Die fünf Säulen der GEO-Skepsis: Eine kritische Analyse

Kaum ein Begriff im B2B-Online-Marketing hat 2025 und 2026 so schnell Karriere gemacht wie GEO (Generative Engine Optimization), die Optimierung von Inhalten für KI-Suchsysteme wie ChatGPT Search, Perplexity, Google AI Overviews und Gemini. Parallel zur Euphorie ist eine ernstzunehmende Gegenbewegung entstanden. Erfahrene SEO-Fachleute, Datenanalysten und Agenturkritiker werfen GEO vor, alter Wein in neuen Schläuchen zu sein, auf dünner Datenbasis zu stehen und vor allem eines zu verkaufen: Unsicherheit. Dieser Artikel ordnet die Kritik entlang von fünf Säulen, prüft sie nüchtern gegen die belegbare Faktenlage und leitet daraus ein Reifegradmodell für österreichische B2B-Unternehmen ab. Wer GEO-Budgets verantwortet, braucht beides: das Gegenargument und das Gegen-Gegenargument.

Warum die GEO-Skepsis relevant ist (und nicht ignoriert werden darf)

GEO-Skepsis ist kein Bremserreflex von Ewiggestrigen. Sie kommt aus dem Zentrum der Disziplin und benennt reale Schwachstellen: fehlende Messbarkeit, fragwürdige Studien, ein wirtschaftlich noch winziger Kanal und ein Beratungsmarkt, der von der Verwirrung lebt. Für Entscheider im DACH-Raum ist die Skepsis doppelt wertvoll. Erstens schützt sie vor teurem Aktionismus, der dem aktuellen Geschäftsbeitrag nicht entspricht. Zweitens schärft sie den Blick dafür, welche GEO-Massnahmen wirklich tragen und welche reines Cargo-Cult-Marketing sind. Die ehrliche Position liegt selten an den Rändern. Wer GEO als reine Revolution oder als reinen Schwindel verkauft, vereinfacht. Die folgende Analyse trennt belegbare Kritik von Bauchgefühl.

Säule 1: "GEO ist nur umetikettiertes SEO"

Das häufigste Argument lautet: GEO ist kein eigenes Handwerk, sondern SEO unter neuem Namen. Diese These hat empirische Rückendeckung. In einer Branchenanalyse von Digiday argumentieren Praktiker, dass GEO als Erweiterung von SEO zu verstehen sei, nicht als komplett eigene Strategie, und dass die meisten GEO-Taktiken auf denselben Fundamenten wie SEO beruhen, weil LLMs ihre Informationen überwiegend aus hoch rankenden, autoritativen Webinhalten ziehen. uSERP-CEO Jeremy Moser bringt es in derselben Analyse auf die Formel, dass 80 Prozent von GEO gutes, fundamentales SEO sind.

Die Reduktion ist nicht falsch, aber sie greift zu kurz. Wer GEO vollständig in SEO auflöst, übersieht die verbleibenden 20 Prozent, in denen sich die Disziplinen unterscheiden: KI-Systeme zitieren nicht zwingend die Position-1-Seite, sondern jene Passage, die eine konkrete Frage am präzisesten und am frühesten im Text beantwortet (Front-Loading). Sie bevorzugen extrahierbare, in sich geschlossene Antwortblöcke (Answer Islands) und bewerten Markennennungen anders als klassische Backlinks. Die nüchterne Mitte lautet deshalb: GEO ist eine Schicht auf SEO, kein Ersatz. Ein technisch und inhaltlich schwaches Fundament lässt sich durch GEO-Taktiken nicht reparieren. Ein starkes Fundament wird durch sie inkrementell besser für KI-Antworten erschlossen.

Säule 2: Die Datenbasis-Kritik an der Princeton-Studie

Die GEO-Bewegung beruft sich gern auf die Princeton-GEO-Studie, die für einzelne Methoden Sichtbarkeitsgewinne von bis zu plus 40 Prozent ausweist. Genau hier setzt die fundierteste Kritik an. Die Analyse GEO Targeted: Critiquing the Generative Engine Optimization Research von SandboxSEO hält fest, dass es sich um einen Preprint ohne Peer-Review handelt, und formuliert den methodischen Kern wortwörtlich: Der Autor glaubt, dass die Methodik des Papers ernste Verzerrungen, Fehler und Fragezeichen enthält. Entscheidend ist der Hinweis, dass die Studie keine produktive Suchmaschine getestet hat, sondern jede Anfrage mit den zugehörigen Top-Fünf-Seiten über einen Template-Prompt in GPT-3.5 eingespeist hat, also eine simulierte statt einer live arbeitenden Generative Engine.

Für die Praxis heisst das: Die oft zitierten Prozentgewinne stammen aus einer Laborumgebung mit einem älteren Modell und künstlichen Prompts. Sie sind ein Hinweis auf mögliche Wirkmechanismen, aber keine belastbare Geschäftsgrundlage. Ein DACH-B2B-Unternehmen, das GEO-Budgets allein mit der Princeton-Zahl rechtfertigt, baut auf Sand. Wer die Studie zitiert, sollte sie als das kennzeichnen, was sie ist: ein nicht begutachteter Forschungsentwurf, der laut SandboxSEO bemerkenswert wenig unabhängig nachgeprüft wurde.

Säule 3: Das Volumen-vs.-Conversion-Paradox

Das wirtschaftliche Kernargument der Skeptiker: KI-Traffic mag gut konvertieren, ist aber im Umsatz noch winzig. Beide Halbsätze stimmen. Eine über Search Engine Land berichtete GA4-Analyse von Visibility Labs zeigt, dass ChatGPT-Traffic mit 1,81 Prozent gegenüber 1,39 Prozent bei non-branded organischer Suche konvertierte, also 31 Prozent höher. Die höhere Conversion-Rate ist real. Doch dieselbe internationale Auswertung von 94 E-Commerce-Marken stellt sie ins Verhältnis: Verglichen wurden 9,46 Millionen non-branded organische Sessions mit 135.000 ChatGPT-Referral-Sessions, und ChatGPT erzeugte 474.000 US-Dollar Umsatz gegenüber 32,1 Millionen US-Dollar aus non-branded organischer Suche, also 1,48 Prozent des organischen Umsatzes.

Die ehrliche Schlussfolgerung für Österreich heute: Ein Kanal mit ein bis zwei Prozent Umsatzanteil rechtfertigt selten ein eigenes Grossprojekt. Im DACH-B2B, wo Kaufzyklen lang und Zielgruppen klein sind, fällt das absolute Volumen noch geringer aus als in der US-E-Commerce-Stichprobe. Der wirtschaftlich vertretbare Weg ist nicht GEO als Sonderbudget, sondern GEO als Nebenprodukt eines ohnehin starken SEO- und Content-Fundaments. Die hohe Conversion ist ein Argument für Aufmerksamkeit, nicht für einen Blankoscheck.

Säule 4: Das Mess- und Attributionsproblem

GEO hat ein hartes Messproblem, und das ist die schlüssigste Säule der Skepsis. Es fehlen belastbare, standardisierte Metriken, das Ranking der LLMs ist eine Blackbox, und Ergebnisse lassen sich nicht garantieren. Hinzu kommt ein Attributionsdefekt, der quantifizierbar ist. Die Ghost Citations Study von Semrush und Kevin Indig untersuchte 3.981 Domain-Erscheinungen über 115 Prompts, 14 Länder und vier KI-Engines und fand, dass 61,7 Prozent Ghost Citations waren, also zitiert, ohne dass die Marke genannt wurde. Anders gewendet: 62 Prozent der KI-Zitate führen zu keiner Markennennung.

Diese Lücke ist die Achillesferse jeder GEO-Erfolgsmessung. Wenn eine Quelle die Antwort einer KI speist, ohne dass der Nutzer den Markennamen sieht, entsteht weder ein Klick noch eine bewusste Markenwahrnehmung, und der Effekt taucht in keinem klassischen Analytics-Bericht auf. Tools für KI-Sichtbarkeit existieren, doch sie messen Erwähnungen und Zitate, nicht garantierten Geschäftswert. Für Controller im DACH-Raum bedeutet das: GEO-Reporting muss als Näherung verstanden werden, nicht als belastbare Umsatzattribution. Wer harte Erfolgsgarantien verspricht, verkennt die Blackbox-Natur der Systeme.

Säule 5: Der "GEO-Grift" und das Penalty-Risiko

Die fünfte Säule ist die unbequemste: Ein Teil des GEO-Markts monetarisiert vor allem Unsicherheit. Agenturen verkaufen GEO-Pakete, deren Wirkung sie nicht belegen können, llms.txt wird als Pflicht-Datei vermarktet, obwohl keine relevante KI-Suchmaschine ihre Berücksichtigung bestätigt hat, und manche empfohlenen Taktiken sind nicht nur wirkungslos, sondern riskant. Selbstbeweihräuchernde Listicles, in denen sich eine Marke wiederholt selbst als Testsieger nennt, können von Suchmaschinen als Manipulation gewertet werden. Skaliert produzierte, dünne KI-Inhalte tragen dasselbe Abwertungsrisiko.

Diese Säule überschneidet sich mit Säule 2 und 4: Wo Wirksamkeit nicht messbar ist und die Studienlage dünn bleibt, entsteht ein idealer Markt für Versprechen ohne Beleg. Der nüchterne Rat lautet, GEO-Massnahmen am selben Standard zu messen wie jede andere Marketinginvestition. Taktiken, die ohne KI-Argument schon gutes SEO und gute Inhalte sind, sind sicher. Taktiken, die ausschliesslich mit einem nicht überprüfbaren KI-Versprechen begründet werden, gehören auf den Prüfstand. Eine technische Datei, die niemand nachweislich liest, ersetzt keine inhaltliche Substanz.

Was die GEO-Skeptiker übersehen: der empirische Klick-Kollaps

So treffend die fünf Säulen sind, sie blenden den realen Handlungsdruck aus. Das Nutzerverhalten in der klassischen Suche verändert sich messbar, und zwar zulasten der Klicks. Eine Untersuchung des Pew Research Center über 68.879 Suchanfragen von 900 US-Erwachsenen zeigt, dass Nutzer mit einer KI-Zusammenfassung in 8 Prozent der Besuche auf ein klassisches Suchergebnis klickten, gegenüber 15 Prozent ohne KI-Zusammenfassung. Der Link in der Zusammenfassung selbst wurde in nur 1 Prozent der Besuche geklickt. Noch deutlicher fällt die Auswertung von Ahrefs über 300.000 Keywords aus: Die Präsenz einer AI Overview korreliert inzwischen mit einer um 58 Prozent niedrigeren durchschnittlichen Klickrate für die bestplatzierte Seite, nach zuvor 34,5 Prozent im April 2025.

Das ist die entscheidende Gegenposition. Selbst wenn KI-Traffic heute kaum Umsatz bringt, schrumpft der klassische organische Klick als Quelle. Wer ausschliesslich auf den Status quo des Referral-Volumens schaut, optimiert für eine Vergangenheit, die gerade erodiert. Die rationale Antwort ist nicht Panik, sondern Vorbereitung: Inhalte so bauen, dass sie sowohl klassisch ranken als auch von KI-Systemen sauber zitiert werden können.

Best Practices: belegbare Taktiken statt Cargo-Cult

Aus der Kritik lässt sich eine disziplinierte Praxis ableiten. Setze nur auf Massnahmen, die auch ohne KI-Argument Wert schaffen.

• Fundament zuerst: Technische SEO, thematische Autorität und Inhaltstiefe bleiben die Grundlage, weil LLMs laut Digiday überwiegend aus hoch rankenden, autoritativen Inhalten zitieren.
• Front-Loading: Beantworte die Kernfrage eines Abschnitts in den ersten Sätzen, bevor du ausholst. Extrahierbare Antworten erhöhen die Zitierwahrscheinlichkeit.
• Answer Islands: Strukturiere Inhalte in in sich geschlossene, klar überschriebene Blöcke, die eine KI ohne Kontextverlust herauslösen kann.
• Brand Mentions kultivieren: Da 62 Prozent der KI-Zitate laut Semrush ohne Markennennung erfolgen, lohnt es, die Marke direkt in zitierfähige Kernaussagen einzubauen, statt sie nur ins Impressum zu schreiben.
• Schema für Maschinenlesbarkeit: Strukturierte Daten helfen der Extraktion, sind aber Hygiene, kein Wundermittel. Sie ersetzen keine inhaltliche Substanz.

Häufige Fehler im Umgang mit GEO

• Die Princeton-Zahl als Beweis verkaufen: Plus 40 Prozent stammen aus einem nicht begutachteten Preprint mit simulierter Engine und GPT-3.5, wie SandboxSEO dokumentiert. Als Geschäftsgrundlage taugt das nicht.
• GEO als Sonderbudget statt als Schicht: Bei 1,48 Prozent organischem Umsatzanteil im internationalen E-Commerce-Sample rechtfertigt der Kanal selten ein isoliertes Grossprojekt.
• Garantien versprechen: Das Blackbox-Ranking der LLMs und 61,7 Prozent Ghost Citations machen harte Erfolgsgarantien unseriös.
• llms.txt als Pflicht behandeln: Keine relevante KI-Suchmaschine bestätigt deren Berücksichtigung. Die Datei kostet wenig, ersetzt aber keine Substanz.
• Self-promotional Listicles: Wiederholte Eigenlob-Platzierungen riskieren Abwertungen statt Sichtbarkeit.

Metriken und Messung: Näherung statt Gewissheit

GEO-Erfolg lässt sich nur näherungsweise messen, und genau das muss im Reporting transparent sein. Sinnvoll sind drei Ebenen. Erstens KI-Sichtbarkeit: Wie oft und mit welcher Share of Voice taucht die Domain in Antworten von ChatGPT, Perplexity, Google AI Overviews, Google AI Mode und Gemini auf. Zweitens die Ghost-Citation-Quote: Welcher Anteil der Zitate führt zu einer tatsächlichen Markennennung. Die Semrush-Studie liefert mit 38,3 Prozent Erscheinungen mit Markennennung einen Benchmark für den Abstand zwischen Zitiert-Werden und Wahrgenommen-Werden. Drittens der klassische Referral- und Conversion-Pfad aus GA4, im Wissen, dass KI-Referrals laut Visibility Labs mit 1,81 Prozent Conversion überdurchschnittlich abschliessen, aber in absoluten Zahlen klein bleiben. Keine dieser Metriken liefert garantierte Umsatzattribution. Wer das offen kommuniziert, schützt das eigene Reporting vor falschen Versprechen.

Weiterführendes: Ein Reifegradmodell für österreichische B2B-Unternehmen

Die Synthese aus Skepsis und Gegenargument ist kein Entweder-oder, sondern eine Frage des Zeitpunkts. Drei Stufen helfen bei der Einordnung.

• GEO ist Verschwendung, wenn das SEO- und Content-Fundament schwach ist. Hier zahlt jeder GEO-Euro auf eine Schicht ein, die keinen Unterbau hat. Erst Fundament, dann KI-Optimierung.
• GEO ist Kür, wenn das Fundament steht und die Zielgruppe KI-Suche noch zurückhaltend nutzt. Das trifft auf weite Teile des DACH-Raums zu. In Österreich schätzen laut Statistik Austria 73 Prozent ihr KI-Wissen als gering oder nicht vorhanden ein, und nur 4 Prozent nutzen generative KI-Tools täglich oder fast täglich. Auf dieser Stufe genügt es, zitierfähig zu schreiben und die Entwicklung zu beobachten, ohne Sonderbudget.
• GEO ist Pflicht, wenn die Zielgruppe KI-Systeme aktiv für Recherche und Vorauswahl nutzt und der klassische Klick spürbar erodiert. Der Ahrefs-Befund von minus 58 Prozent CTR auf Position 1 zeigt, dass dieser Punkt für informationsgetriebene Themen näher rückt. Wer hier zu spät startet, verliert Sichtbarkeit in beiden Welten.

Die regulatorische Zurückhaltung und das geringe KI-Selbstvertrauen im DACH-Raum verschieben den Pflicht-Zeitpunkt für viele österreichische B2B-Unternehmen nach hinten, heben ihn aber nicht auf. Die kluge Haltung ist, das Fundament so zu bauen, dass GEO ohne Zusatzaufwand mitläuft, und den Kanal genau dann zu skalieren, wenn die eigene Zielgruppe ihn nutzt. GEO-Skepsis und GEO-Vorbereitung sind kein Widerspruch. Sie sind zwei Seiten derselben rationalen Strategie.