Zielgerichtete GEO-Strategie

Für DI Olaf Kopp, Head of SEO & AI Search (GEO) bei der Agentur Aufgesang in Hannover, lautet die entscheidende Frage, was man mit seiner GEO-Strategie erreichen möchte: „Will man als Quelle genannt werden oder mit der eigenen Unternehmensmarke oder den eigenen Produkten präsent sein? Beides sind typische Ziele von GEO-Maßnahmen. Sie erfordern aber unterschiedliche Strategien!“

Als Quelle genannt werden

„Wer dieses Ziel verfolgt, muss GEO- mit SEO-Maßnahmen kombinieren – ich spreche daher in diesem Fall gerne von SEO 2.0“, schickt Kopp vorweg. Und wie erreicht man, seine Zitierfähigkeit für generative KI-Modelle zu optimieren? – Wer in KI-Antworten als Quelle vorkommen möchte, sollte laut Kopp auf die Relevanz seiner Inhalte achten (was auch bei SEO 1.0 erforderlich ist) sowie seinen Content für KI aufbereiten, also die LLM-Readability verbessern (siehe Kasten).Was wird durch diese GEO-Strategie – oder SEO 2.0 – erreicht? „Die Sichtbarkeit wird verbessert und zudem kann mehr Traffic generiert werden, in dem man in den Quellenangaben der KI als Link auftaucht“, fasst Kopp zusammen.

Als Marke präsent sein

Wer mit seiner Marke und/oder seinen Produkten in KI-generierten Antworten auftauchen möchte, sollte laut Kopp online so viele Co-Nennungen wie möglich erzeugen, um eine Brand-Kontext-Optimierung zu erreichen. „Als Marke oder mit Produkten taucht man dann eher in den Antworten von LLMs auf, wenn man durch Empfehlungen oder Erwähnungen auf anderen Seiten seine allgemeine Sichtbarkeit erhöht“, erklärt er. Zudem rät Kopp zu einer optimalen Markenpositionierung mit Blick auf die jeweiligen Themenfelder und USPs in relevanten Quellen sowie nach Möglichkeit in dem Foundation-LLM selbst. „LLMs beantworten User-Fragen zunächst aus den Daten, die in ihrer Foundation bereits vorhanden sind. Erst, wenn sie darüber keine Antwort generieren können, recherchieren sie im Internet. Daher ist es wichtig, in den ‚Basisdaten‘ der KI bereits vorhanden zu sein“, so Kopp abschließend.

Optimierung der LLM-Readability

Um seine Inhalte für LLMs besser lesbar zu machen, empfiehlt Kopp:

  • Natürliche Sprachqualität
    – Lesbarkeit und Verständlichkeit
    – Fehlerfreiheit
    – klare Formulierung ohne Keyword-Stuffing (übermäßiger Keyword-Gebrauch)
  • Strukturierung
    – Listen und Tabellen für leichtere Lesbarkeit
    – Zwischenüberschriften
    – klare Headline-Hierarchie
    – logischer Aufbau
    – Erklärung – Belege – Kontext
  • Chunk-Relevanz (gibt an, wie gut Inhalte von LLMs verarbeitet und erfasst werden können)
    – kurze Absätze (weniger als 400 Zeichen) mit Zwischenüberschriften
    – jeder Absatz = eine klare Idee
    – W-Fragen als Zwischenüberschriften (wer, wie, wo, was, wann …)
    – Übereinstimmung Überschrift und Inhalt
  • Nutzerintensions-Match
    – direkte Beantwortung der Suchintention mit Präzision und Relevanz
    – Informationshierarchien
    – direkte Antwort oder Zusammenfassung
    – detaillierte Erklärungen
    – unterstützende Belege
    – zusätzlicher Kontext
  • Kontextmanagement
    – ausgewogenes Info-Kontext-Verhältnis
    – hohe Informationsdichte
    – „Lost in the middle“-Problem vermeiden
    – unterschiedliche Perspektiven
    – Einbauen: Personen, Orte, Organisationen, Konzepte, Produkte, Ereignisse
  • Konsistenz & Spezifität
    – Verwendung konsistenter Begriffe zur Stärkung semantischer Verbindungen
    – Verwendung spezifischer Daten und Quellen (spezifische Statistiken, quantifizierbare Fakten, vollständige Daten, Verweise zu vertrauenswürdigen Quellen)