GOOGLE GEMINI · METHODIK

Gemini-Empfehlungen: Wie Googles LLM Ihre Marke vorschlägt

Gemini ist tief mit dem Knowledge-Graph verbunden. Wer als Entity verankert ist und organisch rankt, wird konstant empfohlen.

Autor: David Rudolph, maximal.digitalStand: 19. Juni 2026

Definition

Gemini-Empfehlungen entstehen aus der Kombination dreier Signale: Verankerung als Entity im Google-Knowledge-Graph (Wikidata + sameAs), E-E-A-T-Trust-Signale (Autor, Impressum, About) und organisches Top-5-Ranking für die Anfrage. Gemini ist das LLM, dessen Empfehlungen am stärksten von klassischer SEO-Substanz abhängen.

Wie Gemini Empfehlungen synthetisiert

Gemini zieht aus dem Google-Index plus Knowledge-Graph plus eigener Antwort-Synthese. Bei Empfehlungs-Anfragen ('beste KI-SEO-Agentur DACH') werden Top-10-Treffer plus Entity-Verankerungs-Score plus Bewertungs-Aggregates kombiniert.

Wer organisch nicht rankt, erscheint nicht — auch mit perfekter Entity-Verankerung. Wer rankt, aber keine Knowledge-Graph-Präsenz hat, wird genannt, aber nicht empfohlen. Beide Hebel sind nötig, damit Gemini eine Marke aktiv vorschlägt.

Anders als ChatGPT (das auf Bing-Index plus eigene Crawls setzt) ist Gemini eng mit Googles bestehenden Such-Signalen verzahnt. Eine starke klassische SEO-Basis ist daher die effizienteste Vorinvestition — der ROI ist doppelt: klassische Suche plus Gemini.

Wikidata: die unterschätzte Voraussetzung

Knowledge-Graph-Einträge entstehen zu großen Teilen aus Wikidata. Wer dort einen Q-Eintrag hat (Properties P31, P17, P856, sameAs), wird im Knowledge-Graph aufgenommen. Voraussetzung: Relevanz-Kriterien (mindestens zwei unabhängige Erwähnungen in vertrauenswürdigen Quellen wie Fachmedien oder Branchenverzeichnissen).

Praktischer Ablauf: 3–6 Monate dauert der Aufbau (PR-Mentions, dann Wikidata-Antrag durch erfahrenen Editor). Kosten: 1.500–4.000 EUR bei Beauftragung eines Wikidata-erfahrenen Editors. Wir machen das im Audit nicht selbst, vermitteln aber drei vertrauenswürdige Editoren in DACH.

E-E-A-T-Signale konkret

Experience, Expertise, Authoritativeness, Trustworthiness — Googles offizielles Bewertungsschema. Für Gemini-Empfehlungen sind drei konkrete Implementierungen entscheidend: 1. Person-Schema für jeden Autor mit jobTitle, alumniOf, sameAs (Wikidata, LinkedIn). 2. About-Seite mit Gründungsjahr, Team, Standorten, Auszeichnungen. 3. Vollständiges Impressum inklusive USt-ID, Handelsregister, Aufsichtsbehörden.

Was nicht zählt: generische 'Über uns'-Texte ohne Personenbezug, Stock-Fotos statt echter Team-Bilder, fehlende Quellenangaben in Fachinhalten. Diese Defizite werden in Quality-Rater-Bewertungen explizit niedriger eingestuft — und Gemini übernimmt diese Signale.

Bewertungs-Aggregates pflegen

Gemini gewichtet AggregateRating-Daten aus Google Business, G2, Capterra, Trustpilot und branchenspezifischen Plattformen (HolidayCheck, Jameda, Anwalt.de). Empfehlungs-Antworten ('beste 3 Anbieter für …') werden direkt mit Sternewert und Anzahl der Reviews unterfüttert.

Pflicht-Hygiene: mindestens 25 Reviews mit Schnitt ≥ 4,3, mindestens vier Plattformen mit konsistenten NAP-Daten, aktive Antworten auf Negativ-Reviews innerhalb 7 Tagen. Wer hier defizit ist, wird selbst bei perfektem Ranking nicht empfohlen — Gemini zieht den Vergleich zu höher-bewerteten Wettbewerbern.

Google-Extended und die robots.txt-Falle

Google-Extended ist der separate User-Agent, der Gemini-Trainings- und AI-Overviews-Datenzugriff steuert. Blockiert man Google-Extended, bleibt man im klassischen Index, verschwindet aber aus Gemini-Empfehlungen.

Häufige Falle: DSGVO-orientierte robots.txt-Templates blockieren pauschal alle 'AI-Crawler'. Symptom: organisches Ranking unverändert, aber Gemini nennt die Marke nie. Fix: explizite Allow-Liste in robots.txt, dokumentiert in den DSGVO-Datenschutzhinweisen als bewusste Entscheidung mit Rechtsgrundlage Art. 6 Abs. 1 lit. f.

Gemini-App vs. Workspace vs. AI Overviews

Gemini erscheint in drei Kontexten: Gemini-Web/App (gemini.google.com), Workspace-Integration (Gmail, Docs, Slides, Sheets) und AI Overviews in der klassischen Google-Suche. Alle drei teilen denselben Quellen-Pool, gewichten aber unterschiedlich: AI Overviews konservativer, App freier, Workspace stark personalisiert auf Nutzerkontext.

Praktische Konsequenz: Wer für Gemini optimiert, optimiert für alle drei — die Hebel sind identisch. Wer nur für AI Overviews optimiert, sieht in App und Workspace teils niedrigere Erwähnungs-Quoten, weil dort längere, weniger zitatpflichtige Antworten dominieren.

Konkrete Setup-Reihenfolge in 6 Schritten

Schritt 1: organisches Google-Ranking auf Top 5 für die 20 Kern-Anfragen bringen. Schritt 2: Wikidata-Eintrag aufbauen lassen (3–6 Monate). Schritt 3: E-E-A-T-Signale ausbauen (Autor-Schema, About, Impressum). Schritt 4: Bewertungen aktiv pflegen (4+ Plattformen, Schnitt ≥ 4,3). Schritt 5: Google-Extended in robots.txt explizit erlauben. Schritt 6: Wochen-Reporting gegen 60–100 Trigger-Queries einrichten.

Realistischer Zeitplan: Erste Empfehlungen nach 8–12 Wochen (wenn Schritte 1, 3, 5 erfüllt sind). Stabile Top-3-Position in Empfehlungs-Antworten nach 6–9 Monaten (wenn auch Wikidata und Bewertungen sitzen). Wer schneller will, verliert in der Regel an einer der Voraussetzungen Substanz.

Messung und Reporting

Gemini bietet keine eigene Search-Console-Schnittstelle. Messung erfolgt über manuelle oder automatisierte Sample-Tests gegen Trigger-Queries: 'beste X für Y', 'wer ist Marktführer in …', 'empfehle mir einen Anbieter für …'. Mindestens 60 Queries pro Woche, deutschsprachig, mit aktivem Standort DACH.

Tooling: AthenaHQ, Profound, BrightEdge oder Eigenbau mit Playwright. Reporting-Metriken: Mention-Rate (Anteil Queries mit Marken-Nennung), Recommend-Rate (Anteil Queries mit aktiver Empfehlung), Position-Score (Position in der Empfehlungs-Liste). Realistische Benchmarks im DACH-Mittelstand: 12–22 % Mention-Rate nach 3 Monaten, 30–45 % nach 9 Monaten.

Häufige Fragen zu Gemini

Wie werde ich von Google Gemini empfohlen?

Gemini ist tief mit dem Google-Knowledge-Graph verbunden. Für eine Empfehlung müssen Sie als Entity im Knowledge-Graph existieren (Wikidata-Eintrag + sameAs auf Ihrer Domain), E-E-A-T-Signale liefern (Autor, Impressum, About) und für die Long-Tail-Frage organisch in Top 5 ranken. Erste Empfehlungen typischerweise nach 8–12 Wochen.

Wie beeinflusse ich, welche meiner Seiten Google in AI Overviews anzeigt?

Google AI Overviews wählen die Seite mit der präzisesten Passage zur Anfrage. Wer für jede Long-Tail-Frage eine eigene Seite mit Definition-Lead, FAQPage-Schema und sauberer interner Verlinkung pflegt, steuert die Auswahl aktiv. Vermeiden Sie zwei Seiten zur gleichen Frage — Google wählt sonst unvorhersehbar.

Bereit für den nächsten Schritt?

Kostenloser 30-Min-Sichtbarkeits-Check — wir zeigen, wo Ihre Marke in 5 LLMs steht.