Ranking in ChatGPT

Stell dir vor, du musst einen Kunden zum Geschäftsessen ausführen. Die Schwierigkeit: Es soll in seiner Heimatstadt stattfinden, einer Stadt, die du nicht gut kennst.

Vor nur wenigen Jahren sähe der Prozess so aus: Du öffnest Google und tippst „Restaurant Lissabon Geschäftsessen“ ein. Du erhältst eine Liste von Ergebnissen. Du öffnest eine Karte und prüfst, welche Restaurants in der Nähe deines Hotels liegen. Dann fängst du an, Websites zu durchforsten (um das Menü und die allgemeine Atmosphäre zu prüfen) und Bewertungen zu lesen (damit du nicht in eine Falle tappst). Nach etwa ein Dutzend Minuten und einem Dutzend Browser-Tabs hat sich deine Auswahl auf einige aussichtsreiche Kandidaten eingegrenzt, und du kannst sicher nach Bauchgefühl wählen.

Und heute? Du öffnest ChatGPT oder Gemini und tippst alle Bedingungen auf einmal ein: „Ich suche ein ruhiges Restaurant im Zentrum von Lissabon für ein Abendessen mit einem wichtigen Kunden. Es sollte vegetarische Optionen haben, maximal fünfzehn Minuten Fußweg vom Hotel X entfernt sein und gute Bewertungen von Leuten haben, die dort bereits Geschäftstreffen abgehalten haben.“

Die Aufgabe selbst hat sich nicht verändert, aber die Maschine übernimmt nun einen großen Teil der Arbeit. Das Modell verfeinert deine Kriterien, durchsucht Quellen, kombiniert die Informationen und präsentiert einige Optionen. Der Nutzer (also du) besucht die Website des Restaurants vielleicht erst dann, wenn du das Menü sehen oder einen Tisch reservieren willst. Oder du besuchst sie vielleicht gar nicht.

Vor einigen Jahren schrieb ich über das Zero-Click-Phänomen. Schon damals versuchte Google, die Bedürfnisse der Nutzer zu befriedigen, ohne sie jemals von der eigenen Seite wegzuschicken. Kinoprogramme, Flugverbindungen, Hotelpreise, Öffnungszeiten oder eine direkt aus einem Artikel extrahierte Antwort – all das erschien bereits direkt in den Suchergebnissen. Und das war noch vor der Ära der KI-Zusammenfassungen!

Im Jahr 2024 endeten laut einer Studie von SparkToro und Datos 59,7 % der Suchanfragen in der Europäischen Union ohne einen Klick auf ein Ergebnis, das außerhalb von Google zu einer Website führte. Der Nutzer beendete die Sitzung einfach oder änderte seine Suchanfrage.¹

KI-Zusammenfassungen verstärken dieses Phänomen nur noch. Das Pew Research Center analysierte fast 69.000 Suchanfragen von 900 amerikanischen Erwachsenen. Wenn eine „AI Overview“ – die KI-generierte Zusammenfassung über den regulären Suchergebnissen – auf der Seite erschien, klickten die Nutzer nur in 8 % der Fälle auf ein traditionelles Ergebnis. Ohne eine KI-Zusammenfassung taten sie dies in 15 % der Fälle. Und hier ist noch ein wichtiger Punkt: Googles KI-Zusammenfassungen enthalten einen Link zur Quelle (damit du selbst verifizieren kannst, ob die KI etwas erfindet). Die Leute klickten darauf… in weniger als 1 % der Fälle.²

Gleichzeitig beginnen immer mehr Menschen, ihre Informationssuche außerhalb von Google zu starten. Laut einer Mediapanel-Studie nutzten im Juni 2025 9,33 Millionen polnische Internetnutzer ChatGPT – das entspricht 31,37 % der befragten Online-Population. Die größte Gruppe waren Nutzer im Alter von 25–34 Jahren: Menschen, die nicht nur lernen und experimentieren, sondern auch arbeiten, kaufen und geschäftliche Entscheidungen treffen.³

Wenn wir also über das Ranking in ChatGPT sprechen, geht es nicht mehr nur um Klicks. Immer öfter kämpfen wir schlichtweg darum, dass die Marke überhaupt in der Antwort erscheint, mit der der Nutzer seine Shortlist erstellt. Niemand wählt dich aus, wenn du gar nicht erst auf dieser Liste stehst.

KI verändert den Anfang des Funnels und komprimiert die Mitte

Eine Suche mit Google erforderte zu Beginn ein gewisses Maß an Wissen. Vor allem erforderte sie die Fähigkeit, die Lösung beim Namen zu nennen. Lass mich dir ein Beispiel zeigen.

Stell dir vor, du führst eine kleine Werbeagentur. Dein Problem ist, dass Kunden dir Anfragen per E-Mail, Instagram, WhatsApp und LinkedIn schicken. Zudem beantworten mehrere Personen in der Agentur die Anfragen – oft passiert es, dass Person A nicht weiß, dass Person B bereits auf die Nachricht eines Kunden geantwortet hat.

Die Lösung für dein Problem ist ein ordentliches CRM-System. Oder vielleicht ein Projektmanagement-System, wenn du neben der Korrespondenz auch den Projektfortschritt verfolgen willst. Aber du musst das wissen, bevor du in Google nach verschiedenen CRM- oder Projektmanagement-Systemen suchen kannst. Es ist noch halb so schlimm, wenn die Website des CRM-Anbieters Artikel über genau dein Problem hat – dann findest du die Lösung irgendwie. Aber was, wenn sich die Beschreibungen rein auf Produktfunktionen konzentrieren? Das ist in den meisten Nicht-Marketing-Branchen der Fall: Du erfährst, welche Art von Halterung ein Kamerastativ hat, aber nicht, ob es in dein Studio passt oder sich zum Aufnehmen von Podcasts eignet.

In einem Gespräch mit einem LLM kannst du damit beginnen, das Problem in deinen eigenen Worten zu beschreiben – deine Bedürfnisse, deine Symptome. Das Modell wird dir Rückfragen stellen:

Tritt die Schwierigkeit bei der Kundengewinnung auf oder erst nach der Vertragsunterzeichnung?
Soll der Kunde nur Status-Updates sehen oder auch Materialien kommentieren und freigeben können?
Benötigt das Team Zeiterfassung, Rechnungsstellung und Fakturierung?
Wie viele Projekte werden gleichzeitig geführt und wie hoch ist das Budget?

Basierend auf deinen Antworten kann das Modell dein Bedürfnis auf ein leichtgewichtiges Projektmanagement-System mit Kundenportal oder nur auf ein CRM eingrenzen. Du beginnst das Gespräch, indem du das Problem beschreibst – wahrscheinlich etwas unbeholfen, etwa: „Unsere Agentur herrscht im Chaos“ – und du endest mit einer benannten Kategorie und sogar Empfehlungen für spezifische Tools!

Der obere Teil des Funnels verändert sich also. Das LLM hilft dem Nutzer, das Problem zu erkennen, die Symptome zu ordnen und sie mit einer Lösungskategorie zu verknüpfen. Eine Marke kann in das Gespräch einsteigen, noch bevor der potenzielle Kunde den Namen des Produkts kennt, das er braucht.

Doch der Mittelteil des Funnels schrumpft am stärksten. Früher öffnete ein Nutzer mehrere bis zu ein Dutzend Tabs, las Artikel, Foren, Bewertungen und Vergleiche. Er filterte die wiederkehrenden Argumente manuell heraus und erstellte selbst eine Shortlist. Jetzt übernimmt das LLM einen großen Teil der Synthese und der ersten Filterung.

Der alte Funnel sah etwa so aus: Bedürfnis → Google-Suchphrase → Liste von Ergebnissen → mehrere Quellen → Vergleich → Shortlist → Website der Marke → Entscheidung

Der neue Pfad ist oft kürzer: Symptome → Gespräch mit der KI → Benennung des Bedürfnisses → Kriterien und Shortlist → Verifizierung der Marke → Entscheidung

Immer häufiger wird die eigentliche Sucharbeit vom Modell im Auftrag des Nutzers erledigt, das Zugriff auf eine Suchmaschine hat: Es kann mehrere Anfragen senden, die Quellen prüfen und das Ergebnis übergeben. Wenn deine Marke nicht in der Menge des Materials auftaucht, aus dem diese Synthese aufgebaut wird, hat sie kaum eine Chance, auf die Shortlist zu kommen.

Was bedeutet „Ranking in ChatGPT“ eigentlich?

Der Begriff klingt vertraut, weil wir ihn aus dem SEO entlehnt haben. In Google kann man die Position einer Seite für einen bestimmten Begriff grob verfolgen. Die Antworten von Sprachmodellen sind weitaus instabiler. Sie hängen davon ab, wie die Frage formuliert ist, vom Kontext des Gesprächs, dem Standort, den verfügbaren Tools, den verwendeten Quellen und der aktuellen Version des Modells.

Deshalb lässt sich die Sichtbarkeit einer Marke in LLMs am besten entlang von drei Dimensionen verfolgen:

Erwähnung – das Modell nennt die Marke in seiner Antwort.
Zitierung – die Antwort verlinkt auf die Seite der Marke oder nennt sie als Quelle.
Empfehlung – die Marke landet auf der Shortlist der Lösungen, die auf die Situation des Nutzers passen.

Jede Dimension hat einen anderen Wert und kann unabhängig von den anderen auftreten.

Eine Erwähnung kann das Markenbewusstsein stärken und kann auch Traffic generieren, der… nicht einer spezifischen Quelle zugeordnet werden kann. Das passiert mir ständig: Das Modell nennt ein Tool, und ich öffne selbst einen neuen Tab im Browser und tippe den Namen ein. Die Analyse wird meinen Besuch als „von Google“ oder sogar als „direkten Traffic“ anzeigen.
Eine Zitierung kann Traffic bringen – und zwar solchen, den man tatsächlich messen kann. Wenn ein LLM mir einen Textausschnitt zeigt, werde ich wahrscheinlich darauf klicken, um den ganzen Artikel zu lesen. Aber Vorsicht: Nur wenn das zitierte Fragment meine Frage nicht vollständig beantwortet (denk daran: nur 1 % klickt auf Links in KI-Zusammenfassungen?).
Eine Empfehlung beeinflusst die Entscheidung direkt, selbst wenn der Nutzer keinen einzigen Link anklickt.

In Branchen-Diskussionen wirst du auf verschiedene Namen für diese Art der Sichtbarkeitsarbeit stoßen:

GEO – Generative Engine Optimization,
AEO – Answer Engine Optimization,
LLMO – Large Language Model Optimization,
AI SEO — oder einfach KI-Ranking.

Über den besten Akronym zu streiten, bringt für die tägliche Arbeit wenig. Sie alle führen zur gleichen Frage: Was musst du tun, damit das System Informationen über deine Marke finden, sie korrekt verstehen und einen Grund haben, sie in der Antwort zu verwenden?

Woher nehmen ChatGPT und andere KI-Tools ihre Antworten?

Ein LLM greift auf zwei Ebenen für Wissen über deine Marke zu. Die erste – und diejenige, die das populäre Denken dominiert – ist, dass das LLM dank seines Trainings alles „weiß“. Wenn du eine bekannte Marke oder ein Prominenter bist, der im Internet immer wieder erwähnt wird, stimmt das. Das Problem ist jedoch, dass Daten, die während des Trainings eingebrannt wurden, nicht einfach durch das Veröffentlichen eines Artikels auf deiner Website aktualisiert werden können.

Die zweite Ebene, die für Marketer weitaus praktischer ist, ist das Suchen und Abrufen von Informationen während der Generierung der Antwort. Systeme mit dieser Fähigkeit – einschließlich ChatGPT Search, Perplexity, Google AI Overviews, AI Mode oder Microsoft Copilot – können auf aktuelle Seiten, Suchindizes und zusätzliche Datenbanken zugreifen.

Google beschreibt einen Mechanismus namens query fan-out, der in seinen KI-Funktionen eingesetzt wird: Das System bricht eine komplexe Frage in mehrere kleinere Anfragen auf, die verschiedene Aspekte des Problems abdecken. Bei einer Frage nach einem ruhigen Restaurant könnte es separat den Standort, das Menü, die Bewertungen, die Öffnungszeiten und die allgemeine Atmosphäre prüfen – und dann die Ergebnisse zu einer einzigen Antwort zusammenführen.⁴

Dies hat zwei wichtige Konsequenzen. Erstens beeinflusst klassisches SEO weiterhin die Sichtbarkeit in der KI, da eine Seite immer noch gefunden, gelesen und indiziert werden muss. Zweitens verliert ein einzelnes „Hauptkeyword“ einen Teil seiner alten Macht. Eine Marke muss über das gesamte Netz an Themen, Fragen, Anwendungsfällen und Beziehungen hinweg gut beschrieben sein, die ein Modell bei der Suche nach einer Antwort auslösen könnte.

Die restliche Arbeit lässt sich in fünf Verben zusammenfassen: finden → verstehen → bestätigen → zitieren → messen.

Schritt eins: Bring deine Google-Sichtbarkeit und die technischen Grundlagen in Ordnung

Bevor du dich mit dem Ranking in ChatGPT und anderen LLMs beschäftigst, musst du prüfen, ob das traditionelle Google-Ranking deiner Marke in gutem Zustand ist. Warum? Weil Funktionen wie Featured Snippets, Google Maps, der Local Pack und Knowledge Panels der Ära generativer Antworten vorausgingen. Sie besetzen immer noch wertvolle Flächen in Google und zeigen, ob die Suchmaschine ein Unternehmen, eine Person, ein Produkt oder einen Ort korrekt versteht.

Featured Snippets

Ein Featured Snippet zieht ein Textfragment von einer Seite und zeigt es an einer hervorgehobenen Stelle in den Ergebnissen an. Google wählt die Seite und das Fragment selbst aus, daher gibt es kein Anmeldeformular oder Tag, das dies garantiert.

Du kannst es Google jedoch erleichtern, dich auszuwählen:

Baue Überschriften um die tatsächlichen Fragen herum, die Nutzer stellen;
Platziere eine kurze, in sich geschlossene Antwort direkt unter der Überschrift;
Verwende Aufzählungen, wenn die Frage nach Schritten fragt;
Verwende eine klare Tabelle, wenn der Nutzer Parameter vergleicht;
Achte auf Indexierung, interne Verlinkung und semantisches HTML;
Nenne deine Quellen und aktualisiere Informationen, die schnell veralten.

Das Fragment muss für sich allein sinnvoll sein, wenn es aus dem restlichen Artikel herausgelöst wird. Dieselbe Qualität macht es auch nützlicher für ein System, das eine KI-Antwort erstellt.

Es gibt auch keinen speziellen schema.org-Typ für Featured Snippets. Worauf du stattdessen achten solltest, sind die Anweisungen, die die Vorschau steuern. nosnippet verhindert, dass dein Inhalt in regulären oder hervorgehobenen Snippets verwendet wird, data-nosnippet schließt einen markierten Teil der Seite aus, und ein niedriges max-snippet begrenzt die Menge des von Google angezeigten Textes. Wenn du in Antworten erscheinen willst, setze diese „Maulkorbe“ nicht versehentlich. Google beschreibt die Regeln und Steuerelemente in der Featured Snippets Dokumentation.

Google Maps und der Local Pack

Für ein lokales Unternehmen ist die Grundlage ein verifiziertes, aktuelles Google Business Profil. Name, Hauptkategorie, Adresse oder Einsatzgebiet, Telefonnummer, Öffnungszeiten, Leistungen, Fotos und Bewertungen sollten alle dasselbe Unternehmen beschreiben, das der Nutzer auf deiner Website sieht.

Google nennt drei Hauptgruppen von Signalen für lokale Ergebnisse: Relevanz, Entfernung und Prominenz. Die Entfernung kannst du mit gutem SEO-Text nicht ändern. Was du jedoch tun kannst:

Beschreibe deine Kategorie präzise,
Halte deine Daten vollständig,
Erarbeite echte Bewertungen,
Baue die Präsenz deines Unternehmens in glaubwürdigen lokalen und branchenspezifischen Quellen auf.

Ein echter Firmenname funktioniert besser als ein mit Keywords vollgestopfter Name. „Blumenhandlung Rosengarten“ sollte „Blumenhandlung Rosengarten“ bleiben, anstatt zu „Blumenhandlung Rosengarten – Hochzeitssträuße günstig Stadtmitte Lieferung am selben Tag“ zu werden. Google verbietet auch Profile für virtuelle Büros sowie das Kaufen oder selektive Anfordern positiver Bewertungen. Du kannst jeden echten Kunden neutral um eine Bewertung bitten und sowohl Lob als auch Kritik beantworten. Eine sehr gute Idee hierfür ist ein QR-Code, der die Leute direkt auf die Seite führt, auf der sie dir eine Bewertung hinterlassen können.

Die Richtlinien für das lokale Ranking von Google bieten keinen kostenpflichtigen Shortcut an die Spitze des organischen Local Packs.

Wenn ein Unternehmen mehrere Standorte hat, lohnt es sich, für jeden realen Standort eine separate, indexierbare Seite zu erstellen. Platziere dort die passenden Kontaktdaten, Öffnungszeiten, das Leistungsspektrum, die Anfahrt und den korrekten LocalBusiness-Subtyp. Strukturierte Daten helfen, die Fakten zu verknüpfen, aber das Ranking wird immer noch durch Relevanz, Entfernung und Prominenz angetrieben.

Das Wissenspanel (Knowledge Panel)

Ein Wissenspanel erscheint, wenn Google eine Person, Organisation oder ein anderes Konzept als Entität erkennt und Informationen aus mehreren Quellen zusammenstellen kann. Was hier hilft:

Eine eindeutige „Über uns“- oder „Über den Autor“-Seite;
Ein konsistenter Name und eine Beschreibung deiner Tätigkeit;
Strukturierte Daten für Organization, Person und ProfilePage;
Die Eigenschaft sameAs, die auf deine offiziellen Profile verweist;
Unabhängige, glaubwürdige Publikationen, die die wichtigsten Fakten bestätigen;
Ein aktuelles Google Business Profil, falls die Marke lokal agiert.

Wenn bereits ein Panel existient, kann der Vertreter der Person oder Organisation es beanspruchen und Korrekturen vorschlagen. Das bloße Hinzufügen von Schema oder einem Social-Profil erzwingt jedoch nicht die Erstellung durch Google. Google setzt das Bild einer Entität aus vielen konsistenten Signalen zusammen.

Nach der Verifizierung kann der Inhaber Änderungen vorschlagen, aber der endgültige Inhalt des Panels liegt bei Google. Untermauere jede Korrektur mit einer öffentlichen Quelle. Wenn eine falsche Beschreibung von einer externen Website stammt, korrigiere auch diese Quelle – andernfalls kann der Fehler beim nächsten Mal, wenn die Daten neu verarbeitet werden, wieder auftauchen. Google beschreibt den Prozess zur Beanspruchung eines Wissenspanels.

Bitte einen Agenten um ein Audit der Sichtbarkeit deiner Website

Bevs du anfängst, spezielle Inhalte für die KI zu erstellen, prüfe, ob Crawler überhaupt an das gelangen können, was du bereits hast. Ein Agent mit Internetzugriff und Zugriff auf deinen Website-Code kann einen großen Teil des technischen Audits übernehmen.

Bitte ihn, Folgendes zu prüfen:

Serverantworten und Weiterleitungen;
die robots.txt-Datei und die Sitemap;
die Anweisungen noindex, nosnippet und canonical;
Titel, Meta-Beschreibungen und die Überschriftenstruktur;
interne Verlinkung – und nach einem vollständigen Website-Scan im Vergleich zur Sitemap auch „verwaiste“ Seiten (Orphan Pages);
ob die wichtigsten Inhalte im HTML zugänglich sind;
strukturierte Daten und ob sie mit dem für Menschen sichtbaren Text übereinstimmen;
der Zugriff für Googlebot, Bingbot, OAI-SearchBot und PerplexityBot;
widersprüchliche Informationen über deinen Namen, Autor, das Angebot, die Adresse oder Markenprofile.

Ein Beispiel-Briefing könnte so aussehen:

Prompt

Führe ein öffentliches Audit der Website `[URL]` im Hinblick auf die Google-Sichtbarkeit durch. Prüfe die Startseite sowie die wichtigsten Unterseiten, `robots.txt`, die Sitemap, Indexierbarkeit, Canonicals, Metadaten, Überschriften und interne Verlinkung sowie die `schema.org`-Daten. Bewerte außerdem, ob die Markeninformationen ein konsistentes Bild der Entität ergeben. Rate nicht. Nenne für jedes Problem die Seiten-URL oder das Code-Fragment, das es beweist. Präsentiere die Ergebnisse in einer Tabelle: Problem, Beweis, Auswirkung, Priorität und empfohlene Korrektur. Trenne Beobachtungen, die öffentlich gemacht werden können, von Daten, die Zugriff auf die Google Search Console oder Analytics erfordern.

Dieser letzte Satz ist sehr wichtig. Ein Agent, der deine öffentliche Website betrachtet, weiß nicht, für welche Suchanfragen sie angezeigt wird, wie hoch die Impressionen oder die CTR sind oder welche Probleme nur in den Dashboards der Eigentümer sichtbar sind.

Dies führt uns zum nächsten Thema.

Wie gibt man einem Agenten Daten aus der Google Search Console?

Es gibt drei sinnvolle Wege. Die Wahl hängt hauptsächlich davon ab, ob du ein einmaliges Audit durchführst oder einen laufenden Prozess aufbaust.

| Bedarf | Zugriffsmethode | Schwierigkeitsgrad |
|---|---|---|
| Einmalige Analyse | CSV-, Excel- oder Google Sheets-Export | niedrig |
| Manuelles Durchsehen einiger Berichte | Separates Konto mit eingeschränktem Browserzugriff | niedrig bis mittel |
| Laufendes Monitoring | Search Console API mit Schreibschutz (Read-only) | mittel bis hoch |

Die einfachste Methode erfordert keinerlei Integration. Exportiere die Anfragen- und Seiten-Daten aus dem Bericht „Leistung“ als CSV oder in Google Sheets. Übergib die Datei dann dem Agenten und bitte ihn um eine Analyse. Für den Anfang ist es ratsam, mindestens drei Monate an Daten zu exportieren, die Suchanfragen, Seiten, Klicks, Impressionen, CTR und die durchschnittliche Position abdecken.

Ein Standard-Berichts-Export enthält bis zu die ersten 1.000 Zeilen, die im Bericht sichtbar sind. Bei einer größeren Website sieht der Agent also nur den wichtigsten Teil der Suchanfragen, könnte aber den „Long Tail“ verpassen. Erwähne dies in deinem Briefing. Am sichersten ist es, drei separate Exporte zu übergeben: Anfragen, Seiten und Daten mit einem Zeitraumvergleich. Google dokumentiert den Umfang des Exports in der Hilfe zur Search Console.

Der Agent kann dann Folgendes finden:

Seiten mit hohen Impressionen und niedriger CTR;
Suchanfragen, bei denen der Inhalt die Absicht des Nutzers verfehlt;
Seiten, die um dieselben Suchanfragen konkurrieren – vorausgesetzt, du lieferst die Beziehung zwischen Anfrage und Seite (via API oder durch Filtern der Anfragen im Interface);
Themen, die an Sichtbarkeit gewinnen oder verlieren;
Fragen, die eine eigene, zitierfähige Antwort verdienen;
Unterschiede zwischen Brand-Traffic und Non-Brand-Traffic.

Für die laufende Arbeit ist der Zugriff über die Search Console API oder eine fertige Integration komfortabler. Eine Schritt-für-Schritt-Anleitung sprengt den Rahmen dieses Artikels, aber die Google-Dokumentation beschreibt alles, was du oder dein Webmaster wissen müssen.

Der dritte Weg nutzt einen Agenten, der in einem angemeldeten Browser arbeitet. Du stellst sicher, dass dein ChatGPT oder Claude Browserzugriff hat, meldest dich in deinem Google-Konto an und überlässt dem Agenten die Kontrolle. Er klickt sich durch und liest, was er braucht. Achte hierbei auf die Sicherheit – ein Browser-Agent hat exakt dieselben Berechtigungen wie du. Wenn in deiner Search Console also mehr als ein Kunde hinterlegt ist (z. B. wenn du eine Agentur bist) oder du dir nicht ganz sicher bist, was du tust: Lege zumindest ein separates Google Search Console Konto an, melde dich damit an und lass den Agenten innerhalb dieser Grenzen arbeiten. Eine im Prompt geschriebene Anweisung hilft, den Agenten zu steilen, aber nur systemseitige Berechtigungen schränken wirklich ein, was er tun kann.

Meine bevorzugte Methode ist die API. Über die API kann ein Agent Search Analytics, Sitemaps und die Daten der URL-Prüfung analysieren: den Indexierungsstatus einer Seite, Sperren, das von Google gewählte Canonical oder das letzte Crawling-Datum sowie erkannte Rich Results. Die URL-Prüfungs-API zeigt die Version, die im Index bekannt ist, und nicht einen Live-Test der aktuellen Seite. Deshalb sollten Dashboard-Daten ein öffentliches Code-Audit ergänzen, nicht ersetzen.

Die einfachste Regel lautet: Erstes Audit – CSV; Analyse im Interface – separates Konto mit eingeschränktem Zugriff; Laufendes Monitoring – Read-only API.

Schritt zwei: Baue eine eindeutige Entität auf

Eine Entität ist ein erkennbares Objekt: eine Person, ein Unternehmen, eine Marke, ein Produkt, ein Ereignis oder ein Ort. „Paul Skah“ kann nur eine Zeichenfolge sein, aber für das System sollte es eine spezifische Person bedeuten, die mit bestimmten Büchern, dem Unternehmen MIDEA, Vortragsthemen, einer offiziellen Website und Social-Profile verbunden ist.

Das Modell muss mehrere Dinge klären:

Wie heißt die Marke? Für mich ist das Paul Skah.
Zu welcher Kategorie gehört sie? Für mich ist Paul Skah eine Person.
Was bietet sie an und wem hilft sie? Ich habe mehrere Seiten, die meine Dienstleistungen, Trainingsprogramme usw. beschreiben.
Wo operiert sie? Ich bin kein lokales Unternehmen, also wirst du mich nicht auf Google Maps finden.
Welche Personen, Produkte und Organisationen sind damit verbunden? Ich habe drei Bücher geschrieben, jedes mit einer eigenen Seite.
Welche Profile und Seiten beschreiben dasselbe Objekt? Ich habe ein sameAs-Tag, das auf meine Social-Media-Profile verweist, sowie auf meinen Wikipedia-Eintrag (ja, ich habe einen). Im August 2026 erlaubte Google zudem das Hinzufügen von Social-Profilen zu Google Search Console (noch nicht alle – aktuell Instagram, TikTok, YouTube und X) – es lohnt sich, das zu tun.
Welche unabhängigen Quellen bestätigen diese Informationen?

Beginne mit deiner eigenen Website. Sie sollte eine eindeutige „Über uns“- oder „Über den Autor“-Seite für das Unternehmen oder den Autor haben, vollständige Kontaktdaten, eine klare Kategorienbeschreibung und Links zu offiziellen Profilen. Informationen, die im Footer, auf der Kontaktseite, in der Bio und in den strukturierten Daten wiederholt werden, müssen alle übereinstimmen.

Schema.org hilft dabei, einen Teil dieser Informationen in einem maschinenlesbaren Format zu übermitteln. Für ein Unternehmen sind Organization oder LocalBusiness meist ausreichend; für einen Autor Person und ProfilePage; für Inhalte Article oder BlogPosting; für die Navigation `BreadcrumbList. Die Eigenschaft sameAs kann die Entität mit offiziellen Profilen und anderen Seiten verknüpten, die dasselbe Objekt beschreiben.

Strukturierte Daten sollten den Inhalt widerspiegeln, den Nutzer tatsächlich sehen können. Google kann Auszeichnungen, Bewertungen oder Beziehungen ignorieren, die nur im Code stehen, und eine Diskrepanz kann gegen die Richtlinien für strukturierte Daten verstoßen.

Braucht jedes Unternehmen einen Wikidata-Eintrag?

Wikidata ist ein offener Wissensgraph, in dem Informationen als Beziehungen gespeichert werden: eine Person ist die Autorin eines Buches, ein Unternehmen hat seinen Hauptsitz in einer Stadt, ein Produkt gehört zu einer Marke. Dieses Format erleichtert die eindeutige Erkennung von Entitäten. Das bloße Erstellen eines Wikidata-Eintrags bietet jedoch keinen dokumentierten Vorteil in ChatGPT.

Ein Wikidata-Eintrag ist sinnvoll, wenn eine Person oder Organisation die Kriterien für die Relevanz des Projekts erfüllt und anhand ernsthafter, öffentlich zugänglicher Quellen beschrieben werden kann. Jede wesentliche Behauptung sollte zu einer Quelle führen. Ein Werbeeintrag, der ausschließlich auf der eigenen Website basiert, kann angefochten oder gelöscht werden.

Wenn deine Entität diese Bedingungen erfüllt:

Prüfe, ob bereits ein Eintrag existiert, um Duplikate zu vermeiden;
Füge ein prägnantes Label und eine Beschreibung hinzu, die die Entität von anderen mit ähnlichem Namen unterscheidet;
Fülle Eigenschaften wie offizielle Website, Branche, Hauptsitz, Autorenschaft oder verbundene Organisationen aus;
Untermauere wesentliche Behauptungen mit unabhängigen Quellen;
Verknüpfe den Eintrag mit anderen existierenden Entitäten.

Betrachte Wikidata also als ein mögliches Element zur Organisation deiner Markenidentität, wenn die Grundlage dafür besteht. Davor kümmere dich um eine konsistente Website, strukturierte Daten, Branchenprofile und unabhängige Publikationen.

Schritt drei: Veröffentliche Inhalte, die es wert sind, in einer Antwort verwendet zu werden

Ein Modell, das eine Antwort aufbaut, benötigt mehr als die allgemeine Behauptung, dass ein Unternehmen ein „Qualitätsführer“ ist. Es sucht nach Fragmenten, die helfen, eine spezifische Frage zu beantworten.

Am nützlichsten sind:

klare Definitionen;
kurze Antworten auf spezifische Fragen; buchstabierte Anleitungen (Schritt-für-Schritt);
Vergleichstabellen;
Originaldaten und Forschungsergebnisse;
dokumentierte Methoden und Experimente;
Fallstudien mit echten Zahlen;
Expertenkommentare;
Informationen, die zusammen mit einem Änderungsdatum aktualisiert werden.

Die Studie, die die Popularität des Begriffs GEO auslöste, fand in kontrollierten Experimenten heraus, dass das Hinzufügen glaubwürdiger Quellen, konkreter Statistiken und Expertenzitaten die Sichtbarkeit von Inhalten in generierten Antworten erhöhte. Betrachte das Ergebnis als Richtungssignal, nicht als unumstößliche Wahrheit, da das Experiment nicht jedes moderne System oder jede Branche abbildet.⁵

Guter Inhalt sollte leicht zitierbar sein, ohne seine Bedeutung zu verlieren. Wenn eine Überschrift eine Frage stellt, sollten die Sätze direkt darunter die Antwort liefern. Erst danach solltest du Kontext, Hintergrundgeschichte und Ausnahmen hinzufügen. Leser schätzen eine schnelle Antwort, und ein System kann das Fragment leichter der richtigen Frage zuordnen.

Den größten Vorteil bieten Materialien, die deine Konkurrenten nicht einfach kopieren können: eigene Daten, praktische Projekterfahrung, ein originelles Framework, ein gut dokumentiertes Experiment oder eine Sammlung echter Beispiele. Ein Text, der lediglich die Artikel von zehn anderen Personen zusammenfasst, erhöht zwar den Wortumfang des Internets, trägt aber selten zum Wissen bei. Hebe dir solche Inhalte für Social Media auf.

Schritt vier: Sorge dafür, dass andere deine Position ebenfalls bestätigen

Deine eigene Website sagt, wer du sein willst. Der Rest des Internets zeigt, für wen man dich tatsächlich hält.

Branchenpublikationen, Podcasts, Konferenzen, Bewertungen, branchenspezifische Verzeichnisse, Autorenprofile und Expertenkommentare helfen Systemen, die Verbindung zwischen einer Marke und einem Thema zu bestätigen. Was zählt, ist die Qualität und der Kontext der Erwähnung. Ein zufälliges Branchenverzeichnis trägt weniger bei als ein Artikel in einem angesehenen Medium, in dem ein Experte ein Problem innerhalb seines Fachgebiets erklärt.

Ich bemühe mich, in den Medien zu sprechen, um so Zitierungen zu verdienen. Hier sind einige Beispiele:

Mein Kommentar zum Forbes-Ranking der 100 wertvollsten Personal Brands für Frauen (dieser ist hinter einer Paywall).
Wie man einen Bericht über den Wert von Personal Brands liest für Wirtualne Media.
Mein Kommentar zu einem Artikel über lustige Firmen- und Markennamen für Bankier.pl.

Vor einiger Zeit, als ich über die Personal Brand eines Bloggers schrieb, verwendete ich den Begriff Content Graph: Zeig mir, wer dich publiziert, und ich sage dir, wer du bist. In der Welt der generativen Suche erhält diese Regel eine neue Bedeutung. Ein LLM kann seine Antwort auf eine externe Quelle stützen, die die Expertise einer Marke bestätigt, selbst wenn es die eigene Website der Marke nicht zitiert.

Baue also wiederholbare und echte Assoziationen auf: Marke → Kategorie → Problem → Beweis → externe Quelle

Der Kauf von Fake-Erwähnungen, das Erstellen gefälschter Bewertungen und das Stopfen deines Firmennamens in willkürliche Seiten erzeugt nur Rauschen. Glaubwürdigkeit wächst, wenn unabhängige Quellen einen echten Grund haben, über deine Marke zu schreiben.

Schritt fünf: Messe deine Sichtbarkeit in Antworten

Eine Frage, die nur einmal in ChatGPT gestellt wird, liefert dir eine Anekdote. Eine sinnvolle Messung erfordert einen festen Satz an Prompts und einen wiederholbaren Prozess.

Erstelle eine Liste von 20–30 Fragen aus verschiedenen Kategorien:

Brand-basiert: „Was macht Marke X?“;
Kategorie-basiert: „Welche Unternehmen helfen bei…?“;
Problem-basiert: „Ich habe dieses Problem – wonach sollte ich suchen?“;
Vergleichend: „X oder Y – was passt besser zu…?“;
**Empfehlungs-basiert: „Empfiehl drei Lösungen für…?“;
Lokal: „Wen empfiehlst du in [Stadt/Region]?“

Teste sie in mehreren Systemen, da ChatGPT, Gemini, Perplexity, Copilot und Google AI Overviews auf unterschiedlichen Mechanismen und Quellen basieren. Verwende nach Möglichkeit saubere Sitzungen ohne Chat-Verlauf. Starte den gleichen Satz einmal im Monat; das tägliche Überprüfen zufälliger Fragen erzeugt hauptsächlich nur Nervosität.

Messe separat:

ob die Marke erwähnt wurde;
ob sie mit einem Link zitiert wurde;
ob sie in eine Empfehlung aufgenommen wurde;
an welcher Stelle sie auf der Liste erschien;
wie sie beschrieben wurde;
ob die Beschreibung Fehler enthält;
welche Quellen zitiert wurden;
wie sie im Vergleich zur Konkurrenz abschneidet;
ob der Traffic von KI-Tools und das Volumen der Markensuchanfragen wachsen.

Für den Anfang reicht eine Tabelle aus. Schreibe die Fragen in die Zeilen und die Systeme sowie das Messdatum in die Spalten. Notiere die Antwort, die zitierten Domains und den Sichtbarkeitswert.

Bei einer größeren Anzahl von Prompts helfen spezialisierte Monitoring-Tools. Sie unterscheiden sich darin, welche Modelle sie abdecken, wie oft sie messen, die Konkurrenzanalyse, die Zitierhistorie und den Preis. Die folgende Übersicht habe ich am 14. August 2026 geprüft.

| Tool | Was es misst | Für wen |
|---|---|---|
| Ahrefs AI Visibility Checker | Kostenloser Stichproben-Test der Markensichtbarkeit | erste Erkundung |
| OtterlyAI | Erwähnungen, Zitierungen, Anteil an Antworten und Sentiment (u. a. in ChatGPT, AI Overviews, Perplexity und Copilot) | Einzelunternehmer und kleine Unternehmen |
| Semrush AI Visibility Toolkit | Eigene Prompts, Wettbewerber, Zitierungen, Sentiment und Website-Readiness-Audit | Unternehmen, die KI-Monitoring mit klassischem SEO kombinieren |
| Peec AI | Tägliches Tracking von Sichtbarkeit, Ranking, Wettbewerbern und zitierten Quellen in ausgewählten Engines | kleines Team oder Agentur mit mehreren Projekten |
| Ahrefs Brand Radar | Erwähnungen und Zitierungen in mehreren Systemen kombiniert mit SEO-, YouTube-, Reddit- und TikTok-Daten | Marke mit bestehendem SEO-Prozess, die ein breiteres Bild benötigt |
| Profound | Anteil an Antworten, Quellen, Sentiment, falsche Markenaussagen und KI-gesteuerter Traffic | größeres Team oder große Organisationen |

Preise und Funktionsumfänge ändern sich schnell, prüfe also vor dem Kauf die aktuellen Preise. Für eine Marke außerhalb der größten englischsprachigen Märkte sind drei Fragen wichtiger als die Anzahl der Diagramme: Unterstützt das Tool deinen lokalen Markt und deine Sprache? Ermöglicht es dir, eigene Prompts aus verschiedenen Phasen des Funnels hochzuladen? Und trennt es zwischen Erwähnung, Empfehlung und Zitierung?

Prüfe auch, wie jedes Tool die Antworten erhält. Einige fragen die Consumer-Schnittstelle ab, andere die API – und die Ergebnisse können variieren. Berechne die Kosten für das gesamte Setup: Anzahl der Prompts × Anzahl der Engines × Anzahl der Länder × Häufigkeit. Eine Anzeige für „50 überwachte Prompts“ sagt noch nichts darüber aus, wie viele tatsächliche Antworten dein Abonnement abdeckt.

Ein Monitor für die LLM-Sichtbarkeit gleicht eher einer regelmäßigen Meinungsumfrage als einem Google-Ranking-Check. Er stellt ausgewählten Modellen regelmäßig denselben Satz von Fragen und zeigt, ob sich das Narrativ um die Marke in die gewünschte Richtung beweglst. Kein Tool kann private Nutzergespräche oder jede einzelne von ChatGPT generierte Antwort sehen.

Vergiss auch die Daten aus regulären Suchmaschinen nicht. Im Juni 2026 begann Google Search Console damit, separate Sichtbarkeitsberichte für generative Suchfunktionen für eine Auswahl an Websites zu testen, und Bing Webmaster Tools veröffentlichte den AI Performance Report, der Zitierungen und die Präsenz von Inhalten in Copilot zeigt. Die Verfügbarkeit der Berichte hängt von der Website und dem Rollout-Stadium ab.

Plan für die ersten 30 Tage

Woche 1: Prüfe deinen Ausgangspunkt

Erstelle dein Fragen-Set und führe die erste Messung durch;
Bitte einen Agenten um ein öffentliches Audit deiner Website;
Exportiere Daten aus der Google Search Console;
Prüfe den Indexierungsstatus deiner wichtigsten Unterseiten.

Woche 2: Optimiere Fundamente und Entität

Behebe Crawling-Blockaden, Canonicals und Indexierungsfehler;
Vervollständige deine „Über uns“-Seite oder dein Autorenprofil;
Bereinige deine Unternehmensdaten und offiziellen Profile;
Füge die richtigen schema.org-Markups hinzu oder korrigiere sie;
Aktualisiere dein Google Business Profil.

Woche 3: Erstelle ein quellenwürdiges Stück Inhalt

Wähle eine wichtige Kundenfrage aus;
Bereite eine Antwort basierend auf deiner eigenen Erfahrung oder deinen Daten vor;
Füge deine Methode, Beispiele und glaubwürdige Quellen hinzu;
Baue eine klare Struktur aus Überschriften, Listen und Tabellen auf;
Verlinke das Stück mit deinen bestehenden Inhalten.

Woche 4: Verteile die Beweise und miss die Veränderung

Teile das Stück mit Partnern, Medien und deiner Branchen-Community;
Nutze die Daten in deinem Newsletter, Podcast und bei Vorträgen;
Prüfe, ob neue Zitierungen oder Erwähnungen erschienen sind;
Wiederhole das Basis-Fragen-Set nach einem Monat.

Wenn das nächste Mal jemand eine KI nach einem Restaurant, einem System für seine Agentur oder einem Experten für ein speziftes Problem fragt, wird deine Marke um einen Platz auf der Shortlist konkurrieren, noch bevor der erste Klick erfolgt. Beginne mit einer einzigen Handlung: Schreibe zehn Fragen auf, bei denen deine Marke erscheinen sollte, und prüfe heute die Antworten in drei Systemen. Diese Messung wird dir zeigen, ob du zuerst deine Fundamente reparieren, deine Entität ordnen, eine bessere Quelle schaffen oder mehr externe Bestätigungen verdienen musst.

Häufig gestellte Fragen

Wie rankt man ein Unternehmen in ChatGPT Schritt für Schritt?

Zuerst musst du prüfen, ob Suchmaschinen und KI-Bots deine wichtigsten Seiten finden und lesen können. Als Nächstes optimierst du die Entität der Marke: ihren Namen, die Kategorie, das Angebot, Beziehungen, Profile und strukturierte Daten. Veröffentliche Inhalte, die spezifische Kundenfragen beantworten und eigene Daten, Beispiele oder Erfahrungen enthalten. Erarbeite glaubwürdige Erwähnungen in externen Quellen, die den Bezug der Marke zum Thema bestätigen. Schließlich stellst du regelmäßig denselben Satz von Fragen in mehreren Systemen und misst Erwähnungen, Zitierungen und Empfehlungen separat.

Ist SEO für ChatGPT und AI Overviews noch wichtig?

Ja. Ein System, das auf Suche basiert, muss zuerst eine Seite entdecken, lesen und bewerten können. Google empfiehlt explizit, dieselben SEO-Grundlagen auch für seine KI-Funktionen anzuwenden: Crawlbarkeit, Indexierung, interne Verlinkung, als Text verfügbare Inhalte und strukturierte Daten, die mit dem sichtbaren Inhalt übereinstimmen.⁴

Garantiert schema.org KI-Zitierungen?

Schema.org hilft Suchmaschinen, den Typ eines Objekts, seine Eigenschaften und Beziehungen zu verstehen, garantiert aber keine KI-Zitierung. Den größten Wert bietet es, wenn es Informationen bestätigt, die bereits klar auf der Seite sichtbar sind.

Brauche ich eine `llms.txt`-Datei?

Google gibt an, dass seine KI-Funktionen keine speziellen Dateien oder zusätzlichen Tags erfordern. llms.txt bleibt ein Vorschlag, der von einigen Tool-Entwicklern genutzt wird, ersetzt aber weder die Indexierung noch die Sitemap, interne Verlinkung oder ein solides robots.txt.

Wie prüfe ich, ob ChatGPT meine Website besuchen kann?

Prüfe, ob robots.txt, eine Firewall oder ein CDN den OAI-SearchBot blockiert. OpenAI nutzt ihn, um Inhalte zu entdecken, die in ChatGPT Search erscheinen könnten. Der GPTBot dient einem anderen Zweck – dem Sammeln von Daten zur Unterstützung des Modelltrainings. Du kannst den Such-Crawler erlauben, während du den Trainings-Bot blockierst.⁶

Sollte jedes Unternehmen einen Wikidata-Eintrag erstellen?

Ein Eintrag sollte die Kriterien von Wikidata erfüllen und auf ernsthaften, öffentlichen Quellen basieren. Für ein Unternehmen ohne unabhängige Publikationen ist es ein besserer Startpunkt, die eigene Website, Profile, Schema.org-Markups und die Präsenz in Branchenquellen zu bereinigen.

Wie lange dauert es, bis man Ergebnisse sieht?

Crawler müssen die Seiten erneut besuchen, Suchmaschinen müssen die Änderungen verarbeiten und Systeme müssen ihre Indizes aktualisieren. Einige technische Korrekturen können innerhalb von Tagen oder Wochen Ergebnisse zeigen. Der Aufbau von Expertise und externer Validierung dauert in der Regel Monate. Deshalb solltest du mit einer Grundmessung beginnen und den Trend anhand einer Serie wiederholter Messungen beurteilen.

Quellen

SparkToro und Datos, 2024 Zero-Click Search Study.
Pew Research Center, Google users are less likely to click on links when an AI summary appears.
Gemius und Polskie Badania Internetu, Jak polscy internauci korzystają z ChatGPT?.
Google Search Central, AI features and your website.
Aggarwal et al., GEO: Generative Engine Optimization.
OpenAI, Publishers and Developers FAQ.