GEO-Agentur: Generative Engine Optimization für DACH-Marken

Phase 1 (Woche 1–4): GEO-Audit. Wir crawlen Ihre Domain mit unserem hauseigenen LLM-Profil-Crawler, der pro KI-User-Agent (GPTBot, ClaudeBot, PerplexityBot, Google-Extended, OAI-SearchBot, Bingbot) getrennt rendert. Wir prüfen Schema-Abdeckung, Definition-Lead-Qualität, Entity-Vernetzung, Citation-Worthiness und 25 weitere Faktoren und liefern einen detaillierten Score plus priorisierte Roadmap.

Phase 2 (Woche 5–12): Content- und Schema-Sprint. Die Top-25 Seiten werden auf Definition-Lead-Format überarbeitet, FAQPage- und Article-Schemas kommen flächendeckend, Entities werden mit Wikidata, LinkedIn und Branchenverbänden vernetzt. Parallel wird die llms.txt kuratiert und ein erster Hub-Spoke-Sprint angestoßen.

Phase 3 (ab Monat 4): Skalierung. Neue Themen-Hub, Studien-Assets mit eigenen Datenerhebungen, Tool-Reviews, Linkable-Content, Branchen-Benchmarks — alles, was LLMs als zitierfähige Primärquelle einstufen. Ab diesem Zeitpunkt verschiebt sich der Treiber von Hygiene zu Authority.

Phase 4 (kontinuierlich ab Monat 6): Drift-Management. Modell-Updates der Anbieter (alle 6–10 Wochen) verändern Ranking-Signale spürbar. Unser wöchentlicher Drift-Tracker schlägt Alarm, sobald Share-of-Answer in einem Cluster mehr als 15 Prozentpunkte fällt — meist binnen 48 Stunden, sodass wir reagieren können, bevor es weh tut.

Wir tracken täglich rund 1.200 Prompts in fünf LLMs und sehen, wie sich Antworten verschieben — diese Drift-Daten fließen wöchentlich direkt in Ihre Content-Pipeline zurück. Klassische SEO-Agenturen messen Position 1–10 in Google. Wir messen Inklusion in einer einzigen synthetisierten Antwort, und das pro Modell, pro Prompt-Cluster, pro Wettbewerber.

Zweiter Unterschied: Wir denken in Entities, nicht in Keywords. Ein Keyword kann viele Bedeutungen haben — ein Entity ist eindeutig. LLMs lösen Mehrdeutigkeit über Wikidata, sameAs-Vernetzung und Knowledge-Graph auf. Wer hier sauber arbeitet, gewinnt einen Hebel, den klassisches SEO nicht hat.

Dritter Unterschied: Content-Format. Wir schreiben Definition-Leads, Zusammenfassungs-Boxen, Vergleichstabellen und FAQ-Blöcke nicht aus stilistischen Gründen, sondern weil sie in unseren Logs die mit Abstand häufigsten Zitatquellen sind. Ein klassischer SEO-Long-Tail-Artikel ohne diese Bausteine wird in LLMs deutlich seltener referenziert.

Definition-Leads (40–60 Wörter, antwortfähig, ohne Marketing-Floskeln) am Seitenanfang sind der größte Einzel-Hebel. LLMs übernehmen sie überdurchschnittlich oft wortwörtlich als Snippet. Faustregel: Wer den Lead nicht im Schlaf vorlesen kann, hat ihn noch nicht fokussiert genug geschrieben.

JSON-LD-Schema-Tiefe ist die zweite Säule. Organization mit vollständigen sameAs, Article mit author und dateModified, FAQPage mit echten Fragen, HowTo bei Anleitungen, DefinedTerm bei Glossar-Einträgen. Schema-Validität prüfen wir mit Google Rich Results Test und schema.org Validator wöchentlich.

Entity-Konsistenz: Markenname, Logo, Founder, Adresse, sameAs — alles muss über Wikidata, LinkedIn, eigene Site und Press-Mentions identisch sein. Schon kleine Abweichungen (Ralf vs. Ralph, alte Adresse, fehlender Bindestrich) führen dazu, dass LLMs zwei Entities anlegen statt einer.

llms.txt als Hygienefaktor: kuratiert, nicht alle URLs. Markieren Sie zitierfähige Definitions-, Kategorie- und Service-Seiten priorisiert. Crawler wie GPTBot und PerplexityBot lesen die Datei aktiv und folgen Strukturhinweisen.

GEO ist kein Werkzeug für sofortige Lead-Generierung. Erste Brand-Mentions tauchen 6–8 Wochen nach Foundation-Setup auf, planbare Share-of-Answer-Werte im zweistelligen Bereich nach 4–6 Monaten. Wer kurzfristige Pipeline-Effekte braucht, sollte parallel auf Performance-Kanäle setzen.

GEO ersetzt nicht klassisches SEO. Beide Disziplinen überlappen sich zu rund 60 %, der Rest ist neu. Wir liefern beide Spuren in einem Mandat oder ergänzen eine bestehende SEO-Agentur (ca. 40 % unserer Kunden).

GEO ist kein Hack. Anbieter, die llms.txt deployen und behaupten, das genüge, ignorieren 80 % der Hebel. Wer schnell wirken will, muss an Entity, Content und Tech parallel arbeiten.

B2B-Software und SaaS: Buyer recherchieren in ChatGPT vor jedem RFP. Wer in Vendor-Vergleichs-Prompts genannt wird, gewinnt Shortlist-Einladungen — messbar im Sales-CRM.

Industrie-Mittelstand und Hidden Champions: starke Expertise, schwache Markenwahrnehmung. LLMs sind das ideale Medium, weil sie Expertise gewichten, nicht Werbedruck. Wir sehen hier oft die schnellsten Sichtbarkeits-Sprünge.

Regulierte Branchen (Recht, Steuer, Medizin): LLMs sind hier vorsichtig und zitieren bevorzugt klar identifizierbare Autoritäten mit author-Schema und beruflichem Profil. Wer sauber arbeitet, ist konkurrenzärmer als in unregulierten Märkten.

Gehobenes E-Commerce mit eigener Marke: Produkt-Schema plus Brand-Entity plus Vergleichs-Content reicht oft schon, um in Welches-X-für-Y-Prompts genannt zu werden. Pure-Affiliate-Modelle dagegen skalieren in LLMs nicht.

GEO-ROI ist nicht Klicks mal Conversion-Rate. Die Logik ist anders: Jede synthetisierte Antwort, in der Ihre Marke namentlich auftaucht, ersetzt im Prinzip ein Inbound-Touchpoint, der früher über Google-SERP, Trade-Press oder Empfehlung kam. Wir rechnen pro Mandat zwei Größen: Mention-Equivalent-Value (was hätte derselbe Touchpoint via Paid Media gekostet?) und Pipeline-Influence (in wie vielen gewonnenen Deals taucht im CRM ein KI-Touch auf?).

In 14 dokumentierten B2B-Mandaten 2024/2025 lag der Pipeline-Influence-Anteil nach 9 Monaten zwischen 11 % und 27 % — Tendenz steigend, weil immer mehr Einkäufer LLMs in die Shortlist-Phase vorziehen. Die Mention-Equivalent-Rechnung ergibt typischerweise 4–9× ROI auf das GEO-Budget; sie ist die konservativere Zahl, weil sie nur den Reichweiten-Effekt bewertet.

Wir bauen den Business-Case vor Mandatsstart gemeinsam mit Ihrem Marketing-Controlling auf — keine generischen Branchen-Benchmarks, sondern Ihre tatsächlichen CAC-, LTV- und Sales-Cycle-Werte. Wenn die Rechnung nicht aufgeht, sagen wir das.

Eigenentwicklung statt Lizenz: Unser LLM-Prompt-Tracker läuft on-premise gegen die offiziellen APIs von OpenAI, Anthropic, Google, Perplexity und xAI. Damit messen wir tagesgenau, statt auf wöchentliche SaaS-Reports zu warten. Wir liefern den Datenstand pro Mandat als CSV-Export — keine Vendor-Lock-ins.

Bestehende Tools, die wir ergänzend nutzen: ahrefs (klassische Backlink-Signale, die LLMs als Authority-Proxy lesen), Sistrix (DACH-spezifische SERP-Daten), Schema.org Validator, Google Rich Results Test, Screaming Frog mit individuellem JS-Rendering-Profil. Für Wikidata-Pflege nutzen wir Quickstatements; für Press-Outreach pitchen wir manuell — keine Massen-Tools.

Was wir nicht nutzen: Content-Spinner, GPT-Wrapper-Tools mit Auto-Publish, Black-Box-„AI-Visibility-Scores“ ohne nachvollziehbare Datenbasis. Diese Werkzeuge erzeugen Reports, die schön aussehen, aber operativ wertlos sind. Eine ehrliche GEO-Agentur erkennt man daran, dass sie ihre Rohdaten offenlegt.

DSGVO und EU-AI-Act: GEO-Arbeit greift nie auf personenbezogene Nutzerdaten zu — wir messen synthetisierte Modell-Antworten, nicht User-Sessions. Die LLM-Prompt-Logs enthalten ausschließlich öffentlich formulierte Recherche-Fragen ohne PII. Bei Mandaten in regulierten Branchen (Healthcare, Finance, Legal) ergänzen wir ein dokumentiertes Quellen-Audit, das jede LLM-Aussage über Sie auf Korrektheit prüft.

Marken-Risiko: LLMs halluzinieren. Wir haben in fünf von zwölf Audits 2025 falsche Aussagen über Mandanten gefunden — vom verwechselten Geschäftsführer bis zu erfundenen Produkt-Features. Diese Halluzinationen werden über Schema-Korrekturen, Wikipedia-Pflege und gezielte Press-Mentions adressiert. Mediane Korrekturzeit in unseren Mandaten: 18 Tage bis die Mehrheit der Modelle die korrigierte Information übernimmt.

Datenhoheit: Sie behalten jederzeit volle Rechte an allen erstellten Inhalten, Audit-Reports und Dashboard-Daten. Beim Mandatsende übergeben wir innerhalb von zehn Werktagen einen vollständigen Daten-Export (Audit-PDFs, Prompts, Dashboards, Briefings) — vertraglich zugesichert, kein Aufpreis.

Methodik, Tools und Branchen-Cases sind im Wissens-Hub öffentlich dokumentiert: lesen Sie den Leitartikel Generative Engine Optimization, die GEO-Tools-Vergleichstabelle 2026 und die Case-Studies aus Maschinenbau und SaaS. Wer noch nicht weiß, wo zu starten, beginnt am besten mit der GEO-90-Tage-Roadmap für den Mittelstand.