![\"Holger](\"https:\/\/www.holger-hagenlocher.de\/wordpress\/wp-content\/uploads\/2026\/06\/Holger-Hagenlocher-Keynote-KI-GEO.jpg\")
Die Suche ver\u00e4ndert sich: von Trefferlisten zu Antworten<\/h3>\n\n\n\n
\u00dcber Jahre war die Logik der digitalen Sichtbarkeit einfach: Wer bei Google auf den ersten Pl\u00e4tzen stand, wurde gesehen, geklickt, gelesen. Diese Logik gilt nicht mehr uneingeschr\u00e4nkt. KI-Assistenten, Chatbots, AI Overviews und AI Mode beantworten Fragen heute zunehmend direkt \u2013 ohne dass Nutzerinnen und Nutzer \u00fcberhaupt noch eine klassische Trefferliste durchklicken. Google selbst beschreibt diese Entwicklung nicht als Bruch, sondern als Weiterentwicklung der Suche: AI Overviews und AI Mode nutzen weiterhin die zentralen Search-Ranking- und Qualit\u00e4tssysteme, kombiniert mit Retrieval-Augmented Generation und einem sogenannten \u201eQuery Fan-out\u201c \u2013 mehreren verwandten Suchanfragen, aus denen eine Antwort zusammengesetzt wird.<\/p>\n\n\n\n
F\u00fcr Unternehmen hei\u00dft das: Es entscheidet nicht mehr nur Google, sondern eine ganze Reihe von Systemen \u2013 KI-Assistenten, Chatbots, LinkedIn, Fachportale und klassische Medien gemeinsam \u2013, welche Inhalte \u00fcberhaupt wahrgenommen werden. Sichtbarkeit verschiebt sich von Ranking und Klick zu Pr\u00e4senz, Erw\u00e4hnung, Zitierf\u00e4higkeit und Vertrauen.<\/p>\n\n\n\n
Wie real dieser Wandel bereits ist, zeigen aktuelle Studien. Eine 2026 ver\u00f6ffentlichte Untersuchung mit mehr als 55.000 Trend-Suchanfragen berichtet eine Aktivierung von Google AI Overviews bei insgesamt 13,7 Prozent aller Anfragen \u2013 bei Frage-Queries sogar bei 64,7 Prozent. Auff\u00e4llig: Fast 30 Prozent der von der KI zitierten Domains tauchten gar nicht auf der ersten klassischen Suchergebnisseite auf, und rund 11 Prozent der in den Antworten enthaltenen Einzelaussagen waren durch die zitierten Seiten nicht eindeutig gest\u00fctzt. Eine weitere aktuelle Studie kommt f\u00fcr ein anderes Set an Suchanfragen auf einen AI-Overview-Anteil von 51,5 Prozent und stellt fest, dass generative Suche teils andere Quellen heranzieht als die klassische Google-Suche \u2013 und auf kleine \u00c4nderungen der Fragestellung bislang inkonsistent reagiert.<\/p>\n\n\n\n
Die Konsequenz: KI-Suche ist nicht einfach eine schnellere Version der klassischen Suche. Sie folgt eigenen Regeln \u2013 und diese Regeln muss verstehen, wer langfristig sichtbar bleiben will.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Warum generische KI-Texte nicht reichen<\/h3>\n\n\n\n
Ein naheliegender Reflex vieler Unternehmen lautet: mehr Content produzieren, idealerweise KI-gest\u00fctzt, um auf m\u00f6glichst vielen Kan\u00e4len pr\u00e4sent zu sein. Genau dieser Reflex f\u00fchrt jedoch in die falsche Richtung \u2013 aus mindestens zwei Gr\u00fcnden.<\/p>\n\n\n\n
Erstens zeigt eine Analyse von Ahrefs an rund 75.000 Marken, dass reine Content-Menge kaum mit Sichtbarkeit in KI-Suchsystemen korreliert. Stattdessen war es die Erw\u00e4hnung der Marke im Web \u2013 sogenannte Brand Web Mentions \u2013 die mit Abstand am st\u00e4rksten mit Sichtbarkeit in Google AI Overviews zusammenhing: mit einem Korrelationswert von 0,664, gegen\u00fcber lediglich 0,218 bei klassischen Backlinks. Ahrefs weist selbst darauf hin, dass Korrelation keine Kausalit\u00e4t beweist. F\u00fcr die PR-Praxis ist der Befund trotzdem hoch relevant: Es z\u00e4hlt nicht nur, wer auf eine Seite verlinkt, sondern ob eine Marke im Web in passenden, glaubw\u00fcrdigen Kontexten erw\u00e4hnt wird. Eine sp\u00e4tere Ahrefs-Analyse zu ChatGPT, AI Mode und AI Overviews best\u00e4tigte diesen Zusammenhang und fand besonders starke Korrelationen mit Erw\u00e4hnungen auf YouTube.<\/p>\n\n\n\n
Zweitens degenerieren KI-Modelle nachweislich, wenn sie zu stark auf bereits KI-generierten Inhalten aufbauen. Die im Fachjournal Nature ver\u00f6ffentlichte Forschung zum sogenannten Modellkollaps zeigt, dass rekursiv auf synthetischen Inhalten trainierte Modelle Teile der urspr\u00fcnglichen Wirklichkeitsverteilung verlieren k\u00f6nnen. Mit anderen Worten: Je mehr generische, austauschbare KI-Texte das Netz fluten, desto wertvoller werden origin\u00e4re, gepr\u00fcfte und menschlich verantwortete Inhalte \u2013 nicht aus Idealismus, sondern weil sie f\u00fcr Suchsysteme und Modelle zunehmend die verl\u00e4sslichere Informationsquelle darstellen.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Was KI-Systeme und Menschen gleicherma\u00dfen brauchen: Quellen, Klarheit, Kontext<\/h3>\n\n\n\n
Die GEO-Forschung \u2013 Generative Engine Optimization, vorgestellt auf der Fachkonferenz KDD 2024 \u2013 liefert daf\u00fcr konkrete Hinweise. Die zugrundeliegende Studie zeigt, dass gezielt optimierte Inhalte ihre Sichtbarkeit in generativen Suchantworten um bis zu 40 Prozent steigern k\u00f6nnen. Besonders wirksam sind dabei nicht zus\u00e4tzliches Textvolumen, sondern Zitate, nachvollziehbare Quellenbelege und Statistiken.<\/p>\n\n\n\n
Eine neuere, 2026 ver\u00f6ffentlichte GEO-Arbeit geht noch einen Schritt weiter und untersucht, wie die Struktur eines Inhalts selbst das Zitierverhalten generativer Suchmaschinen beeinflusst. Sie unterscheidet zwischen Makrostruktur, Informations-\u201eChunking\u201c und Mikrostruktur und kann in Experimenten zeigen, dass eine durchdachte Struktur sowohl die Zitierrate als auch die wahrgenommene Qualit\u00e4t von Inhalten verbessert.<\/p>\n\n\n\n
Noch differenzierter wird eine weitere aktuelle Forschungsarbeit, die zwischen \u201eCitation Selection\u201c und \u201eCitation Absorption\u201c unterscheidet: Eine Webseite kann zwar als Quelle in einer KI-Antwort auftauchen, ohne dass ihr Inhalt die Antwort inhaltlich wirklich pr\u00e4gt. Seiten mit hohem tats\u00e4chlichem Einfluss sind laut dieser Studie tendenziell l\u00e4nger, klarer strukturiert, semantisch nahe an der eigentlichen Frage \u2013 und reich an extrahierbaren Belegen wie Definitionen, Zahlen, Vergleichen und Schritt-f\u00fcr-Schritt-Erkl\u00e4rungen.<\/p>\n\n\n\n
Damit schlie\u00dft sich der Kreis zu einer einfachen, aber oft untersch\u00e4tzten Erkenntnis: Was KI-Systeme brauchen, um Inhalte als verl\u00e4ssliches Material einzuordnen, ist im Kern das, was auch Menschen seit jeher von guter Fachkommunikation erwarten \u2013 klare Quellen, nachvollziehbare Argumente, verst\u00e4ndliche Struktur.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Warum PR, Redaktion und Fachkommunikation zusammenwachsen<\/h3>\n\n\n\n
Diese Entwicklung trifft auf eine Medienlandschaft, die selbst unter erheblichem Druck steht. Der State of the Media Report 2026 von Cision zeigt, dass 66 Prozent der befragten Journalistinnen und Journalisten PR-Material wie Pressemitteilungen, Pitches und Media Kits aktiv f\u00fcr eigene Story-Ideen nutzen. Gleichzeitig gelten Genauigkeit, Fact-Checking und der Kampf gegen Desinformation als gr\u00f6\u00dfte Herausforderungen im Berufsalltag: 72 Prozent der Befragten geben an, dass weniger als ein Viertel der eingehenden Pitches wirklich relevant sei, und 53 Prozent lehnen KI-generierte Pitches explizit wegen mangelnder Genauigkeit und Personalisierung ab.<\/p>\n\n\n\n
Diese Zahlen machen deutlich, dass klassische PR keineswegs \u00fcberfl\u00fcssig wird \u2013 im Gegenteil. Pressemitteilungen bleiben wichtig, sie m\u00fcssen aber eingebettet sein in eine kontinuierliche Wissens- und Content-Strategie, die fachlich substanziell, redaktionell sauber, technisch auffindbar und \u00fcber verschiedene vertrauensw\u00fcrdige Quellen hinweg pr\u00e4sent ist. Fachbeitr\u00e4ge, Interviews, Podcasts, YouTube-Formate, LinkedIn-Beitr\u00e4ge, klassische Pressearbeit und Expertenbeitr\u00e4ge wirken dabei zunehmend zusammen statt nebeneinander.<\/p>\n\n\n\n
Genau hier entsteht der Mehrwert eines journalistischen Blicks: Themen erkennen, einordnen, zuspitzen, verst\u00e4ndlich machen und Relevanz herausarbeiten \u2013 F\u00e4higkeiten, die in der redaktionellen Arbeit traditionell verankert sind und die jetzt auch f\u00fcr die KI-Sichtbarkeit von Unternehmen entscheidend werden.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Sieben Anforderungen an KI-sichtbare Unternehmenskommunikation<\/h3>\n\n\n\n
Aus der aktuellen Forschungslage und der praktischen Beratungsarbeit lassen sich sieben Anforderungen ableiten, die zunehmend \u00fcber Sichtbarkeit entscheiden:<\/p>\n\n\n\n
- \n
- Eigene Perspektive statt austauschbarer Zusammenfassung. <\/strong>Unternehmen m\u00fcssen zeigen, was sie wissen, erlebt, entschieden und gelernt haben \u2013 nicht nur, was ohnehin schon \u00fcberall steht.<\/li>\n\n\n\n
- Belege statt Behauptungen. <\/strong>Studien, Zahlen, Quellen, Zitate und nachvollziehbare Fallbeispiele erh\u00f6hen die Glaubw\u00fcrdigkeit \u2013 und genau diese Elemente erh\u00f6hen laut GEO-Forschung auch die Zitierwahrscheinlichkeit in generativen Suchsystemen.<\/li>\n\n\n\n
- Struktur statt Textw\u00fcste. <\/strong>Klare \u00dcberschriften, Definitionen, Abschnitte, Listen und verst\u00e4ndliche Sprache erleichtern sowohl Lesern als auch KI-Systemen die Einordnung der Inhalte.<\/li>\n\n\n\n
- Autorit\u00e4t statt Anonymit\u00e4t. <\/strong>Wer spricht? Mit welcher Erfahrung, aus welcher Rolle \u2013 und warum ist diese Einsch\u00e4tzung belastbar?<\/li>\n\n\n\n
- Earned Media statt reiner Eigenwerbung. <\/strong>Erw\u00e4hnungen in Medien, Fachportalen, Podcasts und externen Beitr\u00e4gen gewinnen an Bedeutung \u2013 passend zum Befund, dass Brand Mentions st\u00e4rker mit KI-Sichtbarkeit korrelieren als reine Backlinks.<\/li>\n\n\n\n
- Aktualit\u00e4t statt Content-Friedhof. <\/strong>Fachinhalte m\u00fcssen gepflegt, erg\u00e4nzt und im Zeitverlauf neu eingeordnet werden.<\/li>\n\n\n\n
- Menschliche Verantwortung statt KI-Autopilot. <\/strong>KI kann beim Schreiben unterst\u00fctzen \u2013 Verantwortung, Pr\u00fcfung, Haltung und redaktionelle Qualit\u00e4t bleiben jedoch genuin menschliche Aufgaben.<\/li>\n<\/ol>\n\n\n\n
<\/p>\n\n\n\n
Auch Google selbst st\u00fctzt diese Linie: In seinen offiziellen Hinweisen zur Optimierung f\u00fcr generative KI-Funktionen empfiehlt das Unternehmen ausdr\u00fccklich \u201eunique, valuable, non-commodity content\u201c \u2013 also Inhalte mit eigenem Standpunkt, eigener Erfahrung, fachlicher Tiefe und echtem Nutzen f\u00fcr Leserinnen und Leser. Gewarnt wird zugleich ausdr\u00fccklich davor, Inhalte ausschlie\u00dflich f\u00fcr KI-Systeme umzuschreiben, in gro\u00dfer Zahl Varianten zu produzieren oder auf technische Abk\u00fcrzungen wie spezielle \u201ellms.txt\u201c-Dateien als vermeintlichen Ranking-Hebel zu setzen.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Sichtbarkeit ist der Einstieg, Vertrauen ist das Ziel<\/h3>\n\n\n\n
Sichtbarkeit allein ist kein Selbstzweck. Sie ist die Voraussetzung daf\u00fcr, dass Unternehmen \u00fcberhaupt wahrgenommen werden \u2013 aber sie ersetzt nicht das, was am Ende \u00fcber Gesch\u00e4ftsbeziehungen, Mitarbeiterbindung und Reputationsfestigkeit entscheidet: Vertrauen.<\/p>\n\n\n\n
Der Edelman Trust Barometer 2026 beschreibt eine ausgepr\u00e4gte Vertrauenskrise: Menschen ziehen sich verst\u00e4rkt in engere, vertrautere Kreise zur\u00fcck, der gesellschaftliche Optimismus sinkt, und der Widerstand gegen Ver\u00e4nderung w\u00e4chst. F\u00fcr Unternehmen bedeutet das: Kommunikation darf sich nicht auf reine Information beschr\u00e4nken. Sie muss Vertrauen aufbauen, Orientierung geben und Ver\u00e4nderungsprozesse erkl\u00e4rbar machen \u2013 gerade in Phasen von Transformation, Digitalisierung, Fachkr\u00e4ftemangel, Nachfolge oder Reputationsrisiken.<\/p>\n\n\n\n
Vertrauen ist dabei kein weicher Imagefaktor, sondern ein strategischer Wirtschaftsfaktor. Es stabilisiert Kundenbeziehungen, st\u00e4rkt die Loyalit\u00e4t von Mitarbeitenden und erleichtert Entscheidungen in Phasen der Unsicherheit. Wer in der KI-Suche zwar gefunden, aber nicht als glaubw\u00fcrdig wahrgenommen wird, gewinnt am Ende wenig. Die Argumentationslinie l\u00e4sst sich auf eine einfache Kommunikationstreppe verdichten: Sichtbarkeit \u2192 Verst\u00e4ndlichkeit \u2192 Relevanz \u2192 Glaubw\u00fcrdigkeit \u2192 Vertrauen \u2192 Entscheidung.<\/strong><\/p>\n\n\n\n
<\/p>\n\n\n\n
Sichtbarkeit braucht Substanz, Struktur und Vertrauen<\/h3>\n\n\n\n
Die Spielregeln der digitalen Sichtbarkeit ver\u00e4ndern sich grundlegend \u2013 aber nicht in Richtung weniger Substanz, sondern in Richtung mehr. KI-Suche macht schlechte Kommunikation sichtbarer und gute Kommunikation wertvoller. Wer als Unternehmen in dieser neuen Informationsordnung gefunden, zitiert und vor allem ernst genommen werden will, kommt um eine konsequent redaktionelle, belegbasierte und glaubw\u00fcrdige Kommunikationsarbeit nicht herum.<\/p>\n\n\n\n
Generative Engine Optimization ist dabei keine neue Trickkiste, mit der sich Algorithmen austricksen lassen. Sie ist die konsequente Zuspitzung dessen, was guter Journalismus und gute PR seit jeher ausmachen: belegen statt behaupten, einordnen statt aufz\u00e4hlen, Haltung zeigen statt anonym bleiben. KI-Sichtbarkeit ist damit kein einmaliges Rankingziel, sondern ein laufender Reputations-, Content- und Monitoring-Prozess \u2013 und Substanz ist darin nicht nur ein moralischer Anspruch, sondern ein handfester Sichtbarkeitsfaktor.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\u00dcber den Autor<\/h4>\n\n\n\n
Holger Hagenlocher ist Kommunikationsberater, Coach, Dozent und Journalist. Er besch\u00e4ftigt sich in Publikationen, Fachbeitr\u00e4gen und Vortr\u00e4gen seit Jahren mit der Frage, wie Kommunikation Vertrauen aufbaut, Orientierung schafft und Ver\u00e4nderungsprozesse unterst\u00fctzt. In seiner Beratung verbindet er Ans\u00e4tze aus PR, Krisenkommunikation, Transformationskommunikation, redaktioneller Arbeit und digitaler Sichtbarkeit. Mit HAGENLOCHER PR, dem Redaktionsb\u00fcro Hagenlocher und seinen Aktivit\u00e4ten im Startup- und Innovationsumfeld begleitet er Unternehmen, Organisationen und Gr\u00fcnder an der Schnittstelle von Kommunikation, Digitalisierung, Transformation und Sichtbarkeit.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
Quellen<\/h3>\n\n\n\n
- \n
- Aggarwal, Pranjal et al.: GEO: Generative Engine Optimization, vorgestellt bei KDD 2024<\/li>\n\n\n\n
- Zhang, Kai; He, Xinyue; Yao, Jingang: From Citation Selection to Citation Absorption<\/li>\n\n\n\n
- Yu, Junwei et al.: Structural Feature Engineering for Generative Engine Optimization<\/li>\n\n\n\n
- Xu, Haofei; Iqbal, Umar; Montgomery, Jacob M.: Measuring Google AI Overviews<\/li>\n\n\n\n
- Grossman, Riley et al.: How Generative AI Disrupts Search<\/li>\n\n\n\n
- Shumailov, Ilia et al.: AI models collapse when trained on recursively generated data, Nature<\/li>\n\n\n\n
- Ahrefs: An Analysis of AI Overview Brand Visibility Factors<\/li>\n\n\n\n
- Ahrefs: Top Brand Visibility Factors in ChatGPT, AI Mode, and AI Overviews<\/li>\n\n\n\n
- Semrush: AI Overviews’ Impact on Search<\/li>\n\n\n\n
- Cision: 2026 State of the Media Report<\/li>\n\n\n\n
- Edelman Trust Barometer 2026<\/li>\n\n\n\n
- Google Search Central: Optimizing for generative AI features on Google Search<\/li>\n\n\n\n
- Google Search Central Blog: Top ways to ensure your content performs well in Google’s AI experiences<\/li>\n\n\n\n
- Google Blog: Expanding AI Overviews and introducing AI Mode<\/li>\n<\/ul>\n
- Belege statt Behauptungen. <\/strong>Studien, Zahlen, Quellen, Zitate und nachvollziehbare Fallbeispiele erh\u00f6hen die Glaubw\u00fcrdigkeit \u2013 und genau diese Elemente erh\u00f6hen laut GEO-Forschung auch die Zitierwahrscheinlichkeit in generativen Suchsystemen.<\/li>\n\n\n\n