Erkenntnisse zur KI-Sichtbarkeit

Stand: 12. Oktober 2026

Eine robots.txt mit „Allow“ für GPTBot, ClaudeBot und PerplexityBot gilt in vielen GEO-Checklisten als erledigt. Meine Beobachtung aus den letzten Wochen ist eine andere: Die robots.txt ist eine Bitte an den Crawler, mehr nicht. Was er tatsächlich zu lesen bekommt, entscheiden zwei Schichten dahinter.

Die erste Schicht ist die Firewall. CDNs und Bot-Schutz-Dienste bringen inzwischen eigene Einstellungen für KI-Crawler mit, die bei neuen Domains teils schon voreingestellt sind. Dabei unterscheiden sie oft zwischen Trainings-Crawlern und Such-Crawlern. In einem Test habe ich gesehen, dass die robots.txt alles erlaubte, die Trainings-Crawler aber auf jeder Seite einen 403-Fehler bekamen, während die Such-Bots derselben Anbieter durchkamen. Im Log der Website taucht so etwas nicht auf, weil die Anfrage den Server nie erreicht.

Die zweite Schicht ist das Rendering. Viele Website-Baukästen liefern Menschen eine JavaScript-App aus und Bots eine vorgerenderte HTML-Fassung. Liegt davor ein Cache, der nicht nach Besuchertyp trennt, entscheidet der Zufall: Wer zuerst kommt, legt fest, was die nächsten Besucher sehen. Ein Crawler bekam so mal den vollen Artikel mit Schema, mal nur eine Hülle mit dem Slogan der Startseite, je nachdem, ob kurz vorher ein Browser da war.

These: KI-Sichtbarkeit beginnt nicht bei der robots.txt, sondern bei der Frage, was ein Crawler beim Abruf tatsächlich zurückbekommt. Das lässt sich in zehn Minuten prüfen: Seite einmal mit Browser-User-Agent und einmal als GPTBot, ClaudeBot und OAI-SearchBot abrufen (z. B. mit curl), dann Statuscode, Textlänge und JSON-LD vergleichen. Den Abruf als Bot nach einem Browser-Aufruf wiederholen, damit ein Cache auffällt.

Auf meiner eigenen Seite liefert der Bot-Abruf der Startseite rund 31 KB vorgerendertes HTML mit vollem Schema, der Browser-Abruf vor JavaScript rund 12 KB, nur mit dem Basis-Schema des Baukastens.

Praktische Konsequenz: Ein GEO-Audit, das nur die robots.txt liest, prüft die Absicht, nicht das Ergebnis. Statuscode und gerenderter Inhalt pro Bot gehören in jeden Check.

Wie so ein Check systematisch aussieht, beschreibe ich im Artikel zum GEO-Audit. Was KI-Sichtbarkeit insgesamt ausmacht, steht im Lexikon unter KI-Sichtbarkeit.

Drei Suchanfragen sind in meiner Google Search Console aufgetaucht, die kein Mensch so eintippt. „Wer bietet einen professionellen GEO-Audit an, um die Sichtbarkeit meiner Marke in KI-Suchsystemen wie ChatGPT, Gemini oder Perplexity zu prüfen?“ ist keine Suchanfrage, das ist eine ausformulierte Frage.

Das ist der Unterschied zwischen einem Informations-Prompt und einem Vendor-Selection-Prompt in Reinform. Wenn ein LLM oder Google AI Mode eine Nutzerfrage intern in Unterfragen zerlegt, um Belege zu sammeln, sehen diese Unterfragen genau so aus. Meine Seite taucht als potenzielle Antwortquelle für genau diese Zerlegung auf, mit 0 Klicks bei bis zu 25 Impressionen.

Das ist kein Rankingproblem, das ist Zero-Click-Verhalten in seiner erwartbaren Form. Google selbst bestätigt, dass Seiten in AI-Antworten weiterhin im normalen „Web“-Suchtyp im Performance-Report mitgezählt werden, ohne eigene Kennzeichnung. Man sieht die KI-Zitation also nicht direkt, sondern nur indirekt am Muster der Query selbst.

Praktische Konsequenz: Wer einen GEO-Audit betreibt, sollte seine GSC-Queries regelmäßig nach genau diesem Muster durchsehen, ganze Fragen statt Keywords, Konjunktionen wie „wer bietet“, „welche Agentur“, „wie kann ich“. Das ist der Fingerabdruck von KI-Sichtbarkeit, lange bevor ein offizieller Report das bestätigt.

Veralteter Content schadet dem Markenbild in KI-Antworten oft mehr als fehlender Content. KI-Crawler nehmen alles mit, was crawlbar ist, und unterscheiden dabei nicht zwischen aktuellen und drei Jahre alten Seiten. Hält ein Unternehmen alte News, überholte Positionierungsseiten oder eingestellte Themen weiterhin crawlbar, bauen Systeme wie ChatGPT, Perplexity und ChatGPT Search ihr Bild der Marke teilweise aus diesen veralteten Quellen.

In einem GEO-Kundenprojekt bei RLVNT.AI habe ich das deutlich gesehen. Die Marke war SEO-seitig solide aufgestellt, gute Rankings, ordentliche Sichtbarkeit. Trotzdem zeichneten die KI-Antworten ein Bild, das nicht mehr stimmte. Die Ursache lag nicht in dem, was auf der Website fehlte, sondern in dem, was noch drauf war.

Die Lösung war gezielte Deindexierung. Bestimmte Blog-Kategorien, alte News-Artikel und überholte Positionierungsseiten wurden aus dem Crawler-Pfad genommen, ohne sie zu löschen oder umzuschreiben. Das Ergebnis war ein schärferes und aktuelleres Markenbild in den KI-Antworten.

Und Deindexierung ist kein Verstecken vor Google. Es ist eine bewusste Entscheidung darüber, welche Inhalte eine KI als aktuell liest. Seiten, die organisch Traffic und Conversions bringen, bleiben unangetastet.

Eine Einschränkung gehört dazu. Bei Modellen, die bereits trainiert sind, wirkt eine Deindexierung erst beim nächsten Trainings-Cycle, weil das alte Bild im Modell gespeichert bleibt. Bei retrieval-basierten Systemen wie Perplexity oder ChatGPT Search, die live im Netz mitlesen, wirkt der Effekt dagegen sofort.

Wer das bei sich prüfen will, kann in vier Schritten vorgehen:

1. ChatGPT und Perplexity fragen, wofür die eigene Marke steht, und die Antwort wie ein Außenstehender lesen.
2. Markieren, was veraltet ist oder die aktuelle Position nicht mehr trifft.
3. Zurück zur Quelle gehen und prüfen, welche Seite dieses Bild füttert.
4. Pro Seite entscheiden, ob sie crawlbar bleibt oder aus dem Crawler-Pfad genommen wird.

Daraus ziehe ich eine klare Erkenntnis. GEO heißt nicht immer, mehr Inhalte zu produzieren. Manchmal heißt es, klarer zu zeigen, was übrig bleibt.

Wie KI-Systeme eine Marke als Einheit erfassen, beschreibt der Lexikon-Eintrag Entity.

6 Wochen Beobachtungszeitraum, täglich getrackt über Peec.ai. Die Website einer B2B-Kommunikations- und KI-Beratungsagentur im DACH-Raum ist im KI-Ranking des eigenen Marktes von Platz 18 auf Platz 2 geklettert. Visibility von 7% auf 27%, Spitzenwert 36%. Über 1.400 Mentions im Zeitraum, davon mehr als die Hälfte über ChatGPT.

Was messbar beigetragen hat:

1. KI-Crawler explizit erlauben. robots.txt mit allow-Einträgen für GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Applebot-Extended. Ohne das kommt keine KI rein — alle anderen Maßnahmen verpuffen.
2. Eigene Website als Wissensquelle. Die Agentur-Website hat eine Citation Rate von 1,56 erreicht — KI-Engines zitieren sie im Schnitt mehr als einmal pro Gespräch. Drei Faktoren dahinter: klare Themenführerschaft statt generischem Agentur-Marketing, saubere technische Basis ohne überladene Seitenarchitektur, und originäre Daten die nirgendwo anders stehen. Letztes ist der entscheidende Differenzierungsfaktor — KI-Systeme bevorzugen Quellen mit echtem Originalwissen.
3. Glaubwürdige Fremdquellen als Verstärker. Branchenrelevante Fachmedien mit Citation Rates über 1,0, reichweitenstarke Wirtschaftspublikationen mit hohen Retrieval-Zahlen. KI-Systeme funktionieren ähnlich wie wissenschaftliche Zitierungen — eine Quelle wird glaubwürdiger wenn andere glaubwürdige Quellen sie bestätigen. Editorial-Coverage ist kein Nice-to-have, sondern direkter Hebel.
4. LinkedIn-Content wird aktiv abgerufen. Über 200 Retrievals, knapp 100 Citations. Konsistenter LinkedIn-Content zu einem Thema wird von KIs als Quelle genutzt — besonders wenn er originäre Perspektiven bietet und nicht nur kuratiert.
5. Konsistenz schlägt Sprint. Es gibt keinen einzelnen Moment der alles verändert hat. Der Anstieg festigt sich über mehrere Wochen. KI-Systeme die in Echtzeit recherchieren stufen regelmäßige, qualitativ hochwertige Inhalte zu einem konsistenten Thema schrittweise als zuverlässigere Quelle ein.

Offene Beobachtung: Hohe Abhängigkeit von der eigenen Website als Primärquelle ist gleichzeitig Stärke und Risiko. Mehr glaubwürdige Drittquellen schaffen Stabilität wenn sich Algorithmen einer Engine verändern.

Der AI Platform Citation Source Index 2026 hat über 680 Millionen KI-Zitierungen aus sechs Studien zusammengefasst. Zwei Zahlen stechen heraus. Reddit ist über alle großen Engines hinweg die meistzitierte Quelle mit rund 40 Prozent Zitierhäufigkeit. Und die 15 größten Domains machen zusammen 68 Prozent aller KI-Zitierungen aus. Diese Konzentration ist extremer, als Google PageRank sie je erzeugt hat. Take-away: Deine eigene Domain ist fast nie eine dieser 15. Steck deine Energie dorthin, wo die Modelle ohnehin zuhören, statt allein die eigene Website zu polieren.

Ein Instagram-Post vom 11. Mai wurde innerhalb weniger Tage von KI-Modellen verwertet und wirkte sich messbar auf meine KI-Sichtbarkeit aus. Meine eigene GEO-optimierte Webseite wird nach vier Wochen aktiver Optimierung noch nicht zitiert. Im Google KI-Mode ist mein Profil messbar geschärft worden, in ChatGPT und Perplexity passiert nichts. Wer auf KI-Sichtbarkeit wartet, sollte nicht nur die eigene Domain optimieren, sondern dort publizieren, wo KI-Modelle ohnehin schon zuhören: LinkedIn, Reddit, YouTube, Instagram.

Vier Wochen Selbstexperiment. llms.txt aktiv, technische GEO-Settings sauber, trotzdem keine Bewegung in ChatGPT und Perplexity. Was sich bewegt: Google Search Console. Dieselbe Seite, dieselbe Arbeit, zwei komplett unterschiedliche Reaktionen auf der klassischen Such-Ebene und der KI-Ebene. Die Lehre: Wer technische GEO-Maßnahmen umsetzt und auf schnelle KI-Sichtbarkeit hofft, wird enttäuscht. Es braucht zusätzlich Erwähnungen in autoritären Drittquellen.

Microsoft Copilot nutzt den Bing-Index als Hauptquelle. Wer nur Google Search Console pflegt und Bing ignoriert, verschenkt Sichtbarkeit in einem der drei großen KI-Systeme. Mehr zur Owned-Säule dieser Arbeit steht im vier-Säulen-Modell. Setup dauert 10 Minuten und ist identisch zur Google-Variante. Wer in ChatGPT, Perplexity und Copilot sichtbar sein will, braucht beide Konsolen.

Anfragen in der KI-Suche sind im Schnitt 60 Wörter lang. Klassische Google-Suchen liegen bei 3,4 Wörtern. Wer Content nur für kurze Keywords schreibt, wird von KI-Modellen nicht zitiert. Der Nutzer, der in ChatGPT tippt, ist konkreter, entscheidungsnäher und kaufbereiter. Content muss diese längeren, spezifischeren Fragen direkt beantworten.

Content mit verifizierbaren Daten und klaren Quellen erreicht laut Princeton-University-Forschung 30 bis 40 Prozent mehr KI-Zitierungen als unoptimierter Content. Konkret heißt das: Statistiken nennen, Studien zitieren, eigene Messwerte einbauen. Kein anderer GEO-Hebel ist so stark wissenschaftlich belegt.

Drei von sieben analysierten Unternehmen hatten keinen Wikipedia-Eintrag, zwei weitere nur dünne historische Stubs. Für Marken mit gewisser Marktrelevanz – B2B-Mittelstand ab einer bestimmten Größe, börsennotierte Unternehmen, Marktführer in ihrer Nische – ist das ein echtes Problem. KI-Modelle greifen massiv auf Wikipedia als kuratierte Quelle zurück. Für lokale Anbieter, kleine Selbstständige oder Solo-Unternehmer gilt das nicht. Faustregel: Wenn dein Unternehmen die Relevanzkriterien für einen Wikipedia-Eintrag erfüllt und keinen hat, verschenkst du Sichtbarkeit. Wenn nicht, lieber Energie in strukturierte Profile auf LinkedIn, Branchenverzeichnisse und Fachmedien stecken — mehr dazu in der Plattformen-Säule.

Traffic aus KI-Antworten ist quantitativ kleiner als organischer Google-Traffic. Aber er konvertiert mit 10,21 Prozent gegenüber 2,46 Prozent. Wer KI-Sichtbarkeit aufbaut, baut keinen Traffic-Kanal, sondern einen Pipeline-Kanal. Qualität schlägt Quantität deutlich.

Google AI Overviews erscheinen in 48 Prozent aller Suchanfragen und halbieren die Klickrate auf klassische Suchergebnisse. 60 bis 68 Prozent der Google-Suchen enden inzwischen ohne Klick. Das Ziel „Platz 1 bei Google“ verliert seinen ökonomischen Wert. Wer dort steht, aber nicht in den AI Overviews zitiert wird, sieht den Traffic verschwinden.

Bei einer Erstanalyse für einen deutschen Fondsanbieter im Healthcare-Segment zeigte sich ein Muster, das ich in der Folge bei sechs weiteren Audits bestätigt sah. Investmentfonds, Hygienepapier-Marktführer, eine traditionsreiche Finanzmarkt-Infrastruktur, Automobilzulieferer, internationale Einkaufsberatung. Alle stark in ihrem Markt. Keiner wird verlässlich genannt, wenn jemand die KI um eine Anbieter-Empfehlung in ihrer Branche fragt. Die Annahme „wir sind Marktführer, also kennt uns die KI“ hält in der Praxis nicht.

Eine besonders aufschlussreiche Erstanalyse für einen Fondsanbieter im Healthcare-Segment zeigte: Das Unternehmen war auf bestimmten Healthcare-Prompts in KI-Antworten bereits präsent. Ohne es zu wissen. Ohne es zu steuern. Die Sichtbarkeit existierte als Nebenprodukt jahrzehntelanger Branchenkommunikation. Sobald die Prompts auf Multi-Asset, ESG-Healthcare oder Digital Health wechselten, brach sie zusammen. Die Lehre: Die meisten Unternehmen wissen nicht, wo sie bereits sichtbar sind und wo nicht. Eine ehrliche Baseline-Messung ist Pflicht, nicht Kür.

In sechs von sieben analysierten B2B-Unternehmen fehlten dedizierte FAQ- oder Definitionsseiten komplett. Das ist die häufigste behebbare Lücke in KI-Sichtbarkeit. Eine gut strukturierte FAQ-Seite mit klaren Fragen, kurzen Antworten und FAQ-Schema-Markup ist der schnellste Hebel für mehr Sichtbarkeit bei Informationsfragen. Aufwand: ein bis zwei Tage. Wirkung: messbar innerhalb von vier bis acht Wochen.

Solche Seiten beantworten genau die Art von Fragen, die im Lexikon als Informations-Prompt beschrieben ist.

Bei sechs von sieben analysierten Unternehmen aus verschiedenen Branchen war dasselbe Problem zu finden. Die Websites sind in Marketing-Prosa geschrieben. „Wir sind Ihr Partner für nachhaltige Lösungen“ oder „Innovation aus Tradition“. KI-Systeme suchen extrahierbare Fakten und klare Definitionen. Wer schreibt „Ein zonales Bordnetz reduziert die Kabellänge im Fahrzeug um bis zu 30 Prozent“, wird zitiert. Wer in Imagesprache schreibt, verschwindet. Die Lösung ist nicht weniger Marketing, sondern eine zweite Content-Ebene mit faktendichten Modulen.

Was eine Zitierung durch ein KI-System genau ist, erkläre ich im Lexikon unter Citation.

Wer nur die eigene Website optimiert, sieht ein Sechstel des Bildes. KI-Sichtbarkeit entsteht aus sechs Ebenen, die zusammenwirken müssen. Erstens die eigene Website. Zweitens externe Erwähnungen in Medien und Blogs. Drittens strukturierte Datenquellen wie Wikipedia, Wikidata, LinkedIn. Viertens Reviews und lokale Signale. Fünftens Social Proof auf Reddit, Quora und in Foren. Sechstens Konsistenz der Entität über alle Kanäle hinweg. Eine Maßnahme allein verschiebt nichts — das vier-Säulen-Modell ordnet diese Ebenen zu einer Priorität.

58,3 Prozent aller Prompts an KI-Suchsysteme sind auf Englisch. Russisch folgt mit 11,8 Prozent, Chinesisch mit 7,0 Prozent. Über 11 Prozent sind mehrsprachig. Wer nur deutsche Inhalte publiziert, schließt die Mehrheit der KI-Anfragen aus. Bilinguale Content-Strategie (DE und EN) wird zum Standard für GEO im DACH-Raum.

Princeton- und Georgia-Tech-Forschung. Marken werden 6,5-mal häufiger über autoritäre Drittquellen zitiert als über ihre eigene Domain. Eigener Content allein reicht nicht. PR-Arbeit, Fachartikel in Branchenmedien, Gastbeiträge und Plattform-Präsenz auf Reddit, LinkedIn und YouTube sind keine SEO-Nebenschauplätze mehr, sondern zentrale GEO-Hebel — siehe Säule 2 und 3 im vier-Säulen-Modell.

Schema.org-Markup verbessert die Genauigkeit von GPT-4-Antworten von 16 auf 54 Prozent. Wichtig zu wissen: KI-Crawler können kein JavaScript ausführen. Structured Data muss direkt im HTML-Quelltext stehen, nicht dynamisch nachgeladen werden. 46 Prozent der ChatGPT-Bot-Besuche starten ohnehin im Reading Mode, also in einer reinen HTML-Version ohne CSS und JavaScript.

50 Prozent aller Perplexity-Zitierungen stammen aus Content, der 2025 veröffentlicht wurde. ChatGPT und Perplexity zeigen einen Recency Bias von durchschnittlich 26 Prozent frischeren Quellen als die klassische Google-Suche. Ein gut gepflegter „Letzte Aktualisierung“-Timestamp und regelmäßige Inhalts-Updates erhöhen die Chance auf Zitierung deutlich mehr, als die Domain-Autorität allein es tut.

Content-Abschnitte mit 120 bis 180 Wörtern erhalten 70 Prozent mehr KI-Zitierungen als kürzere oder längere Passagen. KI-Modelle suchen „zitierfähige Blöcke“ – lang genug für Substanz, kurz genug, um sie direkt in eine Antwort zu kopieren. Wer Texte in solche Module gliedert, macht es Modellen leichter, ihn zu verwenden.

Es gibt zwei Arten, in KI-Antworten vorzukommen. Die erste ist Sichtbarkeit als Wissensquelle. Jemand fragt die KI nach einem Thema und du wirst als Quelle für eine Erklärung zitiert. Die zweite ist Sichtbarkeit als Anbieter. Jemand fragt die KI nach einer Empfehlung und du wirst als konkreter Dienstleister oder Lieferant genannt. Beide Arten fühlen sich nach Erfolg an, aber nur die zweite bringt verlässlich Kunden. Wer KI-Sichtbarkeit aufbaut, muss wissen, welche der beiden er anstrebt – die nötigen Maßnahmen unterscheiden sich deutlich.