Wer heute Inhalte erstellt, steht unter Druck: kurz, knackig, klickstark soll es sein. „Snackable Content“ nennt sich das – Inhalte, die sich schnell konsumieren lassen und unterwegs nicht schwer im Magen liegen. Doch was, wenn wir uns an diesem Prinzip selbst verkleinern? Wenn wir anfangen, unsere Inhalte nicht nur zu kürzen, sondern zu kappen – an den Stellen, wo es eigentlich interessant wird?

Ein Plädoyer für mehr Substanz – und eine ehrliche Auseinandersetzung mit der Frage, was wir gewinnen, wenn wir bereit sind, mehr zu erzählen.

Weniger ist nicht immer mehr

Die Devise „In der Kürze liegt die Würze“ funktioniert – bis zu dem Punkt, an dem das Gericht nur noch aus Salz besteht. Natürlich haben Social-Media-Algorithmen, Newsletter-Formate und mobile Nutzungsgewohnheiten unsere Aufmerksamkeitsspanne verändert. Aber Aufmerksamkeit ist kein Naturgesetz, sondern ein Ergebnis von Relevanz. Menschen bleiben bei Inhalten hängen, wenn sie etwas darin entdecken, was über die bloße Information hinausgeht: Haltung, Kontext, neue Perspektiven. Wir machen nicht alles besser, nur weil wir es kürzer machen.

Warum „leicht konsumierbar“ nicht mit „leicht verständlich“ gleichzusetzen ist

Snackable Content lebt von Vereinfachung. Das ist per se nichts Schlechtes. Im Gegenteil: Gute Kommunikation ist oft die Kunst, Komplexes verständlich zu machen. Doch zwischen verständlich machen und vereinfachen liegt ein Unterschied: Letzteres entfernt oft das, was zum Verstehen notwendig wäre. Zusammenhänge, Zwischentöne, Zweifel. Gerade in Bereichen wie Technologie, Medizin oder gesellschaftlichem Wandel werden Leser nicht durch kurze Texte abgeholt, sondern durch kluge.

Wenn Formate Inhalte formen – und nicht umgekehrt

Viele Kommunikationsverantwortliche beginnen ihre Arbeit heute mit der Frage: Wie viele Zeichen haben wir? Statt: Was wollen wir sagen? Das ist fatal. Denn wer den Rahmen vor der Idee definiert, bestimmt automatisch mit, was gesagt werden darf – und was nicht reinpasst. Nicht jede Story lässt sich in drei Bulletpoints pressen. Nicht jede Argumentation funktioniert im Hochkantvideo. Und nicht jede Zielgruppe will nur scrollen, sondern manchmal auch nachdenken. Ganz abgesehen davon, dass wir uns damit selbst die Möglichkeit nehmen, zu denken.

Die verlorenen Zwischentöne und was das mit unserem Denken macht

Immer kürzere Aufmerksamkeitsspannen, immer mehr, was die KI übernimmt, heißt auch: Wir verlernen, Entscheidungen zu treffen. Wir werden nicht mehr gefordert. Und wenn wir nicht mehr gefordert werden, stumpfen wir ab. Wir verblöden – nicht schlagartig, aber schleichend.

In der Reduktion verlieren wir oft genau das, was unsere Inhalte relevant macht: Kontext. Warum ist etwas so? Was bedeutet das? Welche Widersprüche gibt es? Das ist ein Problem für den Diskurs und unser Gehirn. Denn unsere Fähigkeit, Informationen einzuordnen, lebt von Differenzierung. Wenn wir nur noch in Headlines denken, verlernen wir, Zusammenhänge zu erkennen. Wenn alles in ein paar Sekunden verstanden sein muss, verlernen wir, genauer hinzusehen.

Wer ständig nur Inputs empfängt, aber keine Zeit mehr hat, sie zu verarbeiten, trainiert das eigene Denken ab. Wir überfordern unsere kognitive Aufnahme und gleichzeitig unterfordern wir uns intellektuell. KI-generierte Vorschläge, automatisierte Zusammenfassungen, immer kürzere Formate: Das alles entlastet uns, aber es fordert uns auch immer weniger. Und das ist gefährlich.

Denn Denken ist wie ein Muskel. Wird er nicht genutzt, verkümmert er. Wer sich nicht mehr mit Widersprüchen auseinandersetzen muss, verliert die Fähigkeit, sie auszuhalten. Wer ständig nur vorgekaute Inhalte serviert bekommt, verlernt, eigene Schlüsse zu ziehen. Echte Wirkung entsteht dort, wo Inhalte nicht nur informieren, sondern einordnen.

Fazit: Lesbar ist gut. Lesenswert ist besser.

Wir müssen nicht zurück zu Bleiwüsten und 2.000-Wörter-Epen. Aber wir dürfen uns fragen, ob wir uns gerade selbst so sehr auf Formatierbarkeit trimmen, dass nichts mehr hängen bleibt. Vielleicht ist genau das der Aha-Moment: Nicht alles muss kürzer. Aber alles sollte klarer. Und manchmal braucht Klarheit eben Platz.

ChatGPT, Bing Chat, Perplexity, Google Gemini: Was diese Namen vereint, ist nicht nur ihr rasanter Aufstieg, sondern eine fundamentale Veränderung darin, wie Menschen im Netz nach Wissen suchen. Statt zehn blauen Links, also die klassischen Suchergebnisse, bei denen Google eine Liste von Website-Links anzeigt, liefern diese Systeme direkte Antworten. Und die basieren nicht einfach auf der besten Website oder der Seite, die eben am besten bei Google rankt, sondern auf der Kombination aus mehreren Quellen, die als vertrauenswürdig, verständlich und strukturiert gelten.

Für Unternehmen bedeutet das: Nur wer seine Inhalte so aufbereitet, dass sie von generativen KI-Systemen erkannt, verstanden und verwertet werden können, bleibt in der neuen Antwortökonomie sichtbar.

Retrieval + Generation: Wie KI antwortet

Der Grundgedanke ist nicht neu: Inhalte sollen auffindbar sein und gefunden werden. Doch das Zielsystem hat sich verändert. Während klassische SEO darauf abzielte, eine Website möglichst prominent in den organischen Suchergebnissen zu platzieren („Top 10 blaue Links“), will GEO erreichen, dass Inhalte von KI-Systemen wie ChatGPT oder der Google Search Generative Experience (SGE) als vertrauenswürdige Quelle herangezogen – und möglichst direkt zitiert – werden.

Klar strukturierte Inhalte, semantisch reichhaltige Formulierungen, maschinenlesbare Daten und ein hohes Maß an Vertrauenswürdigkeit werden zu zentralen Faktoren. Bei GEO geht es nicht mehr nur um Klicks, sondern um Relevanz in einem neuen ökosystemischen Kontext: dem der Antwortmaschinen.

Warum klassische SEO allein nicht mehr reicht

Was auf der Oberfläche wie ein Gespräch wirkt, ist technisch ein zweistufiger Prozess:

1. Retrieval (Auffinden relevanter Inhalte): Je nach Plattform funktioniert die Informationsbeschaffung unterschiedlich: Bing Chat und Perplexity führen eine Live-Websuche durch, meist über Bing, und ziehen daraus passende Inhalte. ChatGPT hingegen greift in der Regel auf sein trainiertes Sprachmodell zurück – also Inhalte, die zum Zeitpunkt des Trainings öffentlich zugänglich waren. Nur mit aktivierter Browsing-Funktion (z. B. bei ChatGPT Plus) wird tatsächlich im Web gesucht. Google Gemini kombiniert klassische Suchsignale mit generativer Antworterstellung. Gemeinsam ist allen: Nur Inhalte, die zugänglich, strukturiert und maschinenverständlich sind, gelangen überhaupt in die Auswahl.
2. Generation (Antwort erzeugen): Aus den gefundenen Inhalten wird eine neue, synthetisierte Antwort erstellt. Dabei wählt das System einzelne Informationen, Aussagen oder Argumente aus verschiedenen Quellen aus und formuliert sie in eigenen Worten neu. Die Antwort ist also kein Copy-Paste, sondern ein sprachlich erzeugtes Produkt des KI-Modells, das auf Mustern, Wahrscheinlichkeiten und gelernten Formulierungsweisen basiert. Welche Quellen als Grundlage dienen, entscheidet die Plattform – basierend auf Relevanz, Vertrauenswürdigkeit und technischer Zugänglichkeit.

Plattformen wie Perplexity oder Bing Chat zeigen dabei meist, auf welche Quellen sie sich stützen. ChatGPT (ohne Browsing) tut das nicht – was die Transparenz erschwert, aber das Prinzip bleibt: Nur wer auffindbar, relevant und maschinenverständlich ist, hat Chancen, Teil der Antwort zu werden. Klare Struktur, vertrauenswürdige Inhalte und maschinelle Lesbarkeit sind entscheidend dafür, ob Inhalte überhaupt in Betracht gezogen werden.

Plattform-Vergleich: Wer funktioniert wie?

Je nach System unterscheiden sich also Sichtbarkeit und Einflussmöglichkeiten. Wer bei Perplexity als Quelle genannt wird, profitiert direkt durch Linkverweis. Bei ChatGPT hingegen bleibt der Nutzen eher indirekt: Hier geht es darum, ins Training oder Retrievalsystem aufgenommen zu werden.

Was Inhalte auswählbar macht

Was Inhalte auswählbar macht

Generative Systeme bewerten Inhalte nicht nach Design oder Conversion Rates, sondern nach anderen Kriterien:

• Klare Struktur: Absätze mit Zwischenüberschriften, Listen, FAQs oder Tabellen lassen sich leichter extrahieren.
• Eindeutige Sprache: Kurze Sätze, klare Definitionen und konsistente Begriffe erhöhen die maschinelle Nachvollziehbarkeit.
• Vertrauenssignale: Quellenangaben, Autorenprofile, externe Zitationen, seriöse Domain (z. B. .org, .gov).
• Relevanz zur Nutzerfrage: Wer Fragen präzise beantwortet (idealerweise schon in der Überschrift), wird eher als Antwortbaustein gewählt.
• Technische Zugänglichkeit: Kein Content hinter Logins, keine Blockaden für GPTBot & Co. in der robots.txt.

Praxis-Tipps für Unternehmen

Für Unternehmen, die in KI-Antworten sichtbar sein wollen, ergeben sich daraus konkrete Handlungsfelder:

1. Antwortformate denken: Formuliere Inhalte so, dass sie direkt als Antwort funktionieren, z. B. durch Fragen als Überschriften und prägnante Absätze darunter.
2. FAQ- und Glossarbereiche aufbauen: Diese Formate sind besonders leicht von KI extrahierbar.
3. Strukturierte Daten nutzen: z. B. mit Schema.org-Markup (Article, FAQPage, HowTo) die Relevanz maschinell signalisieren.
4. Verlinkbarkeit erhöhen: Inhalte müssen von außen verlinkbar und indexierbar sein. PDF allein reicht nicht.
5. Wichtige Seiten crawlfreundlich machen: KI-Crawler (z. B. GPTBot, Common Crawl) nicht blockieren.
6. Expertise sichtbar machen: Autorennamen, Berufstitel, Fachzitate oder Studienstützung einbauen.

Fazit: Wer verständlich schreibt, wird gelesen – auch von Maschinen

Die Zeiten, in denen Keywords allein ausreichten, sind vorbei. Wer heute in den Antworten von Chatbots und KI-Systemen auftauchen will, muss verständlich, strukturiert und vertrauenswürdig kommunizieren. Das ist kein Hexenwerk, aber es erfordert ein Umdenken. Denn Sichtbarkeit entsteht nicht mehr nur über Klicks – sondern über Relevanz im Moment der Antwort.

Wer heute Inhalte fürs Netz produziert, schreibt längst nicht mehr nur für menschliche Leser oder Suchmaschinen-Crawler. Immer öfter ist das erste „Publikum“ eine KI. Systeme wie ChatGPT, Perplexity oder Googles Search Generative Experience (SGE) greifen auf Webinhalte zu, analysieren sie semantisch und fassen sie zu direkten Antworten zusammen. Sichtbarkeit entsteht so nicht mehr primär über Rankings, sondern über Erwähnungen in automatisch generierten Antworten. Genau hier setzt der Begriff „Generative Engine Optimization“ (GEO) an.

Doch was heißt das konkret für Unternehmen im B2B-Marketing? Und ist GEO wirklich eine neue Disziplin oder nur ein weiteres Buzzword?

Suchmaschinenoptimierung im Wandel: Was GEO von SEO unterscheidet

Der Grundgedanke ist nicht neu: Inhalte sollen auffindbar sein und gefunden werden. Doch das Zielsystem hat sich verändert. Während klassische SEO darauf abzielte, eine Website möglichst prominent in den organischen Suchergebnissen zu platzieren („Top 10 blaue Links“), will GEO erreichen, dass Inhalte von KI-Systemen wie ChatGPT oder der Google Search Generative Experience (SGE) als vertrauenswürdige Quelle herangezogen – und möglichst direkt zitiert – werden.

Klar strukturierte Inhalte, semantisch reichhaltige Formulierungen, maschinenlesbare Daten und ein hohes Maß an Vertrauenswürdigkeit werden zu zentralen Faktoren. Laut Walker Sands geht es bei GEO nicht mehr nur um Klicks, sondern um Relevanz in einem neuen ökosystemischen Kontext: dem der Antwortmaschinen.

Warum klassische SEO allein nicht mehr reicht

Google selbst treibt diese Entwicklung voran. Mit der Search Generative Experience (SGE) testet der Konzern derzeit ein neues Sucherlebnis: Statt der klassischen Linkliste erhalten Nutzer eine KI-generierte Zusammenfassung der Antwort – direkt oben auf der Seite, basierend auf mehreren Quellen. Die Suchmaschine wird zur Antwortmaschine. Gartner prognostiziert bereits einen Rückgang des klassischen Suchmaschinen-Traffics um 25 % bis 2026.

Parallel nutzen Millionen Menschen Systeme wie Perplexity oder Bing Chat, um sich nicht mehr nur Ergebnisse anzeigen, sondern Inhalte gleich zusammenfassen zu lassen. 

Diese Entwicklung führt zu einer Verschiebung: Inhalte müssen nicht nur gut ranken, sondern in einem neuen Format funktionieren: dem der zusammenfassenden, interaktiven KI-Antwort.

Relevanz für B2B-Unternehmen – auch in IT, Tech, Pharma und Gesundheit

Gerade in B2B-Branchen mit erklärungsbedürftigen Produkten oder hoher regulatorischer Dichte wird diese Entwicklung spürbar. Wer komplexe Themen nicht klar und strukturiert vermittelt, wird von KI-Systemen leicht übergangendig istn oder im schlimmsten Fall falsch zusammengefasst.

Ein IT-Dienstleister, der seine Leistungen nur in Marketingfloskeln beschreibt, wird es schwer haben, in einer Antwort von Perplexity aufzutauchen. Ein Pharmaunternehmen, das seine Studienergebnisse nicht transparent und sauber strukturiert kommuniziert, läuft Gefahr, in Google SGE nicht genannt zu werden. Nicht schlimm? Doch. Denn wer in der generativen Suche nicht vorkommt, existiert in vielen Fällen schlicht nicht mehr im relevanten Informationsraum der Zielgruppe. Denn generative KI-Systeme prägen zunehmend, welche Informationen Menschen zuerst sehen – oft sogar exklusiv. Wer dort nicht genannt wird, taucht in der Wahrnehmung der Zielgruppe schlicht nicht auf. Sichtbarkeit verschiebt sich von Rankings zu Antworten – und das verändert das Spielfeld grundlegend. GEO ist also nicht optional, sondern eine strategische Notwendigkeit für Unternehmen, deren Zielgruppen sich immer häufiger über KI-basierte Systeme informieren.

GEO-Kritik: Buzzword oder berechtigter Paradigmenwechsel?

Natürlich gibt es auch Stimmen, die GEO als unnötiges Rebranding altbekannter SEO-Maßnahmen kritisieren. Und ja: Viele der geforderten Elemente – strukturierte Daten, Vertrauenssignale, semantische Klarheit – sind längst Bestandteil guter SEO-Praxis. Doch GEO verschiebt die Perspektive grundlegend: Während SEO darauf ausgerichtet ist, in einer Liste von Links sichtbar zu sein – also dort, wo Nutzer selbst entscheiden, worauf sie klicken –, zielt GEO darauf ab, direkt in den Antworten von KI-Systemen wie ChatGPT, Perplexity oder Google SGE aufzutauchen. Die Inhalte werden nicht mehr nur angeboten, sondern aktiv in die Antwort eingebaut. Wer dort nicht vorkommt, ist nicht Teil der Antwort – und in vielen Fällen auch nicht mehr Teil der digitalen Wahrnehmung.

Die Frage ist also nicht, ob GEO eine völlig neue Disziplin ist. Sondern, ob Marketingteams bereit sind, die Mechanismen der generativen Suche strategisch mitzudenken – und ihre Inhalte entsprechend aufzubereiten.

Fazit: GEO ist kein Buzzword – sondern ein Realitätstest für Content-Strategien

Ob man es nun Generative Engine Optimization nennt oder nicht: Die Tatsache, dass KI-Systeme Inhalte anders finden, auswerten und verwenden als klassische Suchmaschinen, ist nicht wegzudiskutieren. Für B2B-Unternehmen mit komplexen Themen bedeutet das: Nur wer Inhalte maschinen- und menschenverständlich aufbereitet, wird in der nächsten Generation der Suche überhaupt noch wahrgenommen.

Sichtbarkeit bedeutet heute mehr als ein gutes Google-Ranking. Denn Inhalte werden längst nicht mehr nur von Menschen gelesen, sondern auch von Maschinen verarbeitet, gewichtet und in neue Kontexte eingebunden. Wer heute über Sichtbarkeit spricht – ob bei Google oder in KI-Systemen wie GPT oder Gemini – muss auch über maschinenlesbare Inhalte sprechen.

Große Sprachmodelle wie GPT-4, Gemini oder Claude greifen auf öffentlich verfügbare Inhalte zurück, entweder weil sie auf diesen Daten trainiert wurden (z. B. via Common Crawl, Wikipedia, Blogs), oder weil sie sie über Retrieval-Systeme wie RAG gezielt abrufen. Sichtbar wird, was maschinenlesbar, thematisch klar verortet, technisch zugänglich und in vertrauenswürdigen Kontexten eingebettet ist – ganz gleich ob in klassischen Suchmaschinen oder in generativen KI-Systemen.

Hier sind sieben konkrete Punkte, mit denen du deine Inhalte KI-tauglich machst.

1. Öffentliche Verfügbarkeit sicherstellen

Klingt banal, ist aber zentral: Nur was öffentlich zugänglich ist, kann von KI-Systemen überhaupt gefunden, verarbeitet und zitiert werden. Inhalte hinter Logins, Paywalls oder als unindexierte PDFs bleiben unsichtbar für Menschen wie für Maschinen.

Achte darauf:

• Inhalte auf HTML-Seiten veröffentlichen, nicht nur als PDF
• keine Crawling-Sperren (robots.txt, noindex) für relevante Inhalte
• Landingpages und Fachbeiträge öffentlich zugänglich machen

2. Semantische Tiefe statt Keyword-Listen

Sprachmodelle arbeiten nicht mit klassischen Keywords, sondern mit Zusammenhängen und Kontexten. Sie erkennen Muster, Themenfelder, Entitäten. Relevanter Content ist daher nicht nur sprachlich sauber, sondern vernetzt Konzepte. Er stellt also Verbindungen zwischen zusammenhängenden Begriffen her, die in Sprachmodellen gemeinsam auftauchen und als thematischer Zusammenhang erkannt werden. Ein isoliertes Schlagwort wie „Nachhaltigkeit“ bleibt vage. In Verbindung mit Begriffen wie „Lieferkette“, „CO₂-Bilanz“ oder „Klimaberichtspflicht“ entsteht ein Kontext, den KI-Modelle verarbeiten und zuordnen können.

Gute Inhalte für KI-Systeme:

• erklären statt nur benennen
• verbinden Begriffe logisch (z. B. „CO₂-Reduktion in der Lieferkette“ statt nur „Nachhaltigkeit“)
• liefern Hintergrund, Nutzen, Anwendungsbezug
• Formuliere Inhalte so, dass sie typische Nutzerfragen beantworten wie: „Was sind die Vorteile von …?“, „Welche Kriterien gelten für …?“, „Was ist der Unterschied zwischen …
• Nutze Listicles („5 Vorteile von …“, „7 Punkte, die …“), weil sie klare Strukturen liefern.

3. Konsistenz in Begriffen, Namen und Schreibweisen

KI-Modelle verarbeiten riesige Mengen an Daten und suchen nach wiederkehrenden Mustern. Wer seine Marke mal „Muster AG“, mal „Tolle Muster AG“ und mal „MUSTERAG“ nennt, zersplittert seine Sichtbarkeit. Gleiches gilt für Produktnamen oder Themenbegriffe.

Das heißt:

• Einheitliche Schreibweise von Firmen-, Produkt- und Fachbegriffen
• Wiederverwendung statt kreativer Variation bei zentralen Begriffen
• Pflege von LinkedIn-Profilen, Online-Autorenprofilen (z. B. auf Fachportalen, bei Gastbeiträgen oder in Medien), oder auch Brancheneinträgen mit konsistenten Angaben
• Markenlogik mitdenken: Sichtbarkeit heißt auch Wiedererkennbarkeit – auf Social, in Medien, auf YouTube oder offline. Maschinen erkennen Wiederholung, Menschen erinnern sich an klare Markenbilder.

4. Strukturierte Inhalte verwenden

Maschinen lesen anders. Was uns visuell als Gliederung erscheint, braucht maschinell strukturierte Daten: Überschriften, Absätze, Meta-Angaben – und idealerweise schema.org-Markup (eine Auszeichnungssprache, die du selbst in den Code deiner Website einfügst, z. B. um Maschinen zu zeigen, dass es sich bei einem Inhalt um einen Artikel, ein Produkt oder ein Event handelt).

Strukturelemente, die helfen:

• klare H1–H3-Hierarchien in Blogartikeln
• strukturierte Metadaten (z. B. zu Autor, Veröffentlichungsdatum, Thema)
• schema.org-Markup für Events, Organisationen, Produkte, Artikel

5. Relevanz durch Drittquellen erzeugen

6. Aktualität und technischer Zustand prüfen

Dass veraltete Inhalte deiner SEO schaden, ist bekannt. Was viele unterschätzen: Auch KI-Modelle wie GPT oder Gemini reagieren empfindlich auf veraltete oder inkonsistente Informationen. Denn viele Sprachmodelle greifen auf statische Datensätze zurück. Wer dort mit überholten Jahreszahlen, unklaren Begriffen oder toten Links auftaucht, riskiert, falsch oder gar nicht eingeordnet zu werden und verliert nicht nur in der organischen Suche, sondern auch im semantischen Gedächtnis der Maschinen an Relevanz.

Was du regelmäßig prüfen solltest:

• funktionierende Links, aktuelle Inhalte, keine „toten Seiten“
• konsistente Informationen auf Website, Profilen, Datenbanken
• technische Erreichbarkeit und Ladezeit der Seite

7. Maschinenlogik verstehen, aber für Menschen schreiben

Eigentlich ein alter Hut: Inhalte werden für Menschen geschrieben und nicht für Google. Dass sie verständlich, glaubwürdig und lesenswert sein müssen, gilt seit Jahren als SEO-Basis. Und genau dieser Anspruch gilt auch für KI-Systeme: Sprachmodelle übernehmen keine Inhalte, weil sie maschinenlesbar sind, sondern weil sie inhaltlich gut strukturiert, nachvollziehbar und in glaubwürdige Kontexte eingebettet sind. Maschinenlogik erkennt zwar keine Schönheit und auch keine nettes Storytelling, aber sie erkennt Klarheit, Wiederholung und Relevanz.

Deshalb gilt:

• Inhalte müssen mehr sein als verfügbar: sie müssen verstanden, erinnert und eingeordnet werden können
• Verständlichkeit, Haltung und Relevanz bleiben entscheidend
• Maschinenlogik ergänzt – ersetzt aber nicht – journalistische Qualität

Maschinenlesbare Inhalte entstehen nicht durch Tricks oder kurzfristige SEO-Taktiken. Sie basieren auf Klarheit, Struktur, semantischer Tiefe und glaubwürdiger Einbindung in das digitale Ökosystem. Wer Inhalte so gestaltet, verbessert seine Sichtbarkeit nicht nur in klassischen Rankings, sondern auch in KI-basierten Antwortsystemen – etwa von GPT, Gemini oder Claude – und erhöht die Chance, von Menschen wie von Maschinen als relevante Quelle erkannt zu werden.

SEO war lange der dominierende Weg zur Sichtbarkeit. PR galt oft als additiv. Mit KI-basierten Sprachmodellen ändert sich das Zusammenspiel – aber nicht im Sinne eines „Entweder-oder“. Wer sichtbar bleiben will, muss beide Disziplinen verstehen – und gezielt einsetzen.

Denn Sprachmodelle wie GPT, Claude oder Gemini bewerten keine Rankings und zählen keine Klicks – sie analysieren, verknüpfen und abstrahieren. Sie orientieren sich nicht an Suchergebnissen, sondern an Datenmustern. Sichtbarkeit entsteht hier nicht durch technische Optimierung allein, sondern durch Kontext, Wiedererkennbarkeit und glaubwürdige Dritteinstufung.

Und genau das macht Pressearbeit – also Earned Media – plötzlich wieder strategisch bedeutsam.

Was LLMs auszeichnet und wie sie Informationen auswählen

Large Language Models arbeiten nicht mit einem Index wie Suchmaschinen. Sie „entscheiden“ auf Basis von Wahrscheinlichkeiten, welche Begriffe, Konzepte und Aussagen zusammengehören – gespeist aus den Daten, auf denen sie trainiert wurden oder die ihnen per RAG (Retrieval-Augmented Generation – ein technisches Verfahren, bei dem Sprachmodelle bei jeder Antwort gezielt Informationen aus einer hinterlegten Wissensdatenbank oder Suchquelle nachladen, z. B. von Webseiten oder internen Dokumenten) bereitgestellt werden.

Stark vereinfacht: Was oft öffentlich erwähnt wird, in vertrauenswürdigen Quellen steht und thematisch passt, wird mit höherer Wahrscheinlichkeit in Antworten berücksichtigt – sofern die Inhalte maschinenlesbar, öffentlich verfügbar und thematisch gut eingebettet sind.

Diese Modelle ziehen also keine Liste von Treffern wie bei einer Google-Suche, sondern erzeugen einen neuen Text basierend auf dem, was sie gelernt haben. Und gelernt haben sie aus dem, was auffindbar, offen und verlinkt war – etwa aus Quellen wie Wikipedia, öffentlich verfügbaren Webseiten aus dem Common Crawl, sowie frei zugänglichen Blogs und Artikeln.

LLMs wie GPT-3 basieren – zumindest laut Wikipedia – zu etwa 60 % auf Daten aus Common Crawl, einem öffentlichen Web-Crawl-Archiv, das regelmäßig große Teile des Internets erfasst. Google’s Gemini nutzt ebenfalls öffentlich zugängliche Quellen, wobei die genauen Datenquellen nicht vollständig offengelegt sind.

Warum Pressearbeit mehr Einfluss hat als viele denken

Während Corporate Blogs, LinkedIn-Artikel oder Website-Texte wichtig für die eigene Kommunikationshoheit sind (Owned Media), entfalten journalistische Drittquellen – also unabhängige, redaktionelle oder fachliche Stimmen außerhalb der eigenen Unternehmenskommunikation (Earned Media) eine andere Wirkung: Sie werden als glaubwürdiger eingestuft, häufiger zitiert – und prägen damit die Wahrnehmung durch Maschinen.

Fachartikel, Interviews, Branchenerwähnungen oder Erwähnungen in etablierten Portalen landen mit hoher Wahrscheinlichkeit in den Trainingsdaten oder RAG-Pools großer Modelle. Ein Beitrag in einem renommierten Fachportal erhöht die Chance, dass Sprachmodelle die Marke oder das Thema in ihren Antworten berücksichtigen, sofern die Quelle öffentlich zugänglich, gut verlinkt und vertrauenswürdig ist.

SEO ist nicht tot. Aber seine Rolle verändert sich

Das heißt nicht, dass SEO an Bedeutung verliert. Im Gegenteil: Ohne technisch saubere, strukturierte Inhalte funktioniert keine maschinenlesbare Kommunikation. Modelle wie GPT oder Gemini greifen über RAG zunehmend auf externe Inhalte zu – und je besser diese auffindbar, verknüpft und klar formuliert sind, desto wahrscheinlicher fließen sie in Antworten ein.

SEO liefert also die technische Grundlage, PR den inhaltlichen Anker.

Ein strukturierter Blogpost mit sauberem HTML und semantischer Tiefe (also Inhalten, die Zusammenhänge herstellen, statt nur Schlagwörter aneinanderzureihen) ist eine perfekte SEO-Basis – aber erst die Erwähnung in einem Fachportal macht ihn für Maschinen kontextuell sichtbar – vorausgesetzt, die Quelle ist öffentlich zugänglich, indexiert und in öffentlich gecrawlten Datensätzen enthalten (z. B. via Common Crawl oder RAG-gestützte Suche). Oder anders gesagt: Ohne SEO wirst du nicht gefunden. Ohne PR wirst du nicht eingeordnet.

Auch wenn LLMs nicht wie Suchmaschinen arbeiten, profitieren sie von gut strukturierten, technisch sauberen Inhalten. Inhalte mit semantischer Tiefe, klaren Titeln, konsistentem Wording und präzisen Metadaten erhöhen die Wahrscheinlichkeit, dass sie über Retrieval-Systeme wie RAG in die Prompts eingespeist werden – also beim Beantworten von Fragen gezielt aus zugänglichen Wissensquellen abgerufen und eingeblendet werden.

SEO wird also zur Grundlage für maschinenlesbare Inhalte, während PR dafür sorgt, dass diese Inhalte überhaupt als relevant wahrgenommen, referenziert und kontextualisiert werden.

Fazit: Maschinenlogik trifft Medienlogik – und beide zählen

Sichtbarkeit entsteht heute nicht mehr nur im Browserfenster. Sie entsteht in Systemen, die Inhalte verarbeiten, gewichten und weiterverknüpfen. Und genau deshalb braucht es beides:

Wer nur SEO betreibt, wird vielleicht gefunden – aber nicht eingeordnet. Wer nur PR macht, bleibt vielleicht glaubwürdig – aber wird nicht ausgespielt.

Sprachmodelle bevorzugen keine „schönen“ Texte, sondern maschinell erlernte Kontexte. SEO kann diese Kontexte technisch liefern. PR liefert sie inhaltlich und gesellschaftlich. Beides braucht es – sonst entsteht keine Präsenz, die Systeme verstehen und Menschen vertrauen.

Erst die Kombination macht Kommunikation anschlussfähig – in Rankings, in Chatbots, in digitalen Assistenten. Für Menschen wie für Maschinen.

Chatbots antworten. KI-Modelle schreiben Zusammenfassungen. Und plötzlich taucht dein Unternehmen auf – oder eben nicht.

Aber wie kommt das eigentlich zustande? Wer entscheidet, was in einem Sprachmodell wie GPT, Gemini oder Claude landet – und was nicht?

Die Antwort hat kaum etwas mit Zufall zu tun. Denn was KI-Modelle lernen, basiert auf veröffentlichten, auffindbaren Inhalten und nicht auf Imagebroschüren, nicht-indexierte Whitepaper oder Präsentationen auf Messen.

Ob und wie ein Unternehmen in Chatbot-Antworten oder KI-generierten Texten auftaucht, hängt davon ab, wie es kommuniziert. Und wo. Und vor allem: ob andere es auch tun.

Maschinen sehen keine Inhalte. Sie berechnen Wahrscheinlichkeiten.

Große Sprachmodelle wie GPT oder Gemini arbeiten nicht mit Verstand, sondern mit Statistik. Sie analysieren Texte aus dem Internet, berechnen Zusammenhänge zwischen Begriffen, gewichten Kontexte und sagen das nächste wahrscheinliche Wort vorher.

Das Ergebnis wirkt oft beeindruckend – wie fundiert recherchiert, wie journalistisch geschrieben. Aber das Modell versteht nichts. Es erkennt keine Wahrheit, kein Wertesystem, kein Ziel. Es erkennt nur Muster.

Und diese Muster entstehen aus dem, was öffentlich verfügbar ist: Wikipedia, Nachrichtenportale, wissenschaftliche Datenbanken, Blogartikel, Webtexte. Was dort häufig auftaucht, wirkt wichtig. Was selten vorkommt, bleibt im Hintergrund. Was gar nicht erwähnt wird, existiert nicht.

Für PR heißt das: Wer gesehen werden will, muss maschinenlesbar präsent sein. Und das heißt nicht einfach: online sein. Es heißt:

• öffentlich auffindbar sein,
• im richtigen Kontext auftauchen,
• von glaubwürdigen Dritten genannt werden.

Welche Inhalte Sprachmodelle bevorzugen

Die Trainingsdaten von Sprachmodellen bestehen aus riesigen Textmengen: Bücher, Fachartikel, Forenbeiträge, Enzyklopädien, Common Crawl-Daten. Das sind frei verfügbare, indexierte Texte und keine geschützten Inhalte, keine PDF-Anhänge, keine Pressemitteilungen, die im E-Mail-Postfach vergammeln.

Bevorzugt berücksichtigt werden:

• Wikipedia und Wikidata
• journalistische Medien und Fachportale
• häufig zitierte Webseiten mit hoher Autorität
• strukturierte Inhalte mit Metadaten

Wer also in der KI-Welt auffindbar sein will, braucht eine kluge Kombination aus:

• Owned Content, der sauber strukturiert ist,
• Earned Media, also redaktioneller Berichterstattung durch Dritte,
• technischer Lesbarkeit, z. B. durch saubere Datenstruktur, aktuelle Informationen, konsistente Begriffe.

PR wird zum Sichtbarkeitsinstrument für Maschinen

Sobald Informationen nicht nur für Menschen, sondern auch für Maschinen zugänglich und verständlich sein müssen, wird PR zum strategischen Infrastrukturthema:

• Eine Erwähnung in einem Fachportal zählt mehr als zehn Blogposts auf der eigenen Seite.
• Ein Interview in einem Branchenmagazin ist wirksamer als ein Selfie-Post auf LinkedIn.
• Ein konsistenter Markenname über alle Kanäle hinweg verhindert, dass du in der KI-Logik zersplitterst.

Wenn du nicht willst, dass Maschinen deine Geschichte erfinden, musst du sie ihnen selbst erzählen. Und zwar klar, nachvollziehbar und vor allem: öffentlich.

Maschinenlogik ernst nehmen, ohne die menschliche Kommunikation zu verlieren

Natürlich geht es nicht darum, nur noch für KI zu schreiben. Gute Kommunikation wirkt immer zuerst für Menschen. Aber: Maschinen sind heute Teil der Kommunikationsinfrastruktur. Sie sortieren, filtern, aggregieren und beeinflussen, was sichtbar wird.

Wer mitreden will, muss gefunden werden. Und wer gefunden werden will, muss sichtbar machen, was er tut. Und zwar so, dass Menschen es verstehen und Maschinen es verarbeiten können.

Das ist keine technische Aufgabe. Es ist strategische Kommunikation.

Sichtbar werden in Systemen, die anders sehen

PR war immer mehr als Reichweite. Aber im KI-Zeitalter wird sie zum Zugangsfaktor: zu Diskurs, zu Deutungshoheit, zu Sichtbarkeit. Denn KI sieht nicht, was du fühlst. Sie sieht nur, was du veröffentlichst.

Wer das versteht, kann seine Kommunikation neu denken und gezielt strukturieren. Und genau darin liegt ihre Wirkung.