Sales Page Asset SEO & GEO Videokurs 2026 • Master-Curriculum
Modul 13 • Die Zukunft der Suche

Modul 13: KI-Suche & GEO Masterclass

Generative Engine Optimization (GEO): Die Zukunft der organischen Sichtbarkeit in ChatGPT, Perplexity, Gemini & Google AI Overviews. Verstehe RAG-Pipelines, Query Fan-Out, Grounding und Zitier-Optimierung.

21
Tiefen-Sessions
RAG & Chunking
LLM-tauglicher Content
Citation Rate
Zitier- & Mention-Metriken
Fan-Out
Sub-Query Dekomposition

Die 21 Lektionen im Überblick

Detaillierte Übersicht aller Themen, Kerninhalte und Fach-Schlagworte dieses Moduls.

01 Lektion 1

fachliche Einführung

GEO

Dieses Video bietet eine fachliche Einführung in Generative Engine Optimization (GEO) und definiert die Unterschiede gegenüber traditioneller Suchmaschinenoptimierung.

Kerninhalte:
  • • Definition und Funktionsweise generativer Suchmaschinen (ChatGPT, Perplexity, Gemini, Google AI Overviews)
  • • Wandel von Klick-orientiertem SEO zu Erwähnungs- und Zitier-Optimierung (Citation Frequency)
  • • Die neue Informationsarchitektur im Zeitalter konversationeller KI
GEO Generative Engine Optimization KI-Suche Perplexity
02 Lektion 2

Begrifflichkeiten & Muster

GEO-Begriffe

Dieses Video klärt die Kernbegriffe und Architekturmuster der KI-Suche wie RAG, Halluzination, Grounding, Chunking und Embeddings.

Kerninhalte:
  • • Glossar der KI-Suche: Retrieval-Augmented Generation (RAG), Vektordatenbanken, Embeddings
  • • Erkennung typischer Synthesemuster und Antwortformate generativer Chatbots
  • • Voraussetzungen für Inhalte, um von LLMs fehlerfrei extrahiert zu werden
GEO-Begriffe RAG Embeddings Chunking
03 Lektion 3

die 6 aufeinanderfolgenden Filterstufen im GE-System

6 Filterstufen

Dieses Video analysiert die 6 Filterstufen generativer Suchsysteme von der Intent-Analyse über Retrieval, Reranking bis zur finalen Tokensynthese.

Kerninhalte:
  • • Detaillierte Zerlegung der 6 Filterstufen in modernen Generative Engines
  • • Verständnis von Pre-Retrieval, Document Scoring, Context Window Selection und Prompt Synthesis
  • • Identifikation von Bruchstellen, an denen Websites aus dem Kontext-Fenster herausgefiltert werden
6 Filterstufen Generative Engines Reranking Retrieval
04 Lektion 4

Query Fan-Out verstehen & analysieren

Query Fan-Out

Dieses Video erklärt das Phänomen des Query Fan-Out, bei dem KI-Systeme komplexe Prompts in zahlreiche parallele Sub-Queries zerlegen.

Kerninhalte:
  • • Mechanismen der autonomen Query-Dekomposition durch KI-Agenten
  • • Wie ein einzelner Nutzer-Prompt 5-15 parallele Live-Suchanfragen im Hintergrund auslöst
  • • Strategische Content-Optimierung zur Abdeckung des gesamten Fan-Out-Spektrums
Query Fan-Out Sub-Queries Query Decomposition KI-Agenten
05 Lektion 5

KI-Antworten entstehen durch 2 primäre Wissensquellen

Parametrisches Wissen

Dieses Video differenziert zwischen parametrischem Wissen (im LLM-Modellgehirn trainiert) und nicht-parametrischem Wissen (über RAG/Websuche live beschafft).

Kerninhalte:
  • • Parametrisches Wissen: Wann ein Modell aus seinen statischen Trainingsgewichten antwortet
  • • Nicht-parametrisches Wissen: Wann und wie Live-Webdaten via RAG herangezogen werden
  • • Entwicklung von Optimierungsstrategien für beide Wissensquellen
Parametrisches Wissen Nicht-parametrisches Wissen RAG Trainingsgewichte
06 Lektion 6

Was du in KI-Systemen steuerst und was nicht

GEO-Steuerung

Dieses Video zieht klare Grenzen zwischen beeinflussbaren Faktoren (Content-Klarheit, Strukturierte Daten, PR) und unkontrollierbaren Blackbox-Modellen von KI-Anbietern.

Kerninhalte:
  • • Einflussbereich des Marketers: Fakten-Konsistenz, E-E-A-T, Chunkability und Quellenglaubwürdigkeit
  • • Unbeeinflussbare Komponenten: Temperatur, interner System-Prompt und Modell-Gewichtungen
  • • Fokus auf resiliente, quellenbasierte Optimierungshebel
GEO-Steuerung Kontrollierbarkeit Blackbox-Modelle Fakten-Konsistenz
07 Lektion 7

Operative GEO-Arbeit Aussagen statt Prompts

Operatives GEO

Dieses Video vermittelt den Wechsel hin zu atomaren, zitierfähigen Kernaussagen und Faktenblöcken anstelle von vager Textfüllmasse.

Kerninhalte:
  • • Erstellung modularer Aussage-Einheiten mit hoher Informationsdichte (Statement-First)
  • • Optimierung von Text-Passagen für das einfache Parsing durch KI-Extractor-Agenten
  • • Direkte Formulierung von Definitionen, Kennzahlen und klaren Standpunkten
Operatives GEO Aussagen statt Prompts Atomare Inhalte Fakten-Dichte
08 Lektion 8

Parametrisches Wissen Pre-Training-Datenquellen

Pre-Training Daten

Dieses Video analysiert die Trainings-Datenquellen führender LLMs wie Common Crawl, Wikipedia, C4, GitHub und Fachforen.

Kerninhalte:
  • • Aufbau und Gewichtung umfangreicher Pre-Training-Datensätze (Common Crawl, RefinedWeb, FineWeb)
  • • Wie Markenpräsenz in Trainingsquellen das intuitive Grundverständnis von LLMs prägt
  • • Strategien zur Sicherstellung der Erfassung im nächsten Trainingszyklus
Pre-Training Daten Common Crawl C4-Datensatz Wikipedia
09 Lektion 9

LLM-Trainingsdaten & Brand Influence Map

Brand Influence Map

Dieses Video zeigt, wie man eine Brand Influence Map erstellt, um die Präsenz und Assoziationen der eigenen Marke in den Trainingskorpora zu visualisieren.

Kerninhalte:
  • • Erstellung einer semantischen Reputationslandkarte für KI-Modelle
  • • Messung von Co-Occurrences und Sentiment rund um die eigene Marke im Modellgedächtnis
  • • Identifikation von Wissenslücken und Falschdarstellungen in Large Language Models
Brand Influence Map Trainingsdaten Co-Occurrences Sentiment
10 Lektion 10

LLM-Anbieter & ihre Suchdatenquellen

LLM-Anbieter

Dieses Video schlüsselt auf, welche Suchindizes (Google, Bing, Brave Search, eigene Indizes) von Anbietern wie OpenAI, Anthropic, Perplexity und Meta genutzt werden.

Kerninhalte:
  • • Übersicht über Partnerschaften und Retrieval-Engines (ChatGPT Search -> Bing/SearchGPT, Perplexity -> Hybrid/Google/Bing/Brave)
  • • Auswirkungen der Index-Quelle auf das Live-Ranking und die Zitation in KI-Antworten
  • • Multi-Index-Optimierung als strategische Notwendigkeit für GEO
LLM-Anbieter Suchdatenquellen SearchGPT Perplexity Index
11 Lektion 11

Mentions, Citations und Traffic sauber messen

GEO-Messung

Dieses Video zeigt Methoden und Tracking-Setups zur sauberen Messung von KI-Erwähnungen, Zitationen und Referral-Traffic aus AI-Tools.

Kerninhalte:
  • • Einrichtung von UTM-Parametern und Referrer-Filtern für chatgpt.com, perplexity.ai, claude.ai
  • • Messung von Marken-Zitierhäufigkeiten (Citation Rate & Sentiment Tracking)
  • • Quantifizierung des tatsächlichen Business-Werts von KI-Referral-Traffic
GEO-Messung KI-Referrals Citations Mentions
12 Lektion 12

GEO-Performance in GSC & BWMT & MS Clarity

GEO-Performance

Dieses Video demonstriert die Identifikation von KI-Suchzugriffen in Google Search Console, Bing Webmaster Tools und Microsoft Clarity.

Kerninhalte:
  • • Erkennung von AI-Overview-Klicks und AI-Ergebnissen in klassischen Search Console Daten
  • • Heatmap- und Session-Recording-Analyse des Nutzerverhaltens von KI-Besuchern in MS Clarity
  • • Vergleich von Engagement und Conversion-Raten zwischen traditioneller Suche und KI-Suche
GEO-Performance Google Search Console Bing Webmaster MS Clarity
13 Lektion 13

(RAG & Tools) - Wie KI-Antworten entstehen

RAG-Pipeline

Dieses Video erklärt detailliert die RAG-Pipeline von der Vektorisierung über semantische Ähnlichkeitssuche bis zur finalen Antwortgenerierung.

Kerninhalte:
  • • Schritt-für-Schritt-Ablauf von Retrieval-Augmented Generation in Produktivsystemen
  • • Rolle von Vektor-Embeddings (Cosine Similarity) bei der Dokumentensuche
  • • Prompt-Injektion und Synthese im Language Model
RAG-Pipeline Cosine Similarity Vektor-Embeddings Synthese
14 Lektion 14

(RAG & Tools) - RAG-Simulator & Inhaltsbewertung

RAG-Simulator

Dieses Video stellt RAG-Simulatoren vor, mit denen man eigene Webseiteninhalte auf Chunking-Tauglichkeit, Informationsdichte und Parsing-Qualität testen kann.

Kerninhalte:
  • • Live-Test von URLs in einer simulierten RAG-Umgebung
  • • Analyse von Chunk-Grenzen und Kontext-Verlust bei komplexen HTML-Layouts
  • • Optimierung von Textpassagen für maximale Relevanzbewertung im Vektorvergleich
RAG-Simulator Inhaltsbewertung Chunking Parsing-Qualität
15 Lektion 15

(RAG & Tools) - Warum gute SEO-Rankings nicht reichen

SEO vs GEO

Dieses Video beweist, warum ein Top-3-Ranking bei Google keine Garantie für eine Zitation in ChatGPT, Perplexity oder AI Overviews ist.

Kerninhalte:
  • • Diskrepanz zwischen traditionellen Keyword-Rankings und LLM-Zitationen
  • • Rolle von direkter Beantwortungsgüte, Neutralität und Zitationsfähigkeit
  • • Strategien zur Schließung der Lücke zwischen SEO-Sichtbarkeit und GEO-Präsenz
SEO vs GEO Ranking Diskrepanz Zitationsfähigkeit AI Overviews
16 Lektion 16

(RAG & Tools) - Markenverständnis von LLM-ChatBots

Markenverständnis

Dieses Video demonstriert Tests und Prompting-Techniken zur Analyse, wie präzise führende KI-Modelle das eigene Unternehmensprofil und Produktportfolio verstehen.

Kerninhalte:
  • • Systematisches Prompting von ChatGPT, Claude und Gemini zur Prüfung von Markenassoziationen
  • • Aufdecken von Falschinformationen, veralteten Daten und Konkurrenzverzerrungen
  • • Gezielte Korrektur durch Digital PR und strukturierte Entitäts-Publikationen
Markenverständnis LLM-Auditing Brand Perception Halluzinationen aufdecken
17 Lektion 17

(RAG & Tools) - Browser-Tools für Analyse & Optimierung

GEO-Tools

Dieses Video stellt spezialisierte Browser-Erweiterungen und Web-Tools zur live Überprüfung von LLM-Readability, Text-Chunkability und KI-Bot-Zugriffen vor.

Kerninhalte:
  • • Vorstellung von Tools wie Robots Radar, AI Bot Checker und LLM Readability Analyzers
  • • Überprüfung von Paywalls und Cloudflare-Hürden für GPTBot, ClaudeBot und PerplexityBot
  • • Effiziente Integration von GEO-Prüfwerkzeugen in den täglichen Audit-Ablauf
GEO-Tools Browser-Tools LLM Readability AI Bot Checker
18 Lektion 18

Ersetzt KI die Suche

Zukunft der Suche

Dieses Video liefert eine differenzierte Zukunftsbetrachtung darüber, wie sich klassische Suchmaschinen und konversationelle KI-Systeme ergänzen und koexistieren.

Kerninhalte:
  • • Verschiebung von transaktionalen, investigativen und einfachen Fakten-Suchen
  • • Warum visuelle, lokale und transaktionsnahe Suchen weiterhin starke Suchmaschinen-Domänen bleiben
  • • Strategische Ausrichtung für Marketer und Webseitenbetreiber bis 2030
Zukunft der Suche KI vs Suchmaschine Suchverhalten 2030 Koexistenz
19 Lektion 19

was LLMs nicht verstehen

LLM-Grenzen

Dieses Video beleuchtet die Grenzen und Schwächen von LLMs bei logischer Deduktion, räumlichem Verständnis, Aktualität und numerischen Fakten.

Kerninhalte:
  • • Grenzen probabilistischer Sprachmodelle (Next-Token-Prediction)
  • • Warum LLMs bei komplexen Vergleichen, Preisen und Bestandsdaten scheitern können
  • • Wie man Webseiteninhalte so strukturiert, dass Modellschwächen kompensiert werden
LLM-Grenzen Next-Token-Prediction Modellschwächen Halluzinationen
20 Lektion 20

Grounding das 9te Weltwunder

Grounding

Dieses Video analysiert das Grounding-Konzept als entscheidende Brücke zwischen generativer Sprachgewandtheit und verifizierbaren Faktenquellen.

Kerninhalte:
  • • Funktionsweise von Google Search Grounding in Gemini und OpenAI Web-Grounding
  • • Wie Attribution-Scores und Quellen-Anchors in generierten Antworten vergeben werden
  • • Best Practices, um als vertrauenswürdiger Grounding-Anker ausgewählt zu werden
Grounding Search Grounding Fakten-Verifizierung Attribution-Score
21 Lektion 21

Entity-SEO für die KI-Suche

Entity-SEO

Dieses Video verbindet Entitäten-SEO mit generativer KI-Suche und zeigt, wie strukturierte Entitätsdaten als direkte Faktenbasis für LLM-Antworten dienen.

Kerninhalte:
  • • Entitäten als stabile Wissensanker in Vektorräumen und Knowledge Graphs
  • • Harmonisierung von Schema.org-Auszeichnungen mit generativer Textstruktur
  • • Aufbau semantischer Abdeckung für die Kernentitäten des Unternehmens
Entity-SEO KI-Suche Semantische Abdeckung Knowledge Graph
Master-Level Qualifikation
Bereit für den nächsten Schritt in Modul 13?

Teil des 15-teiligen Gesamtkurses für zukunftssicheres SEO und generative KI-Suche.

Jetzt Zugang sichern
← VORHERIGES MODUL • Modul 12
Entitäten-SEO & Schema.org
Modul 14 • NÄCHSTES MODUL →
Website-Relaunch Leitfaden
© 2026 DHEMANT Consulting GmbH (DCG) • René Dhemant • Alle Rechte vorbehalten.