Generative KI im E-Commerce: Warum „Generative Engine Optimization“ für den Mittelstand künftig wichtig wird

Während Suchmaschinen wie Google oder Bing früher vor allem eine Liste von Links ausgespielt haben, liefern sie inzwischen immer häufiger direkte, KI-generierte Antworten. Ein bekanntes Beispiel ist die „KI-Übersicht“ (Google SGE), die bei vielen Suchanfragen ganz oben erscheint. Hinzu kommen neue, sogenannte agentische Systeme wie ChatGPT oder Perplexity, die zunehmend für Recherche, Produktsuche und Kaufentscheidungen genutzt werden. ChatGPT unterstützt seine Abonnenten inzwischen sogar aktiv bei der Produktauswahl über die Funktion „Shopping-Assistent“. 

Für den Mittelstand bedeutet das ganz konkret: 

Wer in diesen generierten KI-Antworten nicht vorkommt, wird für potenzielle Kundinnen und Kunden zunehmend unsichtbar. 

Im Folgenden erklären wir, was hinter den Begriffen Generative Engine Optimization (GEO) und Generative AI Optimization (GAIO) steckt, wie sie sich von klassischer Suchmaschinenoptimierung (SEO) unterscheiden und warum sich Unternehmen frühzeitig damit befassen sollten. 

Vom SEO zu GEO und GAIO – was steckt hinter den Begriffen? 

Generative Engine Optimization (GEO) ist ein noch junger Begriff aus der Forschung. Forschende der Princeton University beschreiben sogenannte generative Suchmaschinen als Systeme, die mithilfe großer Sprachmodelle Informationen aus vielen Quellen zusammentragen und daraus eine zusammenhängende Antwort erzeugen [1]. 

Der entscheidende Unterschied zu klassischen Suchmaschinen: Betreiber von Websites haben deutlich weniger Kontrolle darüber, wann und wie ihre Inhalte erscheinen. Statt einer Rangliste von Treffern entscheidet die KI, welche Quellen sie in ihre Antwort einbaut. Genau hier setzt GEO an. Die Forschenden schlagen es als neues Optimierungsparadigma vor, das Inhalte gezielt für diese Art von KI-Systemen vorbereitet. In ihren Studien konnten sie zeigen, dass schon einfache Anpassungen – etwa das Einbinden von Zitaten oder belastbaren Zahlen – die Sichtbarkeit von Quellen in generativen Antworten um bis zu 40 Prozent steigern können. 

Generative AI Optimization (GAIO) wird häufig synonym verwendet, jedoch stärker praxisorientiert im Marketingkontext eingesetzt. Die Agentur diva-e beschreibt GAIO als ein Zusammenspiel aus Content, Technik, Nutzererlebnis und Daten. Ziel ist es, Inhalte so aufzubereiten, dass sie von KI-Systemen verstanden, eingeordnet und in Antworten verwendet werden können. Der Fokus verschiebt sich dabei weg von reinen Keywords hin zu Kontext, Klarheit, Vertrauenswürdigkeit und einer gut strukturierten, maschinenlesbaren Darstellung [2]. 

Warum klassische SEO allein nicht mehr ausreicht 

Die klassische Suchmaschinenoptimierung (SEO) konzentriert sich vor allem auf Keywords, Backlinks und technische Faktoren wie Ladezeiten oder mobile Optimierung. GEO und GAIO gehen einen Schritt weiter. 

Eine Gegenüberstellung des Anbieters marmato bringt es auf den Punkt [3]: 

SEO zielt darauf ab, in Google oder Bing möglichst weit oben zu erscheinen. GAIO und GEO verfolgen das Ziel, in den Antworten von KI-Systemen selbst sichtbar zu sein. Technische Grundlagen wie Seitenstruktur oder Ladezeit bleiben wichtig, werden aber ergänzt durch Inhalte, die für KI-Modelle leichter verständlich und zitierfähig sind. 

Des Weiteren verändert sich das Informationsverhalten vieler Nutzerinnen und Nutzer spürbar. Immer mehr Menschen stellen ihre Fragen nicht mehr direkt an Google, sondern an KI-Systeme wie ChatGPT, Google Gemini oder Perplexity. Diese liefern häufig keine Linkliste mehr, sondern eine einzige, zusammengefasste Antwort. 

Wer in dieser Antwort nicht genannt oder zitiert wird, „findet schlichtweg nicht statt“. 

Dabei ist Generative Engine Optimization kein kurzfristiger Trend, sondern stellt einen grundlegenden Wandel dar. Klassische SEO-Strategien reichen zunehmend nicht aus, um in den Antwortboxen von KI-Systemen sichtbar zu bleiben. Gleichzeitig ist Vorsicht geboten: Das Feld ist noch jung, viele Ansätze sind experimentell, und nicht jedes Angebot hält, was es verspricht. 

Referenzen 

1. Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan, and Ameet Deshpande. 2024. 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, NY, USA, 5–16.  https://doi.org/10.1145/3637528.3671900 
2. https://www.diva-e.com/de/insights/edge/sichtbarkeit-jenseits-von-keywords/ 
3. https://marmato.com/gaio/