Answer Engine Optimization: warum SEO allein in KI-Antworten nicht mehr reicht

Von Manuel Hack, ihp media · Aktualisiert am 21. Juni 2026

Wer heute eine Frage in ChatGPT oder Perplexity stellt, bekommt eine fertige Antwort. Kein Klick, kein Scrollen, kein Vergleich von zehn Suchergebnissen. Entweder eine Seite wird als Quelle genannt oder sie ist unsichtbar. Genau diese Sichtbarkeit steuert Answer Engine Optimization. Dieser Ratgeber erklärt das Konzept, die Mechanik dahinter und die Maßnahmen, die für kleine und mittlere Unternehmen tatsächlich funktionieren.

Was ist Answer Engine Optimization?

Der Begriff selbst ist älter als die aktuelle KI-Welle. Er beschrieb ursprünglich die Optimierung für Sprachassistenten wie Siri oder Alexa, die eine gesprochene Frage mit einer einzelnen gesprochenen Antwort beantworten. Seit ChatGPT, Perplexity und Google AI Overviews zum Alltag geworden sind, hat sich das Anwendungsfeld grundlegend erweitert.

Eine Antwortmaschine ist jedes System, das eine Nutzerfrage mit einer fertigen Antwort beantwortet, anstatt eine Liste verlinkter Treffer zu liefern. Dazu gehören heute:

• Featured Snippets in der klassischen Google-Suche: das hervorgehobene Ergebnis direkt unter der Suchleiste, das eine Frage in einem Absatz, einer Liste oder einer Tabelle beantwortet.
• Google AI Overviews: die zusammengefassten KI-Antworten, die Google seit 2024 oberhalb der klassischen Suchergebnisse einblendet und laut Google über zwei Milliarden Nutzer monatlich erreichen.
• ChatGPT mit Websuche (GPT-4o, SearchGPT): bezieht aktuelle Webinhalte ein und belegt Aussagen mit Quell-Links.
• Perplexity AI: durchsucht das Web in Echtzeit, synthetisiert eine Antwort und listet die genutzten Quellen direkt daneben.
• Microsoft Copilot: integriert in die Bing-Suche und in Microsoft 365, lädt Webinhalte per Retrieval-Augmented Generation nach.

All diese Systeme holen sich passende Webinhalte, lesen sie und formulieren daraus eine Antwort. Ob dabei eine Quelle zitiert wird, hängt davon ab, wie gut ihr Inhalt als Antworteinheit verwertbar ist. AEO adressiert genau diesen Punkt.

AEO und GEO (Generative Engine Optimization) werden oft synonym verwendet. Wer den Unterschied verstehen will: GEO ist der breitere Forschungsbegriff für die Optimierung generativer KI-Systeme, AEO betont stärker die Antwortstruktur und den Frage-Intent. Beide Konzepte überschneiden sich stark. GEO im Detail erklärt der Ratgeber Von ChatGPT empfohlen werden.

Wie Antwortmaschinen Inhalte auswählen

Nicht alle Antwortmaschinen funktionieren gleich, und das beeinflusst, welche Optimierung wann wirkt.

Perplexity, Google AI Overviews und ChatGPT mit aktivierter Websuche arbeiten per Retrieval-Augmented Generation (RAG): Sie suchen aktiv im Web, lesen die relevantesten Seiten und synthetisieren daraus eine Antwort. Hier wirkt eine Verbesserung schnell, sobald der eigene Crawler-Zugang stimmt und der Inhalt klar strukturiert ist.

ChatGPT ohne aktivierte Websuche antwortet dagegen aus seinem Trainings-Datensatz. Wer dort sichtbar werden will, braucht Inhalte, die in zuverlässig indizierten Quellen stehen und von anderen seriösen Seiten erwähnt werden. Das wirkt erst mit dem nächsten Modell-Update, also mit erheblicher Verzögerung.

Für die meisten KMU ist RAG-Optimierung der direktere Weg. Die Basis: Der eigene Inhalt muss crawlbar sein, eine klare Frage-Antwort-Struktur haben und von der Antwortmaschine als verlässlich eingestuft werden.

Fünf Signale bestimmen, ob ein Inhalt als Quelle ausgewählt wird:

1. Frage-Antwort-Struktur

Ein KI-System sucht verwertbare Antworteinheiten, nicht Stichwörter. Eine Passage, die eine konkrete Frage vollständig in einem Absatz beantwortet, ohne dass man den Rest der Seite kennen muss, hat die höchste Chance, direkt zitiert zu werden. Das GEO-Paper der Princeton University (Aggarwal et al., KDD 2024) testete neun verschiedene Optimierungsstrategien an 10.000 Queries. Ergebnis: Das direkte Einbinden von Zitaten erhöhte die Sichtbarkeit in KI-Antworten um bis zu 41 % (Quotation Addition).

2. Statistiken und Quellenbelege im Text

Dieselbe Studie zeigt: Absätze, die konkrete Zahlen enthalten (Statistics Addition), steigerten die KI-Sichtbarkeit um 31 %. Direkte Quellenangaben im Fließtext (Cite Sources) brachten 29 % mehr Sichtbarkeit. Eine belegte Aussage kann ein KI-System übernehmen. Eine unbelegte Behauptung nicht. Die Mechanik dahinter erklärt der Ratgeber Wie KI ihre Quellen auswählt.

3. Vertrauenswürdigkeit und Autorschaft

Wer schreibt das, und mit welchem nachweisbaren Hintergrund? Eine benennbare Person mit erkennbarem fachlichem Bezug erhöht die Wahrscheinlichkeit, als Quelle gewählt zu werden. Externe Erwähnungen in seriösen Quellen kommen zusätzlich dazu. Anonyme Seiten ohne erkennbare Zuordnung werden seltener herangezogen.

4. Thematische Vollständigkeit

KI-Systeme bewerten, welche Begriffe und Konzepte zu einem Thema sinnvollerweise gemeinsam vorkommen. Ein Beitrag über DSGVO-Pflichten, der Meldefristen, Betroffenenrechte und die Aufsichtsbehörde nicht erwähnt, wirkt thematisch lückenhaft, auch wenn er für menschliche Leser ausreichend erscheint.

5. Technische Zugänglichkeit

Die Seite muss crawlbar sein, sauber laden und serverseitig gerendertes HTML ausliefern. Viele KI-Crawler führen kein JavaScript aus und sehen dynamisch geladene Inhalte nicht. Was robots.txt und Ladezeiten damit zu tun haben, zeigt der Abschnitt zu den technischen Voraussetzungen weiter unten.

Das Antwort-Format: der wichtigste Hebel

Der größte Unterschied zwischen einem Inhalt, der zitiert wird, und einem, der nicht zitiert wird, liegt meist nicht in der inhaltlichen Qualität. Er liegt im Format.

Antwortmaschinen funktionieren wie ein sehr flinker Assistent, der durch einen Text blättert und die Stelle sucht, die eine Frage direkt beantwortet. Findet er im ersten Satz eines Absatzes eine vollständige Antwort, greift er zu. Findet er drei einleitende Sätze und die eigentliche Antwort erst am Ende, zieht er oft weiter.

Das Prinzip heißt Answer-First: Die Antwort steht im ersten Satz, Kontext und Einschränkungen folgen danach. Nicht „Das ist eine komplexe Frage, die von mehreren Faktoren abhängt. Zunächst muss man verstehen…“ sondern: „Die gesetzliche Frist für die DSGVO-Meldepflicht beträgt 72 Stunden ab Kenntnis der Datenpanne. Diese Frist gilt gegenüber der zuständigen Aufsichtsbehörde…“

Drei weitere Format-Anforderungen kommen hinzu:

Kontextunabhängigkeit: Die Antwort muss in sich abgeschlossen sein. Ein Satz wie „Wie oben erwähnt, gilt hier dasselbe“ liefert für ein System, das nur diesen Absatz verarbeitet, nichts Verwertbares.

Optimale Länge: Als Richtwert haben sich 40 bis 120 Wörter pro Antwortpassage bewährt. Kürzer fehlt der nötige Kontext für eine vollständige Antwort. Deutlich länger passt nicht mehr in das Zitatformat, das KI-Systeme bevorzugen.

Keine Keyword-Überfüllung: Das GEO-Paper belegt, dass reines Keyword-Stuffing die KI-Sichtbarkeit um 8 % senkt. Maschinen erkennen inflationären Keyword-Einsatz als Qualitätsmangel.

Wie man Inhalte so aufbaut, dass KI-Systeme sie zuverlässig als Zitat übernehmen, erklärt der Ratgeber Zitierfähige Inhalte schreiben.

Welches Format für welchen Zweck?

Nicht jede Frage beantwortet man am besten mit einem Absatz. Die Tabelle zeigt, welches Antwortformat für welchen Fragetyp geeignet ist und welche konkreten Anwendungsbeispiele dazu passen.

Das richtige Format folgt aus der Frage, nicht aus Gewohnheit. Wer eine Prozessbeschreibung in einem langen Absatz versteckt, macht es einem KI-System schwerer, die einzelnen Schritte herauszugreifen. Eine einfache Definition als Liste darzustellen erzeugt unnötige Komplexität.

FAQ-Blöcke eignen sich besonders gut, weil sie Frage und Antwort in einer klar erkennbaren Einheit verpacken. Was dabei bei der Formulierung der Fragen zu beachten ist und wie das Schema-Markup korrekt gesetzt wird, zeigt der Ratgeber FAQ für KI: Inhalte, die Menschen und KI-Suche gleichzeitig beantworten.

Einen Hinweis zur aktuellen Lage bei Google: FAQPage-Schema bleibt sinnvoll, aber nicht wegen Google-Suchergebnissen. Google hat FAQ Rich Results am 7. Mai 2026 vollständig aus der Suche entfernt. Der Nutzen von FAQPage-Markup liegt heute ausschließlich in der maschinellen Verarbeitbarkeit durch RAG-basierte KI-Systeme wie Google AI Overviews, Perplexity und ChatGPT mit Websuche.

Das Handwerk: wie Maschinen Texte lesen

Das richtige Antwortformat ist die eine Seite. Die andere ist die handwerkliche Ausführung auf Ebene von Sätzen und HTML-Tags. Brian Dean (Backlinko) hat drei Techniken dokumentiert, die ursprünglich für Google Featured Snippets entwickelt wurden. Die Mechanik dahinter ist dieselbe wie bei RAG-basierten KI-Systemen: beide suchen eine in sich abgeschlossene Antworteinheit, greifen zu, wenn sie sie finden, und ziehen weiter, wenn die Struktur es ihnen schwer macht. Die Belege unten beziehen sich auf Featured Snippets, nicht auf KI-Antwortdienste im Speziellen. Die Übertragung ist naheliegend und entspricht der Praxiserfahrung, aber keine gesonderte Studie hat sie für KI-Systeme gemessen.

Definitions-Blöcke auf exakte Länge bringen

Eine SEMrush-Analyse von 1,3 Millionen Featured Snippets zeigte: Der durchschnittliche Definitions-Snippet ist 40 bis 60 Wörter lang. Die Technik, die Backlinko daraus ableitet, nennt er „Snippet Bait“: einen sachlichen, meinungsfreien Textblock dieser Länge direkt unter einer Frage-Überschrift wie „Was ist X?“ setzen. Keine Einleitung davor, kein Verweis auf andere Abschnitte, keine Bewertung. Der Block erklärt den Begriff vollständig, so wie ein Wörterbuch-Eintrag. Was Google daraus direkt extrahieren kann, kann ein RAG-System genauso verwenden.

Schritte und Listen als H2 oder H3 mit einheitlichem Format

Wer Schritte oder Listenelemente als H2- oder H3-Überschriften auszeichnet und dabei strikt dasselbe Wording-Muster durchhält, gibt einem Extraktionssystem eine klare Struktur. „Schritt 1: Keyword recherchieren“, „Schritt 2: Seite strukturieren“, „Schritt 3: Schema setzen“ funktioniert. Gemischte Formate wie „Zuerst die Recherche“, „Dann sollten Sie die Seite strukturieren“, „Als Letztes Schema“ hingegen erzeugen Ambiguität. Backlinko hat dies für eine eigene 9-Schritte-Anleitung geprüft: alle neun Punkte als H2, gleiche Vorlage, und Google extrahierte sie als kompakte Liste. Dasselbe gilt für unnummerierte Aufzählungen.

HTML-Tabellen statt verstreuter Vergleichswerte

Ein KI-System oder eine Suchmaschine sammelt keine verstreuten Werte aus dem Fließtext, um daraus selbst eine Tabelle zu bauen. Es greift auf eine vorhandene <table> zu. Backlinko beobachtete, dass Google für Tabellen-Snippets fast ausschließlich auf existierende HTML-Tabellen zurückgreift. Wer Vergleichsdaten im Text hat, sollte sie als echte Tabelle mit <thead> und scope="col" auszeichnen statt als Absatz oder Aufzählung. Der Aufwand ist gering, der Unterschied für die maschinelle Lesbarkeit ist erheblich.

Technische Voraussetzungen

Wer den besten Inhalt hat, aber technische Hürden aufgebaut hat, wird trotzdem nicht zitiert. Vier Punkte sind nicht verhandelbar.

KI-Bots crawlen lassen

KI-Systeme schicken eigene Crawler: GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot und Google-Extended (für KI-Training und AI Overviews). Wer einen davon versehentlich in der robots.txt blockiert, bleibt für dieses System unsichtbar. Google empfiehlt in seiner AI Overviews-Dokumentation ausdrücklich, Crawling zu erlauben und interne Verlinkung zu pflegen, um in KI-Antworten zu erscheinen.

Serverseitiges Rendering

Viele KI-Crawler führen kein JavaScript aus. Inhalte, die erst nach dem Laden im Browser via JavaScript erscheinen, sind für diese Systeme schlicht nicht vorhanden. WordPress-Seiten mit standardmäßigem PHP-Rendering sind hier gut aufgestellt. Akkordeon-FAQs, deren Inhalt erst per Klick erscheint, sollten im gerenderten HTML vollständig vorhanden sein. Eine einfache Probe: Seitenquelltext im Browser anzeigen und prüfen, ob der Antworttext dort steht.

Ladezeit

Featured Snippets und AI Overviews bevorzugen Seiten, die schnell und stabil laden. Als Orientierungswerte gelten laut Googles Core-Web-Vitals-Dokumentation: Largest Contentful Paint unter 2,5 Sekunden, Cumulative Layout Shift unter 0,1. Seiten, die deutlich langsamer sind, werden weniger vollständig gecrawlt.

Strukturierte Daten korrekt einsetzen

Wichtige Schema-Typen für AEO:

• FAQPage: Macht Frage-Antwort-Paare maschinell eindeutig auswertbar. Seit Mai 2026 ohne visuellen Effekt in der Google-Suche, aber für RAG-Systeme weiterhin nützlich.
• Article / BlogPosting: Gibt Autor, Veröffentlichungsdatum und Aktualisierungsdatum maschinenlesbar mit.
• Person / Organization: Verbindet den Inhalt mit einer klar identifizierten Entität. Wichtig für die Vertrauensbewertung.
• HowTo: Strukturiert Anleitungen als einzelne, benannte Schritte. Ideal für Prozesse mit klarer Reihenfolge.

Das Schema-Markup setzt ihp media für alle Ratgeber-Artikel automatisch über das ihp-seo-Plugin. Im Google Rich Results Test lässt sich prüfen, ob das Markup korrekt erkannt wird.

Praxisbeispiel: vorher und nachher

In einem Projekt für einen Steuerberater mit eigenem Ratgeber-Blog haben wir exemplarisch drei Seiten auf AEO-Tauglichkeit geprüft. Der Befund war typisch für gut gemeinte, aber noch nicht antwort-optimierte Inhalte.

Vorher: Ein Artikel über die Umsatzsteuer-Voranmeldung begann mit einem Einleitungsabsatz, der das Thema allgemein einordnete, die Wichtigkeit betonte und dann auf den Hauptteil verwies. Auf die Frage „Bis wann muss die Umsatzsteuer-Voranmeldung abgegeben werden?“ gab es im ganzen Artikel keine direkte Antwort. Die relevante Passage lautete: „Die Fristen sind je nach Voranmeldungszeitraum unterschiedlich und können in bestimmten Fällen verlängert werden.“ Kein System kann daraus eine zitierfähige Antwort formulieren.

Nachher: Wir haben den Artikel um drei Antwort-Blöcke ergänzt, jeweils mit der Frage als Überschrift und der Antwort im ersten Satz: „Die Umsatzsteuer-Voranmeldung ist monatlich oder vierteljährlich bis zum 10. des Folgemonats abzugeben, bei Dauerfristverlängerung einen Monat später.“ Dazu kamen konkrete Zahlen (Umsatzschwelle für Quartals-Voranmelder: 7.500 Euro Jahressteuerschuld) und ein direkt zitiertes FAQ-Block mit Schema. Das Ergebnis: Perplexity zitierte zwei dieser Antwort-Blöcke nach dem nächsten Crawl-Durchlauf (aus unserer Beobachtung waren es wenige Wochen).

Der Aufwand war gering: bestehende Texte wurden nach dem Answer-First-Prinzip umstrukturiert, nichts neu geschrieben.

Sofort-Checkliste AEO

• Beantwortet jeder wichtige Absatz eine konkrete Frage im ersten Satz vollständig?
• Sind Antwortpassagen zwischen 40 und 120 Wörter lang und ohne Querverweise auf andere Abschnitte?
• Enthalten zentrale Aussagen konkrete Zahlen oder direkte Quellenbelege im Fließtext?
• Gibt es auf der Seite mindestens einen FAQ-Block mit realen Nutzerfragen (nicht Marketing-Fragen)?
• Ist FAQPage-Schema korrekt ausgezeichnet und im Rich Results Test valide?
• Ist Article- oder BlogPosting-Schema mit Autor und Aktualisierungsdatum vorhanden?
• Sind GPTBot, ClaudeBot und PerplexityBot in der robots.txt nicht blockiert?
• Liefert der Seitenquelltext alle Inhalte aus, auch FAQ-Antworten hinter Akkordeons?
• Lädt die Seite unter 2,5 Sekunden LCP?
• Sind Überschriften als echte Fragen oder klare Aussagen formuliert?

Häufige Fragen

Was ist der Unterschied zwischen AEO und SEO?

SEO optimiert für ein gutes Ranking in einer Trefferliste. AEO optimiert dafür, in einer generierten Antwort direkt zitiert zu werden. Beides schließt sich nicht aus: Technische Basis, sauberes Markup und verlässliche Inhalte zahlen auf beide Ziele ein. Der entscheidende Unterschied liegt im Textstil: Für AEO steht die Antwort im ersten Satz, bei klassischen SEO-Texten oft erst nach einer Einleitung.

Muss ich für jede KI-Plattform separat optimieren?

Nein. Die Grundlagen wirken plattformübergreifend: klare Antwortstruktur, strukturierte Daten, technisch zugänglicher Inhalt und nachweisbare Autorschaft. Die unterschiedlichen Systeme nutzen ähnliche Qualitätssignale. Eine plattformspezifische Einzeloptimierung lohnt kaum, weil die Systeme sich schnell verändern.

Schadet AEO meinem klassischen Google-Ranking?

Im Gegenteil. Google ordnet die Optimierung für AI Overviews ausdrücklich als normale SEO-Aufgabe ein und gibt in der offiziellen Dokumentation an, dass keine speziellen Anpassungen nötig sind. Die Maßnahmen, die für AEO sinnvoll sind, verbessern gleichzeitig klassische Ranking-Signale: Textqualität, strukturierte Daten, Ladezeit.

Wie erkenne ich, ob meine Seite von KI-Systemen zitiert wird?

Eine direkte Messung gibt keine Plattform vollständig heraus. Praktikabel: Typische Fragen aus dem eigenen Themenfeld in ChatGPT, Perplexity und Google AI Mode eingeben und prüfen, ob die eigene Domain auftaucht. Zusätzlich liefern Server-Logfiles Hinweise, ob GPTBot, ClaudeBot oder PerplexityBot die Seite besuchen.

Lohnt sich AEO auch für kleine Websites?

Ja, und oft sogar mehr als für große. Kleine Seiten mit klarer thematischer Ausrichtung und präzisen Antworten haben einen strukturellen Vorteil gegenüber breiten Portalen, die zu allem etwas sagen. Ein Handwerksbetrieb, der die Frage „Was kostet eine Dachrinnenreinigung in München?“ direkt und vollständig beantwortet, hat eine reale Chance, in lokalen KI-Antworten zu erscheinen.

Was bringt FAQPage-Schema noch, wenn Google es nicht mehr anzeigt?

Google hat FAQ Rich Results am 7. Mai 2026 abgeschafft. Geblieben ist der semantische Nutzen: FAQPage-Schema in JSON-LD stellt Frage-Antwort-Paare in einem klar definierten maschinenlesbaren Format bereit, das RAG-Systeme wie Perplexity und ChatGPT mit Websuche direkt verarbeiten können. Der Aufwand für korrekt ausgezeichnetes FAQ-Markup ist gering und der Nutzen für KI-Systeme bleibt real.