GEO ist tot, lang lebe SEO – Ein Plädoyer gegen Marketing-Bullshit

TL;DR

• GEO ist ein Hype-Begriff, der in erster Linie dazu dient, verunsicherten Unternehmen überteuerte Maßnahmen zu verkaufen.
• KI-Chatbots antworten entweder aus ihrem Modellwissen oder holen sich aktuelle Infos via RAG – und greifen dabei stark auf Google-Rankings zurück.
• Wer in KI-Antworten sichtbar sein will, braucht kein neues Framework, sondern solides SEO.
• Was GEO zu sein vorgibt, hätte SEO schon längst sein sollen – der Begriff löst nur ein selbst verschuldetes Problem.
• Die Systeme ändern sich, die Essenz bleibt: relevante Inhalte für Menschen schaffen.

Direkt zu Anfang eine Klarstellung: Ich mag den Begriff GEO nicht. Deshalb ist das hier mein Anti-Plädoyer gegen den Begriff GEO! Warum? Drei Gründe:

1. Er ist ein Hype-Begriff, der viele Menschen verunsichert – und es anderen ermöglicht, auf deren Kosten einfaches Geld zu machen.
2. Er wird sehr oft falsch verwendet. Und für das, wofür er meistens steht, haben wir bereits einen Begriff: SEO.
3. Er hat offenbar gebraucht, damit wir endlich anfangen, gutes SEO zu betreiben – und das allein ist schon ein Problem.

Damit du aber auch verstehst, wo diese Ablehnung herkommt, hier mein Verständnis als Definition – auch wenn ich nicht drum herumkomme, den Begriff ab und zu zu benutzen, denn er setzt sich leider langsam durch.

Wie ich GEO verstehe

GEO, also Generative Engine Optimization, bedeutet Maßnahmen zu ergreifen, um sowohl in den Trainingsdaten (Langzeit) als auch vor allem in den aktuellen Suchquellen (RAG) generativer KI sichtbar zu sein. Ziel ist es, dass die Antworten zugunsten einer bestimmten Entität ausfallen.

Anhand eines Beispiels: möchte ich also, dass ChatGPT auf die Frage „welches ist das beste Lastenrad für eine Familie mit vier Kindern“ zugunsten Lastenrad A antwortet, muss ich dafür Sorge tragen, dass in der Datenbasis des LLMs (und weiteren Systemen, dazu aber gleich mehr) statistisch gesehen häufiger Lastenrad A genannt wird, dieses besser auffindbar und die Infos zitierfähiger sind, als die von Lastenrad B und Lastenrad C.

Dafür müssen wir jetzt eine Ebene tiefer gehen und verstehen, wie diese Systeme funktionieren, um zu verstehen, welche Hebel es für diese Art der Beeinflussung überhaupt gibt.

Wie funktionieren KI-Chatbots und wie entsteht in ihnen eine Antwort?

Ich möchte an dieser Stelle gar nicht so sehr ins Detail gehen, da es bereits einige gute Beiträge und Ausarbeitungen dazu gibt, wie hier z. B. von Hanns Kronenberg im OMR Education Podcast

KI-Chatbots generieren Antworten auf Basis von statistischer Wahrscheinlichkeit. Sie sagen den nächsten Token vorher, der zu den vorangegangenen Token und dem Kontext der Anfrage passt. Tokens sind Textbausteine, die oft Wortteile, manchmal ganze Wörter, manchmal aber auch nur Zeichen oder Leerzeichen sein können. Der Kontext ist bezogen auf beispielsweise ChatGPT die Interpretation der Intention, die Erinnerungen im Account oder auch aus anderen Chats.

Man muss zwischen zwei unterschiedlichen Hauptfunktionsweisen unterscheiden.

1. Der KI-Chatbot antwortet aus dem Modellwissen
2. Der KI-Chatbot zieht sich zusätzliche Informationen aus weiteren Wissensquellen und antwortet dann auf Basis dieser Daten

Antworten aus dem Modellwissen

Das Modellwissen basiert auf den Trainingsdaten eines LLMs. Dazu werden Daten in verschiedenen Formen gesammelt: Websites (ja, aus dem ganzen World Wide Web), Bücher, Whitepaper, Datenbanken und einiges mehr. Diese Daten werden aufbereitet und bilden dann die Grundlage für das Training eines LLMs. Das ist eine ganze Menge an Daten, die da zusammenkommen. In diesem Datenpool macht der Anteil, der über Lastenräder handelt, nur einen klitzekleinen Teil aus. Trotzdem ist das immer noch eine enorme Menge an Informationen gegenüber dem Teil, den die Website von Hersteller von Lastenrad A ausmacht.

Um in dieser Datenmenge zu beeinflussen, dass Lastenrad A häufiger ausgegeben wird als die anderen, muss in der gesamten Lastenrad-Kugel häufiger von Lastenrad A geschrieben sein, idealerweise positiv und mit denselben Attributen immer und immer wieder, damit diese Attribute im Modellwissen dem Lastenrad A zugeschrieben werden.

In der Regel, wenn ich Menschen von GEO reden höre, meinen sie aber nicht das. Die meisten beschränken sich auf

• die Optimierung der eigenen Website, damit diese für Maschinen lesbarer und besser zu verarbeiten ist
• Backlinks oder Mentions kaufen auf 3rd-Party Websites
• und manchmal fällt noch Digital PR oder Branding als Buzzwords

Das greift aber leider nicht weit genug.

Die eigentliche Bedeutung von GEO: Orchestrierung der gesamten Datenbasis

Wenn wir an dieser Stelle die Optimierung dieser Lastenrad-Kugel als GEO bezeichnen wollen, dann geht es darum zu orchestrieren, in welcher Art über Lastenrad A in dieser Lastenrad-Kugel kommuniziert wird. Die eigene Website und Digital PR sind dann nur Instrumente und die eigene Website ist noch am einfachsten anzupassen. Links und Erwähnungen auf anderen Websites und Plattformen sind wichtig, aber alleine reicht das eben nicht aus, sondern vielmehr der Kontext, in dem diese stehen. Und Branding ist unerlässlich, denn starke Marken werden häufiger und in einem besseren Licht erwähnt und schaffen es dadurch schon zu mehr Relevanz in der Lastenrad-Kugel.

Antworten aus dem Zusatzwissen

Wenn der KI-Chatbot mehr wissen braucht, als im Modellwissen vorhanden ist, da das Cut-off-Date dieses Systems, also der Zeitpunkt, ab dem keine Informationen für das Modelltraining gesammelt werden, einige Zeit in der Vergangenheit liegt, nutzen KI-Chatbots eine Funktionsweise, die sich Retrieval Augmented Generation (RAG) nennt. Durch RAG können KI-Chatbots auf Datenbanken zugreifen, mit zusätzlichen und tagesaktuelleren Informationen.

Google AI Overviews und AI Mode nutzen u. a. Query Fan-out für das Grounding und ziehen dafür unterstützende Inhalte aus dem Web heran, indem sie weitere zur initialen Anfrage passenden Suchanfragen an die Google Suche stellen, die dann Zusatzinfos für die Beantwortung der initialen Anfrage liefern.

ChatGPT, Perplexity und auch Gemini nutzen verschiedene Datenquellen für das Grounding, aus denen sie sich Zusatzinfos über Retrieval holen. Beobachtungen legen nahe, dass sich diese Systeme dabei stark auf Google-Suchergebnisse verlassen – entweder direkt oder über Scraping-Dienste.

Und das ist auch verständlich, da die Google Suche wahrscheinlich das beste Ranking-System für qualitative Inhalte im Internet ist.

Wenn die Anfrage beim KI-Chatbot eingeht, greift zu allererst ein Algorithmus, der die Nutzerintention bestimmt und an dieser Stelle auch bestimmt, ob aus dem Modellwissen geantwortet wird oder zusätzliche Informationen benötigt werden. Wenn zusätzliche Informationen benötigt werden, stellt das System Anfragen an Suchsysteme. Es extrahiert relevante Abschnitte und setzt sie dem Kontext hinzu. Diese dienen dem Modell dann als Quellen bei der Generierung der Antwort.

Das Zusammenspiel von Modellwissen und RAG

Das Modell bietet das „Wie eine Antwort generiert wird“ und das RAG das „Was“.

Wenn wir also in Anfragen, die RAG nutzen, berücksichtigt werden wollen mit unserem Lastenrad A, ist es wichtig, in allen Suchanfragen (Query Fan-out), die zum initialen Prompt losgeschickt werden, relevante Inhalte zu haben, die auch gerankt werden.

Und ab diesem Zeitpunkt reden wir dann wieder über good old SEO.

Was unterscheidet SEO und GEO denn jetzt?

Nichts und eine ganze Menge. So wie ich wahrnehme, wie GEO verwendet wird, unterscheidet es sich nicht im Geringsten davon, was ich unter SEO verstehe. Wenn GEO als das verwendet werden würde, für was es eigentlich steht, unterschieden sich diese beiden Begriffe und das, was sie meinen, sehr stark, bzw. wäre dann SEO sowie Brand-Marketing, Social Media Marketing, PR, Community Management, Product, Support jeweils Teile von GEO.

SEO ist für mich die Bereitstellung von relevanten Informationen, die den Menschen etwas nützen

Mein Fokus liegt auf dem technischen SEO, deswegen beschäftige ich mich vor allem mit der Bereitstellung. Es geht aber eben um relevante Informationen, mit denen Menschen etwas anfangen können. Relevante Informationen sind sowohl Themen wie „Wie kann ich das Hinterrad von Lastenrad A wechseln“ aber auch „Der Drehmoment des Mittelmotors von Lastenrad A beträgt 70 Nm“. Und es ist dabei vollkommen irrelevant in erster Linie, wie Menschen an diese Information gelangen. Sie müssen existieren und gut sein, damit Menschen sie nutzen wollen.

Zuerst hatten wir auch nur Google, dann kam YouTube auf und Menschen wollten lieber ein Video sehen, wie man ein Hinterrad ausbaut, als einen langen Text darüber zu lesen. Produkte wurden und werden auf Amazon gesucht. Junge Menschen suchen nach Informationen auf TikTok. Musik suchen die meisten in Spotify.

Das Nutzungsverhalten ändert sich. Das Medium, über das die Informationen konsumiert werden, passt sich an. Die Informationen, die Menschen brauchen, um Dinge zu tun, Entscheidungen zu treffen und sich inspirieren zu lassen, ändern sich dadurch aber nicht.

Gute und relevante Inhalte, die einen Mehrwert für die Zielgruppe bieten, zu erstellen und sie an den Orten verfügbar zu machen, wo sie benötigt werden, das ist die Aufgabe von SEO.

SEO entwickelt sich

Früher, und das war auch vor der Zeit, bevor ich mit SEO angefangen habe, hat man Meta-Keywords gepflegt. Jetzt müssen die Sätze halt kurz und knapp auf den Punkt formuliert sein, damit LLMs sie in der Antwort berücksichtigen. Und hier sage ich endlich! Mir kann kein Mensch sagen, außer Marketing-Verantwortliche, dass sie es lieben, ausschweifende Marketing-Blabla-Copies zu lesen, aus denen ich die 1% relevanten Infos extrahieren muss. Das, was GEO meint zu sein, hätte SEO schon lange sein sollen.

Abschlussgedanke

Überspitzt gesagt: GEO ist nur ein Hype-Begriff, den sich vor allem LinkedIn Bros zu Nutze machen, um vom FOMO getriebene Verantwortungsträger in Unternehmen mit shady und nur semi-nützlichen Maßnahmen übers Ohr zu hauen und ihnen schnelle Scheine aus der Tasche zu ziehen.

Nein, mal im Ernst. Die Systeme, in denen und die Art, wie wir im Internet nach Informationen suchen, ändert sich. Die Nuancen, wie wir als SEOs diese Informationen bereitstellen, ändern sich. Aber die Essenz, nämlich relevante Inhalte zu schaffen, bleibt dieselbe. Wir müssen nur aufhören, wie kopflose Hühner wild durch den Hühnerstall zu rennen und uns wieder mehr fragen, was denn eigentlich die Menschen an Infos brauchen.

Und wenn wir jetzt damit anfangen, die verschiedenen Disziplinen zusammen zu denken – Bravo! – dann fangen wir ja endlich an, Marketing zu machen.