GEO für KMU und Mittelstand: 21 Websites geprüft, 20 liefern der Maschine keinen Satz über das Unternehmen

1. Einführung: Warum GEO für KMU jetzt zählt

Ein Einkäufer benötigt einen Zulieferer für Präzisionsteile. Er öffnet nicht die Suchmaschine, sondern einen KI-Chat, tippt seine Anforderung ein und erhält drei Firmennamen. Genau solche Anfragen, im Fachjargon Prompts, entscheiden inzwischen mit darüber, wer überhaupt auf die Liste kommt. Steht Ihr Name nicht darauf, erfahren Sie davon nichts. Niemand ruft an. Es gibt keine Absage und keine Zeile im Bericht.

GEO für KMU und Mittelstand ist die Arbeit daran, dass KI-Systeme ein kleines oder mittleres Unternehmen in ihren Antworten nennen und als Quelle zitieren. Sie umfasst drei Bereiche: maschinenlesbare Grundangaben auf der eigenen Website, belegbare Fachinhalte und Erwähnungen in fremden, verlässlichen Quellen. Gemessen wird sie über feste Prompt-Listen, nicht über Rankings.

Was das für Sie heißt: Ihre Kunden fragen zunehmend ein KI-System, bevor sie einen Anbieter anrufen. Findet das System nichts Verlässliches über Ihr Haus, nennt sie jemand anderen. Sie verlieren dabei keinen Auftrag, den Sie kennen, sondern eine Anfrage, die nie bei Ihnen ankommt. Der erste Schritt kostet einen halben Tag: nachsehen, was die Systeme heute über Sie erzählen.

Die Größenordnung dahinter ist beachtlich. Rund 3,443 Millionen Unternehmen in Deutschland zählen zu den kleinen und mittleren Unternehmen. Das sind 99,2 Prozent des gesamten Bestands, so die Zahlen des Instituts für Mittelstandsforschung Bonn (Datenstand 2023). Im Produzierenden Gewerbe liegt der Wert bei 98,8 Prozent. Wer über die Sichtbarkeit deutscher Firmen in KI-Antworten spricht, spricht also über den Mittelstand, nicht über eine Randgruppe.

Angekommen sind die Systeme im Mittelstand ohnehin. Laut einer Sonderauswertung des KfW-Mittelstandspanels nutzen 20 Prozent der mittelständischen Unternehmen KI, nach vier Prozent einige Jahre zuvor. Bei international tätigen Firmen ist die Wahrscheinlichkeit knapp doppelt so hoch wie bei rein regional aufgestellten. Das sagt zunächst nur etwas über die Nutzung aus, nicht über die eigene Sichtbarkeit. Es sagt aber, mit welchem Werkzeug Ihre Ansprechpartner arbeiten.

Die Abgrenzung der Begriffe klären wir hier nur kurz, ausführlich steht sie in unserem Beitrag dazu, was GEO von SEO trennt. Eine Unterscheidung trägt die nächsten Absätze. Klassische Suchmaschinenoptimierung arbeitet auf eine Position in einer Trefferliste hin. GEO arbeitet auf die Nennung in einer fertigen Antwort hin.

Zwei Fragen stehen am Anfang: Was bringt GEO und warum gerade jetzt? Kurz gesagt verschiebt sich die Art, wie Menschen Informationen finden. Ein Teil der Suchanfragen endet heute in einer fertigen Auskunft, nicht in einer Linkliste. Digitale Sichtbarkeit heißt deshalb nicht mehr nur Platz eins. Sie heißt auch: als Quelle in KI-generierten Antworten vorkommen. Gerade für kleine und mittlere Unternehmen verschiebt das die Rangfolge der Maßnahmen.

2. Was sich gegenüber klassischem SEO ändert

GEO ersetzt SEO nicht, GEO ergänzt SEO. Ein KI-gestütztes Suchsystem beantwortet eine Anfrage nicht mit zehn Links, sondern mit einem Text. Darin kommen einige Quellen vor, die meisten nicht. Damit verschiebt sich die entscheidende Frage. Sie lautet nicht mehr, wie Sie möglichst weit oben auf Seite 1 stehen, sondern ob Sie überhaupt in der Antwort auftauchen. Die Gruppe hinter einem großen Audit formuliert den Unterschied klar.

„KI-Assistenten wie ChatGPT und Claude sind Empfehlungsmaschinen, keine Suchmaschinen: Sie beantworten kommerzielle Anfragen, indem sie Marken direkt benennen, statt eine Liste von Links zurückzugeben.“
(„AI assistants like ChatGPT and Claude are recommendation engines, not search engines: they answer commercial queries by directly nominating brands rather than returning a list of links.“)

Was gleich bleibt, ist das Handwerk darunter. Eine Seite, die kein Crawler abrufen kann, kommt auch in generierten Antworten nicht vor. Ein Crawler ist ein Programm, das Webseiten automatisch abholt. Die KI-Anbieter betreiben davon jeweils mehrere. Ein solides SEO-Fundament bleibt damit Voraussetzung, nicht Alternative. Welche Kriterien bei der Auswahl den Ausschlag geben, haben wir gesondert beschrieben: welche Seiten in Antworten landen.

Praktisch heißt das: Ein Satz muss ohne den Rest der Seite verständlich bleiben. Zitierfähige Aussagen sind kurze, belegte Feststellungen mit Zahl, Zeitraum und Quelle. KI-Systeme bevorzugen Inhalte, die die Frage eines Abschnitts sofort beantworten, statt sie einzuleiten. Ein für GEO optimierter Absatz beginnt deshalb mit der Antwort.

Von SEO zu GEO: Was gleich bleibt und was sich verschiebt

Bei klassischem SEO geht es um Positionen zu einzelnen Suchbegriffen. GEO funktioniert anders, weil Sprachmodelle eine Antwort formulieren und dabei nur wenige Quellen nennen. Wer die Frage „SEO vs. GEO“ als Entweder-oder führt, verkennt die Lage. SEO und GEO greifen ineinander, denn beide setzen voraus, dass KI-gestützte Suchsysteme Ihre Seiten überhaupt abrufen und einordnen können. SEO für KMU bleibt damit die Grundlage, auf der alles Weitere aufsetzt.

Die Parole „GEO statt SEO“ ist entsprechend irreführend. GEO und SEO teilen dasselbe Fundament, und die Optimierung von Inhalten zahlt auf beides ein. Gegenüber klassischer Suchmaschinenoptimierung kommt eine Aufgabe hinzu. Sie heißt: eindeutige Zuordnung Ihres Hauses als Entität (eine eigenständige Sache, die KI-Systeme von ähnlichen Namen trennen können). Erst diese Zuordnung macht ein Unternehmen in KI-Systemen ansprechbar. In Angeboten begegnet Ihnen dafür manchmal das Kürzel AEO, kurz für Answer Engine Optimization. Gemeint ist dasselbe Handwerk wie bei „Generative Engine Optimization“, nur mit anderem Schwerpunkt.

3. Die Ausgangslage: Warum kleine und mittlere Unternehmen im Nachteil starten

Fast alle Ratgeber erzählen dieselbe gute Nachricht. In der KI-Suche zähle Qualität statt Budget, deshalb hätten KMU endlich Chancengleichheit. Die Aussage ist sympathisch. Belegt ist sie nicht. Die Datenlage zeigt sogar das Gegenteil.

Eine Forschungsgruppe hat rund 37.000 Durchläufe ausgewertet. Grundlage waren vier Modellkonfigurationen und 215 kommerziell formulierte Anfragen aus 19 Branchen, geprüft gegen einen Katalog von 533 Marken. Sortiert wurden die Marken nach Bekanntheit, in fünf Stufen, von den Kategorieführern bis zu regionalen Anbietern.

Je Stufe fällt das Ergebnis sehr unterschiedlich aus. Kategorieführer erscheinen in fast jeder passenden Abfrage. Von den Plätzen, die sie erreichen, gewinnen sie aber nur 25 bis 41 Prozent. Am höchsten liegt die Trefferquote auf der zweiten Stufe, bei 37 bis 52 Prozent. Im Mittelfeld beginnt der Bruch: Die Abdeckung sinkt auf 88 Prozent, die Trefferquote auf 34 bis 40 Prozent. Weiter unten wird es hart.

„Spezialisten der Stufe L4 und regionale Anbieter der Stufe L5 stehen vor einer katastrophalen Unsichtbarkeit: 48 bis 52 Prozent tauchen in keinem der 37.000 Durchläufe überhaupt auf.“
(„L4 specialists and L5 regional players face catastrophic invisibility — 48-52% never surface in any of the 37,000 runs.“)

Nachzulesen ist das im Audit über 37.000 Durchläufe von Jack und Kollegen, eingereicht im Mai. Zwei Einschränkungen gehören dazu: Die Stufenleiter misst die Bekanntheit innerhalb einer Branche, nicht Umsatz oder Marktanteil. Und geprüft wurden kommerzielle Anfragen, keine Fachrecherchen.

Ein Schluss der Autoren widerspricht jedem Pauschalrezept. Er lautet: „Kein einheitliches Optimierungsrezept gewinnt; die richtige Marketing-Investition hängt davon ab, wo die Marke auf der Bekanntheitsleiter steht.“ Für einen Weltmarktführer mit 120 Beschäftigten heißt das etwas anderes als für eine bekannte Konsummarke.

Unsere Position: Der Vorsprung der Bekannten ist real, aber dünn

Ein zweites Experiment zeigt, wie dieser Vorsprung entsteht und wie schnell er kippt. Drei kommerzielle Modelle wurden mit Produkten konfrontiert, die sich in den Angaben nicht unterschieden. Das Ergebnis war eindeutig. Es hat aber eine Sollbruchstelle.

„Ein bedingtes Monopol, in dem bekannte Marken in 100 Prozent der Fälle empfohlen werden, wenn alle Produkte dieselben Spezifikationen haben; diese Vorherrschaft verschwindet jedoch bei einem Bewertungsvorteil von weniger als 0,1 Sternen für einen Wettbewerber.“
(„a Conditional Monopoly where well-known brands get recommended 100% of the time (IAI = 10.0) when all products have the same specifications, but this dominance disappears with less than a +0.1-star rating advantage for a competitor“)

Diese Untersuchung zum Marken-Bias von Chu und Hou, eingereicht im Juni, liefert damit die eigentliche Nachricht für den Mittelstand. Solange sich zwei Anbieter auf dem Papier gleichen, gewinnt der bekanntere. Sobald ein nachprüfbarer Unterschied dokumentiert ist, und der darf klein sein, verliert die Bekanntheit ihre Wirkung.

Das KI-System verhält sich hier wie ein Kollege, der aus dem Gedächtnis eine Empfehlung gibt. Er nennt, wen er kennt, solange ihm niemand einen konkreten Grund liefert, jemand anderen zu nennen.

Eine Warnung steckt in derselben Arbeit. Autoritär klingende Werbesprache, darunter auch erfundene Belege aus angeblichen Studien, brach das Monopol in den Tests ebenfalls. Wer diesen Weg geht, riskiert die eigene Glaubwürdigkeit. Und das nur, um kurzfristig ein KI-System zu überzeugen. Aus unserer Sicht ist das kein Handlungsvorschlag, sondern ein Grund für Sorgfalt bei Belegen.

Was die meisten Ratgeber übersehen: Die berühmte Steigerung ist an Bedingungen geknüpft

In fast jedem Beitrag zum Thema steht eine Zahl: GEO steigere die Sichtbarkeit um bis zu 40 Prozent. Die Zahl stammt aus der Arbeit, die den Begriff geprägt hat. Eine kritische Übersichtsarbeit über 45 Studien, eingereicht im Juli, ordnet sie neu ein.

„Die viel zitierten Zuwächse der grundlegenden Arbeit gelten innerhalb ihres Versuchsaufbaus, sind aber daran gebunden, dass eine Quelle in einem festen Kontext bereits vorhanden ist; sie belegen weder organische Auffindbarkeit noch dauerhafte Traffic-Effekte.“
(„The foundational paper’s widely cited gains are valid within its experimental setting but conditional on a source already being present in a fixed context; they establish neither organic discoverability nor durable traffic effects.“)

Damit steht die Zahl nicht falsch da. Sie steht nur an der falschen Stelle. Sie beschreibt, was passiert, nachdem ein Text es in den Arbeitsspeicher des KI-Systems geschafft hat. Ob er dort ankommt, beantwortet sie nicht. Genau das ist für ein mittelständisches Unternehmen die schwierigere Hälfte der Aufgabe.

Dieselbe Übersichtsarbeit nennt außerdem, was reproduzierbar wirkt: thematische Relevanz und die Position im Kontext. Allgemeine Kniffe übertragen sich schlecht, Wettbewerb schmälert individuelle Gewinne, und auf Zitierfähigkeit getrimmte Umschreibungen können das Auffinden sogar verschlechtern. Unsere Position lautet deshalb: Für KMU beginnt GEO nicht bei der Textkosmetik, sondern bei der Auffindbarkeit und der Einordbarkeit des Unternehmens.

4. Voraussetzungen: Was vor dem ersten GEO-Schritt stehen sollte

Vor jeder Maßnahme steht eine unbequeme Prüfung: Liefert Ihre Website überhaupt etwas, das ein KI-System über Ihr Unternehmen auslesen kann? In unseren Tests ist das die häufigste Lücke, und sie ist selten eine Frage des Budgets.

Wir haben im August 24 Websites deutscher Unternehmen mit 10 bis 249 Beschäftigten geprüft. Ausgewählt wurden sie über eine Datenbankabfrage auf Wikidata, nach Beschäftigtenzahl und eigener Domain. 21 Startseiten waren abrufbar. Ausgewertet wurde nur das ausgelieferte Roh-HTML, ohne Ausführung von JavaScript. So arbeiten auch die Abrufprogramme der KI-Anbieter. Geprüft wurde vier Mal: strukturierte Daten vorhanden, ein Unternehmens-Knoten darin, eine Beschreibung in diesem Knoten, eine englische Sprachfassung auffindbar.

Das Ergebnis: 9 von 21 Startseiten liefern überhaupt strukturierte Daten, 6 davon enthalten einen Knoten für das Unternehmen. Eine Beschreibung des eigenen Hauses steht in genau einem Fall. Eine englische Fassung ist bei 10 von 21 auffindbar, und das bei einer Gruppe, in der Exportstärke die Regel ist.

Das Feld für eine solche Beschreibung ist kein Sonderweg. Die Eigenschaft description ist laut schema.org auf mehr als zehn Millionen Domains im Einsatz. Definiert ist sie dort schlicht als „eine Beschreibung des Objekts“ („A description of the item.“). Das ist ein Satz in einer Datei. Kein Projekt.

Ein Firmenschild an der Werkshalle nützt wenig, wenn es von der Straße aus niemand lesen kann. Genau in dieser Lage sind viele Websites: Alles steht da, nur nicht in einer Form, die ein KI-System ohne Deutungsarbeit übernimmt.

Das ist keine repräsentative Studie, sondern eine Stichprobe von 21 auswertbaren Seiten. Für eine Schlussfolgerung genügt sie: Der erste Schritt liegt nicht im Content, sondern in den Grundangaben. Wie diese Angaben zusammenwachsen, zeigt die Knowledge-Graph-Optimierung. Gemeint ist die Arbeit an einem Wissensnetz aus Dingen und ihren Beziehungen.

Zwei weitere Voraussetzungen gehören dazu. Erstens Zeit. Rechnen Sie mit einem halben Tag für die Bestandsaufnahme, und mit mehreren Wochen, bis Änderungen in den Systemen ankommen. Zweitens Zuständigkeit. Eine Person im Haus sollte die Prompt-Liste pflegen und die Ergebnisse festhalten. Sonst versandet die Messung nach dem zweiten Monat.

5. Schritt für Schritt: GEO im Mittelstand umsetzen

Die folgenden fünf Schritte sind nach Wirkung sortiert, nicht nach Aufwand. Anfangen können Sie mit eigenen Leuten. Ab Schritt vier wird externe Unterstützung meist sinnvoll.

Schritt 1: Den Ausgangswert mit festen Prompts erheben

Formulieren Sie 10 bis 15 Anfragen, die ein Kunde tatsächlich stellen würde. Gestellt werden sie dann in ChatGPT, Claude, Microsoft Copilot, Google Gemini, Perplexity und Grok. Halten Sie je Durchlauf fest: Wird Ihr Unternehmen genannt, wird Ihre Domain zitiert, ist die Angabe korrekt? Die Liste bleibt danach unverändert. Sonst vergleichen Sie später Äpfel mit Birnen. Und weil die Systeme nicht deterministisch antworten, gehört jede Anfrage mehrfach abgefragt.

Kostenfreie Unterstützung gibt es auch außerhalb des Beratermarkts. Ein Mittelstand-Digital Zentrum des Bundesministeriums für Wirtschaft und Energie stellt Leitfäden für diesen Test bereit. Dazu gehört eine Vorlage für die Dokumentation der Treffer in KI-Suchsystemen.

Schritt 2: Grundangaben maschinenlesbar hinterlegen

Firmenname, Rechtsform, Standort, Leistungen und ein Beschreibungssatz gehören in strukturierte Daten, also in maschinenlesbaren Zusatzcode im Seitenquelltext. Dazu kommen Verweise auf die eigenen Profile in fremden Verzeichnissen, im Fachjargon sameAs. Prüfen Sie außerdem die robots.txt, die Steuerdatei für Abrufprogramme. Wer dort pauschal alles aussperrt, verliert auch die Zitation. Die Details stehen in unserem Beitrag zu Schema Markup für die KI Suche.

Ein Hinweis zur Erwartung: Strukturierte Daten sind kein Schalter für Sichtbarkeit. Sie machen Angaben eindeutig, und Eindeutigkeit ist die Voraussetzung dafür, überhaupt zugeordnet zu werden.

Schritt 3: Den nachprüfbaren Unterschied dokumentieren

Hier liegt für mittelständische Unternehmen die größte Stellschraube. Sie folgt direkt aus dem bedingten Monopol: Solange die Angaben gleich aussehen, gewinnt der Bekanntere. Also machen Sie den Unterschied sichtbar, mit Toleranzen, Normen, Prüfberichten, Lieferzeiten, Zertifikaten, Einsatzgrenzen. Eine Zahl mit Messbedingung schlägt jedes Adjektiv. Genau das verlangt auch das Qualitätsraster E-E-A-T von Google. Das Kürzel steht für Experience, Expertise, Authoritativeness und Trustworthiness, also für Erfahrung, Fachkunde, Autorität und Vertrauenswürdigkeit.

Ein Zeugnis, das nur der Bewerber selbst schreibt, überzeugt niemanden. Deshalb folgt der nächste Schritt.

Schritt 4: Erwähnungen außerhalb der eigenen Website aufbauen

Eine Antwort entsteht aus mehreren Quellen, und die eigene Website ist nur eine davon. Fachmedien, Verbände, Branchenverzeichnisse und Fachdatenbanken tragen dazu bei, wie eindeutig ein Unternehmen einzuordnen ist. Erwähnungen in verlässlichen Medien wirken hier anders als Werbeplätze: Sie stammen nicht von Ihnen, und genau das ist ihr Wert. Für exportstarke Häuser gehört die englische Fassung dazu, sonst existieren Sie in englischsprachigen Anfragen kaum.

Schritt 5: Wirkung messen statt behaupten

Zwei Kennzahlen genügen für den Anfang. Die Zitationsrate ist der Anteil der geprüften Anfragen, bei denen Ihre Domain als Quelle erscheint. Die Rate der Marken-Nennungen zählt, wie oft Ihr Name fällt, auch ohne Link. Erhoben werden beide gegen dieselbe Prompt-Liste, monatlich wiederholt. Ein GEO-Audit liefert den Startwert. Wie sich der Weg dorthin anfühlt, beschreibt unser Beitrag dazu, in ChatGPT gefunden werden.

Erste messbare Bewegung sollten Sie nicht nach Tagen erwarten, sondern nach Wochen. Und rechnen Sie mit Schwankungen: Dieselbe Anfrage kann zweimal hintereinander verschiedene Quellen nennen.

6. Häufige Fehler und wie Sie sie vermeiden

Wie stark GEO relevant ist, hängt von Branche und Vertriebsweg ab. Wie der Start schiefgeht, ist dagegen erstaunlich gleichförmig. Fünf Muster sehen wir besonders oft, wenn ein Haus mit KI-gestützten Antworten anfängt.

• Alles aussperren. Ein pauschaler Eintrag in der robots.txt trifft nicht nur das Sammeln von Trainingsdaten, sondern häufig auch den Abruf für die Antwort. Beide Zugriffsarten gehören getrennt entschieden.
• Auf ein einzelnes System optimieren. Wer nur an ChatGPT denkt, übersieht Google AI Overviews, Gemini, Copilot und Perplexity. Die Auswahllogik unterscheidet sich, die Grundlagen bleiben dieselben.
• Werbetexte statt Fakten. Generisch formulierte Selbstlob-Seiten liefern nichts, was zitierfähig wäre. Ein KI-System übernimmt Zahlen, keine Superlative.
• Ohne Ausgangswert starten. Ohne Messung vorher bleibt jede Wirkung Behauptung. Das gilt für eigene Arbeit genauso wie für die einer GEO-Agentur.
• Auf Vollständigkeit warten. Der Beschreibungssatz und ein sauberer Unternehmens-Knoten sind an einem Vormittag erledigt. Auf das große Website-Projekt zu warten kostet ein halbes Jahr.

Ein sechster Fehler ist teurer als alle anderen. Er besteht darin, Wirkungsversprechen zu glauben, die niemand belegen kann.

7. Fazit

Drei Punkte bleiben hängen. Erstens: Die Ausgangslage in der KI-Suche ist für kleine und mittlere Unternehmen nicht gleich, sondern schlechter. Das Audit über 37.000 Durchläufe zeigt, wie deutlich der Abstand nach unten hin wird. Zweitens: Der Vorsprung der bekannten Marke hält nur, solange sich die Angaben gleichen. Drittens: Die vielzitierte Steigerung setzt voraus, dass eine Quelle bereits vorliegt. Wie sie dorthin kommt, beantwortet sie nicht.

Für den Mittelstand folgt daraus eine unspektakuläre Reihenfolge. Erst auffindbar und eindeutig zuordenbar werden. Dann den belegbaren Unterschied dokumentieren, dann Erwähnungen von außen aufbauen. Und die Wirkung durchgehend messen. Das Ziel ist ein Ausgangswert, gegen den in drei Monaten gemessen werden kann.

8. Anhang: Checkliste für die ersten 30 Tage

• Prompt-Liste mit 10 bis 15 echten Kundenfragen anlegen, je Anfrage drei Durchläufe je System.
• Ergebnisse in einer Tabelle festhalten: System, Anfrage, Nennung, Domain zitiert, Angabe korrekt.
• robots.txt prüfen und je Abrufprogramm bewusst entscheiden, statt eine Zeile aus einem Forenbeitrag zu übernehmen.
• Strukturierte Daten für das Unternehmen ergänzen, inklusive Beschreibungssatz und Verweisen auf die eigenen Profile.
• Angaben zu Firmenname, Standort und Leistungen über Website, Verzeichnisse und Profile hinweg konsistent halten.
• Drei belegbare Unterschiede zum Wettbewerb aufschreiben, jeweils mit Zahl, Messbedingung und Datum.
• Englische Fassung der zentralen Seiten prüfen, falls Sie außerhalb des deutschsprachigen Raums verkaufen.
• Termin für die Wiederholung der Messung in den Kalender setzen, gleicher Tag im Folgemonat.

9. Häufige Fragen zu GEO für KMU und Mittelstand

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. Die genannten Zahlen stammen aus den verlinkten Quellen und aus einer eigenen, nicht repräsentativen Stichprobe. Geprüft wurden 24 angefragte Websites deutscher Unternehmen mit 10 bis 249 Beschäftigten, Auswahl über eine Wikidata-Abfrage, 21 davon auswertbar, Roh-HTML ohne Ausführung von JavaScript, August. KI-Systeme antworten nicht deterministisch; Ergebnisse einzelner Abfragen können abweichen.