Die Begriffe rund um generative Suche entwickeln sich schnell und werden nicht überall einheitlich verwendet. Dieses Glossar erklärt zehn häufig verwendete Begriffe und kennzeichnet dabei, welche Konzepte allgemein gebräuchlich und welche Mitware-eigene Einordnungsmodelle sind.
GEO, AEO und LLMO werden in Fachartikeln, Agenturen und Forschungsarbeiten teilweise unterschiedlich verwendet. Andere Begriffe auf dieser Seite, etwa die 50-Wort-Regel oder das 3-P-Framework, sind praktische Mitware-Modelle. Deshalb unterscheiden wir hier zwischen allgemeiner Begriffserklärung und eigener Methodik.
Wer die eigene Sichtbarkeit praktisch testen möchte, kann dafür den Selbst-Check zur KI-Sichtbarkeit verwenden. Eine einzelne Antwort von ChatGPT oder Perplexity ist dabei eine Momentaufnahme und kein Beleg dafür, dass eine bestimmte Optimierungsregel funktioniert.
GEO ist ein Sammelbegriff für Maßnahmen, die die Sichtbarkeit von Inhalten in generativen Such- und Antwortsystemen verbessern sollen. Dazu können klassische SEO-Grundlagen, klare Quellen, aktuelle Informationen und gut strukturierte Inhalte beitragen. Eine Nennung oder Zitierung lässt sich dadurch nicht garantieren. Die konkrete Wirkung unterscheidet sich je nach System und Suchanfrage.
AEO ist ein nicht einheitlich definierter Branchenbegriff für die Optimierung von Inhalten auf direkte Antworten in Such- und Antwortsystemen. In der Praxis überschneidet sich AEO stark mit SEO und GEO, etwa bei klaren Fragen, verständlichen Antworten und gut strukturierten Inhalten. Eine allgemein anerkannte Wortzahl oder feste AEO-Formel gibt es nicht.
LLMO ist ein ebenfalls nicht einheitlich definierter Begriff für Maßnahmen, mit denen Inhalte und Informationen für LLM-basierte Such- und Antwortsysteme besser auffindbar und nutzbar gemacht werden sollen. Je nach Verwendung umfasst der Begriff Retrieval, Quellen, Entitäten oder Datenstruktur. Modelltraining und aktuelle Webabfragen sind dabei technisch unterschiedliche Vorgänge.
Citation Rate bezeichnet in einer definierten Messung den Anteil der getesteten KI-Antworten, in denen eine bestimmte Quelle oder Domain zitiert wird. Aussagekräftig wird die Kennzahl erst, wenn System, Testfragen, Varianten, Anzahl der Durchläufe und Zeitraum festgelegt sind. Eine einheitliche, plattformübergreifende Definition der Citation Rate gibt es bislang nicht. Sie kann über wiederholte Tests oder spezialisierte Messwerkzeuge erfasst werden.
Strukturierte Daten beschreiben Inhalte in einem standardisierten maschinenlesbaren Format auf Basis von Schema.org. JSON-LD ist eine häufig verwendete Form der Einbindung. Suchmaschinen können diese Angaben für bestimmte Suchfunktionen nutzen. Für Google AI Overviews und AI Mode ist jedoch kein spezielles Schema-Markup erforderlich. Sichtbarer Inhalt und strukturierte Daten sollten miteinander übereinstimmen.
E-E-A-T steht bei Google für Experience, Expertise, Authoritativeness und Trustworthiness. Das Konzept stammt aus den Search Quality Rater Guidelines und hilft bei der Einordnung hilfreicher und vertrauenswürdiger Inhalte. E-E-A-T ist laut Google kein einzelner Rankingfaktor. Besonders wichtig ist Trustworthiness. Das Konzept sollte nicht pauschal auf alle KI-Systeme übertragen werden.
LLM-Seeding ist kein einheitlich definierter Fachbegriff. Gemeint ist meist der Versuch, relevante und konsistente Informationen über ein Unternehmen auch auf externen Quellen verfügbar zu machen, die von Such- und Antwortsystemen gefunden werden können. Seriös umgesetzt geht es um echte Erwähnungen und belastbare Quellen, nicht um künstlich erzeugte Nennungen.
Semantisches Chunking bedeutet, Texte oder Wissensbestände in inhaltlich zusammenhängende Abschnitte zu teilen. In Retrieval-Systemen kann das helfen, passende Informationen gezielter abzurufen. Für normale Webseiten gibt es jedoch keine allgemeine Vorgabe, Inhalte für KI-Systeme in bestimmte Chunk-Größen zu zerlegen. Eine klare Gliederung bleibt vor allem für Verständlichkeit und Orientierung sinnvoll.
Die 50-Wort-Regel ist eine Mitware-Heuristik für verständliche Inhalte: Eine zentrale Frage wird zunächst kompakt beantwortet und anschließend bei Bedarf vertieft. Rund 40 bis 60 Wörter dienen dabei nur als redaktionelle Orientierung. Die Regel ist weder ein Google-Rankingfaktor noch eine technische Voraussetzung dafür, von KI-Systemen genannt oder zitiert zu werden.
Das 3-P-Framework ist ein Mitware-Modell zur Einordnung von KI-Sichtbarkeit. Presence beschreibt die eigenen auffindbaren und konsistenten Informationen. Prominence betrachtet relevante unabhängige Erwähnungen. Propagation beschreibt die Verteilung konsistenter Informationen über weitere passende Quellen und Plattformen. Das Framework strukturiert Maßnahmen, ist aber kein allgemein anerkannter Rankingalgorithmus. Aus den drei Ebenen lässt sich keine feste Zitierwahrscheinlichkeit ableiten.
Wie Mitware KI-Sichtbarkeit praktisch analysiert und optimiert, steht unter KI-Sichtbarkeit (GEO). Wie das 3-P-Framework als eigenes Einordnungsmodell eingesetzt wird, erklärt Sichtbar werden in KI-Antworten: das 3-P-Framework.
Wir prüfen über mehrere relevante Fragen und KI-Systeme, wie euer Unternehmen aktuell erscheint, und leiten daraus konkrete Ansatzpunkte für Inhalte, Quellen und technische Grundlagen ab.
Sichtbarkeits-Check anfragen → Whitepaper herunterladen (PDF) →