KI-Sichtbarkeit: Von SEO zu GEO

Autorin: Anne Fischer (April 2026)

Eine junge Vietnamesin, die sich für ein Studium im Ausland interessiert, öffnet einen neuen Chat in einem KI-Tool und tippt: „Best universities in Germany for sustainable engineering“. Sie bekommt eine übersichtliche Liste als Antwort und wird für ihre Entscheidung eine ganze Weile mit der KI chatten – aber keine einzige deutsche Hochschulwebsite besuchen.

Laut einer Umfrage des Digital Education Council in mehr als einhundert Ländern nutzten bereits 2024 rund 86 Prozent der Studierenden KI-Anwendungen in ihrem Studium – mehr als zwei Drittel davon zur Informationssuche. Dabei lesen sie zunehmend die KI-basierten Overviews der Suchmaschinen oder bleiben, wie im fiktiven Beispiel, im Chat mit Perplexity, Gemini, ChatGPT und Co.

KI bietet zugeschnittene Studienberatung

Für Studieninteressierte ist das bequem: Die KI fragt gezielt und in ihrer Sprache nach ihrem akademischen Hintergrund, ihren Karrierezielen, Länderpräferenzen, finanziellen Möglichkeiten, Sprachkompetenzen und recherchiert auf dieser Basis passende Studienangebote.

Für deutsche Hochschulen bedeutet das: Sie müssen sicherstellen, dass die KI-Systeme ihre Inhalte finden und in ihre Antworten einbeziehen. Dabei ist die KI-Landschaft heterogen: Während vietnamesische oder indische Studieninteressierte vor allem ChatGPT, Gemini oder Perplexity nutzen, dominieren etwa in China mit Baidu Wenxin oder dem rasant gewachsenen DeepSeek andere Plattformen.

Ist GEO erweitertes SEO?

Bislang war Search Engine Optimization (SEO) das Mittel der Wahl, um online sichtbar zu sein: Hochschulen optimierten ihre Websites mit gezielten Keywords, generierten Backlinks und sorgten für technisch saubere Seiten, damit Suchmaschinen sie möglichst weit oben in den Ergebnissen platzierten. KI-Systeme aber lesen anders als klassische Crawler: Sie suchen nicht nach Ranking-Signalen, sondern bewerten Inhalte danach, ob sie eine konkrete Frage beantworten und ob sie sich als vertrauenswürdige Quelle in einer Antwort zitieren lassen. Genau hier setzt Generative Engine Optimization (GEO) an.

Welche Maßnahmen zählen zu GEO?

GEO umfasst Maßnahmen, die dafür sorgen, dass KI-Systeme Inhalte finden, richtig einordnen und in ihren Antworten als Quelle zitieren. Wichtig dabei: GEO ist kein Ersatz für SEO – sondern eine Weiterentwicklung für das KI‑Zeitalter. Als Leitlinie gelten weiterhin die E‑E‑A‑T-Kriterien. Das Kürzel steht für Experience (Erfahrung), Expertise (Fachwissen), Authoritativeness (Autorität) und Trustworthiness (Vertrauenswürdigkeit). Genau nach diesen Merkmalen bewerten auch KI‑Systeme, welche Quellen sie übernehmen und zitieren. Für Hochschulen ist das eine gute Nachricht: Sie bringen diese Stärken meist schon mit – und müssen sie oft nur klarer sichtbar und leichter zitierbar machen.

KI mit Langzeit- und Kurzzeitgedächtnis

Dr. Vroni Hackl, KI-Bildungsforscherin, war wissenschaftliche Mitarbeiterin an der Universität Passau und ist heute Unternehmerin. Sie trainiert und berät mit ihrem KI Marketing Bootcamp Unternehmen und Institutionen im Einsatz von generativer KI. Sie stellt klar: „KI-Systeme wie ChatGPT oder Perplexity haben, vereinfacht gesagt, zwei Wissensquellen: ein Langzeitgedächtnis und ein Kurzzeitgedächtnis. Das Langzeitgedächtnis sind die Trainingsdaten; alles, was das Modell je gelernt hat, inklusive dem, was über eine Hochschule geschrieben wurde.“ Das Kurzzeitgedächtnis sei die Live-Recherche: Braucht das Modell aktuellere Informationen, sucht es im Web. „Für Hochschulen ist das eine wichtige Unterscheidung. Bekannte Institutionen stecken mit hoher Wahrscheinlichkeit bereits im Langzeitgedächtnis, durch Wikipedia, Medienberichte, Publikationsdatenbanken. Kleinere oder spezialisierte Hochschulen sind dort in der Regel seltener zu finden.“

Die gute Nachricht laut Hackl: Bei spezifischen, aktuellen Fragen, etwa „Welche deutschen Hochschulen bieten 2026 einen Master in Responsible AI an?“, sucht ein KI-System live. Dann punkten Hochschulen, die ihre Inhalte auf KI-Sichtbarkeit optimieren. „Es gibt aber auch Fragen, bei denen das System gar nicht sucht, weil es meint, die Antwort schon zu kennen.“ Wer in den Trainingsdaten nicht vorkommt, wird dann schlicht nicht erwähnt.

Auf wen optimieren, Mensch oder Maschine?

Dass der Wandel im Suchverhalten in der Praxis bereits spürbar ist, bestätigt Martin Schifferings. Er leitet im DAAD das Referat Externe Online-Services und sagt: „Auch wenn ein Großteil der Nutzenden momentan noch auf den klassischen Wegen auf unsere Seiten gelangt, greifen immer mehr Personen direkt auf KI-Systeme wie Chatbots zurück oder erhalten Antworten bereits in den Suchergebnissen, ohne eine DAAD-Website zu besuchen.“

Das zeige sich auch konkret in den Daten: Der KI-Traffic aus generativen Systemen auf den DAAD-Seiten wachse massiv – um teils mehrere Tausend Prozent im Jahresvergleich. „Die Fragmentierung der KI-Systeme spielt für uns aktuell keine handlungsleitende Rolle, denn auch wenn verschiedene Länder unterschiedliche Systeme nutzen, bleibt die strategische Grundlage gleich: Wir setzen auf klar strukturierte, verständliche und vertrauenswürdige Inhalte, die grundsätzlich von verschiedenen KI-Systemen verarbeitet werden können.“

Weitere Tipps finden Sie in der Checkliste am Ende des Artikels.

Welche Inhalte zitieren KI-Systeme?

Wie KI-Systeme genau entscheiden, wen sie zitieren, sei nicht transparent, weiß Vroni Hackl: „OpenAI, Google und Microsoft legen ihre Zitierlogiken nicht offen. GEO ist also kein Schalter, den man umlegt. Es ist eine informierte Wette auf Strukturen, die nachweislich bevorzugt werden.“

Relativ neu sind spezielle Tools, die damit werben, KI-Sichtbarkeit zu analysieren: Während klassische SEO-Analyse-Tools Suchmaschinen-Rankings messen, tracken Anwendungen wie Otterly.ai, das Semrush AI Toolkit oder SISTRIX AI, ob und wie eine Marke oder Institution in KI-Antworten auftaucht.

Jochen Hartmann, Professor für Digital Marketing an der TU München und Organisator der GenAI Lab Seminar Series sagt zur Messung der KI-Sichtbarkeit: „Klassische SEO-Metriken behalten im GEO-Kontext eine gewisse Relevanz, müssen aber neu interpretiert werden.“ So lasse sich zum Teil auch bei KI-Traffic auswerten, aus welchen der verschiedenen Plattformen Nutzende auf die eigene Website gelangt sind – zum Beispiel über:

• UTM-Parameter: kurze Tracking-Zusätze am Ende eines Links, mit denen man erkennt, aus welcher Maßnahme/Kampagne oder Quelle ein Klick stammt – und bei passender Benennung auch, ob er zum Beispiel aus einem KI-Tool kam (sofern der Link entsprechend getaggt ist)
• Referrer-Daten: Angaben im Analyse-Tool, die zeigen, von welcher Seite jemand weitergeklickt hat (zum Beispiel, ob jemand über eine KI-Antwort zur Hochschulwebsite gelangt ist)

Das klappt aber nur, wenn die eigene Website für die Leseroboter der KI-Plattformen zugänglich ist. Website-Verantwortliche sollten daher prüfen, ob ihre Seiten für Crawler auslesbar sind – und das Crawling über die robots.txt-Datei gezielt steuern:

• Crawler: ein Programm/Bot, der Websites automatisch besucht und Inhalte ausliest
• robots.txt: eine Datei, mit der man Bots sagen kann „dürft ihr lesen“ oder „bitte nicht“. Wenn dort etwas gesperrt ist, kann die Plattform die Inhalte möglicherweise nicht abrufen – dann gibt es auch weniger zu messen.

Verständnis von Online-Sichtbarkeit erweitern

„Wer eine KI-Antwort liest, ohne weiterzuklicken, bleibt ohnehin unsichtbar. Der Großteil der GEO-Wirkung entsteht allerdings genau dort: in der Antwort selbst, nicht im Klick danach“, so Hartmann. Es gelte nicht nur zu messen, ob eine Hochschule sichtbar ist, sondern auch, wie sie dargestellt wird: „Dafür braucht es einen erweiterten Messrahmen. Vielversprechend sind Prompt-basierte Testverfahren: Hochschulen formulieren strategisch relevante Fragen, die Studieninteressierte und andere Zielgruppen typischerweise an KI-Systeme stellen, etwa zu Reputation, Zulassung oder Studienangeboten.“ Diese überprüfen sie regelmäßig innerhalb der wichtigsten Plattformen. Die generierten Antworten liefern dann die Grundlage für ein institutionelles Kennzahlenset, das Sichtbarkeit, Korrektheit und weitere kommunikationsrelevante Dimensionen abbildet. „Wesentliche Teile dieses Prozesses lassen sich über Plattform-APIs, also Schnittstellen, und LLM-basierte Auswertungen automatisieren“, erklärt der Experte für Digital Marketing.

Neue Herausforderungen kennen und angehen

Kritisch sieht Hartmann die Abhängigkeit von KI-Modellen, die sogar tiefgreifender wirken könnte als die bisherige von Suchmaschinen: „Bei der klassischen Suchmaschinenoptimierung waren Google und andere primär ein Traffic-Kanal: Nutzende landeten auf der eigenen Website, wo die Hochschule Kontext und Darstellung kontrollierte.“ Im GEO-Kontext vermittelten KI-Plattformen zunehmend nicht nur die Auffindbarkeit, sondern auch die Interpretation.

Hochschulen, die ihre Inhalte für KI-Systeme optimieren, müssen zudem beachten, dass öffentlich zugängliche Inhalte von KI-Anbietern zum Training ihrer Modelle genutzt werden können – ein Aspekt, der in der DSGVO rechtlich noch nicht abschließend geklärt ist.

Und: Der Wandel im Suchverhalten der Nutzenden durch KI-Modelle ist längst nicht abgeschlossen. Martin Schifferings vom DAAD stellt sich zum Beispiel darauf ein, „dass künftig vermehrt KI-Agenten Informationen komplett eigenständig recherchieren, bewerten und weiterverarbeiten.“ Umso mehr müssen Marketingverantwortliche an Hochschulen ein Verständnis für GEO entwickeln und ihren Inhalten und Studienangeboten einen Platz in den KI-Antworten sichern.