Generative Engine Optimization ohne Mythos: Wissenschaftliche Erkenntnisse zu KI-Zitaten

1. Woher die 40 Prozent kommen — und was sie nicht sagen

Die Zahl geht auf die Gründungsarbeit des Feldes zurück: Aggarwal und Kollegen stellten 2024 den Begriff Generative Engine Optimization vor und maßen, wie sich Textänderungen auf die Sichtbarkeit in generierten Antworten auswirken. Das Hinzufügen wörtlicher Zitate hob dort einen Sichtbarkeitswert von 19,3 auf 27,2 — ein relativer Zuwachs von rund 41 Prozent.

Der kritische Überblick von 2026 ordnet diesen Wert ein: Es handelt sich um ein relatives Maximum auf einer Metrik unter einer bestimmten Konfiguration. Nicht um einen Durchschnitt, nicht um einen Wert, der sich im offenen Web reproduzieren ließe. Wer die Zahl als Versprechen liest, liest sie falsch.

Entscheidender ist eine Eigenschaft des Versuchsaufbaus, die in der Wiedergabe fast immer verlorengeht: Gemessen wurde an Dokumenten, die bereits in den Kontext geholt worden waren. Die Studie sagt also, was einem schon gefundenen Text zusätzlich hilft. Sie sagt nichts darüber, wie ein Text überhaupt gefunden wird.

2. Die zwei Faktoren, die robust wirken

Wenn man die Literatur nach dem durchsucht, was mehrere unabhängige Arbeiten übereinstimmend zeigen, bleiben zwei Dinge übrig: Passung zwischen Frage und Dokument sowie Position im Kontext.

Belegt ist das unter anderem durch ein faktorielles Design mit rund 252.000 Durchläufen, das beide als primäre Determinanten der ersten Zitierung identifiziert. Beides sind keine GEO-Kunstgriffe, sondern klassische Größen des Information Retrieval — dieselben, die auch in der Suchmaschinenoptimierung seit Jahren zählen.

Praktisch heißt das: Eine Seite, die eine konkrete Frage konkret beantwortet, hat den Hauptteil der Arbeit hinter sich. Alles Weitere sind Feinheiten.

3. Was moderat wirkt — und wovon es abhängt

Eine mittlere Beleglage haben zwei Gruppen von Maßnahmen:

• Extrahierbare Belege — Statistiken, Definitionen, Preise, klar abgegrenzte Fakten. Sie wirken, aber je nach Fachgebiet und Suchabsicht unterschiedlich stark.
• Struktur und Aktualität — Gliederung, Datumsangaben, saubere Abschnitte. Die Effekte sind heterogen und hängen davon ab, an welcher Stelle der Verarbeitungskette gemessen wird.

„Moderat" heißt hier: mehrfach beobachtet, aber nicht in jeder Domäne und nicht in jeder Größenordnung. Wer solche Elemente einbaut, tut nichts Falsches. Wer sich davon einen festen Prozentsatz verspricht, überschätzt die Datenlage.

4. Was nachweislich nicht wirkt

Hier ist die Beleglage am klarsten, und sie widerspricht mehreren populären Ratschlägen.

Keyword-Stuffing überträgt sich nicht. Was in der klassischen Suchmaschinenoptimierung zeitweise funktionierte, wirkt in generativen Antwortmaschinen nicht — der Befund zieht sich durch mehrere Arbeiten.

Generische Rezepte scheitern fast immer. Ein Prüfstand namens C-SEO Bench testete 2025 systematisch Verfahren gegen Fachgebiete. Von 54 Kombinationen aus Methode und Domäne waren ganze drei signifikant positiv. Das ist kein Rauschen um einen positiven Mittelwert, sondern das Gegenteil eines allgemeingültigen Hebels.

Und Optimierung kann schaden. Der vielleicht wichtigste Einzelbefund stammt aus einer Arena-Studie von 2026: Optimierungen, die nur am Fließtext ansetzten, senkten die Präsenz in den Top 20 um rund 9 Prozent, nach dem Reranking die Top-10-Präsenz um 16 Prozent und die tatsächliche Zitierung um 6 Prozent. Wer den Text für die Maschine umschreibt, kann ihn für die Abrufstufe unbrauchbarer machen, bevor die Zitierstufe überhaupt erreicht ist.

5. Warum GEO-Messungen so wackelig sind

Ein Grund, warum sich in diesem Feld so viele widersprechende Erfahrungsberichte halten, ist messtechnisch:

• Dieselbe Frage, andere Quellen. Eine Untersuchung von 2026 fand über 24 Stunden hinweg Übereinstimmungen der zitierten Quellen von nur 0,34 bis 0,42 — bei identischer Frage. Als Minimum werden sieben bis acht Wiederholungen je Frage empfohlen, bevor überhaupt etwas gemessen ist.
• Kleine Umformulierungen kippen das Ergebnis. In einem Test über 30 Fragepaare änderte bei einem Modell jedes einzelne Paar die zitierten Domains, sobald die Frage umformuliert wurde.
• Die Maschinen sind sich uneins. Die Überschneidung der zitierten Domains zwischen verschiedenen Antwortmaschinen liegt bei 0,11 bis 0,18. Wer für eine optimiert, optimiert nicht für die andere mit.

Wer also einmal misst, misst nichts. Und wer eine Agenturzahl ohne Angabe der Wiederholungen liest, liest eine Momentaufnahme.

6. Das Nennerproblem: Wovon eigentlich Prozent?

Ein Befund, der die meisten Sichtbarkeitsberichte auf einen Schlag relativiert: In 57,8 Prozent der ausgewerteten ChatGPT-Durchläufe wurde gar keine Suche ausgelöst. Das Modell antwortete aus sich heraus.

Wer Quoten nur auf die Durchläufe mit Zitierung rechnet, lässt also mehr als die Hälfte der Fälle weg — und kommt zu einer Zahl, die freundlicher aussieht, als die Lage ist. Für die Praxis heißt das: Ein Teil der Antworten in Ihrem Themenfeld ist mit keiner Maßnahme erreichbar, weil überhaupt keine Quelle gefragt wird.

7. Was das für die Arbeit heißt

Fünf Sätze, die nach dieser Studienlage tragen:

1. Erst auffindbar, dann optimierbar. Jede gemessene GEO-Wirkung setzt voraus, dass das Dokument abgerufen wurde. Technische Abrufbarkeit ist keine Vorstufe, sondern die Bedingung.
2. Passung schlägt Kunstgriff. Eine Seite, die eine konkrete Frage vollständig beantwortet, nutzt den einzigen robusten Hebel.
3. Keine Rezepte über Branchen hinweg. Drei von 54 — planen Sie Maßnahmen für Ihr Fachgebiet, nicht nach Checkliste.
4. Nicht am Fließtext herumbasteln, ohne die Abrufstufe zu prüfen. Body-Optimierung ohne Blick auf das Auffinden hat messbar geschadet.
5. Messen heißt wiederholen. Unter sieben bis acht Abfragen je Frage entsteht keine Aussage, sondern eine Anekdote.

8. Der ehrliche Rest: Was niemand weiß

Der kritische Überblick endet mit einem Eingeständnis, das in keiner Anbieterbroschüre steht: Es gibt bislang keine Studie, die einen stabilen, über die Zeit und über mehrere Plattformen hinweg belegten kausalen Effekt auf die organische Auffindbarkeit zeigt. Die Literatur misst überwiegend das, was nach dem Abruf passiert.

Das ist kein Grund, nichts zu tun. Es ist ein Grund, die Reihenfolge umzudrehen: Erst die Bedingungen schaffen, unter denen Ihre Seite überhaupt in Frage kommt — dann den Text so schreiben, dass er die Frage beantwortet. Genau darum geht es im zweiten Teil dieser Reihe.

Und es ist ein Grund für Vorsicht bei Versprechen. Eine Positionsarbeit vom Mai 2026 warnt zusätzlich vor unausgewiesener kommerzieller Beeinflussung: GEO erlaubt es, Werbebotschaften in scheinbar neutrale Inhalte einzubetten, statt sie zu kennzeichnen. In China wurde 2026 ein Fall dokumentiert, in dem manipulierte Quellen dazu führten, dass Sprachmodelle erfundene Produkte empfahlen.

9. Häufige Fragen zu GEO und KI-Zitaten

Bringt Generative Engine Optimization 40 Prozent mehr Sichtbarkeit?

Nein, nicht als allgemeine Aussage. Die Zahl stammt aus einer Studie von 2024 und beschreibt einen relativen Zuwachs auf einer bestimmten Metrik, unter einer bestimmten Konfiguration, an Dokumenten, die bereits abgerufen worden waren. Als Erwartungswert für die eigene Website taugt sie nicht.

Welche GEO-Maßnahmen sind wirklich belegt?

Robust belegt sind zwei Dinge: die Passung zwischen Frage und Dokument sowie die Position im Kontext. Moderat belegt sind extrahierbare Belege wie Statistiken und Definitionen sowie klare Struktur und Aktualität — mit deutlichen Unterschieden je nach Fachgebiet.

Kann GEO der Sichtbarkeit schaden?

Ja. Eine Arena-Studie von 2026 fand, dass Optimierungen, die nur am Fließtext ansetzten, die Präsenz in den Top 20 um rund 9 Prozent und die tatsächliche Zitierung um 6 Prozent senkten. Wer für die Antwortstufe umschreibt, kann die Abrufstufe verschlechtern.

Warum bekomme ich bei derselben Frage ständig andere Quellen?

Weil generative Antwortmaschinen nicht deterministisch antworten. Über 24 Stunden hinweg lag die Übereinstimmung der zitierten Quellen bei identischer Frage nur zwischen 0,34 und 0,42. Schon eine Umformulierung der Frage kann die Quellenliste vollständig austauschen.

Wie oft muss ich messen, damit eine Zahl belastbar ist?

Als Minimum gelten sieben bis acht Wiederholungen je Frage, dazu mehrere Formulierungen derselben Frage und mehrere Zeitpunkte. Eine einzelne Abfrage ist eine Momentaufnahme, keine Messung.

Gilt GEO für alle Antwortmaschinen gleich?

Nein. Die Überschneidung der zitierten Domains zwischen den Maschinen liegt bei 0,11 bis 0,18. Eine Optimierung für eine Maschine überträgt sich nur zu einem kleinen Teil auf die anderen.

10. Quellen und Stand

Stand der Auswertung: September 2026. Grundlage sind zwei frei zugängliche wissenschaftliche Arbeiten und die darin ausgewerteten Einzelstudien.

• Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026), arXiv:2607.14035 — kritischer Überblick, Juli 2026. Quelle aller hier genannten Effektgrößen, Stabilitätswerte und der Angabe zu den 54 Methode-Domäne-Kombinationen.
• Position: Generative Engine Optimization Creates Underexamined Risks, arXiv:2606.12439 — Positionsarbeit von Wen und Kollegen, 18. Mai 2026. Quelle für den Sensitivitätstest über 30 Fragepaare, die Hinweise zur Offenlegung und den dokumentierten Manipulationsfall.

Weiterlesen im eigenen Bestand: Generative Engine Optimization — die Grundlagen und llms.txt wird kaum gelesen: was wirklich steuert, wer Ihre Seite liest.