Answer Engine Optimization und wie Unternehmen zur Antwort werden
Warum KI Systeme manche Anbieter nennen und andere übergehen
Wer ein KI System nach passenden Anbietern für das eigene Fachgebiet fragt, erhält eine Antwort mit wenigen Namen, unter denen der eigene häufig fehlt. Was dabei geschieht, ähnelt dem menschlichen Gedächtnis. Der Beitrag zeigt, wovon es abhängt, ob ein Unternehmen in KI Antworten genannt wird.
Drei Namen in einer Antwort
Wie sichtbar ein Unternehmen in KI Antworten ist, lässt sich mit einer einfachen Probe herausfinden, indem man in ChatGPT, Perplexity oder im AI Mode von Google fragt, welche Anbieter für das eigene Fachgebiet in Frage kommen. Nach wenigen Sekunden erscheint eine gegliederte Antwort mit einer Handvoll Namen und kurzen Begründungen. Für viele Unternehmen fällt diese Probe ernüchternd aus, weil dort Wettbewerber stehen, manchmal auch Anbieter, die im eigenen Markt kaum eine Rolle spielen, während der eigene Name fehlt, obwohl das Unternehmen seit Jahren im Markt ist und ein gepflegtes Fachblog betreibt.
Dieselbe Frage stellen inzwischen viele Einkäuferinnen, Projektleiter und Geschäftsführerinnen, lange bevor sie mit einem Anbieter sprechen, sodass die Antwort prägt, wer überhaupt auf die Liste kommt. Damit wird dringlich, was vor wenigen Jahren noch eine Randnotiz war, nämlich die Frage, wovon die Nennung durch ein KI System abhängt und was Unternehmen dafür tun können.
Was ist Answer Engine Optimization?
Answer Engine Optimization richtet Inhalte darauf aus, in den Antworten von KI Systemen aufzutauchen, in Googles AI Overviews und im AI Mode ebenso wie in ChatGPT, Perplexity oder Copilot. Das Besondere liegt im Ergebnis, denn ein KI System liefert eine fertige Antwort und nennt darin einige wenige Anbieter, die Menschen als Vorauswahl übernehmen. Für die Sichtbarkeit eines Unternehmens zählt damit vor allem, ob es in dieser Antwort genannt wird und wie es dort eingeordnet ist.
Wie stark sich das Verhalten verändert, hat das Pew Research Center im Frühjahr 2025 untersucht. Ausgewertet wurde das tatsächliche Suchverhalten von 900 Erwachsenen in den USA bei knapp 69.000 Suchanfragen. Erschien eine KI Zusammenfassung, klickten die Menschen nur bei 8 Prozent der Suchen auf ein Ergebnis, ohne Zusammenfassung bei 15 Prozent. Auf die Quellen innerhalb der Zusammenfassung klickten sie bei einem Prozent der Suchen, während die Suche häufiger direkt auf der Ergebnisseite endete. Wer in der Antwort genannt wird, prägt also das Bild, auch wenn niemand die eigene Website besucht.
Google selbst ordnet diese Entwicklung als Fortsetzung der Suche ein. In einem Leitfaden vom 15. Mai 2026 beschreibt das Unternehmen, dass seine KI Funktionen auf denselben Ranking und Qualitätssystemen beruhen wie die klassische Suche und dass Inhalte mit eigenständigem Wert die besten Chancen haben. Hinzu kommt ein Verfahren, das Google als Query Fan Out bezeichnet. Das System zerlegt eine Frage in zahlreiche Teilfragen, sucht zu jeder passende Abschnitte und setzt daraus eine Antwort zusammen.
Ein Beitrag wird dadurch auch in einzelnen Abschnitten bewertet. Ein Abschnitt, der eine Teilfrage klar beantwortet, kann deshalb zitiert werden, selbst wenn der Beitrag als Ganzes nicht weit oben steht.
Wie entscheidet ein KI System, wen es nennt?
Ein KI System stützt sich auf zwei Quellen, zum einen auf das, was es während des Trainings aus großen Textmengen gelernt hat, zum anderen auf Inhalte, die es im Moment der Frage über eine Suche abruft. In beiden Fällen nennt es bevorzugt Unternehmen, die in vielen Quellen übereinstimmend mit einem Thema verbunden werden. Wer im Netz häufig und im selben Zusammenhang erwähnt wird, hat deshalb bessere Chancen, in einer Antwort aufzutauchen.
Wie stark Erwähnungen im Netz mit dieser Sichtbarkeit zusammenhängen, hat der SEO Anbieter Ahrefs im Sommer 2025 untersucht. Für Googles AI Overviews fand die Auswertung einen deutlichen Zusammenhang zwischen der Präsenz einer Marke in den KI Antworten und der Zahl der Webseiten, die sie erwähnen, während er bei ChatGPT und Perplexity schwächer ausfiel. Auch wenn es sich um eine Korrelation handelt, die Ursache und Wirkung offenlässt, fügt sie sich in ein stimmiges Bild. Ein Unternehmen, über das viele unabhängige Quellen im selben Zusammenhang schreiben, lässt sich für ein System leicht einordnen, weil sich die Aussagen gegenseitig bestätigen.
Was hat das mit dem menschlichen Gedächtnis zu tun?
KI Systeme und das menschliche Gedächtnis beruhen auf sehr unterschiedlichen Mechanismen und folgen in einem Punkt einer verwandten Logik. Beide verknüpfen Begriffe miteinander und rufen bevorzugt ab, was häufig, übereinstimmend und aus glaubwürdiger Quelle mit einem Thema verbunden wurde. Deshalb lohnt der Blick in die Gedächtnisforschung, die seit Jahrzehnten untersucht, warum Menschen bei einem Stichwort an einen bestimmten Namen denken.
Die Psychologen Allan Collins und Elizabeth Loftus haben 1975 beschrieben, wie das semantische Gedächtnis Begriffe in einem Netz ablegt, in dem häufig gemeinsam erlebte Begriffe eng verbunden sind.
Wird ein Begriff aktiviert, breitet sich die Aktivierung auf benachbarte Begriffe aus, sodass einem einfällt, was am engsten mit ihm verknüpft ist. Ein Sprachmodell lernt auf einem gänzlich anderen technischen Weg ebenfalls Verknüpfungen aus dem gemeinsamen Auftreten von Wörtern, wobei auch hier nahe beieinanderliegt, was oft im selben Zusammenhang steht. Auch wenn die Analogie ihre Grenzen hat, erklärt sie gut, warum eine klare und wiederholte Verbindung zwischen einem Namen und einem Thema so viel Gewicht hat.
Zwei weitere Befunde der Psychologie schärfen das Bild. Aussagen, die Menschen mehrfach begegnen, halten sie eher für wahr, ein Effekt, den Lynn Hasher und Kolleginnen 1977 erstmals beschrieben haben und der seither vielfach bestätigt wurde. Zudem überzeugen Aussagen stärker, wenn ihre Quelle als kompetent und vertrauenswürdig gilt, wie die Forschungsgruppe um Carl Hovland an der Yale University bereits in den 1950er Jahren zeigen konnte. Google beschreibt für seine KI Funktionen, dass sie auf denselben Qualitätssystemen beruhen wie die klassische Suche. Dabei achten diese Systeme nach Googles eigener Darstellung auf Signale, die auch Menschen überzeugen, allen voran auf erkennbare Expertise und Vertrauenswürdigkeit.
Woran zeigt sich, dass ein Unternehmen in KI Antworten fehlt?
Ein Unternehmen fehlt in KI Antworten, wenn es bei Fragen nach seinem Fachgebiet nicht auftaucht, obwohl es dort tätig ist und gute Arbeit leistet. Häufig zeigt sich das erst, wenn jemand gezielt nachfragt, weil es dafür noch keine etablierte Kennzahl gibt. Einige Anzeichen lassen sich mit wenig Aufwand prüfen.
Was wird bei der Optimierung für KI Systeme häufig versucht?
Viele Unternehmen behandeln AEO als neue technische Disziplin und suchen nach Kniffen, mit denen sich KI Systeme beeinflussen lassen. Die wirksamen Hebel liegen dort, wo sie auch für Menschen liegen, in klarer Positionierung, hilfreichen Inhalten und überprüfbarer Expertise. Taktiken, die allein auf Maschinen zielen, sind an den jeweiligen Stand eines Systems gebunden und können mit jeder Aktualisierung ihre Wirkung verlieren.
Zu den verbreiteten Ansätzen gehören eigene Dateien für KI Systeme wie eine llms.txt, eigens für Maschinen umgeschriebene Texte und große Mengen an Inhalten, die mit KI erzeugt werden, um möglichst viele Suchanfragen abzudecken. Google beschreibt in seinem Leitfaden zu den KI Funktionen ausdrücklich, dass solche Maßnahmen für die Sichtbarkeit in der Google Suche nicht nötig sind, wobei die Richtlinien des Unternehmens zu massenhaft erzeugten Inhalten ihnen zusätzlich Grenzen setzen. Ein zweites Muster betrifft die Ausrichtung auf einzelne Suchbegriffe. Wer jeden Begriff auf einer eigenen Seite bedient, erzeugt viele dünne Inhalte, die sich gegenseitig Konkurrenz machen. Ein System, das Fragen in Teilfragen zerlegt, sucht nach gründlichen Antworten, die ein Thema in seinem Zusammenhang erklären, wie sie auf solchen Seiten nur selten zu finden sind.
Beiden Mustern liegt die Annahme zugrunde, Sichtbarkeit sei vor allem eine Frage der Technik. Ein KI System muss zuerst erfassen können, wofür ein Unternehmen steht und für wen es arbeitet. Erschließen kann es diese Bedeutung nur aus Inhalten, die für Menschen geschrieben sind.
Was macht Inhalte für KI Systeme zitierbar?
Zitierbar werden Inhalte, die eine konkrete Frage vollständig und für sich verständlich beantworten, ihre Aussagen mit Belegen stützen und erkennen lassen, wer spricht und auf welcher Grundlage. Ein KI System extrahiert Abschnitte und setzt sie neu zusammen, deshalb zählt die Klarheit jedes einzelnen Abschnitts. Im Kern geht es um vier Bausteine.
Für den vierten Baustein gibt es inzwischen auch experimentelle Hinweise. Ein Forschungsteam um Pranjal Aggarwal, zu dem Forschende der Princeton University gehörten, hat untersucht, wie sich verschiedene Überarbeitungen eines Textes auf seine Sichtbarkeit in den Antworten generativer Suchsysteme auswirken. Die stärksten Effekte erzielten Ergänzungen, die einen Text überprüfbarer machen, also Quellenangaben, Zitate und konkrete Zahlen, mit denen die Sichtbarkeit in den Versuchen um bis zu 40 Prozent stieg. Auch wenn sich die Wirkung je nach Themengebiet unterschied, zeigt sie eine klare Richtung, denn Systeme, die Antworten aus vielen Quellen zusammensetzen, greifen bevorzugt auf Inhalte zurück, die sich belegen lassen.
Ein zweiter Hebel liegt in der Perspektive der Menschen, die eine Entscheidung treffen. Wie sie in einer Branche denken, welche Rollen an einer Entscheidung beteiligt sind und was jede dieser Rollen wissen möchte, ist in vielen Unternehmen gut bekannt und findet trotzdem selten den Weg auf die Website. Ein Einkauf fragt nach Kosten und Vertragsrisiken, eine technische Leitung nach Schnittstellen und Aufwand, eine Geschäftsführung nach Wirkung und Zeitraum. Inhalte, die diese Fragen getrennt und ehrlich beantworten, bieten KI Systemen genau die Abschnitte, die sie für ihre Antworten suchen.
Wie wird ein Unternehmen zur Antwort?
Ein Unternehmen wird zur Antwort, wenn es eine klare Position im Markt hat, diese Position über Inhalte und Erwähnungen konsistent belegt und dafür sorgt, dass Suchsysteme die Inhalte lesen und einordnen können. Die Arbeit verteilt sich auf drei Ebenen, die eigene Website, die Präsenz im übrigen Netz und das technische Fundament.
- Die Fragen der Zielgruppe sammeln.
Am Anfang steht die Frage, was Menschen ein KI System fragen, wenn sie vor einer Entscheidung stehen, die das eigene Angebot betrifft. Gespräche mit Vertrieb und Kundschaft, die Suchanfragen in der Google Search Console und eigene Tests in verschiedenen KI Systemen liefern dafür eine belastbare Grundlage. - Die eigene Position klar formulieren.
Ein Unternehmen braucht eine präzise Antwort darauf, wofür es steht, für wen es arbeitet und in welchen Situationen es die richtige Wahl ist. Diese Antwort wird in denselben Worten auf der Website, in Profilen und in Gesprächen mit Fachmedien verwendet, damit sich eine eindeutige Verbindung zwischen Name und Thema bildet. - Inhalte als Antworten aufbauen.
Zu jeder wichtigen Frage entsteht ein gründlicher Beitrag, dessen Abschnitte mit einer klaren Aussage beginnen und die Teilfragen der beteiligten Rollen beantworten. Die Beiträge werden untereinander und mit den passenden Leistungsseiten verlinkt, sodass ein Themennetz entsteht. - Belege und Personen sichtbar machen.
Case Studies beginnen mit einer kurzen Zusammenfassung von Ausgangslage, Vorgehen und Ergebnis. Autorinnen und Autoren werden mit ihrer Qualifikation genannt, Zahlen und Studien mit ihrer Quelle verlinkt. - Präsenz über die eigene Website hinaus pflegen.
Beiträge in Fachmedien, Vorträge, Einträge in Verbänden und Verzeichnissen sowie eine aktive Präsenz der Menschen im Unternehmen in beruflichen Netzwerken sorgen dafür, dass das Unternehmen in unabhängigen Quellen im gewünschten Zusammenhang erscheint. - Das technische Fundament sichern.
Die Website ist indexierbar, ihre Inhalte sind sauber gegliedert und strukturierte Daten beschreiben Unternehmen, Personen und Beiträge. Zudem verhindert keine Einstellung, dass Suchmaschinen Ausschnitte für ihre Antworten verwenden. Diese Arbeit ist überschaubar und sorgt dafür, dass die übrigen Schritte ihre Wirkung entfalten können. - Die Wirkung beobachten.
In regelmäßigen Abständen werden dieselben Fragen in mehreren KI Systemen gestellt und die Antworten festgehalten. Dazu kommen die Daten der Search Console und die Frage an neue Kontakte, wie sie auf das Unternehmen aufmerksam geworden sind.
Wo liegen die Grenzen von Answer Engine Optimization?
KI Systeme verändern sich schnell, ihre Antworten schwanken zwischen einzelnen Anfragen und bislang gibt es keine verlässliche Kennzahl, mit der sich Sichtbarkeit in KI Antworten so messen ließe wie eine Platzierung in der Suche. Da viele Befunde auf Korrelationen und auf Daten einzelner Anbieter beruhen, sollten sie entsprechend vorsichtig gelesen werden.
Große Marken mit hoher Bekanntheit und vielen Erwähnungen haben zudem einen strukturellen Vorsprung im Gesamtmarkt. Kleinere Unternehmen gleichen ihn am ehesten in klar umrissenen Themen aus, in denen sie tiefer und genauer antworten können. Eine Nennung in einer KI Antwort ist außerdem ein Einstieg, dessen Wirkung von einem überzeugenden Angebot und einer Marke abhängt, an die sich Menschen erinnern. Wie Unternehmen über alle Kanäle hinweg im Gedächtnis ihrer Zielgruppe präsent bleiben, beschreibt der Beitrag Markensichtbarkeit.
Wie sieht das in einer typischen Situation aus?
Ein Anbieter von Software für Lagerverwaltung mit rund 120 Mitarbeitenden stellt fest, dass KI Systeme bei Fragen nach passenden Lösungen für den Mittelstand vor allem drei Wettbewerber nennen. Die eigene Website beschreibt Funktionen und Werte ausführlich, der Blog veröffentlicht unregelmäßig Branchennews, während die Projekte des Unternehmens nur als Logos auf der Startseite auftauchen.
Das Marketing beginnt mit einem Test und stellt zwanzig typische Fragen, die Logistikleitungen, IT Verantwortliche und Geschäftsführungen vor einer Entscheidung stellen, in drei KI Systemen. Die Antworten zeigen, dass das Unternehmen bei allgemeinen Fragen zur Lagerverwaltung kaum auftaucht und bei Fragen zur Anbindung an bestimmte Warenwirtschaftssysteme gelegentlich genannt wird, also genau dort, wo es fachlich am stärksten ist. Daraus entsteht eine klare Position als Anbieter für mittelständische Lager, die ihre bestehende Warenwirtschaft behalten möchten.
In den folgenden Monaten entstehen sechs gründliche Beiträge zu den wichtigsten Entscheidungsfragen, jeweils mit Antworten für die drei beteiligten Rollen. Zugleich erhält jede Case Study eine kurze Zusammenfassung mit Ausgangslage, Vorgehen und messbarem Ergebnis. Aus der Produktentwicklung entstehen zwei Fachartikel für ein Logistikmagazin, außerdem pflegt das Unternehmen seine Einträge in den Verzeichnissen der beiden großen Warenwirtschaftsanbieter. Nach einem halben Jahr nennen zwei der drei Systeme das Unternehmen bei Fragen zur Lagerverwaltung mit bestehender Warenwirtschaft. Das dritte System führt weiterhin nur die Wettbewerber auf, ohne dass sich von außen klären ließe, warum. In Erstgesprächen erwähnen neue Kontakte zunehmend, dass sie den Namen in einer KI Antwort gelesen haben.
Wenn der eigene Name in der Antwort steht
Fehlt der eigene Name in einer KI Antwort, steht dahinter in den meisten Fällen eine Frage der Kommunikation. Es fehlt eine klare und oft wiederholte Verbindung zwischen dem eigenen Namen und den Fragen, die Kundinnen und Kunden tatsächlich stellen. Getragen wird diese Verbindung von Inhalten, die diese Fragen beantworten, von stützenden Belegen und von bestätigenden Quellen außerhalb der eigenen Website. Answer Engine Optimization knüpft damit an eine alte Aufgabe der Kommunikation an, einen Namen so oft und so eindeutig mit einer Frage zu verbinden, dass er einfällt, sobald die Frage gestellt wird. Neu ist, dass diese Verbindung heute auch in Systemen entstehen muss, die ihre Antworten aus dem Gedächtnis des gesamten Netzes zusammensetzen.
Wer die eigene Sichtbarkeit in Suche und KI Antworten systematisch aufbauen möchte, findet auf der Seite Digitale Sichtbarkeit einen Überblick über meine Arbeit von der Content Strategie über SEO und AEO bis zur Umsetzung. Eine Zusammenarbeit ist besonders dann sinnvoll, wenn ein Unternehmen fachlich stark ist und trotzdem in den Antworten fehlt, die seine Kundschaft liest. Wie sich ein Unternehmen mit einem Whitepaper als Stimme für dieses Thema positionieren kann, zeigt die Case Study DevelopX AEO.
Bob Hardt
Ich bin Bob, Marken- und Kommunikationsspezialist aus Berlin. Ich unterstütze Unternehmen dabei, ihre Marke strategisch zu schärfen, überzeugend zu erzählen und wirksam in die Welt zu bringen.
