LLM-SEO-Agentur: Sichtbar in ChatGPT, Claude, Gemini und Perplexity

Jede LLM hat ein eigenes Retrieval-Profil: ChatGPT-Search nutzt Bing-Index plus eigene Crawler, Perplexity hat eine hybride Pipeline aus Sonar, Google und eigenen Quellen, Claude und Gemini ziehen stärker aus Trainingsdaten. Wer einheitlich optimiert, verschenkt nach unseren Logs 30–50 % Effizienz, weil derselbe Inhalt in einem Modell zitiert und im nächsten ignoriert wird.

Klassisches SEO denkt in einer einzigen SERP. LLM-SEO denkt in fünf parallelen Antwort-Maschinen mit unterschiedlichen Cutoffs, Bot-Politiken und Format-Präferenzen. Eine Agentur, die Ihnen einen monolithischen Maßnahmen-Plan verkauft, hat das Thema nicht verstanden — Sie brauchen pro Modell eine eigene Hebel-Liste.

Zweiter Grund: LLMs synthetisieren, sie ranken nicht. Ein Modell zitiert Sie nur, wenn Ihr Inhalt antwortfähig ist — also kurz, präzise, dateninhaltsstark und mit klarer Quellen-Signatur (Autor, Datum, Schema). Wer noch in 1.200-Wort-Leitartikel-Texten ohne Definition-Lead schreibt, wird ausgesiebt, egal wie viele Backlinks die Seite hat.

Sprint 1 (Woche 1–3): Prompt-Diagnose. Wir bauen ein Prompt-Bank mit 800–1.500 Prompts pro Mandat, tracken Ihre Sichtbarkeit täglich in fünf LLMs und identifizieren die 50 Prompts mit höchstem Business-Impact. Output: ein priorisiertes Cluster-Modell, das exakt zeigt, wo Sie genannt werden, wo Wettbewerber Sie überholen und welche Antwort-Lücken offen sind.

Sprint 2 (Woche 4–9): Content- und Schema-Hebel pro LLM. Dichte Definition-Leads für Claude und Gemini, FAQPage-Schemas plus frische Datenpunkte für Perplexity, kuratierte llms.txt mit priorisierten URLs für ChatGPT-Search, Wikidata-Pflege für Trainings-Cutoff-orientierte Modelle. Jede Maßnahme wird pro Modell gemessen, nicht pauschal verbucht.

Sprint 3 (Woche 10–16): Citation-Authority. Wir produzieren eigene Studien-Assets (DACH-Benchmarks, Branchen-Umfragen, Tool-Vergleichstabellen mit Originaldaten), die LLMs als Primärquelle einstufen. Parallel läuft gezieltes Press-Outreach in zitierfähige Trade-Press-Titel — das schiebt vor allem Claude-Rankings, weil Claude historische Mentions stark gewichtet.

Sprint 4 (laufend ab Monat 5): Drift-Management. LLM-Anbieter releasen alle 6–10 Wochen Modell-Updates, die Ranking-Signale verschieben. Wir tracken Drift pro Cluster wöchentlich, schlagen Alarm ab 15 Prozentpunkten Veränderung und korrigieren binnen 14 Tagen.

ChatGPT-Search liest Bing-Index plus eigene Crawl-Daten. Wer hier sichtbar werden will, braucht GPTBot- und OAI-SearchBot-Allow in robots.txt, eine kuratierte llms.txt und tiefe FAQPage- plus Article-Schemas. Frische zählt — dateModified an Leitseiten alle 4–6 Wochen prüfen. In unseren Mandaten ist ChatGPT-Search das Modell mit der höchsten Konversion-Korrelation, weil Nutzer dort direkt zur Quell-URL klicken.

Perplexity hat die schnellste Refresh-Pipeline. Sonar-Index plus Live-Crawl plus eigene Quellen-Bewertung sorgen dafür, dass neue Inhalte oft binnen 24–72 Stunden in Antworten erscheinen. Wichtigster Hebel: klare Quellen-Formatierung mit Datum, Autor und Studie sowie zitierfähige Zahlen mit Kontext. Wer hier Studien-Daten mit konkreter Methodik publiziert, gewinnt überproportional.

Gemini und Google AI Overviews ziehen aus dem Google-Index. Hier ist E-E-A-T (Experience, Expertise, Authoritativeness, Trust) der dominierende Faktor — author-Schema mit Person-Profil, sameAs zu LinkedIn und ORCID, redaktionelle Tiefe. Definition-Leads landen besonders häufig direkt in Overview-Antworten. Wer in Google bereits stark rankt, hat in Gemini einen Startvorteil — aber kein Selbstläufer.

Claude hat den geringsten Live-Web-Anteil und stützt sich stärker auf Trainingsdaten. Hebel sind langfristig: Wikidata-Item, Press-Mentions in als zitierfähig eingestuften Quellen (Trade Press, Verbandsmedien), Wikipedia-Erwähnungen wo möglich. Ergebnisse sind langsamer (typisch 4–6 Monate bis erste Effekte), aber stabiler — eine einmal etablierte Claude-Mention hält oft mehrere Trainings-Zyklen.

Vor jedem Mandat bauen wir gemeinsam mit Ihrem Vertrieb ein Prompt-Bank aus 800–1.500 Fragen, die Ihre Wunschkunden wirklich stellen — kein generischer Keyword-Dump. Quellen: Sales-Call-Mitschnitte, Support-Tickets, Account-Manager-Interviews, LinkedIn-Comment-Threads in Ihrer Branche, anonymisierte CRM-Notizen aus verlorenen Deals.

Diese Prompts werden in Cluster sortiert (Awareness-Fragen, Vergleichs-Prompts, Decision-Stage-Anfragen, Support-Fragen) und täglich in fünf LLMs durchlaufen. So sehen wir nicht nur, wo Sie stehen, sondern auch, wer noch in derselben Antwort genannt wird — die ehrlichste Konkurrenz-Liste, die Sie bekommen können. In der Hälfte unserer Mandate ist die echte Konkurrenz eine andere als die, die Marketing intern annimmt.

Aus diesem Tracking entstehen wöchentlich drei priorisierte Content-Briefings: welche Seite refactoren, welcher Spoke neu schreiben, welche FAQ ergänzen. Damit landet jeder produzierte Inhalt auf einer Lücke, die wir vorher messbar identifiziert haben — kein Bauchgefühl, kein Themen-Workshop, der nichts kostet.

Sinnvoll, wenn Sie ein klares ICP haben, mindestens 25 indexierte Seiten und einen Content-Hub, der laufend Substanz produzieren kann. Auch sinnvoll, wenn Sie wissen, dass Ihre Konkurrenten in ChatGPT genannt werden und Sie nicht — dann ist die Aufholjagd realistisch in 4–8 Monaten und der Verzug pro Quartal teuer.

Weniger sinnvoll, wenn Sie unter 25 Seiten haben, keine eigenen Datenpunkte produzieren können und keine Sales-Pipeline, die LLM-Mentions in messbare Effekte übersetzen würde. In diesen Fällen empfehlen wir einen einmaligen Workshop oder ein punktuelles Audit statt Retainer — Geld besser angelegt.

Häufiger Sonderfall: gelaunchte Produkte oder Marken nach Rebranding. Hier ist ein 90-Tage-Sprint oft effizienter als ein Dauer-Retainer — Foundation, Wikidata, erste 15 Leitartikel-Inhalte, dann Übergabe an Inhouse mit dokumentiertem Playbook.

Fehler 1: Pauschaler Bot-Block. Viele Teams blockieren in robots.txt vorsichtshalber alle KI-Bots oder lassen die Datei aus der CMS-Default-Konfiguration. Ergebnis: ChatGPT, Perplexity und Claude können die Seite nicht lesen. Wir sehen das in rund 40 % aller Initial-Audits — ein 15-Minuten-Fix mit 6–10 Wochen Wirkungs-Verzögerung.

Fehler 2: Schema ohne Validierung. JSON-LD wird einmal vom Entwickler-Team eingebaut und nie geprüft. Ein einzelner Type-Fehler (z. B. Article ohne author) macht Schema-Daten für LLMs wertlos. Wöchentliche Validierung via Google Rich Results Test ist Pflicht, kein Nice-to-have.

Fehler 3: Definition-Lead nach unten geschoben. Marketing-Teams beginnen Leitartikel-Texte gern mit Storytelling oder Brand-Versprechen. LLMs synthetisieren aber aus den ersten 100–200 Wörtern. Wer dort Marketing-Floskeln statt einer antwortfähigen Definition stehen hat, wird seltener zitiert — auch bei objektiv besserer Tiefe weiter unten.

Fehler 4: Keine Drift-Beobachtung. Modell-Updates verschieben Rankings über Nacht. Teams ohne wöchentliches Prompt-Tracking sehen Einbrüche erst, wenn Pipeline-Effekte spürbar werden — also drei bis fünf Monate zu spät.

LLM-SEO-Retainer starten bei €1.990/Monat (Kompakt-Mandat, eine Marke, drei Modelle), Standard-Mandate liegen bei €3.900–5.900 (fünf Modelle, wöchentliches Tracking, 4–6 Content-Briefings/Monat), Enterprise-Mandate ab €7.500 (mehrere Marken, mehrere Sprachen, dediziertes Strategie-Team). Onboarding-Pauschale für Prompt-Banking und Baseline: €4.800 einmalig.

Der Business-Case wird über Mention-Equivalent-Value und Pipeline-Influence gerechnet — beides dokumentieren wir monatlich. In 14 abgeschlossenen B2B-Mandaten 2024/25 lag die Mention-Equivalent-ROI zwischen 4× und 9× auf das Mandat-Budget. Pipeline-Influence (Anteil gewonnener Deals mit dokumentiertem LLM-Touch im CRM) erreichte nach 9 Monaten 11–27 %.

Wir arbeiten ausschließlich auf Festpreis-Retainer, nie auf Erfolgsbasis pro Mention. Erfolgsmodelle in LLM-SEO sind methodisch unsauber, weil Mention-Zählungen tagesabhängig schwanken und manipulierbar wären.

Methodik und Plattform-Hebel sind dokumentiert: lesen Sie den Leitartikel LLM-SEO, die Spokes zu Perplexity-Ranking-Faktoren, ChatGPT-Search-Optimierung und LLM-Zitate-Strategie. Für Tool-Auswahl finden Sie im Wissens-Hub den LLM-Monitoring-Tools-Vergleich 2026 mit Preis, Feature-Matrix und Empfehlung pro Use-Case — inklusive der drei Tools, die wir nach Test wieder gestrichen haben.