Der (GEO-)Teufel liegt in den Details

Wir haben ein Problem mit Oberflächlichkeit.

Andere schmeißen mehr Content als jemals zuvor in die Welt und Dein AI-Praktikant hat so viele Markdown-Files geschrieben, dass Du es selbst gar nicht mehr lesen kannst.

Die einfache Lösung: Zip. Eine Zusammenfassung von AI für AI-Krams. Das kann nicht gut gehen und ist vermutlich mitverantwortlich dafür, dass so viel Unfug kursiert, der bei mir physische Schmerzen auslöst.

Heute erzähle ich Dir daher, warum

• Differenzierung und Abgrenzung wichtig sind,
• es auf Definitionen ankommt,
• viele Fragen zu stellen Dich klüger macht,
• Formulierungen wichtig sind und
• wir auf AI-Behauptungen reinfallen.

Heute sind es (mal wieder) mehr Worte geworden – diese Verlangsamung und intensive Beschäftigung mit einem Thema braucht es aber auch im digitalen Kokain-Content-Rausch, dem wir jeden Tag ausgeliefert sind.

Differenzierung und Abgrenzung sind auch für GEO unerlässlich

“Das ist gut für AI” (manchmal auch mit dem Zusatz “soll gut für AI sein”) höre ich fast jeden Tag.

Wenn man technologisch versteht, was dort im Hintergrund (vermutlich) passiert, kann das aber nicht gut für AI allgemein, sondern z. B. für den Grounding-Prozess einer Websuche innerhalb eines AI-Chatbots sein.

Oder für agentische Use Cases aber NICHT für den normalen Grounding-Prozess aus

1. User gibt etwas ein
2. Es gibt ein Routing basierend auf Prompt-Verständnis und Grounding (mit einer Websuche) ist notwendig
3. Generierung von Query Fan-Out und Abrufen der Ergebnisse aus einem Index
4. Selektion und Filterung der Ergebnisse mit dem Ziel, die besten Ergebnisse zu finden
5. Generierung und Ausspielung der Antwort

Vereinfacht dargestellt. Wenn man sich den Prozess aufmalt, wird klar, warum manche Sachen nicht die versprochene Wirkung haben können. Beispiele:

• llms.txt = agentisch (im normalen Grounding ist das eine reguläre Textdatei wie jede andere, z. B. die cats.txt)
• Markdown Negotiation/Pages = agentisch
• Content Signals in der robots.txt = beides, aber funktioniert nur mit Cloudflare

Wir müssen also sauber unterscheiden, was für einen “normalen” AI-Chatbot Wirkung entfalten soll und was für agentische Systeme. Oder beides.

10% oder weniger der ChatGPT User zahlen für das Tool. Das Free Tier hat aber (nahezu) keine agentischen Funktionen und ist stark eingeschränkt.

Wenn Deine Zielgruppe gratis unterwegs ist, können (ohne ihre Use Cases zu kennen) viele der empfohlenen Maßnahmen keine Wirkung haben.

Was Dir hier weiterhilft: Mehr über die eigene Zielgruppe herausfinden, so wie wir es in unserer Umfrage gemacht haben, weil uns bestimmte Fragen für den deutschsprachigen Raum unter den Nägeln brannten.

Oder ein paar unserer Kunden. Vielleicht ist es bei Deiner Zielgruppe so, dass 50% oder mehr für ihre Tools zahlen. Dann sind die Daten aus Prompt Monitoring Tools nur halb so viel wert, weil die Ergebnisse zwischen Free und Paid stark auseinander gehen.

Vielleicht nutzt sie mehr Claude als ChatGPT. Dann musst Du Dich vor allem mit Brave beschäftigen, da Claude deren Suchindex nutzt.

Es gibt also häufig kein pauschales “das ist für AI gut”.

Warum Definitionen wichtig sind

Jared Henderson, Philosoph und Content Creator, diskutiert in einem langen Artikel auf Substack, ob es eine “Literacy Crisis” – Krise der Lern- und Schreibfähigkeit – (in den USA) gibt. Dazu hat er vor einiger Zeit mal ein interessantes Video gemacht.

“Was hat das mit SEO und GEO zu tun?” ist eine gute Frage. Es geht um seine Herangehensweise, die Frage zu beantworten. Ich sage gerne, dass man mehr für SEO und GEO lernen kann, wenn man sich mit Dingen beschäftigt, die damit nichts zu tun haben.

Wir müssen Fragen stellen und eine davon ist:

“Gibt es eine Definition?”

Etwas Undefiniertes ist nicht falsifizierbar und damit per Definition nicht wissenschaftlich. Nur wenn ich die Definition der Sache kenne, kann eine Feststellung eine Bedeutung haben.

Unterschiedliche Definitionen können zu unterschiedlichen Ergebnissen führen.

Jemand spricht von “Citations”, ohne zu sagen was damit gemeint ist:

• Geht es um alle URLs aus dem gesamten Retrieval-Prozess?
• Oder alle URLs, die Teil der Antwort waren, egal ob direkt zitiert oder aus dem Quellenaquarium?
• Oder nur die, die in der Antwort direkt sichtbar sind?
• Oder nur die, die in der Antwort direkt sichtbar und an erster Stelle sichtbar sind?

Jede der genannten Möglichkeiten würde ein ganz anderes Ergebnis liefern.

Aber das war nur eine der Fragen.

Wer nicht fragt bleibt dumm

“Gibt es eine Quelle? Ist das die Primär- oder Sekundärquelle?”

Wenn es keine gibt, könnte die Behauptung erfunden oder nur “nicht quellengestützt” sein.

Leider passiert es oft, dass eine Sekundärquelle als Quelle dient – im digitalen Bereich häufig ein Artefakt, weil man nur “auf die schnelle” AI nach Quellen gefragt hat.

Das ist unzureichend, weil die Sekundärquelle falsch liegen könnte – absichtlich oder unabsichtlich.

Ich erinnere mich an die Schulzeit zurück. Aus einem leichten Auffahrunfall auf der Autobahn eines Mitschülers wurde in der X-mal weitergegebenen Erzählung eine brutale Massenkarambolage.

Ein aktuelles Beispiel: Eine Website, die vollständig aus erfundenen Statistiken besteht, wird von großen Domains wie Shopify, DHL und Bluehost verlinkt, weil auf den ersten Blick glaubwürdig.

Da hat jemand vergessen, die Primärquelle zu prüfen.

“Stützt die Quelle die getroffene Behauptung?”

Etwas kann die Primärquelle und trotzdem falsch sein, bspw. weil man ein Konzept falsch angewendet hat, die Methodologie Quatsch ist oder die Quelle gar nicht zur Behauptung passt.

In “GEO myths: This article may contain lies” schreibe ich auch über diese Themen und spreche eine Meta-Studie an, die von hinten und vorne Bulls*** Quatsch war.

Wenn wir uns Dinge anschauen, müssen wir zur Wurzel der Zitierung (ich meine Zitierung hier als allgemein “jemand nennt eine Quelle zur Behauptung” und nicht “eine Zitierung in einer AI-Antwort”) durchdringen.

“Sind die Metriken/Zahlen vergleichbar?”

Vielleicht nennen zwei Studien etwas gleich, definieren es aber unterschiedlich. Wenn dem so ist, dann sind die Zahlen nicht vergleichbar.

Wir sprechen von Sichtbarkeit, aber ein Tool misst diese mit Berücksichtigung des “Rankings” innerhalb der Antwort und ein anderes achtet nur auf Vorkommen der Brand, egal wo. Das sind dann 2 unterschiedliche Aussagen.

Oder jemand spricht von Zitierungen, meint aber was anderes als wir (s.o. oder diesen Artikel von mir).

“Sind die Daten aktuell?”

Dabei kann es um eine veraltete Methodologie oder allgemein zu alte Daten gehen. Wenn uns OpenAI letztes Jahr erzählt hat, wie Menschen AI verwenden, dann gilt das nicht für 2026.

Letztens gab es wieder “life-changing” Neuigkeiten, als jemand auf HuggingFace den WildChat-Datensatz gefunden hat. Das sind echte AI-Prompts aus 2024 und davor.

Daraus kann man in 2026 nicht viel herauslesen, weil sich das Nutzungsverhalten von Jahr zu Jahr (mittlerweile eher halbjährlich oder gar quartalsweise) verändert hat.

Auch wichtig: Menschen nutzen ChatGPT anders als andere Tools – WildChat ist aber nur ChatGPT.

Ein einzelner (veralteter) Datensatz kann uns also wenig erzählen, wie Menschen heute AI insgesamt nutzen.

Es kommt auch auf die Formulierung an

“A kostet uns X Euro” ist nicht das gleiche wie “Wäre A erfüllt, dann würden wir X Euro mehr haben”.

Ersteres ist eine Messbehauptung und beschreibt etwas, das bereits passiert ist oder existiert. Das kann man messen/zählen/beobachten. Dafür gibt es also Daten, die man erheben kann.

Letzteres ist ein modellierter Kontrafakt und beschreibt eine hypothetische Welt, die es (noch) nicht gibt. Das wäre z. B. die Berechnung basierend auf Annahmen und einem Modell.

Leider wird im Rahmen der Sensationshascherei häufig die Implikation reingemogelt, dass etwas bereits ein Fakt ist – was nicht stimmt.

Ein paar GEO-Beispiele gefällig?

1. Du verlierst X% Umsatz, weil Du in ChatGPT unsichtbar bist.
2. AI Overviews reduzieren die Clicks um 58%.
3. Das Suchvolumen traditioneller Suchmaschinen wird bis 2026 um 25% sinken.

1. ist das klassischste Beispiel. Das Geld könnte man möglicherweise verdienen, verliert es aber noch nicht.

2. stimmt nur teilweise. AIOs reduzieren die CTR (das ist unbestreitbar). Aber die CTR ist bei SERPs ohne AIOs ebenfalls gesunken. Also sind es nicht 58%, sondern weniger.

3. haben GEO Bros gerne als Fakt verkauft – weil Menschen “googlen” weniger. Das stimmt auch nicht. Menschen suchen mehr als jemals zuvor und “traditionelle” Suchmaschinen sind nicht unverändert geblieben. Es gibt heute keine großen, traditionellen Suchmaschinen mehr. Suchmaschinen sind heute AI-Suchmaschinen.

Warum wir durch AI häufiger auf Unsinn reinfallen

Aus meiner Sicht sind es 2 Dinge:

1. Sprache hat deutlich mehr Wirkung, als wir häufig annehmen.
2. Wir wollen wettbewerbsfähig sein und sind “soziale Tiere”.

Das erste Problem ist die Überzeugung innerhalb der Antwort. Wer konfident auftritt (auch AI), wirkt automatisch kompetenter. Das hast Du vermutlich schon des Öfteren gehört und erlebt. Wenn wir es nicht bewusst wahrnehmen, hat dies trotzdem eine Wirkung auf uns.

Wer sich gut auskennt, kann AI widersprechen. Aber jeder Mensch hat Wissens- und Erfahrungslücken.

Das zweite Problem ist der wirtschaftliche Druck, wettbewerbsfähig zu sein und mit der Masse zu gehen.

Mit AI kann ich mehr in der gleichen Zeit machen, so die Idee. Wenn alle das machen, wird es schon in Ordnung sein (soziale Komponente).

Um ähnlich viel wie andere zu schaffen, muss ich AI nutzen – ich werde abhängig oder bin nicht wettbewerbsfähig.

Jetzt sind wir im Kreislauf gefangen. Das, was wir durch AI an Zeit sparen, füllen wir anderweitig auf. Nur jetzt haben wir mehr von allem und müssten eigentlich alles auf Richtigkeit prüfen, haben aber keine Zeit dafür übrig.

Wenn niemand mehr richtig prüft, verblöden wir gemeinsam und normalisieren Oberflächlichkeit.

Auch die neuesten (und besten) AI-Modelle kommen auf Fehlerquoten bei Textzusammenfassungen von ca. 10%:

Wichtig: Es geht um einen banalen Task wie “hier hast Du Text, bitte fasse das zusammen”.

Das muss man sich bewusst machen und sich genau überlegen, ob man

1) AI für den Task verwendet und 2) wie man mit der Prüfung des Arbeitsergebnisses umgeht.

Long story short

“Mach den Kopf an” ist heute wichtiger denn je. Ich weiß, dass es viele Strömungen in uns gibt, die das verhindern, weil System 2 anzustrengen viel Energie kostet und wir biologisch so gebaut sind, Energie zu sparen.

Aber nur so geht es. Und der AI-Praktikant kann das nicht für uns machen, genau wie wir ihn nicht ins Gym schicken können, um für uns zu trainieren.

Also: Wir müssen unser Gehirn mehr nutzen und es weniger in die Hängematte legen.

Lesestoff, der in eine ähnliche Richtung geht (z. B. kritisches Denken und/oder Verlangsamung):

1. GEO-Mythen bei Search Engine Land
2. Was ich in meinen ersten 52. Artikeln im Wingmen Newsletter gelernt habe
3. Warum Lesen schwer und darum wertvoll ist

P.S. Das war mein 100. Artikel im Wingmen Newsletter.