GEO-Tricks im Faktencheck: Was die Forschung wirklich belegt

Werbeversprechen wie „Bis zu 40 Prozent mehr Sichtbarkeit in KI-Antworten“ stehen aktuell in vielen Angeboten. Sie drehen sich um Generative Engine Optimization, besser bekannt als GEO. Hinter diesem Begriff verbirgt sich die gezielte Anpassung von Website-Inhalten für KI-Assistenten wie ChatGPT, Gemini oder Perplexity. Kaum jemand erwähnt dabei den Ursprung dieser beeindruckenden Zahl. Sie stammt aus einem Laborversuch mit einem KI-Modell aus dem Jahr 2023.

Der folgende Text vertieft unseren Grundlagen-Artikel „Was ist GEO“ vom April. Damals beleuchteten wir die Theorie. Jetzt widmen wir uns den Belegen. Welche Methoden hat die Wissenschaft geprüft? Was hat sich bestätigt und was nicht?

Die Ursprungsstudie: viel Wirkung, im Labor

Ein Forschungsteam um Pranjal Aggarwal prägte den Begriff GEO im Jahr 2023. Die Wissenschaftler stellten ihre Arbeit 2024 auf der Fachkonferenz KDD der Öffentlichkeit vor. Sie testeten neun verschiedene Ansätze zur Textoptimierung. Als Datengrundlage dienten 10.000 Suchanfragen aus 25 thematischen Bereichen. Für die Erzeugung der Antworten nutzten sie vor allem GPT-3.5. Das Modell erhielt die ersten fünf Google-Treffer als Arbeitsmaterial.

Das Team maß anschließend, wie viel Text einer Quelle den Weg in die fertige Antwort fand. Die Position im Text floss gewichtet in die Bewertung ein. Zwei Ergebnisse stechen deutlich hervor. Das plumpe Anhäufen von Schlagwörtern aus alten SEO-Tagen brachte keinen Erfolg. Interessanterweise profitierten schwächere Webseiten am stärksten von den Maßnahmen. Bei einem Kontrolldurchlauf mit der KI-Suche Perplexity fielen die positiven Effekte spürbar geringer aus.

Die Forscher weisen selbst offen auf die Grenzen ihrer Methode hin. Ein KI-Modell übernahm die künstliche Umschreibung der Texte. Reale Websites wurden für den Test nicht angetastet. Zudem betonten die Autoren, dass sich die Methoden mit neuen KI-Suchmaschinen ändern müssten.

Die Nachprüfung: kaum belastbare Effekte

Im Jahr 2025 nahm eine andere Forschungsgruppe diese Erkenntnisse genauer unter die Lupe. Sie wählte einen deutlich strengeren Versuchsaufbau. Die Studie „C-SEO Bench“ wurde auf der Konferenz NeurIPS vorgestellt. Der Test umfasste 1.900 Anfragen sowie 16.300 Dokumente aus sechs Bereichen. Zum Einsatz kamen aktuelle Sprachmodelle von OpenAI sowie Anthropic. Die Messgröße änderte sich ebenfalls. Die Forscher maßen nun, auf welchem Rang eine Quelle innerhalb der Antwort auftauchte.

Die Ergebnisse fielen ernüchternd aus. Lediglich in 3 von 54 Fällen ließ sich eine statistisch belastbare Verbesserung nachweisen. Die Ursprungsstudie sah im Ergänzen von Statistiken noch einen der stärksten Hebel. In der neuen Überprüfung rutschte die Quelle bei diesem Vorgehen in 19 von 24 Versuchen sogar im Ranking ab.

Ein anderer Faktor zeigte hingegen deutliche Wirkung. Wenn ein Dokument bei der Übergabe an das Modell ganz oben in der Liste stand, kletterte es in der Antwort um 1,6 bis 2,8 Plätze nach oben. Diese Startposition erarbeitet man sich jedoch durch klassische Suchmaschinenoptimierung. Textliche Anpassungen für die KI helfen dabei nicht. Die Forscher geben noch einen weiteren Aspekt zu bedenken. Nutzen viele Wettbewerber dieselben Optimierungs-Tricks, verpufft die Wirkung zwangsläufig. Am Ende profitiert niemand davon.

Was Sprachmodelle tatsächlich überzeugt

Eine Studie der ACL-Konferenz aus dem Jahr 2024 beschäftigte sich mit der Glaubwürdigkeit von Quellen. Die Leitfrage lautete, welche Belege Sprachmodelle besonders überzeugend finden. Das Resultat war eindeutig. Vor allem die Relevanz zur gestellten Frage entscheidet. Stilistische Mittel wie ein wissenschaftlicher Tonfall oder besonders neutrale Formulierungen spielten kaum eine Rolle.

Eine weitere Untersuchung aus dem Jahr 2025 verglich ChatGPT, Perplexity sowie Gemini miteinander. Diese Arbeit durchlief allerdings noch kein formelles Begutachtungsverfahren. Alle drei Systeme zitierten überwiegend Berichte von Dritten. Dazu zählten Presseartikel oder Fachportale. Die hauseigenen Websites der Marken tauchten in den Antworten seltener auf.

Finger weg von Manipulation

Die Beeinflussung von KI-Antworten durch versteckte Anweisungen in Webseiten ist laut mehreren Studien durchaus machbar. In einem Versuch brachten Forscher ein Produkt durch solche Manipulationen meist auf den ersten Platz. Zuvor hatte die KI dieses Produkt noch nie empfohlen. Andere Teams wiederholten dieses Experiment erfolgreich in echten KI-Suchmaschinen.

Die KI-Anbieter schauen diesem Treiben jedoch nicht tatenlos zu. Eine Studie vom September 2026 beschreibt ein neues Schutzverfahren. Dieses System drückte die Erfolgsquote solcher Manipulationsversuche von gut 50 Prozent auf gut 6 Prozent. Wer heute noch auf derartige Tricks vertraut, baut auf eine Lücke, die gerade geschlossen wird. Gleichzeitig setzt er den guten Ruf seines Unternehmens aufs Spiel.

llms.txt und strukturierte Daten: was bekannt ist

Auf dem Markt kursieren zwei technische Ansätze, die oft als unumgängliche GEO-Maßnahmen beworben werden.

Die Textdatei llms.txt soll der künstlichen Intelligenz die Kerninhalte einer Website mundgerecht servieren. John Mueller von Google schrieb im Juni 2025, dass derzeit kein KI-System diese Datei nutzt. Er stützte seine Aussage auf Server-Protokolle. Das ist die Beobachtung eines Google-Mitarbeiters, keine Auskunft der anderen Anbieter. Offizielle Angaben von OpenAI, Anthropic oder Perplexity, dass sie die Datei für ihre Antworten nutzen, haben wir allerdings auch nicht gefunden. Ein Anbieter von SEO-Werkzeugen prüfte 2026 zudem 38.360 Websites mit einer llms.txt. Bei 97 Prozent dieser Dateien verzeichneten die Server in einem ganzen Monat nicht einen einzigen Abruf.

Strukturierte Daten nach schema.org beschreiben Website-Inhalte in einer maschinenlesbaren Form, etwa Adressen oder Öffnungszeiten. Google betont, dass für die KI-Funktionen keine spezielle Auszeichnung nötig ist. Eine Anbieter-Studie untersuchte 1.885 Seiten, die Schema-Daten ergänzt hatten. Ein nennenswerter Anstieg der Zitate blieb aus. Eine unabhängige und begutachtete Studie, die einen positiven Effekt nachweist, haben wir nicht gefunden.

Beide Maßnahmen schaden der Seite nicht. Sie verursachen zudem kaum Kosten. Ein positiver Einfluss auf KI-Antworten ist jedoch in keinem der beiden Fälle bisher belegt.

Was für dich übrig bleibt

• Beantworte die Fragen deiner Kunden klar und konkret auf deiner Website. Inhaltliche Relevanz schlägt den Schreibstil.
• Sorg dafür, dass andere über dich schreiben. Präsentiere dich auf Fachportalen, Bewertungsplattformen sowie in der lokalen Presse. Die Modelle greifen gerne auf Dritte als Quelle zurück.
• Sei in der normalen Suche gut auffindbar. Was dort vorn steht, landet eher in dem Material, das die KI für ihre Antwort bekommt.
• Misstraue Versprechen mit festen Prozentzahlen. Frage kritisch nach dem Ursprung solcher Messwerte.

Kurz zusammengefasst

Die berühmten 40 Prozent entstammen einem Laborversuch aus dem Jahr 2023. Eine deutlich strengere Überprüfung im Jahr 2025 konnte kaum statistisch belastbare Effekte durch Text-Tricks nachweisen. Die verbleibende Strategie klingt wenig spektakulär. Relevante Antworten, Erwähnungen durch Dritte sowie eine starke Platzierung in der klassischen Suche entscheiden über den Erfolg. Wer diese Hausaufgaben macht, kann auf fragwürdige Tricks getrost verzichten.

Quellen

1. Aggarwal u. a.: GEO: Generative Engine Optimization (KDD 2024)
2. Puerto u. a.: C-SEO Bench: Does Conversational SEO Work? (NeurIPS 2025)
3. Wan, Wallace, Klein: What Evidence Do Language Models Find Convincing? (ACL 2024)
4. Chen u. a.: Generative Engine Optimization: How to Dominate AI Search (2025, nicht begutachtet)
5. Kumar, Lakkaraju: Manipulating Large Language Models to Increase Product Visibility (2024)
6. Nestaas, Debenedetti, Tramèr: Adversarial Search Engine Optimization for LLMs (ICLR 2025)
7. Pfrommer u. a.: Ranking Manipulation for Conversational Search Engines (EMNLP 2024)
8. Li u. a.: When Optimization Becomes Manipulation (September 2026)
9. Google Search Central: AI features and your website (Stand 10.12.2025)
10. Search Engine Roundtable: Google: No AI system currently uses llms.txt (17.06.2025)
11. Ahrefs: llms.txt study (15.06.2026, Anbieter-Studie)
12. Ahrefs: Schema and AI citations (11.05.2026, Anbieter-Studie)