Die Studie „E-GEO: A Testbed for Generative Engine Optimization in E-Commerce“ der Columbia University und des MIT untersuchte erstmals systematisch, wie generative Sprachmodelle Produktbeschreibungen bewerten und wie Unternehmen ihre Inhalte so gestalten können, dass sie in KI-Antworten häufiger und besser positioniert auftreten.
- Was GEO bedeutet und wie es sich von SEO unterscheidet
- GEO-Erfolg ist messbar: Die SISTRIX-Datenbasis für LLMs
- Warum heuristische GEO-Ansätze kaum Wirkung zeigen
- Die Entdeckung einer universell wirksamen GEO-Strategie
- Faktentreue als entscheidender Rankingfaktor
- Ranking-Optimierung als direkt ökonomischer Hebel
- Warum SEO und GEO getrennte, aber voneinander abhängige Ebenen sind
- Konkrete Bedeutung der Studienergebnisse für die SEO-Praxis
- Fazit: SEO und GEO sind zwei Seiten einer Medaille
Die Autoren analysierten dafür mehr als 7.000 realistische, intentstarke Nutzeranfragen sowie über 52.000 Produktbeschreibungen und testen 15 etablierte Umschreibestrategien. Zusätzlich entwickeln sie ein iteratives Optimierungsverfahren, das zeigt, wie sich Produkttexte gezielt für Re-Ranking-Systeme von LLMs verbessern lassen.
Damit liefert die Studie den bislang umfassendsten empirischen Befund zur Funktionsweise von Generative Engine Optimization. Ihr zentraler Beitrag besteht darin zu belegen, dass LLMs Inhalte fundamental anders bewerten als klassische Suchmaschinen und dass GEO ebenfalls nur durch systematische Optimierung erfolgreich umgesetzt werden kann.
Was GEO bedeutet und wie es sich von SEO unterscheidet
Generative Engine Optimization (GEO) optimiert Inhalte für Systeme, die nicht wie Suchmaschinen Trefferlisten bereitstellen, sondern eine Antwort erzeugen, in der einzelne Produkte oder Inhalte in eine Rangfolge gebracht werden. Die Studie beschreibt generative Engines als Re-Ranker, die nach der Retrieval-Phase entscheiden, welche Produktbeschreibungen wie prominent in der Antwort erscheinen.
SEO beeinflusst hauptsächlich das Retrieval. GEO dagegen optimiert den Teil des Systems, der entscheidet, was in einer generierten Antwort vorkommt und an welcher Stelle.
Sichtbarkeit entsteht hier nicht mehr dadurch, in klassischen Ergebnissen möglichst weit oben zu ranken, sondern dadurch, in der Antwort eines generativen Modells bevorzugt ausgewählt zu werden.
GEO-Erfolg ist messbar: Die SISTRIX-Datenbasis für LLMs
Die Studienergebnisse zeigen: Wer GEO als reine Textaufgabe versteht, verschenkt Potenzial. Heuristische Ansätze liefern keine verlässlichen Ranking-Vorteile. Was funktioniert, ist eine systematische, datengetriebene Herangehensweise. Genau dabei hilft SISTRIX:
- Ranking-Veränderungen im Blick: Da Verbesserungen im GEO-Bereich einen direkten wirtschaftlichen Einfluss haben, kannst du mit SISTRIX genau verfolgen, wo sich etwas bewegt, und deine Ressourcen dort einsetzen, wo sie tatsächlich etwas bewirken.
- Sichtbarkeit in ChatGPT & AI Overviews: Wir messen tagesaktuell, wie oft deine Marke und deine Produkte in den Antworten von ChatGPT, Google AI Overviews und dem AI Mode erscheinen.
- 10 Millionen Datenpunkte pro Sprache: Unsere Analysen basieren auf jeweils 10 Millionen Prompts pro Sprache, damit du echte Trends von zufälligen Schwankungen unterscheiden kannst.
Anstatt auf „Best Practices“ zu hoffen, nutzt du mit SISTRIX die gleiche methodische Strenge, die die Studie fordert. Teste SISTRIX jetzt 14 Tage kostenlos und finde heraus, welche deiner Produkttexte bereits die von der Studie beschriebenen Erfolgsmuster erfüllen und wo gezielter Optimierungsbedarf besteht.
Warum heuristische GEO-Ansätze kaum Wirkung zeigen
Die Untersuchung zeigt eindeutig, dass viele der üblichen Tipps zur Textoptimierung die Platzierung eines Inhalts innerhalb einer KI-Antwort kaum verbessern. Die getesteten 15 Ansätze – darunter Tonalitätswechsel, werbliche Texte, Formatänderungen, Storytelling oder eine technischere Ausdrucksweise bringen in ihrer ursprünglichen Form fast keinen Vorteil.
Die Ergebnisse fallen ernüchternd aus:
- Zehn von fünfzehn Ansätzen haben keinen positiven Effekt oder verschlechtern sogar das Ranking in KI-Antworten.
- Die besten heuristischen Texte erreichen lediglich eine Verbesserung von durchschnittlich +0,71 Positionen.
- Narrative oder faktisch ausgedünnte Varianten verschlechtern das Ranking deutlich, zum Beispiel um −4,03 Positionen im Fall des Storytelling-Prompts.
Die Studie zeigt klar, dass eine Nennung in KI-Antworten nicht durch Stilentscheidungen erreicht wird. Die relevanten Veränderungen entstehen erst durch ein datengetriebenes, iteratives Optimierungsverfahren, das systematisch prüft, wie sich Formulierungen auf die Bewertung durch das Modell auswirken.
Die Entdeckung einer universell wirksamen GEO-Strategie
Ein zentrales und überraschendes Ergebnis der Untersuchung ist, dass die erfolgreich optimierten Prompts am Ende fast gleich aufgebaut sind, selbst dann, wenn sie ursprünglich völlig unterschiedlich formuliert waren.
Erfolgreiche GEO-Produkttexte folgen einer klaren Struktur.
- Ranking: Sie betonen das Ziel, eine bessere Platzierung zu erreichen.
- User Intent: Sie richten den Text ausdrücklich auf die Bedürfnisse der Nutzeranfrage aus.
- Competitiveness: Sie stellen heraus, warum das Produkt anderen überlegen ist.
- Reviews / Ratings: Sie nutzen positives Feedback oder soziale Bewährtheit als zusätzliche Evidenz.
- Compelling: Sie verwenden eine überzeugende, ansprechende Sprache.
- Authoritativeness: Sie sprechen in einem sachlich selbstbewussten, kompetenten Ton.
- Unique Selling Points: Sie heben die wichtigsten Alleinstellungsmerkmale klar hervor.
- Urgent Call: Sie enthalten leichte Signale von Dringlichkeit oder Handlungsaufforderung.
- Easily Scannable: Sie sind gut strukturiert und schnell erfassbar, etwa durch Abschnitte oder Listen.
- Maintains Factuality: Sie bleiben inhaltlich korrekt und behalten die Fakten des ursprünglichen Texts bei.
Das zeigt, dass KI-Modelle bestimmte Arten von Text bevorzugen und dass erfolgreiche GEO-Texte genau diese Muster aufgreifen.
Faktentreue als entscheidender Rankingfaktor
Die Studie liefert einen besonders deutlichen Befund: LLMs bestrafen Inhalte, die wichtige Fakten weglassen oder nur erzählend statt informierend formuliert sind.
Das Storytelling-Experiment macht dies sichtbar. Die ursprüngliche Version, die Fakten bewusst unterdrückt, erreicht eines der schlechtesten Ergebnisse im gesamten Testfeld. Erst nachdem das Optimierungsverfahren wieder überprüfbare Produktmerkmale integriert, stellt sich eine positive Rankingveränderung ein.
Damit bestätigt die Studie:
- GEO belohnt konkrete, nachvollziehbare Produktinformationen
- Entscheidungslogik ist relevanter als Emotionalität
- Modelle bevorzugen Inhalte, die Vergleiche ermöglichen und Orientierung geben
Für SEO-Teams bedeutet dies, dass der Trend zu hochwertigen, faktenbasierten Inhalten nicht nur fortbesteht, sondern durch die Nutzung generativer Systeme weiter verstärkt wird.
Ranking-Optimierung als direkt ökonomischer Hebel
Eine weitere Erkenntnis der Studie ist die konsequente Fokussierung auf Rankingverbesserungen als zentrale Metrik. Die Autoren wählen diese Metrik, weil sie nachweislich direkt mit wirtschaftlichen Effekten im E-Commerce verknüpft ist.
Die Erkenntnis:
Selbst eine einzelne Verbesserung um nur eine Position kann signifikante Umsatzunterschiede erzeugen. GEO ist damit kein abstraktes Sichtbarkeitskonzept, sondern ein unmittelbar wirtschaftlich interpretierbares Optimierungsverfahren.
Marketer können dadurch:
- Effekte messen
- Maßnahmen priorisieren
- Optimierungen investieren, wo Rankingänderungen am wertvollsten sind
GEO lässt sich damit nahtlos in bestehende KPI-Systeme integrieren.
Warum SEO und GEO getrennte, aber voneinander abhängige Ebenen sind
Die Studie trennt Retrieval und Re-Ranking bewusst voneinander. Retrieval wird weiterhin durch klassische SEO beeinflusst: technische Qualität, klare Inhalte, semantische Passung und sauber strukturierte Daten.
Ohne gutes Retrieval gelangt ein Produkt oder Inhalt gar nicht erst in den Kandidatenpool eines generativen Systems. GEO wirkt ausschließlich danach.
- SEO entscheidet also, ob ein Inhalt berücksichtigt wird.
- GEO entscheidet, welche Rolle dieser Inhalt schließlich spielt.
Damit entsteht eine zweistufige Sichtbarkeitslogik, in der beide Disziplinen notwendig sind.
Konkrete Bedeutung der Studienergebnisse für die SEO-Praxis
Aus den Beobachtungen lassen sich gleich mehrere praxisrelevante Schlussfolgerungen ziehen.
- Struktur wird wichtiger: KI-Modelle bevorzugen Texte, die klar aufgebaut sind, nachvollziehbar argumentieren und schnell zu erfassen sind.
- Intent-Passung rückt in den Mittelpunkt: Inhalte müssen deutlich machen, welches konkrete Problem sie lösen.
- Unterscheidbarkeit wird Pflicht: Gute GEO-Texte erklären klar, warum ein Produkt besser zur Anfrage passt als andere Optionen.
- Faktentreue bleibt unverzichtbar: Unklare oder unvollständige Angaben führen zu schlechteren Platzierungen in KI-Antworten.
GEO ist ein laufender Prozess: Einzelne Stiländerungen reichen nicht aus. Texte müssen wiederholt geprüft und angepasst werden, bis sie der bevorzugten Struktur des Modells entsprechen.
Fazit: SEO und GEO sind zwei Seiten einer Medaille
Die Studie zeigt, dass GEO eine zweite Ebene der Sichtbarkeitsoptimierung darstellt, die klassische SEO-Methoden ergänzt, aber nicht ersetzt. Erfolgreiche GEO-Produkttexte sind nicht werblich, sondern faktenorientiert und argumentativ aufgebaut. Sie orientieren sich eng am Nutzerintent und erklären klar, warum ein Produkt oder Inhalt die beste Option darstellt.
Für SEO-Teams bedeutet das: Die Zukunft der Sichtbarkeit wird nicht allein durch Indexierung entschieden, sondern durch die Qualität der Argumentation, mit der Inhalte in generativen Antworten erscheinen.
SISTRIX kostenlos testen
- Kostenloser Testaccount für 14 Tage
- Unverbindlich, keine Kündigung notwendig
- Persönliches Onboarding durch Experten
