Von Search Visibility zu Machine Readiness: Was Unternehmen für die KI-Suche jetzt wirklich tun müssen

Verändert KI gerade nur die Art, wie wir suchen oder auch, wo unsere Recherche überhaupt beginnt?

Beides, und das Zweite ist für Unternehmen das Unangenehmere.

Früher war Google für fast jede Fragestellung der Einstieg. Heute öffne ich vielleicht ChatGPT, Claude oder Perplexity und gebe nicht mehr zwei oder drei Keywords ein, sondern beschreibe meine ganze Situation: „Ich arbeite seit fünf Jahren im Sportmarketing, möchte mich berufsbegleitend weiterentwickeln, brauche ein gutes Netzwerk und kann nicht jedes Wochenende vor Ort sein. Welche Angebote passen zu mir?" Das ist keine Suchanfrage mehr, das ist eine Beratungsanfrage. Und sie wird beantwortet, ohne dass ich je eine Ergebnisliste gesehen habe.

Damit verschiebt sich der Anfang der Customer Journey. Die erste Orientierung, die Vorauswahl, das Aussortieren – all das passiert zunehmend innerhalb des KI-Systems. Google verschwindet deshalb nicht, verliert aber sein Monopol auf den ersten Kontakt. Und auch innerhalb von Google ändert sich einiges: Antworten werden direkt generiert, komplexe Fragen in Teilfragen zerlegt, Quellen zusammengeführt. Nach den Messungen von SISTRIX wird inzwischen bei rund 35 Prozent der Suchanfragen ein AI Overview ausgespielt, Tendenz steigend. Das ist kein Randphänomen mehr.

Für Unternehmen heisst das, dass wir Sichtbarkeit nicht mehr allein daran messen können, auf welcher Position eine URL für ein Keyword rankt. Die zusätzliche Frage lautet: Kommen wir überhaupt vor, wenn jemand nach einem Problem, einer Lösung oder einer Empfehlung fragt und was wird dann über uns gesagt?

Was bleibt dann von klassischem SEO? Ist GEO am Ende nur ein neues Etikett dafür?

Vom SEO bleibt sehr viel, und das ist mir in der ganzen Diskussion wichtig. Es wird gerade teilweise so getan, als hätten wir zwanzig Jahre Wissen gesammelt und müssten es wegwerfen, weil ChatGPT da ist. Das stimmt nicht. Eine technisch saubere Website, eine klare Informationsarchitektur, gute Inhalte, interne Verlinkung, Autorität und externe Erwähnungen bleiben genauso wichtig wie vorher: Ein KI-System muss dieselben Inhalte erreichen, verstehen und einordnen wie jeder Crawler davor.

Was sich ändert, ist die Ebene darüber. Wir haben im SEO lange in Keywords und einzelnen URLs gedacht. Keywords verschwinden nicht, für Nachfrageanalyse und Themenrecherche bleiben sie unverzichtbar. Aber generative Systeme fragen nicht „welche Seite passt zu diesem Begriff", sondern eher: Was will diese Person erreichen, welche Anbieter kommen infrage, welche Quellen sind glaubwürdig genug, um daraus eine Antwort zu bauen? Dafür müssen wir in Themen, Kontexten und Entitäten denken statt in Positionen.

Deshalb halte ich beide Extrempositionen für falsch. „SEO ist tot, jetzt kommt GEO" ist Unsinn. GEO als neues Etikett auf die immer gleiche Arbeit zu kleben, aber genauso. Die Ziele erweitern sich schlicht: Im SEO geht es darum, eine relevante URL für eine relevante Suchanfrage sichtbar zu bekommen. Bei GEO kommt die Frage dazu, wie ich die Wahrscheinlichkeit erhöhe, dass meine Marke und meine Expertise Bestandteil einer generierten Antwort werden. Das ist eine Erweiterung, keine neue Marketingwelt. Und ich bin ziemlich sicher, dass wir in ein paar Jahren kaum noch darüber streiten, ob etwas SEO, GEO, AEO oder LLMO heißt.

Wie entscheidet eine KI, welche Marken und Inhalte sie in einer Antwort berücksichtigt?

Da müssen wir aufpassen, nicht so zu tun, als gäbe es eine Formel. Den einen GEO-Faktor gibt es nicht, und einen Schalter, mit dem ich ChatGPT sage „empfiehl ab morgen mein Unternehmen", schon gar nicht. Beeinflussen lässt sich aber die Wahrscheinlichkeit.

Dafür muss ein System zuerst verstehen, wer ein Unternehmen überhaupt ist: was es anbietet, für wen, wo, mit welcher Expertise, welche Personen dahinterstehen und wie das alles zusammenhängt. Technisch reden wir von Entitäten und ihren Beziehungen, ich finde die einfachere Übersetzung aber hilfreicher. Eine Maschine sollte ein Unternehmen genauso eindeutig verstehen können wie ein Mensch, der die Website zum ersten Mal sieht.

Dabei reicht die eigene Selbstbeschreibung nicht. Mindestens genauso wichtig ist, was der Rest des Webs über eine Marke sagt: wer sie erwähnt, in welchem Zusammenhang, wer ihre Expertise bestätigt und ob diese Informationen konsistent sind. Wenn ein Unternehmen auf der eigenen Website behauptet, führender Experte für ein Thema zu sein, ausserhalb davon aber nie in diesem Zusammenhang auftaucht, ist das ein völlig anderes Signal, als wenn Fachmedien, Kunden, Partner oder Verbände dieselbe Verbindung herstellen. Genau deshalb rücken SEO, Content, PR und Markenarbeit gerade so eng zusammen wie lange nicht.

Was können Unternehmen ganz konkret tun, um in KI-Antworten vorzukommen?

Eine ganze Menge. Die Diskussion klingt manchmal, als wären Unternehmen der Entwicklung ausgeliefert, und das sind sie nicht.

Die Basis ist technisch: Inhalte müssen erreichbar sein. Das klingt unspektakulär, aber ich sehe regelmäßig Websites, die relevante Bots in der robots.txt aussperren, ohne dass das je bewusst entschieden wurde. Dabei lohnt es sich, genau hinzuschauen, welchen Bot man vor sich hat, denn die Crawler, die Trainingsdaten sammeln, sind nicht dieselben, die für webgestützte Antworten zuständig sind. Wer GPTBot aussperrt, verschwindet damit nicht aus ChatGPT Search. Wer dagegen OAI-SearchBot, Claude-SearchBot oder die Perplexity-Crawler blockiert, verringert seine Chancen, in webgestützten Antworten überhaupt berücksichtigt zu werden – Anthropic sagt das für seinen Such-Crawler sogar ausdrücklich.

Darauf folgt Eindeutigkeit. Eine Website sollte ohne Interpretationsspielraum beantworten, wer wir sind, was wir anbieten, für wen, wo und mit welcher Expertise – und welche Leistungen, Produkte, Personen und Themen zusammengehören. Je weniger Interpretationsarbeit wir den Systemen überlassen, desto seltener liegen sie daneben.

Der grösste Hebel ist aber Substanz, und darin liegt für mich auch die grösste Chance. Mit KI lässt sich in kurzer Zeit sehr viel Content produzieren, austauschbarer Content wird dadurch aber nicht wertvoller, eher im Gegenteil. Wenn ich den hundertsten Artikel über „Die fünf Vorteile von XY" veröffentliche und darin exakt dasselbe steht wie auf fünfzig anderen Seiten, muss ich mich fragen, warum ausgerechnet mein Text Teil einer Antwort werden sollte. Interessant sind eigene Daten, Cases, konkrete Zahlen, Vergleiche und eine klare fachliche Einschätzung – also alles, was sonst niemand hat.

Das lässt sich auch klein anfangen. Eine sauber aufbereitete eigene Auswertung, ein dokumentierter Projektverlauf, eine begründete Gegenposition zu einer verbreiteten Annahme – solche Inhalte gibt es jeweils nur einmal, und genau das macht sie zitierfähig.

Dazu kommt Struktur. Wenn jemand wissen will, wie lange eine Weiterbildung dauert, was sie kostet und welche Voraussetzungen gelten, darf diese Information nicht zwischen drei Absätzen Image-Text versteckt sein. Fakten, Definitionen, Tabellen, FAQs und klar geschnittene Abschnitte helfen Menschen wie Maschinen. Vor vermeintlichen GEO-Hacks würde ich trotzdem warnen: Wir müssen keine Texte für Maschinen schreiben, wir müssen bessere Informationen bereitstellen.

Wie dünn die Beweislage bei manchen dieser Empfehlungen ist, hat Mark Williams-Cook gerade hübsch vorgeführt. Er hat eine cats.txt veröffentlicht – eine reine Spaßdatei – und sie anschließend gegen die vier Argumente getestet, mit denen üblicherweise für llms.txt geworben wird: Bots haben sie abgerufen, Google hat sie indexiert, ein Sprachmodell hat ihre Inhalte wiedergegeben, und ChatGPT hat sie empfohlen. Sie hat alle vier Tests bestanden. Das heisst nicht, dass llms.txt nie funktionieren kann. Es heisst, dass diese Art von Beleg nichts beweist. Bei allem, was gerade als GEO-Faktor verkauft wird, lohnt sich deshalb die Frage, woran man den Erfolg eigentlich festmacht.

Und ein Punkt liegt komplett ausserhalb der eigenen Website: Wer spricht über uns, welche Bewertungen existieren, welche Medien und Partner verknüpfen unsere Marke mit unseren Themen? Das gehört heute genauso zur digitalen Sichtbarkeit wie die Website selbst.

Rankings, Traffic und Conversions waren gut messbar. Wie misst man Erfolg, wenn eine Marke in einer KI-Antwort genannt wird, ohne dass jemand klickt?

Ehrlich gesagt: nicht so sauber, wie wir das aus dem klassischen SEO gewohnt sind. Aber deutlich besser als sein Ruf, wenn man mehrere Signale kombiniert, statt auf die eine perfekte Kennzahl zu warten. Ich schaue mir dabei fünf Dinge an:

1. Die Erwähnungen selbst, und dafür braucht es nicht zwingend ein Tool. Man definiert 20-30 Fragen, die Kundinnen und Kunden tatsächlich stellen, gibt sie in festen Abständen den gängigen Systemen und protokolliert, wer genannt wird, in welchem Zusammenhang und welche Quellen zitiert werden. Das ist der direkteste Indikator, und er beantwortet zwei Fragen, die mir fast wichtiger sind als die reine Präsenz: In welchem Zusammenhang werde ich genannt und wird überhaupt Richtiges über mich gesagt? Veraltete Preise oder längst eingestellte Leistungen in einer KI-Antwort sind ein echtes Problem, und man findet es nur, wenn man aktiv nachsieht. Wer das regelmäßig und in größerem Umfang braucht, automatisiert es über eines der etablierten Sichtbarkeitstools, die haben inzwischen alle entsprechende Module. Ich nutze dafür zum Beispiel Sistrix.

2. Die Search- und Webmaster-Daten, und da hat sich gerade viel bewegt. Google weist generative Sichtbarkeit inzwischen separat aus: Seit Anfang Juni gibt es in der Search Console eigene Berichte für AI Overviews, den AI Mode und generative Discover-Features. Das ist ein wichtiger Schritt, und man sollte trotzdem genau wissen, was man da vor sich hat. Bislang stehen dort Impressionen, aber keine Klicks, keine Klickrate und keine Suchanfragen, die Daten beginnen im Mai 2026, und der Rollout läuft schrittweise. Für die Frage, wie viele Menschen nach einer generativen Antwort überhaupt noch klicken, brauche ich also weiterhin den klassischen Leistungsbericht. Und zwar getrennt nach generischen und markenbezogenen Suchanfragen. Diese Trennung ist der eigentliche Schlüssel, dazu gleich mehr.

Auf Microsoft-Seite schaue ich zusätzlich in die Bing Webmaster Tools und in Clarity, weil Microsofts eigene Such- und Copilot-Oberflächen darauf aufsetzen. Clarity hat sein Citations-Dashboard gerade um genau diese Unterscheidung erweitert und trennt Zitate jetzt nach markenbezogenen und generischen Anfragen. Und es kostet nichts, was ich gerade für kleinere Unternehmen relevant finde.

3. Die Server-Logs, und das ist der Punkt, den fast niemand nutzt. Dort steht, welche Such- und KI-Crawler eine Website tatsächlich besuchen, wie oft und welche Bereiche sie sich ansehen – OAI-SearchBot, Claude-SearchBot, PerplexityBot oder schlicht der Googlebot, über den auch AI Overviews und AI Mode laufen. Ein Sichtbarkeitsnachweis ist das ausdrücklich nicht: Dass ein Bot eine Seite abruft, heisst nicht, dass die Marke später in einer Antwort auftaucht, und umgekehrt kennen Modelle Marken auch aus ihrem vorhandenen Wissen, ganz ohne aktuellen Crawl. Als technischer Frühindikator ist es trotzdem wertvoll, weil sich hier Veränderungen zeigen, lange bevor sie irgendwo anders sichtbar werden. Wer keine Lust auf rohe Logdateien hat, kann sie in Matomo importieren und dort auswerten – die Bot-Erfassung muss man dafür allerdings bewusst einschalten.

4. Der Traffic, der tatsächlich ankommt. Verweise aus chatgpt.com, perplexity.ai oder Copilot lassen sich in GA4 als eigene Channel-Gruppe abbilden. Zwei Einschränkungen gehören dazu. Ein Teil dieser Zugriffe verliert unterwegs den Referrer und landet im Direct-Traffic. Wir sehen also die Untergrenze, nicht die Wahrheit. Und alles, was am Consent-Banner scheitert, taucht in GA4 nur noch modelliert auf. Bei einem Kanal, der ohnehin kleine Zahlen liefert, ist das der Unterschied zwischen einer Auswertung und Kaffeesatzleserei.

Deshalb schaue ich mir das, wo es möglich ist, zusätzlich in Matomo an, cookielos eingebunden. Ein solches Setup lässt sich je nach Konfiguration einwilligungsfrei betreiben, erfasst damit praktisch alle Sitzungen und zeigt die Referrer ungefiltert. Für ein Segment, das heute noch klein ist, aber wächst, macht dieser Unterschied sehr viel aus: Auf einer halbierten Datenbasis lässt sich ein Trend schlicht nicht erkennen.

5. Der indirekteste, vielleicht aber ehrlichste Indikator: die Nachfrage nach dem eigenen Markennamen. Wer in einer KI-Antwort empfohlen wird, tippt den Namen anschliessend bei Google ein. Dazu die simpelste Methode, die die meisten unterschätzen: ein Feld im Kontaktformular mit der Frage, wie jemand auf uns aufmerksam geworden ist. Da steht inzwischen erstaunlich oft „ChatGPT".

Wie diese Signale zusammenspielen, sehe ich bei mehreren Kunden inzwischen in einem ähnlichen Muster. Die Impressionen bleiben stabil oder steigen sogar. Wir werden also nach wie vor ausgespielt, teilweise sogar häufiger als vorher. Die Zahl derer, die daraufhin auf der Website landen, geht aber zurück, weil die Antwort bereits in der KI-Übersicht steht und der Klick schlicht nicht mehr nötig ist. Wer nur auf die Sitzungen schaut, liest daraus einen Sichtbarkeitsverlust. Das ist es aber nicht.

Denn parallel dazu steigen die Suchanfragen nach dem Markennamen. Die Leute lesen die Antwort, merken sich, wer darin vorkommt, und suchen später gezielt danach. Und diese Besucher verhalten sich deutlich anders als der generische Traffic: Sie steigen tiefer ein, springen seltener ab und konvertieren erheblich besser – sie wissen ja bereits, dass sie genau das wollen.

Man verliert also Reichweite an der Oberfläche und gewinnt Qualität dahinter. Das ist keine schlechte Nachricht. Aber es ist eine, die man in keinem Standard-Reporting sieht, wenn man nur Sessions und Rankings nebeneinanderlegt. Deshalb ist die Trennung zwischen generischen und markenbezogenen Suchanfragen für mich inzwischen eine der wichtigsten Auswertungen überhaupt. Ohne sie sieht ein erfolgreicher Kanal aus wie ein sterbender.

Was daraus folgt, ist vor allem ein Perspektivwechsel. Wir bewegen uns von einer Klick-Logik in eine Erwähnungs- und Nachfrage-Logik. Für Unternehmen, die ihr Marketing bisher rein über den letzten Klick bewertet haben, ist das eine unbequeme Umstellung – aber eine, die ohnehin überfällig war.

Was verändert sich noch einmal, wenn KI-Systeme nicht nur recherchieren, sondern Aufgaben übernehmen?

Das ist für mich der spannendste Teil. Im Moment reden wir viel darüber, ob ChatGPT oder Google eine Marke nennt. Mit Agenten verschiebt sich die Frage: Dann geht es nicht mehr nur um Sichtbarkeit, sondern darum, ob ein System mit meinen Informationen tatsächlich arbeiten kann.

Bleiben wir beim Beispiel Weiterbildung. Ein Agent recherchiert nicht nur, welche Angebote passen. Er vergleicht Termine, prüft Voraussetzungen, stellt Kosten gegenüber und bereitet die nächsten Schritte vor. Im E-Commerce dasselbe mit Produkten, Eigenschaften, Verfügbarkeiten und am Ende dem Kaufprozess. Das ist auch keine Zukunftsmusik mehr, dafür werden gerade die Standards gebaut: OpenAI hat mit Stripe das Agentic Commerce Protocol vorgelegt, Google im Januar gemeinsam mit Shopify und mehreren grossen Händlern das Universal Commerce Protocol. Wenn meine Preise nur in einem PDF stehen, meine Termine in einer Grafik und meine Verfügbarkeiten nirgends, falle ich aus diesem Vergleich heraus. Nicht weil mein Angebot schlechter wäre, sondern weil es nicht auswertbar ist.

Die Frage lautet dann nicht mehr „Kann eine KI mich finden?", sondern „Kann sie mich verstehen – und mit meinen Informationen etwas anfangen?". Wir bewegen uns von Search Visibility in Richtung Machine Readiness. Das ist übrigens die gute Nachricht für alle, die auf den nächsten Hype-Begriff keine Lust haben: Machine Readiness ist keine Zauberei, sondern Hausaufgaben. Aktuelle Daten, eindeutige Angaben, strukturierte Informationen. Das kann man abarbeiten, und man kann heute damit anfangen.

Wo sollten Unternehmen konkret anfangen? Welche drei Massnahmen empfiehlst du und wie unterstützt du dabei?

Ich würde mit einer Bestandsaufnahme beginnen, und zwar in genau dieser Reihenfolge:

1. Nachsehen, was die Systeme heute über Sie sagen. Nehmen Sie 20-30 Fragen, die Ihre Kundinnen und Kunden wirklich stellen – nicht Ihre Keywords, sondern ihre Probleme – und stellen Sie sie ChatGPT, Perplexity und Google. Wer wird genannt? Was wird über Sie gesagt, und stimmt es überhaupt? Und welche Quellen werden zitiert, wenn Sie es nicht sind? Das ist ein Nachmittag Arbeit und meistens eine Menge Ernüchterung.

2. Das technische Fundament prüfen. Werden Ihre Inhalte gecrawlt, sperren Sie versehentlich KI-Crawler aus, und liegen Ihre zentralen Informationen – Leistungen, Preise, Termine, Standorte, Ansprechpartner – aktuell, eindeutig und strukturiert vor? Das ist der unspektakulärste Teil und der, der am schnellsten wirkt.

3. Die Messung aufsetzen, bevor Sie optimieren. Ohne Ausgangswert diskutieren Sie in einem halben Jahr über Gefühle. KI-Traffic in GA4 sauber trennen, Brand-Suchanfragen beobachten, Erwähnungen tracken, Logfiles auswerten – das ist die Basis, auf der Sie später überhaupt beurteilen können, ob Ihre Maßnahmen etwas bewirkt haben.

Und dann würde ich anfangen, Inhalte zu schaffen, die es sonst nirgends gibt. Das dauert am längsten und lässt sich am schwersten kopieren – deshalb lohnt es sich.

Genau an diesen Punkten setze ich mit meinen Kunden an. Ich mache die Bestandsaufnahme, prüfe das technische Setup, baue das Tracking so auf, dass Sichtbarkeit in KI-Systemen nicht unbemerkt im Direct-Traffic verschwindet, und übersetze die Daten anschliessend in eine priorisierte Roadmap. Je nach Bedarf als einmaliges Projekt, als Begleitung des internen Teams oder als komplett ausgelagerte Digital-Marketing-Abteilung. Was mir dabei am wichtigsten ist: dass am Ende niemand aus dem Bauch heraus entscheidet, sondern auf Basis von Zahlen, denen man vertrauen kann.

---