KI und Sichtbarkeit
Gefunden werden in KI-Systemen – und KI dort einsetzen, wo sie Ihrer Redaktion wirklich Arbeit abnimmt
Gefunden werden in KI-Systemen – und KI dort einsetzen, wo sie Ihrer Redaktion wirklich Arbeit abnimmt
Ein wachsender Teil der Suchanfragen endet nicht mehr in einer Ergebnisliste, sondern in einer Antwort. ChatGPT, Perplexity, Google AI Overviews und Gemini fassen Inhalte zusammen und nennen dabei einzelne Quellen. Wer dort nicht auftaucht, verliert Sichtbarkeit – auch dann, wenn die klassischen Platzierungen stimmen.
Gleichzeitig wird KI zum Werkzeug im Arbeitsalltag: bei der Pflege von Inhalten, in der Produktbeschreibung, im Support. Beides gehört zusammen, weil beides denselben Unterbau braucht – saubere, strukturierte, maschinenlesbare Inhalte.
Generative Engine Optimization, kurz GEO, bezeichnet Maßnahmen, mit denen Inhalte so aufbereitet werden, dass KI-gestützte Antwortsysteme sie korrekt erfassen, wiedergeben und als Quelle nennen. Anders als bei der klassischen Suchmaschinenoptimierung geht es nicht um eine Platzierung in einer Liste, sondern darum, in einer generierten Antwort vorzukommen.
SEO zielt auf eine Position in den Suchergebnissen. GEO zielt darauf, in einer Antwort genannt zu werden. Die technischen Grundlagen überschneiden sich weitgehend – saubere Struktur, erreichbare Inhalte, strukturierte Daten. Unterschiede gibt es in der Gewichtung: KI-Systeme bevorzugen eindeutige Aussagen, überprüfbare Angaben, erkennbare Urheberschaft und in sich widerspruchsfreie Informationen über alle Seiten einer Domain hinweg.
Wir erfassen, wie Ihre Website für KI-Systeme aussieht: Welche Inhalte sind erreichbar, welche Kernfakten stehen wo, wo widersprechen sich Angaben, welche strukturierten Daten liegen vor. Ergebnis ist ein dokumentierter Befund mit priorisierten Maßnahmen.
Wir zeichnen Ihre Inhalte nach schema.org aus: Unternehmen, Leistungen, Personen, Artikel, häufige Fragen. Diese Auszeichnung ist die Grundlage dafür, dass KI-Systeme Ihre Angaben nicht raten müssen.
Eine Grounding Page ist eine maschinenlesbare Faktenseite zu genau einer Entität. Sie definiert, wer oder was Sie sind, grenzt Sie von Verwechslungskandidaten ab und bündelt die Kernfakten an einer prüfbaren Stelle. Wir richten sie ein, spiegeln die Angaben als strukturierte Daten und legen eine Pflegeroutine fest.
Wir überarbeiten bestehende Seiten so, dass sie klare Definitionen enthalten, Fragen als Fragen formuliert sind und Antworten in extrahierbarer Länge stehen. Häufig lässt sich vorhandener Inhalt umbauen, statt neuen zu schreiben.
Wir prüfen, ob Ihre Inhalte für KI-Crawler überhaupt erreichbar sind: Sperren in der robots.txt, Inhalte, die erst durch JavaScript entstehen, Zugriffsbeschränkungen. Auf Wunsch richten wir eine llms.txt ein – ein kuratiertes Verzeichnis Ihrer wichtigsten Inhalte für Sprachmodelle.
Wir prüfen regelmäßig, ob und wie Ihre Website in KI-Antworten auftaucht, und werten aus, welche KI-Crawler Ihre Seiten abrufen. Daraus ergibt sich, wo nachgesteuert werden muss.
Neben der Sichtbarkeit geht es um den praktischen Einsatz. KI-Funktionen lassen sich in Websites und Anwendungen einbauen, wo sie Arbeit abnehmen statt zusätzliche zu erzeugen.
Ein Assistent direkt im Redaktionssystem, der Meta-Beschreibungen vorschlägt, Alternativtexte für Bilder entwirft, Texte auf verständliche Sprache prüft oder Zusammenfassungen erstellt. Die Redaktion behält die Entscheidung – der Assistent liefert einen Entwurf, keinen fertigen Text.
Bei großen Sortimenten lassen sich Beschreibungen aus vorhandenen Produktdaten vorformulieren. Sinnvoll ist das dort, wo sonst gar keine Beschreibung entstünde – nicht als Ersatz für die Texte, an denen Ihre Marke hängt.
Eine Suche, die Fragen in natürlicher Sprache beantwortet und dabei ausschließlich auf Ihre eigenen Inhalte zugreift. Sinnvoll bei umfangreichen Wissensbeständen, Handbüchern oder Verbandsinformationen, in denen Nutzer sonst lange suchen.
Was wir nicht empfehlen: automatisch erzeugte Seiten in großer Zahl, Chatbots ohne fachliche Grundlage und KI-Texte, die ungeprüft veröffentlicht werden. Solche Inhalte fallen bei Suchmaschinen wie bei Nutzern durch und beschädigen genau die Glaubwürdigkeit, um die es bei GEO geht.
Wenn KI-Funktionen in eine Website oder Anwendung eingebaut werden, sollten die Anfragen nicht direkt aus dem Browser an den KI-Anbieter gehen. Zwischen Ihre Anwendung und den Anbieter gehört eine eigene Schicht – ein Proxy, der die Anfragen entgegennimmt, prüft und weiterleitet.
Wer KI-Dienste einsetzt, verarbeitet Daten bei einem Dritten. Das braucht eine Rechtsgrundlage, einen Auftragsverarbeitungsvertrag und eine Angabe in der Datenschutzerklärung. Eine Zwischenschicht hilft dabei, weil sich dort festlegen lässt, welche Daten den eigenen Server überhaupt verlassen. Die rechtliche Bewertung Ihres konkreten Falls bleibt Aufgabe Ihres Datenschutzbeauftragten oder Anwalts.
Die Zwischenschicht entwickeln wir als eigene Anwendung, angebunden an Ihr bestehendes System. Das entspricht der Arbeit, die wir seit Jahren bei Schnittstellen zwischen Systemen leisten – die Gegenstelle ist in diesem Fall ein KI-Anbieter statt einer Warenwirtschaft.
Wer KI-Dienste von OpenAI, Anthropic oder Google nutzt, gibt Daten an einen externen Anbieter. Für viele Anwendungsfälle ist das vertretbar. Sobald jedoch personenbezogene Daten, Geschäftsgeheimnisse, Patientendaten oder Unterlagen mit Berufsgeheimnis verarbeitet werden, stellt sich die Frage anders. Dann lässt sich ein KI-System auch vollständig in Ihrer eigenen Infrastruktur betreiben – ohne dass Daten das Haus verlassen.
Beim Self-Hosting läuft das Sprachmodell auf einem Server, den Sie kontrollieren – entweder im eigenen Rechenzentrum (On-Premises) oder auf dedizierter Hardware bei einem Hosting-Anbieter Ihrer Wahl in der EU. Statt eines proprietären Modells über eine fremde Schnittstelle kommen dabei Open-Weight-Modelle zum Einsatz: frei verfügbare Modelle wie Llama, Mistral, Qwen oder Gemma, deren Gewichte heruntergeladen und lokal ausgeführt werden können.
Die Anfragen laufen über einen Inferenzserver, der das Modell bereitstellt und die Anfragen verarbeitet. Verbreitet sind vLLM für produktive Umgebungen mit vielen gleichzeitigen Anfragen und Ollama oder llama.cpp für kleinere Installationen. Nach außen verhält sich ein solcher Server wie eine übliche KI-Schnittstelle – Ihre Anwendung merkt keinen Unterschied.
Ein Sprachmodell kennt Ihre Inhalte nicht. Damit es Fragen zu Ihren Dokumenten, Handbüchern oder Verbandsinformationen beantworten kann, wird es mit Ihrem Wissensbestand verbunden. Das übliche Verfahren dafür heißt Retrieval Augmented Generation, kurz RAG.
Dabei werden Ihre Dokumente in Abschnitte zerlegt, in Vektoren umgerechnet und in einer Vektordatenbank abgelegt – etwa Qdrant, Weaviate oder pgvector als Erweiterung einer bestehenden PostgreSQL-Datenbank. Bei einer Anfrage werden die passenden Abschnitte herausgesucht und dem Modell als Kontext mitgegeben. Die Antwort entsteht dann auf Grundlage Ihrer eigenen Inhalte und lässt sich mit einer Quellenangabe versehen.
Der Vorteil gegenüber einem nachtrainierten Modell: Wenn sich Ihre Inhalte ändern, wird die Datenbank aktualisiert – das Modell selbst bleibt unverändert.
Wo ein reines Nachschlagen nicht ausreicht, lässt sich ein Modell an Ihre Fachsprache, Ihre Formate oder Ihre Tonalität anpassen. Beim Fine-Tuning wird das Modell mit eigenen Beispieldaten weitertrainiert. Ressourcenschonende Verfahren wie LoRA verändern dabei nur einen kleinen Teil der Parameter, was Training und Betrieb deutlich günstiger macht.
In der Praxis ist Fine-Tuning seltener nötig, als angenommen wird. Meist bringen ein sauber formulierter System-Prompt und ein gut aufgebauter Wissensabruf mehr als ein nachtrainiertes Modell.
Ein eigener KI-Server vereinfacht die datenschutzrechtliche Bewertung erheblich, weil keine Übermittlung an einen Dritten stattfindet und damit weder ein Auftragsverarbeitungsvertrag noch eine Prüfung der Datenübermittlung in Drittländer erforderlich ist. Er entbindet Sie aber nicht von den übrigen Pflichten: Rechtsgrundlage der Verarbeitung, Informationspflichten, Betroffenenrechte und gegebenenfalls eine Datenschutz-Folgenabschätzung gelten unverändert.
Hinzu kommen die Anforderungen der KI-Verordnung der EU, die je nach Einsatzzweck unterschiedlich streng ausfallen und deren Pflichten schrittweise wirksam werden. Wir bauen die technische Grundlage so, dass Nachvollziehbarkeit und Protokollierung gegeben sind. Die rechtliche Bewertung Ihres konkreten Einsatzes gehört in die Hände Ihres Datenschutzbeauftragten oder einer Anwältin.
Für den Betrieb eines Sprachmodells wird Rechenleistung benötigt, in der Regel eine GPU mit ausreichend Speicher. Wie viel, hängt von der Größe des Modells und der Zahl gleichzeitiger Anfragen ab. Durch Quantisierung – eine Verringerung der Rechengenauigkeit – lassen sich Modelle deutlich sparsamer betreiben, mit meist geringen Qualitätseinbußen.
Für viele Anwendungsfälle reichen kleinere Modelle aus. Ein System, das interne Dokumente durchsucht und beantwortet, braucht kein Modell, das gleichzeitig Gedichte schreiben und programmieren kann. Wir dimensionieren die Umgebung anhand Ihres tatsächlichen Bedarfs, nicht anhand des größtmöglichen Modells.
Nein, und niemand kann das. KI-Systeme entscheiden auf Grundlage von Modellen und Suchergebnissen, die sich laufend ändern und nicht öffentlich dokumentiert sind. Wir sorgen dafür, dass Ihre Inhalte auffindbar, eindeutig und widerspruchsfrei sind – das ist die Voraussetzung, keine Garantie.
Eine llms.txt ist eine Textdatei im Wurzelverzeichnis, die Sprachmodellen einen kuratierten Überblick über die wichtigsten Inhalte einer Website gibt. Der Vorschlag ist noch kein verbindlicher Standard, und die großen Anbieter haben keine Nutzung zugesagt. Der Aufwand ist gering, der Nutzen derzeit nicht belegt. Wir richten sie ein, wenn Sie das möchten, und sagen offen, dass es sich um eine Wette handelt.
Rechtlich spricht nichts dagegen, solange Sie die Inhalte prüfen und verantworten. Suchmaschinen bewerten nicht die Entstehung, sondern die Qualität. Problematisch wird es bei großen Mengen ungeprüfter Texte ohne eigenen Beitrag – das erkennen Suchmaschinen inzwischen zuverlässig.
Eine Bestandsaufnahme mit Maßnahmenplan ist überschaubar und der sinnvolle Einstieg. Umsetzung und laufende Betreuung hängen vom Umfang Ihrer Website ab. Nach einem Erstgespräch erhalten Sie ein Angebot mit benannten Leistungen.
Die Grundlagen – korrekte Unternehmensangaben, strukturierte Daten, klare Aussagen – lohnen sich unabhängig von der Größe und sind schnell umgesetzt. Aufwändigere Maßnahmen rechnen sich vor allem dort, wo viele Inhalte und viele Suchanfragen zusammenkommen.
Nein. Sprachmodelle mit frei verfügbaren Gewichten lassen sich auf eigener Hardware oder auf dedizierten Servern in der EU betreiben. Dann verlassen Ihre Daten die eigene Infrastruktur nicht. Für viele Anwendungsfälle reicht die Qualität dieser Modelle aus.
Bei allgemeinen Aufgaben liegen die kommerziellen Spitzenmodelle weiterhin vorn. Bei klar umrissenen Aufgaben – Fragen zu einem eigenen Dokumentenbestand beantworten, Texte zusammenfassen, Inhalte einordnen – ist der Unterschied für die Praxis oft unerheblich. Was für Ihren Fall ausreicht, klären wir in einem Testbetrieb, nicht anhand von Ranglisten.
Die Kosten setzen sich aus Hardware oder Servermiete, der Einrichtung und dem laufenden Betrieb zusammen. Anders als bei nutzungsabhängigen Preismodellen sind sie planbar und steigen nicht mit der Zahl der Anfragen. Ab welcher Nutzungsmenge sich das rechnet, lässt sich anhand Ihres erwarteten Aufkommens überschlagen.
Wir sehen uns an, wie Ihre Website für KI-Systeme aussieht: welche Angaben auffindbar sind, wo sich Aussagen widersprechen und was fehlt. Sie erhalten eine Einschätzung mit konkreten Punkten – und eine ehrliche Auskunft darüber, was sich davon lohnt.
Sie sehen gerade einen Platzhalterinhalt von Vimeo. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie müssen den Inhalt von reCAPTCHA laden, um das Formular abzuschicken. Bitte beachten Sie, dass dabei Daten mit Drittanbietern ausgetauscht werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von Instagram. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen