Schluss mit wildem Prompting: Warum echte KI-Sichtbarkeit ein technisches Handwerk ist

Früher gab es klare Grenzen: Coden überließ man Softwareentwicklern, SEO-Optimierung den Spezialisten. Heute glauben viele, diese Barrieren seien durch KI gefallen. Das Gegenteil ist der Fall. Unter dem Begriff GEO (Generative Engine Optimization) entsteht derzeit ein neues Optimierungsfeld zwischen SEO, Content, Webentwicklung und technischer Infrastruktur.

Das „Blank-Page"-Problem: Wenn Bots kein JavaScript ausführen

Der größte Trugschluss ist der Glaube, eine KI-Suchmaschine wie Perplexity oder die ChatGPT-Suche „lese" Inhalte einfach, weil sie da sind. Eine Analyse von Vercel und MERJ zeigte, dass die untersuchten großen AI-Crawler zwar teilweise JavaScript-Ressourcen abrufen, JavaScript in den untersuchten Fällen jedoch nicht ausführen. ClaudeBot lädt in rund 24 % der Anfragen JavaScript-Dateien herunter, führt sie aber ebenfalls nie aus. Einzige nennenswerte Ausnahme ist Google, das über die Chromium-Infrastruktur von Googlebot echtes Rendering für Gemini/AI-Overviews nutzt. (Quellen: Vercel (2024/2025)  Mersel AI (13. März 2026))

SEO reicht nicht mehr — heute zählt Zitierfähigkeit, aber differenziert

Klassisches SEO folgte dem „Bibliothekar-Prinzip": Google lieferte eine Linkliste, der Nutzer musste die Informationen danach aufbereiten. Nun konsumiert die KI die Website für den Nutzer und liefert eine fertige Antwort. Die Spielregeln ändern sich messbar:

Rankings entkoppeln sich von Zitaten — aber konkret und nachvollziehbar dokumentiert. Ahrefs hat gemessen, dass Mitte 2024/2025 noch rund 76 % der in Googles AI Overviews zitierten Seiten gleichzeitig in den Top-10 der organischen Google-Ergebnisse standen. Bei einer Wiederholung der Untersuchung im März 2026 war dieser Anteil auf etwa 38 % gefallen. (Quelle: Boomcycle Digital Marketing (7. Juli 2026).)

Authority & Context: Was andere über dich sagen

Eine technisch perfekt aufgebaute Website allein garantiert noch keine Sichtbarkeit in KI-Antworten. AI-Systeme greifen bei der Einordnung von Unternehmen, Produkten und Themen nicht ausschließlich auf die eigene Website zurück. Auch externe Quellen können eine Rolle spielen: Fachportale, Branchenverzeichnisse, Medien, soziale Plattformen oder andere Websites, die eine Organisation erwähnen und in einen thematischen Kontext einordnen.

Für die KI entsteht dadurch ein Netzwerk aus Entitäten und Beziehungen: Wer ist das Unternehmen? Wofür ist es bekannt? Welche Produkte oder Dienstleistungen bietet es an? In welcher Branche ist es tätig? Und welche anderen vertrauenswürdigen Quellen bestätigen diese Informationen?

Das macht Authority & Context zu einer wichtigen Ergänzung der technischen Optimierung. Es geht dabei nicht darum, möglichst viele Backlinks oder Erwähnungen zu erzeugen. Entscheidend sind konsistente, relevante und vertrauenswürdige Signale über mehrere Quellen hinweg.

Gerade Plattformen wie YouTube zeigen, dass AI-Suchergebnisse längst nicht ausschließlich aus klassischen Unternehmenswebsites gespeist werden. Untersuchungen zu Googles AI Overviews zeigen, dass auch externe Plattformen und Quellen eine relevante Rolle bei den Zitaten spielen können.

Die eigene Website liefert also die Fakten – das Web liefert den Kontext.

Wer kontrolliert die Bots? Training-Crawler vs. Search-Crawler

Wer nur „promptet", vergisst oft die Türsteher der eigenen Website. Entscheidend ist die Unterscheidung zwischen Training-Bots (die Inhalte für das Modelltraining absaugen, ohne Traffic zurückzugeben) und Search-Bots (die eine Marke zitieren und qualifizierte Nutzer schicken). Beide Bot-Typen stammen oft vom selben Unternehmen, sind aber technisch komplett getrennt und lassen sich in der robots.txt unabhängig voneinander steuern.

Quelle: offizielle Bot-Dokumentation von OpenAI und Anthropic, zusammengefasst nach Mersel AI.

Google-Extended ist kein eigener Crawler. Das Token dient als robots.txt-Steuersignal für die Nutzung von über Googlebot erfassten Inhalten in Gemini-Kontexten.

Ein Beispiel für eine solche selektive robots.txt-Konfiguration:

Struktur nach Mersel AI, 2026. Wichtig: Änderungen an der robots.txt entfalten bei OpenAI-Systemen laut Anbieterangaben oft erst nach rund 24 Stunden Wirkung; die veralteten Anthropic-Kennungen Claude-Web und anthropic-ai sind inaktiv und blockieren nichts mehr.

Ein häufiger, teurer Fehler: Ein pauschales Disallow: / für jeden User-Agent mit „AI" oder „Bot" im Namen — oft ein Überbleibsel alter „Block-KI"-Panik. Das blockiert OAI-SearchBot gleich mit und macht eine Marke in der ChatGPT-Suche unsichtbar, obwohl nur das Training unterbunden werden sollte. Zusätzlich überschreiben CDN-Regeln (z. B. Cloudflares „Block AI Bots") häufig die eigene robots.txt auf Edge-Ebene, ohne dass die technische Abteilung das bemerkt — ein Audit dieser Ebene gehört daher zwingend zum Prozess.

Der Maschinen-Layer: Strukturierte Daten als Klartext für die KI

Neben SSR und Bot-Steuerung braucht es einen zweiten, unabhängigen Baustein: maschinenlesbare Auszeichnung der Inhalte per JSON-LD. SSR macht Inhalte überhaupt sichtbar; strukturierte Daten machen sie eindeutig interpretierbar, statt dass die KI Entitäten und Fakten aus Fließtext erraten muss. Ein minimales Beispiel für eine Firmenseite:

Vereinfachtes @graph-Beispiel zur Verknüpfung von Organisation und Artikel-Entität.

Die wirtschaftliche Dimension: mit Vorsicht zu genießende Zahlen

Zum Abschluss die naheliegende Frage: Lohnt sich der Aufwand? Mehrere unabhängig erhobene Datensätze deuten übereinstimmend darauf hin, dass aus KI-Antworten stammender Traffic deutlich besser konvertiert als klassischer organischer Traffic — die genannten Multiplikatoren schwanken je nach Studie und Branche jedoch stark, von etwa dem 4-fachen bis in einzelnen Erhebungen zum über 20-fachen. Belastbarer als eine einzelne pauschale Kennzahl ist die Beobachtung, dass Messung selbst noch die Ausnahme ist: Mehrere Marktforschungen aus 2026 kommen unabhängig voneinander auf einen Anteil von rund 14 % der Marketer, die KI-Sichtbarkeit aktiv tracken, während ein deutlich größerer Anteil angibt, „dafür zu optimieren". Das Fenster für einen Wissensvorsprung ist also real, aber die konkrete ROI-Zahl sollte im Einzelfall selbst gemessen werden, statt eine fremde Kennzahl 1:1 zu übernehmen.

Fazit

Die Kernthese trägt: KI-Sichtbarkeit ist keine Frage des richtigen Prompts, sondern eine technische Spezifikation — SSR statt reinem CSR, eine sauber getrennte Bot-Steuerung in robots.txt (und auf CDN-Ebene), strukturierte Daten als Entitäts-Layer sowie Inhalte mit echter Faktendichte statt Keyword-Dichte. Wer diese vier Bausteine umsetzt, überlässt die eigene Sichtbarkeit nicht dem Zufall — und kann jede hier genannte Zahl selbst nachprüfen, statt sie zu glauben.