AI-Zitierungs-Optimierung: Wie LLMs Marken auswählen

Klassisches SEO optimiert fuer einen Ranking-Algorithmus, der zehn Links sortiert. AI-Zitierungs-Optimierung optimiert fuer ein Sprachmodell, das eine Antwort formuliert und dabei nur wenige Quellen nennt. Das ist ein grundlegend anderes Spiel mit eigenen Regeln. Dieser Artikel erklaert, wie LLMs wie ChatGPT, Perplexity und Google AI Overviews Marken und Quellen auswaehlen, warum unverlinkte Markennennungen dabei zur wichtigsten Waehrung werden, welche On-Page- und Off-Page-Hebel nachweislich wirken und wie ein B2B-Unternehmen im DACH-Raum die eigene AI-Sichtbarkeit aufbaut und misst.

Warum AI-Zitierungs-Optimierung fuer B2B im DACH-Raum relevant ist

Die Suche verlagert sich messbar weg vom klassischen Linkverzeichnis hin zur generativen Antwort. In Deutschland nutzt laut einer repraesentativen Bitkom-Befragung bereits die Haelfte (50 Prozent) zumindest manchmal den Chat mit einer KI statt der klassischen Internetsuche, 7 Prozent ueberwiegend und 5 Prozent sogar ausschliesslich. Die Erhebung erfasst nur Deutschland, der Trend gilt fuer den DACH-Raum aber als richtungsweisend. Wer in diesen KI-Antworten nicht vorkommt, verliert genau die Sichtbarkeit, die zuvor ueber das organische Ranking lief.

Entscheidend ist, dass KI-Systeme andere Quellen waehlen als Google. Eine internationale Analyse von 15.000 Long-Tail-Prompts zeigt, dass nur 12 Prozent der von ChatGPT, Gemini und Copilot zitierten Links in Googles Top 10 fuer denselben Prompt erscheinen und dass rund 80 Prozent dieser Zitierungen gar nicht in Google fuer die urspruengliche Anfrage ranken. Eine gute Google-Position ist also keine Garantie fuer eine AI-Zitierung. Das Spielfeld ist neu, und es belohnt teilweise andere Signale.

Fuer den oesterreichischen B2B-Markt heisst das: Wer fruehzeitig auf AI-Zitierbarkeit setzt, sichert sich Sichtbarkeit in einem Kanal, der noch nicht so dicht umkaempft ist wie die klassische SERP. Die Mechanik dahinter lohnt deshalb ein genaues Verstaendnis.

Wie LLMs Quellen auswaehlen: Retrieval, Grounding und Query-Fan-out

Eine AI-Zitierung entsteht technisch anders als ein Google-Ranking. Moderne KI-Antworten kombinieren zwei Wissensquellen. Erstens das parametrische Wissen, das im Modell selbst gespeichert ist und aus den Trainingsdaten stammt. Zweitens das aktuelle Retrieval, bei dem das System live Webseiten abruft und seine Antwort darauf stuetzt. Dieser zweite Schritt heisst Grounding: Die Antwort wird an abgerufenen Quellen verankert und mit Zitierungen belegt.

Der wichtigste Unterschied zum Google-Ranking liegt im Query-Fan-out. Statt eine einzelne Suchanfrage zu beantworten, zerlegt das System die urspruengliche Anfrage in mehrere Teil- und Variantenfragen und ruft Seiten ab, die zu diesem Faecher passen. Die Ahrefs-Overlap-Studie beschreibt diesen Mechanismus als Grund dafuer, dass die KI Seiten anhand mehrerer Varianten der Anfrage abruft und nicht nur anhand der exakten Originalfrage. Eine Quelle, die ueber viele verwandte Teilfragen hinweg solide Inhalte liefert, wird dadurch wahrscheinlicher zitiert als eine, die nur fuer ein einzelnes Keyword stark rankt.

Daraus folgt die zentrale strategische Einsicht. Es reicht nicht, fuer ein Keyword die Nummer eins zu sein. Eine Marke muss als Entitaet breit, konsistent und in Verbindung mit ihren Kernthemen im Web praesent sein, damit sie ueber den gesamten Query-Fan-out hinweg als relevante Quelle erkannt wird. Genau hier setzt Entity SEO an.

Brand Signals und Entity SEO als Fundament

Das wichtigste Off-Page-Signal fuer AI-Sichtbarkeit sind nicht Backlinks, sondern Markennennungen. Eine internationale Ahrefs-Analyse zur AI-Overview-Sichtbarkeit zeigt, dass branded web mentions mit 0,664 die staerkste Korrelation aller untersuchten Branding-Signale aufweisen, waehrend die Zahl der Backlinks nur auf 0,218 kommt. Das ist ein Verhaeltnis von rund 3 zu 1 zugunsten der Erwaehnungen. Noch deutlicher wird der Effekt am oberen Ende: Laut derselben Quelle erhalten Marken im obersten Viertel (Top 25 Prozent) bei Web-Mentions zehnmal mehr AI-Sichtbarkeit als der Rest.

Der Grund liegt in der Funktionsweise der Modelle. LLMs lernen Entitaeten und ihre Beziehungen aus der Haeufigkeit und dem Kontext, in dem Marken, Themen und Begriffe gemeinsam auftauchen. Diese Co-Occurrence ist die Sprache, die ein Sprachmodell versteht. Ein konsistentes Entitaetsprofil baut man ueber mehrere Bausteine auf:

• Konsistente Markennennung: Firmenname, Schreibweise, Adresse und Kernleistung muessen ueber alle Quellen hinweg identisch sein. Widerspruechliche Angaben verwaessern die Entitaet im Knowledge Graph.
• Wikidata und Wikipedia: Strukturierte Wissensdatenbanken sind eine Hauptquelle fuer parametrisches Wissen. Eine saubere Wikidata-Entitaet und, wo die Relevanzkriterien erfuellt sind, ein deutschsprachiger Wikipedia-Eintrag verankern die Marke im Knowledge Graph.
• Co-Occurrence mit Themen: Die Marke sollte regelmaessig im selben Kontext wie ihre Kernthemen erscheinen. Wer als oesterreichischer B2B-Anbieter fuer ein Fachgebiet zitiert werden will, muss dort sichtbar mit diesem Thema verknuepft sein.
• Strukturierte Daten: Organization- und sameAs-Auszeichnungen verbinden die Website eindeutig mit den Profilen der Marke und helfen Systemen, die Entitaet korrekt aufzuloesen.

Die Bedeutung strukturierter Wissensquellen zeigt sich in den Zitierdaten. Laut dem internationalen 2025 AI Citation and LLM Visibility Report stammen rund 22 Prozent der Trainingsdaten grosser KI-Modelle aus Wikipedia-Inhalten. Wer dort sauber als Entitaet existiert, sitzt naeher an der Quelle des parametrischen Wissens.

Unlinked Brand Mentions als AI-Waehrung

Im klassischen SEO zaehlt vor allem der verlinkte Verweis. Fuer LLMs gilt das nur eingeschraenkt. Ein Sprachmodell verarbeitet Text. Es erkennt eine Marke und ihren Kontext auch dann, wenn die Erwaehnung nicht verlinkt ist. Damit wird die unverlinkte Markennennung, die Unlinked Brand Mention, zu einer eigenstaendigen Waehrung der AI-Sichtbarkeit. Genau das erklaert, warum branded web mentions in den Korrelationsdaten Backlinks deutlich schlagen.

Praktisch verschiebt das den Fokus von reinem Linkbuilding hin zu Digital PR und Earned Media. Ziel ist nicht mehr nur der Link, sondern die kontextstarke Nennung in glaubwuerdigen Quellen. Erreichbar ist das ueber mehrere Wege:

• Digital PR: Pressearbeit, die zu redaktioneller Berichterstattung fuehrt, erzeugt Markennennungen in vertrauenswuerdigen Medien, oft mit thematischem Kontext.
• Datengetriebene Inhalte: Eigene Studien, Umfragen oder Branchenzahlen werden von Dritten zitiert und verknuepfen die Marke wiederholt mit ihrem Fachthema.
• Fachmedien und Branchenportale: Beitraege, Interviews und Erwaehnungen in einschlaegigen DACH-Fachmedien platzieren die Marke im richtigen thematischen Umfeld.
• Unlinked-Mention-Monitoring: Bestehende, aber unverlinkte Nennungen lassen sich aufspueren und pflegen, etwa indem die Schreibweise vereinheitlicht und der Kontext geschaerft wird.

Die strategische Konsequenz: Eine PR-Platzierung, die frueher nur wegen des Links zaehlte, hat heute zusaetzlichen Wert als AI-Signal, selbst wenn kein Link gesetzt wird. Das veraendert die Bewertung von Earned Media grundlegend.

On-Page-GEO-Taktiken: zitierfaehige Inhalte bauen

Off-Page entscheidet, ob eine Marke als relevante Entitaet erkannt wird. On-Page entscheidet, ob eine konkrete Seite als Quelle zitierfaehig ist. Die wissenschaftliche Grundlage dafuer liefert die KDD-2024-Studie zu Generative Engine Optimization. Sie zeigt, dass GEO die Sichtbarkeit in generativen Antworten um bis zu 40 Prozent steigern kann. Die wirksamen Taktiken zielen darauf, Inhalte so aufzubereiten, dass ein Sprachmodell sie leicht extrahieren und zitieren kann:

• Statistiken mit Quelle: Konkrete, belegte Zahlen sind hochgradig zitierfaehig, weil sie eine Antwort praezisieren. Jede Zahl gehoert mit klarer Quellenangabe versehen.
• Experten-Zitate: Attribuierte Aussagen von benannten Fachleuten erhoehen die Glaubwuerdigkeit und liefern dem Modell zitierbare Bausteine.
• Quellenangaben und Belege: Transparente Verweise auf Primaerquellen signalisieren Vertrauenswuerdigkeit, ein Kernkriterium fuer die Quellenauswahl.
• FAQ und strukturierte Antworten: Klar formulierte Frage-Antwort-Bloecke entsprechen genau dem Format, in dem KI-Systeme Antworten zusammensetzen.
• Schema.org-Markup: Strukturierte Daten wie FAQPage, Article oder Organization machen die Bedeutung von Inhalten maschinenlesbar.
• Zitierfaehige Inhaltsbloecke: Eine direkte Antwort auf eine konkrete Frage, knapp und vollstaendig unter einer passenden Zwischenueberschrift, erhoeht die Chance, woertlich uebernommen zu werden.

Der gemeinsame Nenner dieser Taktiken ist Extrahierbarkeit. Inhalte, die eine Frage eindeutig und belegt beantworten, sind sowohl fuer Featured Snippets als auch fuer KI-Antworten die bevorzugte Quelle.

Plattform-Spezifika: ChatGPT, Perplexity und Google AI Overviews

AI-Zitierungs-Optimierung ist keine einheitliche Disziplin. Die grossen Plattformen waehlen Quellen unterschiedlich aus, und das hat direkte Konsequenzen fuer die Taktik.

ChatGPT stuetzt sich stark auf etabliertes, enzyklopaedisches Wissen. Laut dem internationalen AI Citation Report dominiert Wikipedia mit 47,9 Prozent der ChatGPT-Zitate, und 87 Prozent der SearchGPT-Zitierungen decken sich mit den Top-10-Bing-Ergebnissen. Wer hier sichtbar sein will, braucht eine saubere Entitaet in Wikipedia und Wikidata sowie eine solide Bing-Praesenz.

Perplexity setzt staerker auf Echtzeit-Retrieval und nutzergenerierte Inhalte. Laut derselben Quelle fuehrt Reddit mit 46,7 Prozent der Perplexity-Zitate. Perplexity bindet zudem klassische Rankings staerker ein: Laut der Overlap-Studie zeigen bei Perplexity nahezu eins von drei Zitaten auf Seiten, die in den Top 10 ranken. Hier wirken aktuelle Inhalte und Community-Praesenz zusammen mit gutem Google-Ranking.

Google AI Overviews ziehen ihre Zitate zunehmend aus einem breiteren Feld als nur den Top-Ergebnissen. Laut Ahrefs-Daten, ausgewertet von Search Engine Journal, fiel der Anteil der AI-Overview-Zitate aus top-rankenden Seiten von 76 Prozent im Juli 2025 auf 38 Prozent, bei einer Datenbasis von 863.000 Keywords und 4 Millionen AI-Overview-URLs. Die uebrigen Zitate verteilen sich auf Positionen 11 bis 100 mit 31,2 Prozent und jenseits Position 100 mit 31,0 Prozent. Auch Google belohnt damit thematische Breite ueber den engen Ranking-Fokus hinaus.

Wie wenig sich die Plattformen ueberschneiden, zeigt eine einzelne Zahl: Laut AI Citation Report werden nur 11 Prozent der Domains von ChatGPT UND Perplexity zitiert. Eine Quelle, die auf einer Plattform stark ist, ist es auf einer anderen oft nicht. Plattformspezifische Strategien sind deshalb Pflicht, nicht Kuer.

DACH- und Oesterreich-Bezug: lokale Autoritaetsquellen als Zitierbasis

Fuer den oesterreichischen Markt entscheidet die Frage, welche deutschsprachigen Quellen als Autoritaet gelten. Da ChatGPT stark auf Wikipedia setzt und Wikipedia rund 22 Prozent der Trainingsdaten ausmacht, ist die deutschsprachige Wikipedia ein zentraler Ankerpunkt. Daneben gibt es im DACH-Raum spezifische Autoritaetsquellen, die als Zitierbasis dienen:

• WKO-Profil und Firmen-A-Z: Ein vollstaendiges, konsistentes Profil im Firmenverzeichnis der Wirtschaftskammer Oesterreich liefert eine verlaessliche, strukturierte Entitaetsangabe fuer den oesterreichischen Markt.
• Deutschsprachige Fachmedien und Branchenportale: Erwaehnungen in einschlaegigen Fachpublikationen verknuepfen die Marke im richtigen thematischen und sprachlichen Kontext.
• Lokale Verzeichnisse und Kammern: Branchenspezifische Register und Kammerprofile stuetzen die Konsistenz der Markendaten.
• Deutschsprachige Wikipedia und Wikidata: Sofern die Relevanzkriterien erfuellt sind, ist ein Eintrag in der deutschsprachigen Wikipedia mit verknuepfter Wikidata-Entitaet die stabilste Verankerung im Knowledge Graph.

Der Vorteil der DACH-Fokussierung ist die geringere Konkurrenz. Waehrend internationale englischsprachige Quellen stark umkaempft sind, lassen sich konsistente deutschsprachige Entitaetssignale gezielter aufbauen.

DSGVO-konformes Reputations- und Review-Management

Brand- und AI-Signale entstehen auch aus Bewertungen, Pressearbeit und externen Datenquellen. Im DACH-Raum unterliegen diese Aktivitaeten der DSGVO, was eine rechtssichere Handhabung erfordert. Reviews und Reputationsdaten sind wertvolle Co-Occurrence-Signale, muessen aber datenschutzkonform erhoben und genutzt werden:

• Bewertungen rechtssicher einholen: Kundenbewertungen sollten auf einer klaren Rechtsgrundlage beruhen, transparent eingeholt und nicht manipuliert werden. Gefaelschte Reviews sind nicht nur rechtlich riskant, sondern untergraben auch das Vertrauenssignal.
• Personenbezug beachten: Bei Pressearbeit und Fallstudien ist die Einwilligung genannter Personen einzuholen, und personenbezogene Daten sind sparsam zu verwenden.
• Datenquellen pruefen: Externe Datenquellen fuer Brand-Monitoring muessen DSGVO-konform sein. Die Rechtsgrundlage der Verarbeitung sollte dokumentiert sein.
• Transparenz wahren: Ein vollstaendiges Impressum, eine klare Datenschutzerklaerung und konsistente Unternehmensangaben staerken zugleich die Vertrauenswuerdigkeit als Entitaet.

Rechtssicherheit und AI-Sichtbarkeit widersprechen sich nicht. Im Gegenteil: Transparente, konsistente und nachpruefbare Angaben sind genau die Vertrauensmerkmale, die sowohl die DSGVO verlangt als auch KI-Systeme bei der Quellenauswahl bevorzugen.

Vom klassischen Backlink zum AI-Signal: Budget neu allokieren

Mit der KI-Suche und den Erkenntnissen aus dem Google-API-Leak verschiebt sich die Gewichtung der Off-Page-Massnahmen. Der reine Backlink verliert nicht seine Wirkung, aber er ist nicht mehr das dominante Signal fuer AI-Sichtbarkeit. Die Korrelationsdaten sind eindeutig: Branded web mentions korrelieren mit 0,664, Backlinks nur mit 0,218 mit der AI-Overview-Sichtbarkeit. Das legt eine Re-Allokation des Budgets nahe.

Praktisch bedeutet das eine Verschiebung von drei Schwerpunkten. Erstens weniger isoliertes Linkbuilding, das nur auf den Link zielt. Zweitens mehr Digital PR und Earned Media, die kontextstarke Markennennungen erzeugen, unabhaengig vom Link. Drittens dedizierte GEO-Massnahmen auf der eigenen Seite, die Inhalte zitierfaehig machen. Der Backlink bleibt Teil des Mix, aber er teilt sein Budget nun mit Disziplinen, die direkter auf das AI-Signal einzahlen.

Wichtig ist die nuechterne Einordnung: Klassisches SEO und AI-Optimierung schliessen sich nicht aus. Eine starke Entitaet, belegte Inhalte und Vertrauenssignale wirken in beiden Welten. Die Budgetfrage ist keine Entweder-oder-Entscheidung, sondern eine Frage der Gewichtung zugunsten von Signalen, die in der KI-Suche skalieren.

Praxis-Workflow fuer B2B: von der Entitaet zur Messung

Ein realistischer Aufbau folgt einer klaren Reihenfolge und braucht Zeit. Erste Effekte sind typischerweise nach drei bis sechs Monaten sichtbar, da Entitaetssignale und Erwaehnungen erst in die Modelle und das Retrieval einfliessen muessen.

• Entity-Setup (Monat 1): Markendaten vereinheitlichen, Wikidata-Entitaet pruefen und aufbauen, WKO-Profil und Verzeichnisse konsistent machen, Organization- und sameAs-Schema implementieren.
• On-Page-GEO (Monat 1 bis 2): Kernseiten mit belegten Statistiken, attribuierten Zitaten, FAQ-Bloecken und sauberem Schema-Markup zitierfaehig aufbereiten.
• Digital PR und Earned Media (Monat 2 bis 4): Datengetriebene Inhalte und Pressearbeit gezielt platzieren, um Markennennungen in DACH-Fachmedien zu erzeugen, mit oder ohne Link.
• Monitoring aufsetzen (ab Monat 1, laufend): Prompt-Sets definieren, AI-Sichtbarkeit und Zitier-Anteil tracken, Sentiment der Nennungen beobachten.
• Iterieren (ab Monat 3): Anhand der Messdaten plattformspezifisch nachsteuern, etwa Wikipedia-Praesenz fuer ChatGPT oder aktuelle Inhalte fuer Perplexity staerken.

Dieser Workflow ist kein Einmalprojekt. Da sich die Plattformen laufend aendern, wie der Rueckgang der Google-Top-10-Zitate von 76 auf 38 Prozent zeigt, gehoert die Anpassung in eine regelmaessige Routine.

Haeufige Fehler bei der AI-Zitierungs-Optimierung

• Nur auf Backlinks setzen: Wer das Budget weiter primaer in Links steckt, ignoriert das staerkere Signal. Markennennungen korrelieren mit 0,664 gegenueber 0,218 bei Backlinks.
• Eine Strategie fuer alle Plattformen: ChatGPT, Perplexity und Google waehlen unterschiedlich aus. Da nur 11 Prozent der Domains von ChatGPT und Perplexity gemeinsam zitiert werden, scheitert ein Einheitsansatz.
• Auf gutes Google-Ranking vertrauen: Eine Top-Position genuegt nicht. Rund 80 Prozent der AI-Zitate ranken gar nicht in Google fuer die Originalfrage.
• Inhalte nicht zitierfaehig aufbereiten: Ohne belegte Statistiken, klare Antworten und Struktur fehlt die Extrahierbarkeit. GEO kann die Sichtbarkeit um bis zu 40 Prozent steigern, wenn die Taktiken konsequent umgesetzt werden.
• Entitaet inkonsistent halten: Widerspruechliche Markendaten verwaessern das Profil im Knowledge Graph und schwaechen die Co-Occurrence-Signale.
• DSGVO-Risiken ignorieren: Manipulierte Reviews oder intransparente Datenquellen sind rechtlich riskant und untergraben das Vertrauenssignal, das KI-Systeme bewerten.

Metriken und Messung der AI-Sichtbarkeit

AI-Sichtbarkeit ist messbar, erfordert aber andere Kennzahlen als klassisches SEO. Im Zentrum stehen vier Groessen. Erstens der Zitier-Anteil, also wie oft die Marke in den Antworten zu einem definierten Prompt-Set genannt oder verlinkt wird. Zweitens der AI-Share-of-Voice, der den eigenen Anteil an Nennungen im Vergleich zum Wettbewerb misst. Drittens das Sentiment, also in welchem Tonfall die Marke erwaehnt wird. Viertens die Entwicklung der branded web mentions als vorlaufender Indikator.

Die methodische Grundlage ist ein sauber definiertes Prompt-Set: eine feste Liste der Fragen, die potenzielle Kund:innen im B2B-Kontext tatsaechlich stellen wuerden. Dieses Set wird regelmaessig ueber die relevanten Plattformen abgefragt, und der Zitier-Anteil wird ausgewertet. Tools wie Ahrefs Brand Radar oder die AI-Funktionen von Semrush unterstuetzen das Tracking der Markennennungen und der AI-Sichtbarkeit ueber die Zeit.

Bei der Interpretation ist Plattformkontext entscheidend. Da sich die Quellenauswahl der Systeme dynamisch verschiebt, wie der Rueckgang der Google-Top-10-Zitate von 76 auf 38 Prozent belegt, ist ein einzelner Messwert weniger aussagekraeftig als der Trend ueber mehrere Monate. Der vorlaufende Hebel bleibt dabei die Zahl der Markennennungen, weil Marken im obersten Mention-Viertel zehnmal mehr AI-Sichtbarkeit erreichen.

Weiterfuehrendes

AI-Zitierungs-Optimierung ist die logische Erweiterung von Off-Page-SEO in eine Welt, in der Sprachmodelle die Auswahl treffen. Das Fundament bleibt eine starke, konsistente Entitaet, die ueber Markennennungen, strukturierte Wissensquellen und thematische Co-Occurrence im Web verankert ist. Darauf bauen zitierfaehige Inhalte und plattformspezifische Taktiken auf. Sinnvolle naechste Schritte fuer ein B2B-Unternehmen im DACH-Raum sind ein Audit der eigenen Entitaetssignale, die Definition eines Prompt-Sets fuer das Monitoring und die schrittweise Re-Allokation des Off-Page-Budgets von isoliertem Linkbuilding hin zu Digital PR, Earned Media und GEO. Wer diese Disziplinen verzahnt, baut Sichtbarkeit in einem Kanal auf, der die klassische Suche zunehmend ergaenzt.