GEO im Budget: Wer verantwortet, ob ChatGPT dich empfiehlt
Zwölf Leute im Marketingteam, mehr als 350.000 Dollar Paid Search im Jahr, acht Blogbeiträge im Monat. Auf die Frage, welche Position dafür verantwortet, ob ChatGPT die Firma empfiehlt, kam keine Antwort. Die Szene beschreibt der Wachstumsberater Jason Shafton Ende August bei Search Engine Journal. Ich habe daraufhin nachgesehen, was meine eigene Seite über mich sagt.
Vier Fundstellen, vier Selbstbeschreibungen
Auf meiner Startseite stand als Rolle „Content- & KI-Automation Manager“. In den strukturierten Daten derselben Seite, also in dem Teil, den Maschinen zuerst lesen, stand „Content- und KI-Automation Manager“. Das Kaufmanns-Und gegen das ausgeschriebene Wort. Für einen Menschen dasselbe, für einen maschinellen Abgleich zwei verschiedene Zeichenketten.
Im Impressum stand überhaupt keine Tätigkeitsbezeichnung, nur Name und Adresse. Für meine Selbstständigkeit gibt es außerdem keine LinkedIn-Unternehmensseite, also auch keinen Eintrag, den ein Modell dort lesen könnte.
Nichts davon ist dramatisch, und genau das ist der Punkt. Solche Abweichungen entstehen nebenbei, ohne dass jemand einen Fehler macht. Auffallen tun sie nur, wenn jemand gezielt nachsieht.
Ein Sprachmodell, das sich ein Bild von einer Firma macht, liest genau solche Quellen nebeneinander. Was dabei zusammenpasst und was nicht, entscheidet mit darüber, ob es die Firma später empfiehlt.
Deshalb steht die Rolle inzwischen an allen drei Stellen gleich. Ins Impressum habe ich sie neu aufgenommen. Das waren wenige Minuten Arbeit. Bei LinkedIn fehlt die Unternehmensseite weiterhin.
Warum das ausgerechnet jetzt zählt
Die klassische Marketingaufstellung folgt dem Google-Trichter. SEO verantwortet Rankings, Content liefert Beiträge, die auf einzelne Suchbegriffe zugeschnitten sind, Paid deckt ab, was organisch fehlt. Jede dieser Rollen setzt voraus, dass jemand eine Ergebnisseite sieht und dort klickt.
Ein wachsender Teil der Käufer überspringt diese Seite und fragt ChatGPT, Gemini oder Perplexity nach der besten Lösung für seinen Fall. Die Antwort nennt drei Anbieter. Wer nicht dabei ist, erfährt von dem Geschäft nie.
Das ist derselbe Effekt, den ich für die KI-Übersichten bei Google beschrieben habe, nur eine Stufe härter. Dort verlierst du Klicks. Hier kommst du gar nicht erst vor.
Für die Arbeit, in diesen Antworten vorzukommen, hat sich der Begriff GEO eingebürgert, kurz für Generative Engine Optimization. Das Kürzel ist neu, die Aufgabe dahinter ist es nicht. Neu ist nur, dass sie in keinem Organigramm steht.
Seite eins schützt nicht davor
Shafton testet bei seinen Kunden die 20 kaufstärksten Suchanfragen über die großen Assistenten und zählt, wie oft die Marke in den Antworten genannt wird. Ein Softwareanbieter in der Wachstumsfinanzierung hatte 14 Keywords auf Seite eins und tauchte in vier von 20 Antworten auf.
Die Zahl stammt aus einzelnen Beratungsprojekten, nicht aus einer Erhebung mit offengelegter Stichprobe. Als Größenordnung taugt sie trotzdem, weil sie den Bruch zeigt. Gut ranken und in einer Antwort genannt werden sind zwei verschiedene Ergebnisse.
Was Zitate bringt, sind widerspruchsfreie Angaben über die Marke, Belege von Dritten und eigene Inhalte, aus denen sich eine klare Aussage heben lässt.
Was Fragmentierung im Mittelstand anrichtet
Für das, was mir an meiner eigenen Seite aufgefallen ist, gibt es einen Namen: Entitätsfragmentierung. Verschiedene Quellen sagen Verschiedenes über dieselbe Firma. Bei Kunden lege ich dafür regelmäßig Impressum, LinkedIn-Auftritt und die Kurzbeschreibung aus dem Handelsregisterauszug nebeneinander. Oft stehen dort drei verschiedene Selbstbeschreibungen mit drei verschiedenen Leistungsversprechen, dazu gelegentlich zwei Schreibweisen des Firmennamens und eine alte Domain, die noch erreichbar ist.
Ein Modell liest daraus nicht eine starke Firma, sondern mehrere schwache. Keine davon sammelt genug Signale, um in einer Antwort empfohlen zu werden.
Das Aufräumen kostet kaum Geld. Es kostet Aufmerksamkeit und jemanden, der die Hoheit darüber hat. In einem Quartal ist es zu schaffen. Wie ich daraus eine belastbare Quelle für Modelle mache, habe ich getrennt beschrieben.
Drei Zuständigkeiten ändern sich, die Teamgröße nicht
Neue Stellen braucht dafür kaum jemand, und das ist Shaftons nützlichster Punkt. Er verschiebt Zuständigkeiten statt Köpfe.
Bei Teams unter 20 Personen hängt er die KI-Suche an die Person, die Nachfragegenerierung verantwortet. In größeren Organisationen behält die Marketingleitung das Thema zunächst selbst, weil eine so junge Funktion drei Ebenen tiefer schnell verwaist.
Aus dem SEO-Lead wird der Lead für KI-Suche, meist dieselbe Person. Die Aufgabe wächst von der Frage nach dem Ranking zur Frage, wo die Marke zitiert wird. Dazu gehört, die Angaben zur Marke überall dort zu pflegen, wo Modelle lesen: eigene Website, LinkedIn, Bewertungsplattformen, Verzeichnisse, Fachcommunities.
Die Pressearbeit wandert außerdem aus dem Markenbudget ins Leistungsbudget. Erwähnungen in Fachmedien und auf Bewertungsplattformen übernehmen die Rolle, die Links vor zehn Jahren hatten. Damit hört sie auf, die weiche Zeile zu sein, die im schlechten Quartal gestrichen wird.
Die Budgetrechnung, und was sie hier bedeutet
Shafton rechnet es an einem Kunden mit 60.000 Dollar Monatsbudget vor. Vorher: 30.000 Paid Search, 12.000 Content, 8.000 SEO-Betreuung, 5.000 Marke und Presse, 5.000 Werkzeuge. Nach einem Quartal: 24.000 Paid Search, 10.000 Content, 10.000 für das KI-Suchprogramm, 10.000 Pressearbeit mit festen Zielen für Nennungen, 6.000 Werkzeuge.
Diese Größenordnung hat im deutschen Mittelstand kaum jemand. Die Summe ist hier nebensächlich. Es geht um das Verhältnis. Paid kürzt er nur um ein Fünftel, weil bezahlte Suche die verlässlichste Auskunft darüber gibt, welche Anfragen Kaufabsicht tragen. Genau diese Anfragen testet er anschließend gegen die Assistenten.
Seine Regel: im ersten Quartal 15 bis 20 Prozent verschieben, den Rest von Messwerten bewegen lassen. Auf ein Budget von 4.000 Euro im Monat heruntergerechnet sind das 600 bis 800 Euro. Dafür bekommt man einen Ausgangswert und das Aufräumen der eigenen Angaben, und mehr braucht das erste Quartal nicht.
Erst messen, dann umbauen
Der teuerste Fehler passiert vor der ersten Messung. Shafton hat ein Unternehmen dabei beobachtet, wie es eine Stelle für 150.000 Dollar ausgeschrieben hat, für eine Aufgabe, die es nie gemessen hatte. Ohne Ausgangswert weißt du nicht, wo deine Lücken liegen, und schreibst die Stellenbeschreibung ins Blaue.
Deshalb steht bei mir am Anfang immer dasselbe: 20 Kaufanfragen festlegen und durch ChatGPT, Gemini, Perplexity und die KI-Übersichten von Google schicken. Jede Antwort wird mitgeschrieben, samt genannter Quellen und genannter Wettbewerber. Das ist an einem Nachmittag erledigt und kostet nichts außer Zeit.
Parallel die eigenen Angaben aufräumen. Danach eine einzelne Produktlinie oder Leistung nehmen und nur dort umbauen, während der Rest unverändert weiterläuft und als Vergleich dient.
Wer Anfragen später einer KI-Antwort zuordnen will, braucht vorher eine saubere Quellenerfassung. Wie ich Attribution aus KI-Antworten aufsetze, steht in einem eigenen Beitrag.
Womit ich diese Woche anfangen würde
Nimm deine eigene Firma und beantworte eine Frage aus drei Quellen: Was macht ihr? Schau in eure Startseite, in euer Impressum und in euren LinkedIn-Auftritt. Wenn dort drei verschiedene Antworten stehen, hast du deinen ersten Arbeitsauftrag, und er kostet kein Budget.
Danach die 20 Anfragen, bei denen eure Kunden kurz vor dem Kauf stehen. Einmal durch dieselben vier Assistenten. Zähl, in wie vielen Antworten ihr vorkommt.
Dann schreib einen Namen neben die Budgetzeile. Solange niemand verantwortet, ob ihr empfohlen werdet, ist es niemandes Aufgabe.
Klassisches SEO fährst du dabei nicht auf null. Die Assistenten stützen sich weiter auf Suchindizes, und gut platzierte Seiten werden häufiger gelesen als vergrabene.
