LLMO Large Language Model Optimization: 36 von 346 Websites setzen ein Signal, das kein Standard ist

1. Einführung: Ein Kürzel, drei Bedeutungen

Der Begriff kursiert seit zwei Jahren, und fast jeder meint etwas anderes damit. In der Informatik heißt LLM-Optimierung: ein Modell schneller oder sparsamer machen. Im Marketing heißt sie: dafür sorgen, dass ein Modell die eigene Seite nennt. Dieser Beitrag behandelt die zweite Bedeutung, und er behandelt sie technisch.

LLMO, ausgeschrieben Large Language Model Optimization, ist die Arbeit daran, dass ein Sprachmodell die eigenen Inhalte als Beleg heranzieht und die eigene Marke in seiner Antwort nennt. Large Language Models sind Programme, die aus sehr großen Textmengen Antworten formulieren. Das Verfahren setzt nicht am Ranking einer Trefferliste an, sondern an zwei Stufen davor: am Abruf der Quellen und an ihrer Auswahl.

Was das für Sie heißt: Sie können nicht steuern, was ein Chatprogramm antwortet. Steuern können Sie, ob Ihre Seite überhaupt in dem Stapel liegt, aus dem die Antwort gebaut wird. Das ist eine andere Aufgabe als die bisherige, und sie braucht andere Nachweise. Wer das verwechselt, kauft Maßnahmen ohne belegbare Wirkung.

Ein Bewerbungsgespräch hat zwei Hürden. Erst muss die Mappe auf den Stapel kommen, dann muss sie die beste sein. Wer nur an der Schriftart arbeitet, hat die erste Hürde nicht verstanden. Genau dieser Fehler steckt in vielen Ratgebern. Zur Abgrenzung der Kürzel: die drei Kürzel im Vergleich. Wo Ihre Marke heute steht, zeigt ein GEO-Audit (eine Bestandsaufnahme der Sichtbarkeit in KI-Antworten).

2. LLMO, GEO und klassisches SEO: Was sich unterscheidet

GEO (kurz für Generative Engine Optimization, die Optimierung auf Sichtbarkeit in KI-Antworten) und LLMO bezeichnen in der Praxis dasselbe Vorhaben. Daneben kursieren GAIO für Generative AI Optimization, AEO für Answer Engine Optimization, Content Optimization und schlicht ChatGPT SEO. Der Unterschied ist historisch, nicht sachlich: Der erste Begriff kommt aus der Forschung, der zweite aus der Agenturwelt. Wer beide hört, hört meistens dasselbe Angebot. Klassisches SEO dagegen bleibt eine eigene Disziplin, und es bleibt die Grundlage.

Der Unterschied liegt in der Zielgröße. Traditional Search Engine Optimization optimiert auf eine Position in einer Liste, die der Nutzer in der Google Search sieht. Die Optimierung auf KI-Antworten zielt darauf, in einer Antwort vorzukommen, deren Zusammensetzung verborgen bleibt. Daraus folgt fast alles andere: andere Kennzahlen, andere Schwankungsbreiten, andere Nachweispflichten. Auch der Traffic wird anders verteilt, weil Google AI Overviews und der AI Mode die Antwort oberhalb der Treffer zeigen.

Wer international recherchiert, trifft dieselben Fragen in englischer Form, und eine davon führt in die Irre. „What is LLMO“ und „what is large language model optimization“ meinen die Definition oben. „How to rank your website on ChatGPT“ meint nicht das Ranking, sondern den Abruf. Und „llms are trained on“ ist der häufigste Denkfehler: Die Antwort stammt in aller Regel nicht aus dem Training, sondern aus einem Abruf während der Anfrage.

Ein Punkt wird dabei oft übersehen. Das Verfahren steht nicht anstelle von SEO, sondern neben SEO. Klassisches SEO bleibt die Eintrittskarte, weil die meisten generativen Systeme ihre Quellen über einen Suchindex abrufen. Wer dort nicht auftaucht, taucht auch im Abrufkorb nicht auf. Auch Backlinks behalten damit ihren Wert, nur nicht mehr als Selbstzweck.

3. Wie ein Sprachmodell zu seinen Quellen kommt

Die meisten Antwortsysteme arbeiten nach dem Prinzip Retrieval Augmented Generation, kurz RAG, und meinen damit Large Language Models, die vor jeder Antwort passende Texte nachschlagen. Der Ablauf zerfällt in zwei getrennte Stufen. Genau diese Trennung fehlt in fast jedem Ratgeber.

• Stufe 1, der Abruf: Aus der Eingabe des Nutzers werden Suchanfragen geformt, an einen Index geschickt und eine Handvoll Dokumente geholt. Wer hier fehlt, ist für die Antwort nicht existent.
• Stufe 2, die Auswahl: Aus den abgerufenen Dokumenten bauen Large Language Models die Antwort und setzen Belege. Nur ein Teil der abgerufenen Quellen wird tatsächlich zitiert.
• Dazwischen liegt der Kontext: Reihenfolge und Menge der übergebenen Texte beeinflussen das Ergebnis.

Die Zweiteilung ist keine Theorie, sondern der Kern einer Messarbeit vom September. Benjamin Tannenbaum beschreibt das so: „Wir trennen zwei Stufen, die solche Bewertungen vermischen können: die Ausspielung durch ein laufendes System und die Zitat-Auswahl unter der Bedingung, dass die Ausspielung stattgefunden hat.“ Werden beide Stufen in eine einzige Punktzahl gepresst, wird ein Gemisch gemessen.

Wie Large Language Models dabei Sprache zerlegen, gehört ins Feld Natural Language Processing (die maschinelle Verarbeitung natürlicher Sprache). Zur zweiten Stufe gibt es einen eigenen Beitrag zu Abruf vor der Antwort. Festzuhalten bleibt: Ihre Arbeit hat zwei Adressaten, den Index und das Modell. Beide reagieren auf verschiedene Dinge.

4. Unsere Position: Die Textoberfläche ist die schwächste Stellschraube

Als Best Practices für LLMO werden meist dieselben Punkte genannt: sauber gliedern, Zwischenüberschriften setzen, eine FAQ anlegen, Tabellen und Listen einbauen. Das ist nicht falsch. Es ist nur die kleinste der drei Stellschrauben, und es wird verkauft, als wäre es die größte.

Zwei kontrollierte Arbeiten sprechen dagegen. In der ersten werden Webseiten nicht Wort für Wort optimiert, sondern über Eigenschaften des ganzen Dokuments. Gemessen wurde über drei Systeme der Generative AI. Der Befund:

„Das Zitierverhalten wird stärker von inhaltlichen Eigenschaften auf Dokumentebene beeinflusst als von einzelnen sprachlichen Änderungen.“
Liu und Xu, arXiv)

Die zweite Arbeit misst, wie stabil Sichtbarkeit ist. Über 15 festgelegte Anfragen, vier Systeme und 589 beobachtete Zitationen lag die mittlere Überschneidung bei 0,0079. Im Klartext: 84,9 Prozent aller Systempaare teilten keine einzige zitierte Adresse. Innerhalb desselben Systems wechselten von einem Tag auf den nächsten im Mittel 67,0 Prozent der Adressen.

Daraus folgt eine unbequeme Konsequenz. Eine einzelne, systemunabhängige Punktzahl kann es unter diesen Bedingungen kaum geben. Wer sie verkauft, verkauft eine Zahl, die morgen anders aussieht. Sinnvoll bleibt die Arbeit an dem, was über alle Systeme hinweg wirkt: inhaltliche Passung zur Frage, belegte Angaben, ein aktuelles Datum und Präsenz in den abgerufenen Quellen. Diese vier Punkte sollten zuerst angegangen werden.

5. Die technische Seite: Signale, die Sie tatsächlich setzen können

Bleibt die Frage, was ein IT-Bereich konkret in die Auslieferung schreiben kann. Derzeit konkurrieren drei Mechanismen, und sie stehen auf sehr verschiedenen Stufen der Reife.

• llms.txt: eine Markdown-Datei im Wurzelverzeichnis, die den Inhalt einer Website verdichtet. Der Vorschlag nennt sich selbst so: „Wir schlagen vor, Websites eine Markdown-Datei /llms.txt hinzuzufügen“ (Original: „We propose adding a /llms.txt markdown file to websites“). Kein Standard, kein Gremium, keine belegte Wirkung auf die Zitierhäufigkeit.
• RSL, Really Simple Licensing: eine offene Spezifikation für maschinenlesbare Lizenzbedingungen, hinterlegbar in der robots.txt, in Webseiten und in Feeds. Getragen wird sie von Infrastruktur- und Medienhäusern, nicht von einem Normungsgremium.
• Der IETF-Entwurf: die Arbeitsgruppe aipref schreibt an einem Vokabular für KI-Nutzungspräferenzen, Fassung 08 vom 14. September, angestrebter Status Proposed Standard. Unterschieden wird dort zwischen dem Training eines Modells und der Nutzung in einer Antwort.

Der Unterschied ist erheblich. Nur der IETF-Entwurf trennt zwischen „mein Text darf zum Training dienen“ und „mein Text darf in einer Antwort erscheinen, aber nur mit Quellenangabe“. Diese Unterscheidung benötigen Sie, wenn Sie sichtbar sein, aber nicht als Trainingsmaterial verschwinden wollen.

Wie weit das im deutschen Web angekommen ist, haben wir im September nachgemessen: 384 deutsche Adressen aus der HSTS-Preload-Liste der Browserhersteller, also aus einer Gruppe, die ihre Auslieferung schon einmal bewusst konfiguriert hat. Von 346 auswertbaren Startseiten führen 36 eine llms.txt. Eine Angabe nach RSL, einen Content-Signals-Block oder einen Content-Usage-Ausdruck führt keine einzige. 14 der 36 llms.txt tragen die Signatur eines SEO-Plugins.

Das Muster ist bemerkenswert. Verbreitet hat sich der Mechanismus ohne Gremium und ohne belegte Wirkung, und zwar dort, wo ein Plugin ihn automatisch erzeugt. Die beiden Mechanismen, die Rechte und Bedingungen ausdrücken könnten, kommen in der Stichprobe nicht vor.

6. LLMO messen: Welche Kennzahlen tragen

Ohne Messung ist LLMO Meinung. Mit der falschen Messung ist es teure Meinung. Tools gibt es reichlich, belastbare Erhebungen seltener. Aus der Schwankungsbreite folgt, wie eine Erhebung aussehen muss: fester Fragenkatalog, mehrere Durchläufe je Frage, mehrere Systeme, ein Zeitraum statt eines Stichtags. Eine Einzelmessung sagt kaum etwas.

• Nennungsquote: In wie vielen Antworten auf den Fragenkatalog kommt Ihre Marke vor?
• Anteil an der Antwort: Wie groß ist Ihr Anteil an allen genannten Anbietern?
• Zitierte Quellen: Welche Adressen zieht das System heran, und wem gehören sie?
• Abdeckung über Systeme: ChatGPT, Claude, Copilot, Gemini, Perplexity, Grok und die AI Overviews getrennt erheben, weil sich die Ergebnisse dieser Large Language Models kaum überschneiden.

Welche Schwellen sinnvoll sind, steht in der Aufstellung der fünf Kennzahlen für die Messung. Daneben lohnt ein Blick darauf, was den Ausschlag gibt.

7. Grenzen, Risiken und der ehrliche Teil

Die Disziplin hat eine Schattenseite, und sie wird in Agenturbroschüren selten erwähnt. Eine Positionsarbeit aus dem Mai benennt drei Risiken. Erstens konzentrierten Einfluss: Die Systeme lassen sich von wenigen Quellen stark bewegen. Zweitens unausgewiesenen kommerziellen Einfluss, denn in der Antwort steht nicht, wer für die zugrunde liegende Quelle bezahlt hat. Drittens eine Lücke zwischen Forschung und Praxis, weil im Labor andere Bedingungen herrschen als im laufenden Betrieb. Die Autoren fordern deshalb Governance und Messung auf Antwortebene, nicht auf Seitenebene.

Für Ihr Unternehmen heißt das zweierlei. Zurückhaltung ist angebracht, wenn jemand garantierte Nennungen verspricht. Und der Schwerpunkt verschiebt sich vom eigenen Text zu dem, was außerhalb über Sie steht. Erwähnungen in verlässlichen Medien wirken auf beide Stufen zugleich; welchen Unterschied eine bloße Nennung macht, steht bei den Nennungen ohne Link beschrieben. Genau dort setzen internationale Pressemitteilungen an.

Die Grundlagenarbeit bleibt. Ein Unternehmen, das im Netz sauber beschrieben ist, wird von jedem System leichter korrekt genannt. Die Knowledge-Graph-Optimierung zahlt deshalb direkt darauf ein, auch wenn sie älter ist als das Kürzel.

8. Fazit

LLMO ist kein neues Handwerk, sondern eine Verschiebung des Ziels. Optimiert wird nicht mehr auf einen Platz in einer Liste, sondern auf zwei Stufen davor: in den Abrufkorb zu kommen und dort inhaltlich am nächsten an der Frage zu liegen. Die Textoberfläche gehört ordentlich gemacht, trägt aber am wenigsten zum Ergebnis bei.

Wer heute anfangen will, ordnet die Arbeit nach dieser Reihenfolge. Erst die Auffindbarkeit im Index, dann die inhaltliche Passung und Belegdichte auf Dokumentebene. Danach die Präsenz in fremden Quellen, und erst zum Schluss die technischen Signale. Das Ziel ist keine hohe Punktzahl in einem Werkzeug. Das Ziel ist, in der Antwort vorzukommen, wenn ein Kunde fragt.

9. Anhang: Checkliste für den Einstieg

1. Fragenkatalog anlegen: 20 bis 40 Fragen, die Kunden wirklich stellen.
2. Grundmessung über mindestens vier Large Language Models, je Frage mehrere Durchläufe, Datum festhalten.
3. Auffindbarkeit prüfen: Sind die tragenden Seiten laut Search Console indexiert und ohne Skripte abrufbar?
4. Dokumentebene schärfen: klare Antwort weit oben, belegte Zahlen, sichtbares Datum, eindeutige Begriffe.
5. Fremde Quellen prüfen: Wo steht etwas über Sie, und stimmt es noch?
6. Technische Signale: llms.txt optional, den IETF-Entwurf beobachten und vorbereiten.
7. Nach drei Monaten erneut messen, nur die Veränderung bewerten.

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. KI-Systeme, ihre Abrufwege und die genannten Spezifikationen ändern sich laufend; alle Zahlen stammen aus den verlinkten Quellen und aus einer eigenen Stichprobe, die keine repräsentative Erhebung ist.