Faktencheck

GEO-Tricks im Faktencheck: Was laut 45 Studien wirklich wirkt

Von Alex Buchanan1. Oktober 20266 Min. Lesezeit

„Mit diesen fünf Kniffen empfiehlt ChatGPT Sie morgen" – solche Versprechen liest man derzeit überall. Eine neue wissenschaftliche Übersichtsarbeit hat sich die Forschung der letzten drei Jahre angesehen und kommt zu einem nüchternen Ergebnis: Vieles, was als GEO-Trick verkauft wird, wirkt kaum. Einiges schadet sogar. Und das, was wirkt, ist weniger spektakulär, als man denkt.

Worum es geht

GEO steht für Generative Engine Optimization – also alles, was ein Unternehmen tut, damit KI-Assistenten wie ChatGPT, Perplexity oder Gemini es in ihren Antworten nennen. (Eine Einführung finden Sie in Was ist GEO?.)

Im Juli 2026 hat der Forscher Olivier Martinez (Sciences Po) eine sogenannte kritische Übersichtsarbeit veröffentlicht. Darin hat er 45 Studien zu GEO aus dem Zeitraum November 2023 bis Juli 2026 ausgewertet – also praktisch alles, was es seit dem Start des Fachgebiets an ernsthafter Forschung gibt. Die Frage dahinter: Was ist tatsächlich belegt, und was ist Marketing?

Das berühmte „40 %"-Versprechen – richtig gelesen

Die meistzitierte Zahl der GEO-Welt stammt aus dem ersten großen Forschungspapier zum Thema: Bestimmte Textänderungen – etwa Statistiken und Quellenangaben einbauen – steigerten die Sichtbarkeit in KI-Antworten um bis zu 40 %. Auch wir haben diese Studie hier im Blog zitiert.

Die Übersichtsarbeit stellt klar: Die Zahl ist korrekt – aber sie gilt in einem Testaufbau, in dem die KI fünf Dokumente bereits vorgelegt bekommt. Gemessen wurde also, ob ein Text innerhalb dieser fünf stärker aufgegriffen wird. Nicht gemessen wurde, ob die KI Ihre Seite im echten Netz überhaupt findet. Wer daraus „40 % mehr ChatGPT-Empfehlungen" macht, verspricht etwas, das die Studie nie untersucht hat.

Drei Befunde, die überraschen

1. Faustregeln funktionieren selten. In einem großen Vergleichstest (rund 1.900 Suchanfragen, über 16.000 Dokumente) waren nur 3 von 54 getesteten Kombinationen aus Methode und Themenfeld eindeutig positiv. Eine Studie zum Online-Handel fand: 10 von 15 gängigen Faustregeln waren wirkungslos oder schädlich. Dazu kommt ein Gewöhnungseffekt: Je mehr Anbieter denselben Trick nutzen, desto weniger bringt er – am Ende ein Nullsummenspiel.

2. Umschreiben „für die KI" kann nach hinten losgehen. Ein Test mit über 170.000 Dokumenten hat den ganzen Weg nachgestellt – vom Finden über das Sortieren bis zur Nennung. Ergebnis: Texte, die nur im Fließtext „KI-optimiert" umgeschrieben wurden, landeten im Schnitt rund 9 % seltener unter den ersten 20 Treffern und wurden am Ende rund 6 % seltener zitiert. Ein Text, der für die KI schön klingt, wird also nicht automatisch leichter gefunden.

3. Bekannt sein heißt nicht empfohlen werden. In einer Untersuchung mit 112 Start-ups kannte ChatGPT 99,4 % der Firmen, wenn man direkt nach dem Namen fragte. Bei allgemeinen Fragen wie „Welches Tool empfiehlst du für …?" tauchten aber nur 3,3 % auf. Bei Perplexity: 94,3 % erkannt, 8,3 % empfohlen. Die Studie ist klein und noch nicht begutachtet – aber der Unterschied ist zentral: Dass die KI Sie kennt, bedeutet nicht, dass sie Sie vorschlägt.

Kennt die KI Sie nur – oder empfiehlt sie Sie auch?

Der kostenlose KI-Check stellt zehn typische Kundenfragen aus Ihrer Branche – ohne Ihren Firmennamen zu nennen – und zeigt klar mit Ja oder Nein, ob Sie in der Antwort vorkommen. Website eingeben, rund 30 Sekunden, ohne Anmeldung.

Kostenlosen Check starten ↗

Was nachweislich wirkt

Die Übersichtsarbeit bewertet jeden Hebel danach, wie gut er belegt ist. Das Bild ist eindeutig:

Schwach oder gar nicht belegt sind dagegen: ein besonders selbstbewusster „Experten-Ton", reine Formatierungs-Kniffe und Rezepte nach Schema F. Keyword-Stopfen – also Suchbegriffe massenhaft wiederholen – ist in mehreren Tests wirkungslos oder schädlich. Auch beim Thema strukturierte Daten zeigt sich ein gemischtes Bild; das haben wir in unserem Schema-Faktencheck genauer beleuchtet.

Fremde Quellen zählen mit

Ein weiterer Punkt aus der Arbeit: Die einzelnen KI-Dienste stützen sich auf sehr unterschiedliche Quellen. Mehr als die Hälfte (53 %) der Websites, die Googles KI-Übersichten zitieren, steht in der normalen Google-Suche gar nicht unter den ersten zehn Treffern. Eine „Rangliste für die KI" gibt es also nicht – jede KI hat ihre eigene Sicht. Dazu passt, dass Erwähnungen auf fremden Seiten (Presse, Portale, Verzeichnisse) offenbar mitentscheiden, welches Material der KI überhaupt zur Verfügung steht. Wie stark eine einzelne fremde Seite wirken kann, zeigt dieser Beitrag.

Woran Sie unseriöse GEO-Angebote erkennen

Die Übersichtsarbeit sagt es deutlich: Aussagen über den Ertrag von GEO gehen derzeit weit über das hinaus, was die Forschung belegt. Das heißt nicht, dass GEO sinnlos ist – es heißt, dass Sie kritisch nachfragen sollten. Drei Warnzeichen:

Was das für Ihren Betrieb heißt

Die gute Nachricht steckt im Fazit der Forscher: Die am besten belegte Strategie ist bodenständig. Erstellen Sie Seiten, die echte Kundenfragen vollständig, verständlich und überprüfbar beantworten – und die technisch für KI-Crawler erreichbar sind. Sorgen Sie dafür, dass auch andere Seiten im Netz Sie erwähnen. Und messen Sie regelmäßig und über mehrere KIs hinweg, statt einem einzelnen Screenshot zu glauben.

Das klingt weniger aufregend als ein Wundertrick. Aber es ist genau das, was die Daten stützen – und es wirkt nicht nur in der KI, sondern auch bei Google und bei Ihren Kunden.

Messen statt raten

Starten Sie mit einer ehrlichen Bestandsaufnahme: Der kostenlose KI-Check zeigt, bei welchen Kundenfragen Sie genannt werden – und wer stattdessen empfohlen wird.

Kostenlosen Check starten ↗

Quellen: Olivier Martinez, „Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)", arXiv:2607.14035 (15. Juli 2026), arxiv.org. Die genannten Einzelbefunde (C-SEO Bench, E-GEO, SAGEO Arena, Start-up-Erkennungsstudie, Quellen-Überschneidung bei Google-KI-Übersichten) sind dort zusammengefasst und referenziert. Grundlagenstudie: Aggarwal et al., „GEO: Generative Engine Optimization" (Princeton, Georgia Tech, IIT Delhi).