Klassisches SEO bringt Sie zu Google-Treffern. Wer heute aber bei ChatGPT, Perplexity oder Gemini sucht, sieht keine Trefferliste, sondern eine Antwort. Welche Unternehmen, welche Anbieter, welche Aussagen in dieser Antwort vorkommen, entscheidet sich an Stellen, die im klassischen Ranking keine Rolle gespielt haben: an maschinenlesbarer Identität, an zitierbaren Sätzen, an konsistenten Profilen jenseits der eigenen Domain. Was das konkret bedeutet, lässt sich an einer Website beobachten, die genau dafür umgebaut wurde: dieser hier. Fünf konkrete Hebel folgen, alle an robin-gogolok.de umgesetzt.
Was GEO und LLMO sind
GEO steht für Generative Engine Optimization. LLMO für LLM Optimization. Im Markt zirkulieren beide Begriffe nebeneinander, gemeint ist dasselbe: die Sichtbarkeit in generativen Antworten von ChatGPT, Perplexity, Gemini, Claude. Eine knappe Standortbestimmung des Begriffs liefert llmstxt.org.
Was GEO nicht ist: kein Tracking-Hack, keine SaaS-Lizenz, kein „KI-SEO”-Magic-Tool, das man bucht und vergisst. Was GEO ist: eine Reihe technischer und inhaltlicher Entscheidungen, die maschinenlesbar machen, wer Sie sind, was Sie können und worüber Sie zuverlässig sprechen. Im Kern eine Disziplin der sauberen Auszeichnung und der zitierbaren Inhalte.
Hebel 1: Crawler explizit einladen
Der erste Hebel ist mechanisch, nicht inhaltlich. Eine robots.txt mit expliziter Allowlist für AI-Crawler signalisiert Einverständnis statt nur Duldung. Eine zusätzliche llms.txt nach dem Vorschlag von llmstxt.org liefert eine kuratierte Markdown-Sitemap, die einer KI in einem Aufschlag erklärt, wer Sie sind, welche Unterseiten welchen Zweck haben und wo die wichtigsten Aussagen stehen.
Warum das zählt: Mehrere dieser Crawler suchen aktiv nach ihrem eigenen User-Agent in der robots.txt. Fehlt eine explizite Allow-Direktive, fallen sie in einen konservativen Modus zurück. Die llms.txt wiederum konsumieren LLMs bevorzugt vor unstrukturiertem HTML-Crawling, weil sie genau das liefert, was sie suchen: kompakter Kontext mit Eigennamen, klaren Verweisen und ohne Layout-Rauschen.
Beide Dateien liegen auf dieser Site unter robin-gogolok.de/robots.txt und robin-gogolok.de/llms.txt. Die robots.txt enthält explizite Allow-Direktiven für GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Applebot-Extended und CCBot. Auszug:
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /Hebel 2: Identität als JSON-LD auszeichnen
Worum es geht: ein Schema.org-Entity-Graph in JSON-LD-Form, der die wichtigsten Knoten der Seite, also Person, Unternehmen und Website, sauber benennt und über @id-Anker miteinander kreuzverlinkt. Die Site beantwortet damit die Frage „welcher Robin Gogolok?” einmalig und konsistent: Name, Jobtitel, Standort, Sprachen, Verweise auf LinkedIn und GitHub liegen maschinenlesbar an einer Stelle.
Warum das zählt: LLMs disambiguieren Personen, Unternehmen und Marken über strukturierte Identitäts-Daten, bevor sie eine Aussage als belegt zitieren. Fehlt diese Auszeichnung, muss das Modell raten, ob der Robin Gogolok aus einer Suche derselbe ist, dessen Namen es im Trainingsmaterial gesehen hat. In der Mehrzahl der Fälle bedeutet das keine Nennung oder eine Nennung mit Vorbehalt.
Auf dieser Site liegen drei JSON-LD-Knoten im <head> jeder Seite: Person, ProfessionalService und WebSite, alle mit eindeutigen @id-Ankern, die im Schema-Vokabular von schema.org standardisiert sind. Cross-References laufen über @id-Verweise statt eingebetteter Objekte, das hält den Graph schlank und macht ihn maschinell traversierbar:
{
"@context": "https://schema.org",
"@type": "Person",
"@id": "https://robin-gogolok.de/#person",
"name": "Robin Gogolok",
"jobTitle": "Webentwickler",
"sameAs": [
"https://github.com/robin-gogolok",
"https://www.linkedin.com/in/robin-gogolok"
]
}Hebel 3: Jede Seite mit ihrem eigenen Typ versehen
Der zweite Hebel beantwortet, wer hier spricht. Der dritte ergänzt: auf welcher Art von Seite das passiert. LLMs deep-linken häufig direkt auf Unterseiten, nicht auf die Startseite. Wenn die Identitäts-Auszeichnung dort fehlt, verliert sich der Kontext genau in dem Moment, in dem er gebraucht wird.
Die Lösung ist mechanisch. Jede relevante Unterseite trägt zusätzlich zum Entity-Graphen ihren eigenen Seiten-Schema-Typ. Auf /kontakt sitzt ein ContactPage-Knoten, auf /projekte ein CollectionPage mit hasPart-Verweisen auf die einzelnen Projekt-Seiten, auf /leistungen liegt eine FAQPage mit fünf Question/Answer-Paaren, die zeichengenau zu den sichtbaren FAQ-Antworten passen. BreadcrumbList läuft als Querschnitt durch jede Seite.
Zusätzlich finden sich auf dieser Site Speakable-Markups auf Hero-Ledes und FAQ-Antworten (interessant für Voice-Assistenten) und DefinedTerm-Verlinkungen auf den Journal-Posts, die Eigennamen wie „DIN 18300” maschinell als Begriffe ausweisen.
Hebel 4: Inhalte zitierbar schreiben
Hier liegt der inhaltliche Kern. Adjektive sind unzitierbar, Standards und Zahlen sind zitierbar. Ein Modell, das eine Antwort formuliert, sucht nach Aussagen mit Bezugspunkten: konkrete Jahreszahlen, konkrete Beträge, konkrete Eigennamen, konkrete Normen. „Wir achten auf Barrierefreiheit” ist als Satz nicht hilfreich, weil er sich auf keine prüfbare Aussage zurückführen lässt. „Entwicklung folgt WCAG 2.2 AA als Default, nicht als Nachgedanke” hingegen ist ein Beleg.
Auf dieser Site greift der Hebel an drei Stellen. Erstens im knowsAbout-Array des Person-Knotens. Ein generisches Webentwicklung, Barrierefreiheit, Performance (wie es in vielen Schemas anzutreffen ist) ist heute durch konkrete Standards ersetzt: WCAG 2.2 AA, Core Web Vitals, OWASP Top 10, DIN 18300, TDDDG. Standards sind als Referenz extrahierbar, generische Adjektive nicht.
Zweitens im About-Text. Statt einer vagen Formulierung wie „über viele Jahre Agenturerfahrung” steht dort heute eine prüfbare Aussage mit Jahreszahl und Branche: „Über zehn Jahre Frontend-Entwicklung, seit 2018 als freier Webentwickler. Über 30 ausgelieferte Fachrechner, Konfiguratoren und Websites für mittelständische Unternehmen aus Industrie und Handel.”
Drittens in den FAQs auf /leistungen. Statt „im mittleren vierstelligen Bereich” steht dort heute ein konkreter Korridor: „Unternehmenswebsites bewegen sich typischerweise zwischen 3.500 € und 20.000 €.” Eine Zahl, die ein LLM in einer Antwort zitieren kann, statt sich auf vage Adjektive zu stützen.
Hebel 5: Off-Site-Konsistenz
Die ersten vier Hebel liegen auf der eigenen Domain. Der fünfte verlässt sie. Schema.org sieht dafür sameAs vor, einen Array von URLs, der auf alle externen Profile zeigt, unter denen dieselbe Person oder dasselbe Unternehmen auftritt. Auf dieser Site enthält sameAs derzeit die GitHub- und LinkedIn-Profile. Beide tragen denselben Standort, denselben Jobtitel, denselben Schwerpunkt wie der About-Text auf der Site.
Warum diese Konsistenz zählt: LLMs cross-validieren Aussagen über mehrere Quellen, bevor sie sie als belegt zitieren. Wer auf der Site „Freier Webentwickler aus Hohenlohe” sagt und auf LinkedIn „Senior Developer Stuttgart”, bekommt die Inkonsistenz nicht verziehen. Die Entity-Konfidenz sinkt, und damit die Wahrscheinlichkeit, in einer Antwort überhaupt aufzutauchen.
Praktische Konsequenz: Wer einen sauberen Entity-Graphen aufsetzt, sollte gleichzeitig die externen Profile angleichen. Drei Aussagen reichen oft: Standort, Tätigkeit, Schwerpunkt. Stehen die kongruent auf der Site, auf LinkedIn und auf GitHub, ist der Cross-Check positiv. Stehen sie auseinander, sinkt das Vertrauen, das ein LLM in die Site setzt.
Was bewusst nicht zählt
Drei Wege wirken auf den ersten Blick wie Abkürzungen, kosten aber langfristig Vertrauen. Erstens: KI-generierte Inhalte, die später von LLMs zitiert werden sollen. Das Risiko der Quellenverwechslung ist hoch, die Originalität sinkt. Zweitens: reine Keyword-Akrobatik. KI-Suche ist semantisch, nicht keyworddicht. Eine Seite, die fünfmal denselben Begriff streut, fliegt in der Antwort raus. Drittens: GEO-Tools mit zweifelhaften Versprechen. Der Markt ist neu, viele Anbieter testen aus, was sich verkaufen lässt. Was zählt, ist technische Sauberkeit plus zitierbare Inhalte.
Wenn der nächste Relaunch ansteht
Bei einem Relaunch ist GEO/LLMO kein Add-on, sondern ein Architektur-Punkt. Welche Schema-Typen, welche Inhaltstiefe, welche Off-Site-Spiegelung. Bei einem laufenden Auftritt lässt sich vieles davon nachrüsten, ohne dass die Site neu gebaut werden muss. Die fünf Hebel oben sind dafür der Einstieg, in dieser Reihenfolge auch eine sinnvolle Abarbeitung. Erst die Crawler einladen, damit überhaupt jemand kommt, der den Rest lesen kann. Dann die Identität auszeichnen, damit beim Crawl Klarheit entsteht. Dann die Seiten-Typen, damit Deep-Links nicht ins Leere zeigen. Dann die Inhalte zitierbar machen, damit zitiert werden kann. Und am Ende die Off-Site-Profile angleichen, damit der Cross-Check stimmt.
Wer das für die eigene Site angehen oder im Zuge eines Relaunches mitnehmen möchte, findet auf /leistungen/unternehmenswebsites den passenden Kontext. Und wenn Sie gerade in der Stimmung sind, Zahlen zu lesen: Ein Blick auf Was kostet eine Fachanwendung lohnt sich, wenn das nächste Thema die Preis-Frage ist.