LLMO: Website für die KI-Suche optimieren
LLMO ist die Arbeit daran, dass das Modell Ihre Marke nennt und Ihre Website in den Antworten zitiert, die es für Nutzer erzeugt. In der Praxis sind es vier Bereiche: Inhalte, aus denen sich eine konkrete Antwort entnehmen lässt, eine Technik, die KI-Bots auf die Website lässt, die Präsenz Ihrer Marke in externen Quellen und solide Sichtbarkeit in klassischen Suchmaschinen. Modelle zitieren keine Websites, die sie nicht verstehen oder nicht erreichen.
Das Fachgebiet heißt GEO, Generative Engine Optimization. Gebräuchlich sind auch die Begriffe LLMO und LLM SEO. Im Folgenden finden Sie den gesamten Ablauf der Reihe nach: von der Frage, wie ChatGPT seine Quellen auswählt, über die Optimierung der Inhalte und die technische Ebene bis zur Messung der Ergebnisse und zu den Kosten.
Warum ChatGPT SEO wichtig ist
Die Art, wie Menschen suchen, verändert sich. Ein wachsender Teil der Kaufentscheidungen fällt auf Grundlage von KI-Empfehlungen. Wer eine fertige Antwort mit zwei Firmennamen erhalten hat, öffnet selten zehn weitere Tabs, um die Liste zu überprüfen. Fehlt Ihre Marke in dieser Antwort, existieren Sie für eine beachtliche Gruppe von Kunden nicht, unabhängig von Ihrer Position in einer herkömmlichen Suchmaschine.
Der Traffic aus ChatGPT-Antworten ist in absoluten Zahlen noch klein, und das sollte man offen sagen. Seine Stärke liegt woanders: Wer über die Empfehlung eines Modells kommt, hat den Vergleich bereits abgeschlossen. Der Weg zur Angebotsanfrage ist meist deutlich kürzer als nach einem Klick auf ein Suchergebnis. Dazu kommt ein zweiter Mechanismus: Die Antworten der Modelle lesen auch Journalisten, Autoren von Branchenübersichten und Ihre Geschäftspartner. Die Präsenz dort stärkt die Sichtbarkeit der Marke also breiter, als es der Traffic allein zeigt. Genau darin liegt der eigentliche Wert von LLMO: Es geht nicht nur um Klicks, sondern um die Autorität, mit der Ihre Marke in einem Antworttext auftaucht.
Eine weitere, unbequeme Eigenschaft dieses Kanals: Mit Werbung kommen Sie nicht hinein. In den Antworten von ChatGPT gibt es keine bezahlten Platzierungen. Wer genannt wird, hängt allein davon ab, was das Modell gelesen hat und wem es zu vertrauen gelernt hat. Ein hier aufgebauter Vorsprung hält deshalb länger als ein Budgetvorsprung in bezahlter Werbung. Wer heute in LLMO investiert, baut also einen Vorteil auf, der sich nicht einfach durch ein höheres Werbebudget der Konkurrenz einholen lässt.
Wie ChatGPT entscheidet, was es zitiert
Damit die Optimierung der Inhalte Sinn ergibt, muss man den Mechanismus verstehen. ChatGPT arbeitet mit zwei Wissensebenen. Die erste ist das Trainingswissen: was sich das Modell aus seinem Lernmaterial über Marken und Themen gemerkt hat. Die zweite ist die Live-Suche: Bei Fragen zu konkreten Unternehmen, Preisen oder Empfehlungen schickt das Modell Anfragen an eine Suchmaschine, ruft einige bis gut ein Dutzend Seiten aus den Ergebnissen ab und baut aus dem Gefundenen eine Antwort, oft mit Fußnoten.
Daraus folgen drei praktische Schlüsse. Erstens stellt das Modell der Suchmaschine andere Fragen als ein Mensch: länger, beschreibender, oft in ganzen Sätzen. Zweitens wertet ChatGPT die abgerufenen Seiten in Abschnitten aus. Zitierbar sein muss also der einzelne Absatz, nicht der Artikel als Ganzes. Drittens bevorzugt das Modell erkennbar Inhalte, die sich auf glaubwürdige Quellen stützen: mit Zahlen, Daten und Methode statt bloßer Adjektive. Wer LLM SEO ernst nimmt, richtet seine Inhalte deshalb konsequent auf diese drei Punkte aus, statt nach den klassischen Regeln klassischer Suchmaschinenoptimierung zu arbeiten.
Den Mechanismus der Quellenauswahl beschreiben wir ausführlich in einem eigenen Beitrag: Wie KI-Modelle ihre Quellen auswählen und wen sie zitieren.
Die Antwort zuerst: das Answer-first-Prinzip
Modelle zitieren bevorzugt Passagen, die eine Frage direkt beantworten. Der erste Absatz eines Textes sollte deshalb eine direkte, zitierbare Antwort enthalten, die Ausführung folgt danach. Ist das Konkrete in der Mitte einer langen Einleitung vergraben, greift das Modell seltener danach.
Das ist zugleich der häufigste Unterschied zwischen einem Text, der für den Klick geschrieben wurde, und einem Text, der zitiert werden soll. Klassisches Werbetexten baut Spannung auf und hält die Antwort bis zum Schluss zurück, damit der Leser länger bleibt. Die Optimierung für ChatGPT funktioniert umgekehrt: Die Antwort steht sofort da, der Rest des Textes vertieft sie. Die gute Nachricht: Auch Leser profitieren von diesem Aufbau, weil er ihre Zeit respektiert. Für die praktische Umsetzung von LLMO bedeutet das: Jeder wichtige Absatz sollte für sich stehen können, als wäre er die einzige Textstelle, die das Modell jemals lesen wird.
Definitionen und belastbare Daten statt Allgemeinplätzen
Wenn Sie einen Begriff einführen, verwenden Sie ein einfaches Muster: „X ist Y, das Z bewirkt.“ Modelle entnehmen solche Definitionen leicht und beginnen ihre Antworten gern damit. Konkrete Zahlen mit genannter Quelle wirken genauso: Inhalte mit überprüfbaren Fakten werden häufiger zitiert als Allgemeinplätze, weil das Modell sie für glaubwürdiger hält. Dieses Prinzip gilt branchenübergreifend und ist einer der zentralen Hebel jeder LLMO-Strategie: Wer messbare Aussagen liefert, statt vage Werbeversprechen zu wiederholen, erhöht die Wahrscheinlichkeit, in einer generierten Antwort tatsächlich genannt zu werden.
In der Praxis heißt das: Prüfen Sie Ihre wichtigsten Seiten unter einem einzigen Gesichtspunkt. Lässt sich aus jedem Abschnitt ein Satz herauslösen, der für sich allein steht, ohne Zusammenhang? „Wir sind führend bei ganzheitlichen Lösungen” besteht diesen Test nicht. „Wir betreuen Lead-Kampagnen für Kliniken; in unseren Kampagnen in Österreich liegen die durchschnittlichen Kosten pro Lead in dieser Branche bei rund 4,50 bis 6,50 €” besteht ihn hingegen, weil der Satz eine Kategorie, eine Zielgruppe und eine Zahl enthält. Case Studies mit Zahlen sind für LLMO mehr wert als jede Aussage über Qualität.
Überschriften als Fragen und eine Inhaltsstruktur für LLMs
Formulieren Sie Überschriften so, wie Nutzer den Modellen Fragen stellen, zum Beispiel „Wie bringe ich ChatGPT dazu, meine Website zu zitieren?” Das Modell ordnet Textabschnitte der Anfrage des Nutzers zu. Eine Überschrift in Frageform erhöht daher die Chance, dass gerade Ihr Abschnitt in der Antwort verwendet wird.
Der Rest ist das Handwerk der Gliederung. Es klingt banal, entscheidet aber über die Zitierfähigkeit: kurze Absätze statt Textwänden, Listen bei Aufzählungen, Tabellen bei Vergleichen, ein Gedanke pro Abschnitt. Ein FAQ-Abschnitt am Ende eines Beitrags, mit Fragen aus echten Nutzeranfragen, liefert dem Modell fertige Paare aus Frage und Antwort. Leichter verwertbares Material gibt es für LLMO nicht.
KI-Bots zulassen und strukturierte Daten pflegen
Das ist die technische Ebene, ohne die der Rest nicht funktioniert. Lassen Sie in der robots.txt KI-Bots ausdrücklich zu: GPTBot, OAI-SearchBot, PerplexityBot, Google-Extended und die übrigen. Ein gesperrter Bot bedeutet, dass Ihre Inhalte weder in das Wissen des Modells noch in live erzeugte Antworten gelangen, und keine Optimierung gleicht das aus.
Das zweite Element sind strukturierte Daten nach schema.org: Auszeichnungen für Organisation, Leistungen, FAQ und Artikel. Das ist die Sprache, in der eine Maschine Fakten über das Unternehmen erhält, ohne raten zu müssen. Halten Sie außerdem die Entität des Unternehmens einheitlich, also überall dieselben Angaben: Name, Leistungsumfang und Beschreibung sollten auf der Website, in Verzeichnissen und in sozialen Netzwerken gleich lauten, weil das Modell die Marke aus vielen Orten zugleich zusammensetzt. Eine llms.txt-Datei mit einer geordneten Beschreibung der Website rundet das ab: Sie ist bisher nur ein vorgeschlagener Standard, verursacht aber wenig Aufwand und schadet nicht. Wir zählen sie deshalb zur Grundpflege im Rahmen von LLMO.
Suchmaschinen nicht vergessen, vor allem Bing
Viele Modelle rufen Inhalte live aus den Indizes der Suchmaschinen ab. ChatGPT und Copilot nutzen häufig den Bing-Index, Google AI Overviews den Google-Index. Die Folgerung widerspricht der Intuition, ist aber wichtig: Der Weg in die Antworten von ChatGPT führt zum Teil über die Bing Webmaster Tools, ein Werkzeug, das die meisten Unternehmen nicht beachten. Die Website und die Sitemap einzureichen und die Indexierung bei Bing zu prüfen, ist eine Stunde Arbeit. Sie öffnet die Tür zu allen Werkzeugen, die auf diesem Index aufbauen.
Aus demselben Grund ersetzt LLMO die klassische SEO nicht, sondern steht auf ihr auf. Eine Website, die in den Suchergebnissen unsichtbar ist, gelangt selten in die Antworten der Modelle, weil das Modell sie schlicht nie zu lesen bekommt. Eine wirksame Strategie verbindet beide Ebenen: das Fundament in den herkömmlichen Suchmaschinen, für das eine SEO-Agentur zuständig ist, und darüber die Ebene der Zitierfähigkeit.
Präsenz der Marke außerhalb der eigenen Website aufbauen
Dieser Punkt lässt sich nicht überspringen, obwohl er über die Optimierung der Website hinausgeht. Das Modell setzt sein Bild einer Marke aus vielen Quellen zusammen: Branchenverzeichnisse, Fachportale, Übersichten und Veröffentlichungen. Im deutschsprachigen Raum gehören dazu etwa das Google Unternehmensprofil, ProvenExpert, Trustpilot, Herold in Österreich, Gelbe Seiten in Deutschland und local.ch in der Schweiz. Ein Unternehmen, das nur auf der eigenen Domain existiert, ist für das Modell eine einzelne Stimme in eigener Sache. Ein Unternehmen, das an mehreren unabhängigen Orten erwähnt wird, wird zu einer Entität, die das Modell als bestätigt behandelt.
In der Praxis zählen: einheitliche Profile in Branchenverzeichnissen, Veröffentlichungen und Fachkommentare in Medien, die die Modelle lesen, sowie die Präsenz in Übersichten anderer. Bemerkenswert ist, dass eine Erwähnung auch ohne Link wirkt, weil das Modell Text liest und keine Links zählt. Dieses Thema behandeln wir samt einer Methode, mit der Sie die lohnenden Orte finden, im Beitrag über Linkaufbau für GEO.
ChatGPT SEO und Perplexity SEO: gleiche Regeln, andere Gewichtung
Beide Plattformen belohnen im Kern dieselbe Arbeit an LLMO, tun das aber auf unterschiedliche Weise. Diesen Unterschied sollten Sie kennen, bevor Sie Ergebnisse bewerten.
Perplexity zitiert fast immer. Es ist eine Antwortmaschine: Jede Aussage in der Antwort hat eine Fußnote zur Quelle, und die Quellenliste steht sichtbar oben. Deshalb zeigen sich die Ergebnisse der Arbeit an der Zitierfähigkeit hier am schnellsten und lassen sich am leichtesten messen. Perplexity stützt sich stark auf den aktuellen Web-Index, Aktualität und das Änderungsdatum eines Inhalts haben daher großes Gewicht.
ChatGPT zitiert selektiv. Es antwortet im Fließtext und nennt Quellen vor allem dann, wenn es über die Suche auf das Web zugreift. Dafür wirkt hier die Ebene des Markenwissens stärker: Ist das Modell Ihrem Unternehmen oft in einem einheitlichen Zusammenhang begegnet, kann es die Marke auch nennen, ohne eine bestimmte Seite zu zitieren. In ChatGPT sehen Sie deshalb eher die Wirkung der Präsenz in vielen Quellen, in Perplexity eher die Wirkung eines einzelnen, gut gebauten Inhalts.
Google AI Overviews ist der dritte Fall: Die Antwort entsteht aus dem eigenen Google-Index, klassische Sichtbarkeit bei Google zahlt sich hier am stärksten aus. Die zitierten Quellen können sich von Stunde zu Stunde ändern, eine einzelne Prüfung entscheidet also nichts.
Für die Praxis heißt das: Beurteilen Sie die Sichtbarkeit nicht anhand einer einzigen Plattform. Dieselbe Arbeit an LLMO führt auf jeder zu einer anderen Verteilung der Ergebnisse, und erst die Messung auf allen dreien zeigt das ganze Bild.
Die häufigsten Fehler, die Zitate verhindern
Vier Fehler tauchen in Website-Audits immer wieder auf. Prüfen Sie Ihre eigene Seite darauf, bevor Sie etwas aufbauen.
KI-Bots in der robots.txt gesperrt. Meist keine bewusste Entscheidung, sondern ein Überbleibsel aus Einstellungen von vor Jahren oder eine übereifrige Regel. Die Folge: Kein Inhalt der Website kann in irgendeine Antwort gelangen, und der Inhaber sucht die Ursache überall, nur nicht dort.
Unternehmenstexte ohne eine einzige Tatsache. Seiten voller „ganzheitlicher Lösungen“ und „individueller Betreuung“ geben dem Modell nichts zum Zitieren. Das Modell braucht Kategorien, Zahlen und Namen, keine Adjektive.
Eine uneinheitliche Entität des Unternehmens. Ein Name im Verzeichnis, eine andere Beschreibung im Social-Media-Profil, wieder ein anderer Leistungsumfang auf der Website. Ein Modell, das die Marke aus vielen Orten zusammensetzt, verliert bei widersprüchlichen Angaben das Vertrauen und lässt das Unternehmen in der Antwort aus.
Gar keine Messung. Ohne Bezugspunkt ist jede Bewertung der Ergebnisse ein bloßer Eindruck. Dieser Fehler kostet in der LLMO-Arbeit am meisten, weil man so monatelang für Arbeit bezahlen kann, die niemand überprüft.
Wie Sie die Sichtbarkeit in KI-Antworten messen
Ohne Messung wissen Sie nicht, ob irgendetwas davon wirkt. Die Methode ist einfach und wiederholbar. Stellen Sie eine Liste von zehn bis fünfzehn Fragen zusammen, die Ihr Kunde tatsächlich stellt, von „Welches Unternehmen macht X in München?” bis „Was kostet X?”. Stellen Sie diese Fragen jeden Monat denselben Modellen mit aktivierter Suche, jede in einer neuen Unterhaltung. Notieren Sie zu jeder Antwort, ob Ihre Marke vorkam, ob Ihre Website als Quelle angegeben wurde und wer statt Ihres Unternehmens genannt wurde.
Zwei Zahlen aus dieser Messung, die Quote der Nennungen und die Quote der Zitate, sind die passenden Kennzahlen für ChatGPT SEO und LLMO im Allgemeinen. Ergänzend dient der Traffic aus KI-Werkzeugen in Ihrer Webanalyse: Er lässt sich in GA4 abgrenzen und über die Zeit verfolgen. Wie das geht, beschreiben wir Schritt für Schritt im Beitrag KI-Traffic in Google Analytics auswerten. Eine einzelne Messung sagt wenig, weil die Antworten der Modelle schwanken. Erst eine Reihe monatlicher Ergebnisse zeigt, ob sich die Arbeit an Ihrer LLMO auszahlt.
Was es kostet und ob Sie es selbst umsetzen können
ChatGPT SEO ist in der Regel Teil einer umfassenderen LLMO- bzw. GEO-Betreuung, die ähnlich kalkuliert wird wie klassische SEO: Bei adsfox beginnt sie bei 750 € pro Monat zzgl. USt., der endgültige Betrag hängt vom Wettbewerb in der Branche und vom Arbeitsumfang ab. Was genau in einer solchen Betreuung steckt und was den Preis bestimmt, schlüsseln wir gesondert auf: GEO Kosten pro Monat.
Einen Teil der Arbeit können Sie selbst erledigen, und damit sollten Sie beginnen: Bots in der robots.txt zulassen, die Website bei Bing einreichen, einige wichtige Seiten nach den Regeln dieses Beitrags umbauen und den Ausgangswert messen. Die Grenze der Eigenleistung liegt dort, wo die systematische Arbeit an Inhalten und die Präsenz in externen Quellen beginnen. Beides verlangt Zeit und Beständigkeit, für die im Tagesgeschäft meist wenig Raum bleibt. Wenn Sie einen Anbieter für LLMO auswählen, lesen Sie zuerst, woran Sie eine GEO-Agentur erkennen, die tatsächlich liefert.
Was Sie an diesem Wochenende erledigen können
Wenn Sie Zeit für drei Dinge haben, dann für diese: Prüfen Sie in der robots.txt, ob KI-Bots auf Ihre Website dürfen, reichen Sie die Website in den Bing Webmaster Tools ein und führen Sie eine erste Messung mit zehn Fragen in vier Modellen durch. Danach wissen Sie, wo Sie stehen, bevor Sie einen Euro ausgeben.
Bei adsfox wenden wir diese Techniken zuerst auf uns selbst an: Wir haben eine dokumentierte Entität des Unternehmens, eine llms.txt-Datei, zitierfähige Inhalte und ein monatliches Monitoring der Zitate – kurz: eine gelebte LLMO-Praxis. Wenn Ihre Marke in KI-Antworten erscheinen soll, sehen Sie sich die Leistung unserer Agentur für ChatGPT SEO und GEO an oder vereinbaren Sie ein kostenloses Erstgespräch zur Online-Marketing-Beratung. Wir betreuen Unternehmen in Österreich, Deutschland und der Schweiz, und Sie arbeiten mit uns durchgehend auf Deutsch.
