In Frankreich lässt sich derzeit beobachten, wie real dieses Szenario geworden ist. Nach dem Rollout der Google AI Overviews untersuchte Ahrefs die Search-Console-Daten von 963 Domains. Bei den Websites, deren Suchanfragen besonders häufig AI Overviews auslösten, sank die mediane Klickrate innerhalb von neun Tagen um 23,1 Prozent. Über das gesamte untersuchte Panel lag der Rückgang bei 5,7 Prozent.
Die Zahl ist vor allem deshalb interessant, weil es laut Ahrefs im Untersuchungszeitraum nur geringe Positionsverluste in den Suchergebnissen gab. Die Seiten waren also weiterhin sichtbar, wurden aber seltener angeklickt.
Genau hier beginnt die eigentliche Diskussion um Generative Engine Optimization. SEO verliert nämlich durch GEO nicht seine Funktion. Google weist für AI Overviews und AI Mode selbst darauf hin, dass weiterhin die bekannten SEO-Grundlagen gelten. Zusätzliche technische Anforderungen oder ein spezielles AI-Markup gibt es nicht.
Verändert hat sich dagegen etwas anderes: Ein gutes Ranking beschreibt nur noch einen Teil dessen, was zwischen einer Suchanfrage und der Wahrnehmung einer Marke passiert.
GEO ergänzt die bisherige Sicht auf Search
Bei klassischer Suchmaschinenoptimierung interessieren vor allem Rankings, Suchanfragen, Impressionen, Klicks und die daraus entstehenden Conversions.
GEO richtet den Blick auf eine zusätzliche Ebene: Was passiert, wenn ein generatives System aus mehreren Quellen selbst eine Antwort erstellt?
Dann stellen sich ganz andere Fragen. Wird die eigene Marke genannt? Werden eigene Inhalte als Quelle verwendet? Welche Wettbewerber erscheinen? Welche Drittquellen beeinflussen das Bild eines Unternehmens? Und welche Aussagen aus einer Quelle schaffen es tatsächlich in die Antwort?
Die Unterscheidung zwischen SEO und GEO liegt deshalb weniger in zwei getrennten Maßnahmenkatalogen als in der Frage, wo Sichtbarkeit entsteht und wie sie gemessen wird.
SEO
GEO
Sichtbarkeit in Suchergebnissen
Sichtbarkeit in generierten Antworten
Rankings
Mentions und Präsenz
Keywords und Suchanfragen
Themen, Fragen und Prompts
Klicks und organischer Traffic
Citations und Answer Presence
Fokus auf die eigene Domain
Eigene und externe Quellen
SERP-Wettbewerber
Wettbewerber innerhalb generierter Antworten
Die Tabelle ist natürlich eine Vereinfachung. Gerade deshalb ist der letzte Punkt wichtig: Wer GEO als vollständig neue Disziplin behandelt, übersieht, wie viel davon auf bereits etablierter SEO-, Content- und Kommunikationsarbeit aufbaut.
Vieles, was derzeit als GEO verkauft wird, ist weiterhin gutes SEO
Rund um Generative Search ist ein Markt für neue Optimierungsempfehlungen entstanden. Ein Teil davon ist sinnvoll. Viele Lösungen allerdings versehen bekannte Prinzipien lediglich mit einem neuen Etikett.
Google formuliert seine Anforderungen vergleichsweise unspektakulär: Inhalte müssen für die Suche technisch zugänglich sein, wichtige Informationen sollten in Textform vorliegen, interne Verlinkungen müssen das Auffinden erleichtern, strukturierte Daten sollten zum sichtbaren Inhalt passen und Unternehmensinformationen aktuell sein. Für AI Overviews oder AI Mode kommen keine speziellen technischen Anforderungen hinzu.
Google hat diese Position 2026 noch einmal konkretisiert. In einem eigenen Leitfaden greift das Unternehmen die Begriffe AEO und GEO auf, ordnet die Optimierung für seine generativen Suchfunktionen aber weiterhin dem SEO zu. Gleichzeitig warnt Google vor vermeintlichen Spezialmaßnahmen wie künstlichem „Content Chunking“, unnötigen AI-Dateien oder nicht authentischen Erwähnungen.
Auch redaktionell ändert sich weniger, als manche GEO-Checklisten vermuten lassen. Ein Fachbeitrag gewinnt nicht deshalb an Wert, weil Absätze künstlich verkürzt, möglichst viele Fragen als Zwischenüberschrift formuliert oder Definitionen für Sprachmodelle eingebaut werden. Wertvoll wird er durch Informationen, die andere Quellen nicht in gleicher Qualität liefern: Eigene Daten, belastbare Erfahrungen, nachvollziehbare Analysen, konkrete Cases und fachliche Einschätzungen. Das war vor generativer Suche sinnvoll und bleibt es auch jetzt noch. Die interessante Veränderung findet an anderer Stelle statt.
Ein Ranking ist nicht mehr gleichbedeutend mit dem gesamten Search-Erfolg
Die klassische SEO-Kette war lange relativ gut beobachtbar: Suchanfrage, Ranking, Impression, Klick, Websitebesuch, Conversion.
Generative Suchfunktionen verändern diese Kette. Ein System kann zunächst Suchanfragen erzeugen, verschiedene Dokumente abrufen, Informationen vergleichen und anschließend eine eigene Antwort formulieren. Google beschreibt für AI Overviews und AI Mode beispielsweise ein sogenanntes „Query Fan-out“, bei dem mehrere verwandte Suchanfragen zu Teilthemen und unterschiedlichen Datenquellen ausgeführt werden können.
Für Unternehmen entsteht damit Sichtbarkeit, die sich in klassischen SEO-Kennzahlen nur teilweise abbildet.
Eine Marke kann in einer generierten Antwort empfohlen werden, ohne den stärksten organischen Treffer zu stellen. Eine Website kann als Quelle auftauchen, ohne viele Klicks zu erhalten. Umgekehrt kann eine Seite hervorragend ranken und trotzdem in einer generierten Antwort keine Rolle spielen.
Damit wird ein bisher komfortabler Zusammenhang schwächer: Gute Position gleich hohe Sichtbarkeit gleich potenzieller Traffic.
Genau diese Entkopplung macht GEO relevant.
Gefunden, zitiert, übernommen: Drei verschiedene Dinge
Ein besonders wichtiger Punkt geht in vielen GEO-Diskussionen verloren: Eine Quelle kann für ein KI-System relevant sein, ohne dass ihre Inhalte sichtbar in der Antwort ankommen.
Eine aktuelle Untersuchung schlägt deshalb vor, zwischen der Auswahl einer Quelle und ihrem tatsächlichen Einfluss auf die generierte Antwort zu unterscheiden. Die Autoren sprechen von „Citation Selection“ und „Citation Absorption“. Untersucht wurden 602 kontrollierte Prompts und mehr als 21.000 Citations aus ChatGPT, Google AI Overview beziehungsweise Gemini und Perplexity. Die Ergebnisse deuten unter anderem darauf hin, dass eine größere Zahl von Citations nicht automatisch bedeutet, dass diese Quellen die generierte Antwort auch entsprechend stark prägen.
Bei der Studie handelt es sich um einen 2026 veröffentlichten Preprint. Die Ergebnisse sollten daher nicht als abschließend etablierter Forschungsstand verstanden werden.
Für die GEO-Messung ist diese Unterscheidung trotzdem interessant. Eine reine Citation Rate kann zu kurz greifen. Wer hundert Prompts untersucht und lediglich zählt, wie häufig die eigene Domain als Quelle erscheint, weiß noch nicht, welche Aussagen übernommen wurden, wie prominent die Marke auftauchte oder ob die Quelle für die Kernaussage überhaupt relevant war. GEO-Monitoring muss deshalb stärker auf Antwortebene arbeiten.
Aus dieser Entkopplung sollte man nicht den umgekehrten Schluss ziehen, Rankings seien für AI Visibility bedeutungslos.
Generative Suchfunktionen benötigen zugängliche, relevante und vertrauenswürdige Informationen. Gute SEO-Arbeit verbessert viele dieser Voraussetzungen. Google selbst bestätigt ausdrücklich, dass die etablierten SEO-Best-Practices auch für AI Overviews und AI Mode gelten.
Nur gibt es leider noch keine einfache Übersetzung nach dem Muster:
Position 1 bei Google = Citation in AI Overview = Erwähnung der Marke.
Generative Systeme können für eine Antwort mehrere Suchvorgänge durchführen und Quellen verwenden, die für einzelne Teilfragen relevant sind. Dadurch kann eine spezialisierte Fachseite für einen Teilaspekt wichtiger werden als die Domain mit dem stärksten Ranking für die ursprüngliche Suchanfrage.
Hinzu kommt ein zweiter Effekt: Die eigene Website ist nur ein Teil des Informationsraums. Fachmedien, Branchenportale, Studien, Vergleichsseiten, Partner, Unternehmensprofile und je nach Thema auch Foren können das Bild einer Marke mitprägen. In einer generierten Antwort kann eine externe Quelle deshalb für die Sichtbarkeit eines Unternehmens wichtiger sein als dessen eigene Landingpage.
Genau an dieser Stelle rücken SEO, Digital PR und Reputation Management enger zusammen.
GEO erweitert den relevanten Informationsraum
Für SEO-Teams war die eigene Domain traditionell der wichtigste Hebel. Natürlich spielten Backlinks, Brand Signals und externe Erwähnungen schon immer eine Rolle. Operativ konzentrierte sich ein großer Teil der Arbeit dennoch auf Seiten, Rankings und technische Optimierung der eigenen Website. Bei GEO reicht diese Perspektive nicht.
Wenn ein Unternehmen beispielsweise für die Frage
„Welche Anbieter können die Sichtbarkeit unseres Unternehmens in ChatGPT analysieren?“
relevant sein möchte, sollte es nicht ausschließlich prüfen, welche eigene Landingpage zu „ChatGPT Visibility“ rankt.
Mindestens ebenso interessant ist, welche Quellen von den jeweiligen Systemen bei dieser Fragestellung herangezogen werden. Welche Anbieter werden in Fachartikeln erwähnt? Welche Unternehmen tauchen in Vergleichen auf? Welche Experten werden zitiert? Welche Begriffe werden mit den Wettbewerbern verbunden?
Aus einer SEO-Analyse wird damit teilweise eine Informationsraumanalyse. Das ist einer der Bereiche, in denen GEO tatsächlich über klassische Onpage-Optimierung hinausgeht.
Auch die Recherchelogik verändert sich
Keywords verschwinden dadurch nicht. Für die Contentplanung bleiben Suchvolumen, Suchintentionen und relevante Themencluster wertvoll.
Generative Interfaces machen jedoch sichtbar, wie begrenzt ein einzelnes Keyword eine reale Recherche abbildet.
Aus der Suchanfrage
„GEO Agentur“
kann in einem dialogorientierten System beispielsweise werden:
„Welche Agenturen in Deutschland beschäftigen sich mit Generative Engine Optimization und haben Erfahrung im B2B-Bereich?“
Im nächsten Schritt folgt vielleicht:
„Welche davon bieten auch ein kontinuierliches Monitoring der Sichtbarkeit in ChatGPT und Google AI Overviews an?“
Für die Analyse ist deshalb weniger der längere Prompt an sich interessant. Entscheidend ist, dass sich eine Recherche über mehrere aufeinander aufbauende Fragen entwickelt.
Wer GEO betreibt, sollte daher nicht einfach tausende Longtail-Prompts als neue Keywordliste behandeln. Sinnvoller ist es, typische Recherche- und Entscheidungssituationen zu modellieren und zu untersuchen, welche Marken, Quellen und Aussagen entlang dieser Situationen sichtbar werden.
AI Visibility braucht andere Messgrößen
Dass sich Search verändert, lässt sich inzwischen auch an Googles eigener Produktentwicklung erkennen.
Das ist ein relevanter Schritt, löst das Messproblem aber nicht vollständig. Für ein umfassenderes GEO-Monitoring können je nach Fragestellung beispielsweise Mention Rate, Citation Rate, Share of Answers oder die Präsenz bestimmter Quellen betrachtet werden. Spannender als die einzelne Kennzahl ist jedoch häufig ihre Kombination.
Ein Unternehmen könnte bei einem relevanten Themencluster beispielsweise feststellen: Die organischen Rankings sind stabil. Die CTR sinkt. Die Marke erscheint nur in wenigen generierten Antworten. Zwei Wettbewerber werden regelmäßig genannt. Als Quellen dienen überwiegend drei Branchenportale, auf denen das eigene Unternehmen kaum vorkommt.
Aus einer solchen Analyse lässt sich eine Maßnahme ableiten. Aus der Information „Unsere Citation Rate beträgt 14 Prozent“ zunächst noch nicht.
Braucht es dafür eine eigene GEO-Strategie?
Nicht zwangsläufig. Für viele Unternehmen dürfte eine vollständig vom SEO getrennte GEO-Strategie derzeit eher zusätzliche Silos schaffen. Sinnvoller ist es, bestehende Search-, Content-, PR- und Analyseprozesse um die Frage der AI Visibility zu erweitern.
Der Ausgangspunkt sollte dabei nicht eine Liste vermeintlicher GEO-Rankingfaktoren sein.
Interessanter sind drei Fragen:
Bei welchen Recherche- und Entscheidungssituationen soll unsere Marke vorkommen?
Wie werden wir dort aktuell von relevanten generativen Systemen dargestellt?
Welche Quellen, Wettbewerber und Inhalte bestimmen die Antworten, wenn wir selbst fehlen?
Die Ursachen können dabei sehr unterschiedlich sein. Vielleicht fehlt tatsächlich ein geeigneter Inhalt auf der eigenen Website. Vielleicht kann ein System vorhandene Informationen technisch schlecht erfassen. Vielleicht besitzt ein Wettbewerber eine stärkere thematische Autorität. Vielleicht findet die relevante Diskussion überwiegend auf externen Plattformen statt. Oder die Marke wird bereits genannt, allerdings in einem anderen Kontext als strategisch gewünscht. Wer diese Unterschiede nicht untersucht, optimiert auf Verdacht.
Für Marketingteams wird Search damit organisatorisch anspruchsvoller
Die vielleicht praktisch relevanteste Veränderung betrifft deshalb weniger einzelne Content-Taktiken als die Zusammenarbeit verschiedener Funktionen.
Wenn externe Berichterstattung, Unternehmensprofile, Fachartikel, technische Auffindbarkeit und Markenpositionierung gemeinsam beeinflussen, welches Bild generative Systeme von einem Unternehmen erzeugen, lässt sich AI Visibility schwer einer einzigen Disziplin zuordnen.
SEO sieht die Rankings und technischen Voraussetzungen. Content kennt die Themen und Informationsbedürfnisse. PR beeinflusst wichtige externe Quellen. Brand und Kommunikation bestimmen, welche Positionierung konsistent nach außen getragen wird. Data und Intelligence können beobachten, ob sich diese Arbeit tatsächlich in generierten Antworten niederschlägt. Eine neue GEO-Abteilung ist dafür nicht automatisch notwendig. Ein gemeinsames Messmodell schon eher.
Der eigentliche Unterschied zwischen SEO und GEO
Die interessante Frage lautet deshalb nicht, ob GEO SEO ablöst. Denn das tut es nicht. SEO optimiert weiterhin eine zentrale Voraussetzung digitaler Auffindbarkeit. Generative Suche verändert jedoch, was nach dieser Auffindbarkeit passieren kann. Eine Quelle kann gefunden, ignoriert, zitiert oder inhaltlich verarbeitet werden. Eine Marke kann sichtbar sein, obwohl kein Klick erfolgt. Und relevante Informationen über ein Unternehmen können aus Quellen stammen, die das Unternehmen selbst nicht kontrolliert.
Damit wird der Beobachtungsraum größer. Rankings, Klicks und Conversions bleiben wichtig. Hinzu kommen die Fragen, in welchen Antworten eine Marke vorkommt, warum sie dort vorkommt, auf welche Quellen sich das System stützt und welches Bild daraus entsteht.
Genau darin liegt der praktische Wert von GEO. Nicht als Ersatz für SEO und auch nicht als Sammlung neuer Tricks für Sprachmodelle, sondern als zusätzliche Perspektive auf eine Suche, bei der das Ergebnis zunehmend selbst zur Antwort wird.
