Der Leitfaden zur KI-Optimierung (AIO)

Machen wir uns mit einer neuen Ära der Online-Suche vertraut.

Die Antworten von KI zu optimieren, ist ein fast völlig neues Konzept. Bleib also bei uns, während wir versuchen, uns zurechtzufinden und den besten Weg zu finden, das zu erklären! Fangen wir mit den Grundlagen an: Was ist KI-Optimierung und warum um alles in der Welt sollten sich Marken damit befassen?

Man tappt leicht in die Falle zu glauben, die KI mit all ihrer unendlichen Weisheit (*hüstel*) wisse automatisch, was deine Marke ist, wer du bist und was du tust. Würde es dich aber überraschen, dass KI-Übersichten diese Informationen selbst bei einigen der größten Marken der Welt falsch wiedergeben?

Das Problem ist, dass die KI dir dienen will und dafür sogar lügt. Sie nimmt deine Marke als eine einzige Entität wahr und trägt alles Wissen zusammen, das sie aufbieten kann, indem sie deine Website crawlt oder auf eher statische Trainingsdaten zurückgreift. Wenn du nicht dafür gesorgt hast, dass diese Daten maschinenlesbar und vollständig korrekt sind, könnte die KI deiner Marke schaden, noch bevor jemand deine Website aufgerufen hat.

Wie kann AIO verbessern, wie die KI deine Marke versteht?

AIO umfasst im Kern die Schritte, die du durchlaufen musst, um auf technischer Ebene am grundlegenden Verständnis anzusetzen, das die KI von deiner Marke hat. Dieser Ansatz müsste streng genommen AIKO heißen, weil es darum geht, das Wissen zu optimieren, das LLMs über dich haben. Der Einfachheit halber nennen wir ihn in diesem Beitrag durchgehend AIO. Er nutzt gezielte Strategien und Techniken, um fein abzustimmen, wie KI-Modelle eine Marke verstehen und darstellen.

Im Marketing ist eine Marke mehr als nur ein Name oder ein Logo. Sie verkörpert die unverwechselbare Identität, die Werte, den Ruf und die emotionale Bindung, die ein Unternehmen zu seinem Publikum aufbaut. Diese Identität beeinflusst die Nutzerabsicht und prägt, wie Kunden das Unternehmen wahrnehmen und mit ihm interagieren. 

In der Welt der KI-Modelle und des Natural Language Processing wird eine Marke dagegen als „Entität“ behandelt: als eigenständige Bedeutungseinheit, die das System erkennt und mit bestimmten Attributen und Kontexten verbindet. 

Indem AIO das Wissen der KI über diese Entitäten optimiert, stellt es sicher, dass das System Informationen über ein Unternehmen korrekt erkennen, abrufen und wiedergeben kann. Das führt zu verlässlicheren, fehlerfreien Antworten und erhöht die Sichtbarkeit der Marke bei KI-gestützten Suchen und Interaktionen. 

Im Kern schlägt AIO die Brücke zwischen dem vielschichtigen, facettenreichen Markenbegriff der Marketingwelt und dem technischen, datengestützten Verständnis, das moderne KI-Systeme brauchen. 

Warum AIO wichtig ist

AIO ist für die KI-gestützte Suche, was SEO für die Google-Suche ist. Statt für ein höheres Ranking sorgt AIO dafür, dass KI-Modelle deine Marke richtig verstehen und darstellen. Versteht die KI deine Marke falsch, erhalten potenzielle Kunden, Investoren und Medien möglicherweise irreführende Informationen. 

Im Moment wirkt das vielleicht nicht wie eine große Bedrohung. Da die nächste Generation aber damit aufwächst, sich immer stärker auf KI zu verlassen, könnte es eine der wirkungsvollsten Umstellungen werden, die du in deiner Strategie zur Ausrichtung deiner Marke im Netz vornimmst.

So setzt du AIO um

AIO ist ein Prozess in drei Schritten: 

  1. Wissensprobleme diagnostizieren, die Large Language Models (LLMs) in Bezug auf eine Marke haben können. 
  2. Die Ursache ermitteln, die hinter dem Problem steckt. 
  3. Lösungen umsetzen, um das Wissen der KI über die Marke zu korrigieren und zu optimieren. 

Hinweis: Falls du ihn noch nicht gelesen hast, empfehlen wir dir den Artikel “Warum KI-Trainingsdaten die neue Position Null sind,” der zentrale Konzepte wie die beiden Arten der KI-Suche erklärt: Grounded Search (Live-Suche) und Standard Search (Abruf aus dem internen Wissen). 

Schritt 1: Wissensfehler der KI diagnostizieren 

Wissensfehler der KI lassen sich in der Regel in vier Kategorien einteilen. Aufspüren lassen sie sich, indem man die Trainingsdaten der LLMs mehrfach abfragt und dabei sicherstellt, dass die Antworten ausschließlich aus den Trainingsdaten stammen und nicht aus der Live-Suche. Tools wie Waikay vereinfachen diesen Prozess.

1.a. Halluzinationen

Halluzinationen entstehen, wenn die KI völlig falsche oder erfundene Informationen erzeugt. Das kann sich auf verschiedene Weise zeigen: 

  • Falsche oder erfundene Quellenlinks: Stützt sich die KI nur auf Trainingsdaten (in etwa 50 % der Fälle), kann sie Quellen erzeugen, die es nicht gibt. 
  • Falsche Produktfunktionen oder Falschinformationen: Die KI kann Funktionen nennen, die es nicht gibt, oder falsche Annahmen über Firmenübernahmen oder Eigentumsverhältnisse treffen. 

Beispiel: Bei InLinks (einem Anbieter der Waikay-Technologie) sind der KI folgende Halluzinationen unterlaufen: 

  • Sie erfand eine nicht existierende SERP-Tracking-Funktion für InLinks
  • Sie behauptete fälschlich, SEMrush habe eine Kernkomponente von InLinks übernommen und in den Content Writer Assistant von SEMrush umbenannt. 

Sogar KI-Modelle mit Echtzeitsuche (z. B. Gemini Grounded) haben diese Halluzinationen reproduziert:

1.b. Verschwundenes Wissen

Es kann vorkommen, dass die KI wichtige Produkte oder Leistungen einer Marke nicht berücksichtigt. Ein bemerkenswertes Beispiel betrifft einen großen französischen Baustoffhändler: 

  • Der Händler verkauft 130.000 Elektroprodukte und 30.000 Sanitärartikel. 
  • ChatGPT hat die Elektroprodukte jedoch nie erwähnt, obwohl sie den größten Teil seines Katalogs ausmachen. 

Genau dasselbe ist bei einem großen SEO-Tool passiert (einem der Top 5): Eines seiner bekannten Werkzeuge existiert in den Trainingsdaten von Gemini schlicht nicht. 

1.c. Widersprüchliches Wissen

Das ist der Fall, wenn die KI zum selben Thema widersprüchliche Informationen liefert. 

Beispiel: 

  • InLinks ist ein Pionier der entitätsbasierten SEO, mit umfangreichen veröffentlichten Ressourcen und einem Buch, das der CEO geschrieben hat. 
  • Trotzdem lieferte ChatGPT widersprüchliche Definitionen von Entity SEO, wobei es den Begriff mit anderen Konzepten verwechselte. 

1.d. Reine Unkenntnis

In manchen Fällen hat die KI schlicht kein Wissen über eine Marke, ihre Produkte oder Leistungen. 

Das kommt häufiger vor als erwartet. So ergab die Analyse mit dem AI Knowledge Score von Waikay: ChatGPT kannte große SEO-Tools gut, in den Trainingsdaten von Gemini (TD) fehlte dagegen jede Kenntnis von ihnen. 

0 % beim Gemini Knowledge Score für diese 3 bekannten (sorry: unkenntlich gemachten) SEO-Tools.

Schritt 2: Ursachen der Wissensprobleme ermitteln

Im nächsten Schritt analysierst du Diskurs und Semantik der Marke und ermittelst so, wo Wissenslücken entstehen. Dieser Prozess ähnelt eher einer literarischen und sprachlichen Analyse als reiner SEO. 

2.a. Brüche im Diskurs

Ein Produkt oder eine Funktion, die eingestellt und später neu aufgelegt wurde, kann zu Wissenslücken führen. 

Beispiel: 

  • Wird ein Relaunch nicht sauber in Webinhalten und externen Quellen dokumentiert, kann das LLM annehmen, dass es das Produkt nicht mehr gibt. 

2.b. Widersprüche im Diskurs

Widersprüchliche Markenerwähnungen können KI-Modelle verwirren. 

Beispiel:

  • Ein millionenschweres SaaS-Unternehmen wurde in verschiedenen KI-Modellen für eine Automarke gehalten. 
  • ChatGPT antwortete auf Basis seiner Trainingsdaten richtig, aber Claude (Anthropic) und Gemini brachten es fälschlich mit Bentley Motors in Verbindung. 
  • Die Domain Bentley.com hat Bentley Motors nie besessen, doch die weit verbreiteten Online-Erwähnungen der Automarke haben die Antworten der KI beeinflusst. 

Und das sagt Gemini auf Basis seiner Trainingsdaten: 

„Aus meinen Trainingsdaten weiß ich, dass `bentley.com` die offizielle Website von Bentley Motors Limited ist, einem britischen Hersteller von Luxusautos. Ich weiß das, weil schon der Domainname diese Zugehörigkeit stark nahelegt und weil diese Tatsache weithin bekannt und in zahlreichen verlässlichen Quellen im Internet dokumentiert ist (die ich hier allerdings nicht direkt zitieren kann, da ich nicht auf Live-Websites oder bestimmte Artikel zugreife).“ 

Beängstigend, oder? 

2.c. Defizite im Diskurs

Das passiert, wenn eine Marke den Zugriff der KI auf ihre Website einschränkt und so verhindert, dass die KI korrektes Wissen aufbaut. 

Beispiel:

  • Microsoft hindert KI daran, seine Website auszulesen, was die Fähigkeit der KI einschränkt, das jeweils aktuelle Produktangebot zu verstehen. 
  • Für Microsoft ist das dank breiter Presseberichterstattung kein großes Problem. Leiden könnten darunter aber kleinere Marken, die auf Nischeninhalte angewiesen sind. 

2.d. Falsche semantische Einordnung

KI-Modelle können Kategoriestrukturen falsch deuten und relevante Inhalte dann nicht abrufen. 

Beispiel:

  • Der französische Baustoffhändler führte Elektroprodukte unter „Elektrische Ausrüstung“ statt unter „Elektrizität“. 
  • Weil „Elektrische Ausrüstung“ eine Unterkategorie von Elektrizität ist, erkannte die KI sie nicht als Hauptproduktkategorie. 

Schritt 3: Wissensprobleme der LLMs beheben

3.a. Online-Inhalte anpassen

  • Sorge dafür, dass SEO-freundliche und KI-freundliche Inhalte nebeneinander bestehen, indem du die Terminologie optimierst. 
  • KI versteht strukturierte Inhalte am besten, also optimiere wichtige Landingpages mit Schema-Markup. 

3.b. Online-Inhalte ausbauen

  • KI bevorzugt ausführliche Inhalte auf Expertenniveau gegenüber Werbematerial. 
  • Beispiel: Statt „Warum unser Tool die beste SEO-Software ist“ zu schreiben, veröffentliche „Die Entwicklung der SEO-Tools und ihre Wirkung“ und erwähne deine Marke dabei dezent. 
  • Vermeide minderwertige KI-generierte Inhalte, denn sie verwässern die Glaubwürdigkeit. 

3.c. Online-Inhalte beeinflussen

  • Mehr Markenerwähnungen in maßgeblichen Publikationen sorgen dafür, dass die KI Zugriff hat auf vertrauenswürdige externe Quellen. 
  • Bleib aktiv im Austausch mit Wikipedia-Autoren und halte so die Informationen über deine Marke aktuell und geprüft. 

3.d Deine Daten gegen Fehldeutungen durch KI absichern

Manche Marken schränken KI-Modelle unbeabsichtigt ein und verursachen so Wissenslücken. 

  • KI-Bots Zugriff erlauben: Blockiere KI-Crawler (z. B. ChatGPTBot, BingBot) nicht in der robots.txt. Gib stattdessen wichtige Bereiche deiner Website ausdrücklich für den KI-Zugriff frei.
  • KI-freundliche FAQ und Wissensbereiche veröffentlichen: Erstelle KI-optimierte FAQ-Seiten, die häufige Fragen zu deinem Unternehmen beantworten. 
  • KI-generierte Zusammenfassungen überwachen: Stelle sicher, dass der Knowledge Graph von Google und andere KI-gestützte Zusammenfassungen korrekte Informationen über deine Marke anzeigen. 

4. Das Wissen der KI über die Zeit überwachen

  • Führe laufend Audits zum Wissen der KI durch. 
  • Nutze Tools für das Monitoring des KI-Wissens wie Waikay, um die Präsenz deiner Marke in KI-generierten Antworten zu verfolgen, und zwar für die meistgenutzten LLMs. Geh über die einfache Prüfung auf Markenebene hinaus und führe Audits zum KI-Wissen über deine wichtigsten Themen durch  
  • Gib Feedback zur KI an OpenAI, Google und Microsoft, um Fehler zu melden. 

Zusammenfassung: Sorge dafür, dass die KI versteht

  • Finde Wissenslücken der KI mit strukturierten Abfragen über mehrere KI-Modelle hinweg.  
  • Sorge für einen einheitlichen Markendiskurs über alle digitalen Auftritte hinweg.  
  • Optimiere Wikipedia, Wikidata und Quellen mit hoher Autorität.  
  • Nutze strukturierte Daten und FAQ-Schema und verbessere so den Informationsabruf der KI.  
  • Prüfe KI-Antworten regelmäßig und melde Fehler.

Abschließende Gedanken

KI-Optimierung ist ebenso entscheidend wie SEO im Zeitalter der KI-gestützten Suche. Eine Marke, die das Wissen über sich in KI-Modellen nicht absichert, riskiert Falschinformationen oder Auslassungen. Während sich das Internet weiterentwickelt und die Welt sich stärker auf KI verlässt, könnte es eines der schädlichsten Dinge für deine Marke sein, falsch verstanden zu werden.

Mit proaktiven AIO-Maßnahmen können Unternehmen für eine korrekte Darstellung in KI-generierten Suchergebnissen sorgen und sich einen Wettbewerbsvorteil in der KI-geprägten digitalen Welt verschaffen. 

Geschrieben von Fred Laurent, geprüft von Genie Jones

Founder & CTO at InLinks.com & Waikay.io

Schreibe einen Kommentar