1. Ausgangspunkt: Antworten statt Linklisten

Mehr als 25 Jahre lang war die Suche ein Spiel darum, einen möglichst hohen Rang zu erreichen: Nutzer geben ein Stichwort ein, erhalten eine Liste mit Optionen und klicken auf ein Ergebnis. Im Jahr 2026 ist dieser Ablauf definitiv nicht mehr die Norm. ChatGPT, das zu einem festen Bestandteil der Suchgewohnheiten der Nutzer geworden ist, verzeichnete im Februar 2026 rund 900 Millionen Nutzer pro Woche – mehr als doppelt so viele wie ein Jahr zuvor. Googles KI-Übersichten erreichen seit Mai 2026 über 2,5 Milliarden Nutzer pro Monat, und der neuere KI-Modus überschritt ein Jahr nach seiner Einführung die Marke von einer Milliarde Nutzern pro Monat. Antworten anstelle von Linklisten sind der neue Standard.

Die am stärksten verbreitete These des Jahres – dass der direkte Kauf im Chat der nächste logische Schritt sei – hat jedoch in letzter Zeit etwas an Schwung verloren: Im März 2026 stellte OpenAI die Funktion “Instant Checkout” in ChatGPT ein, etwa fünf Monate nach deren Einführung in den USA und nachdem nur etwa 30 Shopify-Händler den Dienst in Betrieb genommen hatten. Die Anbindung von Händlern und die Aktualisierung der Produktdaten data blieben schwierig, und Walmart verzeichnete bei Käufen, die direkt im Chat getätigt wurden, eine etwa dreimal niedrigere Konversionsrate als bei Klicks, die auf die eigene Website führten. Conversational Commerce wird ohnehin kommen – nur ist der Checkout-Kanal im Jahr 2026 noch nicht bereit. Die Infrastruktur dafür wächst zwar weiter, jedoch nicht linear: 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 data an mehrere KI-Systeme weiterzugeben. Sich heute auf ein einziges System festzulegen, stellt angesichts dieser Dynamik ein unnötiges Risiko dar.

Damit eine Marke überhaupt Konversionen über die KI-Suche erzielen kann, müssen zunächst die richtigen Grundlagen geschaffen werden, bevor man über den Kaufabschluss im Chat nachdenken kann. Das bedeutet, dass die Erwähnung und Empfehlung in der KI-Antwort an erster Stelle stehen muss, bevor ein Kauf getätigt wird – unabhängig davon, wo die Transaktion stattfindet. Genau dafür steht Generative Engine Optimization (GEO): die gezielte Optimierung von Inhalten und data, damit KI-Systeme wie ChatGPT, Gemini oder Perplexity eine Marke finden, verstehen und empfehlen können. GEO ersetzt die klassische Suchmaschinenoptimierung (SEO) nicht; sie baut zum großen Teil darauf auf.

2. Ein tiefer Einblick: Was ist GEO aus technischer Sicht?

Um GEO (Generative Engine Optimization) strategisch einzusetzen, ist es hilfreich, sich mit der Technologie auseinanderzusetzen – und mit den Bezeichnungen, die sich seit 2024 mehrfach geändert haben. Der Suchprototyp “SearchGPT” von OpenAI wurde bereits im Februar 2025 für alle Nutzer in ChatGPT integriert und wird seitdem als “ChatGPT Search” bezeichnet. Bei Google ist “Gemini” das zugrunde liegende Modell, jedoch nicht das Produkt, das bei der Suche Antworten liefert: “AI Overviews” ist das Antwortfeld oberhalb der klassischen Suchergebnisse, und “AI Mode” ist eine separate Registerkarte für die dialogorientierte Suche. Beide werden von Gemini-Modellen unterstützt.

Technisch gesehen basieren ChatGPT Search, AI Overviews/AI Mode und Perplexity auf der „Retrieval-Augmented Generation“ (RAG): Anstatt Seiten lediglich zu indexieren und zu bewerten, beziehen die Systeme Fakten in Echtzeit aus dem Internet und stellen daraus eine Antwort zusammen. Damit dies funktioniert, müssen Inhalte nach wie vor gecrawlt, indexiert und verstanden werden: Klassische SEO-Grundlagen bleiben daher die Voraussetzung dafür, in KI-Antworten zu erscheinen. Was können Sie also tun, und was sollten Sie vermeiden?

Was die Forschung tatsächlich zeigt

Die am häufigsten zitierte wissenschaftliche Studie zu GEO (Princeton, IIT Delhi, Georgia Tech und das Allen Institute for AI, KDD 2024, rund 10.000 Suchanfragen) untersuchte neun Optimierungsstrategien. Dabei wurde gemessen, wie sichtbar eine Quelle in der generierten Antwort ist (Wortanteil und Position). Die Autoren führten ihre Tests in einer eigens dafür entwickelten, kontrollierten KI-Suchumgebung sowie zusätzlich auf Perplexity durch; ChatGPT Search und AI Overviews waren nicht Teil der Studie. Das Ergebnis ist konkreter, als es die meisten GEO-Leitfäden vermuten lassen (Zunahme der Sichtbarkeit im Vergleich zu nicht optimierten Inhalten):

FaktorBedeutung für GEOStrategischer Ansatz
Statistiken im Text+31 % Sichtbarkeit in der KI-AntwortFügen Sie Ihre eigenen Zahlen, Studien und Vergleichswerte ein
Wortgetreue Zitate aus namentlich genannten Quellen+41 % Sichtbarkeit – der stärkste Einzelhebel in der StudieZitate von Experten und Kunden mit Name/Titel
Quellenangaben (Quellen zitieren)+27 % Sichtbarkeit, besonders effektiv bei SachfragenLink zu Primärquellen und data
Optimierung der Sprachflüssigkeit (flüssiger Text)+28 % Sichtbarkeit durch flüssigere TexteKlare, leicht verständliche Formulierungen statt Fülltext
Keyword-Spamming−8 % Sichtbarkeit: Diese klassische SEO-Taktik wirkt sich tendenziell nachteilig ausKeine Keyword-Dichte; verwenden Sie stattdessen konkrete Fakten

Tabelle 1: Wissenschaftlich belegte Optimierungstaktiken für GEO

Strukturierte data (Schema.org) waren nicht Gegenstand der Studie. Google betont, dass für KI-Übersichten und den KI-Modus dieselben Grundsätze gelten wie für die klassische Suche und dass weder eine gesonderte Optimierung noch ein spezielles Markup erforderlich ist. Unserer Ansicht nach lohnt sich dies dennoch: Wenn Produkte, Dienstleistungen und Fachwissen durch Schema.org und saubere Feeds klar strukturiert sind, ist es weniger wahrscheinlich, dass eine KI falsche oder veraltete Informationen über eine Marke ausgibt.

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

Der Rückgang der klassischen Klicks ist keine Prognose mehr, sondern eine nachweisbare Tatsache: Bei Informationsanfragen mit einer KI-Übersicht sank die organische Klickrate zwischen Juni 2024 und September 2025 von 1,76 % auf 0,61 %, laut Seer Interactive – ein Rückgang von etwas mehr als 60 %. Im Gegensatz dazu erhalten Marken, die in der KI-Übersicht selbst genannt werden, derselben Analyse zufolge deutlich mehr Klicks als nicht genannte Marken. Auf Publisher-Ebene zeigen die data (analysiert vom Wall Street Journal) für den Zeitraum von Juni 2025 bis Juni 2026 einen Rückgang des Google-Traffics zwischen 23 % (Politico) und über 85 % (Business Insider), wobei nicht jeder Rückgang ausschließlich auf die KI-Übersichten zurückgeführt werden kann.

Gleichzeitig zeigt Adobe – basierend auf mehr als einer Billion Besuche auf US-Einzelhandelswebsites – in Bezug auf die Qualität das Gegenteil: Der durch KI generierte Traffic auf Einzelhandels-Websites wies im Mai 2026 eine um 54 % höhere Konversionsrate auf als der nicht durch KI generierte Traffic, erwirtschaftete 53 % mehr Umsatz pro Besuch und verzeichnete innerhalb eines Jahres ein Wachstum von 138 %. Ein Jahr zuvor hatte der KI-Traffic noch deutlich schlechtere Konversionsraten als andere Kanäle aufgewiesen.

Das Fazit: Es gibt zwar weniger Besucher, diese sind jedoch deutlich kaufbereiter. Das klassische Klick-Tracking ist daher als Erfolgskennzahl zunehmend irreführend. Die Empfehlung erfolgt im Chat; der Kauf findet auf der Website des Händlers statt.

Die passendere Kennzahl wird als “Share of Model” (SoM) bezeichnet – ein Begriff, der im Jahr 2024 von Jack Smyth und Tom Roach (Jellyfish) geprägt wurde. Ursprünglich beschreibt er, wie ein Sprachmodell eine Marke wahrnimmt; in der Praxis wird jedoch meist der Anteil relevanter KI-Antworten gemessen, in denen die Marke erwähnt oder empfohlen wird. Es gibt noch keine einheitlichen Benchmarks, da die Werte stark von der Kategorie, dem Prompt-Set und dem KI-System abhängen. Am aussagekräftigsten ist vor allem der Vergleich mit direkten Wettbewerbern im Zeitverlauf. Im Gegensatz zu klassischen Rankings gibt es hier keine “Platz 4” – eine Marke wird entweder genannt oder ist nicht präsent.

4. GEO-Umsetzungsplan: Fünf Strategien für das Jahr 2027

Wie kann sich ein Unternehmen also für die Zukunft positionieren, damit es in KI-Systemen ebenso erwähnt wird wie bisher in der herkömmlichen Suche? Wir stellen Ihnen fünf Strategien vor, die sich in unserer Arbeit mit Kunden bewährt haben und zudem wissenschaftlich validiert wurden.

A. Strukturierung von Inhalten: Vom zusammenhängenden Text zum “atomaren Inhalt”

Die wichtigsten Informationen gehören in die ersten beiden Sätze eines Absatzes (Prinzip der direkten Antwort). Listen und Tabellen erleichtern das Erkennen von Vergleichen. Dies ist eine bewährte Faustregel aus der Praxis, keine von den Anbietern bestätigte Vorgabe. In der Praxis bedeutet dies: Jede Seite beantwortet eine konkrete Kundenfrage, Überschriften sind klare Aussagen oder Fragen, und Kerninformationen wie Leistungen, Preise, Konditionen und Kontaktmöglichkeiten erscheinen als kurzer, eindeutiger Text auf der Seite und nicht in Grafiken, PDF-Dateien oder hinter Registerkarten. Widersprüchliche oder veraltete Informationen auf verschiedenen Seiten sollten bereinigt werden, da Systeme, die mehrere Quellen gegenprüfen, andernfalls auf Widersprüche stoßen. Dies baut auf klassischen SEO-Prinzipien wie Suchabsicht und klarer Seitenstruktur auf, wendet diese jedoch konsequenter auf einzelne, extrahierbare Aussagen an.

B. Textebene: Belegen Sie Ihre Aussagen, formulieren Sie klar und deutlich, vermeiden Sie eine übermäßige Optimierung

Auch der Wortlaut selbst trägt dazu bei, ob Inhalte in einer KI-Antwort erscheinen. Fundierte Aussagen funktionieren am besten: Untermauern Sie zentrale Aussagen mit konkreten Zahlen, verweisen Sie auf Primärquellen und zitieren Sie Expertenaussagen unter Angabe von Name und Titel. Verwenden Sie eine flüssige, leicht lesbare Sprache. Vermeiden Sie Keyword-Spamming, d. h. die häufige Wiederholung von Suchbegriffen: Dieses veraltete SEO-Muster bringt hier keinen Vorteil.

Diese Taktiken entfalten ihre größte Wirkung in Kombination, beispielsweise durch eine klare Sprache in Verbindung mit fundierten Zahlenangaben. Welche Taktik die stärkste Wirkung erzielt, hängt vom jeweiligen Thema ab; bei Sachfragen sind Quellenangaben natürlich besonders wichtig.

C. Technische Grundlagen: Strukturierte Data für parallele Systeme

Laut Google sind Schema.org-Markups (Organisation, Person, Produkt, Bewertung) und saubere Produkt-Feeds zwar keine Voraussetzung für KI-Übersichten, bilden jedoch eine solide Grundlage, um KI-Systemen dabei zu helfen, Angebote korrekt zuzuordnen. Aufgrund der in der Einleitung beschriebenen Fragmentierung (AP2, Shopify-Feeds, OpenAI’s Agentic Commerce Protocol) lohnt es sich, auf offene, plattformunabhängige data-Standards zu setzen, anstatt sich an ein einziges Protokoll zu binden. Konkret bedeutet dies: Stellen Sie Produkt-, Preis- und Verfügbarkeitsdaten data aus einer einzigen, gepflegten Quelle bereit, veröffentlichen Sie diese über strukturierte data und überprüfen Sie regelmäßig, ob Website, Feed und Systeme von Drittanbietern übereinstimmen. Auch die Barrierefreiheit spielt eine Rolle: Wichtige Inhalte sollten für Crawler abrufbar sein und nicht ausschließlich über Skripte geladen werden.

D. Markenautorität (E-E-A-T 2.0)

E-E-A-T steht für „Experience“, „Expertise“, „Authoritativeness“ und „Trustworthiness“. Es handelt sich dabei um das Qualitätsrahmenwerk aus den Richtlinien von Google für Qualitätsbewerter und ist seit Jahren fester Bestandteil des Standard-SEO-Repertoires. Es bildet eine wichtige Grundlage für die GEO-Optimierung, da KI Informationen durch den Abgleich mehrerer Quellen validiert. Erwähnungen auf hochgradig autoritativen Websites Dritter sowie die Verknüpfung von Inhalten mit echten, überprüfbaren Autoren- und Expertenprofilen gelten als wichtige Vertrauenssignale. Dies bedeutet, Autoren mit Namen, Titel und Fachgebiet anzugeben, eigene data und Studien zu veröffentlichen, auf die andere verweisen können, sowie auf den Websites Dritter präsent zu sein, auf die sich die KI-Antworten in Ihrer Kategorie stützen (Fachmedien, Vergleichsportale, Branchenverzeichnisse, Bewertungsplattformen).

E. Überwachung: Den Anteil des Modells regelmäßig messen

Führen Sie Tests mit den 50 wichtigsten Kundenfragen Ihrer eigenen Kategorie durch – manuell oder mit Hilfe von Tools – in ChatGPT, Gemini und Perplexity. Der Fragenkatalog ist nach Kundenabsichten (informieren, vergleichen, entscheiden) gegliedert und wird regelmäßig wiederholt, da die Antworten der KI Schwankungen unterliegen. Bei der Auswertung wird geprüft, ob die Marke erwähnt wird, in welchem Ton dies geschieht und wie groß der Abstand zu den wichtigsten Wettbewerbern ist. Aus den Abweichungen ergibt sich eine Liste von Maßnahmen für Inhalte, data foundation und Drittquellen. Das Prompt-Tracking ergänzt das klassische SEO-Reporting, das aus Rankings, Sichtbarkeitsindex und Klicks besteht; beide Perspektiven gehören zusammen.

Wir empfehlen, in dieser Reihenfolge vorzugehen: Zunächst die Bestandsaufnahme (E), da diese aufzeigt, wo die Marke heute steht; anschließend die data foundation (C) sowie die Struktur (A) und die Formulierung (B) der Inhalte, die die Lücken schließen; und fortlaufend den Aufbau von Autorität (D), was am meisten Zeit in Anspruch nimmt.

Alle fünf Strategien zielen auf organische Sichtbarkeit ab, d. h. auf Empfehlungen, die sich eine Marke durch ihre data foundation verdient. Neben dieser verdienten Sichtbarkeit entsteht derzeit ein zweiter Kanal: die bezahlte Platzierung im Chat. Seit Ende August 2026 gibt es in Deutschland zudem einen kostenpflichtigen Weg in die KI-Antwort.

5. Bezahlte Präsenz im Chat: ChatGPT-Anzeigen in Deutschland

Am 24. August 2026 führte OpenAI ChatGPT Ads in Deutschland sowie in 30 weiteren europäischen Märkten ein. Seit dem 31. August können Unternehmen ihre Kampagnen direkt selbst im Ads Manager buchen, ohne das OpenAI-Vertriebsteam einschalten zu müssen. Die Anzeigen erscheinen als speziell gekennzeichnete “Sponsored Cards” unterhalb einer Antwort und sind auf den Kontext der Unterhaltung abgestimmt; personalisierte Anzeigen sind im EWR und in der Schweiz jedoch noch nicht verfügbar. Sie werden ausschließlich Nutzern der kostenlosen Tarife „Free“ und „Go“ angezeigt. Nutzer, die für die Tarife „Plus“, „Pro“, „Business“, „Enterprise“ oder „Edu“ bezahlen, sehen weiterhin keine Werbung.

Dies folgt einem bekannten Muster aus der klassischen Suche: Ein rein organischer Kanal wird zu einem hybriden Kanal aus organischer Sichtbarkeit und bezahlten Platzierungen – SEO erhält sein SEA-Pendant, nur dass dieses innerhalb des Chats statt neben der Ergebnisliste erscheint.

Bezahlte Sichtbarkeit erreicht lediglich das Segment der kostenlosen Nutzer, nicht jedoch die zahlenden Nutzer, die vermutlich häufiger hohe Ausgaben tätigen. Und eine “Sponsored Card” ist nicht dasselbe wie eine organische Empfehlung durch die KI selbst – der Unterschied zwischen gekaufter und verdienter Sichtbarkeit bleibt für die Glaubwürdigkeit einer Marke bestehen, genau wie es schon immer zwischen einer Suchanzeige und einem organischen Ranking der Fall war. OpenAI selbst betont, dass Werbung keinen Einfluss auf die Antworten von ChatGPT hat. Wer sich ausschließlich auf Anzeigen verlässt, ohne die in Abschnitt 4 beschriebene data foundation für organische Zitierbarkeit zu schaffen, erkauft sich Reichweite lediglich bei einem Teil der Nutzer. Gekaufte Reichweite schafft jedoch keine echte Empfehlung, wie es organische Inhalte könnten.

6. Fazit: Die Data Foundation entscheidet, nicht der Kaufkanal

Heute bildet SEO eine Schnittstelle zwischen datawissenschaft, Markenmanagement und Vertrieb. Die Ereignisse der Jahre 2025/26 zeigen jedoch auch, dass sich nicht jede Investition in Conversational Commerce sofort auszahlt. Was bleibt, ist die Notwendigkeit einer soliden, strukturierten und aktuellen data foundation – denn unabhängig davon, welches Checkout-Protokoll sich letztendlich durchsetzen wird, entscheidet diese data foundation 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 data 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 auszubauen: von der Analyse, wie ChatGPT, Gemini und Perplexity die Marke derzeit darstellen, über konkrete Empfehlungen für Inhalte und die data foundation bis hin zur kontinuierlichen Messung von KPIs wie dem „Share of Model“.

Quellen