Generative Engine Optimization (GEO, englisch für Optimierung für generative Suchsysteme) bezeichnet Maßnahmen, mit denen Inhalte und Websites so gestaltet werden, dass sie in den Antworten generativer KI-Systeme – etwa KI-gestützter Suchfunktionen oder Chatbots auf Basis großer Sprachmodelle – häufiger berücksichtigt, zitiert oder genannt werden. Der Begriff wurde 2023 in einer wissenschaftlichen Arbeit eingeführt und wird seither auch in der Praxis des Online-Marketings verwendet. Ob GEO eine eigenständige Disziplin oder ein Teilbereich der Suchmaschinenoptimierung (SEO) ist, ist umstritten.
Begriff und Abgrenzung
Während die klassische Suchmaschinenoptimierung auf die Platzierung in einer Liste von Suchergebnissen abzielt, geht es bei GEO um die Berücksichtigung in einer von einem Sprachmodell formulierten Antwort. Generative Suchsysteme rufen dazu in der Regel zunächst passende Dokumente ab und fassen diese anschließend mit einem Sprachmodell zusammen (Retrieval-Augmented Generation). Google beschreibt seine eigenen KI-Funktionen in der Suche ebenfalls als auf den bestehenden Ranking- und Qualitätssystemen der Suche aufbauend.
Neben GEO sind weitere, teils synonym gebrauchte Bezeichnungen in Umlauf, darunter Answer Engine Optimization (AEO), AI Optimization (AIO) und LLM SEO. Eine einheitliche Abgrenzung dieser Begriffe hat sich bislang nicht durchgesetzt.
Geschichte
Die Entwicklung des Begriffs steht im Zusammenhang mit der Integration generativer KI in Suchdienste. Im November 2023 veröffentlichten Forschende unter anderem der Princeton University und des Indian Institute of Technology Delhi einen Vorabdruck mit dem Titel GEO: Generative Engine Optimization, der im August 2024 auf der Konferenz KDD 2024 der Association for Computing Machinery in Barcelona vorgestellt wurde.
Im Februar 2024 prognostizierte das Marktforschungsunternehmen Gartner, dass das Suchvolumen klassischer Suchmaschinen bis 2026 infolge von KI-Chatbots und virtuellen Assistenten um 25 Prozent zurückgehen werde.
Google führte im Mai 2024 in den Vereinigten Staaten die zuvor als Search Generative Experience getesteten KI-generierten Zusammenfassungen unter dem Namen AI Overviews für alle Nutzer ein. OpenAI startete am 31. Oktober 2024 eine Websuche innerhalb von ChatGPT. In Deutschland begann Google in der Nacht zum 26. März 2025 mit der Einführung der AI Overviews unter der Bezeichnung „Übersicht mit KI“; die Funktion war zunächst nur für angemeldete Nutzer ab 18 Jahren sichtbar. Der dialogorientierte „KI-Modus“ der Google-Suche ist seit Oktober 2025 auch auf Deutsch verfügbar.
Wissenschaftliche Untersuchungen
Grundlagenstudie (2023/2024)
Die Arbeit von Aggarwal et al. definierte generative Suchsysteme als gemeinsames Modell und stellte mit GEO-bench einen Benchmark aus rund 10.000 Suchanfragen aus verschiedenen Themenbereichen vor. Die Autoren überarbeiteten Quelltexte mit neun verschiedenen Methoden und maßen anschließend, welchen Anteil die jeweilige Quelle an der generierten Antwort hatte. Am wirksamsten waren das Ergänzen von Zitaten und von Statistiken; auch zusätzliche Quellenangaben und eine flüssigere Formulierung verbesserten die Sichtbarkeit. Das gezielte Wiederholen von Suchbegriffen (Keyword-Stuffing) schnitt dagegen schlechter ab als der unveränderte Text. Insgesamt berichteten die Autoren eine Steigerung der Sichtbarkeit um bis zu 40 Prozent; bei dem öffentlich zugänglichen Dienst Perplexity.ai maßen sie Verbesserungen von bis zu 37 Prozent. Die Wirksamkeit der einzelnen Methoden unterschied sich je nach Themenbereich.
Überprüfung und Gegenbefunde
Eine 2025 auf der Konferenz NeurIPS (Datasets & Benchmarks Track) angenommene Studie von Forschenden unter anderem der TU Darmstadt, der Universität Mannheim und der Universität Tübingen untersuchte entsprechende Verfahren mit dem Benchmark C-SEO Bench über mehrere Aufgaben und Themenbereiche hinweg. Die meisten getesteten Methoden erwiesen sich dabei als weitgehend wirkungslos und wirkten sich teils sogar negativ auf die Platzierung der Quelle in der Antwort aus. Wirksamer waren nach den Ergebnissen klassische SEO-Maßnahmen, die die Position einer Quelle im Abrufschritt verbessern. Zudem sank der Nutzen, je mehr Anbieter dieselben Verfahren gleichzeitig einsetzten.
Manipulationsrisiken
Mehrere Arbeiten untersuchten, wie sich die Ausgaben generativer Suchsysteme gezielt manipulieren lassen. Forschende der Harvard University zeigten 2024 anhand eines fiktiven Katalogs von Kaffeemaschinen, dass eine speziell optimierte Zeichenfolge auf einer Produktseite die Wahrscheinlichkeit erhöhen kann, dass ein Sprachmodell das betreffende Produkt als erste Empfehlung nennt. Eine Arbeit der ETH Zürich beschrieb sogenannte Preference Manipulation Attacks, bei denen präparierte Webinhalte ein Sprachmodell dazu bringen, eigene Angebote zu bevorzugen und Wettbewerber herabzusetzen; die Autoren demonstrierten dies unter anderem an Bing und Perplexity. Setzen mehrere Anbieter solche Angriffe gleichzeitig ein, verlieren nach ihren Ergebnissen alle Beteiligten an Sichtbarkeit.
Maßnahmen
Die in der Praxis empfohlenen Maßnahmen überschneiden sich weitgehend mit denen der Suchmaschinenoptimierung. Dazu zählen inhaltliche Maßnahmen wie belegte Aussagen, Zitate und Zahlenangaben, wie sie in der Studie von Aggarwal et al. untersucht wurden, sowie technische Voraussetzungen: Nach Angaben von Google müssen Seiten indexiert und für Textausschnitte (Snippets) zugelassen sein, um in den KI-Funktionen der Google-Suche zu erscheinen.
Im September 2024 schlug der Informatiker Jeremy Howard eine Datei /llms.txt im Stammverzeichnis von Websites vor, die Sprachmodellen eine kompakte Übersicht der wichtigsten Inhalte in Markdown bereitstellen soll. Es handelt sich um einen Vorschlag, nicht um einen verabschiedeten Standard. Google erklärte 2026, dass weder eine solche Datei noch eine Aufteilung von Inhalten in kleine Abschnitte (Chunking) oder spezielles strukturiertes Markup erforderlich sei, um in den generativen KI-Funktionen der Google-Suche zu erscheinen.
Auswirkungen
Eine Auswertung des Pew Research Center auf Basis der Browserdaten von 900 erwachsenen US-Amerikanern aus dem März 2025 ergab, dass bei rund 18 Prozent der Google-Suchen eine KI-Zusammenfassung angezeigt wurde. Nutzer, denen eine solche Zusammenfassung angezeigt wurde, klickten bei 8 Prozent der Besuche auf ein klassisches Suchergebnis, gegenüber 15 Prozent ohne Zusammenfassung. Auf Links innerhalb der Zusammenfassung wurde bei 1 Prozent der Besuche geklickt.
Kritik und Kontroversen
Abgrenzung zur Suchmaschinenoptimierung
Google vertritt die Auffassung, dass GEO keine eigenständige Disziplin sei. Danny Sullivan, Direktor bei der Google-Suche, erklärte im August 2025 auf der Konferenz WordCamp US, gute Suchmaschinenoptimierung sei zugleich gute GEO; dasselbe gelte für weitere neu geprägte Abkürzungen. In einem im Mai 2026 veröffentlichten Leitfaden bezeichnete Google die Optimierung für generative KI-Suche aus Sicht der Google-Suche als Optimierung für das Sucherlebnis und damit weiterhin als SEO. Ob sich diese Einschätzung auf andere Anbieter wie ChatGPT oder Perplexity übertragen lässt, ist offen.
Wettbewerbsrecht und Vergütung von Inhalten
Die Europäische Kommission leitete am 9. Dezember 2025 ein förmliches Kartellverfahren gegen Google ein. Geprüft wird unter anderem, ob Google Inhalte von Webseitenbetreibern für die KI-Übersichten und den KI-Modus nutzt, ohne diese angemessen zu vergüten und ohne ihnen die Möglichkeit zu geben, eine solche Nutzung abzulehnen, ohne den Zugang zur Google-Suche zu verlieren.
Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan, Ameet Deshpande:GEO: Generative Engine Optimization. In: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ’24). Association for Computing Machinery, New York 2024, S.5–16, doi:10.1145/3637528.3671900 (englisch).
Haritz Puerto, Martin Gubri, Tommaso Green, Seong Joon Oh, Sangdoo Yun:C-SEO Bench: Does Conversational SEO Work? 2025 (englisch, arXiv:2506.11097).Fehler in Vorlage:Literatur– *** Parameterkonflikt: Statt URL sollte etwas wie 'arXiv=' angegeben werden
Einzelnachweise
1234567Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan, Ameet Deshpande:GEO: Generative Engine Optimization. In: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ’24). Association for Computing Machinery, New York 2024, S.5–16, doi:10.1145/3637528.3671900 (englisch, arXiv:2311.09735).Fehler in Vorlage:Literatur– *** Parameterkonflikt: Statt URL sollte etwas wie 'arXiv=' angegeben werden
12Haritz Puerto, Martin Gubri, Tommaso Green, Seong Joon Oh, Sangdoo Yun:C-SEO Bench: Does Conversational SEO Work? 2025 (englisch, arXiv:2506.11097– angenommen für NeurIPS 2025, Datasets & Benchmarks Track).Fehler in Vorlage:Literatur– *** Parameterkonflikt: Statt URL sollte etwas wie 'arXiv=' angegeben werden
↑Aounon Kumar, Himabindu Lakkaraju:Manipulating Large Language Models to Increase Product Visibility. 2024 (englisch, arXiv:2404.07981).Fehler in Vorlage:Literatur– *** Parameterkonflikt: Statt URL sollte etwas wie 'arXiv=' angegeben werden
↑Fredrik Nestaas, Edoardo Debenedetti, Florian Tramèr:Adversarial Search Engine Optimization for Large Language Models. In: International Conference on Learning Representations (ICLR). 2025 (englisch, arXiv:2406.18382).Fehler in Vorlage:Literatur– *** Parameterkonflikt: Statt URL sollte etwas wie 'arXiv=' angegeben werden
↑Jeremy Howard:The /llms.txt file.3.September 2024,abgerufen am 29.Oktober 2026(englisch).
