Google hat 4 AI-SEO-Taktiken beendet. Hier sind die Claude-Prompts, die sie ersetzen.

Seit 5 Jahren bearbeite ich über 100 Websites. Ich habe Whitehat, Blackhat, Opa-SEO erlebt, die AMP-Welle von 2016, die aggressive Schema-Welle von 2019. In den letzten 18 Monaten verkauft eine neue Branche Audits für 500 bis 2000 Euro für etwas namens GEO oder AEO. Ganze Agenturen entstanden um 2 Akronyme herum, spezialisierte SaaS-Tools, Zertifizierungen, WordPress-Plugins, die automatisch eine llms.txt-Datei im Root deiner Website generieren. Am Freitag, den 15. Mai 2026, veröffentlichte Google 2000 Wörter, die grob 90% dessen, was diese Branche verkauft, obsolet machen.

Das Google-Dokument listet namentlich auf, was nicht funktioniert: llms.txt und spezielle Auszeichnungen, Content-Chunking, KI-Umschreibungen, unechte Erwähnungen. Bei den über 100 Websites, die ich bearbeite, habe ich nie eine dieser 4 Taktiken implementiert. Nicht aus Faulheit, aus Beobachtung. Bei jeder Welle (AMP, aggressives Schema, KI-freundliche Auszeichnungen) war der ROI derselbe: null oder marginal.

Du lernst hier 3 Dinge:

• was die GEO-Branche derzeit verkauft (Grey Hat + aufkommendes Black Hat)
• den einzigen Mechanismus, der tatsächlich entscheidet, ob KI dich zitiert
• 4 Claude-Prompts, die ich vor jeder Veröffentlichung ausführe

Was Google tatsächlich über GEO und AEO sagt

GEO steht für Generative Engine Optimization. AEO steht für Answer Engine Optimization. Eine ganze Branche baute sich in 18 Monaten um diese 2 Akronyme auf. Audits für 500 bis 2000 Euro (ich habe die Angebote in Kunden-Postfächern landen sehen), spezialisierte Agenturen, Schulungsprogramme, Zertifizierungen, eigene SaaS-Tools. Der Pitch war immer eine Variation von "Google AI Overviews ändern alles, du brauchst eine andere Methodik."

Googles Dokument vom 15. Mai sagt das Gegenteil, in klarem Deutsch. Die Position paraphrasiert: AEO und GEO sind einfach gut gemachtes SEO. Der Begriff ist Marketing, nicht technisch. Cyber Kendra formulierte es einen Tag später schärfer: Wer dir ein AEO-Audit verkauft, das sich von einem Standard-SEO-Audit unterscheidet, verkauft dir etwas, was Google nicht als real anerkennt.

Das Dokument nennt 4 Taktiken, die nicht funktionieren, namentlich:

• llms.txt und spezielle Auszeichnungen
• Content-Chunking
• Inhalte für KI-Systeme umschreiben
• unechte Erwähnungen

Eine 5. wird nebenbei erwähnt: Überfokussierung auf strukturierte Daten. Die ordne ich in die Schema-Spam-Betrachtung weiter unten ein.

Das ist die offizielle Position. Der nächste Abschnitt zeigt, was im Mai 2026 tatsächlich am Markt verkauft wird und warum nichts davon den Kontakt mit dem Google-Dokument überlebt.

Was tatsächlich am Markt verkauft wird

Beobachtung, kein Tutorial. Nichts davon wurde auf meinen Websites implementiert. Alles davon tauchte in Kunden-Audits auf, die ich in den letzten 18 Monaten durchgesehen habe. Der Punkt ist, dir einen Beleg zu geben, den du beim nächsten Agentur-Angebot auf deinem Schreibtisch schwenken kannst.

llms.txt-Obsession. Yoast SEO und Rank Math fügten 2025 Auto-Generierung hinzu. Eine Markdown-Datei im Website-Root, soll "KI-Systeme leiten". Eine häufige Variante ist llms-full.txt, die deinen gesamten Website-Content in Markdown dupliziert. Empirische Widerlegung: Somanath Balakrishnan führte eine Studie mit 300.000 Domains durch und fand keine statistische Korrelation zwischen dem Vorhandensein einer llms.txt und der LLM-Zitierrate (Medium, Februar 2026). Die meisten KI-Crawler fragen die Datei nicht einmal ab. Die Plugins liefern sie trotzdem aus, weil sie Upgrades verkaufen.

Erzwungenes Chunking + FAQPage-Spam. Artikel in Q&A-Mikro-Absätze im "Snippet-Köder"-Format zerschneiden. FAQPage-Schema auf alles geklatscht. Der perverse Effekt, dokumentiert von Pasquale Pillitteri: Für den Chunk zu optimieren produziert skelettartigen Content, der redaktionellen Wert verliert, ohne Sichtbarkeit zu gewinnen.

Massen-KI-Umschreibungen. Prompts, die Standard-Content in "KI-freundlich" umschreiben, ohne tatsächlichen Wert hinzuzufügen. Jede GEO-SaaS verkauft diesen Service. Die Ironie: Es produziert genau das, was Google als skalierte Content-Missbrauch in seiner Spam-Richtlinie markiert. Du optimierst für die KI und löst am Ende Googles Anti-Spam-Filter aus.

Separate Markdown-Dateien pro Seite. Eine .md neben jede .html generieren, um "KI-Aufnahme zu erleichtern". Dokumentiertes Risiko (Derivatex, April 2026): Wenn die Markdown-Dateien indexierbar sind, führst du doppelten Content ein, der dein Crawl-Budget verwässert. Du zahlst extra Kosten für negativen Wert.

Schema-Spam-Stapelung. FAQPage + HowTo + Article + Organization + Person + Review alles auf derselben Seite angewendet. Googles Dokument ist explizit: strukturierte Daten sind nicht erforderlich für generative KI-Suche, und es gibt keine spezielle schema.org-Auszeichnung, die du hinzufügen musst. (Das Rank Math Plugin auf einer Kundenseite letztes Jahr wendete FAQPage-Schema auf die Über-uns-Seite an. Niemand hatte es konfiguriert. Die Standardeinstellungen machten es. Das ist die ganze Branche in einer Standard-Checkbox.)

Fake-Listicles im großen Stil. "10 beste X-Tools" oder "15 Prompts, die du brauchst", recycelt über 50 Websites mit kosmetischen Variationen. Such jetzt "Claude SEO Prompts" auf Medium, du findest 5+ Artikel aus den letzten 30 Tagen, Content massiv überlappend.

Das ist die Landschaft. Nichts davon ist illegal, nichts davon ist besonders böse, es ist nur eine Welle von Unsinn, verkauft an Leute, die keine Zeit zum Testen haben. Googles Dokument gab uns endlich ein öffentliches Dokument, auf das wir zeigen können, wenn eine Agentur eines davon anbietet.

Der einzige Mechanismus, der tatsächlich entscheidet, ob KI dich zitiert

Das ist der Abschnitt, der erklärt, warum die 4 Taktiken scheitern. Alles andere im Artikel ist eine Folgerung davon.

KI-Suchmaschinen (Google AI Overviews, ChatGPT Search, Perplexity, Claude) funktionieren über RAG, Retrieval Augmented Generation. Konkret:

• die KI durchsucht Seiten in ihrem Index oder über eine Such-API
• sie liest Passagen
• sie ZITIERT, wenn der Content etwas bringt, was sie allein aus ihren Trainingsdaten nicht hätte generieren können
• sie formuliert ohne Zitat um, wenn der Content bereits ihrem Modell bekannt ist

Das ist es. Das ist der ganze Mechanismus.

Anwendung: Wenn dein Content Standard ist (7 Tipps für Erstkäufer, recyceltes Allgemeinwissen), kann die KI ihn selbst aus Trainingsdaten generieren. Sie zitiert dich nicht. Wenn dein Content nicht-Standard ist (spezifische Lebenserfahrung, einzigartige Beobachtung, unreduzierbare Expertise), kann die KI ihn nicht umformulieren. Sie MUSS deine Seite als Quelle zitieren, um die Information korrekt zu übertragen.

Googles eigenes Beispiel im Dokument: Standard = 7 Tipps für Erstkäufer (könnte jeder schreiben). Nicht-Standard = Warum wir die Inspektion verzichteten & Geld sparten: Ein Blick in die Abwasserleitung (eine Lebenserfahrung, nicht reproduzierbar).

Der einzige Mechanismus. Alles andere (llms.txt, Schema, Chunking, Erwähnungs-Farming, versteckte Prompt-Injection in HTML) sind Optimierungen an Content, der ZUERST diesen mechanischen Test bestehen muss. Wenn dein Content den Test nicht besteht, rettet dich keine .txt-Datei. Wenn dein Content den Test besteht, ist keine .txt-Datei nötig.

Taktik 1: Die Datei, die 100+ Websites nie brauchten

Bei den über 100 Websites, die ich bearbeite, null llms.txt. Nicht aus Faulheit. Aus Beobachtung.

Jede Welle der letzten 10 Jahre verkaufte dasselbe Versprechen mit einer anderen Dateiendung. AMP 2016, hreflang-Explosion 2018, aggressives Schema 2019, KI-freundliche Auszeichnungen 2024. Das Versprechen ist immer "implementiere dieses technische Ding und KI/Google/was auch immer wird dich belohnen." Der ROI ist immer derselbe: null oder marginal, bei Content, der sowieso nicht ranken würde. Ich hörte auf, reflexartig in jede neue Welle einzutauchen, weil ich zu viele Branchen auf Sand bauen sah. Ich machte dasselbe Argument, als MCP die Antwort auf alles war, dasselbe Playbook, andere Dekade.

Googles Position im Dokument vom 15. Mai: Du musst keine neuen maschinenlesbaren Dateien, KI-Textdateien, Auszeichnungen oder Markdown erstellen, um in der generativen KI-Suche zu erscheinen. Das Lustigste ist, dass Google selbst versehentlich eine llms.txt-Datei in seinem eigenen internen CMS eine Weile generierte. Die Branche nahm es als Signal, dass "Google daran glaubt". John Mueller musste öffentlich klarstellen: Das Search-Team nutzt oder befürwortet llms.txt nicht. Die Datei tauchte auf, weil Googles internes CMS Support dafür hinzufügte und einige Teams sich nicht die Mühe machten, sie zu entfernen. Das ist alles (berichtet von LBN Tech Solutions, Februar 2026). Ich denke, die Schlangenöl-Verkäufer werden es trotzdem weiter verkaufen. Vielleicht liege ich falsch, aber ich sehe nicht, was sie davon abhält.

Ein ehrlicher Vorbehalt. llms.txt hat genau einen legitimen Anwendungsfall. Nicht SEO. Devtools. Cursor, Claude Code, GitHub Copilot holen llms.txt zur Abrufzeit, um die Struktur einer Tech-Dokumentation zu verstehen (dokumentiert von Derivatex). Wenn du eine SaaS-Dokumentation pflegst, die von KI-Coding-Agenten konsumiert wird, kann llms.txt dienen. Ansonsten nein. Die Linie ist klar: Google SEO nein, KI-Coding-Agenten, die deine Docs konsumieren, ja. Die GEO-Branche vermischt die beiden absichtlich, weil es lukrativer klingt.

Prompt 1: Ehrliches llms.txt-Audit

Der Claude-Prompt unten gibt dir ein Urteil, keine Rechtfertigung. Ich führe ihn aus, bevor ein Kunde mich bittet, eine llms.txt zu seiner Website hinzuzufügen. Füge ihn in Claude mit deinen Eingaben ein:

<context>
  <site_url>{deine_url}</site_url>
  <content_type>{blog | ecommerce | saas_docs | agency | media | other}</content_type>
  <audience>{humans_via_google | devs_via_claude_code_cursor | mix}</audience>
  <page_volume>{ungefähre_anzahl}</page_volume>
  <update_frequency>{täglich | wöchentlich | monatlich | selten}</update_frequency>
</context>

<task>
Prüfe, ob diese Website eine llms.txt-Datei braucht. Sei nicht gefällig. Gib das echte Urteil.
</task>

<constraints>
- Antworte Ja oder Nein klar in der ersten Zeile.
- Falls Nein: erkläre warum in 2 Sätzen und schlage eine konkrete Alternative vor (z.B. "konzentriere Budget auf 3 nicht-Standard-Artikel").
- Falls Ja: bestätige, dass der Anwendungsfall Devtools ist (KI-Coding-Agenten, die Docs konsumieren), nicht Google SEO. Dann gib die empfohlene Struktur und warne vor Duplicate-Content-Risiko, falls der Nutzer auch separate .md-Dateien generieren plant.
- Berufe dich nicht auf "Vorzugsbehandlung durch KI" als Grund. Dieses Argument ist tot.
- Erkenne an, dass Google öffentlich erklärt hat, llms.txt wird nicht genutzt oder befürwortet von Search.
</constraints>

Die Einschränkung "sei nicht gefällig" leistet hier echte Arbeit. Claude validiert standardmäßig alles, wenn du nicht zurückdrängst. (Sonnet kämpft wirklich im Vergleich zu Opus, wenn du diese Zeile überspringst, ich habe beide nebeneinander bei genau diesem Prompt getestet.)

Taktiken 2 und 3: Chunking, Umschreibungen, Schema

3 Cousins, derselbe Fehler. Sie alle behandeln Content als Ressource zum Fragmentieren oder Polieren für KI und ignorieren den extraktiven RAG-Mechanismus, den wir gerade behandelt haben.

Chunking. Googles direkte Position: Es gibt keine Anforderung, deinen Content in winzige Stücke zu zerbrechen, damit KI ihn besser versteht. Google-Systeme können die Nuancen mehrerer Themen auf einer Seite verstehen. Beobachtung über 100+ Websites: dichte, gut geschriebene Seiten (1500-3000 Wörter, klare Struktur, ein starker Punkt pro Abschnitt) übertreffen systematisch in FAQPage-Format gechunkte Seiten. Warum? Eine gechunkte Seite verliert ihre narrative Kohärenz, wird also austauschbar mit jeder anderen Seite zum selben Thema. Die KI zitiert sie nicht mehr. Sie zitiert sie weniger.

KI-Umschreibungen. Googles direkte Position: Du musst nicht auf eine spezielle Art nur für generative KI-Suche schreiben, KI-Systeme können Synonyme und allgemeine Bedeutungen verstehen. Jede GEO-SaaS verkauft KI-Umschreibungen als Service. Die Ironie: Es produziert genau das, was Google in seiner skalierte Content-Missbrauch-Richtlinie sanktioniert. Je mehr du für die KI umschreibst, desto mehr wirst du Standard (weil du entfernst, was dich spezifisch machte). Perfekte selbstzerstörerische Schleife.

Schema-Überdosis. Googles direkte Position: strukturierte Daten sind nicht erforderlich für generative KI-Suche. Vorbehalt verteilt: strukturierte Daten behalten ihren Nutzen für klassische Google Search Rich Results (Recipe, Event, Product). Aber FAQPage + HowTo + Article + Person auf jede Seite zu stapeln bringt nichts in AI Search. (Ich stieß letzten Monat auf eine Kundenseite, wo das FAQPage-Schema von einem Plugin auf 4000 Produktseiten angewendet wurde, das niemand konfiguriert hatte. Die Search Console schrie. Die Agentur, die das Plugin installierte, hatte 1800 Euro für das "KI-Optimierungspaket" berechnet.)

Prompt 2: Standard vs Nicht-Standard Check

Der Claude-Prompt, der deinen Artikelentwurf nimmt und dir sagt, ob er Standard oder Nicht-Standard ist, mit begründetem Urteil. Standardmäßig streng, weil Claude standardmäßig nett ist, wenn du es ihm nicht anders sagst.

<context>
  <draft>
    {füge hier deinen vollständigen Artikelentwurf ein}
  </draft>
  <topic>{Thema / Thema des Artikels}</topic>
  <audience>{Zielleser}</audience>
  <competing_articles_optional>
    {füge 2-3 Konkurrenz-URLs oder Text ein, falls verfügbar}
  </competing_articles_optional>
</context>

<task>
Bestimme, ob dieser Entwurf Standard-Content ist (eine KI könnte ihn aus Trainingsdaten generieren, kein Zitat nötig) oder Nicht-Standard-Content (unreduzierbar auf Trainingsdaten, KI muss die Quelle zitieren).
</task>

<output_format>
1. Urteil: standard / teilweise nicht-standard / nicht-standard
2. Geschätzter Prozentsatz von Passagen, die Standard sind (recyclebar aus Trainingsdaten) vs unreduzierbar
3. Liste 5 spezifische Sätze aus dem Entwurf, die stark Standard sind und überarbeitet werden sollten
4. Liste 3 Fragen, die der Autor beantworten sollte, um den Entwurf in Nicht-Standard-Territorium zu schieben:
   - Was kannst nur du zu diesem Thema sagen?
   - Welche Zahl / welcher Vorfall / welche Beobachtung macht deinen Artikel unmöglich umzuformulieren?
   - Welche scharfe Position bist du bereit zu verteidigen?
</output_format>

<constraints>
- Sei streng, nicht ermutigend. Die Standardposition ist "das ist Standard, bis das Gegenteil bewiesen ist."
- Validiere den Entwurf nicht standardmäßig. Der Autor braucht die Wahrheit, nicht einen Klaps auf die Schulter.
- Zitiere spezifische Sätze aus dem Entwurf, nicht vage Absätze.
</constraints>

Ich führe das bei jedem Artikel vor der Veröffentlichung aus. Letzten Monat tötete es 2 Entwürfe, die ich gerade versenden wollte. Ersparte mir 2 verschwendete Posts. (Das Convex-Dashboard zeigt immer noch nicht diese Art von Nutzungsanalysen und ich frage seit 8 Monaten danach.)

Taktik 4: Erwähnungs-Farming und der Black Hat Underground

Hinweis zur Einordnung: Branchenbeobachtung, kein Tutorial. Ich dokumentiere, was verkauft wird, damit du es erkennen kannst, falls jemand es dir vorschlägt, und dich verteidigen kannst, falls diese Techniken gegen deine Marke eingesetzt werden. Ich schreibe keine Anleitung. Nichts davon ist auf meinen Websites implementiert.

Ebene 1, Grey Hat aktiv kommerzialisiert. Unechtes Erwähnungs-Farming. Koordinierte Reddit-Posts (Services verkaufen "10 Reddit-Erwähnungen in deiner Nische für 200 Euro"), synchronisierte X-Threads mit Fake-Profilen, gefälschte Autorenprofile auf Nischen-Websites, positive Reviews auf G2, Trustpilot, Capterra säen, um KI-Sentiment zu verschieben. Googles direkte Position: unechte Erwähnungen im Web zu suchen ist nicht so hilfreich, wie es scheinen mag. Die Linie ist Authentizität, nicht Plattform. Echte Erwähnungen sind weiterhin gültig: Reddit organisch wird massiv von LLMs 2025-2026 zitiert (laut einer Visual Capitalist-Analyse, zitiert von Brainz Digital, war Reddit die meistzitierte Quelle in den LLM-Korpora, die sie studierten, obwohl ich den genauen Prozentsatz eher als richtungsweisend denn als definitiv behandeln würde).

Ebene 2, Grenzbereich und manchmal illegal. Zitat-Verdrängung (autoritativen Content zu einem Konkurrenten-Thema erstellen, damit KI dich statt ihn zitiert), Marken-Sentiment-Vergiftung (synthetischer Content in Foren und Reviews, um KI-Wahrnehmung einer Drittanbieter-Marke zu ändern). Dokumentiert von Alex Bobes (alexbobes.com, Februar 2026) als Techniken, die im Black Hat AI SEO beobachtet wurden. Die Tatsache, dass diese jetzt Namen haben, sollte dir etwas über die Organisation des Underground sagen.

Ich war letzten März mit meinen Kindern auf einer Delfin-Tour bei Koh Phangan und sprach mit einem Typen aus Singapur, der eine SaaS im Legal-Compliance-Bereich betreibt. Er erzählte mir, eine Agentur hatte ihm einen "Zitat-Verdrängung"-Service angeboten, um in Perplexity statt seines Hauptkonkurrenten zitiert zu werden. Der Preis war 4000 Euro für 90 Tage. Er sagte nein, teils weil es zwielichtig war und teils weil er keine Ahnung hatte, ob es funktioniert. Das Agentur-Deck hatte 14 Folien mit Charts, keine davon mit Quelle. Die ganze Black Hat AI SEO-Branche läuft auf Charts ohne Quellen, und die Käufer sind meist Gründer, die keine Zeit zum Verifizieren haben.

Ebene 3, aufkommender Angriff-statt-Optimierung. Versteckte Prompt-Injection in HTML. Unsichtbare Befehle via display:none, visibility:hidden, weiß-auf-weiß-Text, HTML-Kommentare, Unicode-unsichtbare Zeichen, Null-Breite-Leerzeichen. Ziel: KIs manipulieren, die die Seite scrapen. Microsoft blockierte diese Taktik explizit in seiner Dokumentation (Search Engine Land, September 2025). Modelle entwickelten sich auch. Zitat von Security Innovation: Modelle verarbeiten Token, auch wenn sie für Menschen unsichtbar sind, solange sie im Input vorhanden sind. Zitat von HiddenLayer: Angriffe gegen LLMs hatten bescheidene Anfänge, mit Phrasen wie "ignoriere alle vorherigen Anweisungen", die leicht defensive Logik umgingen. Status: wird noch von einigen versucht, größtenteils jetzt gefiltert.

Ebene 4, akademische Forschung. Umgeschriebenes Query-Stuffing und segmentierte Texte verdoppeln die Manipulationsrate von LLM-verstärkten Suchmaschinen, laut dem Paper Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation (ACM Web Conference 2026). LLM-Trainingsdaten-Vergiftung: gemeinsame Forschung von Anthropic und dem UK AI Security Institute zeigte, dass 250 bösartige Dokumente ausreichen, um ein LLM zu vergiften, unabhängig von der Gesamtdatensatzgröße. Das ist Sicherheit, nicht SEO. Aber es taucht in obskuren Black Hat AI SEO-Foren als "Zukunftstechnik" auf.

Ehrliche Einschätzung: Techniken auf Ebene 1 und 2 sind aktiv käuflich. Ebenen 3 und 4 sind größtenteils gefiltert oder in der Forschung steckengeblieben, aber ich habe Threads in obskuren Foren gesehen, die verpackte Services anbieten. Der Leser muss wissen, dass das existiert, um es zu erkennen und abzulehnen.

Prompt 3: Lebenserfahrungs-Extraktion (Interview, nicht Umschreibung)

Der Prompt, der Claude das Gegenteil von dem machen lässt, was GEO-Tools verkaufen. Statt deinen Artikel umzuschreiben, um ihn KI-freundlich zu machen, interviewt Claude dich, um deine echte Lebenserfahrung zu Tage zu fördern.

<context>
  <topic>{Artikelthema}</topic>
  <angle>{dein anfänglicher Winkel in 1-2 Sätzen}</angle>
  <raw_notes_optional>
    {füge rohe Notizen, Sprachmemo-Transkripte oder einen Entwurf ein, falls vorhanden}
  </raw_notes_optional>
</context>

<task>
Interviewe den Nutzer, um Lebenserfahrung, spezifische Zahlen, datierte Anekdoten und kontraintuitive Beobachtungen zu diesem Thema zu Tage zu fördern. Schreibe NICHT den Artikel. Schreibe den Entwurf NICHT um. Extrahiere Rohmaterial, das der Nutzer selbst integrieren kann.
</task>

<workflow>
Stelle 5 bis 7 gezielte Fragen. Beispiele für Fragenmuster:
- Welcher spezifische Vorfall ließ dich X erkennen?
- Welche Zahl hast du gemessen, die niemand sonst zitieren kann?
- Welche Entscheidung hast du gegen den Konsens getroffen?
- Welcher Fehler lehrte dich etwas, was die Tutorials nicht sagen?
- Mit wem warst du öffentlich zu diesem Thema uneinig, und was war die Meinungsverschiedenheit?

Nach der Nutzerantwort, stelle ein Dossier aus Rohmaterial zusammen:
- rohe Zitate aus ihrer Lebenserfahrung
- spezifische Zahlen
- datierte Anekdoten
- konträre Beobachtungen
</workflow>

<constraints>
- Schreibe niemals den Artikel. Schreibe niemals den Entwurf um.
- Der Output ist Rohmaterial, das der Nutzer selbst integriert.
- Eine Maschine kann per Definition keinen Nicht-Standard-Content schreiben. Sie kann nur dem Menschen helfen, ihn zu Tage zu fördern.
</constraints>

Das ist der wichtigste Prompt im Artikel. Die anderen 3 sind Filter. Dieser ist der Motor. Auch der einzige, wo Claude etwas macht, wofür KI-Tools nicht gebaut wurden: von der Tastatur zurücktreten und den Menschen schreiben lassen.

Die Bing-Wendung

Bei Google sind GEO und AEO für tot erklärt (15. Mai 2026). Bei Bing ist die Position genau entgegengesetzt. Microsoft offizialisierte den Begriff GEO in seinen Webmaster-Richtlinien im März 2026, mit einem eigenen AI Performance Dashboard in den Bing Webmaster Tools. Microsofts Einordnung: GEO garantiert keine Zitate, genau wie SEO keine Rankings garantiert. Microsoft erkennt die Praxis formal als parallel zu SEO an.

Warum die Kluft? Meine ehrliche Hypothese (als Hypothese präsentiert, nicht als Fakt): Microsoft hat ein direktes kommerzielles Interesse. Bing Webmaster Tools, AI Performance Dashboard, IndexNow, Bing Places sind monetarisierbare Produkte. GEO zu offizialisieren bedeutet GEO-Tools zu verkaufen. Google hat kein solches Interesse. Google AI Search nutzt denselben Index wie klassische Google Search, also würde die Validierung eines parallelen Begriffs Produktverwirrung schaffen. Ich denke, das ist der echte Treiber. Könnte sein, dass ich das falsch lese, aber das Timing passt zu perfekt zum Produkt-Roadmap, um es zu ignorieren.

Praktische Konsequenz: ChatGPT Search wird von Bing gespeist (der Microsoft-OpenAI-Deal). Also entspricht für Bing zu optimieren teilweise für ChatGPT zu optimieren. Überlappungsstatistik von Control Alt Digital (April 2026): nur 13,7% der Zitate werden geteilt zwischen Google AI Overviews und Google AI Mode (10,7% URL-Überlappung, 16% Domain-Überlappung). Und zwischen Google und ChatGPT/Bing ist die Überlappung noch geringer. Verschiedene Engines zitieren verschiedene Websites.

Nuancierte Schlussfolgerung. Wenn dein Traffic auf Google AI Overviews zielt, sind die 4 oben diskutierten Taktiken tot. Wenn du ChatGPT Search und Perplexity anvisierst (die Bing-Index nutzen), bleiben einige Bing-freundliche GEO-Techniken (llms.txt, FAQ-Schema, IndexNow) teilweise gültig. Aber der extraktive RAG-Mechanismus bleibt der einzige universelle Hebel. Auch bei Bing schlägt Nicht-Standard Standard. Die Bing-spezifischen Techniken sind Politur auf Content, der bereits den fundamentalen Test bestehen muss.

Lies diesen Abschnitt nicht als neue These. Lies ihn als Fußnote zum Hauptargument. Der Mechanismus ändert sich nicht mit der Engine.

Der Test, den Google nicht aufschrieb

Derivatex (Februar 2026) formulierte es sauberer als Google: wenn ein KI-Modell nur diese Seite und nichts anderes läse, würde es mit einem akkuraten und nützlichen Verständnis unserer Marke oder unseres Produkts weggehen? Google schrieb diesen Test nicht auf, aber er ist die direkte Anwendung von "Nicht-Standard-Content zuerst". Wenn die Antwort "nein, die KI würde mit einem generischen Verständnis weggehen, das überall verfügbar ist" ist, ist dein Content Standard. Wenn die Antwort "ja, die KI würde mit etwas weggehen, was sie nirgendwo anders hätte bekommen können" ist, bist du zitierbar.

Angewendet auf die über 100 Websites, die ich bearbeite: Dieser Test trennt sofort Seiten, die es verdienen zu existieren, von Seiten, die jeder hätte generieren können. Statistik im Hinterkopf behalten: 48% der Google-Suchen zeigten AI Overviews im März 2026 (SEO.com-Daten zitiert von Pasquale Pillitteri), hoch von 34,5% im Dezember 2025. Direkte Implikation: Wenn dein Content den Test nicht besteht, verschwindest du aus der Hälfte des Google-Traffics.

Prompt 4: Der isolierte KI-Test

Der Claude-Prompt, der simuliert, dass eine KI deine Seite als einzige Quelle liest und dir sagt, was sie behalten würde.

<context>
  <page_url_or_text>{füge URL oder vollständigen Text ein}</page_url_or_text>
  <target_query>{die Anfrage, für die du zitiert werden willst}</target_query>
</context>

<task>
Du bist Google AI Overviews. Ein Nutzer fragt die target_query. Du hast NUR Zugang zu dieser Seite. Was behältst du?
</task>

<output_format>
1. Drei Sätze, die du für die KI-Antwort extrahieren würdest
2. Zitierbarkeits-Urteil: hoch / mittel / niedrig
3. Was würde die Seite zitierbarer machen:
   - Fehlende spezifische Zahlen
   - Lebenserfahrung nicht explizit gemacht
   - Scharfe Position nicht eingenommen
</output_format>

<constraints>
- Behandle das als echte Simulation, nicht als Content-Kritik. Du bist die KI, nicht der Editor.
- Wenn die Seite generisch ist, sag es direkt.
- Schlage keine stilistischen Verbesserungen vor. Nur Signale, die Zitierbarkeit ändern.
</constraints>

Kurzer Output, umsetzbar in 2 Minuten. Ich führe ihn bei jedem Artikel vor der Veröffentlichung aus. Wenn du eine Methode willst, die konstruktionsbedingt Nicht-Standard ist, ist mein Buch Vibe Coding, For Real ein 8-Schritte-Blueprint basierend auf ausgelieferten Projekten, kostenlos bei Kindle Unlimited.

Die zweitrangige Erkenntnis aus dem Google-Dokument, die niemand hervorhebt, ist, dass die Websites, die 2026 überleben, die sind, wo der Autor nicht übertragbar ist. Du kannst Nicht-Standard nicht an eine GEO-Agentur oder an einen Freelancer auslagern, der dein Thema nicht kennt. Die SEO-Branche wird neu lernen müssen zu schreiben statt zu produzieren. Die Kostenstruktur ändert sich auch. Nicht-Standard-Content kostet mehr zu produzieren als eine generische FAQPage, aber er verdient auf einer völlig anderen Zeitlinie. Ein Nicht-Standard-Artikel wird 2 Jahre später noch zitiert. Ein Standard-Artikel verschwindet bei der nächsten KI-Index-Aktualisierung. Dieselbe Logik gilt für Software-Entwicklung, weshalb ich aufhörte zu vibe coden und anfing Prompt-Verträge zu führen, Frameworks basierend auf deinem eigenen Muster schlagen generische Best Practices.

---

2 Jahre dabei zuzusehen, wie eine Branche .txt-Dateien für 500 Euro verkauft, während der echte Mechanismus in 1 Satz passt: Wenn eine KI deinen Artikel mit ihren Trainingsdaten schreiben kann, wird sie dich nicht zitieren. Die Websites, die 2026 überleben, sind die, wo der Autor nicht übertragbar ist.

Geh und schreib etwas, was nur du schreiben kannst. Das ist SEO in 2026 (außer du wählst den Black Hat-Pfad, aber das ist eine andere Geschichte ;-)

Quellen

• Google Search Central, Optimizing your website for generative AI features on Google Search (15. Mai 2026): https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
• Search Engine Journal, Google's New AI Search Guide Calls AEO And GEO 'Still SEO' (Matt G. Southern, 16. Mai 2026)
• Cyber Kendra, Google's AI Search Guide Is Out, Explained Without the Hype (16. Mai 2026)
• Pasquale Pillitteri, Google AI Optimization Guide (16. Mai 2026): https://pasqualepillitteri.it/en/news/2654/google-ai-optimization-guide-seo-ai-mode-overviews-en
• LBN Tech Solutions, What Is LLMs.txt? The Truth About Google Search Rankings in 2026 (Februar 2026)
• Derivatex, LLMs.txt: The Complete Guide for SEO and AI Search 2026 (April 2026)
• Somanath Balakrishnan, From SEO to GEO Part 2 (Medium, Februar 2026)
• Search Engine Journal, Bing Adds GEO To Official Guidelines (2. März 2026)
• Control Alt Digital, AI Search in 2026: Your Complete Guide (April 2026)
• Alex Bobes, BlackHat SEO in 2026 (alexbobes.com, Februar 2026)
• Search Engine Land, Hidden prompt injection: The black hat trick AI outgrew (September 2025)
• ACM Web Conference 2026, Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation

Dieser Post kann Affiliate-Links enthalten. Wenn du sie anklickst, verdiene ich möglicherweise eine kleine Provision, kostet dich nichts und hilft mir, weiterhin täglich qualitativ hochwertige Artikel zu deinem Lesevergnügen zu liefern.