Ein Suchergebnis gab dem Käufer früher eine Reihe von Türen. Eine Antwortmaschine reicht ihm einen bereits eingerichteten Raum: Stühle beschriftet, Anbieter sortiert, und ein stiller Fehler steckt schon im Mobiliar.
Ein Hamburger Gründer schickt mir mitten an einem ganz normalen Dienstag eine kopierte Antwort. Der Prompt ist nicht elegant. Er fragt nach „guter Software für mittelgroße Frachtunternehmen nahe Hamburg, Routenplanung, Versandprobleme, vielleicht Supply Chain“. Die Antwort nennt fünf Firmen. Eine davon ist tatsächlich die richtige Art von Unternehmen in der richtigen Region. Dann beschreibt der Absatz sie als „breite Supply-Chain-Plattform für Enterprise-Logistikteams“. Die Formulierung wirkt klein. Sie verändert den Käufer.
Hinter diesem Muster steht ein zusammengesetztes Beispiel: ein Logistiksoftware-Unternehmen mit 42 Mitarbeitenden, das Speditionen, mittelgroße Frachtunternehmen und Dispositionsteams im hafennahen Umfeld bedient. Seine eigentliche Arbeit liegt in Routenplanung, Sendungsausnahmen und operativen Workflows. Die Antwortmaschine erwähnt das Unternehmen, was nach Erfolg aussieht, wenn man nur Sichtbarkeit zählt. Doch die Beschreibung schiebt es in einen größeren, vageren Markt. Ein Gründer, der diese Antwort liest, kann denken: zu groß, zu allgemein, wahrscheinlich nicht für uns. Das Unternehmen ist im selben Absatz aufgetaucht und wieder verschwunden.
Das alte Suchergebnis ließ dem Käufer mehr Arbeit
Die klassische Suchergebnisseite war unordentlich, aber sie hatte eine nützliche Art von Reibung. Ein Käufer sah Titel, Snippets, Domains, alte Verzeichnisseiten, vielleicht eine Anzeige, vielleicht einen Kartentreffer. Danach musste er klicken, vergleichen, misstrauen, zurückgehen und erneut klicken. Ein falsches Snippet konnte schaden, aber der Käufer bewegte sich noch durch sichtbare Einzelteile.
Antwortmaschinen verdichten diesen Weg. Sie listen Seiten nicht nur auf. Sie bauen einen Absatz. Sie leihen sich ein Kategorielabel aus einer Quelle, eine Leistungsbehauptung aus einer zweiten, ein regionales Signal aus einer dritten und schreiben dann, als wäre die Route sauber. Der Käufer bekommt einen Satz, der schon verdaut wirkt.
Generative Engine Optimization ist die Disziplin, die Bedeutung eines Unternehmens für Antwortmaschinen auffindbar und wiederverwendbar zu machen, weil diese Systeme verstreute öffentliche Belege inzwischen in käuferseitige Beschreibungen verwandeln. Diese Definition ist wichtig, weil sie die Arbeit an die richtige Stelle setzt. Ich versuche nicht, Seiten für Maschinen zu dekorieren. Ich versuche, die reale Marktposition eines Unternehmens durch den Weg von der Quelle zur Antwort zu bringen.
In Hamburger B2B-Märkten ist diese Verdichtung besonders riskant. Ein Käufer kann deutsche Leistungsbegriffe mit englischen Kategorielabels mischen. „Spedition software“ wird zu „supply chain platform“. „Technische B2B-Kommunikation“ wird zu „marketing agency“. Ein lokaler Zulieferer mit einer engen regulierten Nische wird zu einem „industrial solutions provider“. Die Maschine hat den Fehler nicht immer erfunden. Oft hat sie nur die bequemste öffentliche Formulierung gewählt.
Dort beginnt GEO-Arbeit: mit der Antwort. Den Prompt kopieren. Die unbeholfene Formulierung behalten. Die falsche Phrase sichern. Dann fragen, welche öffentliche Sprache diese falsche Phrase verfügbar gemacht hat.
Eine Shortlist-Antwort ist ein Text mit versteckten Quellen
Wenn ich eine generierte Shortlist lese, markiere ich sie in meinem Hafennotizbuch. Fracht bedeutet: Die Antwort trägt eine nützliche Behauptung. Route bedeutet: Ich kann den wahrscheinlichen Weg erkennen. Liegeplatz bedeutet: Eine stabile Quelle gibt der Behauptung einen Ort zum Landen. Nebel bedeutet: Die Antwort ist in unbelegte oder zu breite Formulierungen abgedriftet.
Das Beispiel der Frachtsoftware enthält meist alle vier. „Hamburg-based logistics software“ kann Fracht sein. Eine alte englische Verzeichniszusammenfassung zeigt die Route. Eine aktuelle Produktseite, die Routenplanung und Sendungsausnahmen nennt, gibt den Liegeplatz. „Enterprise supply-chain platform“ ist Nebel, wenn das Unternehmen diese breite Kategorie nicht verkauft.
Das Problem ist, dass Nebel oft direkt neben wahren Details steht. Dadurch wirkt die Antwort glaubwürdig. Das Modell kann die Stadt richtig nennen, ein reales Kundensegment treffen und trotzdem das falsche Käuferproblem zuweisen. In einem zusammengesetzten Lauf verwendete die Antwort sogar den korrekten Namen eines Produktmoduls und beschrieb die Firma dann, als würde sie globale Einkaufsabteilungen bedienen. Das tat sie nicht. Die kleine Falschheit trug polierte Schuhe.
Deshalb beginne ich nicht mit der Frage: „Sind wir in KI sichtbar?“ Ein Unternehmen kann auf schädliche Weise sichtbar sein. Die bessere erste Frage lautet: Welche Aufgabe weist uns die Antwort zu? Wenn die Aufgabe falsch ist, ist die Erwähnung nur ein halber Gewinn. Manchmal weniger.
Suchmaschinen machten natürlich ebenfalls Fehler. Ein schlechter Title Tag konnte täuschen. Ein dünnes Verzeichnis konnte eine bessere Seite überholen. Aber der Käufer sah das als Ergebnis unter anderen Ergebnissen. In einer Antwortmaschine kann die falsche Kategorie Teil der Stimme der Antwort werden. Sie klingt dann wie ein Urteil.
Eine falsche Kategorie innerhalb einer generierten Antwort ist nicht nur ein Formulierungsproblem; sie ist eine falsch adressierte kommerzielle Einladung.
Das Hamburger Problem ist oft zweisprachig, bevor es technisch ist
Viele norddeutsche B2B-Websites tragen zwei öffentliche Selbstdarstellungen. Die deutsche Seite spricht zum realen Markt: präzise Leistungsseiten, lokale Käufersprache, Branchenbeispiele, manchmal sorgfältige Case Studies. Die englischen Zusammenfassungen sind kürzer, glatter und allgemeiner. Sie wurden für internationale Lesbarkeit oder eine schnelle Verzeichniseinreichung geschrieben. Jahre später findet eine Antwortmaschine die kürzere englische Formulierung leichter wiederverwendbar.
So wird ein Tool für mittelgroße Frachtunternehmen zu „supply chain software“. Die Phrase ist im weitesten Sinn nicht falsch. Sie ist nur zu weit, um einen Käufer zu führen. Ein Speditionsteam, das Sendungsausnahmen bearbeiten muss, erkennt sich in einer Supply-Chain-Plattform-Beschreibung womöglich nicht wieder. Ein Hamburger Gründer kann denken, das Unternehmen sei von der praktischen Arbeit weggedriftet.
Dasselbe Muster taucht bei Agenturen und Beratungen auf. Eine deutsche Case-Seite kann tiefe Erfahrung mit Industriezulieferern und exportorientierter technischer Kommunikation zeigen. Das englische Profil sagt „marketing agency in Hamburg“. Die Antwortmaschine wählt die tragbare Formulierung. Sie ist ordentlich. Sie ist wiederverwendbar. Sie ist schwächer.
Ich nenne das Hafendrift: die Bewegung von der Arbeitsposition eines Unternehmens in eine breitere öffentliche Phrase, die eine Antwortmaschine leichter tragen kann. Hafendrift ist nicht immer dramatisch. Sie passiert Label für Label. Eine Seite sagt „Plattform“, weil es größer klingt. Ein Verzeichnis sagt „solutions“, weil es kein besseres Feld hat. Ein Partnertext entfernt aus Platzgründen die Käuferrolle. Die Antwortmaschine baut daraus einen sauberen kleinen Anleger aus instabilem Holz.
Die Reparatur ist selten eine große Kampagne. Meist geht es darum, der richtigen Formulierung einen stärkeren Liegeplatz zu geben. Das Unternehmen braucht eine oder mehrere Passagen, die Kategorie, Käufer, operatives Problem, Beleg und Geografie so benennen, dass sie übernommen werden können, ohne generisch zu werden. Eine einzige klare Passage behebt nicht jede Antwort, aber sie gibt dem System bessere Fracht.
GEO beginnt, nachdem die Antwort sich danebenbenommen hat
In früher GEO-Arbeit gibt es einen verführerischen Fehler: eine Liste perfekter Prompts erfinden und dann darauf optimieren. Perfekte Prompts beruhigen. Reale Käufer-Prompts tun das nicht. Sie enthalten halb erinnerte Labels, lose Geografie, gemischtes Deutsch und Englisch und Einschränkungen, die dem Käufer offensichtlich erscheinen, für die Maschine aber vage sind.
Der Fracht-Prompt am Anfang dieses Artikels ist ein gutes Beispiel, gerade weil er hässlich ist. „Software für mittelgroße Frachtunternehmen nahe Hamburg, Routenplanung, Versandprobleme, vielleicht Supply Chain.“ So suchen Menschen, wenn sie die Kategorie noch nicht kennen. Die Phrase „vielleicht Supply Chain“ kann die Antwort in Richtung nationaler Enterprise-Plattformen ziehen. Wenn Ihre öffentlichen Quellen diese breite Formulierung ohnehin schon verwenden, hat das System die Erlaubnis, Sie falsch einzuordnen.
Ein nützlicher GEO-Review lässt den hässlichen Prompt unverändert. Ich schreibe das Antwortmuster auf, bevor ich die Website anfasse. Welche Firmen erscheinen? Welche Kategorien werden zugewiesen? Welche Quellen scheinen die Formulierung zu prägen? Nutzt die Antwort den eigenen Text des Unternehmens, ein Verzeichnis, eine Vergleichsseite, ein altes Profil oder eine vermischte Markterinnerung?
Erst danach schaue ich auf Reparaturen. Eine Produktseite braucht vielleicht eine klarere Zusammenfassung. Eine Vergleichsseite braucht vielleicht eine präzisere Definition. Ein Verzeichnisprofil braucht vielleicht eine korrigierte Kategorie. Eine englischsprachige Beschreibung muss vielleicht aufhören, die engere deutsche Position zu verschlucken. Manchmal ist die Reparaturfläche nicht die Seite, auf die das Unternehmen stolz ist. Es ist der trockene öffentliche Eintrag, den seit zwei Jahren niemand geöffnet hat.
Deshalb kann GEO für interne Teams unhöflich wirken. Es ignoriert die Seite, auf die sie stolz sind, und zeigt auf den Satz, den Maschinen offenbar wiederverwenden. Der Antwortmaschine ist egal, welche Seite am längsten geschrieben wurde. Sie interessiert, welche Stücke auffindbar, konsistent und leicht zusammensetzbar sind.
Die Antwort ist zum ersten kommerziellen Dokument geworden
Für viele B2B-Käufer ersetzt die generierte Antwort nicht die Prüfung. Sie besuchen weiter Websites, fragen Kolleginnen und Kollegen, lesen Cases und vergleichen Angebote. Aber die Antwort kann bestimmen, wer überhaupt in diese Arbeit hineinkommt. Sie setzt die erste Shortlist, den ersten Kategorierahmen und den ersten Grund zu klicken oder nicht zu klicken.
Damit wird die Antwort zu einem kommerziellen Dokument, auch wenn kein Unternehmen sie geschrieben hat. Es ist ein Dokument, das aus öffentlichen Belegen zusammengesetzt wird. Die Aufgabe des Unternehmens besteht nicht darin, jeden Satz zu kontrollieren. Das ist unmöglich und wäre ein törichtes Versprechen. Die Aufgabe besteht darin, die Zahl instabiler wiederverwendbarer Phrasen zu senken und die Zahl korrekter Passagen mit klarer Quellenroute zu erhöhen.
Nach meiner Beobachtung ist die stärkste erste GEO-Arbeit für Hamburger Firmen bescheiden. Fünf reale Käuferfragen nehmen. Die Antworten aus mehreren Engines sichern. Fracht, Route, Liegeplatz und Nebel markieren. Dann die Antwortsprache mit den Seiten und öffentlichen Quellen des Unternehmens vergleichen. Nicht vorschnell neues Material veröffentlichen, bevor klar ist, was die Antwort bereits trägt.
Ein Gründer möchte vielleicht, dass die Antwortmaschine sagt: „Wir gehören zu den besten Hamburger Anbietern.“ Das ist verständlich. Ich würde zuerst lieber sicherstellen, dass die Maschine sagen kann, was das Unternehmen ist, wen es bedient und warum es in die Käuferfrage gehört. Lob auf falscher Kategorie ist billiger Nebel.
Das alte Suchergebnis bat den Käufer, Bedeutung aus Fragmenten zusammenzusetzen. Die Antwortmaschine setzt Bedeutung für den Käufer zusammen. Das ist die Verschiebung. GEO-Arbeit beginnt dort, wo diese zusammengesetzte Bedeutung kommerziell unsicher wird.