagen um.

 

B. Textebene: Belegen, klar formulieren, nicht überoptimieren

 

Auch die Formulierung selbst entscheidet mit, ob ein Inhalt in einer KI-Antwort auftaucht. Am stärksten wirken belegte Aussagen: Kernaussagen mit konkreten Zahlen versehen, Primärquellen verlinken und Expertenaussagen mit Name und Funktion zitieren. Dazu kommt eine flüssige, gut lesbare Sprache. Verzichten sollte man auf Keyword-Stuffing, also das häufige Wiederholen von Suchbegriffen: Dieses veraltete SEO-Muster bringt hier keinen Vorteil.

 

Am besten funktionieren die Taktiken in Kombination, etwa klare Sprache plus belegte Zahlen. Welche Taktik am stärksten wirkt, hängt vom Thema ab, bei Faktenfragen sind natürlich Quellenangaben besonders wichtig.

 

C. Technische Grundlagen: Strukturierte Daten für parallele Systeme

 

Schema.org-Markup (Organization, Person, Product, Review) und saubere Produktfeeds sind laut Google keine Voraussetzung für AI Overviews, aber eine solide Grundlage, damit KI-Systeme Angebote korrekt zuordnen. Wegen der in der Einleitung beschriebenen Fragmentierung (AP2, Shopify-Feeds, OpenAIs Agentic Commerce Protocol) lohnt es sich, auf offene, plattformunabhängige Datenstandards zu setzen, statt sich an ein einzelnes Protokoll zu binden. Konkret gehört dazu: Produkt-, Preis- und Verfügbarkeitsdaten aus einer einzigen gepflegten Quelle zu speisen, über strukturierte Daten auszuspielen und regelmäßig zu prüfen, ob Website, Feed und Drittsysteme übereinstimmen. Auch die Zugänglichkeit zählt: Wichtige Inhalte sollten für Crawler abrufbar sein und nicht ausschließlich per Skript nachgeladen werden.

 

D. Brand Authority (E-E-A-T 2.0)

 

E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness (Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit) und ist der Qualitätsrahmen aus Googles Richtlinien für Qualitätsbewerter, der seit Jahren zum Standardrepertoire der SEO gehört. Er ist eine wichtige Basis für die GEO-Optimierung, denn die KI validiert Informationen durch Abgleich mehrerer Quellen. Erwähnungen auf hochautoritativen Drittseiten sowie die Verknüpfung von Inhalten mit echten, verifizierbaren Autoren- und Expertenprofilen gelten als wichtige Vertrauenssignale. Das bedeutet, Autorinnen und Autoren mit Name, Funktion und Expertise ausweisen, eigene Daten und Studien veröffentlichen, die andere zitieren können, und auf den Drittseiten präsent sein, die KI-Antworten der eigenen Kategorie nutzen (Fachmedien, Vergleichsportale, Branchenverzeichnisse, Bewertungsplattformen).

 

E. Monitoring: Share of Model regelmäßig messen

 

Prompt-Testing mit den 50 wichtigsten Kundenfragen der eigenen Kategorie, manuell oder toolgestützt in ChatGPT, Gemini und Perplexity. Das Prompt-Set wird nach Kundenabsicht gegliedert (informieren, vergleichen, entscheiden) und regelmäßig wiederholt, weil KI-Antworten schwanken. Ausgewertet wird, ob die Marke genannt wird, in welchem Tonfall und wie groß der Abstand zu den wichtigsten Wettbewerbern ist. Aus den Abweichungen entsteht die Maßnahmenliste für Inhalte, Datenbasis und Drittquellen. Das Prompt-Tracking ergänzt das klassische SEO-Reporting aus Rankings, Sichtbarkeitsindex und Klicks; beide Sichten gehören zusammen.

 

Für den Start empfiehlt sich diese Reihenfolge: zuerst das Monitoring (E), weil es zeigt, wo die Marke heute steht; dann Datenbasis (C) sowie Struktur (A) und Formulierung (B) der Inhalte, die die Lücken schließen; fortlaufend der Aufbau von Autorität (D), der am meisten Zeit braucht.

 

Alle fünf Hebel zielen auf organische Sichtbarkeit, also auf Empfehlungen, die sich eine Marke über ihre Datenbasis verdient. Neben dieser verdienten Sichtbarkeit entsteht ein zweiter Kanal: die bezahlte Platzierung im Chat. Seit Ende August 2026 gibt es in Deutschland zusätzlich einen bezahlten Weg in die KI-Antwort.

 

5. Bezahlte Sichtbarkeit im Chat: ChatGPT Ads in Deutschland

 

Am 24. August 2026 hat OpenAI ChatGPT Ads in Deutschland gestartet – gemeinsam mit 30 weiteren europäischen Märkten. Seit dem 31. August können Unternehmen ihre Kampagnen im Ads Manager direkt selbst buchen, ohne Umweg über das OpenAI-Sales-Team. Die Anzeigen erscheinen als eigens gekennzeichnete „Sponsored Cards“ unterhalb einer Antwort, ausgerichtet auf den Kontext des Gesprächs; personalisierte Anzeigen sind im EWR und in der Schweiz vorerst aber nicht verfügbar. Ausgespielt werden sie ausschließlich an Nutzer im kostenlosen Free- und im Go-Tarif. Wer für Plus, Pro, Business, Enterprise oder Edu bezahlt, sieht weiterhin keine Werbung.

 

Damit folgt der Kanal einem bekannten Muster aus der klassischen Suche: Aus einem rein organischen Kanal wird ein hybrider Kanal aus organischer Sichtbarkeit und bezahlter Platzierung – SEO bekommt sein SEA-Pendant, nur innerhalb des Chats statt neben der Ergebnisliste.

 

Bezahlte Sichtbarkeit erreicht nur das kostenfreie Nutzersegment, nicht die zahlenden Nutzer, die vermutlich häufiger kaufkräftig sind. Und eine „Sponsored Card“ ist nicht dasselbe wie eine organische Empfehlung der KI selbst – der Unterschied zwischen gekaufter und verdienter Sichtbarkeit bleibt für die Glaubwürdigkeit einer Marke real, genauso wie er es zwischen Suchanzeige und organischem Ranking immer war. OpenAI betont selbst, dass Werbung die Antworten von ChatGPT nicht beeinflusst. Wer nur auf Ads setzt, ohne die in Abschnitt 4 beschriebene Datenbasis für organische Zitierfähigkeit zu schaffen, kauft sich Reichweite bei einem Teil der Nutzer. Durch die gekaufte Reichweite entsteht jedoch keine wahre Empfehlung, wie es organischer Content schaffen könnte.

 

6. Fazit: Die Datenbasis entscheidet, nicht der Checkout-Kanal

 

SEO stellt heute eine Schnittstelle zwischen Data Science, Markenführung und Vertrieb dar. Die Ereignisse von 2025/26 zeigen aber auch: Nicht jede Wette auf Conversational Commerce geht sofort auf. Was bleibt, ist die Notwendigkeit einer soliden, strukturierten und aktuellen Datenbasis – denn unabhängig davon, welches Checkout-Protokoll sich am Ende durchsetzt, entscheidet diese Datenbasis darüber, ob eine KI eine Marke überhaupt kennt, versteht und empfiehlt. Auch bezahlte Platzierungen im Chat ersetzen diese Grundlage nicht: Gekaufte Reichweite ist kein Ersatz für eine verdiente Empfehlung. Marken ohne saubere Daten und eine solide SEO-Basis werden von KI-Chatbots nicht erwähnt.

 

Artefact unterstützt Unternehmen dabei, ihre Sichtbarkeit in KI-Antworten und der klassischen Suche systematisch aufzubauen: von der Analyse, wie ChatGPT, Gemini und Perplexity die eigene Marke heute darstellen, über konkrete Handlungsempfehlungen für Inhalte und Datenbasis bis zur laufenden Messung von KPIs wie dem Share of Model.

 

Quellen