Methodologie · GEO-Score 0 bis 100
Vier Engines. Ein Score, der zwei Wahrheiten zeigt.
Kein absoluter Wert, sondern ein Optimierungskompass: vier gewichtete Dimensionen, drei harte Gates, seitenweise gemessen. Pro Audit berichten wir zwei Werte: was heute zählt (Total Score) und was übermorgen noch trägt (Durable Score). Dokumentiert mit allen Limitierungen, nachprüfbar für jeden.
Zwei Werte pro Audit · Eigenmessung Mai 2026
Total zählt alle Citations, Tier-gewichtet. Durable zählt nur Tier 1 und Tier 2.
Arbeitsanweisung, kein Marketing-Dokument
Was hier steht, machen wir auch.
Diese Seite ist unsere Arbeitsanweisung: Jede Methode, die hier beschrieben ist, läuft in jedem Audit und in jedem Mandat, und jede Limitierung, die wir nennen, ist real. Wer nach drei Klicks merkt, dass eine Agentur anders arbeitet, als sie redet, hat seine Entscheidung schon getroffen.
Wir schreiben das offen auf, damit Sie filtern können. Passt die Methodik zu Ihrer Situation, lohnt sich das Gespräch. Passt sie nicht, lohnt es sich auch, nur kürzer.
Die Kennzahl
Was der GEO-Score misst.
Der GEO-Score ist eine Kennzahl von 0 bis 100, die misst, wie wahrscheinlich eine Website von KI-Systemen wie ChatGPT, Perplexity, Google AI Overviews und Gemini als Quelle ausgewählt und zitiert wird. Er wird seitenweise über vier gewichtete Dimensionen berechnet: Autorität, Content, Technik und Sichtbarkeit.
Gemessen wird pro Seite, nicht pauschal pro Domain: Eine starke Startseite sagt nichts über eine schwache Leistungsseite. Die auditierte Seitenbasis skaliert mit der Site-Größe und deckt jeden vorhandenen Seiten-Archetyp ab, von der Startseite über Money-Pages bis zu Proof-Inhalten. Startseite und zentrale Leistungsseiten zählen in der Aggregation doppelt.
Jeder Score ist an eine benannte Methodik-Version und ein Snapshot-Datum gebunden. Zwei Audits derselben Seite gegen dieselbe Version müssen denselben Wert ergeben, sonst taugt die Zahl nichts. Das klassische Such-Fundament ist dabei Teil des Scores, nicht ein separates Thema: Was nicht indexiert und crawlbar ist, wird praktisch nicht zitiert. Warum das so ist, steht ausführlich unter Was ist GEO.
Gelesen wird der Score relativ zur Wettbewerbsdichte der Kategorie: In stark umkämpften Märkten sind 60 Punkte bereits stark, in Nischen mit wenigen Anbietern sind 90 erreichbar. Verglichen wird nie absolut zwischen Branchen, sondern gegen das Wettbewerbs-Set, das im Audit definiert wird. Und wichtiger als der Absolutwert ist die Bewegung: Unsere eigene Optimierung ging in sieben Wochen von 22 auf 92, über Maßnahmen in allen vier Dimensionen. Der GEO-Score ist ein Optimierungskompass, kein Schulnoten-System. Er zeigt, wo Hebel liegen, nicht, wie gut man insgesamt ist.
Vier Dimensionen · eine Kausalkette
Gewichtet nach Evidenz, nicht nach Gefühl.
Der GEO-Score ist keine Citation-Zählung, sondern eine geschichtete Kausalkette: ein technisches Fundament als Tor, zwei Kern-Treiber, ein Verstärker. Die Reihenfolge unten folgt dieser Kette, das Gewicht folgt der Hebelwirkung.
Technik: Können Engines Ihre Inhalte überhaupt erreichen und lesen?
Geprüft werden Bing- und Google-Indexierung, serverseitiges Rendering, Crawler-Zugang (robots.txt gegen die aktuellen AI- und Such-Bots), interne Architektur und Core Web Vitals. Der Mechanismus dahinter: Die meisten KI-Crawler führen kein JavaScript aus. Vercel und MERJ fanden über mehr als 500 Millionen GPTBot-Abrufe hinweg keinen Beleg für JavaScript-Ausführung, und laut searchVIU (11/2025) rendern 69% der großen AI-Crawler kein JavaScript; nur Gemini rendert über Googles Infrastruktur voll. Client-seitig gerenderter Inhalt ist für die übrigen Engines faktisch unsichtbar. Drei Vorbedingungen (Crawler-Zugang, Rendering, Indexierbarkeit) prüfen wir deshalb als binäre Gates pro Seite: Reißt ein Gate, wird der effektive Score hart gedeckelt statt nur abgewertet.
Content: Ist die Antwort sauber entnehmbar?
Gemessen wird, ob Sprachmodelle die Antwort extrahieren können: Definition zuerst, Antwortposition im ersten Seitendrittel, selbsttragende Text-Chunks, konkrete Zahlen, benannte Quellen, Aktualitäts-Signale. Content ist der einzige experimentell belegte Hebel: Aggarwal et al. (KDD 2024) hoben die Sichtbarkeit in generierten Antworten durch Zitate, Quellenangaben und Statistiken um bis zu rund 40%, während Keyword-Stuffing unter der Baseline lag. Dazu korrelativ: 44,2% der Citations stammen aus dem ersten Drittel der Seite (Kevin Indig, Analyse von 1,2 Millionen ChatGPT-Antworten, 02/2026). Die Konsequenz ist kontraintuitiv: Fokussierte Seiten schlagen solche, die jeden Unterpunkt erschöpfend abdecken wollen.
Autorität: Warum vertraut die Engine Ihrer Quelle?
Der stärkste Hebel: Earned Media, Brand Mentions, die Etablierung als eindeutige Entität (Wikidata, Knowledge Panel, sameAs-Konsistenz) und Third-Party-Reviews, jede Erwähnung Trust-Tier-gewichtet. Die Korrelationslage ist eindeutig: Brand-Web-Mentions korrelieren mit KI-Sichtbarkeit bei r ≈ 0,66, rund dreimal stärker als Backlinks mit 0,22 (Ahrefs, 75.000 Marken, 2025), und 84% aller KI-Citations stammen aus Earned Media (Muck Rack, über 25 Millionen Links, 05/2026). Sichtbarkeit zahlt zudem aufs Geschäft ein: In Google AI Overviews zitierte Marken verzeichnen 35% mehr organische und 91% mehr bezahlte Klicks als nicht zitierte (Seer Interactive, 09/2025; Korrelation, keine bewiesene Kausalität). Deshalb das höchste Gewicht. Und deshalb ist Autoritätsaufbau kein Nebenprodukt, sondern die kontinuierliche Kernarbeit: Earned Media und Digital PR, Review-Aufbau, Entity-Pflege, engine-spezifische Community-Präsenz auf Reddit, LinkedIn und YouTube. Wir nennen das die Authority-Engine, den 35%-Hebel, der über Monate läuft, nicht über einen einzelnen Sprint.
Sichtbarkeit: Präsenz auf Quell-Kanälen, Schema als Entity-Verstärker.
Gemessen wird, ob die Marke dort präsent ist, wo Engines Quellen ziehen: Review-Plattformen wie G2, Capterra und Clutch, Communities, Directories, dazu strukturierte Daten zur Entity-Disambiguierung. Schema (Organization, sameAs, knowsAbout, Person) macht die Entität maschinenlesbar und speist den Knowledge Graph. Aber es ist kein Citation-Trick: Ahrefs verfolgte 1.885 Seiten, die JSON-LD nachrüsteten, gegen 4.000 Kontrollseiten und fand keinen Citation-Lift (05/2026), und ein searchVIU-Experiment zeigte, dass fünf große KI-Systeme beim Direktabruf nur sichtbares HTML extrahieren und JSON-LD ignorieren. Deshalb das niedrigste Gewicht: Schema bleibt als einmalig sauber gesetzter Entity-Verstärker im Modell, ausdrücklich nicht als primärer Citation-Treiber. Googles Richtlinien verlangen ohnehin, dass Markup den sichtbaren Inhalt widerspiegelt.
Nicht prüfbare Checks verlassen den Nenner, statt mit geratenen Teilpunkten gefüllt zu werden: Eine Vermutung ist keine Messung. Und wer nur Citations zählt, optimiert das Resultat ohne seine Ursachen. Wir messen die ganze Kette (Fundament, Treiber, Verstärker) und gewichten sie.
Engine-Scope und Prompt-Set
Vier Engines, ein dokumentiertes Prompt-Set.
Sichtbarkeit wird pro Engine getrennt gemessen und nie zu einer Zahl gemittelt: Laut Profound (680 Millionen ausgewertete Citations) werden nur rund 11% der Domains von ChatGPT und Perplexity gemeinsam zitiert. Aus einem hergeleiteten Branchen-Universum von 24 bis 40 Prompts wird ein nach Kaufnähe gewichtetes Kern-Set gebildet (im Standard-Audit rund 8), verteilt über vier Intent-Klassen.
| Intent-Klasse | Beispiel-Prompt aus dem Mandat Olschmidt-Partner (Ulm) | Was sie zeigt |
|---|---|---|
| Brand | „Was bietet Olschmidt Partner?“ | Kennt die Engine die Marke, und beschreibt sie sie korrekt? |
| Category | „Versicherungsberater Ulm AXA“ | Taucht die Marke auf, wenn nach der Kategorie gefragt wird, nicht nach ihr selbst? |
| Comparison | „AXA vs Allianz Beratung Ulm“ | Wird die Marke in Auswahl- und Vergleichssituationen genannt? Dort fällt die Entscheidung. |
| Definition | „Versicherung Bosnisch Kroatisch Serbisch Ulm“ | Long-Tail-Wissensfragen. In seltenen Nischen und Sprachpaaren liegt oft die erste zitierfähige Position, weil der Wettbewerb dünn ist. |
Das Prompt-Set wird im Audit dokumentiert und bleibt über Re-Audits konstant: Vergleichbarkeit über Zeit ist wichtiger als Prompt-Optimierung pro Messung. Microsoft Copilot und Claude messen wir auf Anfrage als Zusatz, die Reproduzierbarkeit ist dort heute schwächer als bei den vier Voll-Audit-Engines.
Der Ablauf
Vier Stufen, ein reproduzierbarer Score.
-
01GrundlageSeitenbasis und Version
Feste Auswahl-Regel statt Rosinenpickerei
Die Seitenbasis wird nach einer festen Regel gewählt: 5 bis 12 Seiten je nach Site-Größe, jeder Seiten-Archetyp mindestens einmal. So prüfen zwei Audits derselben Domain dasselbe Set, und eine kleine Stichprobe kann das Ergebnis nicht schönen. Jede Analyse startet mit Methodik-Version und Snapshot-Datum.
-
02GatesDrei binäre Voraussetzungen
Erst die Tore, dann die Substanz
Pro Seite werden drei harte Voraussetzungen geprüft: Zugang für AI-Crawler (robots.txt gegen die aktuelle User-Agent-Liste), serverseitig gerenderter Kerninhalt und Indexierbarkeit. Reißt eine Seite ein Gate, kann sie praktisch nicht zitiert werden, unabhängig von ihrer Qualität.
-
03ScoringRegelbasiert mit Beleg
Punkte nach Rubrik, nie nach Gefühl
Jede Dimension wird nach einer dokumentierten Rubrik bewertet. Jeder Punktabzug nennt den konkreten Fund auf der Seite oder in externen Quellen. Was sich nicht verifizieren lässt, wird als „nicht ermittelbar“ ausgewiesen und fließt nicht in den Score ein. Danach wird gewichtet zum Domain-Score aggregiert.
-
04MessungSichtbarkeit, live erhoben
Getrennt vom Score, getrennt pro Engine
Aus einem methodisch hergeleiteten Prompt-Universum von 24 bis 40 Prompts je Branche wird ein nach Kaufnähe gewichtetes Kern-Set gebildet (im Standard-Audit rund 8 Prompts über vier Intent-Klassen) und live abgefragt. Jede Engine wird einzeln ausgewiesen, denn die Überlappung zwischen den Engines ist gering. Gemessene Werte, keine geschätzten.
Die Deckel-Regel
Effektiver GEO-Score einer Seite mit einem Gate-Fail, egal wie stark ihr Inhalt ist. Bei mehreren Fails höchstens 5. Eine blockierte oder deindexierte Seite kommt nicht an.
Substanz-Score und effektiver Score stehen beide im Report · Die Lücke ist Sofort-Maßnahme Nummer eins
Citation-Klassifikation · Trust-Tier
Nicht jede Erwähnung wiegt gleich.
Wenn Engines auf Quellen verweisen, behandeln sie ein Leitmedium anders als ein Branchen-Verzeichnis. Wir klassifizieren jede Citation in drei Tiers, gewichten sie entsprechend im Score und leiten daraus den Durable-Score ab.
Tier 1 zählt fünffach gegenüber Tier 3 · Durable Score = Tier 1 + Tier 2 · Total Score = alle drei Tiers, gewichtet
Quellen, die ihren Trust selbst tragen.
Zwei Klassen: redaktionelle Leitmedien mit Prüfprozessen und Reputation (etwa Handelsblatt oder FAZ) und regulierte Review-Plattformen mit verifizierten Bewertungen und Moderation (G2, Capterra, Trustpilot, Clutch). Beide bringen ein eigenes, extern überprüfbares Trust-Fundament mit und übertragen es auf zitierte Marken. Deshalb zählt eine Tier-1-Citation im Score fünffach gegenüber Tier 3.
Fachmedien, Verbände, Hochschulen, Verlage.
Redaktioneller Anspruch, eigene Autoren, eigene Studien und Daten. Ein einzelner Fachverlags- oder Fachmedien-Eintrag wiegt mehr als zehn beliebige Verzeichnis-Einträge. Tier 2 hebt nicht nur den Score, sondern das Fundament: Aus diesen Quellen lernen Engines, was eine Marke ist.
Aggregatoren und Wire-Reprints.
Aggregator-Verzeichnisse und PR-Wire-Nachdrucke ohne redaktionellen Prozess, oft identische Listen über mehrere Domains, häufig untereinander verlinkt. Sie wirken kurzfristig, weil Engines sie heute zitieren, tragen aber kein eigenes Trust-Signal. Das Pendant zu Backlink-Farmen vor Googles Penguin-Update 2012.
Eine Recherche, die anders endete als geplant.
Wir wollten Wettbewerbsdaten für unsere eigene Vergleichsseite aufbauen: 40 Prompts rund um GEO-Agenturen über vier Engines, alle zitierten Quellen mitgeschnitten. Auffällig wiederkehrend war eine Handvoll Aggregator-Domains in fast jeder Antwort, mit identischen Listen, identischen Beschreibungen, oft identischer Reihenfolge. Die zweite Recherche-Schleife zeigte: kein redaktioneller Prozess, keine Quellenangaben, keine Autorenprofile, keine nachvollziehbare Aufnahmelogik. Wir haben das Muster dokumentiert, ohne einzelne Domains anzuschuldigen, und daraus die Trust-Tier-Logik gebaut, die heute in jedem Audit läuft.
Cliff-Edge-Hedging
Nutzen, was wirkt. Bauen, was bleibt.
Tier-3-Citations heute zu ignorieren wäre dogmatisch: Sie wirken. In einem unserer Mandate erzeugte ein einzelner Tier-3-Eintrag in den ersten vier Wochen mehr Citation-Volumen als drei Monate Tier-2-Aufbau parallel. Aber Engines lernen.
Bavaria AI · Modell · angenommene Dynamik, keine Messung
Cliff-Edge-Hedging heißt: Tier 3 nutzen, weil heute wirksam. Parallel und priorisiert Tier 1 und Tier 2 aufbauen, weil dort die Belastbarkeit liegt. Wer nur auf Tier 3 setzt, steht am Tag des Engine-Updates ohne Sichtbarkeit da. Wer nur auf Tier 1 wartet, ist bis dahin unsichtbar.
Google brauchte vom Aufkommen der Link-Farmen bis zum Penguin-Update 2012 über ein Jahrzehnt, um sie systematisch abzuwerten. Unsere Annahme: LLM-Engines durchlaufen diesen Lernprozess in Quartalen, denn die Trainingszyklen sind kürzer, das Feedback-Signal ist dichter, und die Betreiber haben ein direktes Interesse an Antwortqualität. Das ist ein Modell, keine Messung, und genau so behandeln wir es.
Zwei Scores
Total Score und Durable Score.
Aus der Tier-Logik berichten wir zwei Werte pro Audit. Der Total Score zählt alle Citations, auch Tier 3: gewichtet, aber gezählt. Der Durable Score zählt nur Tier 1 und Tier 2, also das, was nach einem Engine-Update voraussichtlich noch trägt.
Beispiel aus unserer Eigenoptimierung (Mai 2026): Total Score 92, Durable Score 47. Die Lücke von 45 Punkten zeigt, dass ein relevanter Teil unserer heutigen Sichtbarkeit an Quellen hängt, die morgen abgewertet werden könnten. Genau diese Lücke ist unser eigener Backlog für die nächsten sechs Monate, und sie wird im Reporting offen ausgewiesen statt im Total-Wert versteckt.
Sichtbarkeits-Kennzahlen
Was wir zählen, und was nicht.
Sichtbarkeit wird nicht behauptet, sondern über ein festes Prompt-Set live gemessen. Diese Begriffe strukturieren jede Messung und trennen belastbare Präsenz von flüchtiger.
| Kennzahl | Bedeutung |
|---|---|
| Nennung vs. Citation | Die Marke wird im Antworttext genannt, oder die eigene Domain wird als Quelle verlinkt. Zwei verschiedene Stufen von Sichtbarkeit, die getrennt gezählt werden. |
| Mention-SoV und Citation-SoV | Der Anteil der Prompts mit Marken-Nennung beziehungsweise Domain-Citation, jeweils im Verhältnis zum Wettbewerb (Share of Voice). |
| Total-Score vs. Durable-Score | Alle gefundenen Citations, Tier-gewichtet, gegenüber nur den belastbaren aus Tier-1- und Tier-2-Quellen. Der Durable-Score ist die ehrliche Sub-Zahl, die Differenz ist die fragile Lücke. |
| Trust-Tier | Klassifizierung der zitierten Quellen: Tier-1 sind Quellen mit eigenem Trust-Fundament, also redaktionelle Leitmedien (etwa Handelsblatt oder FAZ) und regulierte Review-Plattformen (etwa G2 oder Capterra). Tier-2 sind Fach- und Tech-Medien, Verbände, Hochschulen und Verlage, Tier-3 Wire-Reprints und Aggregatoren. |
| Cliff-Edge-Hedging | Flüchtige Quellen, die Engines heute zitieren, aber absehbar entfernen. Sie werden markiert und nicht als stabile Sichtbarkeit verkauft. |
| Snapshot-Datum | Jede Zahl gehört zu einem konkreten Messtag und einer Methodik-Version. Ohne zweiten Messpunkt gibt es keine Trend- oder Vorher-Nachher-Aussage. |
Engine für Engine
Vier Engines, vier Wege zur Sichtbarkeit.
Die vier Engines wählen und zitieren Quellen unterschiedlich, ihre zitierten Quellen überschneiden sich nur gering. Deshalb messen wir sie getrennt und optimieren je Engine anders. Eine Optimierung, die in einer Engine wirkt, überträgt sich nicht automatisch auf die anderen.
| Engine | Funktionsweise | Wichtigster Hebel |
|---|---|---|
| ChatGPT | Trainingswissen plus Live-Websuche über OAI-SearchBot | Breite, autoritative Web-Präsenz plus starke, eindeutige Entität |
| Perplexity | Retrieval- und citation-first, stark frischegetrieben | Direkt zitierfähige, aktuelle, strukturierte Inhalte plus Quellen-Autorität |
| Google AI Overviews | An Googles Index und Ranking gekoppelt | Klassische SEO-Stärke plus strukturierte Daten |
| Gemini | Google-Ökosystem, Knowledge Graph, Echtzeit | Google-Index-Präsenz plus Entitäts-Signale im Google-Graph |
Deshalb ist ein einzelner, nicht aufgeschlüsselter KI-Score irreführend. Sichtbarkeitsarbeit ist engine-spezifisch und laufend, keine einmalige Optimierung.
Grenzen der Methodik
Was der Score nicht kann.
Engines sind Black-Boxes: Wir messen, was zitiert wird, nicht, warum. Ein Audit ist nur so viel wert wie seine Ehrlichkeit, und diese Regeln haben Vorrang vor Vollständigkeit, in jedem Report.
-
01
Der Score ist ein Proxy
Er misst belegte Treiber für Citation-Wahrscheinlichkeit, nicht Citations selbst. Die Gewichte sind aus publizierten Korrelationsstudien begründet und werden über die ersten Mandate gegen live gemessene Citation-Daten nachkalibriert. Garantierte Citations oder Platzierungen gibt es nicht, bei niemandem.
-
02
Trust-Tier ist unser Modell
Die Tier-Klassifikation ist keine offizielle Engine-Logik, sondern unser dokumentiertes Modell dafür, welche Quellen ihren Trust selbst tragen. Ob es die Engine-Bewegungen korrekt vorhersagt, lässt sich erst rückblickend beweisen, nach dem nächsten großen Update. Deshalb berichten wir Total und Durable getrennt.
-
03
Nichts wird erfunden
Keine Zahl ohne Beleg. Nicht Messbares heißt „nicht ermittelbar“ und verlässt den Nenner. Ein Werkzeug-Limit, etwa ein geblockter Abruf, wird nie als Mangel der Seite gewertet: Werkzeug ist nicht gleich Seite.
-
04
Snapshot statt Story
KI-Antworten variieren von Prompt zu Prompt und von Tag zu Tag. Jede Zahl gilt deshalb für ihren Messtag und ihre Methodik-Version, und Vorher-Nachher-Aussagen brauchen zwei echte Messpunkte gegen dieselbe Version. Alle Leistungen sind als Tätigkeit beschrieben, kein bestimmtes Ergebnis wird garantiert.
Anti-Promise
Was wir nicht versprechen. Und was schon.
- Keine Garantie für eine bestimmte Citation-Anzahl.
- Keine Garantie für eine Position auf der Quellenliste einer Engine.
- Keine Garantie, dass der Score binnen einer Frist um X Punkte steigt: Die Bewegung hängt von Ausgangslage, Branche und Umsetzungstiefe ab.
- Wer so etwas verspricht, ignoriert die Black-Box-Realität der Engines.
- Ein dokumentiertes, versioniertes Audit, in dem jede Zahl Beleg und Messdatum trägt.
- Eine priorisierte Maßnahmen-Liste pro Dimension.
- Vorher-Nachher nur gegen dasselbe Prompt-Set und dieselbe Methodik-Version, nie gegen bewegliche Maßstäbe.
- Ehrliche Berichterstattung, auch wenn der Durable-Score langsamer steigt als der Total-Score.
Von der Messung zur Umsetzung
Drei Phasen, klar abgegrenzt.
Die Methodik ist kein Selbstzweck, sie strukturiert die Arbeit. Jede Phase ist ein abgegrenztes Engagement, damit Sie nur das buchen, was Ihre Situation gerade braucht.
Diagnose
Das GEO-Audit nach genau dieser Methodik: Gates geprüft, Substanz- und effektiver Score, Sichtbarkeits-Messung über vier Engines, priorisierte Befunde. Einmalig, ohne Folgebindung.
Fundament
Gate-Fixes und technisches Fundament, dazu das einmalige Schema- und Entity-Setup. Schema wird bewusst nicht im Audit deployed: Es wird einmal sauber gesetzt und bleibt danach Entity-Verstärker im Hintergrund.
Wachstum
Die Authority-Engine über Zeit: Earned Media, Reviews, Entitäts-Pflege, Monitoring über alle vier Engines. Der 35%-Hebel wirkt nur kontinuierlich, deshalb ist Wachstum ein laufendes Mandat, kein Projekt.
Belastbare Sichtbarkeit
Der Total-Score steigt über alle Quellen, der Durable-Score zieht nach, und die fragile Lücke schrumpft. Genau in dieser Reihenfolge berichten wir.
Die vollständige Methodik als PDF
Diagnose, Fundament und Wachstum auf zehn Seiten — belegt, mit Snapshot-Daten. Zum Nachlesen und Teilen im Team.
Methodik-PDF ladenSo entscheidet eine KI, welche Anbieter sie empfiehlt
Ob eine KI dich nennt, haengt kaum davon ab, wie gut du bist. Es haengt daran, ob im Web genug ueber dich steht, ob vertrauenswuerdige Quellen dich zitieren, ob deine Inhalte zitierfaehig gebaut sind und ob dein organisches Fundament stimmt. Alles andere ist Deko.
Beim Abspielen wird eine Verbindung zu YouTube hergestellt. Es gilt die Datenschutzerklaerung. Das vollstaendige Transkript steht unten, du musst das Video nicht starten.
-
01
Erwaehnungen
Die KI baut ihr Bild aus dem, was im Web ueber dich steht, nicht aus deiner Website. Spricht kaum jemand ueber dich, kennt sie dich nicht.
-
02
Vertrauen von aussen
Fachpresse, Bewertungsplattformen, Vergleichslisten. Wenn nur du sagst, dass du gut bist, zaehlt es nicht. Wenn andere es sagen, zaehlt es viel.
-
03
Zitierfaehige Inhalte
Eine KI braucht eine klare, direkte Antwort, die sie herausziehen kann. Keine Verkaufsseite, auf der die Antwort erst im dritten Absatz kommt.
-
04
Organisches Fundament
Google AI Overviews und die Websuche von ChatGPT ziehen bevorzugt aus Seiten, die ohnehin gut ranken. Das ist nicht das Ziel, sondern die Eintrittskarte.
Das ganze Video zum Mitlesen, nach Kapiteln
Leicht redigiert fuer die Lesbarkeit. Inhalt und Reihenfolge entsprechen dem Video.
-
01
Deine Kunden fragen nicht mehr Google
Deine potenziellen Kunden fragen heute nicht mehr Google. Sie fragen direkt ChatGPT: Wer ist der beste Anbieter fuer Branche XY? Wir zeigen dir jetzt live, wen ChatGPT nennt und wen nicht. Denn wenn deine Firma in der Antwort fehlt, existiert sie fuer diese Kunden nicht.
Die gute Nachricht: Das laesst sich aendern. Die schlechte: Fast alles, was du bisher dazu gelesen hast, ist falsch. Es ist keine Liste blauer Links mehr, es ist eine Empfehlung, eine Auswahl. Und ob du darauf stehst, hat fast nichts damit zu tun, wie gut du wirklich bist. Es gibt Topfirmen, die nie auftauchen, und mittelmaessige, die staendig oben stehen. Jede KI zieht ihre eigenen Quellen, und es gibt nicht die eine Stellschraube fuer alle.
-
02
Live: wen ChatGPT nennt und wen nicht
Ich stelle jetzt eine ganz normale Kaufanfrage, so wie ein potenzieller Kunde es tun wuerde. Und da ist die Antwort. ChatGPT nennt konkrete Anbieter mit Namen. Aber es ist keine Liste blauer Links zum Anklicken wie bei Google, es ist eine Empfehlung, eine Auswahl.
Jetzt kommt der Teil, der weh tut. Vielleicht steht deine Firma auf der Liste, vielleicht auch nicht. Und ob du genannt wirst, hat fast nichts damit zu tun, wie gut du wirklich bist. Es gibt Topfirmen, die weit unten oder gar nicht auftauchen, und mittelmaessige, die weiter oben stehen.
Damit du siehst, dass das kein Zufall ist: dieselbe Frage bei Perplexity. Teilweise andere Anbieter, teilweise dieselben, andere Reihenfolge. Jede KI zieht ihre eigenen Quellen. Es gibt nicht die eine Stellschraube fuer alle Engines, sie funktionieren alle unterschiedlich.
-
03
Warum ein Klick nicht mehr reicht
Kurzer Reality-Check. Viele denken: Das ist doch nur ChatGPT, ich ranke bei Google ohnehin auf Platz eins, ich brauche das nicht. Letztes Jahr war das vielleicht ein guter Gedanke, heute nicht mehr.
In der KI-Antwort bekommst du oft gar keinen Klick. Der Kunde liest die Empfehlung und entscheidet erst danach, ob er deine Website ueberhaupt besucht. Du musst also nicht mehr nur ganz oben stehen, sondern Teil der Antwort sein. Wer nicht genannt wird, faellt aus der Auswahl, bevor der Kunde deine Seite oeffnet.
-
04
Die vier echten Gruende
Warum wird die Konkurrenz genannt und du nicht? Vier Gruende, der wichtigste kommt zum Schluss.
Erstens: Du wirst nicht dort erwaehnt, wo die KI hinschaut. Und das ist nicht deine Website. Die KI baut ihr eigenes Bild aus dem, was im Web ueber dich steht. Spricht kaum jemand ueber dich, kennt sie dich nicht.
Zweitens: Du wirst nicht von den Quellen zitiert, denen die KI vertraut. Fachpresse, Bewertungsplattformen, Vergleichslisten. Wenn nur du sagst, dass du gut bist, zaehlt es nicht. Wenn andere es ueber dich sagen, zaehlt es viel.
Drittens: Deine Inhalte sind nicht so gebaut, dass eine KI sie zitieren kann. Sie braucht eine klare, direkte Antwort, die sie herausziehen kann. Keine Verkaufsseite, auf der die Antwort erst im dritten Absatz auftaucht.
Viertens: Dein Fundament fehlt. Gerade Google AI Overviews und die Websuche von ChatGPT ziehen bevorzugt aus Seiten, die ohnehin gut ranken. Das ist nicht das Ziel, sondern das Fundament, deine Eintrittskarte.
Und jetzt der wichtigste Satz im ganzen Video. Es ist nicht das Schema-Markup. Es ist nicht die llms.txt. Es sind nicht irgendwelche Blogartikel, die dir gerade viele Agenturen als Wundermittel verkaufen. Das bewegt die Nadel kaum. Die echten Hebel sind Erwaehnungen, Vertrauen von aussen, zitierfaehige Inhalte und ein sauberes Fundament. Der Rest ist Deko.
-
05
Vorsicht vor „Platz 1 in ChatGPT“
Eine Warnung, die dir viel Geld sparen wird. Wenn dir jemand verspricht, dass du in ChatGPT auf Platz eins rankst, lauf weg.
Der Grund: KI-Antworten schwanken. Stellst du dieselbe Frage zweimal, bekommst du oft unterschiedliche Antworten. Der Kern bleibt stabil, aber ein Grossteil rotiert Woche fuer Woche. Eine einzelne Momentaufnahme ist damit wertlos. Eine belastbare Zahl bekommst du nur ueber viele Durchlaeufe, nicht daraus, dass du einmal oben standest.
-
06
So testest du dich selbst in zehn Minuten
Genug Theorie. Du sollst heute noch wissen, wo du stehst, und den Test kannst du komplett selbst und kostenlos machen.
Erstens: Schreib fuenf echte Kauffragen auf, die deine Kunden stellen. Nicht deinen Firmennamen, sondern echte Probleme, die sie loesen wollen.
Zweitens: Gib jede Frage in alle vier Engines ein: ChatGPT, Perplexity, Google AI Overviews und Gemini.
Drittens: Stell jede Frage mehrfach, nicht nur einmal, weil die Antworten schwanken.
Viertens: Notiere, wie oft du genannt wirst und wie oft deine Konkurrenz. Die Haeufigkeit ist die echte KI-Sichtbarkeit.Das kostet dich vielleicht zehn Minuten und sagt dir ehrlich, ob du ein Problem hast. Mach das wirklich heute noch. Was der Test dir nicht sagt: welcher der vier Hebel bei dir zuerst zieht und in welcher Reihenfolge.
-
07
Wie es weitergeht
Genau das ist unsere Arbeit bei Bavaria AI. Wenn du nach dem Test merkst, dass du kaum vorkommst, und wissen willst, wo du stehst und was zuerst zu tun ist, dann melde dich zum kostenlosen Erstgespraech. Wir schauen uns deine Situation gemeinsam an, ohne Verpflichtung.
Wenn dir das Video geholfen hat, abonniere den Kanal. Wir zeigen dir jede Woche, wie du in der KI-Welt sichtbarer wirst. Als Naechstes zeige ich dir Schritt fuer Schritt, wie du in ChatGPT konkret sichtbarer wirst. Bis dahin: Mia san KI.
Du hast den Zehn-Minuten-Test gemacht und kommst kaum vor? Dann ist die naechste Frage nicht ob, sondern in welcher Reihenfolge.
Häufige Fragen
Die Methodik im Detail.
Was ist der GEO-Score?
Eine Kennzahl von 0 bis 100, die seitenweise misst, wie wahrscheinlich eine Website von KI-Systemen als Quelle zitiert wird. Berechnet über vier gewichtete Dimensionen: Autorität 35%, Content 30%, Technik 25%, Sichtbarkeit 10%. Jeder Wert ist an eine Methodik-Version und ein Messdatum gebunden.
Warum trennt der Report Substanz-Score und effektiven Score?
Der Substanz-Score zeigt das Potenzial der Inhalte. Der effektive Score deckelt ihn hart, wenn ein Gate reißt: bei einem Gate-Fail auf höchstens 15, bei mehreren auf höchstens 5. Eine blockierte Seite kommt real nicht an, und die Lücke zwischen beiden Werten macht den Gate-Fix zur sichtbaren Sofort-Maßnahme.
Was unterscheidet Total-Score und Durable-Score?
Der Total-Score zählt alle gefundenen Citations, nach Trust-Tier gewichtet, auch Tier 3. Der Durable-Score zählt nur Citations aus Tier-1- und Tier-2-Quellen, also aus Leitmedien, regulierten Review-Plattformen und Fachmedien. Die Differenz ist die fragile Lücke: Sichtbarkeit, die an Aggregator-Quellen hängt und bei einem Engine-Update wegbrechen kann. Beide Werte stehen in jedem Report.
Ist die Trust-Tier-Klassifikation ein offizieller Engine-Standard?
Nein. Sie ist unser dokumentiertes Modell dafür, welche Quellen ihren Trust selbst tragen und welche nicht. Wir halten es für die beste verfügbare Annäherung an die Engine-Dynamik, beweisen lässt es sich erst rückblickend nach dem nächsten großen Engine-Update. Deshalb weisen wir Total- und Durable-Score getrennt aus, statt eine einzelne Zahl zu behaupten.
Wie viele Seiten werden geprüft?
Gestaffelt nach Site-Größe: mindestens 5 Seiten bei kleinen Sites, mindestens 8 bei mittleren, 10 bis 12 und mehr bei großen. Jeder vorhandene Seiten-Archetyp wird mindestens einmal abgedeckt. Startseite und zentrale Leistungsseiten zählen in der Aggregation doppelt.
Wie wird die tatsächliche Sichtbarkeit gemessen?
Aus einem branchenspezifischen Prompt-Universum von 24 bis 40 Prompts wird ein nach Kaufnähe gewichtetes Kern-Set gebildet (im Standard-Audit rund 8 Prompts über die vier Intent-Klassen Brand, Category, Comparison und Definition) und live über ChatGPT, Perplexity, Google AI Overviews und Gemini abgefragt. Jede Engine wird getrennt ausgewiesen, und Nennungen werden von echten Citations unterschieden.
Garantiert ein hoher Score Citations?
Nein. Der Score misst Wahrscheinlichkeits-Treiber, keine Ergebnisse, und KI-Antworten schwanken täglich. Seriös lässt sich sagen: Die Maßnahmen erhöhen die Wahrscheinlichkeit, zitiert zu werden. Wer Ihnen Citations garantiert, verkauft etwas, das niemand kontrolliert.
Was passiert mit Signalen, die sich nicht prüfen lassen?
Sie verlassen den Nenner. Ein nicht messbarer Check wird als „nicht ermittelbar“ dokumentiert statt mit geschätzten Teilpunkten gefüllt. Und ein Werkzeug-Limit, etwa ein für Analyse-Tools geblockter Abruf, wird nie als Mangel der Seite gewertet.
Ist die Messung reproduzierbar?
Ja, das ist das oberste Ziel. Feste Seiten-Auswahlregel, dokumentierte Rubrik, versionierte Methodik: Zwei Audits derselben Seite gegen dieselbe Version ergeben denselben Score. Bei Wiederholungs-Audits wird die Differenz transparent zerlegt in reale Veränderungen der Seite und Methodik-Updates.
Der nächste Schritt
Wenn das zu Ihrer Situation passt.
Diese Methodik passt, wenn KI-Sichtbarkeit Ihre Kategorie heute schon beeinflusst, wenn Sie methodische Transparenz höher gewichten als Score-Versprechen, und wenn Sie Tier-1- und Tier-2-Aufbau über mindestens zwei Quartale denken. Wenn nicht, sind wir nicht der richtige Partner, und auch das ist ein ehrliches Ergebnis.
Evidenz-Hinweis: Die Gewichtung der Dimensionen folgt der publizierten Studienlage; die wichtigsten Quellen sind unten verlinkt, jeweils mit Studienstand. Wie stark KI-Citations an organischen Top-Rankings hängen, messen Studien je nach Engine und Messzeitpunkt sehr unterschiedlich. Deshalb arbeitet die Methodik mit einer Richtung statt einer fixen Prozentzahl: Die Mehrheit der Citations stammt aus organisch gut rankenden Quellen, Top-Rankings sind notwendig, aber nicht hinreichend. Alle genannten Korrelationswerte sind Korrelationen, keine bewiesene Kausalität.
Quellen (Auswahl): Aggarwal et al., GEO, KDD 2024 · Ahrefs, 75.000-Marken-Studie, 08/2025 · Ahrefs, Engine-Vergleich, 12/2025 · Ahrefs, Schema-Experiment, 05/2026 · Muck Rack, What Is AI Reading?, 05/2026 · Seer Interactive, AIO-CTR-Studie, 09/2025 · Vercel und MERJ, AI-Crawler-Analyse · searchVIU, JavaScript-Rendering-Test, 11/2025 · Kevin Indig via Search Engine Land, 02/2026 · Profound, Citation-Overlap-Analyse · Google Search Central, Structured-Data-Richtlinien
Alle genannten GEO-Scores und Kennzahlen sind zeitpunktbezogene Momentaufnahmen, gemessen über vier KI-Engines (ChatGPT, Perplexity, Google AI Overviews, Gemini). KI-Antworten schwanken und ändern sich laufend. Einzelne Angaben können unvollständig, veraltet oder fehlerhaft sein. Die Werte sind belegte Messungen zum jeweiligen Stichtag, keine Zusicherung künftiger Ergebnisse.