GEO-Optimierung in 14 Tagen: So werden Inhalte von ChatGPT und Perplexity zitiert

GEO-Optimierung beginnt bei den Quellen: Reddit liefert 46.5% der Zitate von Perplexity. Neunzig Prozent der von ChatGPT zitierten URLs liegen außerhalb der Google-Top-20.

Warum GEO-Optimierung und KI-SEO die Budgetfrage neu stellen

Die entscheidende Veränderung lautet nicht: „KI verändert die Suche.“ Diese Erkenntnis ist sechs Quartale alt. Entscheidend ist vielmehr, aus welchen Quellen KI-Systeme ihre Antworten beziehen. Denn davon hängt ab, welche Kanäle Marketingbudget verdienen – und welche nicht.

Drei Zahlen tragen die These. Erstens stammen 90% der URLs, die ChatGPT in seinen Antworten zitiert, nicht aus den Top 20 der Google-Ergebnisse. KI-Systeme sortieren Google also nicht bloß neu, sondern greifen auf einen deutlich anderen Quellenbestand zurück. Zweitens entfallen allein auf Reddit 46.5% der Zitate von Perplexity; den Großteil des Rests stellen Wikipedia und Websites mit Primärdaten. Drittens ergab die Conductor-Befragung unter Verantwortlichen im Digitalmarketing von 2026: 97% berichten von positiven Effekten ihrer GEO-Arbeit, GEO macht inzwischen rund 12% der durchschnittlichen Digitalmarketingbudgets aus und 32% der Führungskräfte erklären das Thema zu ihrer wichtigsten Priorität des Jahres.

Diese drei Zahlen sind als Budgetfrage zu lesen. Wenn die Hälfte der Perplexity-Zitate aus Reddit-Threads stammt und die meisten ChatGPT-Quellen bei Google nicht ranken, liegen die für KI-Zitate entscheidenden Quellenbereiche außerhalb dessen, was viele Teams optimieren. Das Playbook aus Backlinks und Keywords ist nicht falsch. Es ist nur nachweislich unvollständig. Teams, die 2026 beim Zitieranteil vorn liegen, verschieben rund 12% ihrer gesamten Digitalausgaben auf vier Content-Bereiche, die vor zwei Jahren noch nicht einmal eigene Budgetposten waren.

Das 4-Quellen-Modell: Wo KI-Systeme ihre Antworten finden

Jede KI-Suchmaschine – ChatGPT, Claude, Perplexity, Gemini, Google AI Overviews – bezieht ihre Zitate aus einer unterschiedlich gewichteten Mischung von vier Quellenbereichen. Die Gewichtung variiert je nach System; die Bereiche bleiben gleich.

Bereich 1: extrahierbare, strukturierte Blöcke auf den eigenen Seiten. KI-Systeme bevorzugen Inhalte, die eine Frage in den ersten 50 Wörtern beantworten, deren H3-Überschriften als Fragen formuliert sind und die strukturierte Daten so bereitstellen, dass das Modell sie sauber übernehmen kann. Dieses Muster heißt Bottom-Line-Up-Front (BLUF). Für die meisten Seiten ist es die wirkungsvollste Einzelmaßnahme.

Bereich 2: Signale aus Communitys. Reddit, Quora, Hacker News, spezialisierte Branchenforen und, in technischen Kategorien, Stack Overflow. Perplexity gewichtet diesen Bereich am stärksten, ChatGPT mittelstark.

Bereich 3: eigene Daten und Primärforschung. Wikipedia, Branchenberichte, Originalstudien und Benchmarks aus erster Hand. Dieser Bereich sorgt für dauerhafte Sichtbarkeit: Eigene Daten werden über Jahre zitiert, Meinungen oft nur über Wochen.

Bereich 4: Aktualitätssignale. Bei Seiten, die älter als 14 Tage sind und nicht aktualisiert wurden, sinkt die Zitierungsrate über die großen KI-Systeme hinweg um rund 23%. Das ist eine Aktualitäts-, keine Qualitätsstrafe. Ein Modell kann einen dauerhaft relevanten Beitrag von 2024 nicht von einem veralteten unterscheiden und gewichtet deshalb neuere Inhalte höher.

Wichtig ist dabei die Zuordnung von System und Zielgruppe. Nutzt die Zielgruppe Perplexity für technische Recherchen, lässt sich Reddit nicht ausklammern. Nutzt sie ChatGPT für Produktvergleiche, dürfen extrahierbare Vergleichstabellen auf den eigenen Seiten nicht fehlen. Die Gewichtung der Bereiche sollte sich danach richten, auf welchem System die eigene Kategorie stattfindet – nicht danach, welches den bekanntesten Markennamen hat.

Der Mess-Stack für GEO-Optimierung – mit realen Preisen

Was nicht gemessen wird, lässt sich nicht steuern – und die meisten Teams messen derzeit falsch. So staffeln sich die verfügbaren Tools.

Otterly.AI für $29 pro Monat bildet den Einstieg. Das Tool überwacht die Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews anhand von Prompts. Für Einzelpersonen oder Teams mit weniger als fünf Mitgliedern reicht das aus, um den Zitieranteil für 15-20 kaufnahe Prompts zunächst zu erfassen und die Entwicklung von Woche zu Woche zu verfolgen.

Siftly konzentriert sich vollständig auf das Tracking von KI-Erwähnungen. Öffentliche Preise gibt es nicht; dafür ist eine Demo erforderlich. Der Funktionsumfang ist enger als bei Profound, bei den abgedeckten Systemen ist die Messgenauigkeit jedoch höher. Ein Gespräch lohnt sich, wenn die eigene Kategorie stark auf ein oder zwei Systemen stattfindet.

Profound für $499 pro Monat ist die Enterprise-Stufe. Es erfasst 10+ Systeme einschließlich Grok und Meta AI, bietet einen Conversation Explorer zum Aufspüren von Halluzinationen über die eigene Marke und ist das Tool, das etablierte interne Teams meist einsetzen, sobald ihre Content-Ausgaben $5K pro Monat überschreiten. Der Preis ist gerechtfertigt, wenn die Alternative darin besteht, strategische Entscheidungen im Blindflug zu treffen.

Ahrefs Brand Radar für insgesamt $828 pro Monat – $129 für Ahrefs plus $699 für das Brand Radar-Paket – ist für viele Marketingteams die naheliegende Wahl, weil Ahrefs bereits zum Stack gehört. Genau das ist ein Fehler. In einem dokumentierten Test erhielt eine Marke innerhalb des Messzeitraums 123 Erwähnungen in ChatGPT; Brand Radar meldete 3. Das entspricht einer Untererfassung von 97.5% bei dem System, das für B2B-Käufer am wichtigsten ist. Für das Markenmonitoring in klassischen Suchergebnissen ist Brand Radar brauchbar. Ein Messwerkzeug für GEO ist es noch nicht, unabhängig von seiner Positionierung.

Die Auswahlregel lautet: Das Tool muss zu dem System passen, das wiederum zur Zielgruppe passt. Nicht die lauteste Marke entscheidet und auch nicht das Tool, das ohnehin bereits im Stack steckt. Für die meisten Teams genügen $30 bis $500 pro Monat – das Messbudget ist nicht der Engpass.

Tage 1-3: Zitieranteil prüfen und Inhalte extrahierbar machen

Tag 1 – Ausgangslage erfassen. Zunächst 15-20 Prompts formulieren, die reale Käufer in ChatGPT, Claude, Perplexity und Google AI Overviews eingeben würden. Dabei navigationsorientierte, vergleichende und transaktionale Suchabsichten mischen. Jeden Prompt in jedem System ausführen und jede zitierte URL von Hand in einer Tabelle protokollieren: Domain, Quellenbereich (eigene Website / Reddit / Wikipedia / Wettbewerber / Publikation) und System. Liegt das Budget unter $30 pro Monat, ist diese manuelle Prüfung das Messsystem für den Sprint.

Tag 2 – Kategorie-Zitieranteil. Für jedes System berechnen, welcher Anteil aller Zitate über die 20 Prompts hinweg auf die eigene Domain, einzelne Wettbewerber und Community-Flächen entfällt. Diese Zahl bildet den Ausgangspunkt. Ziel des Sprints ist es, sie zu steigern.

Tag 3 – die 5 wichtigsten Seiten auf Extrahierbarkeit prüfen. Auf jeder Seite die ersten 50 Wörter so umschreiben, dass sie die zentrale Frage direkt beantworten. Dichte H2-Abschnitte werden zu H3-Überschriften in Frageform („Wie funktioniert Generative Engine Optimization?“ statt „GEO-Grundlagen“). Anschließend den dreiteiligen JSON-LD-Stack ausspielen: FAQPage-Schema für den FAQ-Bereich, HowTo-Schema für Anleitungen und Article-Schema mit ausgefüllten Feldern datePublished und dateModified.

Das BLUF-Muster bringt den höchsten Ertrag pro investierter Minute. Wenn an den Tagen 1-3 nur eine Maßnahme umgesetzt wird, sollte es diese sein.

Tage 4-9: Reddit für ChatGPT-SEO und Perplexity-SEO nutzen – ohne Spam

Tag 4 – Subreddits zuordnen. Aus der Prüfung von Tag 1 alle von Perplexity und ChatGPT zitierten Reddit-URLs herausziehen und das jeweilige Subreddit notieren. Typischerweise entfallen die meisten Zitate einer Kategorie auf 5-7 Subreddits. Sie sind die Zielkanäle. Die Liste sollte nicht aus dem Bauch heraus entstehen, sondern aus dem Audit.

Tage 5-7 – echte Antworten aus der Ich-Perspektive. In den Ziel-Subreddits nach aktuellen Threads suchen, die weniger als 30 Tage alt sind und in denen jemand eine Frage stellt, die das Produkt oder der Inhalt beantwortet. Darauf folgt eine echte Antwort: in der Ich-Perspektive, konkret und im ersten Beitrag ohne Link, sofern nicht ausdrücklich danach gefragt wurde. Hat ein Thread bereits 10+ Kommentare, muss die eigene Antwort substanziell besser sein als das Vorhandene – sonst geht sie unter.

Was funktioniert: mit der BLUF-Antwort beginnen, denn Reddit belohnt dasselbe extrahierbare Muster wie KI-Systeme; eine konkrete Zahl oder ein benanntes Tool nennen; nur dann verlinken, wenn im bestehenden Thread nach einer Ressource gefragt wird. Was nicht funktioniert: mit einem neuen Account posten, bereits in der ersten Antwort einen Link abladen oder innerhalb derselben Woche identische Antworten in mehrere Subreddits kopieren.

Tage 8-9 – Erwähnungen mit Reddit-Zitaten erneut prüfen. Die 20 Prompts nochmals ausführen. Dabei die Veränderung der Reddit-Zitierungsrate erfassen, wenn nun die eigene Marke oder der eigene Inhalt als Quelle erscheint. Schon eine kleine Bewegung – von 0 Reddit-Zitaten auf 2 bei 20 Prompts – ist bei Perplexity eine relevante Verschiebung des Anteils.

Die ehrliche Einschränkung: Dieser Kanal reagiert langsam. Die Wirkung der Reddit-Arbeit auf den Zitieranteil wird meist erst an den Tagen 10-14 des Sprints sichtbar, nicht an den Tagen 8-9. Einige Teams werden bis zum nächsten Sprint-Zyklus gar keine Bewegung sehen. Das Muster sollte trotzdem beibehalten werden.

Tage 10-14: Aktualitätsschleife und Listicle-Stack

Tag 10 – die zwei reichweitenstärksten Seiten neu veröffentlichen. Daten aus 2026 aktualisieren, datierte Abschnittsüberschriften ergänzen – etwa „Aktualisiert im November 2026“ in passenden H2-Abschnitten –, Quellenangaben zu Statistiken auffrischen und dateModified im JSON-LD ändern. Damit lässt sich dem 14-Tage-Verfall der Zitierungen direkt entgegenwirken. Zitiert die Seite noch eine Statistik von 2024, wird sie durch den entsprechenden Wert von 2026 ersetzt. Aktualität ist das am leichtesten umsetzbare und zugleich am stärksten vernachlässigte Signal.

Tage 11-12 – ein neues Listicle in der eigenen Kategorie veröffentlichen. Listicles werden zitiert, weil sie konstruktionsbedingt leicht extrahierbar sind. Das funktionierende Muster: BLUF-Einstieg, 7-12 Punkte, jeder mit einer H3-Überschrift als Frage oder Aussage, der dreiteilige JSON-LD-Stack und mindestens ein Element mit eigenen Daten – ein Diagramm, ein Benchmark, ein Umfrageergebnis oder ein Screenshot aus der eigenen Analyse mit sichtbaren Zahlen. Eigene Daten machen den Unterschied: Sie sorgen dafür, dass dieses Listicle zitiert wird und nicht eines der sieben anderen, die bereits in den Trainingsdaten des Modells liegen.

Tage 13-14 – Abschlussprüfung des Sprints. Dieselben 20 Prompts erneut ausführen. Den Kategorie-Zitieranteil für jedes System erfassen und mit Tag 2 vergleichen. Dokumentiert wird, welcher Bereich die größte Veränderung bewirkt hat: extrahierbare Inhalte auf der eigenen Website, Reddit-Arbeit, Aktualität oder eigene Daten. Dieses Verhältnis zeigt, wie Sprint 2 gewichtet werden sollte.

Was keine Wirkung zeigte – und wo der Zuwachs nur vorgetäuscht ist

Drei Maßnahmen, die ich über mehrere Sprints verfolgt habe, steigerten den Zitieranteil innerhalb eines 14-Tage-Zeitraums nicht messbar.

Backlink-Aufbau. Neue verweisende Domains, die während des Sprints hinzukamen, korrelierten nicht mit einem Anstieg der Zitate. Bei den getesteten Suchanfragen gewichteten KI-Systeme Community-Signale, Aktualität und Extrahierbarkeit stärker als die Zahl verweisender Domains. Für SEO in klassischen Suchergebnissen bleiben Backlinks relevant. Für GEO innerhalb eines zweiwöchigen Sprints sind sie jedoch nicht der Hebel.

Reine Keyword-Optimierung. Änderungen an Title-Tags, Meta Descriptions und der Onpage-Keyworddichte vorhandener Seiten führten bei transaktionaler Suchabsicht zu keiner messbaren Bewegung der Zitate. Die Positionen in klassischen Suchergebnissen verbesserten sich leicht. Die beiden Systeme entkoppeln sich zunehmend.

Die von Brand Radar gemeldeten Zahlen. Drei Wochen lang habe ich dieselbe Marke mit Brand Radar und einem manuellen Prompt-Audit beobachtet. Brand Radar meldete 8 ChatGPT-Erwähnungen, die manuelle Prüfung fand 134. Wer nach diesen Daten gehandelt hätte, wäre zu dem Schluss gekommen, dass GEO nichts bewirkt. Tatsächlich war die Messung falsch. Ein Tool mit einer Untererfassung von 95%+ ist schlimmer als gar kein Tool, weil es selbstbewusste, aber falsche Schlussfolgerungen ermöglicht.

Das wiederholbare Prinzip

KI-Suche ist ein Spiel um Zitate, nicht um Rankings. Die vier Quellenbereiche – extrahierbare Inhalte auf der eigenen Website, Community-Signale, eigene Daten und Aktualität – sind beständige Einflussgrößen. Sie bleiben relevant, auch wenn sich Systeme, Gewichtungen und Tools verändern.

Der Sprint sollte vierteljährlich stattfinden. Einmalige Audits verlieren schon im nächsten Aktualitätsfenster an Wert. Ein 14-Tage-Sprint, der alle 90 Tage wiederholt wird, entfaltet eine kumulative Wirkung: Mit jedem Durchlauf wächst der Kategorie-Zitieranteil gegenüber Wettbewerbern, die weiterhin ausschließlich auf Keywords setzen. Das Messwerkzeug muss zu dem System passen, das zur Zielgruppe passt. Zugleich gilt es zu akzeptieren, dass der vorhandene Standard – für die meisten Teams Brand Radar – für diesen Zweck wahrscheinlich die falsche Wahl ist. Reddit gehört als zentraler Kanal behandelt, nicht als Nebenprojekt.

Der nächste Schritt für Montagmorgen: Tag 1 terminieren. Die 20 Prompts formulieren und noch diese Woche ausführen. Das Audit dauert 90 Minuten und zeigt exakt, was in den folgenden 13 Tagen veröffentlicht werden muss.

Wie funktioniert GEO-Optimierung?

GEO strukturiert Inhalte so, dass KI-Systeme wie ChatGPT, Claude, Perplexity und Gemini sie beim Erzeugen von Antworten als Quelle zitieren. Vorrang haben Extrahierbarkeit (BLUF-Antworten, frageförmige Überschriften, JSON-LD), Community-Signale (Reddit, spezialisierte Foren), eigene Daten und aktuelle Inhalte – nicht traditionelle Backlinks und Keyworddichte.

Wird GEO SEO ersetzen?

Nein. Beide ergänzen einander. SEO bringt Klicks aus klassischen Suchergebnissen, GEO erzeugt Zitate in KI-generierten Antworten. Die Flächen überschneiden sich zunehmend, beruhen aber auf unterschiedlichen Ranking-Signalen. In den meisten B2B-Kategorien stammt 2026 der Großteil des messbaren Traffics weiterhin aus klassischen Suchergebnissen.

Wie funktioniert Perplexity-SEO für gezielte Zitate?

Die Antwort gehört in die ersten 50 Wörter (BLUF-Muster), Inhalte brauchen H3-Überschriften in Frageform und thematische Autorität entsteht durch 5-10 verwandte Seiten zum selben Thema. Hinzu kommen Antworten in den 5-7 Subreddits, die Perplexity in der eigenen Kategorie zitiert, sowie Aktualisierungen innerhalb eines Fensters von 7-14 Tagen, um dem Aktualitätsverlust von 23% entgegenzuwirken.

Eignet sich Perplexity zum Messen des Zitieranteils?

Ja. Das System weist die höchste Zitatdichte am Markt auf, nennt im Durchschnitt 5-7 Quellen pro Antwort und gewichtet Reddit sowie eigene Daten stark. Damit ist es die beste Messumgebung, um GEO-Fortschritte von Sprint zu Sprint zu verfolgen – selbst wenn die Zielgruppe hauptsächlich ein anderes System nutzt.

Ist SEO 2026 tot oder entwickelt es sich weiter?

Es entwickelt sich weiter. Laut den Conductor-Daten von 2026 entfallen rund 12% der Marketingbudgets auf GEO, und 32% der Führungskräfte führen es als wichtigste Priorität. Dennoch bringen klassische Suchergebnisse in den meisten B2B-Kategorien weiterhin den Großteil des messbaren Traffics. Es geht um Umverteilung, nicht um Ablösung.