GEO statt SEO? Wie AI-Systeme lernen, Unternehmen zu "verstehen"

In den letzten Tagen bin ich über ein spannendes Paper gestolpert:

„The Impact of JSON-LD Metadata on ChatGPT Visibility“

Und ehrlich gesagt hat es eine Frage beantwortet, die ich mir zuletzt immer häufiger gestellt habe:

Wie kommt eine Firma eigentlich in externe AI-/RAG-Systeme oder ChatGPT hinein?

Denn anders als bei klassischem SEO wird ja nicht einfach eine Website „ins Modell trainiert“.

Ein LLM ist zunächst nur das trainierte Grundmodell selbst. Die eigentliche Antwortqualität entsteht heute oft erst durch:

• Retrieval,
• Kontextsysteme,
• externe Quellen,
• RAG,
• semantische Suche,
• oder zusätzliche Wissensschichten.

Die eigentliche Frage ist also aus meiner Sicht eher:

Wie beeinflusst GEO, also Generative Engine Optimization, die spätere Wissens- bzw. Kontextgrundlage eines AI-Systems?

Und genau hier wird das Thema spannend.

Das Paper zeigt: Strukturierte Metadaten wie JSON-LD, FAQ-Schema oder Product-Schema korrelieren offenbar stark mit der Sichtbarkeit in ChatGPT-Antworten.

Das bedeutet: Maschinenlesbare, semantisch klare Informationen werden zunehmend wichtiger.

Nicht nur für Google. Sondern auch für:

• AI-Systeme,
• Agents,
• Retrieval-Systeme,
• externe RAG-Pipelines,
• und zukünftige AI-Workflows.

Aus meiner Sicht ist das eigentlich die nächste Evolutionsstufe:

SEO → GEO → AI-Retrieval

Oder anders formuliert:

Früher ging es darum:

„Wie versteht Google meine Website?“

Jetzt geht es zunehmend darum:

„Wie verstehen Maschinen meine Informationen?“

Und genau deshalb glaube ich, dass Themen wie:

• semantische Konsistenz,
• strukturierte Metadaten,
• Knowledge Curation,
• vertrauenswürdige Kontexte,
• Retrieval-Qualität,
• und maschinenverständliche Systeme

massiv an Bedeutung gewinnen werden.

Besonders spannend finde ich, dass sich das erstaunlich stark mit aktuellen Entwicklungen im Enterprise-AI- und RAG-Bereich deckt.

Denn dort zeigt sich ebenfalls immer stärker:

Nicht nur die Modellgröße entscheidet. Sondern die Qualität, Struktur und Auffindbarkeit des Kontexts.

Mich würde interessieren:

Hat jemand aus der Steemit-Community bereits eigene Erfahrungen mit GEO, JSON-LD, strukturierter Datenaufbereitung oder AI-Sichtbarkeit gemacht?

Gibt es Beobachtungen, ob bestimmte Inhalte, Metadaten oder semantische Strukturen tatsächlich besser von AI-Systemen aufgegriffen werden?

Link zum Paper: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5641050