GEO und Nutzerkontext: Warum KI Ihrem Wettbewerber einem Nutzer empfiehlt und Sie einem anderen

KI empfiehlt nicht jedem Nutzer dieselben Quellen, und das ist beabsichtigt

Wenn zwei Nutzer ChatGPT, Perplexity oder Gemini dieselbe Frage stellen, erhalten sie oft Antworten, die unterschiedliche Quellen zitieren. Diese Variation ist keine Fehlfunktion, sondern das Ergebnis eines impliziten Profilierungssystems, das die KI-Engines still um jede Konversation herum aufbauen. Die KI analysiert, wer Sie sind (Ihre Branche, Ihren Standort, Ihre vermutete Expertise, Ihren Suchverlauf) und passt dann nicht nur Ton und Format der Antwort an, sondern auch die Quellen, die sie als glaubwürdig zitiert. Das bedeutet, dass die Optimierung auf „den ersten Platz bei einer KI" eine überholte Strategie ist: Sie müssen für ein spezifisches Nutzerprofil optimieren, nicht für eine generische Anfrage.

Wie KI ein implizites Profil des Nutzers erstellt

KI-Antwortmaschinen beginnen nicht bei null. Ab der ersten Interaktion tragen mehrere Signale zum Aufbau eines stillen Nutzerprofils bei:

Die Rolle von Cookies und Session-Tokens

Wenn ein Nutzer bei ChatGPT Plus, einem Google-Konto oder einem Perplexity-Profil angemeldet ist, verfügt die KI über explizite Informationen: Konversationsverlauf, gespeicherte Präferenzen, deklariertes Nutzerprofil. Aber auch ein nicht authentifizierter Nutzer hinterlässt Spuren. Session-Tokens, persistente Cookies und die IP-Adresse ermöglichen es der KI, einen wiederkehrenden Nutzer zu erkennen und ein kontextuelles Gedächtnis zu bewahren, auch wenn es implizit ist. Diese Persistenz bedeutet, dass eine erste Frage „wie starte ich einen Blog" im Licht einer früheren Anfrage zu „Enterprise-Content-Management-Tools" neu interpretiert werden kann.

Die passive Erkennung von Branche und Nutzung (B2B vs. B2C)

Die KI analysiert das Vokabular, die Spezifität der Fragen und den Gesprächskontext, um abzuleiten, ob Sie im B2B- oder B2C-Bereich tätig sind. Ein Nutzer, der fragt „wie integriere ich eine Zahlungs-API in eine SaaS-Plattform", wird anders behandelt als einer, der fragt „wie akzeptiere ich Online-Zahlungen". Die KI erkennt implizit, dass Ersterer aus einem technischen professionellen Kontext stammt, Letzterer aus einem persönlichen Handel. Sie wird dann relevante Quellen für jedes Segment empfehlen: fundierte technische Ressourcen für Ersteren, zugängliche Tutorials für Letzteren. Dieselbe Domain (Beispiel: ein Blog über Online-Zahlungen) kann je nach diesem abgeleiteten Profil zitiert oder ignoriert werden.

Sprache und geografische Region

Die IP-Adresse, die Sprache der Benutzeroberfläche, die Standorteinstellungen des Browsers und der Inhalt der Fragen (Verweise auf lokale Gesetze, Währungen, regionale Anbieter) ermöglichen es der KI, den Nutzer zu lokalisieren. Eine Frage nach den „besten CRM-Tools", gestellt aus der Schweiz, erhält nicht dieselben Empfehlungen wie dieselbe Frage aus Kanada. Die KI bevorzugt lokal relevante Quellen, regional ansässige Anbieter und Inhalte, die in den Normen und dem rechtlichen Kontext der Region verfasst sind. Eine in den USA ansässige Website kann für ein amerikanisches Publikum breit zitiert werden, aber für einen Nutzer in Frankreich ignoriert werden, wenn der Inhalt nicht die DSGVO oder die französischen Besonderheiten anspricht.

Das vermutete Expertise-Niveau

Ab den ersten Fragen leitet die KI das Expertise-Niveau des Nutzers ab. Ein Nutzer, der präzise technische Begriffe verwendet („Tokenization", „Fine-Tuning", „Inference Latency"), wird als Experte eingestuft; wer grundlegende Fragen stellt, wird als Anfänger behandelt. Diese Klassifizierung beeinflusst direkt das Komplexitätsniveau und die empfohlenen Quellen. Ein Experte erhält Links zu akademischen Papers, tiefgehenden technischen Dokumentationen und Inhalten, die für erfahrene Praktiker geschrieben wurden. Ein Anfänger erhält einführende Leitfäden, schrittweise Tutorials und allgemein verständliche Erklärungen. Dieselbe Website kann als „zu grundlegend" für ein Segment ignoriert und als „perfekt für den Einstieg" für ein anderes empfohlen werden.

Wie Perplexity, ChatGPT und Gemini diese Profile aufbauen und nutzen

Jede KI-Antwortmaschine verwendet leicht unterschiedliche Mechanismen, aber das Prinzip bleibt identisch: die Zitate je nach erkanntem Profil anzupassen.

Perplexity und die Profilierung durch personalisierte Copiloten

Perplexity ermöglicht es angemeldeten Nutzern, personalisierte „Copiloten" zu erstellen, die durch Anweisungen, bevorzugte Quellen und Sucheinstellungen definiert werden. Doch über diese explizite Personalisierung hinaus analysiert Perplexity still die Suchmuster: besuchte Domains, Tiefe der Fragen, Themenverlauf. Ein Nutzer, der systematisch zu Marketingthemen sucht, erhält Antworten, die für einen Marketer kalibriert sind; wer zur Cloud-Infrastruktur sucht, erhält Antworten, die für einen DevOps kalibriert sind. Die zitierten Quellen ändern sich entsprechend: Ein renommierter Marketing-Blog wird für Ersteren zitiert, ein technischer Artikel wird denselben Blog für Letzteren in den Schatten stellen.

ChatGPT und die konversationelle Persistenz des Profils

ChatGPT baut ein progressives Profil über jede Konversation hinweg auf. OpenAI indexiert die Konversationsverläufe (für authentifizierte Nutzer) und analysiert sie, um ein implizites Modell davon zu verfeinern, wer Sie sind. Aber ebenso wichtig: In derselben Konversation verfeinert jede Antwort das Profil. Wenn Sie eine grundlegende Frage stellen und dann eine zweite, sehr technische zum selben Thema, wird ChatGPT sein Expertise-Profil für die dritte Frage neu kalibrieren. Diese Fluidität bedeutet, dass sich die Position der zitierten Quellen in den Antworten dynamisch je nach Verlauf der Konversation ändert, nicht nach einer statischen Segmentierung. Eine Website kann in einer allgemeinen Antwort ignoriert, aber in einer folgenden Antwort zitiert werden, wenn der Nutzer eine wachsende Expertise gezeigt hat.

Gemini und die Profilierung durch das Google-Ökosystem

Gemini (früher Bard) hat einen einzigartigen Vorteil: den Zugang zum vollständigen Google-Ökosystem. Wenn ein Nutzer über ein Google-Konto authentifiziert ist, verfügt Gemini über Signale aus Google Analytics, dem Google-Suchverlauf, den genutzten Google Workspace-Anwendungen und sogar Gmail-E-Mails. Dieser ökosystemische Kontext schafft ein außerordentlich präzises Nutzerprofil. Ein Nutzer, der Google Workspace Pro in einer Agentur nutzt, erhält Empfehlungen, die auf Unternehmenslösungen ausgerichtet sind; wer Gmail privat nutzt, erhält Inhalte für die breite Öffentlichkeit. Dieselben Quellen werden je nach diesem impliziten ökosystemischen Kontext unterschiedlich gewichtet.

Die Signale, die KI zur Anpassung der Zitate verwendet

Über die Nutzerprofilierung hinaus bewertet die KI auch jede Kandidatenquelle danach, wie sie zum Kontext des erkannten Nutzers passt:

Das Veröffentlichungsdatum und die Aktualität des Inhalts

Ein Nutzer, der zu aufkommenden Technologien sucht, erhält Antworten, die auf aktuellen Inhalten basieren; wer zu Grundlagen sucht, kann ältere, aber kanonische Referenzen erhalten. Die KI gewichtet die Aktualität je nach Bereich und Kontext: Ein SEO-Artikel von 2024 wird für ein sich entwickelndes Thema (KI-Technologien, Google-Algorithmen) bevorzugt, während ein Klassiker von 2015 für ein stabiles Thema (Grundprinzipien des Marketings) relevant bleibt.

Die Lokalisierung und regionale Relevanz der Website

Ein Inhalt, der auf einer in Frankreich ansässigen Website auf Französisch veröffentlicht wurde und die DSGVO anspricht, wird für einen französischen Nutzer stark aufgewertet; derselbe Inhalt wird für einen amerikanischen Nutzer abgewertet. Die KI erkennt das Basisland der Website (über die Domain, die Infrastruktur, den erwähnten rechtlichen Kontext) und gleicht es mit dem Standort des Nutzers ab. Das erklärt, warum zwei Nutzer für eine scheinbar identische Frage nicht dieselben Quellen sehen: Die eine ist für ihre Region optimiert, die andere für ihre eigene.

Die Domain-Autorität, gewichtet nach Branche

Die Autorität einer Website ist keine universelle Metrik. Eine im Finanzbereich sehr autoritative Website kann für eine UX-Design-Frage wenig Gewicht haben. Die KI gewichtet die Domain-Autorität je nach erkannter Branche des Nutzers und Thema der Frage. Sie analysiert implizit: Ist diese Domain eine anerkannte Autorität in diesem spezifischen Bereich? Für diesen Nutzer? Mit diesem Expertise-Niveau? Eine populäre generalistische Website kann Nischenexperten für einen erfahrenen Nutzer und klare Generalisten für einen Anfänger zitieren.

Die ideologische und kontextuelle Ausrichtung

Die KI analysiert still potenzielle ideologische Verzerrungen und die kontextuelle Ausrichtung des Inhalts. Ein Nutzer, der zur „digitalen Transformation eines KMU" sucht, erhält Quellen, die mit den KMU-Realitäten übereinstimmen; wer dieselbe Frage in einem Enterprise-Kontext sucht, erhält Enterprise-orientierte Quellen. Das ist keine politische Zensur, sondern eine kontextuelle Anpassung: relevante Quellen für den spezifisch erkannten Kontext auswählen.

Warum Ihr Wettbewerber einem Nutzer empfohlen wird und Sie einem anderen

Jetzt wird die Mechanik klar. Angenommen, Sie und Ihr Wettbewerber verkaufen beide Projektmanagement-Software. Ein B2C-Nutzer, der „einfaches kollaboratives Tool" sucht, erhält vielleicht eine Antwort, die Ihren Wettbewerber zitiert, der sich einen Ruf als „verbraucherfreundliche" Lösung aufgebaut hat. Dasselbe Tool erhält für einen B2B-Tech-Nutzer eine Antwort, die Ihre Website zitiert, weil Sie sich als „Lösung für technische Teams" positioniert haben. Die KI mag Ihren Wettbewerber nicht absolut besser; sie passt das Zitat danach an, wer die Frage stellt.

Ebenso: Wenn Ihr Inhalt für französische DSGVO-Compliance-Experten geschrieben ist und ein amerikanischer Nutzer „wie strukturiere ich ein Data-Team" sucht, wird die KI Ihre Website wahrscheinlich nicht zitieren, selbst wenn sie hervorragend ist, weil sie sich an das falsche Segment richtet. Ihr Wettbewerber, der einen Leitfaden „Data Team Structure for US Startups" geschrieben hat, erhält das Zitat.

Diese Anpassung erklärt auch, warum eine traditionelle SEO-Strategie (Optimierung auf „den ersten Platz") im KI-Kontext scheitert: Es gibt nicht einen ersten Platz, es gibt erste Plätze pro Segment. Ihr Wettbewerber besetzt vielleicht den ersten Platz für ein Segment, Sie für ein anderes und ein Dritter für ein drittes, alle bei derselben Anfrage.

Wie Sie Ihre Sichtbarkeit bei spezifischen Nutzersegmenten optimieren

Definieren Sie explizit Ihr Zielsegment und schreiben Sie für es

Wählen Sie ein präzises Nutzersegment: seine Branche (B2B SaaS, E-Commerce, Finanzen), seine Geografie (Deutschland, Österreich, Schweiz), sein Expertise-Niveau (Anfänger, Fortgeschrittener, Experte), seinen Anwendungsfall (wachsendes Startup, etabliertes KMU, Enterprise). Schreiben Sie dann all Ihre Inhalte, als würden sie sich ausschließlich an dieses Segment richten. Zielen Sie nicht mit generischen Inhalten auf „alle". Schreiben Sie Leitfäden, die explizit die spezifischen Herausforderungen Ihres Segments ansprechen, deren Vokabular verwenden, deren rechtliche und regulatorische Kontexte referenzieren, die Tools und Lösungen erwähnen, die sie bereits nutzen.

Wenn Sie schreiben „wie implementiere ich ein Online-Zahlungssystem für einen deutschen E-Commerce", erkennt die KI implizit, dass Ihr Inhalt auf ein spezifisches Segment abzielt (deutscher E-Commerce), und sie empfiehlt Sie massiv für Nutzer, die diesem Profil entsprechen. Wenn Sie „Leitfaden für Online-Zahlungen" schreiben, konkurrieren Sie mit allen und dominieren niemanden.

Integrieren Sie Signale zur Lokalisierung und zum regionalen Kontext

Erwähnen Sie explizit Ihre Zielregion oder -sprache in Ihrem Inhalt. Referenzieren Sie die geltenden Gesetze (DSGVO für Europa, CCPA für Kalifornien), lokale Währungen, regional ansässige Anbieter, regionale Rechnungslegungsstandards. Veröffentlichen Sie auf einer Domain mit passender geografischer Endung (Beispiel: .de für Deutschland) oder, wenn Sie eine .com verwenden, erwähnen Sie Ihre physischen und rechtlichen Standorte in Ihrem Inhalt und Ihren Metadaten.

Die KI gewichtet explizite Lokalisierungssignale stark. Eine .de-Website, auf Deutsch geschrieben und das deutsche Recht ansprechend, wird für deutsche Nutzer stark empfohlen; eine .com-Website, die dasselbe Publikum ohne diese Signale anspricht, wird für dieses Segment abgewertet, selbst wenn sie inhaltlich hervorragend ist.

Strukturieren Sie den Inhalt für unterschiedliche Expertise-Niveaus

Statt einen einzigen Leitfaden „vom Anfänger zum Experten" zu schreiben, schreiben Sie drei separate Inhalte: einen Leitfaden „für Anfänger", einen „für Fortgeschrittene", einen „für Experten". Die KI analysiert implizit das Komplexitätsniveau des Inhalts und gleicht es mit dem erkannten Expertise-Profil des Nutzers ab. Wenn ein Anfänger sucht, erhält er den Anfänger-Leitfaden; wenn ein Experte sucht, erhält er den Experten-Leitfaden. Drei separate Inhalte geben Ihnen drei Chancen, zitiert zu werden, eine pro Expertise-Segment.

Verwenden Sie in jedem Inhalt ein Vokabular, das mit dem Expertise-Niveau konsistent ist. Der Anfänger-Leitfaden erklärt die Begriffe; der Experten-Leitfaden setzt sie als bekannt voraus und kommt schneller voran. Die KI erkennt diese Konsistenz und gleicht das Zitat mit dem erkannten Kontext ab.

Klären Sie Ihre Branchenpositionierung (B2B vs. B2C, spezifische Industrie)

Seien Sie explizit über Ihre Zielbranche in Ihrem Inhalt und Ihrer Positionierung. Wenn Sie B2B-KMU ansprechen, schreiben Sie Fallstudien über KMU, referenzieren Sie KMU-Herausforderungen, erwähnen Sie typische KMU-Budgets und -Ressourcen. Die KI erkennt diese Positionierung implizit und empfiehlt Ihren Inhalt, wenn ein B2B-KMU-Nutzer sucht.

Ebenso: Wenn Sie eine spezifische Branche ansprechen (Gesundheit, Finanzen, Handel, Fertigung), erwähnen Sie sie explizit, beschreiben Sie die spezifischen Herausforderungen dieser Branche, referenzieren Sie branchenspezifische Vorschriften. Sie werden dann dominant für Nutzer der Branche, selbst wenn Sie global weniger bekannt sind.

Optimieren Sie die Metadaten für den Nutzerkontext

Ihre Title-Tags, Meta-Descriptions und strukturierten Daten sollten das Zielsegment jedes Inhalts widerspiegeln. Eine Seite, die deutsche DevOps anspricht, sollte dies in ihren Metadaten signalisieren. Eine Seite, die wachsende Startups anspricht, sollte „Startup" oder „Growth Stage" in ihren Metadaten erwähnen. Die KI liest diese Signale implizit und verwendet diese Metadaten, um das Matching zwischen dem Inhalt und dem erkannten Nutzerprofil zu verfeinern.

Erstellen Sie Inhalte, die Transformationen und Nutzerverläufe ansprechen

Die KI passt ihre Zitate auch an den impliziten Verlauf des Nutzers an. Jemand, der zuerst Anfängerfragen und dann fortgeschrittene Fragen stellt, wird als jemand im Wachstum behandelt. Erstellen Sie Inhalte, die diese Verläufe erkennen und ansprechen: „Leitfaden für KMU, die bereit zum Skalieren sind", „Wie man vom Freelancer zur Agentur wechselt", „Wie man seine On-Premise-Infrastruktur in die Cloud verlagert".

Diese Inhalte zielen auf ein spezifisches Nutzerprofil in Bezug auf den Verlauf ab, nicht nur auf den aktuellen Status. Sie werden dominant für Nutzer in dieser Übergangsphase, weil die KI sie als mit dem erkannten sich entwickelnden Kontext übereinstimmend erkennt.

Veröffentlichen Sie in den Sprachen und regionalen Varianten

Wenn Sie mehrere Sprachregionen bedienen, übersetzen Sie nicht passiv. Veröffentlichen Sie separate Versionen, die nativ für jede Region geschrieben wurden. Das Französisch von Québec unterscheidet sich vom Französisch Frankreichs; das indische Englisch unterscheidet sich vom amerikanischen Englisch. Die KI erkennt diese Varianten implizit und empfiehlt den Inhalt, der nativ für die Region des Nutzers geschrieben wurde.

Eine Website, die in generischem „Französisch" veröffentlicht, wird weniger spezifisch empfohlen als eine Website, die getrennt in „Französisch aus Frankreich" und „Französisch aus Belgien" veröffentlicht. Diese redaktionelle Unterscheidung signalisiert der KI eine tiefe regionale Kenntnis und Engagement.

Messen und Validieren Sie Ihre Sichtbarkeit bei spezifischen Segmenten

Anders als beim traditionellen SEO, wo Sie Ihr Ranking für eine bestimmte Anfrage verfolgen, erfordert die Optimierung für KI-Empfehlungen nach Segment unterschiedliche Messmethoden.

Manuelles Testen mit verschiedenen Nutzerprofilen

Erstellen Sie Nutzerprofile, die Ihre Zielsegmente repräsentieren, und stellen Sie dann Fragen über diese Profile: von einem französischen VPN-Standort, von einem anderen in den USA, von einem neuen Nutzerkonto, von einem Konto mit Verlauf zu B2B- vs. B2C-Themen. Beobachten Sie, welche Quellen die KI empfiehlt. Sie werden schnell sehen, ob Ihr Inhalt für das Zielsegment empfohlen und für die anderen ignoriert wird. Wenn ja, funktioniert Ihre Strategie. Wenn nicht, spricht Ihr Inhalt Ihr Segment nicht explizit genug an.

Analysieren Sie Nutzungs- und Traffic-Muster nach Segment

Segmentieren Sie in Ihren Analytics den Traffic nach Quelle, Geolokalisierung, Gerätetyp, Sitzungsdauer. Verhalten sich Nutzer, die von Perplexity auf Französisch aus Frankreich kommen, anders als diejenigen, die von ChatGPT auf Englisch aus den USA kommen? Wenn Ihr Inhalt tatsächlich ein Segment anspricht, werden Sie einen konzentrierten Traffic auf dieses Segment, ein hohes Engagement (Seiten pro Sitzung, Dauer) und eine niedrige Absprungrate sehen. Die anderen Segmente kommen wenig oder springen schnell ab. Das ist das Zeichen dafür, dass Sie für Ihr Segment korrekt sichtbar sind und Ihr Inhalt es zufriedenstellt.

Verwenden Sie spezifische KI-Monitoring-Tools

Tools wie Semrush, Ahrefs und SEMrush beginnen, die Verfolgung von KI-Empfehlungen anzubieten. Auch spezialisierte Lösungen entstehen. Verwenden Sie sie, um zu überwachen, ob Ihre Website von Perplexity, ChatGPT und Gemini für Anfragen in Ihrem Bereich zitiert wird. Aber begnügen Sie sich nicht damit, global zu verfolgen, „Ihre Website wird zitiert"; segmentieren Sie nach Anfrage, nach erkanntem Nutzertyp (falls möglich), nach Lokalisierung. Sie werden sehen, wo Ihre Sichtbarkeit stark ist (hohe Zitierrate) und wo sie schwach ist.

Die Fallstricke, die es zu vermeiden gilt

Nehmen Sie nicht an, dass traditionelle SEO-Optimierung ausreicht

Google bewertet Domain-Autorität und externe Links. Die KI bewertet auch die kontextuelle Ausrichtung mit dem erkannten Profil. Eine global sehr autoritative, aber nicht mit dem Segment ausgerichtete Website kann für dieses Segment ignoriert werden, selbst wenn sie Google dominiert. Umgekehrt kann eine kleinere, aber extrem mit einem Segment ausgerichtete Website von der KI massiv für dieses Segment empfohlen werden, selbst wenn sie bei Google allgemein nicht gut rankt.

Zielen Sie nicht auf „den ersten Platz" oder „in KI-Antworten zitiert werden"

Diese Ziele sind zu generisch. Sie können nicht „der erste Platz" für eine Anfrage sein, wenn verschiedene Segmente verschiedene Antworten erhalten. Zielen Sie stattdessen auf: „die empfohlene Quelle Nummer 1 für deutsche Tech-Startups sein, die CI/CD-Tools suchen". Das ist ein spezifisches, messbares und realistisches Ziel.

Ignorieren Sie nicht die Lokalisierung und regionale Relevanz

Selbst wenn Ihr Produkt oder Ihre Dienstleistung global ist, müssen Ihre Inhalte regional spezifisch sein. Die KI gewichtet regionale Signale stark. Die Lokalisierung zu ignorieren bedeutet, dass Ihre regionalen Wettbewerber bei regionalen Nutzern dominieren, selbst wenn Sie absolut besser sind.

Diversifizieren Sie Ihre Positionierung nicht übermäßig

Wenn Sie für „alle" schreiben (Anfänger und Experten, B2B und B2C, mehrere Regionen), dominieren Sie kein Segment. Besser ein Segment dominieren als für alle Segmente sichtbar zu sein, ohne eines zu dominieren. Spezialisieren Sie sich zunächst und diversifizieren Sie dann schrittweise.

Fazit: Vom Ranking zur kontextuellen Empfehlung

Die Ära einheitlicher Suchmaschinen-Rankings weicht einer Ära kontextueller Empfehlungen durch KI. Ihr Wettbewerber wird einem Nutzer empfohlen und Sie einem anderen, weil die KI sie absolut besser mag, sondern weil ihre jeweiligen Inhalte besser mit den unterschiedlichen erkannten Profilen übereinstimmen. Um bei KI-Sichtbarkeit zu gewinnen, müssen Sie diese Fragmentierung akzeptieren: Es ist nicht eine einzige Position, die Sie innehaben, sondern eine Reihe unterschiedlicher Positionen bei unterschiedlichen Nutzersegmenten. Definieren Sie Ihre Zielsegmente präzise, schreiben Sie mit Absicht für sie, und die KI wird Sie bei ihnen massiv empfehlen. Versuchen Sie, allen zu dienen, und Sie werden niemanden dominieren.