Wie Content für Menschen, LLMs und AI Agents sichtbar wird
Wer Marketing betreibt, kennt die Prinzipien der Suchmaschinenoptimierung (SEO). Die Einführung von Large Language Models (LLM) verändert die Auffindbarkeit von Unternehmen und Produkten in Suchresultaten grundlegend. Sollen künftig Menschen, KI-Modelle und auch AI Agents deinen Content und dein Angebot finden, solltest du dich vorbereiten.
Seit künstliche Intelligenz populär wurde, verschiebt sich ein Teil der Suchanfragen von klassischen Suchmaschinen hin zu KI-Modellen wie Perplexity oder ChatGPT. Die Marktanalysten von Gartner Inc. rechnen für das Jahr 2026 von einem Rückgang von etwa 25% bei der klassischen Suche. Stattdessen steigen Anfragen über KI-Modelle und KI-Tools stark an. Im Zusammenhang mit der Content-Optimierung für die KI-basierte Suche liest man Begriffe wie:
GAIO (Generative AI Optimization)
LLMO (Large Language Model Optimization)
GEO (Generative Engine Optimization)
AEO (Answer Engine Optimization) und andere
Auch wenn es noch keinen einheitlichen Namen für diesen Fachbereich gibt, lassen sich klare Unterschiede zur klassischen digitalen Suche und SEO feststellen. AI Agents erweitern diese Entwicklung zusätzlich, in dem sie selbständig Handlungen ausführen, Vergleiche anstellen, Bestellungen vorbereiten und Käufe auslösen. Die folgende Abbildung vergleicht die wichtigsten Unterschiede zwischen klassischer Suche und semantischer Suche mit KI-Modellen.
Abbildung: Überblick zu den Unterschieden von klassischer Suche und semantischer Suche über KI-Modelle
Bei korrekter Anwendung kann die KI-Suche qualitativ bessere, treffsicherere Suchergebnisse liefern als die klassische Suchmaschine. Neben dem Menschen kommen bei der semantischen Suche über KI-Modelle weitere User ins Spiel, die Suchanfragen absetzen können: sogenannte «AI Agents». Diese agieren selbständig, rufen Daten ab, treffen Entscheidungen und führen Aktionen selbständig aus, wenn Sie entsprechend konfiguriert sind. Sowohl Privatpersonen als auch Unternehmen können diese Agenten für bestimmte Zwecke erstellen.
Aktuell gibt es erst wenige AI Agents, die Tendenz ist aber stark steigend. Im Silicon Valley gilt das Thema «Agentic AI» bereits als nächste technologische Entwicklungsstufe und verändert das Kaufverhalten und die Markensichtbarkeit. Deshalb hat es auch entscheidenden Einfluss auf das digitale Marketing von Unternehmen und auf den Content, den diese produzieren.
Was unterscheidet AI Agents von LLMs?
Ein LLM wie ChatGPT beantwortet Fragen, indem es Texte analysiert und zusammenfasst. Ein AI Agent geht einige Schritte weiter: Er sucht nicht nur Texte, sondern ruft Schnittstellen (APIs) auf, nutzt bereitgestellte, strukturierte Daten, die maschinenlesbar sind (z.B. Knowledge Graphs). Er kann auf früher gemachten Erfahrungen zurückzugreifen, um schliesslich eigenständig Handlungen abzuleiten. Stark vereinfacht ist ein LLM eine Antwortmaschine, während ein AI Agent eine Handlungsmaschine ist. Doch was bedeutet das für die Praxis eines KMU? Und wie kann ein KMU nun in Suchanfragen von LLMs und AI Agents gefunden werden?
Praxisbeispiel: für LLMs und AI Agents sichtbar werden
Stellen wir uns ein KMU vor, dass ERP-Software anbietet. Ein Modul des Angebots ist die «Zeit- und Spesenerfassung». Mitarbeitende können dort Arbeitsstunden erfassen und Spesen wie Reisekosten, Hotel, Verpflegung usw. abrechnen. Die Spesenrapporte werden dabei automatisch erstellt, die Buchhaltung ist vollständig integriert, sodass Kontrolle und Auszahlung ebenso vollautomatisch erfolgen.
Wie wird das Angebot nun für Menschen, KI-Modelle und AI Agents sichtbar?
Der bisherige Weg über SEO dürfte Vielen bereits bekannt sein. Sucht aber ein Interessent über ein LLM wie ChatGPT eine ERP-Lösung samt Zeit- und Spesenerfassung, dürfte er zum Beispiel folgenden Satz eingeben: «Welches ERP-Lösung bietet Zeit- und Spesenerfassung für KMU in der Schweiz an?».
Das KI-Modell (z.B. ChatGPT) durchsucht nun Blogartikel, Webseiten, FAQ usw. von Webseiten mit passendem Angebot
Es prüft die APIs (Schnittstellen) der entsprechenden Anbieter
Ein File vom Datenformat «JSON-LD» (JavaScript Object Notation for Linked Data) wird gelesen, dieses enthält strukturierte Daten in maschinenlesbarer Form
Weiter werden «Knowledge Graphs» geprüft, also ein semantisches Netzwerk, welche Informationen in Form von Knoten (Entitäten) und Kanten (Beziehungen) speichert und vom Anbieter der Lösung zur Verfügung gestellt wird. Dieser Knowledge Graph ist eine Datenbank und zeigt, wie das Wissen miteinander verknüpft ist. Damit bildet es die Situation auf ähnliche Art und Weise ab, wie unser Gehirn Informationen verknüpft.
Nur wenn ein Unternehmen diese Information in strukturierter Form bereitstellt, können LLMs und KI-Agenten dies lesen und verarbeiten. Und nur dann taucht das Produkt oder die Dienstleistung in Suchen von Menschen und Maschinen auf.
Anleitung: Digitale Sichtbarkeit in LLMs und bei AI Agents fördern
Was kann ein KMU also tun, um künftig von Menschen gefunden zu werden, gleichzeitig auch in LLM-Antworten zu erscheinen und auch von AI Agents berücksichtigt zu werden?
Es muss Inhalte verfassen, die sowohl für Menschen relevant sind (klassische SEO), als auch für LLM und AI Agents lesbar sind (GEO/AEO/GAIO). Für unser Beispiel kann man folgenden Schritte aufführen:
-
Ziel
Deine Kunden sollen deine Inhalte über Google und KI-Modelle wie ChatGPT finden
Vorgehensweise
Erkläre auf deiner Webseite in einfachen Worten, was der Nutzen deines Produkts ist
Zeige den Mehrwert für deine potenziellen Kunden
Demonstriere, welche Pain Points damit gelöst werden
Liefere klare Antworten auf häufige Enduser-Fragen in den FAQ
Halte Inhalte stets aktuell, das wird von Menschen und KI geschätzt
Setze auf Qualität, umfassende Inhalte und übersichtliche Struktur wie kurze Absätze, Zwischentitel, Aufzählungen usw.
Verwende Schema.org-Markup (unsichtbarer Code auf deiner Seite), um Fragen und Antworten für maschinelle Anfragen bereitzustellen
Erstelle Blog-Beiträge mit typischen Use Cases
Nutze eindeutige Titel wie z.B. «IT-Dienstleister spart 30 % Verwaltungszeit durch digitale Spesenerfassung spart»
Verwende dabei möglichst echte Daten und Zahlen, zeige Screenshots aus realen Kundenbeispielen
Google und die LLMs erkennen dadurch den realen Praxisnutzen, den dein Angebot generiert
-
Ziel
LLMs und AI Agents verstehen dein Angebot, können es verarbeiten und empfehlen
Vorgehensweise
Bette ein JSON-LD auf deiner Website ein → es dient als standardisierter Steckbrief deines Angebots und ist für Maschinen lesbar
Stelle eine einfache, öffentliche, maschinelle Schnittstelle (API) mit klaren Produktinfos bereit (Features, Preis, Testversion usw.), damit Agents die Daten direkt abrufen und verarbeiten können
Baue einen Knowledge-Graph, um Zusammenhänge deines Angebots für AI Agents verständlich zu machen (z.B. Produkt, Funktionen, Vorteile, Zielgruppe usw.) und in ihren Antworten aufzutauchen
Liefere eine saubere, klare Dokumentation (GitHub oder Developer-Portal), damit Agenten und Entwickler deine Lösungen reibungslos einbinden können und Fragen zur API, Code usw. sofort klar werden
-
Ziel
Verbreite relevante Informationen in deinem Ökosystem, um sichtbar zu sein. Das schafft eine positive Wahrnehmung deiner Lösung.
Vorgehensweise
Eintrag in Branchenportalen, Wikidata, Crunchbase → AI Agents fragen dort oft Daten ab
Beiträge auf LinkedIn und Medium → LLMs durchsuchen soziale Plattformen und Blogs
Erwähnung durch Kunden und Partner, mit Backlinks auf dein Angebot → Vertrauenssignal
-
Mensch: sucht bei Google «bestes ERP mit Zeit- und Spesenerfassung für KMU» → er findet deine Landingpage mit klaren Erklärungen, eindeutigem Mehrwert, nachvollziehbaren Lösungen für seine Alltagsprobleme
LLM (z.B. ChatGPT): Eine Person fragt «Welche ERP-Tools bieten eine integrierte Spesenabrechnung?» → ChatGPT kennt dein Angebot dank JSON-LD-File. Es zitiert deinen Blog, der Themen rund um dein Produkt behandelt und Fragen zu deinem Service beantwortet. Deine FAQ liefern klare Antworten auf häufige Fragen. Die API liefert klare Infos zur Testversion und die GitHub-Doku zeigt genau, wie Installation und Setup funktionieren.
AI Agents (z.B. Microsoft Copilot): eine Managerin fragt: «Welches ERP-Modul unterstützt Spesen-Upload und Zeiterfassung für 50 Mitarbeitende?» → Copilot ruft deine API ab, erkennt aus dem Knowledge Graph, dass dein Tool passt und schlägt deine Lösung zum Kauf vor.
Der aktuelle Wandel im Suchverhalten ist sehr dynamisch und entwickelt sich – genau wie die KI-Modelle – rasant weiter. Dieser Artikel ist eine Momentaufnahme und soll einen Überblick verschaffen, wie Firmen mit der Situation umgehen können und welche Gedanken sie sich für die künftige Auffindbarkeit machen sollten.
Fazit
Eine zentrales Learning ist, dass hochwertiger Content und darauf abgestimmte SEO auch in Zukunft relevant bleiben, weil sich Menschen klare, verständliche Inhalte wünschen, die den Mehrwert von Produkten nachvollziehbar belegen. Um künftig auch von KI-Modellen und AI Agents gefunden zu werden kommen im neuen Wirkungsfeld von GEO/AEO/AIEO weitere Elemente hinzu, die Unternehmen nicht vernachlässige dürfen.
Entscheidend dabei ist die Retrievability und damit die Datenbasis, die einem Angebot zugrunde liegt. Informationen müssen für LLMs und AI Agents auffindbar, zugänglich, strukturiert und maschinenlesbar sein. LLMs und AI Agents benötigen klare, strukturierte Texte und sind auf maschinenlesbare Daten angewiesen, damit sie dein Produkt oder deine Dienstleistung verstehen, einordnen und als geeignete Lösung vorschlagen können.
Übrigens: Je austauschbarer ein Produkt ist, desto eher wird es im Prozess eines Agenten selbständig gekauft – aber nur, wenn es auch gefunden wird und der Agent entsprechend konzipiert wurde, den Kaufvorgang auszuführen. Für Unternehmen, die Substitutionsgüter anbieten ist es darum elementar wichtig, die entsprechenden Schnittstellen und Informationen dafür bereitzustellen.
„Möchtest du deine Inhalte für Menschen und KI sichtbar machen? Lass uns darüber sprechen.“
Weiterführende Literatur
Du möchtest ganz genau wissen, was AI Agents sind, welche Arten es gibt und welche Vorteile und Risiken dabei bestehen? Mehr dazu erfährst du im Beitrag von Anna Gutowska, AI Engineer bei IBM
Weiter Informationen zu JSON-LD findest du bei dieser spezialisierten SEO-Agentur. Möchtest du mehr zu Knowledge-Graphs erfahren, schau mal in den spannenden Wissensbereich von IBM
Dich interessiert Agentic AI ebenso sehr wie mich, dann empfehle ich dir dazu die Masterthesis von Giorgio Simone (HWZ), die sich in der Tiefe mit dem Thema befasst