SEO, GAIO, LLMO – OJE?

Ansätze wie LLMO oder GEO beziehen ein, wie KI-Systeme Inhalte interpretieren, bewerten und schliesslich zitieren.

Optimieren gilt als mikro- und makroökonomisches Grundprinzip. Für manche als (Über-)Lebensphilosophie. In der Wirtschaftswelt wird derzeit alles optimiert: Prozesse, Effizienz, Kosten, Mitarbeiterleistungen, Erfolge. Auch wir Textenden werden dazu angehalten, unsere Texte zu optimieren. Search Engine Optimization, kurz SEO, lautet seit Jahren der Standardzusatz in jedem Briefing für einen Unternehmenstext. Seit neustem heisst er LLMO, GEO, GAIO, AIO, AEO oder AI SEO. Aber alles der Reihe nach.

Kontext vor Schlüsselbegriffen

Large Language Model Optimization (LLMO) bezeichnet die Anpassung und Optimierung von Inhalten für KI-basierte Suchmaschinen und generative Sprachmodelle wie ChatGPT, Google AI Overviews und Perplexity. Diese neue Disziplin beim Erstellen von webpublizierten Texten hilft Marken, in KI-generierten Antworten präsent zu sein, ähnlich wie SEO für traditionelle Suchmaschinen. Die herkömmliche SEO setzt auf Keywords und Backlinks. LLMO konzentriert sich im Gegenzug darauf, Informationen so aufzubereiten, dass sie für KI-Systeme leicht interpretierbar, kontextuell sinnvoll und inhaltlich relevant sind.

Viele Akronyme, ähnliche Ziele

In der Debatte über die Optimierung von Inhalten für generative KI-Anwendungen haben sich neben den Begriffen LLMO weitere Bezeichnungen und Konzepte herausgebildet: Generative Engine Optimization (GEO) lässt sich als Synonym für LLMO verwenden. Generative AI Optimization (GAIO) umfasst nicht nur reine Sprachmodelle, sondern schliesst auch andere generative KI-Anwendungen mit ein. AI Optimization (AIO) bezeichnet die Optimierung für KI-Systeme im Allgemeinen, unabhängig davon, ob es sich um Sprachmodelle oder andere KI-Technologien handelt. Answer Engine Optimization (AEO) konzentriert sich auf das Ziel, in KI-generierten Antworten auf Nutzeranfragen prominent vertreten zu sein. AI SEO (oder KI SEO) bildet eine direkte Analogie zur traditionellen SEO und legt den Fokus auf die Besonderheiten der KI-gestützten Suchergebnisse.

Tschüss Suchmaschinen, hello Bots

LLMO, GEO und Co. werden für Unternehmenstexte aus mehreren Gründen immer wichtiger:

• Immer mehr Nutzer greifen auf KI-basierte Lösungen wie ChatGPT oder Google Gemini zurück, anstatt klassische Suchmaschinen zu verwenden. Laut «Predicts 2024: How GenAI Will Reshape Tech Marketing» des Marktforschungsunternehmens Gartner soll der Einsatz der Suchmaschinen bis 2026 um 25% zugunsten von KI-Bots zurückgehen.

• Unternehmen, die ihre Inhalte frühzeitig für LLMs optimieren, sichern sich einen klaren Vorsprung in einer zunehmend KI-geprägten digitalen Welt.

• Ähnlich wie bei den Featured Snippets von Google liefern KI-generierte Antworten direkte Informationen, ohne dass Nutzer eine Website aufrufen müssen. Für derartige Null-Klick-Suchen wird die Nennung und Platzierung der eigenen Marke absolut entscheidend.

• Die Art und Weise sowie die Wege, über die Menschen auf Webseiten gelangen, wandeln sich grundlegend. Um weiterhin sichtbar zu bleiben, müssen Unternehmen ihre Präsenz in KI-generierten Antworten gezielt stärken.

Natürlich und vertrauenswürdig

LLMO-geprägte Texte zeichnen sich durch die folgenden Merkmale aus:

• Sie transportieren natürliche, strukturierte statt Keyword-optimierte Inhalte

• Sie sind für die maschinelle Verarbeitung gut verständlich

• Sie enthalten mehr kontextbasierte Informationen als isolierte Daten

• Sie senden Autoritäts- und Vertrauenssignale aus

Wie meinen, wie machen?

Fragen Sie ChatGPT nach wirksamen LLMO-Strategien. Sie werden eine lange Liste von mehr oder weniger brauchbaren Tipps erhalten. Hier die wichtigsten und aus Sicht einer Humantexterin tatsächlich umsetzbaren im Überblick:

Klare, gut strukturierte Inhalte

Wie in jeder guten Medienmitteilung kommt das Wichtigste an den Anfang jedes Abschnitts. Nimmt man die Frage eines Nutzers in die zweitwichtigste Überschrift (h2), kann man diese in der Copy direkt beantworten. Nachteil: Die h2 geht für eine gelungene Überschrift verloren. Tabellen und Listen werden von der KI gerne durchsucht. Allerdings sind sie für die Leserschaft nicht sonderlich attraktiv und werden gerne übersprungen. Schliesslich sollten Absätze nicht mehr als 80 Wörter umfassen, hier ist weniger mehr.

Relevanz und Kontext

Mit thematischen Clustern lassen sich zusammenhängende Inhalte erstellen, die ein Thema umfassend behandeln. Diese erkennt die KI als relevant. Zudem sollten die Unternehmen klare Beziehungen zwischen ihren Produkten oder Modellen und entsprechenden Attributen herstellen. Wenn sie relevante Begriffe in Co-Nennungen semantisch sinnvoll verknüpfen, kann das schliesslich auch die KI. Einziger Nachteil: Der Text kann unschöne Wortwiederholungen enthalten.

Vertrauenswürdigkeit

LLMO-orientierte Texte zeigen Expertise. Diese entsteht zum Beispiel, indem Informationen sowie Qualifikationen zur schreibenden Person mitgeliefert werden. Online-Unternehmenstexte wie Blogbeiträge oder Webinhalte sollten auf wissenschaftliche Studien, offizielle Daten oder anerkannte Expert:innen verweisen. Und: Unternehmen müssen ihre Online-Inhalte regelmässig updaten, besonders bei Aktualitätsthemen.

Strukturierte Daten für maschinelles Lernen

KI-Systeme können Kontext bekanntlich nicht oder nur bedingt verstehen. Mit standardisierten Auszeichnungssystemen können Websitebetreiber Suchmaschinen und KI-Anwendungen dabei helfen, den Inhalt ihrer Seiten besser zu verstehen. Nachteil: Die Freiheit im Layout wird leicht eingeschränkt. Wer zudem semantische Tags wie <article>, <section>, <header> anstelle generischer <div>-Tags nutzt, unterstützt den maschinellen Lernprozess zusätzlich.

Monitoring

Unternehmen, die auf LLMO setzen, sollten wiederholt analysieren, ob und wie dominant ihre Marke in KI-generierten Antworten erscheint. Mit einem konsequenten Monitoring gilt es zu verstehen, welche Inhalte und Quellen KI-Systeme zitieren, wenn sie auf Nutzeranfragen antworten. Ausserdem hilft es einem Unternehmen zu erkennen, wenn Inhalte fehlen, die die gängigen KI-Systeme nachfragen. Nachteil: Ein konsequentes Monitoring ist aufwendig und erfordert Fachkenntnisse.

Also

LLMO oder GEO beziehen ein, wie KI-Systeme Inhalte interpretieren, bewerten und in einen übergeordneten Kontext einordnen. Im Gegensatz zur klassischen SEO, die primär auf Keywords und Ranking-Faktoren setzt, legt LLMO den Schwerpunkt auf semantische Tiefe, thematische Relevanz und Vertrauenswürdigkeit der Inhalte. Tiefe, Relevanz, Vertrauenswürdigkeit – das klingt doch gar nicht so schlecht im Zusammenhang mit einem Text. Ist es auch nicht. Die Krux liegt wie immer in der Umsetzung. Im Zeitalter der Bot-Intelligenz sind die Unternehmen gefordert, relevante und vertrauenswürdige Texte zu generieren. Da sind dann plötzlich ganz viel HUMINT und fähige Texter:innen gefragt.