Wie ein Mittelständler in AI-Antworten auftaucht
84 Prozent der Zitate in AI-Antworten stammen aus fremden Quellen, nicht von der eigenen Website. Was daraus für ein mittelständisches Unternehmen folgt, welche Eingriffe messbar wirken und warum llms.txt nichts bringt.
Wer in AI-Antworten auftauchen will, muss zuerst eine unbequeme Zahl akzeptieren: Der überwiegende Teil dessen, was ein Sprachmodell zitiert, steht nicht auf der Website des Unternehmens, über das es spricht.
Dieser Artikel ordnet die Befundlage, benennt die Eingriffe mit gemessener Wirkung, und sagt, was man sich sparen kann.
Die Zahl, die die Erwartung geraderückt
84 Prozent von über 25 Millionen ausgewerteten Links, die ChatGPT, Claude und Gemini zitiert haben, stammten aus Earned Media, also aus Journalismus, Forschung, Behörden, Nachschlagewerken und Inhalten fremder Unternehmen. Eine zweite Auswertung kommt auf 85 Prozent der Markenentdeckung in der AI-Suche, die auf Inhalte Dritter zurückgeht.
Muck Rack, What Is AI Reading?, Mai 2026, und AirOps, Februar 2026
Dazu passt, welche Signale mit AI-Sichtbarkeit zusammenhängen. Ahrefs hat dafür 75.000 Marken ausgewertet und für Googles AI Overviews die stärksten Korrelationen bei Erwähnungen auf YouTube (0,74), gebrandeten Erwähnungen im Web (0,66) und gebrandetem Anchor-Text (0,53) gefunden. Die Zahl der Backlinks lag in der ersten Auswertung bei 0,22 und damit deutlich niedriger, als zwanzig Jahre SEO-Gewohnheit vermuten lassen.
Für einen Mittelständler folgt daraus eine Umkehr der üblichen Reihenfolge. Die eigene Website ist nicht das Instrument, mit dem man zitiert wird. Sie ist das Instrument, mit dem man richtig einsortiert wird, und das ist ein anderes und meist dringenderes Problem.
Das eigentliche Problem heißt Kategorie, nicht Zitat
Bevor ein Modell euch zitiert, muss es wissen, was ihr seid. Bei mittelständischen Anbietern läuft genau das regelmäßig schief.
Der typische Fall: Ein Unternehmen baut und betreibt Systeme für Kunden, wird in AI-Antworten aber als Softwareanbieter beschrieben, weil der größte Teil des vergleichbaren Textes im Internet Softwareanbieter beschreibt. Das Modell hat nichts falsch gemacht. Es hat die häufigste Nachbarschaft gewählt.
Der Schaden ist unmittelbar: Wer als Plattform beschrieben wird, wird in Antworten auf Plattformfragen eingeordnet, gegen Anbieter verglichen, die etwas anderes verkaufen, und in Fragen nach Dienstleistern gar nicht genannt.
Das ist reparierbar, aber nicht mit Reichweite. Es braucht Eindeutigkeit an vielen Stellen gleichzeitig.
Was auf der Seite selbst nachweislich wirkt
Forscher der Princeton University und des IIT Delhi haben mit 10.000 Anfragen aus 25 Themenbereichen getestet, welche Eingriffe in einen Text seine Sichtbarkeit in generativen Antworten verändern. Gemessen wurde, wie viel des Textes in der Antwort landet und wie weit oben, im Vergleich zum unveränderten Text:
| Eingriff | Gemessene Wirkung |
|---|---|
| Zitate einfügen | +41 % |
| Statistiken einfügen | +31 % |
| Flüssiger formulieren | +28 % |
| Quellen nennen | +27 %, bei Seiten auf Suchrang 5 bis +115 % |
| Autoritativer Ton | +10 %, laut Autoren keine signifikante Verbesserung |
| Keyword-Stuffing | -8 % |
Der stärkste Einzelhebel ist damit die zugeschriebene Aussage, dicht gefolgt von der belegten Zahl. Beides sind Dinge, die man nicht durch Optimieren erreicht, sondern durch Recherche. Die Messung stammt aus der Arbeit, die 2024 auf der KDD erschienen ist, mit GPT-3.5 als Antwortmodell. Die Größenordnungen sind ein Richtwert, keine Garantie für heutige Systeme.
Praktisch heißt das für einen Artikel: mindestens drei belegte Zahlen, mindestens zwei externe Quellen im Fließtext statt als Linkliste am Ende, und pro Abschnitt eine Antwort im ersten Satz statt einer Hinführung. Der letzte Punkt hilft Lesern und Maschinen gleichermaßen, denn wer einen Abschnitt ohne seinen Kontext liest, bekommt trotzdem die Antwort.
Der Teil, den kaum jemand macht
Über den Text hinaus gibt es einen Eingriff mit geringem Aufwand: die Verknüpfung mit bekannten Entitäten.
Ein Artikel, der „DSGVO“ schreibt, enthält eine Zeichenkette. Ein Artikel, der im strukturierten Datenblock über about auf die Wikidata-Entität der DSGVO zeigt, sagt einer Maschine, über welche Sache er spricht. Damit wird er für Fragen zu dieser Sache abrufbar, statt nur für den Wortlaut.
Dasselbe gilt für das Unternehmen selbst. Ein Organization-Block mit einer präzisen description, einer disambiguatingDescription, die ausdrücklich sagt, was ihr nicht seid, und sameAs-Verweisen auf die Profile, die es ohnehin gibt, ist die direkteste verfügbare Aussage über die eigene Kategorie.
Das ersetzt keine Erwähnungen bei Dritten. Es sorgt dafür, dass die Erwähnungen, die es gibt, dem richtigen Ding zugeordnet werden.
Was nichts bringt
llms.txt. SE Ranking hat knapp 300.000 Domains ausgewertet, die Datei bei 10,13 Prozent gefunden und keinen Zusammenhang mit AI-Zitaten. Common Crawl hat im Juli 2026 584.107 llms.txt-Dateien gelesen, 68 Prozent davon stammten aus Vorlagen und 22,6 Prozent enthielten keinen einzigen Link. Bei Ahrefs wurden 97 Prozent der Dateien aus einer Stichprobe von 137.210 Domains im Mai 2026 von niemandem abgerufen, und von den Abrufen, die es gab, kamen 5,3 Prozent von Trainings-Crawlern wie GPTBot und ClaudeBot und 1,1 Prozent von Such-Bots wie PerplexityBot und OAI-SearchBot. Search Engine Land hat zehn Seiten je 90 Tage vor und nach der Einführung beobachtet, acht zeigten keine messbare Veränderung und die zwei Zuwächse hatten andere Ursachen. Google zählt llms.txt in seinem Leitfaden zur AI-Optimierung zu den Taktiken, die man für die Google-Suche ignorieren kann.
Wer eine hat, kann sie liegen lassen. Wer keine hat, baut besser etwas anderes.
Keyword-Dichte. In der Princeton-Studie schnitt Keyword-Stuffing schlechter ab als der unveränderte Text. Ein Text, der dasselbe Wort achtmal enthält, gewinnt dadurch nichts und liest sich schlechter.
Masse. Vierzig dünne Artikel schlagen nicht zehn belegte. Die gemessenen Hebel sind alle Qualitätsdimensionen, keine Mengendimensionen.
Die realistische Reihenfolge für ein mittelständisches Unternehmen
Erstens: die eigene Kategorie eindeutig machen. Auf der Website, im strukturierten Datenblock, in den Verzeichnissen, in denen ihr ohnehin steht. Überall dieselbe Formulierung. Wenn drei Quellen euch unterschiedlich beschreiben, gewinnt die häufigste, nicht die richtige.
Zweitens: belegen, was ihr behauptet. Zahlen mit Quelle, Aussagen mit Zuschreibung. Das sind die beiden Eingriffe mit der größten gemessenen Wirkung (+41 und +31 Prozent) und nebenbei die, die Texte tatsächlich besser machen.
Drittens: dort vorkommen, wo andere über euch schreiben. Fachpresse, Verbände, Podcasts, Vergleichsportale, Kundenreferenzen bei euren Kunden. Das ist der Bereich mit den 84 Prozent, es ist der langsamste Teil, und er ist der einzige, der wirklich skaliert.
Viertens: nachsehen, was tatsächlich gesagt wird. Fragt die großen Modelle regelmäßig nach eurem Unternehmen, eurer Kategorie und euren Wettbewerbern und schreibt die Antworten mit. Das ist die einzige Messung, die zählt, und sie kostet wenig Zeit.
Häufig gestellte Fragen
Was ist GEO und was ist AEO?
Generative Engine Optimization und Answer Engine Optimization beschreiben dasselbe Ziel: in den Antworten von KI-Systemen vorzukommen statt nur in einer Ergebnisliste. Der Unterschied zu klassischem SEO ist, dass statt eines Listenplatzes zählt, ob und wie prominent man in der Antwort erwähnt wird.
Reicht gutes SEO nicht aus?
Es hilft, weil mehrere Antwortsysteme auf Suchindizes aufsetzen. Es reicht nicht, weil die Auswahl innerhalb der Treffer anderen Kriterien folgt: In der Princeton-Studie gewannen gerade schwächer platzierte Seiten mit Zitaten, Zahlen und Quellen am meisten dazu.
Wie lange dauert es, bis sich etwas ändert?
Änderungen an strukturierten Daten und Texten können erst wirken, wenn die Seite neu gecrawlt wurde. Der Teil, der über Dritterwähnungen läuft, dauert länger, weil er nicht von euch abhängt.
Sollten wir für KI oder für Menschen schreiben?
Für Menschen, mit Belegen. Die gemessenen Hebel (Zitate, Zahlen, Quellen, flüssige Sprache) sind genau die Dinge, die einen Text auch für Leser besser machen. Das ist selten und in diesem Fall wahr.
Können wir die Kategorie wirklich beeinflussen?
Teilweise. Ihr kontrolliert die eigene Darstellung vollständig und die fremde gar nicht. Was ihr tun könnt, ist überall dieselbe präzise Formulierung zu benutzen, sodass jemand, der über euch schreibt, sie übernimmt. Das ist langsam und funktioniert.
Quellen: Princeton-GEO-Papier (arXiv 2311.09735), Muck Rack, What Is AI Reading? Mai 2026, AirOps zu Inhalten Dritter, Ahrefs zu Markensignalen in AI Overviews, Ahrefs zu ChatGPT, AI Mode und AI Overviews, SE Ranking zu llms.txt, Common Crawl zu llms.txt, Ahrefs zu llms.txt-Abrufen, Search Engine Land zu llms.txt, Google-Leitfaden zur AI-Optimierung.
Strategy Call