GEO-Playbook: Sichtbar in KI-Antworten, Schritt für Schritt

Was ist GEO?

GEO steht für Generative Engine Optimization. Gemeint ist alles, was eine Marke in den Antworten von KI-Assistenten wie ChatGPT, Gemini, Claude und Perplexity sichtbar macht: dass sie dort genannt wird und dass ihre eigenen Seiten als Quelle zitiert werden. GEO verbindet SEO mit Pressearbeit, denn die KI liest, was Suchmaschinen finden und was andere über eine Marke schreiben. Das Ziel heißt AI Visibility, auf Deutsch auch KI-Sichtbarkeit.

Dieses Playbook zeigt, wie du ein GEO-Projekt aufsetzt: messen, wo deine Marke heute steht, und daraus Maßnahmen ableiten.

Wie eine KI-Antwort entsteht

ChatGPT, Gemini und Co. antworten nicht nur aus ihrem Trainingswissen. Bei den meisten Fragen suchen sie zuerst im Web. Oft stellen sie dabei mehrere Suchanfragen, viele davon auf Englisch. Aus den Treffern wählen sie einige Seiten aus und lesen sie. Wenn du diesen Ablauf kennst, siehst du, an welchen Stellen du deine AI Visibility verbessern kannst.

Welche Suchmaschine dahintersteht, hängt vom Anbieter ab:

Belege: Gemini sucht über die Google-Suche. OpenAI nennt für ChatGPT Suchanbieter von Dritten, bekannt ist vor allem Bing. Anthropic führt Brave in seiner Subprozessorliste, Mistral hat Brave für Le Chat angebunden, und Perplexity beschreibt seinen eigenen Crawler.

Seiten, die in diesen Suchmaschinen nicht gefunden werden, kann die KI auch nicht lesen. Gute SEO ist deshalb die Grundlage für AI Visibility, und zwar nicht nur bei Google, sondern auch bei Bing und Brave.

Genannt und zitiert

Genannt wird, über wen andere schreiben. Zitiert wird, wer die Frage beantwortet.

So arbeitest du mit dem Playbook

Eine einzelne Antwort ist Zufall. Erst dieselben Fragen regelmäßig zu stellen, macht die Ergebnisse statistisch belastbar. Genau dafür ist das Projekt da.

Du brauchst nichts zu installieren. Alles steckt in einem Projektordner, in dem du direkt mit deiner KI arbeitest.

1. Projektordner herunterladen und nach der Marke benennen, z. B. geo-musterfirma.
2. In deiner KI öffnen, z. B. in Claude oder Codex mit Ordnerzugriff.
3. „Start“ schreiben. Die KI führt dich durch die folgenden Schritte, recherchiert selbst und fragt dich nur, wo deine Entscheidung zählt.

Danach ist „Start“ dein Einstieg für jede Sitzung, am besten einmal pro Woche. Die KI prüft, wie weit das Projekt ist, was fehlt und was fällig ist. Gibt es eine neue Version des Playbooks, spielt sie diese auf Wunsch selbst ein.

In ChatGPT, Copilot oder Gemini ohne Ordnerzugriff lädst du die Dateien in ein Projekt und fügst den Inhalt von AGENTS.md als Anweisung ein.

Zuerst entscheiden: von Hand oder mit Werkzeug?

Das bestimmt den Umfang des ganzen Projekts und gehört deshalb an den Anfang.

Beides funktioniert mit demselben Ordner, ein späterer Umstieg ist jederzeit möglich.

Ohne Ordner ausprobieren

Diesen Text in eine KI mit Websuche kopieren:

Lies https://aclipp.com/geo-playbook/skills/geo-projekt-aufsetzen/SKILL.md und führe mich genau nach dieser Anleitung durch das Aufsetzen eines GEO-Projekts für meine Marke.

Lies https://aclipp.com/geo-playbook/skills/geo-projekt-aufsetzen/SKILL.md und führe mich genau nach dieser Anleitung durch das Aufsetzen eines GEO-Projekts für meine Marke.

1. Ausgangslage prüfen

Die Grundlagen müssen stimmen. Oft hakt es schon hier: Die Website sperrt KI-Suchen aus, KI-Modelle können sie nicht lesen, oder den Namen gibt es mehrfach.

Gibt es eine englische Version der Website? Die meisten Modelle suchen auch bei deutschen Fragen überwiegend auf Englisch. Für international geprägte Themen lohnt sich eine englische Version deshalb selbst dann, wenn deine Zielgruppe nur Deutsch spricht. Bei Themen mit klarem DACH-Bezug bleibt die deutsche Seite wichtig.

2. Marke und Zielgruppen verstehen

Der wichtigste Schritt. Gemessen wird, was deine Zielgruppen fragen, nicht wie die Marke sich selbst beschreibt. Das sind vor allem Kundinnen und Kunden, je nach Ziel auch Talente oder ein Fachpublikum.

Dazu kommen konkrete Ziele mit Zeitraum, zum Beispiel: „Bis Ende 2027 werden wir bei Auswahlfragen in Österreich in jeder dritten Antwort genannt.“

3. Markenerkennung festlegen

Dieser Schritt wird oft vergessen. KI-Modelle schreiben Marken häufig anders, zum Beispiel mit dem Produkt- statt dem Firmennamen. Wer nur die offizielle Schreibweise zählt, misst falsch.

4. Wettbewerber auswählen

Wähle die Anbieter, die im Zielmarkt wirklich relevant sind. Perfekt muss die Liste am Anfang nicht sein: Welche Wettbewerber die KI nennt, zeigen die ersten Antworten, und du kannst sie jederzeit ergänzen.

5. Fragen entwickeln

Von Hand sind 10 Fragen ein guter Start, mit Werkzeug 20. Formuliere sie so, wie deine Zielgruppe sie einer KI stellt, also auch mit Fachbegriffen, wenn sie diese selbst verwendet. Wichtig ist ein Kern an Fragen, den du möglichst dauerhaft misst, damit sich Entwicklungen zeigen. Mit der Zeit kommen ganz von selbst weitere dazu, viele Projekte wachsen auf 100 bis 200 Fragen.

Jede Perspektive wertest du für sich aus. Vorsicht bei Fragen, die zu genau auf die eigene Marke zugeschnitten sind, etwa weil sie ihre Selbstbeschreibung oder eigene Schlagworte enthalten: Auf sie passt fast nur eine Antwort, und die Sichtbarkeit wirkt höher, als sie ist.

6. Doppelt prüfen

Doppelt hält besser. Wenn das Fragen-Set steht, geh noch einmal einen Schritt zurück und prüf deine Annahmen ein letztes Mal. Wer ein laufendes Set später ändert, bricht die Zeitreihe. Drei Prüfungen helfen dabei:

1. Würde die Zielgruppe so fragen? Jede Frage einmal aus Sicht der Zielgruppe lesen. Kennt sie jedes Wort?
2. Ist das Set ausgewogen? Sind alle wichtigen Themen abgedeckt, und hat jedes Thema genug Fragen für eine eigene Auswertung? Gibt es Vergleichs- und Alternativfragen zu den typischen Wettbewerbern? Gibt es Fragen zur eigenen Marke, um zu sehen, was über sie gesagt wird?
3. Ein zweiter, unabhängiger Blick. Ein neuer Chat bewertet das ganze Set mit Stärken und Schwächen. Den Prüftext liefert die Anleitung.

7. Umfang festlegen

Sobald das Fragen-Set feststeht, wird es konkret: Welche Modelle sollen gemessen werden? Miss die Modelle, die deine Zielgruppe tatsächlich nutzt. 20 Fragen auf 4 Modellen täglich sind rund 2.400 Antworten im Monat.

8. Ersten Lauf kontrollieren

Prüf den ersten Lauf sofort und lies die Antworten selbst. So fallen Fehler im Setup gleich auf, und du misst nicht wochenlang ins Leere. Kann deine KI einen Browser steuern, stellt sie die Fragen selbst in ChatGPT, Gemini und Co. und sammelt die Antworten samt Quellen.

• Marke nicht erkannt? Dann fehlt eine Schreibweise.
• Unbekannte Anbieter in den Antworten? Als Wettbewerber ergänzen.
• Fragen mit fast gleichen Antworten? Eine pausieren.
• Falsches über die Marke? Mit Quelle notieren.
• Keine Anbieter in der Antwort? Die Frage liefert nur allgemeine Informationen statt konkreter Firmen oder Produkte. Umformulieren, zum Beispiel mit „Welches Tool …“.

9. Maßnahmen ableiten

Sichtbarkeit und Share of Voice sind Ergebnisse. Wo du ansetzen kannst, zeigen die Daten dahinter: die Quellen, die die KI liest, und die Suchanfragen, mit denen sie sucht. So tappst du nicht im Dunkeln. Die wichtigste Frage: Auf welchen Seiten stehen die Wettbewerber, deine Marke aber nicht?

Jede Maßnahme bekommt eine Person und ein Datum. Nach vier bis sechs Wochen nachmessen.

Laufend verbessern

Ein GEO-Projekt ist ein Kreislauf: Lücke finden, Maßnahme umsetzen, Wirkung messen.

Damit Zahlen langfristig vergleichbar bleiben, gilt im Ordner: nichts löschen, nur archivieren, und wer eine Frage umformuliert, legt eine neue an. Die KI kennt diese Regeln und hält sie ein.

Das Playbook wächst mit unseren Projekten. Neue Versionen meldet die KI von selbst und überträgt sie auf Wunsch in deinen Ordner.

Häufige Fragen