KI-Sichtbarkeit
Der GEO-Score ist nur der Anfang: vier Schritte zur KI-Positionierung
Von Kathlen Bremer · Veröffentlicht am 07.10.2026 · Aktualisiert am 07.10.2026 · 12 min Lesezeit
Die kurze Antwort
Ein GEO-Score misst, bei wie vielen Testfragen ein Unternehmen in KI-Antworten genannt wird. Er sagt nichts darüber, ob die Nennung zutrifft, ob sie empfehlend ausfällt und worauf das Modell sie stützt. Für eine belastbare KI-Positionierung braucht es vier Schritte: messen, einordnen, eigene Inhalte zur Antwort machen, Fremdbelege aufbauen.
- Der Score hängt vollständig vom gewählten Prompt-Set ab. Wer die Fragen austauscht, verändert den Wert, ohne dass sich am Unternehmen etwas geändert hat.
- Owned Media ist der größte Hebel: 66,2 Prozent der von KI-Systemen zitierten Quellen sind Unternehmensinhalte.
- Earned Media entscheidet über Glaubwürdigkeit: 84 Prozent der Zitationen entfallen darauf, auf bezahlte Inhalte nur 0,3 Prozent.
- Rechnen Sie mit drei bis sechs Monaten, bis sich ein Score stabil verändert. Alles darunter ist Schwankung.
Inhalt
- Was ein GEO-Score misst und was nicht
- Wo Sichtbarkeit in KI-Antworten wirklich entsteht
- Die vier Schritte im Detail
- Welche Kennzahlen taugen und wo ihre Grenzen liegen
- Woran KI-Positionierungen scheitern
Was ein GEO-Score misst und was nicht
Ein GEO-Score ist eine Verhältniszahl. Ein Werkzeug stellt einem oder mehreren KI-Systemen eine feste Liste von Fragen und zählt, bei wie vielen Antworten ein bestimmtes Unternehmen vorkommt. Daraus wird ein Prozentwert. Das ist nützlich, und es ist deutlich besser, als gar nicht zu messen.
Die Grenze steckt in der Konstruktion. Der Wert hängt vollständig davon ab, welche Fragen gestellt werden. Ein Set aus zwanzig Markenfragen liefert fast zwangsläufig einen hohen Score, weil ein Modell bei der direkten Frage nach einem Unternehmen praktisch immer etwas antwortet. Dasselbe Unternehmen kann bei zwanzig Kaufentscheidungsfragen bei null liegen. Beide Werte sind korrekt gemessen, und beide beschreiben etwas völlig Verschiedenes. Wer einen Score ohne das zugehörige Prompt-Set vorgelegt bekommt, kann ihn nicht beurteilen.
Dazu kommt alles, was ein Score nicht erfasst. Ob Ihr Unternehmen empfehlend genannt wird oder nur als Beispiel am Rande steht. Ob die genannten Fakten stimmen, was besonders bei Preisen und Leistungsumfang häufig nicht der Fall ist. Ob das Modell dabei Ihre eigene Seite zitiert oder eine Drittquelle, die Sie nicht kontrollieren. An welcher Stelle der Antwort die Nennung auftaucht. Für eine Kaufentscheidung wiegen diese Punkte schwerer als die reine Quote.
Hilfreich ist der Maßstab, den Google in seinen Bewertungsrichtlinien für Inhalte beschreibt und der unter dem Kürzel E-E-A-T geläufig ist: Erfahrung, Expertise, Autorität und Vertrauenswürdigkeit. Er ist für die Bewertung von Suchergebnissen formuliert, beschreibt aber recht genau, woran auch Sprachmodelle eine Quelle bemessen. Ein Score sagt über keinen dieser vier Punkte etwas aus. Er zählt Nennungen, er bewertet keine Substanz.
Ein Score ist damit ein Thermometer. Er zeigt, ob Fieber vorliegt, und er zeigt, ob es sinkt. Die Behandlung beschreibt er nicht. Genau dort, wo die meisten Angebote enden, beginnt die eigentliche Arbeit.
Die vier Schritte im Überblick
Die Reihenfolge ist nicht beliebig. Wer mit Schritt drei anfängt, baut Inhalte für Fragen, die niemand stellt. Wer Schritt zwei überspringt, hält eine beiläufige Erwähnung für einen Erfolg.
Schritt
Was dabei passiert
Woran Sie den Fortschritt erkennen
1. Messen
Festes Prompt-Set aus 25 bis 30 Fragen, monatlich in mehreren Systemen geprüft
Eine Baseline steht, spätere Werte sind vergleichbar
2. Einordnen
Jede Nennung nach Quelle, Position und Richtigkeit bewerten
Sie wissen, ob Sie empfohlen oder nur erwähnt werden
3. Inhalte bauen
Die eigenen Seiten beantworten die Fragen wörtlich und mit Belegen
KI-Crawler greifen häufiger zu, die eigene Domain wird zitiert
4. Fremdbelege aufbauen
Redaktionelle Berichterstattung, Fachbeiträge, gepflegte Profile
Nennungen stützen sich zunehmend auf Dritte statt nur auf Sie
Quellen: blinq LLM-Quellen-Studie 2026 mit 250.000 ausgewerteten KI-Antworten aus dem ersten Halbjahr 2026 sowie die Muck-Rack-Auswertung von über 25 Millionen zitierten Links aus dem Mai 2026. Das PESO-Modell geht auf Gini Dietrich zurück.
Die vier Schritte im Detail
Die Reihenfolge ist nicht beliebig. Wer mit Schritt drei beginnt, baut Inhalte für Fragen, die niemand stellt. Wer Schritt zwei überspringt, hält eine beiläufige Erwähnung für einen Erfolg.
- Schritt 1: Messen, bevor Sie etwas verändern. Legen Sie 25 bis 30 Fragen fest, die Ihre Kunden tatsächlich stellen, und mischen Sie dabei bewusst drei Typen: Markenfragen nach Ihrem Unternehmen, Kategoriefragen nach Anbietern in Ihrem Feld und Kaufentscheidungsfragen nach Preis, Auswahl und Abgrenzung. Prüfen Sie das Set monatlich in ChatGPT, Perplexity, Claude und den KI-Antworten von Google. Entscheidend ist, dass das Set danach unverändert bleibt. Wer Fragen nachträglich austauscht, misst seinen eigenen Optimismus. Dass die Systeme unterschiedlich auswählen, zeigt die Auswertung hier: Welche Medien zitiert ChatGPT?
- Schritt 2: Die Nennungen einordnen, nicht nur zählen. Notieren Sie zu jeder Nennung vier Dinge: welche Quelle das Modell anführt, an welcher Stelle der Antwort Sie stehen, ob die Aussage über Sie zutrifft und ob sie empfehlend oder neutral ausfällt. Falschaussagen sind häufiger als erwartet, besonders zu Preisen, Leistungsumfang und Unternehmensgröße. Eine korrigierte Falschaussage ist oft mehr wert als eine zusätzliche Nennung, weil sie bei jeder künftigen Antwort mitläuft.
- Schritt 3: Die eigenen Inhalte zur Antwort machen. Hier liegt der größte Hebel. Jede Seite beantwortet genau eine Frage, und zwar im ersten Satz. Zahlen tragen Einheit, Datum und Quelle. Absätze bleiben einzeln verständlich, weil Modelle Abschnitte zitieren und nicht ganze Artikel. Fachbegriffe werden erklärt, statt vorausgesetzt. Welche Hebel dabei messbar wirken, steht hier: Wie komme ich als Mittelständler in ChatGPT-Antworten?
- Schritt 4: Fremdbelege aufbauen und aufeinander abstimmen. Die eigene Seite liefert den Text, die Glaubwürdigkeit entsteht außerhalb. Redaktionelle Berichterstattung, Fachbeiträge, Vorträge und gepflegte Profile zahlen aufeinander ein, wenn sie dieselbe Positionierung tragen. Genau hier wird aus vier getrennten Maßnahmen eine Position. Welcher Weg wann trägt, steht im Vergleich: Advertorial, Pressemitteilung oder organische Presse
Welche Kennzahlen taugen und wo ihre Grenzen liegen
Keine einzelne Kennzahl ist für sich aussagekräftig. Zusammen ergeben sie ein brauchbares Bild, sofern man die jeweilige Schwäche kennt.
- Der GEO- oder Sichtbarkeits-Score zeigt den Anteil der Testfragen mit Nennung. Seine Grenze: Er hängt vollständig vom Prompt-Set ab und ist ohne dieses Set nicht interpretierbar.
- Die zitierte Quelle zeigt, worauf ein Modell seine Aussage stützt. Ihre Grenze: Sie sagt nichts darüber, an welcher Stelle der Antwort Sie stehen.
- Die Tonalität der Nennung zeigt, ob Sie empfehlend oder beiläufig erscheinen. Ihre Grenze: Automatisiert lässt sie sich kaum zuverlässig bewerten, hier führt an einem Blick von Hand nichts vorbei.
- Zugriffe der KI-Crawler zeigen, ob neue Inhalte überhaupt gelesen werden, und steigen Wochen vor der ersten Zitation. Ihre Grenze: Ein Zugriff ist noch keine Zitation.
- Verweise aus KI-Systemen zeigen tatsächliche Besucher aus ChatGPT und vergleichbaren Diensten. Ihre Grenze: Die Zahlen sind klein, weil viele Antworten zu keinem Klick führen.
Für die Berichterstattung an die Geschäftsführung hat sich eine schlichte Kombination bewährt: der Score als Trendlinie, daneben die Zahl der eigenen Seiten, die als Quelle zitiert werden, und die Zahl der Fremdbelege. Die erste Zahl zeigt, ob etwas passiert. Die beiden anderen zeigen, warum. Und nur die beiden anderen lassen sich gezielt beeinflussen.
Welche Kennzahlen taugen und wo ihre Grenzen liegen
Keine dieser Kennzahlen ist für sich aussagekräftig. Zusammen ergeben sie ein brauchbares Bild, wenn man ihre jeweilige Schwäche kennt.
Kennzahl
Was sie zeigt
Wo ihre Grenze liegt
GEO- oder Sichtbarkeits-Score
Anteil der Testfragen mit Nennung
Hängt vollständig vom gewählten Prompt-Set ab
Zitierte Quelle
Worauf das Modell seine Aussage stützt
Sagt nichts über die Position in der Antwort
Tonalität der Nennung
Ob Sie empfehlend oder beiläufig erscheinen
Automatisiert kaum zuverlässig zu bewerten
Zugriffe der KI-Crawler
Ob neue Inhalte überhaupt gelesen werden
Ein Zugriff ist noch keine Zitation
Verweise aus KI-Systemen
Tatsächliche Besucher aus ChatGPT und Co.
Kleine Zahlen, viele Antworten führen zu keinem Klick
Die Einordnung der Kennzahlen beruht auf unserer Praxis und nicht auf einer Studie. Belegt sind die Angaben zur Quellenverteilung.
E-E-A-T stammt aus Googles Richtlinien zur Bewertung der Suchqualität.
Woran KI-Positionierungen scheitern
Vier Muster sehen wir regelmäßig. Alle vier kosten Budget, ohne die Position zu verbessern.
- Den Score mit der Positionierung verwechseln. Ein steigender Wert ohne Blick auf Quelle und Tonalität kann bedeuten, dass ein Modell Sie häufiger als Negativbeispiel anführt. In der reinen Quote sieht das aus wie Fortschritt.
- Das Prompt-Set nachträglich ändern. Sobald die Fragen wechseln, ist der Vorher-Nachher-Vergleich wertlos. Wer ein zweites Set braucht, führt es zusätzlich und nicht anstelle des ersten.
- Die Kanäle getrennt steuern. Wenn Website, Pressearbeit und Profile drei verschiedene Geschichten erzählen, entsteht keine Position, sondern Rauschen. Modelle verknüpfen Aussagen mit einer Entität, und widersprüchliche Angaben führen dazu, dass sie auf eine andere Quelle ausweichen.
- Nach drei Monaten abbrechen. Der Aufbau von Fremdbelegen braucht länger als ein Quartal. Ein Mandat, das nach drei Monaten endet, hat die Anlaufkosten bezahlt, ohne deren Ertrag abzuwarten.
Häufige Fragen
Was ist ein GEO-Score?
Ab welchem Wert ist ein GEO-Score gut?
Wie oft sollte man messen?
Wie lange dauert es, bis sich ein Score verändert?
Was hat E-E-A-T mit KI-Sichtbarkeit zu tun?
Kathlen Bremer
Geschäftsführerin, HEADLINE Communications GmbH
Kathlen Bremer führt die Hamburger PR-Agentur HEADLINE Communications und arbeitet seit Jahren mit mittelständischen Unternehmen an deren Sichtbarkeit in Medien, Suchmaschinen und KI-Systemen. Ihr Schwerpunkt liegt auf messbarer Pressearbeit und transparenten Leistungsversprechen.
Das könnte Sie auch interessieren
KI-Sichtbarkeit
Wie komme ich als Mittelständler in ChatGPT-Antworten?
KI-Sichtbarkeit
Welche Medien zitiert ChatGPT? Die Datenlage 2026
Grundlagen