GEO/AEO-Fachglossar

Welche Grundbegriffe steuern GEO und AEO?

Prompt Group

Eine Prompt Group strukturiert Suchanfragen als AI-Search-Äquivalent eines klassischen Keyword-Clusters. Sie bündelt gezielt Prompts um Suchintentionen und Anwendungsszenarien statt um reines Suchvolumen.

Digitale Strategen nutzen Prompt Groups zur systematischen Messung der Marken-Sichtbarkeit in Sprachmodellen. Sie bildet das strategische Fundament für jede gezielte Optimierung in Antwortmaschinen.

Visibility Hygiene (Floor vs. Ceiling)

Visibility Hygiene beschreibt das Fundament und die Obergrenze der KI-Markensichtbarkeit. Der Floor misst über Branded Prompts die eigene Entitätserkennung durch Sprachmodelle. Ein Scheitern am Floor signalisiert einen kritischen Notfall im System.

Das Ceiling misst über Non-Branded Prompts die Themen-Assoziation im Markt. Hier entscheidet sich der direkte Wettbewerb um neue Kundenpotenziale.

Detection Rate

Die Detection Rate gibt den prozentualen Anteil aller KI-Abfragen an, in denen ein Modell die Zielmarke erwähnt. Sie fungiert als grundlegende Messgröße für die Präsenz einer Entität.

Niedrige Werte bei Branded Prompts deuten auf technische Blockaden oder fehlende Entitäts-Daten hin. Eine hohe Detection Rate bildet die Mindestvoraussetzung für alle weiteren Sichtbarkeitseffekte.

Share of Voice vs. Share of Citations

Der Share of Voice misst den relativen Anteil aller Markenerwähnungen im Vergleich zum Wettbewerb. Der Share of Citations erfasst dagegen den Anteil der tatsächlich verlinkten Quellen-URLs.

Marken benötigen beide Kennzahlen für eine präzise Wettbewerbsanalyse. Hohe Erwähnungen ohne Verlinkungen offenbaren eine Lücke im Vertrauen der KI-Modelle.

Welche Fehlerbilder kennzeichnen Diagnose-Gaps?

Trust Gap

Ein Trust Gap entsteht, wenn KI-Systeme eine Marke zwar namentlich nennen, aber nicht als vertrauenswürdige Quelle verlinken. Es zeigt eine hohe Bekanntheit bei gleichzeitig fehlender Zitierfähigkeit des eigenen Inhalts.

Unternehmen schließen diese Lücke durch strukturierten Content mit klaren Begründungen und Vergleichen. Ohne Vertrauenssignale bevorzugen KI-Modelle externe Drittquellen.

SEO Gap

Ein SEO Gap umfasst alle technischen und strukturellen Hindernisse, die KI-Crawler am Crawlen, Parsen oder Indexieren hindern. Dazu zählen Bot-Sperren in Firewalls, fehlendes Rendering oder unsaubere Überschriften-Hierarchien.

Technische SEO-Fehler blockieren die KI-Sichtbarkeit vollständig. Solange Roboter die Inhalte nicht fehlerfrei verarbeiten, greifen redaktionelle Optimierungen nicht.

Content Gap

Ein Content Gap liegt vor, wenn relevante Inhalte fehlen oder für Sprachmodelle nicht extrahierbar aufbereitet sind. Die Zielseite existiert zwar, liefert aber keine verwertbaren Antworten für RAG-Systeme.

Redakteure beheben diesen Mangel durch klare Textstrukturen, direkte Antworten und belegte Daten. Gut aufbereiteter Content erhöht die Chance auf direkte Textzitate.

PR Gap

Ein PR Gap beschreibt das Fehlen einer Marke auf externen Autoritätsportalen und in unabhängigen Medien. KI-Modelle stützen ihre Antworten bevorzugt auf verifizierte Drittquellen statt auf reine Eigenwerbung.

Fehlende Eintragsdaten in Branchendatenbanken oder Rezensionsportalen schwächen die KI-Sichtbarkeit. Ein gezielter Vertrauensaufbau auf externen Kanälen schließt diese Lücke nachhaltig.

Wie funktionieren technische SEO- und RAG-Konzepte?

RAG (Retrieval-Augmented Generation)

Retrieval-Augmented Generation verbindet KI-Sprachmodelle dynamisch mit externen Datenbanken und Webinhalten. Das System ruft vor der Antwortgenerierung relevante Quelltexte ab und reichert seine Ausgaben mit aktuellen Fakten an.

RAG bildet die technische Grundlage moderner Antwortmaschinen. Die Technologie entscheidet direkt darüber, welche Webseiten als Beleg verlinkt werden.

Chunkability

Chunkability bezeichnet die Eigenschaft eines Textes, von RAG-Systemen in eigenständige Absätze zerlegt zu werden. Ein idealer Chunk umfasst etwa 50 bis 120 Wörter und behandelt exakt einen Gedanken.

Absätze müssen ohne den Rest der Seite verständlich bleiben. Kontextabhängige Verweise auf frühere Abschnitte verringern die Zitierchance drastisch.

Hydration (CSR vs. SSR)

Hydration beschreibt das Ausführen von JavaScript zum Aufbau von Webinhalten im Browser. Client-Side Rendering (CSR) verdeckt Texte vor KI-Crawlern, da diese selten Skripte ausführen.

Server-Side Rendering (SSR) liefert den Text direkt im rohen HTML aus. Antwortmaschinen erfassen serverseitig gerenderte Seiten schneller und zuverlässiger.

sameAs-Array

Das sameAs-Array verknüpft im JSON-LD-Schema offizielle Markenprofile auf externen Plattformen. Es verweist auf Datenquellen wie Wikidata, Crunchbase oder LinkedIn.

Diese Verknüpfung bestätigt KI-Systemen die Identität einer Marke. Das sameAs-Array bildet den wirksamsten Hebel für die technische Markenerkennung.

dl/dt/dd-Tags

HTML-Tags für Definitionslisten (dl, dt, dd) strukturieren Datenpaare semantisch für Crawler. Sie ordnen Begriffe ihren exakten Beschreibungen und Werten zu.

Sprachmodelle bevorzugen solche semantischen Listen bei der Fakten-Extraktion. Sie werten diese Strukturen gegenüber gewöhnlichen Tabellen oder Fließtexten auf.

Welche Strategien sichern die Extrahierbarkeit von Content?

BLUF (Bottom Line Up Front)

BLUF platziert die direkte Antwort auf eine Frage in den allerersten 40 bis 80 Wörtern eines Textes. Der Ansatz verzichtet auf lange Einleitungen und liefert Kernfakten sofort.

KI-Engines nutzen die ersten Sätze bevorzugt als Zitat-Kandidaten. Ein präziser BLUF-Absatz erhöht die Chance auf direkte Quellennennung signifikant.

Justification

Justification liefert Sprachmodellen konkrete Argumente und Vergleiche für eine Produktempfehlung. Elemente wie Pros-Cons-Listen oder „Best for“-Auszeichnungen begründen den Nutzen einer Lösung.

Modelle benötigen logische Entscheidungsregeln für ihre Empfehlungen. Reines Marketing-Posting ohne Begründungselemente wird von Antwortmaschinen ignoriert.

Evidence

Evidence beschreibt die Nutzung quantitativer Daten, präziser Zahlen und benannter Quellen im Text. Konkrete Statistiken ersetzen dabei vage Werbeaussagen.

Präzise Zahlenangaben steigern die Zitierfähigkeit von Inhalten deutlich. KI-Systeme bevorzugen datengestützte Aussagen gegenüber rein qualitativen Behauptungen.

Grounding Page

Eine Grounding Page bündelt verifizierte Fakten zu einer Marke auf einer zentralen URL wie der Über-uns-Seite. Sie enthält eine eindeutige Definition, ein Fakten-Raster und klare Zuordnungen.

Diese Seite dient Sprachmodellen als primäre Wahrheitsquelle. Sie verhindert veraltete Informationen und Halluzinationen über das Unternehmen.

Hub-Spoke-Entity-Modell

Das Hub-Spoke-Entity-Modell strukturiert Markeninhalte nach logischen Entitäten. Die Hauptseite bildet den zentralen Hub, während spezialisierte Unterseiten einzelne Produkte oder Services darstellen.

Verknüpfte Schemas verbinden Hub und Spokes zu einem konsistenten Graph. Diese Architektur vereinfacht KI-Systemen die Unterscheidung komplexer Leistungsangebote.

Out-extract, not out-write

Out-extract, not out-write fokussiert die Content-Erstellung auf perfekte Extrahierbarkeit statt auf maximale Wortanzahl. Texte gewinnen Sichtbarkeit durch Struktur, Tabellen und präzise Formulierungen.

Modelle belohnen keine künstliche Textlänge. Eine klare Aufbereitung schlägt lange Blogbeiträge bei der Antworten-Generierung.

Wie werden Entitäten, PR und Reputation gesteuert?

Entity Disambiguation

Entity Disambiguation löst Mehrdeutigkeiten auf und ordnet eine Marke eindeutig im Wissensgraphen ein. Das Verfahren unterscheidet das Unternehmen sicher von gleichnamigen Akteuren.

Einheitliche Stammdaten auf allen externen Plattformen sichern diesen Prozess. Eine klare Abgrenzung verhindert, dass KI-Modelle falsche Attribute zuordnen.

Citation Tiers

Citation Tiers kategorisieren Quellenseiten nach ihrer Autorität für Sprachmodelle. Tier-1-Quellen wie spezialisierte Bewertungsportale genießen dabei die höchste Priorität.

Unternehmen priorisieren ihre PR-Aktivitäten nach diesen Stufen. Ein Eintrag auf stark gewichteten Portalen schlägt viele schwache Blogbeiträge.

Reddit 10:1-Regel

Die Reddit 10:1-Regel schreibt vor, dass auf eine Markenerwähnung zehn wertvolle, markenfreie Beiträge kommen müssen. Sie schützt Nutzerprofile vor Spam-Filtern und Community-Bans.

Reddit-Diskussionen besitzen ein hohes Gewicht in RAG-Systemen. Authentische Community-Arbeit baut langfristige Vertrauenssignale für Sprachmodelle auf.

Wie lassen sich Analytics und ROI im AEO messen?

Zero-Click Influence

Zero-Click Influence erfasst den Wert von Markenerwähnungen in KI-Antworten ohne direkten Website-Klick. Nutzer erhalten ihre Lösung direkt im Chat und suchen später gezielt nach dem Anbieter.

Diese Wirkung lässt sich über indirekte Kennzahlen nachweisen. Sie bildet einen wachsenden Teil des Gesamterfolgs moderner Digitalstrategien.

Branded-Search-Lift

Der Branded-Search-Lift misst den zeitversetzten Anstieg organischer Marken-Suchanfragen im Zuge steigender KI-Sichtbarkeit. Er dient als verlässlicher Indikator für den Zero-Click-Effekt.

Eine hohe KI-Präsenz steigert die spätere gezielte Suche nach der Marke. Bleibt der Lift aus, prägt sich die Marke nicht nachhaltig im Gedächtnis der Nutzer ein.