GEO ohne technisches SEO ist Kaffeesatzleserei

Es gibt diese Phase in jeder neuen Disziplin, in der die Tools wichtiger werden als die Fundamente. Bei „Generative Engine Optimization“ – kurz GEO – ist genau das gerade passiert. Man liest Listicles über llms.txt, „Grounding Pages“, „Answer Nuggets“ und „Entity Optimization“, als wäre das die Mechanik, die ChatGPT, Perplexity und Googles AI Overviews dazu bringt, eine Marke zu zitieren.
Achtung, anschnallen: Ist es nicht.

Was wirklich darüber entscheidet, ob dein Unternehmen in einer KI-Antwort vorkommt, ist langweiliger – und das meine ich als Kompliment: technisches Onpage-SEO, saubere semantische Struktur, valide strukturierte Daten und ein verifizierbares E-E-A-T-Profil.

Vorweg, weil das die These dieses Beitrags ist: GEO ohne diese Grundlagen funktioniert nicht. Und alles, was darüber liegt – llms.txt, Grounding Pages, „GEO-Audits“ mit fancy Dashboards – ist Mittel zum Zweck, kein Ersatz für das Fundament. Die Recherche stützt das überraschend deutlich, mit einem wichtigen Caveat, den ich gleich zerpflücke.

Was GEO-Engines tatsächlich lesen

Fangen wir mit dem unangenehmen Teil an: Die Crawler von OpenAI, Anthropic und Perplexity sind, freundlich formuliert, technisch primitiver als Googlebot. Eine Vercel-Analyse von rund 1,3 Milliarden AI-Crawler-Requests hat festgestellt, dass keiner der relevanten AI-Bots JavaScript ausführt. Eine separate Auswertung von über 500 Millionen GPTBot-Fetches fand zero evidence of JavaScript execution. Auch ClaudeBot und PerplexityBot holen sich nur das initiale HTML – und gehen weiter.

Konkret heißt das: Wenn deine Produktbeschreibungen, Preise oder FAQ-Antworten erst nach Client-Side-Rendering im DOM auftauchen, sehen GPTBot, ClaudeBot und PerplexityBot eine leere Hülle. Dein Unternehmen kann bei Google auf Position 1 ranken und in jeder AI-Antwort schlicht nicht existieren. Der Lantern-Report aus dem Februar 2026 bringt es auf den Punkt: Die Pages mit dem höchsten Citation-Wert – Produkt-, Feature-, Vergleichsseiten – sind genau die Pages, die in modernen Frameworks am häufigsten client-seitig gerendert werden. Maximaler Hebel, maximales Eigentor.

Das ist kein GEO-spezifisches Problem. Das ist technisches SEO mit anderem Etikett: Server-Side Rendering oder statische Generierung, kritische Inhalte im initialen HTML, semantisches Markup, das auch ohne JavaScript funktioniert. Wer das nicht hat, kann sich jede weitere GEO-Optimierung sparen.

Strukturierte Daten – der differenzierte Teil

Hier wird die Geschichte nuancierter, als die meisten GEO-Guides zugeben wollen. Die populäre Erzählung lautet: Schema.org-Markup ist der Schlüssel zu AI-Citations. JSON-LD mit Article , Organization, FAQPage, HowTo – und schon zitiert dich ChatGPT. Eine Princeton/Georgia-Tech/IIT-Studie zu GEO wird gerne als Beleg ins Feld geführt, dass strukturierte Inhalte die Citation-Rate um bis zu 40 % steigern – wobei die Studie selbst über Quotation Addition und Statistics Addition spricht, nicht primär über Schema-Markup.

Die widersprechende Evidenz ist unbequem: Eine Search-Atlas-Studie vom Dezember 2024 fand keine Korrelation zwischen Schema-Coverage und AI-Citation-Frequenz – über OpenAI, Gemini und Perplexity hinweg. Domains mit vollständigem Schema performen nicht besser als solche mit minimalem oder gar keinem. Google selbst sagt in seiner offiziellen Doku, dass es kein spezielles Schema für AI Overviews gibt, das man hinzufügen müsste. Bing wiederum hat im März 2025 bestätigt, dass Schema bei Copilot hilft – und da rund 92 % der ChatGPT-Agent-Queries auf Bings Index zugreifen, ist das nicht egal.

Was bedeutet das? Schema ist kein magischer Citation-Booster, aber es ist auch nicht nutzlos. Es ist Hygiene. Organization und Person-Schema mit sameAs-Identifiern entkoppelt deine Marke von Namensvettern und macht sie für Knowledge Graphs eindeutig. Article mit Author und dateModified liefert die Frische- und Autorenschafts-Signale, auf die AI-Systeme bei der Quellenauswahl zurückgreifen. FAQPage (nicht zu verwechseln mit FAQ-Schema) und HowTo bilden Inhalte in einer Form ab, die Modelle direkt extrahieren können. Das ist kein „GEO-Hack“– das ist seit Jahren technisches SEO, und es wird durch GEO eher wichtiger, nicht weniger wichtig.

Die ehrliche Formulierung lautet also: Strukturierte Daten allein machen deine Website nicht zitierfähig. Aber ihre Abwesenheit oder Fehlerhaftigkeit ist ein klares Negativsignal, das die Chance auf Citation messbar reduziert. Wer das ignoriert und stattdessen Energie in llms.txt steckt, optimiert am Hebel mit dem schwächsten Effekt.

E-E-A-T ist das Türschloss

Der vielleicht klarste Befund der letzten sechs Monate: E-E-A-T hat sich von einem Quality-Signal-unter-vielen zu einem binären Eingangsfilter für AI-Citations entwickelt (insbesondere im B2B‑Umfeld). Eine Wellows-Analyse von 2.400 AI-Overview-Citations ergab, dass 96 % davon aus Quellen mit starken E-E-A-T-Signalen stammen. Die restlichen 4 % sind alle anderen.

Was das praktisch heißt: verifizierbare Autoren mit echter Bio, klare Organisation als Entity, transparente Quellen, technische Trust-Signale (HTTPS, klares Impressum, vollständige Kontaktdaten), externe Brand Mentions und Reviews. Im DACH-Raum mit Impressumspflicht, Datenschutzerklärungen und Kammern/Berufsverbänden hat man hier sogar einen strukturellen Vorteil – wenn man ihn als Trust-Signal sichtbar macht.

Das ist wieder kein GEO-Spezialthema. Das ist E-E-A-T, wie es Google seit Jahren in den Search Quality Rater Guidelines formuliert. AI-Systeme nutzen die gleichen Signale – nur strenger. Eine SuperGEO-Analyse zeigt eine interessante Verschiebung innerhalb der Pillars: Für klassisches SEO war Authoritativeness (Domain Authority, Backlinks) der dominante Faktor; für AI-Citations hat sich die Reihenfolge gedreht – Experience (First-Hand-Inhalt, eigene Daten) und Expertise (verifizierte Autoren) führen jetzt, Trustworthiness folgt, Raw Domain Authority ist nur noch schwach prädiktiv.

Wer also keinen sauberen Author-Trust-Stack hat – Author-Bio, Person-Schema, externe Profile via sameAs verlinkt, keine Brand Mentions in seriösen Drittquellen hat – wird in AI-Antworten kaum stattfinden, egal wie viele Grounding Pages er/sie produziert.

llms.txt: Mittel zum Zweck oder Rohrkrepierer?

llms.txt wird gerne als pragmatisches Mittel zum Zweck eingeordnet – als kleine Datei, die nicht weh tut und vielleicht etwas bringt. Die Datenlage ist härter, als das suggeriert. Eine SE-Ranking-Analyse von rund 300.000 Domains ergab: 10,13 % Adoption, keine statistische Korrelation mit AI-Citations – das Entfernen der Variable aus dem XGBoost-Modell der Studie hat dessen Genauigkeit sogar verbessert. OtterlyAI hat in einem 90-Tage-Test von 62.100 AI-Bot-Requests genau 84 auf der llms.txt gemessen – 0,1 %. Eoghan Henn fand auf 50 traffic-starken Domains Anfang 2026, dass kein einziger AI-Crawler gezielt nach llms.txt suchte.

Kai Spriestersbach – einer der dezidiertesten Köpfe im DACH-SEO – hat das im Februar 2026 mit einem Artikel mit dem Titel „Die llms.txt ist tot. Genauer gesagt: ein Rohrkrepierer“ zugespitzt. Sein Argument ist nicht, dass die Idee schlecht war – sondern dass das Grundkonzept (Webseitenbetreiber kuratiert ein Selbstbild für Suchsysteme) den Logiken moderner Engines widerspricht. Suchsysteme bewerten, sie lassen sich nicht bewerten. Die Adoption auf Anbieterseite ist nach mehr als einem Jahr bei effektiv null. Anthropic, OpenAI, Google, Perplexity – keiner hat öffentlich bestätigt, die Datei in der Produktion zu nutzen. Die einzige saubere Use Case ist Developer Documentation für Coding-Agents wie Cursor oder Claude Code – und das ist Developer Relations, nicht GEO.

Heißt das: auf die llms.txt komplett verzichten? Nein. Wenn dein Unternehmen eine Tech-Doku-Seite betreibt, ist sie sinnvoll. Wenn dein Unternehmen einen Marken-Blog oder einen Shop betreibt, kostet sie 30 Minuten Arbeit, schadet nicht und ist eine günstige Wette darauf, dass sich das Format doch noch durchsetzt. Aber als GEO-Hebel ist sie aktuell ohne empirische Wirkung. Sie als „Mittel zum Zweck“ zu bezeichnen, schmeichelt ihr in der jetzigen Datenlage. Aktuell ist sie eher: hat keinen Zweck, schadet aber auch nicht.

Bei Grounding Pages – also speziell für AI-Konsum aufbereitete Markdown-Spiegelseiten – ist die Lage ähnlich nüchtern. Wenn der Bot ohnehin nur das initiale HTML bekommt und dein normales HTML semantisch sauber ist, brauchst du keine Schattenseite. Wenn dein HTML nicht sauber ist, ist die Grounding Page Symptombekämpfung – fixe das HTML.

Die Überlappungs-Pointe

Hier ist die unbequeme Wahrheit, die fast jede seriöse Quelle in irgendeiner Form bestätigt: Was als „GEO“ verkauft wird, ist überwiegend klassisches SEO mit etwas mehr Zucker obendrauf: Saubere Indexierbarkeit, Server-Side Rendering, valides Schema, klare Heading-Hierarchien, interne Verlinkung, Author-Trust, Frische, Original-Daten, Backlinks aus seriösen Quellen. Codana und datenbasiert.de im DACH-Raum sehen die Ratio bei 70/30 bzw. 90/10 zwischen klassischem SEO und tatsächlich GEO-spezifischen Maßnahmen. Wie groß die Überlappung zwischen organischen Top-10-Ergebnissen und AI-Citations konkret ist, schwankt je nach Studie erheblich – von 38 % laut Ahrefs Februar 2026 bis zu deutlich höheren Werten in älteren Auswertungen. Was bleibt, ist die Richtung: Wer klassisch nicht sichtbar ist, wird auch generativ kaum stattfinden.

Die GEO-spezifischen Maßnahmen, die übrig bleiben, wenn man das ehrlich aufteilt: präzise Antwortabsätze (40–80 Wörter), Headings als Fragen formulieren, eigene verifizierbare Daten und Statistiken einstreuen, Inhalte als selbsterklärbare Blöcke schreiben, Aktualität sichtbar machen. Das sind keine Revolutionen – das sind Schreibhandwerk und Content-Strategie.

Was bleibt

Die Ausgangsthese hält stand, mit einer einzigen substanziellen Korrektur: Strukturierte Daten sind ein Pfeiler, aber kein eigenständiger Citation-Hebel – sie sind Hygiene und Voraussetzung, nicht Booster. Technisches SEO, semantische Sauberkeit und E-E-A-T sind dagegen tatsächlich die Grundlage, ohne die GEO im Sande verläuft. Und der konkrete Nutzen von llms.txt sowie Grounding Pages sind nach aktueller Datenlage – so ehrlich muss man sein – nicht belegbar.

Wenn du also vor der Wahl steht, eine Stunde Engineering-Zeit in llms.txt oder in Server-Side Rendering eurer Produktdetailseiten zu investieren: Es gibt keine Wahl. Mach das HTML sauber, mach die Inhalte zitierfähig, mach die Autoren verifizierbar. Der Rest ergibt sich – oder ergibt sich nicht, aber dann ist es zumindest nicht das HTML, das schuld ist.