GEO, AEO, LLMO:was die Begriffewirklich meinen

GEO (Generative Engine Optimization), AEO (Answer Engine Optimization), LLMO (Large Language Model Optimization) und AIO beschreiben dasselbe Ziel aus leicht verschiedenen Blickwinkeln: Ihre Marke soll in KI-Antworten auftauchen, und zwar richtig dargestellt. Einen belegbaren Ursprung hat nur GEO, nämlich ein Forschungspapier von 2023. AEO stammt noch aus der Zeit der Antwortboxen und Sprachassistenten, LLMO und AIO sind Begriffe aus der Marketingpraxis, für die es keine feste Definition gibt. Welches Kürzel jemand benutzt, ist für Ihr Unternehmen deshalb ziemlich nebensächlich. Was zählt, lässt sich messen: Werden Sie genannt, wenn Kunden eine KI nach Lösungen wie Ihrer fragen?

Nikolai Schöbel und Jeremias Burger

Co-Founder der Scalableloops GmbH. Nikolai Schöbel verantwortet Online-Marketing und KI-Strategie, Jeremias Burger die KI-Architektur. Beide bauen und schulen KI-Systeme im eigenen Agenturalltag.

Woher kommt der Begriff Generative Engine Optimization?

Bei GEO lässt sich der Ursprung, anders als bei den übrigen drei Begriffen, ziemlich genau datieren. Im November 2023 erschien auf dem Preprint-Server arXiv das Papier „GEO: Generative Engine Optimization“ eines Forschungsteams der Princeton University und des Indian Institute of Technology Delhi, und im August 2024 wurde es auf der KDD vorgestellt, einer großen Fachkonferenz für Data Mining.

Dafür bauten die Forschenden einen Prüfstand namens GEO-bench mit rund 10.000 Suchanfragen aus vielen Themenbereichen. Dann veränderten sie Webtexte nach verschiedenen Mustern und maßen, wie stark die Inhalte danach in den Antworten eines generativen Suchsystems vorkamen. In der Zusammenfassung des Papiers heißt es, die Sichtbarkeit habe sich so um bis zu 40 Prozent steigern lassen. Überprüft haben die Forschenden das auch an Perplexity, einem System, das öffentlich genutzt wird.

Was hat am meisten gebracht? Laut Papier das Angeben von Quellen, das Einbauen wörtlicher Zitate und konkrete Zahlen dort, wo vorher eine vage Aussage stand. Das klassische Keyword-Stuffing dagegen, also das häufige Wiederholen eines Suchbegriffs, half kaum oder gar nicht. Für uns ist das die eigentliche Nachricht, denn offenbar zitiert eine KI lieber aus etwas, das wie ein gut belegter Fachartikel aussieht, als aus einer Seite, die auf Suchbegriffe getrimmt wurde.

Eine Einschränkung muss man aber dazusagen, und wir halten sie für wichtig. Gemessen wurde unter Laborbedingungen, die Zuwächse fielen je nach Themengebiet unterschiedlich aus, und die Studienlage entwickelt sich seitdem schnell weiter. Wir lesen das Papier deshalb als Hinweis auf die Richtung. Eine Garantie für eine einzelne Seite steckt nicht darin.

LLMO und LLM SEO: eigener Ansatz oder neuer Name?

Dieser Ansatz lenkt den Blick vom Suchsystem auf das Sprachmodell. IONOS beschreibt ihn als das Strukturieren und Schreiben von Inhalten, damit große Sprachmodelle sie verstehen, wiederverwenden und darauf verweisen können. Evergreen Media fasst darunter alles, was die Darstellung einer Marke in Chatbots wie ChatGPT, Gemini oder Claude verbessert, und nennt GEO, AEO und AIO als verwandte Bezeichnungen.

Ein fester Standard ist das damit nicht, beide Quellen behandeln den Begriff eher als Arbeitsbezeichnung in einem Feld, das sich noch sortiert. Mit LLM SEO kommt aus derselben Praxis eine weitere Bezeichnung hinzu, die ebenso wenig festgelegt ist.

Aus unserer eigenen Arbeit kennen wir einen Unterschied, auf den es für Unternehmen in der Praxis ankommt. Ein Sprachmodell kann auf zwei Wegen über Sie sprechen, entweder aus dem Wissen, das es beim Training gelernt hat, oder aus Seiten, die es während der Antwort live im Netz sucht. Deshalb halten wir in unserer KI-Sichtbarkeitsanalyse fest, ob ein System mit oder ohne Websuche geantwortet hat. Das Ergebnis kann sich deutlich unterscheiden, und kurzfristig beeinflussen lässt sich nur der zweite Weg, über Ihre Website und über Erwähnungen auf anderen Seiten.

Die Begriffe im direkten Vergleich

In der Tabelle stehen die Kürzel nebeneinander, mit ihrer Bedeutung, ihrer Herkunft und dem, worauf sie zielen. Nehmen Sie die Abgrenzung bitte als Orientierung, denn verbindliche Definitionen gibt es bislang keine.

Welcher Begriff zählt für Ihr Unternehmen?

Keiner davon, wenn Sie uns fragen. Ein Einkäufer, der eine KI nach einem Lieferanten fragt, interessiert sich nicht für das Kürzel, unter dem Sie Ihre Inhalte pflegen. Für Sie zählt, ob Ihr Unternehmen in der Antwort auftaucht, an welcher Stelle, in welchem Ton und mit richtigen Angaben, und das lässt sich messen, egal ob Ihr Dienstleister es GEO, AEO oder KI-SEO nennt. Einen Überblick über die Arbeit an der eigenen Website finden Sie im Artikel KI-SEO.

Für unsere KI-Sichtbarkeitsanalyse formulieren wir Fragen so, wie Ihre Kunden sie stellen würden, und legen sie mehreren KI-Systemen vor. Dabei wechseln vier Formen ab. Mal wird nach einer passenden Lösung gefragt, mal ein Problem in Alltagssprache geschildert, mal geht es um ein Szenario aus Sicht einer Rolle im Unternehmen und mal um eine Fachfrage nach einer Norm oder Spezifikation, wobei gerade diese letzte bei technischen Anbietern oft die Spreu vom Weizen trennt.

Viele Kennzahlen braucht es für die Auswertung nicht. Wir schauen, wie oft Sie im Vergleich zum Wettbewerb genannt werden, ob man Sie nur erwähnt oder als Quelle zitiert und ob die Angaben über Ihr Unternehmen stimmen, dazu auf den Ton, in dem die KI über Sie spricht, und auf Ihre Position in einer Empfehlungsliste. Wie das im Einzelnen abläuft, zeigt der Artikel KI-Sichtbarkeit messen.

Eine Beobachtung aus unseren Audits passt gut zur GEO-Forschung: Die eigene Website ist nur eine Quelle unter vielen. Ein Maschinenbauer kann eine hervorragende Produktseite haben und in KI-Antworten trotzdem fehlen, einfach weil ihn in Fachmedien und Verzeichnissen oder auf Branchenportalen niemand erwähnt. Zu unserem GEO-Audit gehören deshalb immer beide Seiten, das, was auf Ihrer Website steht, und die Erwähnungen auf fremden Seiten.

1. 01

   Messen

   Schritt 1

   Kundennahe Fragen an mehrere KI-Systeme stellen und festhalten, wer genannt wird.

2. 02

   Einordnen

   Schritt 2

   Nennung, Zitat, Richtigkeit und Tonalität gegen den Wettbewerb auswerten.

3. 03

   Verbessern

   Schritt 3

   Eigene Inhalte mit klaren Antworten, Zahlen und Quellen überarbeiten, Erwähnungen auf Drittseiten aufbauen.

4. 04

   Wiederholen

   Schritt 4

   In festen Abständen erneut messen, weil KI-Antworten sich laufend verändern.