GEO: Für jede Plattform muss separat optimiert werden

Anders als bei der klassischen SEO kommt es bei der KI-Optimierung (GEO) auf die einzelnen Plattformen an. Das bedeutet mehr Arbeit für SEOs.

 

 Anzeige

Für rund zwei Jahrzehnte verließen sich die SEOs auf eine Regel: Die Richtlinien einer Suchmaschine ließen sich in der Regel auf andere übertragen. Wenn man für Google optimierte, funktionierte dies meist auch für Bing. Das lag vor allem an gemeinsamen Standards wie Sitemaps, Schema.org oder robots.txt.

Bei der Optimierung für die KI-Suche (GEO) existiert diese gemeinsame Basis nicht mehr. Deshalb darf es auch nicht missverstanden werden, wenn Google zuletzt erklärte, SEO genüge als Grundlage zur Optimierung für die KI-Suche. Das mag für Google gelten, ist aber nicht automatisch auf ChatGPT, Claude oder Perplexity übertragbar.

Die wichtigsten Unterschiede zur klassischen SEO hat jetzt Duane Forrester zusammengefasst.

SEO-Beratung: Wir sind Ihre Experten

Wir bringen gemeinsam Ihre Website nach vorne. Profitieren Sie von jahrelanger SEO-Erfahrung.

Unsere Beratungsleistungen

Christian Kunz

SEO Experte

David Wulf

SEO Experte

Sven Häwel

Offpage-Experte

Die massiven Unterschiede zur klassischen SEO

Während klassische Suchmaschinen auf denselben Protokollen aufbauten, entwickeln LLM-Anbieter wie OpenAI, Anthropic, Google und Perplexity völlig isolierte Systeme. Die Optimierung für einen Anbieter lässt sich damit nicht mehr einfach auf andere übertragen. Das zeigt sich auf mehreren Ebenen:

• Unterschiedliche Trainingsdaten: Die Modelle werden mit unterschiedlichen Dokumenten trainiert, oft basierend auf exklusiven Lizenzverträgen. OpenAI hat beispielsweise Deals mit News Corp, Reddit und der Financial Times, während Anthropic solche Verträge nicht öffentlich gemacht hat.
• Isolierte Crawler-Infrastrukturen: Es gibt keinen universellen KI-User-Agent. Jeder Anbieter nutzt eigene Bots wie z.B. GPTBot, ClaudeBot, Google-Extended, für die jeweils separate Regeln definiert werden müssen.
• Verschiedene Retrieval-Systeme: ChatGPT nutzt primär den Bing-Index, Claude greift auf Brave Search zurück, Perplexity nutzt eine eigene Vespa-basierte Pipeline und Gemini kombiniert den Google-Index mit dem Knowledge Graph.
• Individuelle Alignment-Prozesse (Ausrichtung): Selbst wenn Modelle dieselben Inhalte abrufen, führen unterschiedliche Trainingsmethoden wie RLHF (OpenAI) oder Constitutional AI (Anthropic) dazu, dass die endgültigen Antworten und Zitate völlig unterschiedlich ausfallen.

Selbst innerhalb desselben Unternehmens greifen alte Regeln nicht mehr. Ein Top-Ranking in der klassischen Google-Suche ist kein verlässlicher Indikator mehr dafür, dass man auch in Googles AI Overviews oder dem AI Mode zitiert wird.

Was sich noch übertragen lässt

Es gibt dennoch eine kleine Ebene von Gemeinsamkeiten, die plattformübergreifend bei der Optimierung helfen:

• Technische Zugänglichkeit: Crawler müssen die Inhalte technisch erreichen können.
• Faktische Primärquellen: Echte Originalquellen werden von LLMs bevorzugt gegenüber reinen Aggregator-Inhalten zitiert.
• Saubere Strukturen: Eine klare Seitenstruktur hilft allen Systemen, den Inhalt zu verstehen.
• Präsenz auf Autoritätsseiten: Wer auf Plattformen wie Wikipedia, YouTube, Reddit oder in großen Nachrichtenmedien präsent ist, profitiert plattformübergreifend, weil alle großen LLMs diese Quellen überproportional häufig zitieren.

Diese Schnittmenge ist allerdings sehr klein geworden. Analysen zeigen, dass nur etwa elf Prozent der zitierten Domains auf mehreren KI-Plattformen gleichzeitig auftauchen. Die restlichen 89 Prozent sind plattformspezifisch.

Was das konkret für die SEO-Arbeit bedeutet

Die Zeiten, in denen man sich bei der Optimierung auf universelle Best Practices für alle Plattformen verlassen konnte, sind vorbei. Für SEO-Verantwortliche ergeben sich daraus handfeste Konsequenzen:

1. Divergenz als Standard akzeptieren: Behandelt die Richtlinien eines einzelnen Anbieters nur noch als einen von vielen Datenpunkten. Wer nur für eine Plattform optimiert, vernachlässigt den Rest des Marktes.
2. Plattformübergreifendes Testing: Die Sichtbarkeit muss zwingend über alle wichtigen Plattformen hinweg getestet werden, weil ein Inhalt für ein System die perfekte Antwort sein kann, vom nächsten System aber ignoriert wird.
3. Deutlich höherer Arbeitsaufwand: Weil sich die Schnittmengen verkleinert haben, müssen Strategien nun stark plattformspezifisch aufgebaut werden.

SEOs müssen sich darauf einstellen, dass die Optimierungsarbeit komplexer, individueller und arbeitsintensiver geworden ist.