Generative Engine Optimization im Realitätscheck

Viele Unternehmen setzen aktuell große Hoffnungen in KI-Empfehlungen. Ob Google AI Overviews, ChatGPT oder Perplexity. Wer dort genannt wird, gewinnt Sichtbarkeit, Reichweite und potenziell neue Kundinnen und Kunden. Doch wie zuverlässig sind diese Empfehlungen wirklich? Eine aktuelle Studie von SparkToro zeigt: KI-Ergebnisse gleichen häufig einem Glücksspiel. Für die Optimierung im Bereich Generative Engine Optimization, kurz GEO, hat das weitreichende Folgen.

SparkToro analysierte gemeinsam mit Partnern tausende KI-generierte Antworten in unterschiedlichen Branchen. Ziel war es zu prüfen, wie konsistent KI-Systeme bei identischen oder sehr ähnlichen Anfragen dieselben Marken oder Quellen empfehlen.

Das Ergebnis ist eindeutig. Selbst bei gleichen Prompts variieren die Empfehlungen teils erheblich. Marken, die bei einer Abfrage prominent genannt werden, tauchen bei einer zweiten, nahezu identischen Anfrage plötzlich nicht mehr auf. Für Unternehmen bedeutet das eine neue Form von Unsicherheit im digitalen Marketing.

Die Ursachen für diese Volatilität sind vielfältig:

1. Unterschiedliche Trainingsdaten
   KI-Modelle greifen auf riesige Datenmengen zurück, die sich laufend verändern. Neue Inhalte, aktualisierte Quellen und veränderte Gewichtungen beeinflussen die Ergebnisse.
2. Kontextabhängige Interpretation
   Schon minimale Änderungen im Wording führen zu anderen Ergebnissen. Ein zusätzlicher Begriff oder eine leicht andere Fragestellung kann komplett neue Empfehlungen auslösen.
3. Dynamische Ranking-Mechanismen
   Systeme wie Google integrieren KI-Funktionen wie die Google AI Overviews direkt in die Suche. Diese greifen auf unterschiedliche Signale zurück, etwa Autorität, Aktualität oder Nutzerverhalten.
4. Nicht transparente Bewertungslogik
   Anders als klassische Suchalgorithmen sind viele KI-Modelle Black Boxes. Unternehmen erhalten keine klaren Hinweise, warum eine Marke empfohlen oder ignoriert wurde.

Generative Engine Optimization verfolgt das Ziel, Inhalte so aufzubereiten, dass sie von KI-Systemen bevorzugt aufgegriffen und empfohlen werden. Die SparkToro-Studie zeigt jedoch: Eine einmal erreichte Empfehlung ist keine stabile Position.

Das verändert die strategische Perspektive.

1. Sichtbarkeit ist nicht gleich Platzierung

Während klassische SEO auf stabile Rankings abzielt, funktioniert GEO eher probabilistisch. Es geht nicht darum, auf Position eins zu stehen, sondern in möglichst vielen relevanten Kontexten als vertrauenswürdige Quelle aufzutauchen.

2. Markenstärke wird wichtiger als einzelne Keywords

KI-Systeme bevorzugen häufig bekannte, etablierte Marken. Wer als Autorität in einer Nische gilt, erhöht die Wahrscheinlichkeit, genannt zu werden. Das betrifft:

• Klare Positionierung
• Konsistente Expertise
• Erwähnungen auf vertrauenswürdigen Websites
• Hochwertige, zitierfähige Inhalte

3. Breite Präsenz schlägt punktuelle Optimierung

Die Studie legt nahe, dass einzelne optimierte Inhalte nicht ausreichen. Stattdessen ist eine ganzheitliche Content-Strategie notwendig, die verschiedene Touchpoints abdeckt:

• Fachartikel
• Studien und Whitepaper
• Interviews
• Branchenverzeichnisse
• PR-Erwähnungen

Je häufiger eine Marke im digitalen Raum in relevanten Kontexten auftaucht, desto höher die Chance, von KI-Systemen aufgegriffen zu werden.

Nein. Aber es ist komplexer als viele denken.

Die SparkToro-Ergebnisse bedeuten nicht, dass Optimierung für KI überflüssig ist. Sie zeigen vielmehr, dass einfache Taktiken nicht ausreichen. Wer erwartet, mit ein paar strukturellen Anpassungen dauerhaft in KI-Antworten zu erscheinen, wird enttäuscht.

Stattdessen braucht es:

• Strategische Markenarbeit
• Kontinuierliche Content-Produktion
• Datenbasierte Analyse von KI-Erwähnungen
• Enge Verzahnung von SEO, PR und Content Marketing

1. KI-Monitoring etablieren
   Regelmäßige Tests mit relevanten Prompts helfen dabei, Sichtbarkeit zu überprüfen und Veränderungen frühzeitig zu erkennen.
2. Eigene Expertise klar ausformulieren
   Inhalte sollten präzise, faktenbasiert und zitierfähig sein. Strukturierte Daten, klare Definitionen und nachvollziehbare Argumentationen erhöhen die Chance auf Einbindung.
3. Autorität systematisch aufbauen
   Backlinks, Erwähnungen in Fachmedien und Kooperationen stärken die wahrgenommene Relevanz einer Marke.
4. Inhalte aktualisieren
   Aktualität ist ein wichtiger Faktor. Regelmäßige Updates signalisieren Relevanz und erhöhen die Wahrscheinlichkeit, in Trainings- oder Abrufprozesse einbezogen zu werden.

Die SparkToro-Studie macht deutlich, dass KI-Empfehlungen kein verlässlicher Kanal mit garantierter Reichweite sind. Sie sind volatil, kontextabhängig und nur bedingt planbar.

Für Unternehmen bedeutet das jedoch keine Sackgasse. Vielmehr verschiebt sich der Fokus von kurzfristiger Optimierung hin zu nachhaltiger Markenautorität und thematischer Tiefe.

GEO ist kein Glücksspiel, wenn es strategisch gedacht wird. Wer Expertise sichtbar macht, Vertrauen aufbaut und digitale Präsenz ganzheitlich entwickelt, erhöht die Chancen erheblich, auch in KI-Systemen relevant zu bleiben.

Quelle: Fishkin, R. & O’Donnell, P. (2026). „NEW Research: AIs are highly inconsistent when recommending brands or products.“ SparkToro Blog, 27. Januar 2026. sparktoro.com