LLMO: KI-Sichtbarkeit messbar machen

Kurze Antwort

LLMO (Large Language Model Optimization) sorgt dafür, dass ein Unternehmen innerhalb KI-generierter Antworten genannt wird, statt nur in einer Linkliste zu ranken. Die Arbeit setzt an drei Hebeln an: einer eindeutig auflösbaren und belegten Entität, Inhalten, aus denen sich Passagen unbeschädigt entnehmen lassen, und Präsenz auf den Drittquellen, denen Antwortmaschinen bereits vertrauen.

Veröffentlicht 7. September 2026 · Zuletzt aktualisiert 7. September 2026 · Taxiarchis Vafeas

Warum Ranking und Nennung auseinanderfallen

Suchmaschinen liefern eine Liste und lassen Sie wählen. Antwortmaschinen wählen für Sie und liefern einen Absatz. Damit verschiebt sich der Wettbewerb von «welche Seite ist am relevantesten» zu «welches Unternehmen hält das Modell für das richtige, um es zu nennen» — und das wird über einen anderen Mechanismus entschieden.

Ein Sprachmodell löst Entitäten auf, bevor es Dokumente betrachtet. Auf die Frage nach einer KI-Agentur durchsucht es keine Seiten, sondern ruft ab, was es über benannte Organisationen und deren Kategorien hält. Ein Unternehmen, das sich auf der Startseite anders beschreibt als auf seinen Leistungsseiten, rankt nicht schlechter — es wird in keine Kategorie sauber einsortiert und fällt aus der Auswahl.

Die vier Hebel, in der Reihenfolge, in der wir arbeiten

Serverseitig ausgelieferte HTML. Die grossen KI-Crawler führen clientseitiges JavaScript nicht zuverlässig aus. Eine im Browser gerenderte Website wird deshalb unter Umständen mit wenig oder ganz ohne Inhalt abgerufen. Das ist der häufigste schwerwiegende Fehler, den wir finden — meist auf Websites, die für Besucher hervorragend aussehen.
Eine auflösbare, belegte Entität. Ein Organisationsknoten, eine benannte Person, ein konsistenter Name und eine konsistente Adresse über alle Oberflächen hinweg, in strukturierten Daten deklariert und auf unabhängigen Profilen bestätigt.
Extrahierbare Inhalte. Ein eigenständiger Antwortabsatz von 40 bis 60 Wörtern unter der Überschrift, Überschriften in Frageform, Vergleichstabellen, eine konkrete Angabe je Abschnitt.
Belege durch Dritte. Verzeichnisse, Bewertungsplattformen, Fachbeiträge, Community-Diskussionen. Der langsamste Hebel, der einzige ausserhalb Ihrer Kontrolle, und der Grund, warum ehrliche Zeitpläne in Quartalen rechnen.

Was wir messen

Nennungsrate: In wie vielen Antworten Ihres Prompt-Sets Ihr Unternehmen überhaupt vorkommt.
Zitationsrate: Wie oft dabei auf Ihre eigene Domain als Quelle verwiesen wird — nicht dasselbe wie genannt zu werden.
Share of Voice: Ihr Anteil an allen Nennungen im Vergleich zu namentlich definierten Wettbewerbern.
Crawler-Realität: Zugriffe je KI-Bot pro Woche an der Edge und der Anteil serverseitig ausgelieferter Inhalte. Kaum jemand berichtet diese Zahl an Kunden.

Zum deutschsprachigen Markt, offen gesagt

Der deutschsprachige Raum ist in dieser Kategorie deutlich reifer als der griechische. Etablierte Agenturen ranken hier seit Jahren zu LLMO Agentur und KI-Sichtbarkeit, und wir werden das nicht in einem Quartal übernehmen. Was diese Arbeit sofort liefert, ist eine belastbare Messung Ihrer Ausgangslage und die technische Grundlage, ohne die alles Weitere wirkungslos bleibt. Wer Ihnen hier Top-Platzierungen in drei Monaten zusagt, hat entweder den Markt nicht angesehen oder rechnet damit, dass Sie es nicht nachprüfen.

Was Google offiziell sagt

Googles Dokumentation zu den KI-Funktionen ist eindeutig: Um als unterstützender Link in AI Overviews oder im AI Mode zu erscheinen, muss eine Seite indexiert und mit Snippet ausspielbar sein. Zusätzliche technische Anforderungen oder spezielle Optimierungen gibt es nicht, und es wird ausdrücklich festgehalten, dass keine neuen maschinenlesbaren Dateien oder Sonder-Markups nötig sind.

Daraus folgt zweierlei — und wir nennen beides, obwohl uns der zweite Punkt Umsatz kostet. Erstens: Vieles, was als «KI-SEO» verkauft wird, ist gewöhnliches technisches SEO. Zweitens: Die tatsächlichen Unterschiede entstehen ausserhalb der Seite, in der Entitätsauflösung und in Belegen durch Quellen, die Ihnen nicht gehören.

Häufige Fragen

Was ist LLMO?

LLMO — Large Language Model Optimization — ist die Arbeit daran, was ein Sprachmodell über ein Unternehmen weiss und wiedergibt. Sie umfasst drei Ebenen: eine Entität, die eindeutig auflösbar und durch unabhängige Quellen belegt ist, Inhalte, aus denen sich Passagen unbeschädigt entnehmen lassen, und Präsenz auf den Drittquellen, denen diese Systeme bereits vertrauen.

LLMO, GEO oder AEO — welcher Begriff stimmt?

Alle drei beschreiben überlappende Arbeit mit unterschiedlichem Schwerpunkt. AEO zielt auf die Nennung in einer geschriebenen Antwort, GEO auf die Aufnahme in generative Ergebnisse einschliesslich der AI Overviews, LLMO auf das Modellwissen über Ihre Entität. Im deutschsprachigen Raum hat sich LLMO als Bezeichnung durchgesetzt, im englischsprachigen eher AEO.

Die Reihenfolge der Arbeit ist in jedem Fall dieselbe: messen, Entität klären, Inhalte extrahierbar machen, Belege aufbauen.

Wie messen Sie KI-Sichtbarkeit konkret?

Mit einem festen Prompt-Set — den Fragen, die Ihre Kunden tatsächlich stellen — das wiederholt über ChatGPT, Gemini, Perplexity, Claude und die Google AI Overviews läuft. Jede Antwort wird wörtlich und mit Datum archiviert. Daraus ergeben sich Nennungsrate, Zitationsrate und Share of Voice gegenüber namentlich genannten Wettbewerbern.

Wie lange dauert das im deutschsprachigen Markt?

Länger als in kleineren Märkten, und das sagen wir vorab. Der deutschsprachige Raum hat etablierte Agenturen, die seit Jahren zu LLMO und KI-Sichtbarkeit publizieren. Die technische Ebene und die Entität stehen in Wochen. Für messbare Bewegung bei der Nennungsrate planen Sie sechs bis zwölf Monate ein und beurteilen Sie die Arbeit an Anfragen, nicht an Rankings.

Bringt llms.txt etwas?

Veröffentlichen Sie die Datei — sie kostet zwanzig Minuten und ist eine vertretbare Wette auf agentenbasiertes Retrieval. Kaufen Sie sie nicht als Ranking-Faktor. Google hat öffentlich erklärt, sie nicht zu verwenden, und Crawler-Log-Analysen zeigen, dass die grossen KI-Bots ganz überwiegend direkt HTML abrufen.