Umdenken: von Ranking zu Erwähnung

Der Wechsel von SEO zu GEO ist nicht primär technisch. Er verlangt ein Umdenken. Fünf Verschiebungen prägen den Unterschied zwischen Unternehmen, die in der KI-Suche sichtbar werden, und solchen, die unsichtbar bleiben.

9.1Von „Ranken“ zu „Erwähnt werden“#

Klassisches SEO denkt in Positionen: Wir wollen für Keyword X auf Position Y ranken. GEO denkt in Erwähnungen: Wir wollen in den KI-Antworten zu Problemfeld X als relevanter Anbieter genannt werden. Der Unterschied ist erheblich. Studien zu ChatGPT zeigen konsistent, dass Erwähnungen deutlich häufiger sind als Zitate mit Quellenlink und dass Erwähnungen das primäre Sichtbarkeitssignal in KI-Antworten sind. Erwähnungen sind damit die eigentliche Währung der KI-Sichtbarkeit23. „Ranken“ ist binär und messbar (Position 3 oder Position 8). „Erwähnt werden“ ist mehrdimensional und kontextabhängig (positiv, neutral, kritisch; primär oder beiläufig; mit oder ohne Quellenangabe).

9.2Von „Traffic“ zu „Einfluss auf die Antwort“#

Klassisches SEO misst Erfolg in Klicks: organischer Traffic, Conversion-Rate, Beitrag zur Vertriebspipeline. GEO muss zunehmend in Einfluss-Größen messen: Wie oft werden wir genannt? In welchem Kontext? Mit welcher Tonalität? Welcher Anteil der relevanten KI-Antworten enthält uns?

Das bedeutet nicht, dass Traffic-KPIs irrelevant werden, aber sie spiegeln nicht mehr die volle Realität wider. Eine Marke, die in 80 Prozent der ChatGPT-Antworten zu ihrer Kernfrage genannt wird, ohne dass ein Klick auf die Website erfolgt, hat einen massiven Marketingwert, der in klassischen Web-Analytics unsichtbar bleibt.

9.3Von „Keyword-Sichtbarkeit“ zu „Entitäts-Sichtbarkeit“#

Klassisches SEO optimiert für Begriffe. GEO optimiert für Entitäten. Der Unterschied: Ein Keyword ist eine Zeichenkette, eine Entität ist ein eindeutiges Konzept. „ERP“ als Keyword ist generisch und stark umkämpft. „ERP-Lösung für mittelständische Maschinenbauer mit Engineer-to-Order-Prozessen“ ist als Entitäts-Cluster spezifisch und in KI-Antworten leichter zu besetzen.

9.4Von „Backlink“ zu „Brand Mention“#

Klassisches SEO hat Backlinks zur Kern-Währung gemacht. KI-Modelle bewerten Backlinks zwar weiter, aber sie bewerten Brand Mentions (mit oder ohne Link) ähnlich stark. Wenn ein Branchenmedium über die Marke schreibt, ohne zu verlinken, fließt die Erwähnung trotzdem in das Bild der Marke ein, das das Modell formt24.

Dadurch erleben PR, Fachmedienarbeit und Präsenz auf Branchenveranstaltungen eine Aufwertung. Klassische Linkbuilding-Taktiken verlieren an Bedeutung. Authentische Erwähnungen in autoritativen Quellen werden zur wichtigen Disziplin und sind, anders als klassische Backlinks, nicht in derselben Weise „kaufbar“.

9.5Von messbar zu schwer messbar#

Eine der unangenehmsten Verschiebungen für Marketing-Teams: Messbarkeit von GEO-Erfolg ist deutlich schwieriger als die von klassischem SEO. Bisher konnte man mit Tools wie Sistrix, Ahrefs oder der Google Search Console relativ saubere Sichtbarkeits-Indizes auf Keyword-Basis erzeugen. Jetzt steht man im GEO-Umfeld vor mehreren Problemen.

Problem 1: Vielzahl der Prompts statt klar definierter Keywords In der klassischen Suche gab es pro Suchintention oft wenige typische Keywords. In der KI-Suche existiert eine fast unbegrenzte Vielfalt an Formulierungen für dieselbe Frage. Ein Interessent kann seine Erkundigung als knappe Stichwort-Frage, als ausformulierter Satz, als dialogische Rückfrage oder als komplexe Mehrteiler-Anfrage stellen. Jede Variante produziert potenziell eine andere Antwort und stellt damit eigene Anforderungen an die zu zitierenden Quellen.

Das bedeutet, eine Messung der eigenen Sichtbarkeit muss mit einer kuratierten Liste repräsentativer Prompts arbeiten, die regelmäßig getestet werden. Eine vollständige Abdeckung ist praktisch unmöglich. Die Auswahl der relevanten Prompts wird damit selbst zu einer strategischen Frage. Was ist „typisch genug“, um in das Monitoring aufgenommen zu werden?

Problem 2: Erwähnungen ohne klare Messmetrik Brand Mentions in KI-Antworten lassen sich nur schwer in klassische Sichtbarkeits-Indizes überführen. Eine Erwähnung kann positiv, neutral oder kritisch sein. Sie kann an prominenter Stelle oder nebenbei erfolgen. Sie kann zitiert oder unzitiert sein. Zudem variieren die Antworten zwischen Plattformen und sogar zwischen verschiedenen Aufrufen derselben Plattform mit demselben Prompt.

Eine aussagekräftige Messung erfordert deshalb mehrere Wiederholungen pro Prompt und Plattform, was den Aufwand erheblich erhöht.

Spezialisierte Tools (etwa Otterly, Peec AI, Profound, AthenaHQ, ALLMO) versuchen, diese Herausforderung systematisch zu lösen, indem sie definierte Prompt-Listen in regelmäßigen Abständen über verschiedene KI-Plattformen laufen lassen und die Erwähnungen klassifizieren. Diese Tools sind noch jung, die Methodik ist nicht standardisiert und die Ergebnisse zwischen Anbietern sind oft nicht vergleichbar.

Problem 3: GEO-Traffic lässt sich kaum sauber zuordnen Der Traffic, der über KI-Antworten auf die eigene Website kommt, ist deutlich schwerer zu messen als klassischer organischer Traffic. Mehrere Gründe spielen zusammen: KI-Plattformen setzen oft keine konsistenten Referrer-Header (die technische Information darüber, von welcher Seite ein Klick kam). Nutzer kopieren Links aus KI-Antworten in einen neuen Tab (was den Referrer entfernt), und Google AI Overviews werden in Google Analytics nicht als eigene Quelle ausgewiesen, sondern unter „google / organic“ zusammengefasst.

Mit etwas technischem Aufwand lässt sich ein Teil der KI-Referrer über Server-Logfiles identifizieren, indem User-Agents bekannter KI-Crawler und Plattform-Hosts gefiltert werden. Auch dieser Ansatz bleibt unscharf: Er erfasst nur den Anteil, bei dem der Referrer überhaupt erhalten bleibt. Man kann davon ausgehen, dass der tatsächliche KI-getriebene Traffic deutlich höher ist als das, was Analyse-Tools angeben.

Konsequenzen für die Praxis Aus diesen Problemen folgen drei Empfehlungen für KMU:

• Erwartungsmanagement: Saubere, quantitative Erfolgsmessung wie im klassischen SEO ist in GEO (noch) nicht möglich. Entscheider müssen lernen, damit umzugehen. Die Forderung exakter Werte ist unrealistisch und produziert im schlechtesten Fall Schein-Daten.
• Hybrid-Messung: Kombination aus regelmäßigen manuellen Stichproben (z.B. 10–20 typische Prompts pro Quartal manuell testen), Tool-gestütztem Tracking und Logfile-Analyse, wo technisch möglich.
• Vertriebs-Feedback als wichtige Datenquelle: Die in Kapitel 5 beschriebene strukturierte Erfassung der Recherche-Quellen im Erstgespräch ist eine zentrale Datenquelle, weil sie tatsächliches Käuferverhalten misst, nicht nur Tool-Hypothesen.

Wir vertiefen Tool-Optionen und Mess-Methodik in Kapitel 25 (Monitoring-Setup).