AEO und GEO werden oft im selben Atemzug genannt. Beide zielen auf direkte Antworten statt Trefferlisten — aber sie sind nicht dasselbe. Eine ehrliche Strategie behandelt sie als zwei verbundene Disziplinen mit eigenen Hebeln.
Was bedeuten AEO und GEO?
Zwei Disziplinen für eine neue Suchwelt
AEO — Answer Engine Optimization
- Featured Snippets, People Also Ask, direkte Antwort-Boxen
- Sprachassistenten und Voice-Suche eingerechnet
- Brücke zwischen klassischem SEO und LLM-Welt
GEO — Generative Engine Optimization
- ChatGPT, Perplexity, Copilot, Google AI Overviews
- LLMs zitieren eure Inhalte als Quelle in generierten Antworten
- Ziel: Citation, nicht nur Ranking
Wie AI-Suche anders funktioniert
Retrieval plus Generation — warum ein LLM anders liest als Google
Klassische Suche listet bestehende Seiten nach Autorität und Onpage-Signalen. AI-Suche ruft Quellen ab und formuliert daraus eine eigene Antwort. Der Mechanismus heisst Retrieval-Augmented Generation: das Modell sucht zuerst relevante Stellen in seinem Index und schreibt sie dann zu einer Antwort zusammen. Wer in beiden Schritten überzeugt, wird zitiert — wer nur einen abdeckt, fällt raus.
Retrieval-Qualität
Eure Inhalte landen nur in der Antwort, wenn das LLM sie im Retrieval-Schritt findet. Semantische Klarheit und eindeutige Definitionen helfen mehr als Keyword-Dichte.
Citation-Logik
Perplexity zeigt Quellen direkt, ChatGPT und Copilot zunehmend ebenfalls. Wer als Quelle erscheint, gewinnt Sichtbarkeit vor dem ersten Klick.
llms.txt am Root
Ein neuer Standard, der LLMs eine kuratierte Inhaltskarte gibt. robots.txt regelt Zugriff — llms.txt regelt Relevanz.
Schema als Trainingssignal
Strukturierte Daten dienten früher Rich Results. Heute helfen sie LLMs, den Sinn eurer Seite zu erfassen. Das FAQ-Schema-Update vom 7. Mai 2026 hat das verschoben.
Brand-Entity-Aufbau
Wikipedia, LinkedIn, ein konsistentes Knowledge Panel — LLMs erkennen Marken als Entitäten, nicht als Strings. Wer hier sauber arbeitet, wird häufiger genannt.
Crawler-Sicht klären
Bing Webmaster Tools und Google Search Console zeigen, ob die genutzten Modelle eure Seiten überhaupt indexieren. Ohne Index keine Citation — egal wie gut der Content ist.
FAQ-Schema gezielt
Seit dem Update vom 7. Mai 2026 zieht FAQ-Schema mehr LLM-Zitationen als Google-Rich-Results. Strukturierte Q&A direkt im sichtbaren Content ist der schnellste Hebel.
Multilingual AI-Sichtbarkeit
DE, FR, IT, EN — jede Sprache hat eigene LLM-Indizes. Wer auf Deutsch zitiert wird, ist es auf Englisch noch lange nicht. Native Mehrsprachigkeit zählt.
Welche Investition wann sinnvoll ist
Drei Zeithorizonte für AI-Sichtbarkeit
Nicht jede Massnahme zahlt heute schon ein. Eine ehrliche Roadmap unterscheidet drei Schichten: Was heute Wirkung bringt, was sich mittelfristig lohnt, und was 2026 noch verfrüht ist. Diese Einordnung schützt Budget vor Hype.
| Heute relevant | Mittelfristig | Noch zu früh | |
|---|---|---|---|
| Eigene llms.txt am Root | Ja | — | — |
| Granulares JSON-LD pro Inhaltsblock | Ja | — | — |
| Manuelles Citation-Tracking | Ja | — | — |
| Klare Frage-Antwort-Strukturen | Ja | — | — |
| Automatisches Citation-Tracking | — | Ja | — |
| Multilingual AI-Sichtbarkeit | — | Ja | — |
| Brand-Knowledge-Graph aktiv pflegen | — | Ja | — |
| Voice-Assistant-Optimierung | — | — | Ja |
Heute relevant = direkt umsetzbar mit messbarem Effekt. Mittelfristig = lohnt sich, sobald Basis steht. Noch zu früh = Reichweite oder Tooling fehlen.
Was AI-Sichtbarkeit konkret bringt
Citation statt Ranking
- Eure Domain erscheint als Quelle direkt in den Antworten von ChatGPT, Perplexity und Copilot — Sichtbarkeit vor dem ersten Klick.
Eigene llms.txt am Root
- Eine kuratierte Inhaltskarte für LLMs. robots.txt regelt Zugriff — llms.txt regelt Relevanz.
Granulares Schema
- Strukturierte Daten pro Inhaltsblock — heute wichtiger für LLM-Citations als für Google-Rich-Results.
Wie Noevu vorgeht
Drei Schritte zu messbarer AI-Sichtbarkeit
Stand bestimmen
AI-Readiness-Audit
Stichproben in ChatGPT, Perplexity und Copilot zeigen, wie oft eure Domain heute zitiert wird. Parallel prüfen wir technische Voraussetzungen — Schema-Tiefe, llms.txt, Crawling-Status in Bing Webmaster Tools und Google Search Console.
Architektur
Plattform und Schema schärfen
Granulares JSON-LD pro Inhaltsblock, eine eigene llms.txt, semantisch klare Heading-Hierarchie. Wo die bestehende Plattform die nötige Tiefe nicht hergibt, kommt ein Headless-Setup ins Spiel — Astro plus Payload oder Strapi sind bewährte Wege.
Content und Monitoring
LLM-zitierfähige Inhalte und laufendes Tracking
Eindeutige Definitionen am Absatzanfang, klare Frage-Antwort-Strukturen direkt im sichtbaren Content, FAQ-Schema gezielt eingesetzt. Monatliches Citation-Tracking zeigt, was wirkt und wo nachjustiert werden muss.
Was funktioniert heute
Konkrete Massnahmen mit messbarem Effekt
Sechs getestete Hebel, die heute schon Wirkung zeigen. Kein Buzzword-Bingo — jeder Punkt ist umsetzbar und in unseren eigenen Projekten validiert.
Inhalt und Struktur
- Eindeutige Definitionen am Absatzanfang — LLMs greifen sie als Quelle ab
- Klare Frage-Antwort-Strukturen direkt im sichtbaren Content
- Semantisch saubere Heading-Hierarchie ohne Layout-Tricks
Technik und Architektur
- FAQ-Schema — seit dem Update vom 7. Mai 2026 für LLMs wichtiger als für Google
- Eigene llms.txt mit kuratierten Empfehlungen
- Brand-Entity-Aufbau: Wikipedia, LinkedIn, konsistentes Knowledge Panel
Wo Plattformen an Grenzen stossen
Nicht jedes CMS spielt AI-Sichtbarkeit mit
Nicht jede Plattform lässt eine eigene llms.txt zu. Nicht jede erlaubt granulares Schema pro Inhaltsblock. Manche Plattformwechsel zahlen sich allein für AI-Sichtbarkeit aus — wenn die Inhaltsstrategie ohnehin dorthin geht.
Drei häufige Fehler
Fallen, die AI-Sichtbarkeit kosten
Vor diesen Fehlern hütet euch
- AI-Sichtbarkeit messen, ohne zu wissen, was gemessen wird. Vage Reportings ohne Citation-Baseline geben Komfort, aber keine Steuerung.
- llms.txt aufsetzen, aber Plattform liefert sie nicht aus. Viele CMS blockieren Root-Level-Dateien. Vor dem Aufwand prüfen, ob die Datei überhaupt unter
/llms.txterreichbar wird. - AEO und GEO als Marketing-Trends behandeln. Beide sind technische und redaktionelle Anforderungen — keine Schlagzeile fürs Quartalsmeeting.
Bereit für Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews?
AI-Suche läuft nach eigener Logik — Citation-Tracking, semantische Struktur, granulares Schema, llms.txt. Eine kostenlose Analyse zeigt, wie oft eure Domain heute in den grossen LLMs zitiert wird und wo der grösste Hebel liegt.
Eure unverbindliche Anfrage zu AEO und GEO:
Vielen Dank! Wir melden uns in Kürze.
Noevu kombiniert Innovation und Präzision, und hat uns zu einer Website verholfen, die nicht nur durch ihre Qualität besticht, sondern auch durch einfache Bedienung begeistert. Absolute Empfehlung!
Dank professioneller Beratung und Hilfe konnte das Website-Projekt perfekt umgesetzt werden. Die neue Website übertrifft die Erwartungen und öffnet Kunden die Türen.
Tipps & Insights zu AEO, GEO und LLM-Optimierung
Wissen für AI-Sichtbarkeit.
Wie ChatGPT, Perplexity und Google AI Overviews Quellen auswählen — und welche Architektur-Entscheidungen heute Citation-Wahrscheinlichkeit erhöhen.
ArtikelSuchmaschinen Optimierung9 minSquarespace SEO: Wo es reicht — und wo die Decke kommtSquarespace SEO gilt vielen als solide — und das stimmt für rund 80 % der Onpage-Disziplin. Die verbleibenden 20 % entscheiden, ob organische Suche euer Geschäft trägt oder nur ein Nebenkanal bleibt.
ArtikelAI und Automatisierung7 minGoogle Gemini: Praktischer Helfer für Schweizer KMUViele Schweizer KMU nutzen Google Workspace täglich — ohne zu wissen, dass ein AI-Assistent bereits integriert ist. Ob Google Gemini das richtige Tool für euer Unternehmen ist, hängt von wenigen Fa…
ArtikelAI und Automatisierung7 minSquarespace Contacts API: Direkte CRM-Integration — was jetzt möglich istViele Squarespace-Websites sammeln täglich Kontaktdaten — doch die Weitergabe ans CRM lief bisher nur über kostenpflichtige Zwischendienste wie Zapier. Mit der neuen Contacts API ist direkte Integr…
ArtikelAI und Automatisierung12 minAI-Datenschutz für Schweizer KMU: Welche Lösung wirklich konform istWer einen AI-Chatbot auf die Website bringt oder ChatGPT für Kundenkommunikation nutzt, stösst schnell auf eine unbequeme Frage: Wo landen die Daten eigentlich? Dieser Artikel zeigt, warum «DSGVO-k…
ArtikelBeratung & Konzeption8 minRapid Prototyping: Schneller von der Idee zum fertigen DesignViele Webprojekte scheitern nicht an der Umsetzung, sondern an fehlender Abstimmung zwischen Idee und Design. Rapid Prototyping schliesst diese Lücke — und hilft Schweizer KMU, schneller zu tragfäh…
ArtikelAI und Automatisierung8 minAI-Chatbot für KMU: Was SaaS kann — und wo Custom beginntAI-Chatbots versprechen schnelle Ergebnisse — bis die erste Verkaufssituation zeigt, dass Tonalität und Instruktionstreue den Unterschied machen. Dieser Artikel hilft bei der Einordnung: wann ein f…
Alle Tipps entdecken Häufige Fragen zu AI-Sichtbarkeit, AEO und GEO
Was ist der Unterschied zwischen klassischer SEO und AI-Sichtbarkeit?
Klassische SEO zielt auf Platz 1 in der Google-Trefferliste — Keywords, Onpage, Backlinks. AI-Sichtbarkeit zielt darauf, dass eure Domain als Quelle in den Antworten von ChatGPT, Perplexity, Copilot und Google AI Overviews zitiert wird.
Beide hängen zusammen: wer auf Google nicht rankt, wird auch in LLMs selten zitiert. Aber die Optimierung läuft auf anderen Ebenen — semantische Klarheit, granulares Schema, eine eigene llms.txt und eine Plattform, die das alles ausliefert.
Wie messt ihr, ob unsere Seite in ChatGPT oder Perplexity zitiert wird?
Citation-Tracking statt Ranking-Tracking. Wir kombinieren drei Quellen: manuelle Stichproben mit zehn typischen Kundenfragen pro Monat in ChatGPT, Perplexity und Copilot, Bing Webmaster Tools für die Indexierungssicht, und — wo verfügbar — Citation-Tracking-Tools wie Profound oder AthenaHQ.
Das Ergebnis ist ein Monatsreport: wo wurde eure Domain zitiert, in welchem Kontext, und welche Konkurrenten erscheinen mit.
Was ist llms.txt und brauchen wir das jetzt?
llms.txt ist ein neuer, noch nicht verbindlicher Standard. Die Datei liegt unter /llms.txt am Root und gibt LLMs eine kuratierte Inhaltskarte — strukturierter als robots.txt, gezielter als eine Sitemap.
Pflicht ist sie nicht. Sinnvoll wird sie, sobald eure Inhalte strukturiert auf Fragen antworten sollen und ihr in AI-Suchen gefunden werden wollt. Bei Headless-Setups ist sie sauber generierbar — bei Squarespace und ähnlichen Plattformen ein Workaround.
Müssen wir die Plattform wechseln, um in AI-Antworten vorzukommen?
Nicht zwangsläufig. Wer klar strukturiert schreibt und Standard-Schemas sauber nutzt, kann auch auf Squarespace oder WordPress in AI-Antworten zitiert werden. Die Plattform-Frage wird relevant, sobald ihr granulares Schema pro Inhaltsblock, eine eigene llms.txt, native Mehrsprachigkeit oder Top-Performance braucht.
Detailbild für Squarespace: Squarespace SEO im Detail. Allgemeine Architektur-Antwort: CMS-Check für Schweizer KMU.
Wie lange dauert es, bis AEO und GEO wirken?
AI-Citations sind weniger planbar als Google-Rankings. Klar formulierte Antworten landen oft schon binnen zwei bis vier Wochen in ChatGPT — vorausgesetzt, eure Domain ist überhaupt im Index der genutzten Modelle. Schema- und llms.txt-Massnahmen zeigen ihre Wirkung erst, wenn der nächste Crawl der grossen Modelle stattfindet, was alle paar Wochen passiert.
Realistischer Horizont für messbare Veränderung: drei bis sechs Monate.
Lohnt sich AI-Sichtbarkeit für Schweizer KMU heute schon?
Das hängt von eurem Geschäftsmodell ab. B2B-Beratungen, Anwaltskanzleien, Tech-nahe Unternehmen und content-getriebene Geschäfte werden zunehmend via ChatGPT, Perplexity und Copilot empfohlen — dort ist AI-Sichtbarkeit bereits geschäftsrelevant.
Lokale Dienstleister und klassische Handwerker leben weiter primär von Google Maps. Für sie sind klassische SEO und AEO wichtiger als GEO. Eine ehrliche Standortbestimmung zeigt, wo eure Zielgruppe heute wirklich sucht.
Was kostet ein AI-Sichtbarkeits-Audit bei Noevu?
Das Audit ist kostenlos: 20 Minuten Video-Call, Status-Report über eure aktuelle LLM-Sichtbarkeit, priorisierte Empfehlungen. Eine vollständige Standortbestimmung mit technischem Tiefen-Audit, Citation-Baseline und Roadmap liegt ab CHF 2'500.
Die laufende Betreuung — Schema-Pflege, llms.txt-Wartung, monatliches Citation-Tracking und Content-Anpassungen — startet ab CHF 800 pro Monat. Jede Empfehlung kommt als verbindliche Fixpreis-Offerte. Jetzt kostenloses AI-Audit anfragen.
