Gute GEO-Beratung für B2B-Unternehmen: So würde ich wählen

Kurz & Knapp

• GEO ist keine technische SEO-Optimierung, sondern eine Strategie zur gezielten Informationsversorgung, um die Kaufentscheidung zu beeinflussen.
• Erfolgreiche GEO-Arbeit basiert auf klaren Positionierungen, systematischer Messung und der Einbindung externer Erwähnungen, nicht auf Rankings oder Tool-Listen.
• Der deutschsprachige Markt bietet noch Chancen durch dünne Quellen, erfordert aber eine explizite Explikationsarbeit und eine systematische, nachhaltige Vorgehensweise.

Wenn ihr ChatGPT oder den Google AI Mode fragt, worauf ihr bei einer GEO-Beratung achten sollt, bekommt ihr eine erstaunlich einheitliche Liste: Schema Markup, Citation Management, ein Monitoring-Dashboard, Schulungen fürs Team. Ich habe das selbst getestet — mit Prompts, wie sie meine eigene Zielgruppe formulieren würde.

Das Ergebnis hat zwei Probleme. Das kleinere: Einige dieser Kriterien stammen aus der SEO-Welt und wurden mit einem KI-Etikett versehen. Das größere: Die Listen behandeln GEO als technische Disziplin — als ginge es darum, eine Website für eine neue Sorte Suchmaschine herzurichten. Wer mit diesem Bild einkauft, wählt am Ende den falschen Berater, selbst wenn er jedes Kriterium der Liste abhakt.

Deshalb fängt dieser Artikel eine Ebene höher an: bei dem, was GEO eigentlich ist und was das speziell für Unternehmen im deutschsprachigen Raum bedeutet. Erst danach kommen die Kriterien — inklusive der Punkte, an denen ich der gängigen Empfehlungslogik widerspreche.

Zur Einordnung: Ich arbeite als GEO-Berater für B2B-Unternehmen und betreibe mit Rawshot.ai und Careertrainer.ai zwei eigene Software-Produkte, an denen ich jede Methode zuerst selbst teste. Ich bin also nicht neutral. Aber ich nenne keine Anbieter und keine Rangliste, sondern Maßstäbe, die ihr an jeden Berater anlegen könnt — mich eingeschlossen.

Worum es bei GEO wirklich geht: gewählt werden, nicht gefunden werden

SEO und GEO beantworten zwei verschiedene Fragen. SEO beantwortet: Welche Seite passt zu dieser Suchanfrage? Das Ergebnis ist ein Ranking, das Ziel ein Klick. GEO beantwortet: Welcher Anbieter passt zu diesem Problem? Das Ergebnis ist eine Empfehlung — eine Shortlist, die ein KI-System für einen Käufer zusammenstellt, der sein Problem in ganzen Sätzen beschrieben hat, mit Budget, Branche, Teamgröße und allem, was ihm wichtig ist.

Diese Shortlist ist ökonomisch etwas anderes als ein Suchergebnis. Sie verändert das Relevant Set des Käufers, bevor ihr überhaupt wisst, dass es ihn gibt. Im B2B mit langen Verkaufszyklen heißt das: Die Vorauswahl fällt heute oft in einem Chat-Fenster, Monate bevor eine Anfrage bei euch eingeht — oder eben beim Wettbewerber.

Und hier liegt der Kern, den die technischen Kriterienlisten verfehlen: Ein KI-System kann nicht wissen, wer die beste Wahl ist. Es kann nur abschätzen — anhand der Informationen, die es über euch findet. Eine Empfehlung ist im Grunde eine Wette des Modells, und das Modell wettet nur auf Anbieter, bei denen genug eindeutige Belege vorliegen. Ist die Informationslage zu eurem Unternehmen dünn, widersprüchlich oder generisch ("innovative Lösungen für anspruchsvolle Kunden"), empfiehlt das System den Anbieter, bei dem es sich sicherer fühlt. Meist den bekannteren.

GEO ist deshalb keine Optimierungstechnik, sondern Informationsversorgung: dafür sorgen, dass im Netz genug klare, konsistente, glaubwürdige Belege existieren, damit Mensch und Maschine verstehen, wofür ihr die richtige Wahl seid. Das ist näher an Positionierung und PR als an technischem SEO.

Zwei Arten von Information entscheiden über Empfehlungen

Wenn man Empfehlungen von KI-Systemen systematisch auswertet, lassen sich die Belege, auf die sie sich stützen, in zwei Gruppen sortieren:

Entscheidungs-Information ist alles, was die Unsicherheit rund um die Kaufentscheidung reduziert — und das meiste davon liegt auf euren eigenen Seiten: Für wen ist das Angebot gedacht, für wen nicht? Welches Problem löst es, mit welchen Trade-offs? Warum ist der Ansatz so gewählt? Welche Belege gibt es? Das ist verkaufende Information im besten Sinn. Eine Seite mit dem Titel "Warum wir nur mit produzierenden B2B-Unternehmen arbeiten" ist kein Füllmaterial — sie ist Positionierung, die ein Modell auslesen und weitergeben kann.

Erwähnungs-Information ist alles, was Dritte über euch sagen: Fachmedien, Branchenverzeichnisse, Vergleichsartikel, Bewertungen, Podcasts, Konferenzbeiträge, Kundenstimmen. Modelle misstrauen reiner Selbstauskunft bei "Wer ist gut?"-Fragen — sie suchen Bestätigung von außen, und zwar im richtigen Kontext: erwähnt werden in Verbindung mit dem Problem, das ihr löst, nicht irgendwo.

Beides verstärkt sich gegenseitig, und Sichtbarkeit verhält sich dabei wie ein Netzwerk-Effekt: Wer erwähnt wird, wird häufiger erwähnt. Wer in Quellen auftaucht, taucht in den Quellen auf, die aus diesen Quellen entstehen. Der Anfang ist Handarbeit — irgendwann arbeitet das Netz mit.

Was das speziell für den DACH-Markt bedeutet

Drei Beobachtungen aus meiner Arbeit, die den deutschsprachigen Markt vom englischsprachigen unterscheiden — und die ein guter Berater hier kennen muss:

Die deutschsprachige Quellenlage ist dünn — und das ist eure Chance. Wenn ich heute Kauf-Prompts auf Deutsch durch die KI-Systeme schicke, sehe ich, worauf sich die Antworten stützen: vereinzelte Agentur-Blogs, Verbands-PDFs, gelegentlich sogar Social-Media-Posts. Für die meisten B2B-Kategorien existiert schlicht noch kein dichtes Netz deutschsprachiger Belege. Das heißt: Wenige, gut gemachte Quellen — eine präzise Lösungsseite, ein Fachbeitrag, ein, zwei kontextstarke Erwähnungen — verschieben hier mehr als im englischen Markt eine ganze Kampagne. Dieses Fenster schließt sich; in zwei Jahren ist die Quellenlage besetzt.

Internationale Wettbewerber gewinnen Empfehlungen oft nur über Informationsmenge. Das typische Muster bei Hidden Champions und Mittelständlern: Das Produkt ist für den DACH-Markt besser geeignet, aber der US- oder asiatische Wettbewerber dominiert die KI-Antworten — nicht wegen besserer Substanz, sondern weil über ihn schlicht mehr lesbares Material existiert. Wer einen Pitch verliert, weil "ChatGPT dem Kunden Anbieter X genannt hat", verliert ihn meist gegen Informationsmenge, nicht gegen Qualität.

Die Understatement-Kultur des Mittelstands ist im KI-Zeitalter ein messbarer Nachteil. "Wir lassen lieber unsere Arbeit sprechen" ist eine sympathische Haltung — aber eine Maschine kann unausgesprochene Qualität nicht auslesen. Das tiefe Produktwissen deutscher Industrieunternehmen steckt in Datenblättern, Konfiguratoren und den Köpfen des Vertriebs: für KI-Systeme unsichtbar. GEO im DACH-Raum ist deshalb zu großen Teilen Explikationsarbeit — vorhandene Substanz erstmals in maschinenlesbare Aussagen übersetzen. Das Gute daran: Es muss nichts erfunden werden, nur ausgesprochen. Und die hiesige Quellenlandschaft — Fachmedien, Verbände, Branchenportale, Hochschulkooperationen — ist als Erwähnungsquelle wertvoller, als ihr Ruf vermuten lässt: wenige Quellen, aber mit hoher Glaubwürdigkeit.

Drei Kriterien aus den üblichen Listen, die überbewertet sind

Vor den richtigen Kriterien kurz die drei, die in fast jeder Liste stehen und die ich anders gewichte:

Schema Markup als Kernleistung. Strukturierte Daten sind Hygiene, kein Hebel. KI-Systeme lesen bei Live-Recherchen primär den sichtbaren Text — die Klarheit der Aussagen, nicht die Auszeichnung dahinter. Eine Seite mit perfektem Markup und generischem Inhalt wird nicht zitiert; eine Seite ohne eine Zeile JSON-LD, die präzise beantwortet, für wen ein Produkt geeignet ist und für wen nicht, sehr wohl. Die Basics gehören gemacht — in ein, zwei Tagen, nebenbei. Wer sie als Strategie verkauft, hat keine.

Das GEO-Tool als erster Schritt. Die Tools sind nützlich — als Intelligenz-Quelle, nicht als Strategie-Ersatz. Das Problem ist die Reihenfolge: Ein Tool beantwortet, wie oft ihr bei bestimmten Prompts genannt werdet. Die Vorfrage — bei welchen Prompts ihr genannt werden müsst — beantwortet kein Tool, denn es gibt kein Suchvolumen für Prompts, egal was Dashboards suggerieren. Die Antwort steckt in euren Verkaufsgesprächen und der Frage, wie eure letzten zehn Kunden tatsächlich zu euch gefunden haben. Wer mit dem Tool startet, misst präzise — nur eben womöglich das Falsche.

"AI-Rankings" als Versprechen. Es gibt in KI-Antworten keine Positionen, die sich wie Google-Rankings tracken und optimieren lassen. Die Antworten sind probabilistisch, kontextabhängig und von Faktoren geprägt, die niemand von außen vollständig sieht — nicht einmal die Anbieter der Systeme selbst. Wer euch "Platz 1 in ChatGPT" verkauft, überträgt ein altes Geschäftsmodell auf eine Welt, in der es die Messgröße dafür nicht gibt. Was es gibt: Empfehlungen, Nennungen, Zitierungen, Begründungsmuster. Die lassen sich systematisch beobachten — aber das ist etwas anderes als ein Ranking-Report.

Kriterien für einen guten GEO-Berater

Womit wir bei dem wären, was tatsächlich zählt. Sieben Kriterien, jeweils mit der Frage, mit der ihr sie im Gespräch prüfen könnt.

Er startet bei euren Kaufsituationen, nicht bei einem Dashboard

Der erste Arbeitsschritt eines guten GEO-Beraters findet nicht in einem Tool statt, sondern in euren Verkaufsgesprächen: Welche Probleme beschreiben eure Käufer, bevor sie eure Kategorie kennen? Welche Einwände fallen immer wieder? Über welche Stationen sind die letzten zehn Kunden tatsächlich gekommen? Daraus entsteht die Landkarte der Kaufsituationen — und erst daraus das Prompt-Set, das gemessen wird. Prüffrage: "Wie findet ihr heraus, bei welchen Prompts wir genannt werden müssen?" Wer hier zuerst ein Tool nennt statt eure Kunden, denkt in Sichtbarkeits-Scores statt in Kaufmomenten.

Er arbeitet mit einer reproduzierbaren Mess-Methodik

Ohne reproduzierbare Messung ist GEO Bauchgefühl. Konkret heißt das: ein festes Set kaufrelevanter Prompts, in identischem Wortlaut, in festem Rhythmus, über alle relevanten Systeme (ChatGPT, Claude, Gemini, Perplexity, Google AI Mode). Und jede Antwort wird ausgewertet wie früher eine Suchergebnisseite: Wer wird genannt, mit welcher Begründung? Welche Quellen werden zitiert? Welche Auswahlkriterien fragt das Modell ab? Aus dieser Auswertung leitet sich jede Maßnahme ab — und an ihr muss sich jede Maßnahme später beweisen. Prüffrage: "Zeig mir deine Messmethodik an einem konkreten Beispiel." Ein Dashboard-Screenshot ist keine Antwort.

Er behandelt eure Positionierung als Teil des Auftrags

Ein KI-System kann nur empfehlen, was sich klar von Alternativen unterscheidet. Wenn eure Seiten dasselbe sagen wie die eurer drei wichtigsten Wettbewerber — und das tun sie in den meisten B2B-Kategorien —, kann kein Content-Volumen das kompensieren. Gute GEO-Beratung schärft deshalb zuerst die Aussagen: Für wen seid ihr die richtige Wahl, für wen nicht, und warum ist euer Ansatz so, wie er ist? Gerade im DACH-Mittelstand ist das oft der größte Hebel, weil die Substanz vorhanden, aber nie expliziert wurde. Prüffrage: "Was passiert, wenn unsere Positionierung unklar ist — optimiert ihr trotzdem?" Die richtige Antwort: Nein, dann wird zuerst positioniert.

Er denkt über eure Website hinaus

Eure eigene Website ist notwendig, aber nicht hinreichend — bei "Wer ist gut?"-Fragen wollen Modelle Bestätigung von Dritten. Ein guter Berater hat deshalb einen konkreten Plan für Erwähnungs-Information: Welche Quellen zitieren die KI-Systeme in eurer Kategorie heute, und wie kommt ihr dort hinein? Fachmedien, Branchenverzeichnisse, Vergleichsartikel, Podcasts, Bewertungsplattformen — kontextrelevant, nicht wahllos. Wer GEO als reines Website-Projekt anlegt, bearbeitet die Hälfte des Problems. Prüffrage: "Welche Quellen außerhalb unserer Website gehören zum Projekt — und wer kümmert sich darum?"

Er misst Empfehlungen und Geschäftswirkung, nicht Pseudo-Rankings

Das Reporting eines guten GEO-Beraters hat zwei Ebenen. Ebene eins: das Empfehlungs-Tracking — werden wir genannt, wie beschrieben, gegen wen, gestützt auf welche Quellen? Ebene zwei, und die fehlt in den meisten Angeboten: die Geschäftssignale. Markensuchen, Direkttraffic, Besuche auf den umsatzrelevanten Seiten, Anfragen mit Quelle "ChatGPT hat euch empfohlen", Erwähnungen, die niemand bezahlt hat. Nicht jede Empfehlung ist attribuierbar — aber wenn Markensuche, Anfragen und Nennungen gemeinsam steigen, braucht es kein Attributionsmodell, um zu wissen, dass es wirkt. Prüffrage: "Woran erkennen wir nach sechs Monaten, ob sich das kommerziell lohnt?" Wer nur Sichtbarkeits-Scores anbietet, hat darauf keine Antwort.

Er baut ein System mit definierter Übergabe

KI-Sichtbarkeit ist kein Projekt mit Endzustand: Modelle ändern sich, Wettbewerber ziehen nach, eure Produkte entwickeln sich. Eine Maßnahmenliste ist deshalb in sechs Monaten veraltet — was bleibt, ist der Mechanismus, der Maßnahmen laufend erzeugt: Einwände aus dem Vertrieb fließen systematisch in Inhalte, neue Produktentwicklungen werden automatisch zu lesbaren Seiten, das Monitoring zeigt monatlich die nächste Lücke.

Bei meinem eigenen Produkt Rawshot war genau dieser Mechanismus der Unterschied: kein Content-Sprint, sondern ein System — in 90 Tagen von null auf 3–5 qualifizierte Anfragen pro Tag aus KI-getriebenen Empfehlungen, und es läuft seitdem ohne Sonderaufwand weiter. Gute Beratung baut diesen Mechanismus in euren Werkzeugen und übergibt ihn an euer Team. Prüffrage: "Was läuft bei uns weiter, wenn das Projekt endet?" Wenn die ehrliche Antwort "die Zusammenarbeit, idealerweise unbefristet" lautet, kauft ihr Abhängigkeit, kein System.

Er sagt euch, wofür GEO nicht der richtige Hebel ist

Das zuverlässigste Einzelsignal: Fragt im Erstgespräch, wofür GEO bei euch nicht funktioniert. Wer darauf keine Antwort hat, hat entweder zu wenig Projekte gesehen oder verschweigt sie euch. Meine eigene Liste, offengelegt: GEO ist der falsche Hebel, wenn das eigentliche Problem im Produkt liegt — KI-Agenten lesen Spezifikationen und Bewertungen, Marketing-Glanz fliegt dort schneller auf als bei Google. Es ist verfrüht, wenn die Positionierung ungeklärt ist (siehe oben). Und es lohnt kaum, wenn eure Produkte so vergleichbar sind, dass ohnehin der Preis entscheidet. Prüffrage: "Wofür ist GEO bei uns nicht der richtige Hebel?" — und dann zuhören, ob eine konkrete, auf euch bezogene Antwort kommt.

Wann ihr keine GEO-Beratung braucht

Der Vollständigkeit halber: Wenn ihr ein fähiges Marketing-Team habt, das Zeit für Experimente bekommt, braucht ihr vermutlich keinen Berater — sondern drei Monate Fokus und die Erlaubnis, Empfehlungen statt Rankings zu messen. Die Methodik ist kein Geheimwissen; sie steht in Grundzügen in diesem Artikel. Was ein Berater beiträgt, ist Geschwindigkeit, Erfahrung aus anderen Projekten und der Blick von außen auf die eigene Positionierung — kein exklusiver Zugang zu Wahrheit.

Wenn ihr dagegen ein kleines Team habt, lange Verkaufszyklen, erklärungsbedürftige Produkte und erste Hinweise darauf, dass Wettbewerber in KI-Antworten auftauchen und ihr nicht: Dann ist das genau die Konstellation, in der ein systematischer Aufbau mit klarer Übergabe den größten Unterschied macht — und in der das Zeitfenster der dünnen deutschsprachigen Quellenlage noch offen ist.

Ich biete dafür einen kostenlosen Intro-Call an — 15 Minuten, kein Pitch. Ihr beschreibt eure Situation, ich sage ehrlich, ob der Hebel groß genug ist. Manchmal ist die Antwort: noch nicht. Auch das ist dann ein Ergebnis.