Für generative Suchmaschinen optimieren: Ein B2B-Playbook, um von ChatGPT und AI Overviews zitiert zu werden

GEO-Optimierung im B2B folgt einer festen Reihenfolge: Erst wenn Sie wissen, ob KI-Systeme Ihre Seite erreichen und wen sie heute nennen, lohnt sich jede weitere Stunde. Der Ablauf passt in ein Quartal und lässt sich in ein Projektboard übertragen.

Prompt-Audit für die GEO-Optimierung: Wer wird heute genannt, wer nicht?

Die Grundlagen zur Sichtbarkeit in KI-Systemen als neuem SEO klärt ein eigener Ratgeber. Für den Start zählt der Ist-Stand. Der erste Arbeitsschritt ist ein Prompt-Audit: Sie stellen den KI-Systemen die Fragen Ihrer Käufer und halten fest, welche Anbieter genannt werden.

Für den Schnelltest genügen sechs bis zehn vollständige Käuferfragen in vier Kategorien. Empfehlung: „Welche Anbieter für [Kategorie] eignen sich für Mittelständler in Deutschland?“ Vergleich: „Was unterscheidet [Anbieter A] von [Anbieter B]?“ Problem und Preis: „Wie senken wir den Aufwand bei [Problem]?“ oder „Was kostet [Kategorie] für ein Team mit 50 Nutzern?“ Kontrolle: „Was ist über [Ihre Firma] bekannt?“

Formulieren Sie ganze Sätze, denn so fragen Nutzer tatsächlich. Wörter wie „beste“, „Vergleich“ oder „Test“ lösen je nach Assistent eine Websuche aus und bestimmen damit, welche Quellen überhaupt infrage kommen.

Begriffsklärung: Non-Branded-Prompts nennen keine Marke, etwa „Welche Software für Vertragsmanagement passt zu einem Mittelständler?“ Sie zeigen, ob Ihre Firma überhaupt als Option auftaucht, und sind der eigentliche Lackmustest. Prompts ohne Ihre Nennung bilden Ihre Content-Gap-Liste.

Jede Frage stellen Sie drei- bis fünfmal in einem frischen Chat ohne Login oder im temporären Chat, damit Memory und Kontoeinstellungen das Ergebnis nicht verfälschen und Zufallsschwankungen sichtbar werden. Das vollständige Audit umfasst 10 bis 25 Prompts in ChatGPT, Perplexity, Claude und Gemini. Bei 25 Prompts in drei Systemen sind das 75 Einzeltests und insgesamt 2 bis 4 Stunden Arbeit.

Notieren Sie im Kontextfeld auch, welche Quellen die Antwort nennt. Diese Liste brauchen Sie später für die Drittquellen. Als Vorlage für ein Sheet dient diese Tabelle:

Technischer Zugang: Kommen GPTBot und Co. überhaupt durch?

Ob die Crawler Ihre Seite erreichen, prüfen Sie in rund 15 Minuten ohne Entwickler. Rufen Sie Ihre-Domain.de/robots.txt im Browser auf und suchen Sie die User-agent-Zeilen für GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, ClaudeBot und Google-Extended.

Zwei Bot-Typen: Trainings-Bots (GPTBot, ClaudeBot, Google-Extended) sammeln Inhalte fürs Modelltraining. Such-Bots (OAI-SearchBot, PerplexityBot) holen Seiten live für Antworten mit Quellenangabe, ChatGPT-User ruft Seiten auf Wunsch eines Nutzers ab.

OpenAI steuert diese drei Crawler getrennt. Jede Einstellung ist unabhängig, und eine Änderung wirkt für Suchergebnisse nach rund 24 Stunden. Wer nur GPTBot sperrt, sperrt OAI-SearchBot nicht mit, denn jeder Bot-Token braucht eine eigene User-agent-Zeile. Für ChatGPT-User gelten robots.txt-Regeln möglicherweise nicht, weil die Anfrage von einem Menschen ausgeht. Google-Extended steuert nur das KI-Training und lässt das Google-Ranking unberührt.

Die gängige Praxis-Empfehlung lautet: Training sperren, Suche zulassen. Ein Gerüst dafür:

Ob Sie das Training sperren, ist eine Abwägung (rechtlicher Rahmen siehe unten). Das Gerüst zeigt nur, dass beides getrennt geht. Bot-Namen ändern sich; gleichen Sie PerplexityBot und ClaudeBot vor dem Ticket mit den Hersteller-Seiten ab.

Die robots.txt allein garantiert keinen Zugang: Eine WAF (Web Application Firewall) kann einen erlaubten Bot trotzdem per Challenge abweisen. Daraus entsteht das Entwickler-Ticket: „Bitte sicherstellen, dass OAI-SearchBot, ChatGPT-User, PerplexityBot und Claude-SearchBot in der robots.txt erlaubt sind, dass Firewall und CDN diese User-Agents weder blockieren noch mit einer Challenge belegen und dass der Haupttext der Leistungs- und Vergleichsseiten bereits im ausgelieferten HTML steht. Rückmeldung bitte mit Ergebnis eines Abrufs je User-Agent.“

Rechtlicher Rahmen in Deutschland: Training sperren nach § 44b UrhG

Nach § 44b UrhG ist Text und Data Mining die automatisierte Analyse digitaler Werke, um Muster, Trends und Korrelationen zu erkennen. Absatz 2 erlaubt dafür Vervielfältigungen rechtmäßig zugänglicher Werke, Absatz 3 macht das unwirksam, sobald der Rechtsinhaber einen maschinenlesbaren Nutzungsvorbehalt erklärt.

Eine robots.txt mit Disallow-Einträgen gilt in der Praxis als eine Form dieses Vorbehalts, ebenso eine Datei unter /.well-known/tdmrep.json oder passende HTTP-Header; ein bestimmtes Format schreibt das Gesetz nicht vor. Das LG Hamburg hat als erstes Gericht zu dieser Schranke entschieden, sieht KI-Training grundsätzlich als erfasst und deutet an, dass auch ein in natürlicher Sprache erklärter Vorbehalt genügen könnte. Die Berufung läuft, die Frage ist höchstrichterlich nicht geklärt.

Für die Abwägung heißt das: Die robots.txt sendet ein technisches Signal, eine automatische rechtliche Pflicht für Crawler folgt daraus nicht. Am tragfähigsten ist ein kombiniertes Konzept aus robots.txt, TDM-Rep-Datei und AGB-Klausel. Wer ohnehin Zitate in KI-Suchen anstrebt, lässt die Such-Bots zu und setzt den Vorbehalt nur gegenüber Trainings-Bots.

Eigene Inhalte, die zitiert werden: Vergleichsseiten vor Feature-Seiten

Priorisieren Sie die Content-Struktur so: Bauen Sie zuerst Vergleichs- und Alternativenseiten, danach Leistungsseiten, zuletzt Fallstudien. Der Grund: Rund 81 % der Review-Plattform-Zitate in KI-Antworten stammen von Vergleichsseiten, Listicles und Kategorieseiten mit mehreren Anbietern, nur 17 bis 19 % von einzelnen Produktprofilen. Die Zahl stammt von Plattformen. Für Ihre Domain gibt es keine eigene Messung, doch dass Mehr-Anbieter-Seiten gut zitierbar sind, ist die naheliegende Übertragung.

Konkret heißt das: Seiten nach dem Muster „[Ihr Produkt] vs. [Wettbewerber]“ und „Beste Alternativen zu [Wettbewerber]“, mit ehrlicher Aussage, für wen welche Lösung passt. Danach folgen Leistungs- und Lösungsseiten mit Zielgruppe, Unternehmensgröße, Integrationen und mindestens einer Preisspanne. Fallstudien mit Zahlen schließen den Aufbau ab.

Alle Fakten gehören in sichtbaren Text oder Tabellen. Eine kontrollierte Ahrefs-Studie an 1.885 Seiten mit neu eingebautem Schema-Markup fand gegenüber rund 4.000 Kontrollseiten keinen nennenswerten Zuwachs an KI-Zitaten, weil die Systeme beim direkten Abruf nur den sichtbaren HTML-Inhalt auswerteten. Auch Google bestätigt, dass strukturierte Daten für AI Overviews und AI Mode keine Voraussetzung sind.

Wie viel Aufwand in einer wirksamen Kombination stecken kann, zeigt deeploi (IT-Management-Plattform): Die Sichtbarkeit in KI-Antworten stieg von 0 auf durchschnittlich 15 % (Höchststand 24,3 %) mit über 40 Vergleichs- und Alternativen-Stücken plus vollständigen OMR-Reviews-Profilen und aktiver Review-Akquise. Die Leads wuchsen um rund 250 %, einen Kausalbeweis liefert die Quelle nicht. Für ein kleines Team sind drei bis fünf Seiten zu den wichtigsten Wettbewerbern ein realistischer Anfang.

Drittquellen mit Hebel: Wo Erwähnungen in DACH wirklich zählen

Im deutschsprachigen Raum ist OMR Reviews die meistzitierte Einzelquelle: 13,5 % der Quellen-Nennungen bei B2B-Software-Prompts, vor YouTube (10,3 %) und Reddit (8,6 %), während die stärkste einzelne Hersteller-Website rund 4 % erreicht. Das zeigt eine Studie von Radyant und OMR Reviews vom Juni 2026 mit 20.160 KI-Chats in fünf Modellen und acht Software-Kategorien (OMR Reviews war an der Studie selbst beteiligt).

Einordnung: Belastbare Zahlen liegen nur für Software und SaaS vor. Für Legal Tech und Immobilien gibt es keine vergleichbare Zitationsstudie, die Werte sind dort eine Näherung.

Die Modelle gewichten Quellen unterschiedlich: Review-Plattformen machen bei Copilot ein Zehntel der Quellen-Nennungen aus, bei ChatGPT 8 %, bei Claude und Google AI Overview je 6 %. Gemini zitiert bei Software-Prompts praktisch keine externen Quellen. Bei ChatGPT liegen redaktionelle Medien mit 14 % sogar vor den Review-Plattformen.

Bei G2 und Capterra widerspricht sich die Evidenz: Eine Studie fand G2-Zitate in 68 % der KI-Produktempfehlungen, eine andere (40 SaaS-Kategorien, 233 ChatGPT-Empfehlungen) dagegen keine einzige von G2 oder Capterra. Gesichert ist nur, dass fast jedes von ChatGPT empfohlene Tool dort ein Profil hat, doch mehr Reviews helfen kaum: Laut G2s eigener Analyse bringt ein Zehntel mehr Reviews rund 2 % mehr Zitate.

Mit knappem Budget beginnen Sie bei OMR Reviews und vollständigen G2- und Capterra-Profilen, weil Aufwand und Beleglage dort am besten zusammenpassen. Welche Fachmedien und Portale die KI in Ihrer Branche zitiert, zeigt die Kontextspalte Ihres Audits. Legal-Tech-Anbieter sollten auch die Käuferseite kennen, also wie Kanzleien in KI-Suchen gefunden werden.

Monatlicher 60-Minuten-Check und die Nein-Liste, die eine Woche Arbeit spart

Der 60-Minuten-Check

Der Monatscheck wiederholt das Audit in verkürzter Form: gleiches Prompt-Set, ausgeloggt, Ergebnisse in dieselbe Tabelle. Beim Tempo des Erstaudits schaffen Sie in 60 Minuten rund 20 bis 35 Einzeltests, ein Kernset aus 8 bis 10 Prompts in zwei bis drei Systemen. Den Rest des Sets gehen Sie quartalsweise durch.

Dokumentieren Sie je Prompt Nennung, Position, Begleittext und zitierte Quellen. Werfen Sie zum Schluss einen Blick auf robots.txt und Firewall-Regeln, denn Relaunches und Sicherheits-Updates führen leicht neue Blockaden ein.

Tools nehmen das Abfragen ab. Typische Einstiegspreise, Stand der Recherche:

Wie stark die Ergebnisse zwischen zwei Monaten normal schwanken, beziffert keine Quelle. Genannt wird nur Volatilität durch Modell-Updates. Bewerten Sie deshalb den Verlauf über mehrere Monate und ändern Sie das Prompt-Set nicht zwischendurch.

Was nichts bringt

Die llms.txt führt die Liste an. Eine Auswertung von 300.000 Domains fand keinen Zusammenhang mit KI-Zitaten, und in einer 90-Tage-Serverprotokoll-Analyse entfielen von über 62.100 KI-Bot-Zugriffen rund 84 (etwa 0,1 %) auf die /llms.txt. SISTRIX fand bei 96.418 zitierten URLs sogar weniger Treffer auf Domains mit llms.txt: 11,7 % der zitierten URLs liegen dort, über alle Domains hinweg sind es gut ein Siebtel. Google-Sprecher John Mueller verglich die Datei im Juni 2025 mit dem aufgegebenen Meta-Keywords-Tag, und kein KI-Anbieter hat ihre Nutzung bestätigt.

Auch extra Schema-Markup für KI gehört nicht auf Ihr Board. Das spart diese vier Maßnahmen:

Organische Zitate lassen sich nicht kaufen. Bezahlte Platzierungen in KI-Chats sind ein eigener Kanal mit neuen Werbeformaten in KI-Chats.

Wer den Aufwand des manuellen Audits nicht aufbringen kann, hat zwei Wege: Das Prompt-Set zunächst auf die sechs bis zehn Fragen des Schnelltests verkürzen und später ausbauen, oder den Ist-Stand extern erheben lassen. Daneben bietet Le Turbo Digital einen Sofort-Check an, der erfasst, wer in KI-Antworten zu Ihrem Geschäftsfeld genannt wird. Die monatliche Wiederholung lässt sich danach intern leisten.

Der erste Monat liefert Ihren Ausgangswert

GEO-Optimierung verlängert die vorhandene Content- und PR-Substanz in neue Kanäle. Wer Fallstudien, Vergleichsseiten und Partnerschaften pflegt, startet nicht bei null. Setzen Sie diese Woche den 15-Minuten-Check der robots.txt und das erste Audit mit zehn Prompts an und tragen Sie das Ergebnis in die Tabelle ein, es ist Ihr Ausgangswert für das Management-Reporting.

Häufige Fragen zur GEO-Optimierung

Was tun, wenn die KI-Antwort die eigene Firma falsch oder veraltet darstellt?

Suchen Sie zuerst die Quelle der falschen Aussage, denn Systeme mit Websuche nennen sie oft, und korrigieren Sie dort. Stellen Sie die richtige Information zusätzlich als klaren Fakt auf Ihrer eigenen Seite bereit. Feedback-Funktionen der Assistenten helfen, eine zugesagte Frist gibt es nicht.

Wie erklärt man der Geschäftsführung Fortschritt, ohne Nennungen garantieren zu können?

Mit Frühindikatoren: Crawler-Zugang erledigt, Prompt-Tabelle mit Ausgangswert, neue Profile und Vergleichsseiten. Ein tragfähiger Satz für die Folie lautet: „Wir erhöhen die Chance auf Nennung, garantieren sie aber nicht.“ Den Verlauf berichten Sie quartalsweise neben dem bestehenden SEO- und Lead-Reporting.

Muss man KI-Crawlern aus rechtlichen Gründen in Deutschland den Zugang verweigern?

Nein, eine Pflicht zum Blockieren gibt es nicht. § 44b UrhG erlaubt Text und Data Mining, solange kein maschinenlesbarer Vorbehalt erklärt ist. Ob die robots.txt als Vorbehalt allein genügt, ist offen; lassen Sie den Einzelfall juristisch prüfen.

Wie erkenne ich, ob ein Bot trotz erlaubter robots.txt blockiert wird?

Filtern Sie die Server- oder CDN-Logs nach den User-Agents der Bots und achten Sie auf Antwortcodes wie 403 oder 429 statt 200. Zeigt das Log nichts, prüfen Sie die Bot-Schutzregeln der Firewall.

Reicht ein kostenloses Vorgehen ganz ohne Tracking-Tool aus?

Ja, für den Start. Ein Google Sheet und 60 Minuten pro Monat decken ein Prompt-Set von 10 bis 25 Fragen ab. Ein Tool lohnt, wenn das Set wächst oder mehrere Personen berichten müssen. Vorher fehlt meist das Prompt-Set, das es auswerten könnte.