KI-Suche verstehen

Kurz gefasst — Mitte 2026 beantworten mehrere parallele Systeme — Googles AI Overviews und AI Mode, ChatGPT, Perplexity, Gemini und Microsoft Copilot — Suchanfragen direkt, statt eine Linkliste zu zeigen. Ihre gemeinsame Architektur ist dieselbe: Query Fan-Out (die Anfrage zerfällt in parallele Sub-Queries), Retrieval & Grounding (Live-Quellen werden abgerufen, die Antwort daran verankert) und Synthese mit Zitat. Der ehrliche Filter durch dieses Kapitel: Es gibt keinen GEO-Schalter und kein KI-Sonder-Markup. Diese Oberflächen ziehen ihren Stoff aus demselben Index, denselben Qualitätssystemen und demselben Knowledge Graph wie die klassische Suche — weshalb Google selbst nüchtern bleibt: „optimizing for generative AI search … is thus still SEO“.

GEO ist weiterhin SEO — Googles offizielle Rahmung (Mai 2026)

Die wichtigste Aussage zuerst, weil sie das ganze Feld erdet: Google ordnet die Optimierung für KI-Antworten nicht als eigene Disziplin ein, sondern als Suche mit anderer Oberfläche. GEO, AEO und LLMO sind Marketing-Labels für dasselbe Fundament.

Daraus folgt die Negativliste — was Google ausdrücklich nicht verlangt oder empfiehlt: keine llms.txt, kein Zerstückeln von Inhalten in „Chunks“, keine gekauften oder inszenierten Erwähnungen. Seit dem 15. Mai 2026 gelten die Spam-Policies ausdrücklich auch für generative KI-Antworten; manipulative GEO-Taktiken fallen unter Scaled Content Abuse. Die Demontage dieser Mythen im Detail trägt der GEO-Mythen-Check. R12d

Das KI-Suche-Ökosystem 2026 — Systeme, Modelle, Verfügbarkeit

„KI-Suche“ ist kein einzelnes Produkt, sondern ein Bündel von Answer Engines mit unterschiedlichen Indizes und Modellen. Die folgende Übersicht trennt, wie jedes System an Inhalte kommt — das entscheidet, worauf man überhaupt Einfluss hat:

System	Modell / Betreiber	Quellenbezug	Reichweite & Rollout (Stand Mitte 2026)
AI Overviews	Gemini / Google	Google-Index + Knowledge Graph	DACH seit 26.03.2025; ~2,5 Mrd. Nutzer/Monat
AI Mode	Gemini / Google	Google-Index, tiefes Fan-Out	DACH seit 08.10.2025; >1 Mrd. Nutzer/Monat
ChatGPT (Search)	GPT / OpenAI	Bing-Index + Live-Abruf	global; ~31 % der Prompts lösen eine Websuche aus
Perplexity	diverse LLMs / Perplexity	eigener Crawler + Google-/Bing-APIs (RAG)	global; ~1,2–1,5 Mrd. Anfragen/Monat (Drittquellen-Schätzung; offiziell zuletzt 780 Mio., 05/2025)
Gemini (App)	Gemini / Google	Grounding with Google Search	global; Google-Extended steuert das Grounding
Copilot	GPT / Microsoft	Bing-Index (RAG)	integriert in Bing, Edge, Microsoft 365

Zwei Muster sind belastbar und für die Praxis entscheidend: Die Google-Oberflächen (AI Overviews, AI Mode) bauen auf dem Google-Index auf — wer dort organisch stark ist, ist die Grundvoraussetzung. ChatGPT und Copilot hängen am Bing-Index: Bing-Indexierung ist dort die Eintrittskarte, nicht Google. AI-SEO Web-Verifikation

Wie KI-Suchsysteme arbeiten — Retrieval, Synthese, Zitat

Der entscheidende Mentalmodell-Wechsel: Eine klassische Suche rankt Dokumente; ein generatives System synthetisiert eine Antwort aus mehreren Quellen. Statt einer Rangliste durchläuft die Anfrage eine Pipeline:

1. Query Fan-Out — Das System zerlegt die Anfrage in mehrere parallele Sub-Queries. AI Mode erzeugt dabei typischerweise viele; im Deep Search Fachbegriff plant das Modell die Sub-Query-Sequenz für mehrstufige Fragen sogar autonom.
2. Retrieval — Für jede Sub-Query werden Web-Index und — je nach System — das eigene Trainingswissen durchsucht.
3. Grounding (RAG) — Die abgerufenen Live-Quellen werden dem Modell als Kontext übergeben und die Antwort daran verankert. Das senkt Halluzinationen und erlaubt aktuelle Belege; bei Gemini bestimmt Google-Extended, welche Seiten fürs Grounding verfügbar sind.
4. Synthese — Das Modell verdichtet mehrere Quell-Dokumente zu einer kohärenten Antwort. Diese Schicht entscheidet, welche Inhalts-Fragmente überhaupt übernommen werden.
5. Zitat — Quellen werden angehängt (bei AI Overviews meist fünf bis sieben verlinkbare). Hier — und nur hier — entsteht die neue Sichtbarkeits-Einheit: das Zitat.

Die Konsequenz ist radikal: Es gibt keine Position 1 mehr, um die man kämpft, sondern nur zitiert vs. nicht zitiert. Sichtbarkeit ist binär statt skalar — eine Quelle ist in der Antwort enthalten oder nicht. 2026-Leitfaden

AI Overviews vs. AI Mode — zwei Oberflächen, eine Indexgrundlage

Die beiden Google-Oberflächen werden oft verwechselt, sind aber unterschiedliche Produkte mit unterschiedlicher Logik:

• AI Overviews sind ein Feature innerhalb der normalen Suchergebnisseite: eine Antwortbox über den organischen Treffern, die mit den klassischen Links koexistiert. Sie erscheinen vor allem bei informationellen Anfragen, mit Quellen meist aus den oberen organischen Rängen.
• AI Mode ist ein eigener Modus (eigener Tab) ohne klassische Ergebnisliste: rein konversationell, für komplexere Fragen und Folge-Dialoge, mit tieferem Fan-Out. Die Anfragen sind dort deutlich länger als in der klassischen Suche.

Entscheidend ist die gemeinsame Grundlage: Beide bauen auf Googles Index und denselben Ranking- und Qualitätssystemen auf. Genau deshalb ist klassische SEO hier keine Option, sondern Voraussetzung. Den Flächen-Effekt beider Systeme auf organische Klicks — wie sie Treffer nach unten verdrängen, und mit welchen Zero-Click-Folgen — behandelt der SERP-Features-Katalog mit den Messzahlen. 2026-Leitfaden

Indirekte Hebel statt GEO-Schalter — was steuerbar ist und was nicht

Weil die Antwort generiert und nicht gerankt wird, verschiebt sich, worauf man Einfluss hat. Nicht steuerbar ist: ob überhaupt eine KI-Antwort erscheint, ob und wann die eigene Seite zitiert wird, und welche Formulierung das Modell wählt. Es gibt kein Opt-in und kein direktes Targeting.

Indirekt steuerbar sind drei Hebel — und es sind exakt die des klassischen SEO:

• Entitäts-Klarheit. Eine eindeutig im Knowledge Graph aufgelöste Marke erleichtert das Grounding. sameAs, eine konsistente Entity Home und saubere Strukturdaten helfen dem Modell, wen es zitiert — Mechanik in Entitäten & Knowledge Graph.
• Extrahierbarkeit. Eigenständig lesbare Antwortblöcke (Extractable Snippets) erhöhen die Chance, als Zitat-Fragment entnommen zu werden — die On-Page-Taktik dazu steht im On-Page SEO.
• E-E-A-T & Vertrauen. Autorität, Expertise und nachweisbare Erfahrung sind Auswahlkriterien der Qualitätssysteme, auf denen AI Overviews und AI Mode aufsetzen — siehe E-E-A-T & QRG.

Kein Hebel sind dagegen die populären Abkürzungen: llms.txt (von Google Search nicht genutzt), Content-Chunking (Google rät ab) und inszenierte Erwähnungen (seit 05/2026 Spam-Policy) — der GEO-Mythen-Check nimmt sie auseinander. Wie man KI-Sichtbarkeit überhaupt misst (mit allen Methodik-Fallen des Non-Determinismus), steht in Messung, KPIs & Reporting; die Werkzeuge dafür in der Tool-Landschaft; die Rechtsfragen der AI-Crawler-Steuerung in Recht & Compliance. Die nächste Evolutionsstufe — Agenten, die nicht nur antworten, sondern handeln — beginnt im Agentic Web. R12d

---

Das größere Bild. KI-Suche ist 2026 keine Zukunftsvision, sondern die Standarderfahrung für Milliarden Anfragen täglich — AI Mode überschritt im ersten Jahr eine Milliarde monatliche Nutzer, AI Overviews erreichen rund 2,5 Milliarden. Und trotz des Umbruchs ist die ehrlichste Lesart die nüchternste: Es gibt keinen GEO-Schalter. Wer Entitäten eindeutig aufbaut, Inhalte eigenständig extrahierbar strukturiert und echte Expertise nachweisbar macht, bedient exakt die Systeme, auf denen auch klassisches SEO ruht — denn die KI-Antwort-Oberflächen rufen ihren Stoff aus demselben Index, denselben Qualitätssystemen und demselben Knowledge Graph ab. Googles eigene Formulierung ist keine Beschwichtigung, sondern eine präzise Systembeschreibung: „optimizing for generative AI search is optimizing for the search experience, and thus still SEO“. Was sich ändert, ist das Format der Sichtbarkeit — vom Rang zum Zitat —, nicht ihr Fundament. Was das praktisch bedeutet, trägt Kap. 17; welche Mythen sich dabei hartnäckig halten, Kap. 18.