Google AI Overviews: Wie Google KI-Antworten generiert

Warum AI Overviews die Suchergebnisseite umbauen

Google AI Overviews haben die Suchergebnisseite innerhalb von zwei Jahren von einer Linkliste in eine Antwortmaschine verwandelt. Das Feature ist kein Nischenprodukt mehr: AI Overviews erreichen laut Sundar Pichai auf der Alphabet-Quartalskonferenz 2 Milliarden monatliche Nutzer in 200 Ländern und Territorien, gestiegen von 1,5 Milliarden im Mai 2025. Für B2B-Unternehmen im DACH-Raum verschiebt das die zentrale Frage. Es geht nicht mehr nur darum, in den organischen Top-10 zu ranken, sondern darum, ob Googles KI die eigene Marke als Quelle in die generierte Antwort aufnimmt.

Die wirtschaftliche Tragweite zeigt sich am Klickverhalten. Laut einer US-Studie des Pew Research Center klickten Nutzer, die eine KI-Zusammenfassung sahen, in nur 8 Prozent der Besuche auf ein klassisches Suchergebnis, gegenüber 15 Prozent ohne KI-Zusammenfassung. Auf einen Link innerhalb der Zusammenfassung selbst klickten dieselben Nutzer in lediglich 1 Prozent der Besuche. Die Antwort ersetzt zunehmend den Klick. Wer die Funktionsweise versteht, kann gezielt darauf hinarbeiten, Teil dieser Antwort zu werden.

Wie Google KI-Antworten technisch generiert

AI Overviews unterscheiden sich grundlegend von der früheren Search Generative Experience (SGE), dem Beta-Vorläufer. AI Overviews sind das ausgerollte Produkt oberhalb der organischen Ergebnisse. Davon abzugrenzen sind der Google AI Mode, eine eigenständige dialogorientierte Sucherfahrung, und Gemini, Googles Chatbot. AI Overviews und AI Mode teilen die zugrunde liegende Technik, ziehen ihre Quellen aber unterschiedlich.

Der zentrale Mechanismus heisst Query Fan-out. Statt eine Suchanfrage als einen einzigen String zu verarbeiten, zerlegt das Sprachmodell die Frage in mehrere thematisch verwandte Unter-Queries und sucht parallel danach. Robby Stein, VP of Product for Search bei Google, illustriert das mit einem Beispiel: Bei der Frage nach Aktivitäten in Nashville für eine Gruppe überlegt das System eine Reihe von Teilfragen wie gute Restaurants, gute Bars und Aktivitäten mit Kindern und beginnt im Hintergrund zu googeln. Der entscheidende Punkt: Das System recherchiert auch Subthemen, die der Nutzer nie explizit genannt hat.

Der Umfang dieser Auffächerung skaliert mit der Komplexität. Bei der tiefen Recherche kann der Mechanismus laut Google Dutzende oder sogar Hunderte Hintergrund-Queries absetzen und mehrere Minuten bis zur Fertigstellung benötigen. Anschliessend läuft die Synthese: Ein Gemini-Modell sammelt die abgerufenen Passagen aus den Unter-Queries, gleicht sie ab und formuliert eine zusammenhängende Antwort. Bei kommerziellen Anfragen fliesst zusätzlich der Shopping Graph ein, Googles strukturierte Produktdatenbank.

Für die Praxis folgt daraus eine wichtige Konsequenz: deine Inhalte müssen nicht die eine Hauptfrage beantworten, sondern möglichst viele der wahrscheinlichen Unter-Queries. Wer ein Thema in saubere, eigenständige Antwortblöcke gliedert, erhöht die Chance, dass mindestens einer dieser Blöcke zu einer der aufgefächerten Suchen passt.

Welche Suchanfragen AI Overviews auslösen

Nicht jede Suche erzeugt eine KI-Zusammenfassung. Die Auslöserate schwankt stark und ist Gegenstand laufender Google-Tests. Eine US-Analyse von Semrush über mehr als 10 Millionen Keywords dokumentiert den Verlauf für 2025: AI Overviews wurden für 6,49 Prozent der Anfragen im Januar ausgelöst, stiegen auf einen Spitzenwert von 24,61 Prozent im Juli und lagen im November bei 15,69 Prozent. Diese Volatilität ist selbst eine strategische Information: AI Overviews sind ein bewegliches Ziel, kein stabiler Zustand.

Entscheidend ist der Suchintent. Dieselbe Semrush-Analyse zeigt für Oktober 2025 eine klare Verteilung der Anfragen mit AI Overview: informationelle Anfragen machten 57,1 Prozent aus, kommerzielle 18,57 Prozent und transaktionale 13,94 Prozent. AI Overviews erscheinen am häufigsten bei erklärungsbedürftigen, längeren Fragen. Bei klar transaktionalen oder lokalen Anfragen sowie bei sensiblen YMYL-Themen (Your Money or Your Life, also Gesundheit und Finanzen) ist Google deutlich zurückhaltender. Für B2B bedeutet das: Gerade die typischen Recherchefragen am Anfang der Buyer Journey lösen besonders häufig eine KI-Antwort aus.

AI Overviews in Deutschland und Österreich

Im DACH-Raum erscheinen AI Overviews unter dem Label Übersicht mit KI. Der Rollout erfolgte zeitversetzt zum US-Markt, ist inzwischen aber breit verfügbar, da das Feature laut Google in 200 Ländern und Territorien läuft. Für deutschsprachige Anfragen gilt: Die Qualität der Synthese hat aufgeholt, der US-Markt bleibt jedoch das primäre Testfeld für neue Funktionen, weshalb sich Änderungen meist zuerst dort beobachten lassen.

Regulatorisch ist die EU ein Sonderfall. DSGVO und der EU AI Act setzen Rahmenbedingungen, die Google bei der Ausspielung berücksichtigen muss. In der Praxis bedeutet das, dass einzelne Funktionen im EU-Raum später oder in angepasster Form starten. Für die strategische Einordnung im B2B-Markt zählt vor allem die Kanalkonzentration. In Österreich hält Google laut StatCounter einen Marktanteil von 81,87 Prozent, Bing folgt mit 9,01 Prozent (Mai 2026). Wer die Sichtbarkeit in der österreichischen Suche steuern will, kommt an Googles KI-Antworten nicht vorbei.

Auswirkung auf Klickrate und Traffic

Die Klickeffekte sind messbar und verschärfen sich. Eine Ahrefs-Analyse von 300.000 Keywords aus Dezember 2025 fand, dass die Präsenz eines AI Overview mit einer um 58 Prozent niedrigeren durchschnittlichen Klickrate für die bestplatzierte Seite korreliert, gegenüber einer Reduktion von 34,5 Prozent in der April-2025-Auswertung. Im Zweijahresvergleich verdeutlicht eine zweite Kennzahl den Trend: Die Position-1-Klickrate für AI-Overview-Keywords fiel von 0,073 im Dezember 2023 auf 0,016 im Dezember 2025.

Der Effekt trifft Keyword-Typen unterschiedlich. Bei rein informationellen Anfragen, bei denen die KI-Antwort die Frage vollständig beantwortet, ist der Klickverlust am größten. Bei kommerziellen und transaktionalen Anfragen, bei denen Nutzer vergleichen, konfigurieren oder kaufen wollen, bleibt der Klick häufiger erhalten, weil die Zusammenfassung allein nicht ausreicht. Daraus folgt eine nüchterne Content-Bewertung: Reine Definitionsartikel verlieren am stärksten an Traffic, während entscheidungsnahe und produktnahe Inhalte robuster bleiben.

Wie man Inhalte für AI Overviews optimiert

Die Optimierung für AI Overviews folgt den Prinzipien der Generative Engine Optimization. Im Zentrum steht die Frage, ob eine Passage als präziser, eigenständiger Antwortbaustein extrahierbar ist.

• Front-Loading und Answer Islands: Platziere die direkte Antwort auf eine Frage unmittelbar unter der jeweiligen Überschrift. Eine Answer Island ist ein in sich geschlossener Absatz, der eine Frage vollständig beantwortet, ohne Kontext aus anderen Abschnitten zu benötigen. Genau solche Blöcke passen zu den aufgefächerten Unter-Queries.
• Statistiken und Quellenangaben: Belege Aussagen mit konkreten Zahlen und benannten Quellen. KI-Systeme bevorzugen überprüfbare, attribuierte Fakten gegenüber vagen Behauptungen, weil sie das Risiko einer falschen Synthese senken.
• E-E-A-T-Signale: Erfahrung, Expertise, Autorität und Vertrauenswürdigkeit müssen maschinenlesbar sein. Klare Autorennennung, nachvollziehbare Quellen und ein erkennbarer fachlicher Hintergrund stärken die Wahrscheinlichkeit einer Zitierung.
• Prägnante Struktur: Kurze Absätze, beschreibende Zwischenüberschriften, Listen und Tabellen erleichtern die Extraktion. Was sich sauber als Passage herauslösen lässt, wird eher Teil der Antwort.
• Frage-Antwort-Format: Formuliere Zwischenüberschriften als Fragen, die reale Nutzer stellen, und beantworte diese sofort. Das deckt die häufigsten Ausprägungen des Query Fan-out ab.

Zitations-Logik: warum AIO-Quellen ausserhalb der Top 10 ranken

Die wichtigste strategische Verschiebung betrifft die Quellenauswahl. Früher galt: Wer oben rankt, wird zitiert. Diese Logik bricht auf. Eine Ahrefs-Auswertung von 863.000 Keyword-SERPs und 4 Millionen AI-Overview-URLs fand, dass nur noch 38 Prozent der in AI Overviews zitierten Seiten auch in den Top 10 ranken, gegenüber rund 76 Prozent im Juli 2025; die übrigen rund 62 Prozent stammen aus Position 11 oder ausserhalb der Top 100.

Das bedeutet nicht, dass klassisches Ranking irrelevant wird. Es bedeutet, dass die organische Top-10-Position weder notwendige noch hinreichende Bedingung für eine Zitierung ist. Google wählt Quellen zunehmend nach inhaltlicher Passung zur jeweiligen Unter-Query aus, nicht allein nach Ranking. Für die SEO- und GEO-Strategie verschiebt das den Hebel. Reine Linkbuilding-Anstrengungen verlieren an Alleinstellung, während thematische Tiefe, Markenerwähnungen in relevanten Kontexten und die Extrahierbarkeit einzelner Passagen an Gewicht gewinnen. Brand Mentions in vertrauenswürdigen Quellen können so zum Zitationssignal werden, auch wenn die eigene Seite nicht auf Platz eins steht.

Häufige Fehler bei der AI-Overview-Optimierung

In der Praxis wiederholen sich einige Fehleinschätzungen, die Sichtbarkeit kosten.

• Erfolg allein am Ranking messen: Wer nur die organische Position verfolgt, übersieht die Zitierung. Da nur ein Bruchteil der zitierten Seiten in den Top 10 rankt, ist Ranking-Monitoring blind für einen Grossteil der AIO-Sichtbarkeit.
• Antworten im Fliesstext vergraben: Wenn die Kernaussage erst nach mehreren Absätzen kommt, fällt die Extraktion schwer. Der Query Fan-out belohnt Passagen, die eine Teilfrage sofort und vollständig beantworten.
• KI-Crawler pauschal blockieren: Ein vorschnelles Sperren von KI-Crawlern in der robots.txt kann die eigenen Inhalte aus AI Overviews und KI-Antworten ausschliessen. Diese Abwägung gehört bewusst getroffen, nicht versehentlich.
• Traffic-Rückgang mit Bedeutungsverlust verwechseln: Sinkende Klickzahlen sind bei informationellen Keywords teilweise unvermeidlich. Wer deshalb gute Inhalte zurückfährt, verliert genau die Substanz, die für Zitierungen sorgt.
• Auf eine einzelne KI-Massnahme vertrauen: Weder llms.txt noch ein einzelnes Schema-Snippet ersetzen substanzielle, crawlbare und gut strukturierte Inhalte. Technische Signale wirken nur in Kombination mit echtem Inhaltswert.

Strukturierte Daten und technische Voraussetzungen

Damit Inhalte überhaupt für AI Overviews infrage kommen, müssen sie crawlbar und maschinell interpretierbar sein.

• Crawlbarkeit für KI-Crawler: Stelle sicher, dass Googles Crawler einschliesslich Google-Extended Zugriff haben. Wer KI-Crawler in der robots.txt blockiert, kann auch aus AI Overviews ausgeschlossen werden. Diese Entscheidung sollte bewusst getroffen werden.
• Schema.org strukturierte Daten: Markup wie Article, FAQPage, Product oder Organization hilft Suchsystemen, Inhalte korrekt einzuordnen. Strukturierte Daten ersetzen keine Inhalte, erleichtern aber deren Interpretation und Extraktion.
• llms.txt einordnen: Die vorgeschlagene Datei llms.txt soll KI-Systemen eine Inhaltskarte bieten. Ihr tatsächlicher Effekt auf Zitierungen ist bislang nicht belegt. Sie ist ein geringes Investment, aber kein Ersatz für crawlbare, gut strukturierte Inhalte.
• Saubere technische Basis: Schnelle Ladezeiten, eindeutige HTML-Semantik und eine logische Überschriftenhierarchie bleiben die Grundlage. Was ein Crawler nicht sauber liest, kann ein Modell nicht zuverlässig zitieren.

Messung und Tools

AI Overviews entziehen sich der klassischen Rang-Messung, weil eine Zitierung kein Ranking ist. B2B-Teams brauchen daher zusätzliche Kennzahlen.

• AI-Referral-Traffic in GA4: Erfasse Verweise aus KI-Systemen, indem du die relevanten Quell- und Medium-Kombinationen segmentierst. Ein Teil dieses Traffics erscheint mangels Referrer-Information als Direktzugriff, weshalb saubere Segmente und gegebenenfalls UTM-Parameter wichtig sind.
• AIO-Sichtbarkeit und Share of Voice: Spezialisierte GEO-Tools prüfen, bei welchen Anfragen eine AI Overview erscheint und ob die eigene Marke darin zitiert wird. Der Share of Voice in KI-Antworten ersetzt das klassische Ranking als Sichtbarkeitsmass.
• Conversion-Wert statt Klickmenge: Da AI Overviews die Klickmenge drücken, sollte der Fokus auf der Qualität der verbleibenden Besuche liegen. Entscheidend ist, ob KI-verwiesene Nutzer konvertieren, nicht allein, wie viele kommen.
• Trigger-Monitoring: Beobachte laufend, bei welchen deiner Kern-Keywords eine AI Overview erscheint. Angesichts der dokumentierten Schwankung der Auslöserate ist dies ein fortlaufender Prozess, keine einmalige Prüfung.

Ausblick: AI Mode, Agentic Commerce und nächste Schritte

AI Overviews sind die erste Stufe. Der Google AI Mode treibt die dialogorientierte Suche weiter, in der Nutzer Folgefragen stellen und der Query Fan-out noch stärker greift. Parallel entsteht mit Agentic Commerce eine Schicht, in der KI-Agenten Produkte im Auftrag der Nutzer recherchieren und vergleichen. Beides erhöht die Bedeutung strukturierter, extrahierbarer und gut belegter Inhalte.

Für B2B-Unternehmen im DACH-Raum ergeben sich daraus drei konkrete Schritte. Erstens: die eigenen informationsstarken Inhalte in eigenständige Antwortblöcke umbauen, die zu den wahrscheinlichen Unter-Queries passen. Zweitens: die Messung von reiner Ranking-Beobachtung auf AIO-Sichtbarkeit und Conversion-Wert umstellen. Drittens: die technische Crawlbarkeit für KI-Crawler bewusst entscheiden und strukturierte Daten konsequent pflegen. Angesichts von Googles Marktanteil von 81,87 Prozent in Österreich ist die Optimierung für Googles KI-Antworten kein Randthema, sondern der zentrale Hebel der Suchsichtbarkeit.