Kleine gegen große Seiten
Werden fokussierte Microsites häufiger zitiert als vergleichbare Inhalte auf großen Portalen? Ein direkter Vergleich fehlt.
Ob die KI kleine oder große Seiten bevorzugt, hat niemand gemessen. Gut belegt ist dagegen, welche Eigenschaften ein Inhalt braucht, um in einer KI-Antwort zu landen. Diese Seite zeigt die vier Hürden bis zur Zitation, wie stark jeder Beleg ist und welche verbreiteten GEO-Tipps den Faktencheck nicht bestehen.
KI-Suchen arbeiten mit Abruf: Sie zerlegen eine Frage in Teilfragen, suchen passende Abschnitte und formulieren daraus die Antwort. Ein Inhalt wird nur zitiert, wenn er alle vier Hürden nimmt.
Kann die Maschine die Seite überhaupt lesen?
Beleglage: sehr gut
Taucht die Seite zu einer Teilfrage unter den Treffern auf?
Beleglage: gut, mit Spannbreiten
Nimmt die KI genau diesen Abschnitt in die Antwort?
Beleglage: ursächlich, aber Labor
Hält die KI die Quelle für glaubwürdig genug?
Beleglage: starke Korrelationen
Jede Aussage mit Quelle und Beweisstufe. Die Stufen erklärt die Beweis-Treppe.
Prinzipien 12 und 13
Für AI Overviews und den AI Mode muss eine Seite indexiert und als Snippet nutzbar sein. Besondere KI-Dateien oder Markups sind laut Google nicht nötig.
Stufe 1 · DokumentationGoogle Search Central, KI-FunktionenDie großen KI-Crawler von OpenAI, Anthropic, Meta und ByteDance führen kein JavaScript aus. Nur Googlebot rendert.
Stufe 2 · MessungVercel und MERJ, Auswertung echter Crawler-Zugriffe (Dez. 2024)OpenAI trennt Crawler: GPTBot sammelt Trainingsdaten, OAI-SearchBot indexiert für die ChatGPT-Suche. Wer OAI-SearchBot blockiert, verschwindet weitgehend aus den Antworten.
Stufe 1 · DokumentationOpenAI, Dokumentation der CrawlerPrinzipien 1, 2 und 5
KI-Suchen zerlegen Fragen in mehrere Teilfragen („Query Fan-out“) und rufen je Teilfrage passende Inhalte ab.
Stufe 1 · DokumentationGoogle Search Central, KI-FunktionenEin großer Teil der Zitationen stammt von Seiten außerhalb der organischen Top 10, je nach Studie und Definition 62 bis 83 %. Platz 1 ist keine Voraussetzung.
Stufe 4 · KorrelationDigital Applied; DEV-Analyse (Werte schwanken je nach Methodik)Google nennt AEO und GEO in seinem Leitfaden vom Mai 2026 „immer noch SEO“: Wer in der Suche gut auffindbar ist, ist es auch für die KI-Funktionen.
Stufe 1 · DokumentationSearch Engine Journal über Googles LeitfadenPrinzipien 3, 4 und 11
Statistiken, Zitate und Quellenangaben im Text erhöhen die Sichtbarkeit in generierten Antworten um bis zu 40 %. Es ist die einzige ursächliche Messung, allerdings unter Laborbedingungen.
Stufe 3 · ExperimentAggarwal et al., GEO, KDD 2024Von KI zitierte Seiten sind im Schnitt 25,7 % jünger als organische Ergebnisse. Nach Aktualisierungsdatum schrumpft der Abstand auf 13,1 %, AI Overviews zitieren sogar etwas ältere Inhalte. Frische hilft nur mäßig.
Stufe 4 · KorrelationAhrefs, 17 Mio. ZitationenIn einer Versuchsanordnung lösten 57,8 % der wiederholten ChatGPT-Läufe gar keine Websuche aus. Dann zählt nicht die Seite, sondern das, was das Modell schon gelernt hat.
Stufe 3 · ExperimentKritischer Forschungsüberblick, arXiv, Juli 2026Prinzipien 6, 17, 18 und 19
Markenerwähnungen im Web korrelieren mit KI-Sichtbarkeit mit r ≈ 0,66–0,71, Backlinks nur mit 0,22. YouTube-Erwähnungen erreichen 0,74, Reddit-Erwähnungen in einer späteren Analyse 0,75.
Stufe 4 · KorrelationAhrefs, 75.000 Marken; Ahrefs, 260 Mio. PromptsBei Ranking-Fragen zu weniger bekannten Marken stützt sich ChatGPT zu 95 % auf Drittquellen, nicht auf die Seiten der Marken selbst.
Stufe 3 · ExperimentAhrefs-Experiment, 34 Seiten, rund 10.000 Antworten47,9 % aller Zitationen gehen an Domains mit niedriger Autorität (DA unter 40). Die obersten 1 % der Domains vereinen aber 47 % der AI-Overview-Zitationen. Autorität entscheidet über wiederholtes, nicht über erstes Zitieren.
Stufe 4 · KorrelationWellows, 20,5 Mio. Zitationen; Digital AppliedNicht jede Zahl ist gleich viel wert. Je höher die Stufe, desto vorsichtiger sollte man Schlüsse ziehen.
Google, OpenAI oder Anthropic beschreiben, wie ihr System arbeitet. Beispiel: „indexiert und snippetfähig“.
Logdaten oder Nutzerdaten zeigen, was tatsächlich passiert. Beispiel: Crawler führen kein JavaScript aus; nur etwa 1 % klickt auf zitierte Quellen (Pew).
Eine Variable wird gezielt verändert, der Rest bleibt gleich. Beispiel: GEO-Paper mit +40 % durch Statistiken. Grenze: Laborbedingungen.
Viele Datenpunkte zeigen einen Zusammenhang. Beispiel: Erwähnungen r ≈ 0,7. Grenze: Ursache und Wirkung bleiben offen, etwa ob Erwähnungen Sichtbarkeit erzeugen oder umgekehrt.
Einzelbeispiele oder Erfahrungswerte, oft von Anbietern, die Tools verkaufen. Beispiel: „Fragen als H2 verdoppeln Zitationen“.
Was in Ratgebern steht, gemessen an der Beleglage.
| Tipp | Urteil | Beleg | Was stattdessen zählt |
|---|---|---|---|
| Inhalte ohne JavaScript im HTML ausliefern | Belegt | KI-Crawler rendern kein JavaScript (Vercel/MERJ). | Statisch oder serverseitig rendern. |
| KI-Suchcrawler zulassen | Belegt | OpenAI-Dokumentation zu OAI-SearchBot. | robots.txt und CDN-Regeln prüfen. |
| Statistiken, Zitate und Quellen einbauen | Belegt (Labor) | Bis +40 % im GEO-Experiment. | Zahl, Quelle und Datum in einem Satz. |
| Erwähnungen durch Dritte aufbauen | Belegt (Korrelation) | r ≈ 0,66–0,75 (Ahrefs). | Daten, Thesen und Werkzeuge, über die andere berichten. |
| Auf Platz 1 bei Google kommen | Nicht nötig | 62–83 % der Zitationen stammen von außerhalb der Top 10. | Zu Teilfragen passende, klare Abschnitte. |
| Inhalte aktuell halten | Teilweise belegt | Zitierte Seiten nur moderat frischer (Ahrefs). | Echte inhaltliche Updates mit Protokoll. |
| Fragen als Überschrift, Antwort zuerst | Plausibel | Passt zum Abruf von Abschnitten, kein eigener Nachweis. Google: kein spezielles „Chunking“ nötig. | Klarheit für Menschen, dann profitiert auch die KI. |
| Schema-Markup (FAQPage u. a.) | Plausibel | Kein belegter Zitations-Effekt; FAQ-Rich-Results zeigt Google seit 2023 nur noch für Behörden- und Gesundheitsseiten. | Herkunft eindeutig machen, nur Sichtbares auszeichnen. |
| Kurze, fokussierte Seiten | Nicht gemessen | Keine Studie vergleicht kleine und große Seiten direkt. | Eigener Mehrwert pro Seite. |
| Backlinks aufbauen | Schwacher Zusammenhang | r ≈ 0,22, deutlich schwächer als Erwähnungen. | Erwähnungen in Medien, Video, Communities. |
| Datum regelmäßig „auffrischen“ | Wirkungslos | Abstand nach Aktualisierungsdatum nur 13,1 %, AI Overviews zitieren eher Älteres. | Nur echte Änderungen datieren. |
| llms.txt-Datei anlegen | Widerlegt | 97 % der Dateien ohne einen Abruf (Ahrefs); kein Zusammenhang mit Zitationen (SE Ranking). | Abrufbarkeit über HTML und Crawler-Zugang. |
| Eigene „Die 10 besten …“-Listen | Schädlich | ChatGPT nutzt zu 95 % Drittquellen; Google wertet das seit Mai 2026 als Manipulationsversuch, betroffene Seiten verloren 30–50 %. | Faire Vergleiche, in fremden Listen erwähnt werden. |
Diese Lücken sind keine Schwäche der Prinzipien, sondern Gelegenheiten: Wer sie schließt, hat genau das, was zitiert wird, nämlich eigene Daten.
Werden fokussierte Microsites häufiger zitiert als vergleichbare Inhalte auf großen Portalen? Ein direkter Vergleich fehlt.
Fast alle Studien messen englischsprachige Antworten. Für den DACH-Markt gibt es keinen quantitativen Zitationsdatensatz.
Ob Fragen als Überschriften, Tabellen oder Schema-Markup die Zitationsrate ursächlich erhöhen, ist nicht im Feldversuch getestet.
Wie viele Zitationen zu Anfragen und Umsatz führen, ist kaum untersucht. Die einzige begutachtete Studie zu KI-Traffic findet für Shops sogar leicht schlechtere Konversion als organischen Traffic.
Idee: Ein eigener „KI-Sichtbarkeits-Index DACH“ mit einem festen Fragen-Panel würde zwei dieser Lücken schließen und wäre selbst zitierfähiges Material.
Prinzip 03: Etwas, das die KI nicht hatEin Inhalt muss abrufbar sein, zu einer Teilfrage gefunden werden, als Abschnitt ausgewählt werden und von einer vertrauenswürdigen Quelle stammen.
Am besten belegt sind Abrufbarkeit (Herstellerdokumentation), Statistiken und Quellen im Text (bis +40 % im Labor) und Erwähnungen durch Dritte (r ≈ 0,66–0,75).
Fragen als Überschriften, Schema-Markup und kurze Seiten haben keinen nachgewiesenen eigenen Zitations-Effekt.
Wirkungslos bzw. widerlegt sind llms.txt-Dateien (97 % ohne Abruf) und künstlich aktualisierte Datumsangaben. Eigenlob-Listen schaden sogar.
Das hängt von der Beweisstufe ab: Herstellerangaben und Messungen echter Abläufe sind verlässlich, Korrelationen zeigen nur Zusammenhänge.
Viele Zahlen stammen von Tool-Anbietern. Deshalb nennt diese Seite bei jeder Aussage Quelle und Stufe.
Autor: Sebastian Lissner, Marketing & AI Futurist, DigitalValueConcepts.com.
Methodik: Grundlage ist eine Deep Research vom November 2026. Einige Primärquellen (Google-Entwicklerdokumentation, arXiv, Ahrefs) konnten während der Recherche nicht direkt abgerufen werden; die Werte beruhen dort auf Suchauszügen und Sekundärberichten. Die Seite wurde mit KI-Unterstützung erstellt und redaktionell geprüft.
Weiter: Die 20 Prinzipien setzen diese Belege in konkrete Schritte um, mit Selbst-Check.
Zu den PrinzipienZur Präsentation