Answer Engine Optimization – die Disziplin hinter KI-Antworten

„Ist das nicht einfach SEO mit einem neuen Namen?“ Diese Frage kommt in fast jedem Erstgespräch, meist innerhalb der ersten zehn Minuten. Die kurze Antwort: Ungefähr die Hälfte der Arbeit überschneidet sich tatsächlich mit guter Suchmaschinenoptimierung, die andere Hälfte folgt anderen Regeln, weil das Ziel ein anderes ist – nicht ein Platz in einer Liste, sondern eine Erwähnung in einem Fließtext, den niemand nach unten scrollen muss.

Genau diese zweite Hälfte ist der Grund, warum es einen eigenen Begriff gibt.

Eine Antwortmaschine liefert keine Auswahl, sondern eine Entscheidung

Eine klassische Suchergebnisseite verteilt Aufmerksamkeit. Zehn blaue Links, ein paar Anzeigen, der Nutzer entscheidet. Wer auf Platz sieben steht, bekommt weniger ab als Platz eins, aber er existiert.

In einer KI-Antwort existieren Sie oder Sie existieren nicht. Fragt jemand „Welche Software eignet sich für die Zeiterfassung in einem 40-Personen-Handwerksbetrieb?“, nennt ein Sprachmodell drei bis fünf Namen. Nicht zehn. Platz elf gibt es nicht, weil es keine Liste gibt, an deren Ende man stehen könnte.

Das verschiebt die Ökonomie der Sichtbarkeit. In der Suche war Mittelmaß ein tragfähiger Zustand: etwas Traffic, etwas Umsatz. In Antwortmaschinen ist Mittelmaß dasselbe wie Abwesenheit. Diese Zuspitzung ist der eigentliche Grund, warum das Thema gerade Budgets bekommt.

Der zweite Unterschied betrifft die Formulierung. Ein Suchergebnis zeigt Ihren Titel und Ihre Meta-Description – Text, den Sie geschrieben haben. Eine KI-Antwort beschreibt Sie mit eigenen Worten. „Anbieter X gilt als solide, ist aber vergleichsweise teuer“ steht so auf keiner Ihrer Seiten. Es ist eine Zusammenfassung dessen, was das Modell über Sie gelernt hat. AEO arbeitet deshalb nicht nur an der Frage, ob Sie vorkommen, sondern auch daran, mit welchen Attributen.

Der Weg der Antwort bestimmt, welcher Hebel überhaupt greift

Bevor irgendeine Maßnahme sinnvoll ist, muss klar sein, woher die Antwort stammt. Zwei Fälle sind zu unterscheiden, und sie verhalten sich völlig verschieden.

Im ersten Fall ruft das System während der Beantwortung Quellen ab. Perplexity tut das immer, ChatGPT und Gemini je nach Frage und Einstellung. Dann entscheidet, welche Seiten der Suchindex ausspielt und welche Passagen sich sauber aus ihnen herauslösen lassen. Das ist die schnelle Baustelle.

Im zweiten Fall antwortet das Modell aus dem, was im Training hängengeblieben ist. Kein Abruf, keine Quellenangabe. Hier zählt, wie oft und wie konsistent Ihre Marke in den Textmengen vorkam, aus denen das Modell gelernt hat – Fachmedien, Foren, Verzeichnisse, Vergleichsportale, Wikipedia-nahe Strukturen. Diese Baustelle ist langsam und indirekt. Wir haben die beiden Wege plus die dritte Variante über angebundene Werkzeuge in einem eigenen Beitrag auseinandergenommen; wer die Mechanik nachlesen will, findet sie dort.

Für die Praxis ist wichtig: Fast jedes Projekt beginnt mit einer Bestandsaufnahme, welcher der beiden Wege bei den relevanten Fragen dominiert. Bei Nischenprodukten mit wenig öffentlicher Diskussion ist es fast immer der Abruf. Bei etablierten Kategorien mit viel Publizistik überwiegt das Trainingswissen. Die Maßnahmenpläne unterscheiden sich danach erheblich.

AEO arbeitet an vier Stellschrauben, nicht an einer

Die Disziplin zerfällt in vier Arbeitsbereiche. Sie hängen zusammen, lassen sich aber getrennt beauftragen und getrennt bewerten.

• Zugänglichkeit. Können die Crawler der Anbieter Ihre Inhalte überhaupt lesen? GPTBot, ClaudeBot, PerplexityBot, Google-Extended und einige mehr. Wer sie per robots.txt aussperrt oder Inhalte erst per JavaScript nachlädt, ist für einen Teil der Systeme unsichtbar. Nach unserer Beobachtung führen die meisten KI-Crawler kein oder nur eingeschränkt JavaScript aus – wer sein Produktverzeichnis clientseitig rendert, verschenkt hier am meisten.
• Extrahierbarkeit. Steht die Antwort so im Text, dass sie sich als Absatz herauslösen lässt? Ein Modell übernimmt keine Argumentationsbögen über drei Bildschirmseiten. Es übernimmt Absätze, die für sich stehen.
• Belegbarkeit. Stimmen Ihre Kernfakten über alle Quellen hinweg überein? Gründungsjahr, Standorte, Preismodell, Zielgruppe. Widersprüche zwischen Website, LinkedIn, Branchenverzeichnis und einem alten Presseartikel führen dazu, dass Modelle die Marke unscharf oder falsch beschreiben.
• Präsenz in Drittquellen. Wo außerhalb Ihrer eigenen Domain wird über Sie geschrieben? Vergleichsartikel, Fachportale, Verbandsseiten, Foren. Das ist der einzige Hebel, der mittelfristig auf das Trainingswissen wirkt, und der langsamste von allen.

Die ersten beiden Punkte sind in Wochen zu erledigen. Der dritte ist Fleißarbeit. Der vierte ist ein Programm, kein Projekt.

SEO und AEO überschneiden sich, aber nicht dort, wo man es vermutet

Viele Verantwortliche gehen davon aus, dass gute Google-Rankings automatisch zu KI-Erwähnungen führen. Das stimmt teilweise – und bricht genau dort, wo es interessant wird.

Die praktische Konsequenz: Eine Seite, die für Google optimiert ist, beginnt oft mit einer Hinführung und liefert die eigentliche Aussage im dritten Absatz. Für eine Antwortmaschine ist das ungünstig. Setzen Sie die Antwort in den ersten Absatz direkt unter die Überschrift, in zwei bis vier Sätzen, ohne Rückverweis auf vorherige Abschnitte. Formulierungen wie „wie oben beschrieben“ machen einen Absatz für die Extraktion unbrauchbar, weil er ohne Kontext nicht mehr stimmt.

Zweite Konsequenz: Landingpages mit reiner Verkaufssprache werden selten zitiert. Sie enthalten Behauptungen ohne überprüfbaren Gehalt. Ein Absatz mit Zahlen, Bedingungen und Einschränkungen hat deutlich bessere Chancen – auch weil er sich von den Absätzen der Wettbewerber unterscheidet.

Ohne Messung ist AEO Meinung

Der unangenehmste Teil der Disziplin ist die Messung. Es gibt keine Search Console für Sprachmodelle. Kein Anbieter liefert Ihnen aus, wie oft Ihre Marke in Antworten vorkam.

Was funktioniert, ist stumpfe Handarbeit mit System: ein fester Satz von 30 bis 50 Fragen, wie Ihre Kunden sie tatsächlich stellen würden, monatlich an drei bis vier Modelle gestellt, protokolliert mit Datum, Modellversion und dem exakten Wortlaut der Nennung. Daraus ergibt sich ein Anteilswert – wie oft werden Sie genannt, gemessen an allen Abfragen, in denen überhaupt Anbieter genannt werden. Wir nennen das Share of Model und haben das Vorgehen inklusive Tabellenaufbau in einem eigenen Beitrag beschrieben.

Zwei Warnungen dazu. Erstens streuen Modellantworten. Dieselbe Frage, zweimal gestellt, liefert nicht dasselbe Ergebnis. Einzelabfragen sind wertlos, erst die Wiederholung über mehrere Monate ergibt eine Linie. Zweitens ändern die Anbieter ihre Modelle ohne Ankündigung. Ein Einbruch im Messwert kann an Ihrer Arbeit liegen oder an einem Versionswechsel. Ohne die Modellversion im Protokoll lässt sich das später nicht mehr trennen.

Wo die Disziplin an ihre Grenzen stößt

Drei Dinge kann AEO nicht, und wer sie verspricht, verkauft Ihnen etwas Falsches.

Sie können keine Nennung kaufen. Es gibt derzeit keinen Mechanismus, mit dem sich eine Marke in eine organische KI-Antwort einbuchen ließe. Was es gibt, sind Werbeflächen neben Antworten – bei Perplexity etwa – und das ist etwas anderes.

Sie können das Modell nicht zwingen. Alle Maßnahmen verändern Wahrscheinlichkeiten, keine Zustände. Wir arbeiten mit Wahrscheinlichkeitsmaschinen, und deren Verhalten ist auch nach guter Arbeit nicht deterministisch.

Und Sie können falsche Aussagen nicht direkt löschen. Wenn ein Modell aus dem Trainingswissen heraus behauptet, Ihr Produkt habe eine Funktion nicht, die es seit zwei Jahren hat, hilft nur, die korrekte Information so breit und eindeutig in die abrufbaren Quellen zu bringen, dass sie im nächsten Trainingszyklus überwiegt. Das dauert. In Projekten mit solchen Fällen rechnen wir eher in Quartalen als in Wochen, und mit einem offenen Ausgang.

Hinzu kommt eine Unsicherheit, die niemand auflösen kann: Wir wissen nicht, ob die heutigen Mechaniken in achtzehn Monaten noch dieselben sind. Anbieter bauen Retrieval um, führen Werbung ein, verändern Zitierverhalten. Wer heute in AEO investiert, investiert in eine bewegliche Zielscheibe. Das spricht nicht gegen die Investition, aber es spricht gegen Fünfjahrespläne.

Was das für Sie bedeutet

Beginnen Sie mit Diagnose statt mit Maßnahmen. Schreiben Sie zwanzig Fragen auf, mit denen ein Interessent Ihre Kategorie recherchieren würde – ohne Ihren Markennamen darin. Stellen Sie sie an ChatGPT, Perplexity und Gemini. Notieren Sie, wer genannt wird, mit welchen Worten, und ob Quellen angegeben sind. Das kostet einen Nachmittag und ersetzt jede Beratungsleistung im ersten Schritt.

Prüfen Sie danach Ihre robots.txt auf die Einträge der KI-Crawler und Ihre Serverlogs auf deren Zugriffe. Wenn GPTBot Ihre Domain seit Monaten nicht besucht hat, ist jede inhaltliche Arbeit verfrüht.

Nehmen Sie sich dann die fünf wichtigsten Seiten vor und schreiben Sie jeweils den ersten Absatz unter jeder Zwischenüberschrift so um, dass er allein verständlich bleibt. Keine Rückbezüge, keine Superlative, konkrete Zahlen wo möglich.

Und legen Sie das Messblatt an, bevor Sie etwas ändern. Ohne Ausgangswert wissen Sie im Dezember nicht, ob Ihre Arbeit gewirkt hat oder ob OpenAI einfach ein neues Modell ausgerollt hat.

Wenn Sie an einem dieser Punkte nicht weiterkommen, sprechen Sie uns an. Am ehesten lohnt das Gespräch, wenn Sie die zwanzig Fragen bereits gestellt haben und mit den Ergebnissen unzufrieden sind.