LLM Sichtbarkeit für Marken verstehen und erreichen

1. GEO: Hype oder grundlegende Veränderung?
2. Wie und wann LLMs auf das Internet zugreifen
3. Faktoren für Sichtbarkeit von Marken in LLMs
4. Do’s and Don’ts für KI-gestützte Sichtbarkeit
5. Sichtbarkeit verstehen: Auf das Tool kommt es an
6. Fazit und Ausblick

GEO: Hype oder grundlegende Veränderung?

Generative Engine Optimization – die Methode, Sichtbarkeit von Marken in den Antworten von Large Language Models zu optimieren, ist für mich beides: Hype und grundlegende Veränderung. Hype, weil Investor*innen gerade massiv Geld in Startups pumpen, die genau dieses Problem lösen wollen – und zwar bevor viele Unternehmen überhaupt verstanden haben, wie LLMs Inhalte finden, gewichten und ausspielen.Grundlegende Veränderung, weil Sichtbarkeit in LLMs direkt auf klassischer SEO aufbaut und sich der Touchpoint verschiebt: Statt in der Websuche zu landen, beantworten ChatGPT, Claude oder Gemini immer mehr Nutzerfragen direkt, in dem sie das Internet durchsuchen.

Das bedeutet: Wer heute nicht versteht, wie LLMs Quellen priorisieren, Kontexte bauen und Marken einordnen, verliert genau dort Reichweite, wo die nächste Generation der Suche entsteht. Schon heute, das hat der Verband Bitkom herausgefunden, sucht die Hälfte der deutschen Internetnutzer*innen mindestens gelegentlich mit KI im Internet, etwa 13 % gleichauf mit Suchmaschinen.

Wie und wann LLMs auf das Internet zugreifen

Large Language Models sind grundsätzlich nicht internetfähig. Den Zugang zum Internet erhält ein LLM, in dem es ein Werkzeug benutzt. Durch bestimmte Trainingsmethoden bekommt das LLM beigebracht bestimmte Tools proaktiv zu nutzen. Zum Beispiel, indem es bei einer Frage zu einem Produkt das Web Search Tool für eine fundierte Antwort nutzt. ChatGPT kann dies sehr gut. Andere Modelle muss man explizit anweisen, eine Websuche durchzuführen.

Bei GEO ist also zu unterscheiden, ob ein Modell auf seinen integrierten Wissensschatz zurückgreift (auf diesen kannst du praktisch keinen Einfluss nehmen) oder eine Websuche durchführt (auf diesen Prozess kannst du über verschiedene Wege Einfluss nehmen). Das Tool zur Websuche kann bei unterschiedlichen LLM-Anbieter*innen unterschiedlich funktionieren. Was heißt das: OpenAI ChatGPT, die WebApp, ist ein Wrapper für verschiedene LLMs von OpenAI. ChatGPT fördert zu einer Suchanfrage etwas andere Ergebnisse zutage, als Perplexity, einem Wrapper für LLMs ganz verschiedener Firmen. 

Am Ende hat das Tool zur Websuche einen größeren Einfluss auf die finale Antwort des Modells, als man meinen könnte, denn das LLM kriegt in der Regel keine ganze Website zu sehen. Das Websuch-Tool macht eine Suchanfrage, wählt passende Websites aus und – gibt nur relevante Textausschnitte an das LLM zur Formulierung der finalen Antwort weiter. Da LLM und Suchtool aber untrennbar miteinander verbunden sind, trenne ich Modellebene und Tool-Ebene in diesem Text nicht immer. 

Faktoren für Sichtbarkeit von Marken in LLMs

Es gibt ganz verschiedene Faktoren, die die Sichtbarkeit in KI-Antworten bedingen und sich zwischen den einzelnen LLM-Tools ähneln. Damit du verstehst, wie eine Antwort von einem LLM zustande kommt, musst du die Quellen, die dem LLM gegeben wurden, analysieren. 

Ich habe mit meinem Team so eine Analyse mal mit 300 Prompts bei ChatGPT durchgeführt und die wichtigen Faktoren identifiziert. Über das aktuelle Open AI Modell GPT-5 hat OMR ausführlich geschrieben. 

Search Engine Optimization / On-Page-Maßnahmen

Selbst bei Generative Engine Optimization bleibt SEO wichtig! Warum? Weil SEO die allgemeine Auffindbarkeit von Inhalten sicherstellt. Die LLM-Anbieter*innen halten sich über die Details bedeckt, aber ihre Search-Tools wickeln die Suchanfragen sehr wahrscheinlich über die APIs der großen Suchmaschinenanbieter*innen ab – die wiederum gute SEO priorisieren. Insgesamt werden die Effekte von SEO jedoch indirekter und müssen mit bestimmten technischen Voraussetzungen zusammen gedacht werden. 

Damit eine Website, die durch das Search Tool gefunden wurde, auch optimal verarbeitet werden kann, sollten Texte klar strukturiert sein (Listen, Überschriften etc.), es sollte möglichst wenig JavaScript genutzt werden, da alle Search Tools (Ausnahme Google) lediglich den HTML-Anteil der Website berücksichtigen. Metadaten mit einem Schema Markup zu strukturieren, hilft dem Search Tool dabei zu verstehen, ob deine Seite für eine Antwort relevant ist.

Corporate Blogging

Im B2B sind Corporate Blogs besonders wichtig. Sie bereiten Businessthemen für LLMs auf, zu denen online Quellen sonst rar sind (auch die Fachpresse bildet diese Themen nicht immer ab). Vor allem Listicles scheinen für ChatGPT interessant zu sein. 

B2B Beispiel Prompts:

• Welche Tools zur Dokumentenautomatisierung eignen sich für Kanzleien?
• Was ist der Unterschied zwischen SIEM und SOAR?
• Was sind die besten Tools zur digitalen Qualitätskontrolle?

Redaktionelle, unabhängige Inhalte

Im B2C sind unabhängige, redaktionelle Inhalte in Magazinen und Fachpresse besonders wichtig. Bei der Beantwortung von Fragen wie "Was ist die beste Kamera für Einsteiger?"  spielt Fachpresse eine wichtige Rolle. Hier kann eine PR-Strategie dabei helfen, eine Marke in die Presse hereinzubringen, auf die zum Beispiel ChatGPT zurückgreift. 

B2C Beispiel Prompts:

• ​​Was ist die beste Matratze für Rückenschläfer*innen?
• ​​Was ist die beste Kamera für Einsteiger*innen?
• Welche Zahnbürste reinigt am gründlichsten?

User Generated Content

Reddit ist für viele schon lange eine Quelle, um authentische Produktbewertungen und Rat zu finden. Auch KI greift auf Reddit Threads zu, um Antworten auf verschiedene produktbezogene Fragen zu geben. Für bestimmte Marken ergibt es deshalb absolut Sinn, gezielt Communities z. B. auf Reddit aufzubauen und zu pflegen, um mit authentischen und positiven Stimmen in LLM-Antworten gefeatured zu werden. 

Ich kann an dieser Stelle sehr den Artikel "Wie KI-Suchmaschinen SEO verändern" von Julian Kirfel empfehlen, der sich dem Thema aus einer klassischen SEO Perspektive annähert, oder den Artikel "KI SEO: So optimierst du Inhalte für ChatGPT, Claude und AI Overviews" von Nils Knäpper.

Do’s and Don’ts für KI-gestützte Sichtbarkeit

Do: Ganzheitliche Analyse

Um die Sichtbarkeit in Claude, Google Gemini und ChatGPT bewerten zu können, kannst du mit einfachen Mitteln beginnen. Du kannst die genannten Web Apps einfach in einem Inkognito-Tab öffnen und ein paar Suchanfragen stellen, in der deine Marke gefeaturet werden sollte. 

1. Analysiere die Antwort: Welche Marken werden an welcher Stelle genannt? Auf welche Weise werden sie beschrieben?
2. Kategorisiere die Quellen: Schaue dir an, welche Quellen in die Antwort eingeflossen sind. Handelst es sich um journalistische Quellen oder um Corporate Blogs? Der Quellenmix beeinflusst deine Strategie. 
3. Entwickele deine Strategie: Bringe deine Marke in die Quellen, die das LLM zitiert, um deine Sichtbarkeit zu erhöhen.

Jetzt musst du entscheiden: Genügt dir der Überblick von Hand oder brauchst du eine Langzeitanalyse und Datenauswertung? Dann könnte dir ein GEO-Tool helfen.

Do: Listicle Strategie

Wenn ich an LLM-Sichtbarkeit arbeite, starte ich bei den Listicles. Sie sind oft der direkte Grund, warum Marken in Prompts wie "Welches ist das beste E-Bike für die Stadt?" auftauchen – oder eben nicht. Dafür definiere ich zuerst typische Suchanfragen, die Nutzer*innen an ChatGPT stellen könnten, und prüfe dann, welche Domains in diesen Antworten genannt werden. Aus dieser Analyse entsteht eine eigene Übersicht, die schnell zeigt, wo die Konkurrenz vorkommt und warum das eigene Produkt fehlt: Oft hatten die Ersteller*innen das fehlende Produkt nicht präsent.

Auf dieser Basis lässt sich Sichtbarkeit gezielt anstoßen: neue Produkttests, klassischer PR Outreach oder direkte Kontaktaufnahme zu Listicle-Autor*innen. Erfahrungsgemäß wirkt schon regelmäßige Präsenz in relevanten Medien, sei es über Tests, Interviews oder Studien – wie ein Hebel für spätere Erwähnungen. Je vertrauter deine Marke im digitalen Umfeld wird, desto wahrscheinlicher taucht sie langfristig auch automatisiert in LLM-Antworten auf.

Do: News und Fachpresse

Für die Fachpresse arbeite ich mit einem klaren Prinzip: Relevanz schlägt alles. Exklusive Inhalte wie Datenerhebungen, kleine Studien oder gut gewählte aktuelle Aufhänger helfen mir, Journalist*innen echte Geschichten zu liefern – keine Werbung. Gleichzeitig denke ich redaktionell: Welche Perspektive macht die Story interessant, wie lässt sich ein Thema einordnen, wo steckt ein neuer Aspekt?

Für die gezielte Ansprache nutze ich ein Tool, um passende Medien, Autor*innen und Themencluster zu identifizieren, aber Google News hilft in den meisten Fällen auch schon weiter. Dadurch entstehen Pitches, die direkt andocken und nicht wie Massenmails wirken. Jede einzelne Erwähnung zahlt auf die langfristige Sichtbarkeit ein: Wenn eine Marke regelmäßig in Fachartikeln, Branchenanalysen oder Konferenzberichten auftaucht, erhöht sich die Chance, später automatisch in Rankings, Produktempfehlungen oder LLM-Antworten zu landen.

Don’t: Beliebiger Content

Ein häufiger Stolperstein in GEO-Projekten sind Inhalte, die für Menschen zwar "okay" wirken, für Such-Tools und LLMs jedoch praktisch unbrauchbar sind. Das passiert oft, wenn Marken massenhaft irrelevanten Content produzieren – lose Blogartikel ohne klaren Zweck, generische SEO-Texte oder Beiträge, die keinerlei Bezug zu realen Nutzerfragen haben. LLMs arbeiten in diesen Fällen mit dem, was sie bekommen: Wenn Inhalte keine echte Relevanz erzeugen, werden sie von Search-Tools seltener ausgewählt und tauchen später auch nicht in Antworten auf.

Gleichzeitig scheitern viele Marken an der technischen Seite. Websites, die stark von JavaScript abhängen, unklare HTML-Strukturen haben oder ohne Heading-Hierarchie auskommen, erzeugen ein weiteres Problem: Die Websuch-Tools der LLMs können diese Inhalte nicht sauber extrahieren. Sie sehen nur Fragmente, keine Absätze, keine Listen – und damit keinen Kontext, den das Modell sinnvoll verwenden kann.

Sichtbarkeit verstehen: Auf das Tool kommt es an

Die systematische Analyse und Optimierung von Markensichtbarkeit in LLMs zum Beispiel von Unternehmen lässt sich nur gut mit Tools umsetzen. Dafür gibt es ein paar Gründe: Toolanbieter*innen im GEO Bereich crawlen neutrale Instanzen der LLMs, wie sie eine Nutzer*in zu Gesicht bekommen würde. Sie tun dies in bestimmten Intervallen, die die Vergleichbarkeit der Datenpunkte erhöhen und sie errechnen aus den erhobenen Antworten verschiedene Kennzahlen, die relevant für LLM-Optimierung sind. Das ist die Grundvoraussetzung für eine GEO-Strategie. 

Je nach Tool werden unterschiedliche Schwerpunkte bei der Analyse der erhobenen Antworten, der Modellauswahl und einigem mehr gelegt. Das heißt, für jeden GEO-Case gibt es inzwischen ein passendes GEO-Tool. Unten findest du eine keineswegs erschöpfende Liste mit Tools am Markt, die mir persönlich bekannt sind.

• blinq: Prompt-basiertes Monitoring, Sentiment- und Key-Message-Analyse, Fokus auf populärste Modelle (ebenso: Jouralist:innen und Podcast-Host Suchmaschine)
• Otterly.AI: Prompt-basiertes Monitoring, Keyword-Analyse, große Modellabdeckung
• Peec AI: Detailliertes Prompt-basiertes Monitoring über eine Vielzahl von Modellen
• Finseo.ai: Große Modellauswahl, shopping-orientiert, prompt-basiert
• ALLMO.ai: Prompt-basiertes Monitoring, Indizierungscheck, Optimierungsempfehlungen

Wenn du noch mehr Tools willst, OMR hat eine ausführliche Liste mit Tools für Optimierung von LLM-Antworten zusammengestellt.

Fazit und Ausblick

KI-Sichtbarkeit wird zur harten Währung. Nicht nur im Marketing sondern auch in der PR. Marken in den Antworten von ChatGPT, Claude und Gemini unterzubringen ist eine ganzheitliche Kommunikationsleistung, die Content-Strategien, Positionierung und Datenanalyse miteinander verbindet. 

Tools können bei der Bewertung des Status Quo helfen und strategische Effekte nachvollziehen. Gleichzeitig gilt auch bei GEO: Menschen machen Content für Menschen, denn LLMs vermitteln, was authentisch, autoritativ und hochwertig ist. 

GEO ist ein noch junges Feld, das sich rapide ändern kann. Ein Tweak am Search Tool oder am LLM können stark verändern, welche Antworten, Wahrnehmungen und Informationen zu den Endnutzer*innen durchkommen. Beobachten und nachsteuern ist die Devise.