Glossar

GEO-Glossar: Begriffe der KI-Suche

Mehr als vierzig Begriffe, die in Gesprächen über KI-Sichtbarkeit ständig fallen. Kurz erklärt, ohne Fachchinesisch und ohne Definitionen, die nichts definieren.

Dieses GEO-Glossar ist unser Nachschlagewerk für Projekte und Gespräche. Es wächst mit, wenn sich Begriffe durchsetzen oder verschwinden, und es ist bewusst in fünf Themenfelder sortiert statt alphabetisch, weil die meisten Begriffe erst im Zusammenhang Sinn ergeben. Jeder Eintrag hat eine eigene Sprungmarke und lässt sich direkt verlinken.

Grundbegriffe der KI-Suche

GEO (Generative Engine Optimization): Die Optimierung einer Marke und ihrer Inhalte für Systeme, die aus mehreren Quellen eine einzige Antwort erzeugen. Ziel ist nicht ein Listenplatz, sondern die Nennung in der Antwort selbst, eine korrekte Beschreibung und ein Verweis auf die eigenen Inhalte. Wie das praktisch abläuft, steht auf der Seite zur Generative Engine Optimization.
AI Search: Sammelbegriff für Suchvorgänge, bei denen ein Sprachmodell die Antwort formuliert, statt nur Dokumente aufzulisten. Dazu zählen Assistenten wie ChatGPT ebenso wie Antwortblöcke innerhalb klassischer Suchmaschinen. Der entscheidende Unterschied zur alten Suche ist, dass die Auswahl der Quellen bereits vor dem ersten Klick passiert.
AI Overview: Der generierte Antwortblock über den klassischen Google-Ergebnissen. Er fasst mehrere Quellen zusammen und verlinkt einen Teil davon. Für Websites bedeutet er, dass Sichtbarkeit und Klick auseinanderfallen können: Die Marke wird gesehen, der Besuch bleibt aus.
Answer Engine: Ein System, dessen Ergebnis eine Antwort ist und keine Trefferliste. Der Begriff wird oft synonym zu AI Search verwendet, betont aber die Perspektive der Nutzerin: Es wird eine Auskunft erwartet, keine Auswahl an Quellen zum Selbstvergleich.
Zero-Click Search: Eine Suche, die endet, ohne dass ein Ergebnis angeklickt wird, weil die Antwort bereits auf der Suchseite steht. Zero-Click-Anteile steigen mit generierten Antworten. Für Unternehmen verschiebt sich damit die relevante Kennzahl von Klicks in Richtung Nennungen und Markenpräsenz.
SEO (Suchmaschinenoptimierung): Die Arbeit daran, dass Inhalte in Suchmaschinen gefunden und gut platziert werden. Technik, Struktur, Inhalte und Verlinkung bilden dabei die Grundlage. SEO wird durch KI-Suche nicht ersetzt, sondern ist die Voraussetzung dafür, dass Inhalte überhaupt abrufbar und bewertbar sind.
Prompt: Die Eingabe, mit der ein Sprachmodell zu einer Antwort aufgefordert wird. Kleine Unterschiede in der Formulierung führen zu spürbar anderen Ergebnissen. Deshalb wird KI-Sichtbarkeit immer mit einem festen Satz an Formulierungen gemessen und nicht mit einer einzelnen Frage.
Suchintent: Das Ziel hinter einer Frage: etwas verstehen, etwas vergleichen, etwas kaufen oder eine bestimmte Seite ansteuern. Inhalte wirken dann, wenn sie zum Intent passen. In der KI-Suche zählt zusätzlich, ob die Antwort auf den Punkt kommt, bevor sie ausholt.

Wie Sprachmodelle arbeiten

LLM (Large Language Model): Ein sehr großes Sprachmodell, das aus Textmengen Muster gelernt hat und daraus neue Texte erzeugt. Es speichert kein Verzeichnis von Fakten, sondern Wahrscheinlichkeiten. Deshalb kann es plausibel klingende, aber falsche Aussagen treffen, wenn belastbare Quellen fehlen.
Token: Die kleinste Verarbeitungseinheit eines Sprachmodells, meist ein Wortteil. Modelle rechnen in Token, nicht in Wörtern. Für die Praxis ist vor allem relevant, dass die Menge an Text, die ein System gleichzeitig berücksichtigen kann, begrenzt ist.
Kontextfenster: Die Menge an Text, die ein Modell in einem Durchgang berücksichtigen kann, inklusive Frage, Verlauf und abgerufener Quellen. Ist das Fenster voll, fällt Älteres heraus. Lange, unstrukturierte Seiten haben es dadurch schwerer, vollständig in eine Antwort einzufließen.
Embedding: Die Umrechnung von Text in eine Zahlenfolge, die Bedeutung abbildet. Inhalte mit ähnlichem Sinn liegen dabei nah beieinander, auch wenn sie andere Wörter verwenden. Embeddings sind der Grund, warum exakte Keywords weniger wichtig geworden sind als klare Aussagen.
Vektorsuche: Ein Suchverfahren, das nicht nach übereinstimmenden Wörtern sucht, sondern nach Nähe im Bedeutungsraum. Es findet passende Abschnitte auch dann, wenn die Frage anders formuliert ist als der Text. Voraussetzung sind Abschnitte, die für sich verständlich sind.
RAG (Retrieval Augmented Generation): Ein Verfahren, bei dem ein Modell vor der Antwort passende Dokumente abruft und diese in die Formulierung einbezieht. Damit werden Antworten aktueller und belegbarer. Für Websites heißt das: Was im Moment der Frage nicht abrufbar ist, kann auch nicht einfließen.
Retrieval: Der Abrufschritt innerhalb einer Antwort: Das System sucht Inhalte, bewertet sie und wählt einige aus. Erst danach beginnt das Formulieren. Die meisten Sichtbarkeitsprobleme entstehen in diesem Schritt und nicht beim Schreiben der Antwort.
Grounding: Die Rückbindung einer Antwort an nachprüfbare Quellen. Gut geerdete Antworten nennen, worauf sie sich stützen. Ohne Grounding bleibt eine Aussage eine Vermutung des Modells, und genau dort entstehen falsche Angaben über Unternehmen.
Halluzination: Eine Aussage, die ein Modell erfindet, weil ihm belastbare Informationen fehlen. Betroffen sind besonders Details wie Preise, Zuständigkeiten oder Standorte. Das beste Gegenmittel sind eindeutige, aktuelle und leicht auffindbare Angaben auf der eigenen Website.

Systeme, Crawler und Dateien

ChatGPT: Der Assistent von OpenAI und für viele der erste Berührungspunkt mit KI-Suche. Antworten entstehen aus gelerntem Wissen und, je nach Frage, aus aktuell abgerufenen Seiten. Wie Unternehmen dort auftauchen, beschreibt die Seite zur Optimierung für ChatGPT.
Gemini: Die Modellfamilie von Google, eng verbunden mit den Google-Diensten und den generierten Antworten in der Suche. Unternehmen mit gepflegten Google-Profilen und sauberen strukturierten Daten haben hier tendenziell einen leichteren Stand.
Perplexity: Ein Antwortsystem, das seine Quellen sichtbar auflistet und verlinkt. Dadurch lässt sich besonders gut nachvollziehen, welche Inhalte tatsächlich verwendet wurden. Für die Messung von Zitationen ist es deshalb ein nützlicher Ausgangspunkt.
Copilot: Der Assistent von Microsoft, eingebettet in Windows, Office und die Suche. Relevant überall dort, wo Recherche im Arbeitsalltag ohnehin in dieser Umgebung stattfindet, etwa in vielen B2B-Situationen.
AI Mode: Ein Modus innerhalb der Google-Suche, in dem die Antwort im Vordergrund steht und Rückfragen möglich sind. Er verstärkt die Verschiebung von Trefferlisten hin zu Dialogen und macht die Auswahl der Quellen noch entscheidender.
GPTBot und verwandte Crawler: Programme, mit denen KI-Anbieter Webseiten abrufen. Sie lassen sich über die robots.txt zulassen oder aussperren. Die Entscheidung hat Folgen: Wer sperrt, schützt Inhalte, verzichtet aber auf die Chance, in Antworten als Quelle vorzukommen.
Crawler: Ein Programm, das Seiten automatisch aufruft und deren Inhalte einliest. Was ein Crawler nicht laden kann, existiert für das dahinterliegende System nicht. Ladezeit, Weiterleitungen und blockierte Bereiche entscheiden deshalb mit über Sichtbarkeit.
llms.txt: Eine Textdatei im Wurzelverzeichnis einer Website, die KI-Systemen einen geordneten Überblick über die wichtigsten Inhalte geben soll. Sie ist kein verbindlicher Standard, aber ein günstiger Weg, die eigene Struktur maschinenlesbar zusammenzufassen.

Inhalte, Quellen und Vertrauen

Citation (Zitation): Der Quellenverweis unter oder in einer generierten Antwort. Zitationen sind der sichtbarste Beleg dafür, dass Inhalte tatsächlich verwendet wurden, und die einzige Form der KI-Sichtbarkeit, die direkt Besuche bringen kann.
Erwähnung: Die Nennung eines Unternehmens in einer Antwort, auch ohne Link. Erwähnungen wirken auf die Wahrnehmung, tauchen aber in keiner Zugriffsstatistik auf. Sie lassen sich nur durch wiederholte, protokollierte Abfragen erfassen.
Quellenfähigkeit: Die Eigenschaft eines Inhalts, als Beleg verwendet werden zu können: klar formuliert, eigenständig verständlich, datiert und einer verantwortlichen Stelle zuzuordnen. Woran wir das festmachen, steht unter Inhalte für KI-Systeme.
Chunk: Ein abgegrenzter Textabschnitt, den ein System als Einheit verarbeitet. Gute Chunks beantworten eine Frage vollständig, ohne den Rest der Seite zu brauchen. Deshalb wirkt die Reihenfolge Frage, kurze Antwort, Ausführung so zuverlässig.
E-E-A-T: Kurzform für Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Ursprünglich aus den Google-Richtlinien für die Qualitätsbewertung, inzwischen ein brauchbarer Maßstab auch für KI-Sichtbarkeit: Wer erkennbar Ahnung hat und dazu steht, wird eher verwendet.
Autorität: Das Gewicht, das eine Quelle in einem Themenfeld hat. Es entsteht aus Verlinkungen, Erwähnungen, Fachbeiträgen und der Zeit, über die hinweg jemand zu einem Thema publiziert. Autorität lässt sich aufbauen, aber nicht kaufen.
Aktualität: Wie frisch die Angaben einer Seite sind. Für viele Fragen bevorzugen Systeme neuere Quellen, besonders bei Preisen, Rechtslagen und Technikthemen. Ein sichtbares Datum der letzten Aktualisierung hilft dabei mehr als ein neuer Text daneben.
FAQ: Ein Abschnitt mit häufigen Fragen und knappen Antworten. Inhaltlich sinnvoll, wenn die Fragen echt sind und die Antworten etwas erklären. Als reines Auszeichnungsmittel zur Anzeige in Suchergebnissen hat das Format an Bedeutung verloren.

Daten, Entitäten und Struktur

Entität: Ein eindeutig identifizierbares Ding: ein Unternehmen, eine Person, ein Ort, ein Produkt. Systeme arbeiten mit Entitäten, nicht mit Zeichenketten. Erst wenn Ihre Marke sicher von ähnlich klingenden unterschieden werden kann, wird sie zuverlässig genannt.
Knowledge Graph: Ein Netz aus Entitäten und ihren Beziehungen zueinander. Es beantwortet Fragen wie: Wer gehört zu wem, wer bietet was an, wo sitzt das Unternehmen. Konsistente Angaben im Netz sind die Grundlage dafür, dort korrekt einsortiert zu werden.
Schema.org: Ein gemeinsames Vokabular, mit dem sich Inhalte maschinenlesbar auszeichnen lassen, meist als JSON-LD. Damit wird aus einem Textblock eine eindeutige Aussage über Organisation, Leistung, Adresse oder Seitenzusammenhang.
Strukturierte Daten: Maschinenlesbare Zusatzangaben zu einer Seite. Sie ersetzen keine Inhalte, machen aber eindeutig, was der Text meint. Wichtig ist, dass sie zum Sichtbaren passen. Mehr dazu unter Technik und Struktur.
Semantische Suche: Suche nach Bedeutung statt nach Wortgleichheit. Sie findet passende Inhalte auch bei anderer Wortwahl und macht Umschreibungen wertlos, die nur Varianten desselben Begriffs aneinanderreihen.
Informationsarchitektur: Die Ordnung einer Website: Welche Seite ist wofür zuständig, was gehört zusammen, was ist überflüssig. Eine klare Architektur verhindert, dass mehrere Seiten dieselbe Frage halb beantworten und keine davon vollständig.
Interne Verlinkung: Die Verbindungen zwischen den eigenen Seiten. Sie zeigen, welche Inhalte zentral sind und wie Themen zusammenhängen. Beschreibende Ankertexte sind dabei nützlicher als wiederholte Aufforderungen zum Weiterlesen.
NAP-Konsistenz: Die Übereinstimmung von Name, Adresse und Telefonnummer über alle Auftritte hinweg. Widersprüche zwischen Website, Verzeichnissen und Profilen führen dazu, dass Systeme im Zweifel gar keine Angabe machen.

Nächster Schritt

Begriffe klären ist der leichte Teil

Die eigentliche Arbeit beginnt danach. Wir schauen uns an, wie KI-Systeme heute über Ihr Unternehmen sprechen, und was sich davon ändern lässt.

Strategiegespräch vereinbaren Leistungen ansehen