Nach diesem Level weißt du, warum ein KI-System die eine Seite zitiert und die andere stillschweigend aufsaugt, und du kannst Passagen schreiben, die Google AI Overviews, Google AI Mode, ChatGPT, Perplexity und Gemini abrufen, lesen und mit Quellenangabe verwenden. Das ist keine Trickkiste. Es ist der Auswahlmechanismus hinter KI-Zitaten, erklärt anhand der Belege, die es wirklich gibt, und mit klar markierten Lücken dort, wo Belege fehlen.
Der Mechanismus passt in einen Satz: austauschbarer Content wird absorbiert, unterscheidbarer Content wird zitiert. Wenn eine Seite wiederholt, was fünfzig andere Seiten ohnehin sagen, kann das Modell seine Antwort formulieren, ohne sich auf eine bestimmte davon zu stützen – und nennt dann keine. Advanced Web Ranking (Juli 2026) fand, dass 82 % der nicht zitierten Passagen reine Wiedergabe des Konsenses waren. Durch den Filter kommt, was das Modell nicht selbst behaupten kann: eine datierte Zahl, eine eigene Messung, eine eindeutig benannte Entität, eine belegte Position gegen den Konsens.
Diese Asymmetrie ist zweimal gemessen worden, von verschiedenen Teams mit verschiedenen Methoden. Das GEO-Paper (KDD ’24) fand, dass das Zitieren von Quellen die KI-Sichtbarkeit um +30 % erhöhte, wörtliche Zitate um +41 %, Statistiken um +40 % und das Definieren von Fachbegriffen um +20 %. Advanced Web Ranking (Juli 2026) fand, dass frische Datumsangaben in 80 % der zitierten Passagen auftauchten gegenüber 53 % der nicht zitierten, und dass 96 % der zitierten Passagen Entitäten bei der ersten Erwähnung benannten gegenüber 82 % der nicht zitierten. Zwei unabhängige Belegstränge zeigen auf dieselben Schreibgewohnheiten.
Eine Warnung vorweg: Dieses Level ist das volatilste im gesamten Kurs. Die Systeme, um die es hier geht, ändern ihr Verhalten ohne Ankündigung und ohne öffentliches Changelog, und ein großer Teil dessen, was darüber veröffentlicht wird, hat überhaupt keine Primärquelle. Hier wird nur mit Überprüfbarem gearbeitet, Umstrittenes wird als umstritten gekennzeichnet, und wo keine Zahl existiert, steht das ausdrücklich da.
Was dieses Level abdeckt
- GEO, AIO, AEO und LLMO auseinanderhalten, statt die Begriffsverwirrung der Branche zu wiederholen, und erkennen, welches dieser Kürzel echte Arbeit beschreibt.
- Erklären, wie Google AI Overviews und Google AI Mode ihre zitierten Quellen auswählen, und warum es zu falschen Schlüssen führt, beide als ein System zu behandeln.
- Eigenständige Passagen schreiben, die das Chunking überstehen und auch ohne die umgebende Seite verständlich bleiben.
- Belegbasiert entscheiden, ob du GPTBot, ClaudeBot oder PerplexityBot blockst – und wissen, was das jeweils kostet und was danach nicht zurückkommt.
- Messen, was messbar ist, und offen benennen, was es nicht ist: der Bericht zu generativer KI in der Google Search Console liefert ausschließlich Impressionen, keine Klicks, keine Suchanfragen, keine CTR.
- Eine unbelegte Behauptung über KI-Suche als solche erkennen und verwerfen, auch wenn sie gerade die ganze Branche weiterträgt.
Das Absorptionsmuster: warum Konsens keine Spur hinterlässt
Ein generatives KI-System zitiert, wenn es eine Quelle braucht, und absorbiert, wenn es keine braucht. Google AI Overviews, ChatGPT und Perplexity setzen ihre Antwort aus mehreren abgerufenen Passagen zusammen; sagt eine Passage etwas, das das Modell ohnehin selbst behaupten kann, wandert der Inhalt in die Antwort und die Quelle fällt unterwegs weg. Advanced Web Ranking (Juli 2026) maß, dass 82 % der nicht zitierten Passagen reine Wiedergabe des Konsenses waren.
Für alle, die allgemeine Ratgeber schreiben, ist die Folge unangenehm: je besser du zusammenfasst, was ohnehin bekannt ist, desto weniger Grund gibt es, dich zu nennen. Ein tadelloser Grundlagentext darüber, was interne Verlinkung ist, ist perfektes Absorptionsmaterial. Dein eigener Test, der die Wirkung interner Verlinkung auf einer konkreten Website misst, mit Datum und Stichprobengröße, ist Zitationsmaterial.
Zitierfähig zu schreiben heißt, dem Modell etwas zu geben, das es nicht allein erzeugen kann: eine Zahl, die nur du hast, ein aktuelles und ausdrücklich genanntes Datum, eine präzise Definition eines Fachbegriffs, eine Entität, die mit keiner anderen verwechselt werden kann. Das Definieren von Fachbegriffen maß im GEO-Paper (KDD ’24) +20 % KI-Sichtbarkeit und ist die billigste Gewohnheit auf der ganzen Liste.
Abruf und Lektüre sind zwei getrennte Filter
Abgerufen zu werden und gelesen zu werden sind zwei verschiedene Ereignisse, und eine Seite kann den ersten Filter passieren und am zweiten scheitern, ohne dass es jemand bemerkt. Die Retrieval-Schicht von ChatGPT cacht Seiten als HTML, das in Markdown umgewandelt wird, mit einem Frischefenster von rund 30 Minuten. Was das Modell verarbeitet, ist nicht deine im Browser gerenderte Seite, sondern das Ergebnis dieser Umwandlung.
Daraus folgt unmittelbar eine technische Konsequenz. Serverseitig ausgeliefertes semantisches HTML wird sauber nach Markdown konvertiert, ein Dickicht verschachtelter Container aus einem visuellen Baukasten nicht. Echte Überschriften, echte Tabellen, echte Listen und echte Absätze überstehen die Konvertierung mit intakter Struktur, und genau diese Struktur macht es überhaupt möglich, eine einzelne Passage herauszulösen.
Die zweite Konsequenz betrifft das Schreiben. Abgerufen wird die Passage, nicht der Artikel: Ein Chunk beginnt an einer Überschrift und endet vor der nächsten. Startet der erste Satz eines Abschnitts mit einem Pronomen, das auf den vorherigen Absatz zurückverweist, erreicht dieser Chunk das Modell ohne Subjekt. Deshalb wird der volle Name einer Entität in jedem Abschnitt wiederholt, auch wenn das beim Lesen des ganzen Artikels redundant wirkt. Advanced Web Ranking (Juli 2026) fand, dass 96 % der zitierten Passagen Entitäten bei der ersten Erwähnung benannten, gegenüber 82 % der nicht zitierten.
Was du messen kannst und was nicht
Die Messbarkeit der KI-Suche ist deutlich schlechter als die der klassischen Suche, und das solltest du wissen, bevor du jemandem ein Monatsreporting zusagst. Der Bericht zu generativer KI in der Google Search Console liefert Impressionen und sonst nichts: keine Klicks, keine Suchanfragen, keine CTR. Jedes Dashboard, das dir alle drei Werte für Google AI Overviews anbietet, schätzt sie mit einem eigenen Modell, statt sie zu messen.
Außerhalb der Google Search Console bleibt die Referrer-Auswertung. ChatGPT und Perplexity verlinken die Quellen, die sie zitieren, und diese Klicks landen mit ihrer Herkunftsdomain in deiner Analytics – die zugeordneten Besuche sind also echt, auch wenn das Volumen klein ist. Nicht sichtbar wird der Normalfall: die Antwort, die die Frage der Nutzerin löst, ohne dass irgendwo geklickt wird.
Solange die Messbarkeit so dünn bleibt, ist die ehrliche Methode dein eigenes, datiertes Sampling. Lege eine feste Liste repräsentativer Prompts an, führe sie im identischen Wortlaut in Google AI Mode, ChatGPT, Perplexity und Gemini aus, protokolliere, welche Domains als Zitate auftauchen, und wiederhole das in gleichbleibendem Rhythmus. So entsteht eine eigene Zeitreihe mit Datum und Stichprobengröße – genau die Art von Daten, die andere später zitieren müssen.
Die vier gemessenen Effekte aus dem GEO-Paper
Das GEO-Paper (KDD ’24) ist weiterhin der belastbarste öffentliche experimentelle Beleg dafür, welche Änderungen am Text die Wahrscheinlichkeit erhöhen, dass eine generative Suchmaschine eine Seite zitiert. Gemessen wurden vier konkrete Eingriffe in den Text, die eine Autorin ohne jeden Eingriff in den Code umsetzen kann. Die Tabelle zeigt den jeweiligen Effekt und was er beim Schreiben bedeutet.
| Änderung am Text | Gemessener Effekt auf die KI-Sichtbarkeit | Was das beim Schreiben heißt |
|---|---|---|
| Quellen zitieren | +30 % | Primärquelle bei der ersten Erwähnung verlinken, am Ende ein Quellenblock mit Datum. Das ist zugleich deine Absicherung, wenn eine Zahl altert. |
| Wörtliche Zitate einbauen | +41 % | Der größte der vier Effekte. In jedem wichtigen Abschnitt ein wörtliches, zugeordnetes Zitat aus einer benannten Quelle, keine Paraphrase. |
| Statistiken einbauen | +40 % | Eine konkrete Zahl mit Datum und Stichprobengröße. Ein Prozentwert ohne Herkunft und ohne Datum erfüllt diese Funktion nicht und ist ohnehin nicht haltbar. |
| Fachbegriffe definieren | +20 % | Den präzisen Begriff verwenden und bei der ersten Nennung definieren. Sprachlich vereinfachen hilft nicht, erklären schon. |
Zwei Hinweise zum Lesen dieser Tabelle. Alle vier Prozentwerte stammen aus einem Experiment über eine bestimmte Menge an Suchanfragen, sie sind also verlässliche Richtungen und keine Garantien pro Seite. Und keiner der vier Eingriffe ersetzt es, etwas zu sagen zu haben: auf eine Wiedergabe des Konsenses angewendet, ergeben sie weiterhin eine Wiedergabe des Konsenses.
Die 14 Lektionen dieses Levels
- GEO, AIO, AEO, LLMO: was die Begriffe bedeuten – und welche zählen
- AI Overviews: wie Zitate ausgewählt werden (die 93,67 %, die es erklären)
- AI Mode ist nicht AI Overviews: 13,7 % Überschneidung – und was folgt
- Wie die ChatGPT-Suche funktioniert: der „Labrador“-Index offengelegt
- Abgerufen reicht nicht: gelesen werden (74 % vs. 7 %)
- Das Absorptionsmuster: warum Konsens-Content nie zitiert wird
- Das GEO-Paper: +41 % durch Zitate, +40 % durch Statistiken
- Abrufbare Chunks schreiben: Optimierung auf Passagen-Ebene
- Entitäten und Disambiguierung: wie ein Modell dich erkennt
- Hilft Schema bei KI-Zitaten? Die Belege sagen nein
- llms.txt: Autopsie eines Standards, den niemand liest (97 %)
- KI-Crawler: GPTBot, ClaudeBot, PerplexityBot – und was Blocken kostet
- Cloudflare, Pay-per-Crawl und die Ökonomie von Content
- Reddit, YouTube und LinkedIn: die 59 % Zitate, die du nicht steuerst
So arbeitest du dieses Level durch
Arbeite die Lektionen der Reihe nach durch, denn die ersten vier bauen das Vokabular und das mentale Modell auf, auf denen die übrigen zehn aufsetzen. Die Lektionen 1 bis 5 erklären, wie die Systeme arbeiten, die Lektionen 6 bis 9 sind die Schreiblektionen und verändern deine tägliche Arbeit am stärksten, und die Lektionen 10 bis 14 behandeln Infrastruktur- und Plattformentscheidungen.
Bearbeite jede Lektion an einer echten eigenen Seite, nicht an einem Musterbeispiel. Nimm einen veröffentlichten Artikel, identifiziere seine Passagen, schreibe den ersten Satz jedes Abschnitts so um, dass er allein trägt, ergänze in jedem Abschnitt eine datierte Zahl oder ein zugeordnetes wörtliches Zitat, und prüfe, ob jede Entität innerhalb dieses Abschnitts bei der ersten Erwähnung benannt ist.
Richte dein eigenes Prompt-Sampling in der ersten Woche ein, und sei es noch so klein. Zehn feste Prompts, einmal im Monat im identischen Wortlaut in Google AI Mode, ChatGPT, Perplexity und Gemini ausgeführt, sind mehr wert als jede fremde Studie, weil sie deinen Markt abbilden und dein Datum tragen.
Und wende die Verfallsregel an: Forschung zur KI-Suche hat eine kurze Haltbarkeit. Jede Messung, jeder Screenshot und jede Behauptung zum Verhalten von Google AI Overviews, Google AI Mode, ChatGPT, Perplexity oder Gemini, die älter ist als ein Quartal, gilt als Hinweis, den du neu prüfen musst, niemals als Tatsache. Das schließt ausdrücklich ein, was du in diesem Kurs liest: jede Lektion ist datiert, damit du dieselbe Regel darauf anwenden kannst.
Dieses Level steht in einem längeren Weg, der bei den Grundlagen und beim technischen SEO beginnt und bei Messung und Strategie endet. Wenn du direkt hier eingestiegen bist, findest du die vollständige Übersicht mit allen Leveln und der empfohlenen Reihenfolge im kostenlosen SEO-Kurs von doctor-seo.net. Es lohnt sich, das technische Level vorher abzuschließen: Eine Seite mit schlechtem Crawling und schlechter Indexierung wird auch nicht abgerufen.