Googles offizielle GEO-Anleitung: Was Sie wirklich für KI-Sichtbarkeit tun sollen

„Optimierung für generative KI-Suche ist Optimierung für die Suche – und damit immer noch SEO.“ Was Google in der eigenen Anleitung sagt, was es offenlässt, und wo die Praxis ergänzen muss.

Strategische Einordnung | Mai 2026

Das Wichtigste auf einen Blick

Google hat in der Search-Central-Dokumentation eine eigene Anleitung zur Optimierung für generative KI-Funktionen veröffentlicht. Die Kernbotschaft ist bewusst nüchtern: SEO bleibt relevant, weil AI Overviews und AI Mode auf den bestehenden Ranking- und Qualitätssystemen aufbauen. Spezielle GEO-Maßnahmen, separate Schema-Markups oder neue technische Dateien sind laut Google nicht erforderlich. Google definiert in der Anleitung erstmals offiziell die Begriffe Retrieval-Augmented Generation (Grounding) und Query Fan-Out – und stellt klar, dass die eigentliche Optimierungsarbeit auf die Schaffung einzigartiger, nicht-austauschbarer Inhalte zielt. Was die Anleitung nicht leistet: Messbarkeit, Wettbewerbsvergleich und der Umgang mit der Eigendynamik nicht-Google-basierter KI-Systeme.

Was Google in der eigenen Anleitung tatsächlich sagt

Google selbst definiert GEO als Teil von SEO – nicht als eigenständige Disziplin. Die offizielle Formulierung in der Anleitung lautet: „Aus Sicht der Google-Suche ist die Optimierung für generative KI-Suche eine Optimierung für die Sucherfahrung – und damit weiterhin SEO.“

Damit positioniert Google die gesamte Diskussion um „GEO“ und „AEO“ nicht als neuen Disziplinbereich, sondern als Weiterentwicklung etablierter SEO-Praxis. Die Argumentation ist intellektuell konsistent und teilen wir: Wenn AI Overviews und AI Mode auf demselben Index und denselben Ranking-Systemen aufsetzen wie die klassische Suche, sind die Optimierungshebel zwangsläufig (ziemlich) identisch.

Die Anleitung gliedert sich in zwei Hauptbereiche: technische Grundlagen, die Google selbst definiert, und inhaltliche Best Practices, die als Erweiterung der bekannten SEO-Empfehlungen formuliert sind.

Wie Google RAG und Query Fan-Out offiziell beschreibt

Erstmals in einem offiziellen Google-Dokument (in diesem Kontext) werden zwei zentrale Begriffe der GEO-Diskussion definiert: Retrieval-Augmented Generation und Query Fan-Out.

Retrieval-Augmented Generation (RAG) beschreibt Google in der Anleitung als „Grounding“ – also als Technik, mit der die Qualität, Genauigkeit und Aktualität von KI-Antworten verbessert wird, indem das System auf die bestehenden Such-Ranking-Systeme zurückgreift, um relevante und aktuelle Webseiten aus dem Index abzurufen. Die Antwort wird anschließend aus den abgerufenen Inhalten synthetisiert – mit anklickbaren Verweisen auf die zugrundeliegenden Quellen. Wie RAG-Systeme im Detail arbeiten und welche drei Retrieval-Strategien praktische Konsequenzen für die GEO-Praxis haben, haben wir an anderer Stelle ausführlich beschrieben.

Query Fan-Out definiert Google als „Satz gleichzeitiger, verwandter Anfragen, die das Modell generiert, um zusätzliche Informationen anzufordern und weitere relevante Suchergebnisse zur Beantwortung der Nutzerfrage abzurufen“. Als konkretes Beispiel nennt Google: Aus der Nutzerfrage „How to fix a lawn that’s full of weeds“ entstehen Fan-Out-Anfragen wie „best herbicides for lawns“, „remove weeds without chemicals“ und „how to prevent weeds in lawn“. Die ROCKITdigital-Redaktionsmetapher beschreibt diesen Vorgang anschaulich: ein Chefredakteur, der ein Themenspecial plant, schickt mehrere Fachredakteure parallel los, die jeweils einen Teilaspekt recherchieren.

Dass Google diese beiden Konzepte erstmals offiziell benennt, ist mehr als eine terminologische Klarstellung. Es ist die Bestätigung, dass die GEO-Diskussion der vergangenen zwei Jahre die richtigen Mechanismen identifiziert hat – nur mit anderem Vokabular.

Was Google als zentrale Best Practice definiert

Im Zentrum von Googles Anleitung steht ein einziger Grundsatz: einzigartige, nicht-austauschbare Inhalte schlagen alle technischen Optimierungen.

Google formuliert vier Kernmerkmale, die guter KI-optimierter Content laut der Anleitung aufweisen sollte:

Eigener Standpunkt: KI-Systeme prüfen verschiedene Quellen – ein eigener Blickwinkel hilft, herauszustechen. Eine erfahrungsbasierte Bewertung aus erster Hand liefert eine andere Perspektive als die Zusammenfassung bereits verfügbarer Inhalte. Google formuliert dazu explizit: Inhalte selbst erstellen, basierend auf eigenem Wissen zum Thema – nicht recyclen, was andere im Netz bereits gesagt haben, und nicht produzieren, was ein generatives KI-Modell ebenfalls hätte erzeugen können.

Non-Commodity-Content: Hier liefert Google in der Anleitung ein bemerkenswert konkretes Beispiel. Commodity-Content wird beschrieben als Inhalt wie „7 Tipps für Erstkäufer einer Immobilie“ – allgemeinverfügbares Wissen, das von jeder Quelle stammen könnte und wenig einzigartige Einsicht bietet. Non-Commodity-Content wird beispielhaft beschrieben als „Warum wir auf die Hausinspektion verzichtet und Geld gespart haben: Ein Blick in unsere Abwasserleitung“ – mit eindeutigem Erfahrungsbezug und einer Perspektive, die nur aus der eigenen Praxis stammen kann.

Organisation für Leser: Inhalte für menschliche Leser strukturieren, mit klaren Absätzen, sinnvollen Überschriften und navigierbarer Architektur. Diese Punkte sind keine GEO-Empfehlung im engeren Sinn. Es sind Voraussetzungen dafür, dass das KI-System überhaupt extrahieren kann, was extrahiert werden soll.

Multimediale Inhalte: Hochwertige Bilder und Videos sind laut Google explizit Teil der KI-optimierten Inhaltsstrategie. Die generativen Funktionen in der Suche binden relevante visuelle Elemente in die Antworten ein.

Was in dieser Auflistung auffällig fehlt: jeder Hinweis auf spezielle technische Maßnahmen, neue Schema-Typen oder besondere Markup-Anforderungen.

Was Google ausdrücklich nicht verlangt

Eine Aussage in Googles AI-Features-Dokumentation ist für die Praxis besonders wichtig: „Es gibt keine zusätzlichen Anforderungen, um in AI Overviews oder AI Mode zu erscheinen, und keine weiteren speziellen Optimierungen sind nötig.“

Konkret bedeutet das laut Google:

• Keine neuen maschinenlesbaren Dateien (also kein eigenes „llms.txt“, kein spezielles KI-Manifest).
• Keine speziellen Schema.org-Strukturdaten, die spezifisch für KI-Antworten ergänzt werden müssten.
• Keine separate Verifizierung über andere Kanäle als die Google Search Console.

Diese Klarstellung ist relevant, weil die GEO-Tool-Industrie in den vergangenen Monaten eine Reihe von „KI-spezifischen“ Optimierungsmaßnahmen empfohlen hat, die in der Praxis nicht durch offizielle Google-Aussagen gedeckt sind. Googles Position dazu ist: Die SEO-Grundlagen reichen.

Wo Googles Anleitung schweigt

So konsistent Googles Argumentation in der eigenen Anleitung ist – sie beschränkt sich auf den eigenen Wirkungsbereich. Vier Themen bleiben unbehandelt.

Erstens: Messbarkeit. Google sagt in der Anleitung nicht, wie Webmaster die Sichtbarkeit ihrer Inhalte in AI Overviews konkret messen können. AI Overviews und AI Mode werden in der Google Search Console mit den klassischen organischen Suchergebnissen vermischt – ohne separate Zitations-Berichterstattung. Stattdessen verläuft Googles Messbarkeitspolitik gerade in zwei unterschiedliche Richtungen: Google macht den eigenen AI-Overview-Bereich noch undurchsichtiger, indem die Textfragmente aus den Links entfernt wurden, während Google Analytics zeitgleich einen eigenen AI-Assistant-Channel für Traffic aus externen KI-Systemen wie ChatGPT, Gemini, Claude und Perplexity eingeführt hat. Wer KI-Sichtbarkeit messen will, arbeitet damit mit einer asymmetrischen Datengrundlage: greifbar für fremde KI, undurchsichtig für die eigene.

Zweitens: Nicht-Google-Systeme. Die Anleitung optimiert ausschließlich für Googles eigene KI-Funktionen. ChatGPT, Claude, Perplexity, Microsoft Copilot oder Bings AI-Modus folgen teilweise anderen Auswahllogiken. Die Frage, ob optimal für Google AI Overviews aufgebaute Inhalte automatisch auch in diesen Systemen zitiert werden, beantwortet die Anleitung nicht. Natürllich schade, aber durchaus verständlich 😉

Drittens: Wettbewerbsvergleich. Google nennt keine Methode, um die eigene Zitierhäufigkeit gegenüber Wettbewerbern zu vergleichen. Microsoft hat mit der Citations-Funktion in Microsoft Clarity genau diesen Vergleich (Share of Authority) systematisch verfügbar gemacht – ein entsprechendes Google-Tool fehlt.

Viertens: Qualitative Eigenheiten von KI-Antworten. Themen wie semantische Kohäsion, Extrahierbarkeit auf Absatzebene oder die Vermeidung von Mehrdeutigkeit innerhalb einer Seite tauchen in der Anleitung nicht auf. Hier verweist Google implizit auf die ohnehin geltenden Helpful-Content-Empfehlungen – ohne die Spezifik von KI-Retrieval-Prozessen explizit zu adressieren.

Was die Praxis ergänzen muss

Aus der Lücke zwischen Googles offizieller Anleitung und der tatsächlichen GEO-Praxis ergeben sich vier Ergänzungsfelder, die für die strategische Arbeit relevant sind.

Extrahierbarkeit auf Absatzebene: Googles Empfehlung „gut strukturierte Inhalte“ reicht nicht aus, wenn die strukturelle Frage ist, wie ein einzelner Absatz auch ohne den Rest der Seite verständlich bleibt. Wie semantische Kohäsion und Extrahierbarkeit operativ messbar werden, ist ein ROCKITdigital-Schwerpunkt.

Plattformübergreifende Optimierung: Wer Sichtbarkeit nicht nur in Google AI Overviews, sondern auch in ChatGPT, Perplexity und Claude erreichen will, muss Inhalte so aufbauen, dass sie für verschiedene Retrieval-Logiken funktionieren. Das ist keine einzelne Tool-Frage, sondern eine strukturelle Inhaltsentscheidung.

Differenzierung zwischen Zitierung und Besuch: Inhalte können in AI Overviews zitiert werden, ohne Klicks zu generieren – und umgekehrt. Welche Inhalte auf welches Ziel optimiert werden, ist eine strategische Entscheidung pro Seitentyp.

Markenpräsenz im KI-Kontext: Wer in KI-Antworten erwähnt werden will, muss sicherstellen, dass die eigene Marke als klare Entität in zuverlässigen Quellen verankert ist. Was das für B2B-Unternehmen mit definierten Zielgruppen bedeutet, ist eine eigene strategische Frage.

Häufige Fragen zu Googles GEO-Anleitung

Was sagt Google offiziell zur Optimierung für AI Overviews für mehr KI-Sichtbarkeit?

Google bezieht in der offiziellen Search-Central-Anleitung klar Stellung: Die SEO-Grundlagen bleiben relevant, weil die generativen KI-Funktionen auf den bestehenden Ranking- und Qualitätssystemen aufbauen. Spezielle GEO-Maßnahmen, separate Schema-Typen oder zusätzliche maschinenlesbare Dateien sind nicht erforderlich. Im Zentrum steht die Empfehlung, einzigartigen, nicht-austauschbaren Content zu erstellen – mit eigenem Standpunkt, klarer Struktur und multimedialen Elementen.

Sind „GEO“ und „AEO“ laut Google eigene Disziplinen?

Nein. Google formuliert in der Anleitung ausdrücklich: Optimierung für generative KI-Suche ist Optimierung für die Sucherfahrung – also weiterhin SEO. Die Begriffe „GEO“ (Generative Engine Optimization) und „AEO“ (Answer Engine Optimization) werden als Beschreibungen für SEO-Arbeit mit Fokus auf KI-Sichtbarkeit anerkannt, aber nicht als separate Disziplinen positioniert.

Was sind RAG und Query Fan-Out laut Google?

Retrieval-Augmented Generation (RAG) bezeichnet Google in der Anleitung als „Grounding“: eine Technik, bei der das KI-System auf die bestehenden Such-Ranking-Systeme zurückgreift, um relevante Webseiten aus dem Index abzurufen und die Antwort darauf zu stützen.
Query Fan-Out beschreibt Google als die parallele Generierung mehrerer verwandter Suchanfragen aus einer ursprünglichen Nutzerfrage – um zusätzliche Informationen aus dem Index abzurufen und alle relevanten Aspekte der Frage abzudecken.

Brauche ich spezielle Schema-Daten oder eine llms.txt-Datei, um in AI Overviews zu erscheinen?

Laut Googles offizieller Anleitung nein. Google formuliert ausdrücklich: Keine neuen maschinenlesbaren Dateien, keine speziellen KI-Manifeste, keine KI-spezifischen Schema-Typen sind erforderlich. Wer in der klassischen Google-Suche sichtbar ist, kann auch in AI Overviews und AI Mode erscheinen – ohne separate technische Anforderungen.

Welche Möglichkeiten gibt es, Traffic aus KI-Systemen in Google Analytics zu messen?

Seit Mai 2026 weist Google Analytics 4 Traffic aus externen KI-Assistenten wie ChatGPT, Gemini, Claude und Perplexity als eigene Channel Group „AI Assistant“ aus. Drei Dimensionen werden automatisch zugewiesen: Medium „ai-assistant“, Channel Group „AI Assistant“ und Campaign „(ai-assistant)“. Voraussetzung ist, dass der jeweilige Assistent einen Referrer mitliefert. Für Klicks aus Googles eigenen AI Overviews und aus dem AI Mode existiert kein vergleichbarer separater Channel – diese Sitzungen bleiben Teil der klassischen organischen Suche.

Was ist der Unterschied zwischen Commodity- und Non-Commodity-Content laut Google?

Commodity-Content beschreibt Google als allgemein verfügbare Inhalte, die von jeder Quelle stammen könnten – beispielsweise generische Listen wie „7 Tipps für Erstkäufer einer Immobilie“. Non-Commodity-Content basiert auf eigener Erfahrung, fachlicher Expertise oder einzigartiger Perspektive – beispielsweise eine konkrete Falldarstellung wie „Warum wir auf die Hausinspektion verzichtet und Geld gespart haben“. Google formuliert ausdrücklich, dass Letzteres in KI-Antworten bevorzugt zitiert wird.

Unsere Einordnung

Googles GEO-Anleitung ist eine nüchterne, in vielen Punkten zutreffende Standortbestimmung: Die SEO-Grundlagen bleiben relevant, KI-Funktionen sind kein technologischer Bruch mit dem bestehenden Such-System. In dieser Hinsicht entlastet die Anleitung eine GEO-Diskussion, die teilweise in Tool-Versprechen und KI-spezifischen Maßnahmen abgewichen ist, die Google selbst nicht für erforderlich hält. Was die Anleitung nicht leistet, ist die strategische Antwort auf vier Fragen: Wie wird KI-Sichtbarkeit messbar? Wie funktioniert Optimierung über Google hinaus? Wie misst man Wettbewerb in KI-Antworten? Und wie reagiert man darauf, dass Zitierung und Besuch zunehmend entkoppelt werden? Die operative Antwort auf diese Fragen ist nicht Teil der Google-Dokumentation – sie ergibt sich aus der täglichen Arbeit mit den Sichtbarkeitsdaten, die jenseits von Googles eigenen Werkzeugen zugänglich sind. Als Agentur für mehr KI-Sichtbarkeit aus München begleiten wir Unternehmen dabei – mit der Methodik, die Googles offizielle Anleitung als Ausgangspunkt nimmt, ohne bei ihr stehenzubleiben.