AI Overviews & GEO: Wie kleine Firmen in Antwortmaschinen auftauchen

Der Wandel von der Suchmaschine zur Antwortmaschine

Seit Einführung der Google AI Overviews und dem Aufstieg generativer Systeme wie Perplexity oder SearchGPT hat sich das Nutzerverhalten grundlegend verändert. Kunden tippen seltener isolierte Suchbegriffe ein, um anschließend fünf blaue Links anzuklicken. Stattdessen stellen sie komplexe Fragen: „Welcher Dachdecker in meiner Nähe hat Erfahrung mit Photovoltaik-Gründächern und bietet digitale Terminvergabe?“ oder „Welches Restaurant in der Innenstadt bietet glutenfreie Pasta mit Reservierungssystem an?“

Die Antwortmaschine aggregiert Informationen aus verschiedenen Quellen und präsentiert dem Nutzer eine fertig formulierte Lösung – inklusive Verweisen auf die zugrundeliegenden Webseiten. Wer in diesem Textblock nicht als Quelle auftaucht, verliert Sichtbarkeit, bevor der Kunde überhaupt die klassischen Suchergebnisse erreicht. Für kleine und mittlere Unternehmen (KMU), Handwerksbetriebe und Gastronomen reicht klassisches Suchmaschinenoptimieren (SEO) daher nicht mehr aus. Gefragt ist Generative Engine Optimization (GEO).

Die Funktionsweise von AI Overviews verstehen

Generative Modelle arbeiten nicht mit Schlüsselwort-Dichten, sondern mit Vektoren, Entitäten und Kontexten. Wenn eine KI-Antwort generiert wird, durchsucht das System das Web nach Informationen, die folgende Kriterien erfüllen:

1. Hohe Informationsdichte: Präzise Antworten ohne rhetorischen Fülltext.
2. Strukturierte Daten: Aufbereitete Schemas (Schema.org), die Maschinen ohne Interpretation auslesen können.
3. Konsistenz im Netz: Identische Unternehmensdaten (Name, Adresse, Dienstleistungen) über Verzeichnisse, Google Business Profiles und die eigene Website hinweg.
4. Autorität durch Fachinhalt: Detaillierte Beschreibungen von Prozessen, Preisen, Materialien oder Abläufen.

Besonders für Betriebe im Handwerk ist es entscheidend, spezifische Fachdaten sauber aufzubereiten. Wer beispielsweise unter [/loesungen/ki-automatisierung-handwerk](/loesungen/ki-automatisierung-handwerk) Abläufe digitalisiert, sollte diese Prozesse auch auf der Website strukturiert beschreiben.

Technische Voraussetzungen: Wie Daten maschinenlesbar werden

Um von Large Language Models (LLMs) als primäre Quelle zitiert zu werden, müssen Informationen technisch und redaktionell aufbereitet sein.

1. Entitäten-basierte Inhaltstruktur

Jedes Leistungsprofil sollte klar definierte Sub-Entitäten enthalten. Ein Gastronomiebetrieb beispielsweise profitiert nicht von allgemeinen Texten über „gemütliches Ambiente“, sondern von strukturierten Angaben zu Allergenen, Öffnungszeiten, Reservierungsschnittstellen und Tageskarten. Wie eine saubere digitale Aufstellung im lokalen Raum gelingt, zeigt das Prinzip hinter [/loesungen/google-maps-optimierung-restaurant](/loesungen/google-maps-optimierung-restaurant).

2. FAQ-Module mit direkter Antwort-Struktur

Antwortmaschinen bevorzugen das Format: Frage -> Direkte Antwort -> Detaillierte Ausführung.

• Schlecht: „Wir bieten erstklassige Bausanierungen zu fairen Preisen an.“
• Gut: „Was kostet eine energetische Fassadensanierung pro Quadratmeter? Die Kosten liegen je nach Dämmstoff und Putzsystem zwischen 120 € und 220 € pro m².“

Ein Praxisbeispiel für strukturierte Branchen-Informationen bietet die Umsetzung bei [/referenzen/bausanierung-ai](/referenzen/bausanierung-ai), wo Fachwissen direkt für automatisierte Systeme aufbereitet wird.

Rechenbeispiel: Der wirtschaftliche Effekt von AI Overview-Nennungen

Welche finanziellen Auswirkungen hat das Auftauchen in KI-Antworten im Vergleich zur klassischen organischen Suche? Ein Rechenbeispiel aus dem regionalen Dienstleistungssektor:

• Ausgangslage: Ein Sanitär- und Heizungsbetrieb in einer mittelgroßen Stadt (150.000 Einwohner).
• Suchvolumen für relevante Suchanfragen (z.B. „Wärmepumpe Nachrüstung Altbau Kosten“): 1.200 Anfragen / Monat.

Szenario A: Klassische Suche (Position 4 auf Seite 1)

• Klickrate (CTR): ca. 4,5 %
• Besucher auf der Website: 54 Klicks / Monat
• Konvertierung zu Anfragen (Conversion Rate 5 %): 2,7 Anfragen / Monat
• Auftragswert im Schnitt: 15.000 €
• Neugeschäft / Monat (bei 33 % Abschlussquote): 1 Auftrag = 15.000 €

Szenario B: Direct Citation in den Google AI Overviews

• KI-Overviews werden bei komplexen Anfragen vor den organischen Treffern eingeblendet.
• Klickrate aus dem KI-Antwortfeld (aufgrund hoher Relevanz und Vertrauen): ca. 14 %
• Besucher auf der Website: 168 Klicks / Monat
• Konvertierung zu Anfragen (Conversion Rate durch vorqualifizierte Nutzer 8 %): 13,4 Anfragen / Monat
• Neugeschäft / Monat (bei 33 % Abschlussquote): 4,4 Aufträge = 66.000 €

Ergebnis im Rechenbeispiel: Durch die Platzierung als zitierte Quelle im KI-Antwortfeld vervierfacht sich das qualifizierte Anfragevolumen im Vergleich zu einem durchschnittlichen organischen Platz auf Seite 1.

Strategische Schritte zur Optimierung für KI-Antwortmaschinen

Damit Antwortmaschinen ein Unternehmen als verlässliche Quelle einstufen, sollten folgende Punkte systematisch abgearbeitet werden:

• JSON-LD Schema Markup implementieren: Nutze spezifische Typen wie LocalBusiness, HVACBusiness, FoodEstablishment oder Service. Betone Attribute wie offers, areaServed und knowsAbout.
• Klarheit vor Blumigkeit: Streiche rein werbliche Phrasen („Ihr starker Partner“). Ersetze sie durch harte Fakten, Spezifikationen, Zertifizierungen und konkrete Prozessbeschreibungen.
• Frage-Antwort-Muster auf allen Unterseiten: Integriere auf jeder Leistungsseite Abschnitte, die konkrete Fragen präzise in 2 bis 3 Sätzen beantworten.
• Autorität durch Backlinks und Konsistenz: Stelle sicher, dass Branchenverzeichnisse und lokale Medien exakt dieselben Kernfakten über das Unternehmen enthalten.

Der konkrete erste Schritt

Analysieren Sie Ihre wichtigsten Kernleistungen in den gängigen KI-Systemen (Google AI Overviews, Perplexity, ChatGPT mit Web-Suche). Geben Sie 10 typische Kundenfragen ein, die über reine Begriffssuchen hinausgehen.

Prüfen Sie:

1. Taucht Ihr Betrieb in den generierten Antworten auf?
2. Welcher Mitbewerber wird genannt und aus welcher Quelle bezieht die KI diese Daten?
3. Welche konkreten Angaben fehlen auf Ihrer Website, damit die KI Ihren Betrieb als beste Antwort auswählt?

Identifizieren Sie auf dieser Basis die drei wichtigsten Leistungsseiten Ihrer Website und überarbeiten Sie diese mit strukturierten FAQ-Bereichen und passenden Schema.org-Auszeichnungen.