Wonach suchst du?
Wenn ChatGPT, Perplexity oder Google AI Overviews eine Empfehlung aussprechen, steht dahinter eine Auswahl: Welche Quellen hält das System für vertrauenswürdig genug, um sie zu zitieren? Die Antwort entscheidet darüber, ob Eure Marke in KI-Antworten auftaucht oder unsichtbar bleibt.
Eine Analyse von AirOps über 21.000 Markennennungen zeigt: 85 Prozent aller Nennungen stammen aus externen Quellen wie Fachartikeln, Vergleichen und Bewertungen. Nur rund 13 Prozent kommen von den Marken-Websites selbst.
Zitierfähigkeit ist damit mehr als sauber strukturierter Content. Sie entsteht aus dem Zusammenspiel von Expertise-Signalen auf Eurer Website und Bestätigung durch Dritte. In diesem Ratgeber-Beitrag zeigen wir Euch, wie beides zusammenwirkt und wie Ihr systematisch daran arbeitet.
Die wichtigsten Erkenntnisse auf einen Blick
Vertrauen ist die Währung der KI-Suche. LLMs wählen ihre Quellen nach Vertrauenssignalen aus: Konsistenz, fachliche Tiefe und externe Bestätigung.
Wer diese Signale sendet, wird zitiert. Wer nur veröffentlicht, ohne Autorität aufzubauen, bleibt in KI-Antworten unsichtbar.
LLMs (Large Language Models) beantworten Fragen auf Basis zweier Quellen: dem Wissen aus ihren Trainingsdaten und aktuellen Inhalten, die sie zur Laufzeit über Retrieval-Systeme abrufen. In beiden Fällen trifft das System eine Auswahl. Es bevorzugt Quellen, die fachlich konsistent auftreten, präzise Aussagen liefern und von anderen vertrauenswürdigen Quellen bestätigt werden. Diese Auswahl funktioniert anders als ein klassisches Google-Ranking. Statt einer Position auf einer Ergebnisseite geht es um eine binäre Entscheidung: Eure Inhalte werden als Grundlage der Antwort verwendet oder nicht. Wie dieser Paradigmenwechsel von der Suchmaschine zur Antwortmaschine funktioniert, haben wir im Beitrag Von SEO zu GEO ausführlich beschrieben.
Für Eure LLM-Sichtbarkeit bedeutet das: Die Qualität einzelner Seiten reicht als Kriterium nicht aus. KI-Systeme bewerten Eure Marke als Entität, also als Gesamtbild aus eigenen Inhalten, externen Erwähnungen und der Konsistenz zwischen beidem. Eine Website kann technisch perfekt optimiert sein und trotzdem selten zitiert werden, wenn außerhalb der eigenen Domain kaum jemand über die Marke spricht. Umgekehrt verstärken sich starke eigene Inhalte und externe Bestätigung gegenseitig. Genau dieses Zusammenspiel beschreibt das E-E-A-T-Konzept, das ursprünglich aus den Google-Qualitätsrichtlinien stammt und in der KI-Suche eine neue, messbare Bedeutung bekommt.
Vom Google-Konzept zum LLM-Signal.
E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness. Google nutzt das Konzept zur Qualitätsbewertung. KI-Systeme werten dieselben Signale aus, wenn sie entscheiden, welche Quellen sie in ihre Antworten übernehmen.
Für die klassische Suche waren diese Kriterien immer relevant. In der KI-Suche werden sie zum Auswahlfilter, denn ein LLM übernimmt bevorzugt Aussagen, die es mehreren unabhängigen und konsistenten Quellen zuordnen kann.
E-E-A-T stammt aus den Search Quality Rater Guidelines von Google und beschreibt vier Dimensionen von Qualität:
Der praktische Unterschied zur klassischen Suchmaschinenoptimierung liegt in der Gewichtung. Während Google-Rankings über Jahrzehnte stark von Backlinks geprägt waren, orientieren sich KI-Systeme stärker an Sprache und Kontext: Wer wird in welchem Zusammenhang genannt, welche Aussagen wiederholen sich über viele Quellen hinweg, welche Marke ist mit welchem Thema verknüpft? Damit rücken Signale in den Vordergrund, die sich technisch kaum simulieren lassen. Ein Autorenprofil lässt sich anlegen, ein über Jahre aufgebauter Ruf in einem Fachgebiet nicht. Genau darin liegt die Chance für Unternehmen, die echte Expertise besitzen: Sie muss nur sichtbar und maschinenlesbar dokumentiert werden.
Externe Erwähnungen sind der stärkste messbare Faktor für LLM-Sichtbarkeit. Zwei große Studien von AirOps und Ahrefs zeigen übereinstimmend: Was andere über Eure Marke schreiben, wiegt schwerer als das, was Ihr selbst veröffentlicht.
AirOps hat 21.311 Markennennungen in ChatGPT, Claude und Perplexity analysiert. Das Ergebnis: 85 Prozent aller Nennungen stammen aus externen Domains, nur 13,2 Prozent direkt von den Marken-Websites. Fast 90 Prozent der externen Nennungen kommen aus Listicles, Vergleichen und Bewertungen. Bei kommerziellen Anfragen in der Discovery-Phase ist eine Marke sogar 6,5-mal wahrscheinlicher über Fremdinhalte sichtbar als über die eigene Domain (Quelle: AirOps, 2025). Die eigene Website bleibt dabei die Voraussetzung: Sie liefert die Fakten und Positionierungen, die externe Quellen aufgreifen und die KI-Systeme zur Verifikation heranziehen. Ohne dieses Fundament verpuffen Erwähnungen. Sichtbarkeit in KI-Antworten entsteht, wenn beide Ebenen zusammenspielen.
Ahrefs bestätigt dieses Bild mit einer Analyse von 75.000 Marken. Die drei stärksten Korrelationen mit der Sichtbarkeit in Google AI Overviews sind allesamt Offsite-Signale: Markennennungen im Web (0,664), markenbezogene Linktexte, sogenannte Brand Anchors (0,527), und das Suchvolumen der Marke (0,392). Das reine Backlink-Volumen folgt mit 0,218 deutlich dahinter (Quelle: Ahrefs, 2025). Für Eure Linkstrategie heißt das: Links behalten ihren Wert, wenn sie die Marke im Linktext tragen und aus relevantem Kontext stammen. Qualität und Markenbezug schlagen Masse. Die Folgestudie vom Dezember 2025 erweitert die Auswertung auf ChatGPT und Google AI Mode: YouTube-Erwähnungen zeigen dort mit rund 0,737 die stärkste Korrelation aller untersuchten Faktoren, während die reine Seitenanzahl einer Website mit rund 0,194 kaum eine Rolle spielt (Quelle: Ahrefs, Dezember 2025). Mehr zu veröffentlichen bringt also wenig. Erwähnt zu werden bringt viel.
Eine ehrliche Einordnung gehört dazu: Ahrefs weist in beiden Studien selbst darauf hin, dass Korrelation keine Kausalität belegt. Bekannte Marken haben naturgemäß beides, viele Erwähnungen und hohe KI-Sichtbarkeit. Erwähnungen mechanisch einzukaufen, garantiert deshalb keine Zitierungen. Die strategische Schlussfolgerung bleibt trotzdem belastbar: Externe Bestätigung ist die Ebene, auf der sich LLM-Sichtbarkeit entscheidet, und sie entsteht durch Substanz. Fachbeiträge, die andere freiwillig aufgreifen, Bewertungen zufriedener Kundschaft und eigene Daten, die zitiert werden, wirken auf KI-Sichtbarkeit und Reputation gleichermaßen. Es gibt also keinen Zielkonflikt, sondern einen doppelten Nutzen.
Für den deutschsprachigen Raum kommt ein struktureller Faktor hinzu: Englisch dominiert die Trainingsdaten großer Sprachmodelle. Für GPT-3 hat OpenAI die Verteilung offengelegt: rund 93 Prozent der Trainingsdaten waren englischsprachig (Quelle: Brown et al., 2020), Deutsch machte nur 1,47 Prozent der Tokens aus (Quelle: Wang et al., 2023). Aktuelle Modelle legen ihre Datenbasis zwar nicht mehr offen und enthalten mehr mehrsprachige Inhalte, die Grundverteilung des Webs bleibt aber englisch geprägt. Für Euch ist das eine Chance: Wo weniger deutschsprachige Fachquellen existieren, zählt jede zitierfähige deutsche Quelle überproportional. Wer jetzt deutschsprachige Autorität in seiner Nische aufbaut, konkurriert mit deutlich weniger Wettbewerbern als im englischsprachigen Raum.
Onsite-Signale, die Vertrauen aufbauen: Externe Erwähnungen sind der stärkste messbare Faktor für LLM-Sichtbarkeit.
Zwei große Studien von AirOps und Ahrefs zeigen übereinstimmend: Was andere über Eure Marke schreiben, wiegt schwerer als das, was Ihr selbst veröffentlicht.
Zitierfähige Inhalte beginnen bei vier Signalen, die wenig Technik kosten, aber Konsequenz verlangen:
In unseren GEO-Audits prüfen wir genau diese Punkte als Erstes, denn hier finden wir in Projekten die häufigsten und zugleich am schnellsten behebbaren Lücken.
Die strukturelle Umsetzung kommt dazu: klar gegliederte Inhalte, Fragen als Überschriften, eigenständig verständliche Absätze und passendes Schema Markup sorgen dafür, dass KI-Systeme Eure Aussagen sauber extrahieren können. Ein Absatz, der eine Frage vollständig und ohne zusätzlichen Kontext beantwortet, hat die besten Chancen, wörtlich in einer KI-Antwort zu landen. Wie Ihr Content Chunks, FAQ-Strukturen und Schema Markup direkt in TYPO3 umsetzt, haben wir im Beitrag LLM-optimierter Content in TYPO3 Schritt für Schritt beschrieben. Struktur und Vertrauenssignale gehören zusammen: Die Struktur macht Inhalte extrahierbar, E-E-A-T macht sie auswählbar. Beides setzen wir für Euch direkt in TYPO3 um, von Autorenprofilen über Schema Markup bis zu FAQ-Modulen.
Externe Erwähnungen lassen sich nicht erzwingen, aber systematisch fördern: durch Fachbeiträge, Präsenz auf Bewertungsplattformen, eigene zitierwürdige Daten und kontinuierliches Monitoring der eigenen KI-Sichtbarkeit.
Der wirksamste Hebel sind Inhalte, die andere freiwillig aufgreifen:
Wichtig ist die Konsistenz: Name, Leistungsversprechen und Kernaussagen sollten über alle Kanäle hinweg identisch sein, damit KI-Systeme Eure Marke als eindeutige Entität erkennen.
Der zweite Baustein ist Messbarkeit, denn Offpage-Autorität ist kein Zustand, sondern eine Entwicklung. Wir beobachten die LLM-Sichtbarkeit unserer Kunden deshalb kontinuierlich mit Otterly AI und eigenen Auswertungen: Welche Prompts erzeugen Markennennungen, welche Quellen zitieren die KI-Systeme, wie entwickelt sich der Share of Voice im Vergleich zum Wettbewerb? Aus diesen Daten leiten wir ab, welche Offpage-Maßnahmen wirken und wo Lücken bleiben. Welche KPIs dabei zählen und wie ein solches Monitoring aufgebaut ist, zeigen wir im Beitrag AI Search Analytics. So unterstützen wir Euch von der Standortbestimmung über die Maßnahmenplanung bis zum laufenden Reporting.
Diese Fragen erreichen uns am häufigsten:
E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness, also Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Das Konzept stammt aus den Qualitätsrichtlinien von Google und beschreibt, woran sich die Glaubwürdigkeit einer Quelle erkennen lässt. KI-Systeme werten dieselben Signale aus, wenn sie Quellen für ihre Antworten auswählen.
Backlinks bleiben für die klassische Suche relevant, sind für KI-Sichtbarkeit aber ein schwaches Signal. Die Ahrefs-Analyse von 75.000 Marken zeigt eine Korrelation von 0,218 für Backlinks gegenüber 0,664 für Markennennungen im Web. Eine Erwähnung ohne Link kann für KI-Systeme wertvoller sein als ein Link ohne Kontext.
Offpage-Autorität baut sich über Monate auf, nicht über Wochen. KI-Systeme greifen auf Trainingsdaten und laufend aktualisierte Retrieval-Quellen zurück, sodass neue Erwähnungen mit Verzögerung wirken. Erste messbare Effekte zeigen sich erfahrungsgemäß nach drei bis sechs Monaten kontinuierlicher Arbeit. Umso wichtiger ist ein Monitoring, das Fortschritte sichtbar macht.
Der einfachste Einstieg ist ein strukturierter Test: Stellt ChatGPT, Perplexity und Google die Fragen, die Eure Zielgruppen stellen würden, und prüft, ob und in welchem Kontext Eure Marke auftaucht. Ein belastbares Bild über die Zeit liefert ein kontinuierliches Monitoring, wie wir es im Beitrag AI Search Analytics beschreiben. Und ob Eure Website die Kriterien erfüllt, um überhaupt zitiert zu werden, zeigt Euch unser GEO-Audit.