Von Keyword zu Empfehlung: So wirst du im B2B von KI-Suchmaschinen empfohlen (GEO Tutorial)

Kurz & Knapp

• GEO ist nicht nur eine Erweiterung von SEO, sondern ein eigenständiger Layer, der Empfehlungen in KI-gestützten Kaufsituationen optimiert, während SEO auf Suchmaschinen-Rankings abzielt.
• Klassische SEO-Analysen sind für KI-Sichtbarkeit unzureichend; stattdessen sind tiefe, manuelle Wettbewerbsanalysen, Markenstärke, Marketing-Mix und externe Signale entscheidend.
• Der Erfolg in KI-Suchmaschinen erfordert einen neuen Prozess: Verstehen der Kundenreise, Ableitung von Prompts, Bewertung des Ist-Zustands, Optimierung der Inhalte und kontinuierliches Messen der Empfehlungswahrscheinlichkeit.

Bei KI-Suche scheiden sich die Geister. Die einen sagen: "SEO, GEO – alles dasselbe." Die anderen teilen Case Studies von Brands, die plötzlich in ChatGPT auftauchen und daraus Leads gewinnen. Wer hat recht?

Meine Position ist klar: GEO ist nicht "nur SEO". Die Tätigkeiten überlappen sich, aber das Ziel ist ein anderes. SEO optimiert auf Auffindbarkeit in Suchmaschinen. GEO optimiert auf Empfehlungen in KI-gestützten Kaufsituationen. Das ist derselbe Unterschied wie zwischen SEO und CRO: gleiche Seite, unterschiedliches Ziel, unterschiedliche Arbeit.

In diesem Artikel zeige ich dir den Prozess, den wir aktuell bei eigenen Projekten wie Rawshot und Careertrainer.ai fahren und den ich auch in Kundenprojekten einsetze. Du bekommst keine Theorie, sondern konkrete Schritte – inklusive der Fehler, die ich ständig bei klassischen SEO-Ansätzen sehe und die dich in der KI-Ära kosten werden.

Warum klassische Wettbewerbsanalyse bei KI-Suche scheitert

Die klassische SEO-Wettbewerbsanalyse reicht für KI-Sichtbarkeit nicht aus. Sie liefert dir viele Daten, aber wenig Aussagekraft – vor allem, wenn es darum geht, als Marke von einem Sprachmodell empfohlen zu werden.

Typischer Ablauf in der SEO-Agentur: Domain in Ahrefs eingeben, Traffic-Verlauf anschauen, Domain Rating checken, Backlinks analysieren. Dann die Content-Gap-Funktion anwerfen, fünf Wettbewerber eintragen und am Ende liegt ein Excel-Sheet mit 10.000 Keyword-Zeilen auf dem Tisch. Daraus wird dann direkt eine Strategie abgeleitet.

Ich war nie ein Fan von diesem Ansatz. Das Problem: Die Daten sind oberflächlich. Sie sagen dir, welche Keywords der Wettbewerb rankt – aber nicht, ob es für dich Sinn macht, diese Keywords zu bespielen. Sie sagen dir nichts über Markenstärke, Marketing-Mix oder warum dieser Wettbewerber überhaupt rankt.

Was in einer ernsthaften Analyse drinstehen muss

Wenn ich heute eine Wettbewerbsanalyse mache, dann schaue ich mir nicht nur Tool-Daten an. Ich investiere Zeit auf den Webseiten selbst. Bei einem E-Commerce-Projekt heißt das: Ich öffne die Domain und prüfe manuell, wie Kategorien strukturiert sind, ob es verschiedene Templates gibt, wie Filter funktionieren (entsteht eine neue URL oder läuft alles über Canonical in einen JavaScript-Filter rein?), wie Produktseiten aufgebaut sind.

Das kostet Zeit. Für 100 Wettbewerber bei Rawshot sitze ich ein bis zwei Tage daran. Aber nur so bekomme ich ein echtes Grundverständnis.

Dazu kommen Faktoren, die in keinem SEO-Tool stehen:

• Markenstärke: Wie viele Brand-Suchen hat der Wettbewerber? Eine starke Marke mit mittelmäßigem SEO ist strategisch etwas völlig anderes als eine starke SEO-Seite ohne Marke dahinter. Das beeinflusst, wie du deine eigene Strategie baust.
• Marketing-Mix: Gibt es Personal Brands auf LinkedIn? Werden Google Ads geschaltet? Welche Kanäle bespielt der Wettbewerber? Du musst nicht jede LinkedIn-Strategie im Detail zerlegen, aber du brauchst das Gesamtbild.
• Backlink-Muster: Woher kommen die Links? Bei nischigen DACH-B2B-Branchen gibt es oft klare Muster – Messen, Autorenprofile in Fachpodcasts, Branchenmedien. Und: Liegt das durchschnittliche Domain Rating in deinem Markt bei 60+, weißt du, was an Linkbuilding auf dich zukommt.
• Positionierung in KI-Antworten: Wer wird empfohlen, wenn ein potenzieller Kunde ChatGPT nach einer Lösung in deinem Bereich fragt? Das ist der neue, strategisch entscheidende Layer.

Als CMO oder Marketing-Verantwortlicher musst du dir bewusst sein: Wenn du eine externe SEO-Agentur mit der Analyse beauftragst und die kommt nur mit Ahrefs-Export zurück, dann bekommst du eine halbe Strategie. Übernimm ihre Empfehlungen nicht blind – die Content-Gap zeigt vielleicht, dass dein Wettbewerb im TOFU-Bereich 500 Keywords hat, die du nicht hast. Wenn deine Strategie aber auf Bottom-of-the-Funnel-Themen zielt, ist das völlig irrelevant.

SEO bleibt Grundlage – aber GEO ist ein eigener Layer mit eigenen Regeln

Bevor wir zum Prozess kommen, eine Einordnung: SEO bleibt für mich das Fundament. Wer von 80/20-Verteilungen zwischen SEO und GEO redet, bewegt sich im Bereich der Schätzungen – die genauen Zahlen werden sich ohnehin verschieben. Aber das Fundament steht fest: Nutzerzentrierte Inhalte, technisch zugängliche Seiten, ein Verständnis für Begriffe, nach denen Menschen in deinem Markt suchen. Das ist die Basis.

GEO ist der neue Layer obendrauf. Und er folgt anderen Regeln.

Der wichtigste Unterschied: SEO geht um Retrieval, GEO geht um Empfehlungen. Bei SEO fragst du: Kann meine Seite gefunden werden? Kann sie ranken? Befriedigt sie die Suchanfrage? Bei GEO fragst du: Versteht das Modell, was meine Marke ist? Kann es mich zu Alternativen ins Verhältnis setzen? Kann es mich in die richtigen Kaufsituationen einordnen? Und: Sieht das Modell genug Bestätigung im Web, um mich überhaupt mit Sicherheit zu nennen?

Das Argument "Wer gut rankt, wird schon empfohlen" ist zu schwach. Manchmal stimmt es, oft nicht. Du kannst technisch saubere Seiten haben und trotzdem unsichtbar sein, wenn ein Käufer nach der besten Lösung für einen konkreten Use Case, eine Branche oder einen Budget-Rahmen fragt. Grund: Sprachmodelle arbeiten nicht nur mit Retrieval Augmented Generation (RAG). Sie haben parametrisches Wissen, interne Gewichtungen und Fan-Out-Queries, die du von außen nicht siehst.

Heißt praktisch: Du kannst ranken und trotzdem nicht empfohlen werden. Und du kannst empfohlen werden, ohne im klassischen Sinn top zu ranken.

Der Prozess: So baust du Sichtbarkeit in KI-Suchmaschinen auf

Hier ist der Prozess, den ich aktuell bei eigenen Projekten und in Kundenarbeit einsetze. Er besteht aus sechs Schritten und funktioniert unabhängig davon, ob du ein Softwareunternehmen, eine Beratung oder ein Industriezulieferer bist.

Schritt 1: Kundenreise verstehen – nicht Keywords recherchieren

Der erste Schritt ist kein SEO-Schritt. Du musst verstehen, in welchen Situationen deine Käufer sind, welche Probleme sie lösen wollen und wie sie darüber sprechen. Je länger dein Unternehmen am Markt ist, desto einfacher ist dieser Schritt – du kennst deine Kunden bereits.

Methoden, die funktionieren: Gespräche mit dem Vertriebsteam, Auswertung vorhandener Sales-Meeting-Zusammenfassungen, Kundeninterviews. Bei Careertrainer.ai, wo wir noch keine große Kundenbasis haben, frage ich in jedem Erstgespräch: Wie bist du auf mich aufmerksam geworden? Daraus ergeben sich Muster – oft kommen Leute über branchenspezifische Suchanfragen, weil sie eine Landingpage für "Salestraining Branche XY" gesehen haben.

Das ist Arbeit, die viele SEOs in den letzten Jahren nicht gemacht haben. War auch nicht nötig, um Traffic aufzubauen. Heute ist es anders: Wer nicht nah am Kunden arbeitet, hat bei KI-Suche keine Chance. Das Modell muss verstehen, für welche Kaufsituationen du die richtige Wahl bist – und dafür brauchst du klare Sprache aus dem Kundenkopf, nicht Keywords aus einem Tool.

Schritt 2: Prompts ableiten – das neue Keyword-Research

Aus der Kundenreise leitest du synthetische Prompts ab. Das sind Eingaben, die deine Zielgruppe so oder so ähnlich in ChatGPT tippen könnte.

Wichtig: Diese Prompts müssen nicht hundertprozentig exakt sein. Sie sind nicht dafür da, ein SEO-Volumen abzubilden. Sie sind dafür da, ein Marktbild zu gewinnen. Andrew Holland vom GEO-Fachblog "Growth Through Content" bringt es gut auf den Punkt: Keywords waren komprimiertes Nutzerverhalten für Suchmaschinen. Prompts sind reichhaltiger, situativer, oft unsichtbar – manche werden getippt, manche gesprochen, manche sind sieben Wörter, andere ein ganzer Absatz.

Du wirst nie das komplette Prompt-Universum abbilden. Das ist okay. Ziel ist ein repräsentatives Set von 20 Prompts, das die wichtigsten Kaufsituationen deiner Zielgruppe abdeckt. Branche, Region, Teamgröße, Budget, konkreter Use Case – diese Qualifikatoren gehören rein. Das ist der Unterschied zwischen einem SEO-Keyword und einem GEO-Prompt.

Schritt 3: Ist-Analyse – wo wirst du aktuell empfohlen?

Mit dem Prompt-Set gehst du in ChatGPT und misst den Status quo. Wichtig: Nutze den temporären Modus, damit deine Historie keine Rolle spielt. Kopiere die Prompts nacheinander rein und dokumentiere, welche Anbieter genannt werden.

Die Ergebnisse sind variabel. Heute wirst du vielleicht genannt, morgen nicht. Das ist kein Fehler im System, sondern eine Eigenschaft von Sprachmodellen. Trotzdem lässt sich ein Muster erkennen: Wenn du in einem strategisch wichtigen Prompt über mehrere Tage nie auftauchst, hast du ein Sichtbarkeitsproblem.

Was du dabei festhalten solltest:

• Bist du als Anbieter genannt? Falls nein: in welchen Prompts systematisch nicht?
• Welche Wettbewerber werden genannt? Und warum – wegen starker Marke, wegen konkreter Positionierung, wegen externer Reviews?
• Welche Quellen zitiert das Modell? Reddit, YouTube, G2, Branchenportale, eigene Website – das gibt dir Hinweise darauf, welche Signale das Modell gerade gewichtet.

Manuelles Tracking reicht anfangs völlig aus. Ich empfehle Tools wie Peec AI, Prompt Watch oder Rank Scale erst, wenn du ein klares Prompt-Set hast und kontinuierlich tracken willst. Bei größeren Unternehmen ist Tool-Einführung oft ein Projekt für sich – den Aufwand spart man sich am Anfang.

Schritt 4: SEO-Fundament ehrlich bewerten

Bevor du GEO-spezifische Arbeit machst, schau dir dein SEO-Fundament an. Es entscheidet, wie viel Vorarbeit du hast – und wie groß der Umbau wird.

Das Fundament ist in den meisten Fällen eines von zwei Szenarien:

Szenario A – Schwach: Die Seite besteht aus Clusterartikeln und Skyscraper-Content, der seit fünf Jahren nicht aktualisiert wurde. Viele generische TOFU-Artikel, wenig spezifische Landingpages. Hier ist die Ausgangsbasis für KI-Sichtbarkeit schlecht. Nicht weil der Content nicht indexiert ist, sondern weil er nicht spezifisch genug ist, um in konkreten Kaufsituationen empfohlen zu werden.

Szenario B – Solide: Es gibt Bottom-of-the-Funnel-Keywords mit echten Landingpages, nah am Kunden gearbeitet, saubere Zielgruppen-Ansprache. Hier brauchst du weniger Umbau und kannst direkt mit GEO-spezifischer Strukturierung weitermachen.

Parallel prüfst du die technischen Grundlagen. Besonders wichtig bei KI-Suche: Server Side Rendering nutzen, Inhalte ohne JavaScript zugänglich machen. Die aktuellen KI-Crawler haben nicht die Kapazitäten, die ein Googlebot hat. Wenn deine Inhalte nur über JavaScript geladen werden, sieht das Modell sie im Zweifel nicht. Das kann sich ändern – aktuell ist die Empfehlung eindeutig.

Schritt 5: Inhalte neu strukturieren und Empfehlungs-Signale aufbauen

Wenn das Fundament steht, geht die eigentliche GEO-Arbeit los. Sie hat zwei Dimensionen: Content-Strukturierung auf deiner Seite und Signale außerhalb deiner Seite.

Auf deiner Seite: Antworten klar strukturieren, kürzere Sätze, Pyramidenprinzip in jedem Abschnitt, konkrete Zielgruppen-Ansprache. Nehmen wir die Careertrainer.ai-Seite als Beispiel: Statt einer vagen "Für alle Führungskräfte geeignet"-Formulierung arbeiten wir auf Zielgruppenseiten explizit heraus, für wen genau das Training ist (neue Führungskräfte, erfahrene Führungskräfte, Vertriebsleiter), was der konkrete Nutzen ist und in welcher Situation sie damit arbeiten. Das Modell braucht explizite Aussagen – es rät nicht für dich.

Außerhalb deiner Seite: Das unterschätzen viele. Sprachmodelle stützen ihre Empfehlungen auf externe Validierung. Laut mehreren aktuellen Studien zum GEO-Thema sind das vor allem:

• Softwarebewertungsportale wie G2, Capterra und OMR Reviews – für B2B-Software fast nicht verhandelbar. Wenn du nicht auf G2 bist, wirst du in ChatGPT für viele Kategorien schlicht nicht empfohlen.
• Case Studies auf Drittportalen und Presseberichte – nicht für Traffic, sondern als Signal, dass deine Marke mit den richtigen Themen assoziiert wird.
• Reddit-Threads, YouTube-Rezensionen, Fachpodcasts – hier werden Marken oft ehrlicher diskutiert als auf der eigenen Seite, und Modelle greifen diese Signale stark auf.
• Autorenprofile und Partnerseiten – besonders für Personal Brands und Beratungen relevant.

Backlinks aus dem klassischen SEO helfen hier bedingt. Ein generischer Backlink bringt dir im SEO-Fundament etwas, aber er schafft keine thematische Validierung. Ein Artikel, in dem deine Marke mit einer konkreten Kategorie oder Kaufsituation in Verbindung gebracht wird, ist in der GEO-Logik zehnmal wertvoller als ein anonymer Verzeichniseintrag mit DR 70.

Schritt 6: Messen – aber nicht mit Screenshots

Der Messbarkeits-Diskurs bei GEO ist oft peinlich. Ein Screenshot, in dem ChatGPT deine Marke genannt hat, ist kein Erfolg. Es ist ein Hinweis, mehr nicht.

Was du tatsächlich messen solltest:

• Empfehlungswahrscheinlichkeit über dein Prompt-Set: Wie oft wirst du in deinen 20 strategischen Prompts genannt – im Vergleich zu Wettbewerbern und über Zeit?
• Bot-Aktivität: Welche KI-Crawler greifen auf deine Seite zu? Tools wie Microsoft Clarity zeigen das, oder du baust dir eine einfache Auswertung über Cloudflare. Prompt Watch und ähnliche Suites integrieren das ebenfalls.
• Klicks und Rankings: Bleibt als SEO-Fundament-Messung wichtig. Wenn dein Fundament besser wird, läuft GEO meist parallel mit hoch.
• Qualitative Signale: Neue Leads, die im Erstgespräch sagen "ChatGPT hat dich empfohlen" oder "Ich habe nach X gesucht und dich vorgeschlagen bekommen". Bei Rawshot und Careertrainer.ai ist das mittlerweile ein wesentlicher Anteil der qualifizierten Anfragen.

Der wichtigste Punkt: GEO ist keine Traffic-Disziplin. Genauso wenig wie Paid Search Traffic optimiert, sondern Conversions und Umsatz. GEO optimiert auf Empfehlungen in Kaufsituationen. Wenn du das als Messlogik akzeptierst, wirst du auch andere Fragen stellen – nicht "Wie viele Besuche kamen über ChatGPT?", sondern "Wie oft wurde ich bei einem kaufrelevanten Prompt genannt, und hat das qualifizierte Nachfrage erzeugt?"

Was das konkret für dich heißt: Drei Implikationen

Erstens: Hör auf, GEO als SEO-Unterabteilung zu behandeln. Ja, es gibt Überschneidungen. Aber das Ziel ist ein anderes, die Diagnose ist eine andere, die Arbeit ist eine andere. Wer behauptet, GEO sei "nur SEO", hat sich entweder nicht damit beschäftigt oder verteidigt ein altes Geschäftsmodell. Dieselbe Seite kann für SEO, CRO und GEO optimiert werden – und niemand würde CRO "nur SEO" nennen.

Zweitens: Deine Positionierung wird zur Sichtbarkeitsfrage. GEO bestraft vage Marken. Wenn deine Website nicht klar sagt, für wen du bist, was du löst, wo du arbeitest, wann du die richtige Wahl bist und welche Belege das stützen – warum sollte ein Sprachmodell das für dich raten? Viele Unternehmen entdecken in GEO-Audits, dass sie kein Sichtbarkeits-Problem haben, sondern ein Positionierungs-Problem. Das ist unbequem, aber wertvoll.

Drittens: Es ist eine Interface-Verschiebung, kein Hype. Uber hat nicht Mobilität erfunden, Deliveroo nicht Lieferessen – sie haben das Interface verschoben, über das Nachfrage ausgedrückt wird. Das Gleiche passiert gerade mit Suche. Die alte Journey war Keyword → Ergebnisseite → Klick → Vergleich. Die neue Journey ist Prompt → Verfeinerung → Zusammenfassung → Shortlist. Wenn du diese Verschiebung erkennst, wirst du auch nicht mehr fragen "Gibt es da schon genug Traffic?" Du wirst fragen "Tauche ich auf, wenn meine Zielgruppe nach einer Lösung fragt?"

Fazit: GEO ist ein eigenständiges Spielfeld – und du solltest jetzt anfangen

KI-Sichtbarkeit im B2B ist kein Trend, den du aussitzen kannst. Sie ist eine Interface-Verschiebung, die die Art verändert, wie Kaufentscheidungen vorbereitet werden. Wer weiter nur auf Rankings optimiert, verwaltet eine alte Landkarte.

Der Prozess, den ich in diesem Artikel beschrieben habe, funktioniert – sowohl bei Rawshot und Careertrainer.ai als auch in meinen Kundenprojekten. Die Anfragen, die über den GEO-Layer reinkommen, sind oft qualifizierter als klassischer SEO-Traffic, weil die Leute schon eine Shortlist im Kopf haben, wenn sie auf deiner Seite landen.

Nächste Schritte, wenn du anfangen willst

• Sprich mit deinem Vertriebsteam und schreib die zehn häufigsten Kaufsituationen auf, in denen eure Zielgruppe steckt.
• Leite daraus 20 synthetische Prompts ab und teste sie im temporären Modus in ChatGPT. Dokumentiere, wer empfohlen wird.
• Prüfe dein SEO-Fundament: Hast du spezifische Landingpages pro Zielgruppe und Use Case – oder nur generische Clusterartikel?
• Checke externe Validierung: G2, Capterra, Reddit, Fachpodcasts. Wo taucht deine Marke in deiner Kategorie auf, wo nicht?
• Entscheide, welche zwei, drei Kaufsituationen du in den nächsten 90 Tagen in den Griff bekommen willst – und arbeite dort sowohl an Seitenstruktur als auch an externen Signalen.

Wenn du das für deine Marke einmal beispielhaft durchspielen willst, schreib mir – auf meiner Website oder direkt auf LinkedIn. Ich schau mir das im Erstgespräch unverbindlich an und geb dir ein paar Impulse, wo du stehst und wo die Hebel sind.