LLM-Optimierung: Was belegt ist, was Herstellerbehauptung bleibt und was Google ausdrücklich verneint

LLM-Optimierung: Was belegt ist, was Herstellerbehauptung bleibt und was Google ausdrücklich verneint

Kurzantwort: „LLM-Optimierung“ meint in der Suche meist, Inhalte so bereitzustellen, dass sie in Antworten von KI-Suchsystemen wie ChatGPT, Claude oder Googles AI Overviews auftauchen. Dokumentiert und überprüfbar ist vor allem die technische Seite: Die Seite muss indexiert und für die Crawler der Anbieter zugänglich sein. Für darüber hinausgehende Sondermaßnahmen fehlt der Beleg. Google verneint sie für die eigenen KI-Funktionen sogar ausdrücklich.

Dieser Artikel baut auf Sichtbarkeit in Google AI Overviews auf, das die Zitierkriterien und Klickverluste bei Google behandelt, und ergänzt es um die Frage, welche Maßnahmen überhaupt belegt sind. Stand der Quellenprüfung: 01.11.2026.

„LLM-Optimierung“ hat zwei Bedeutungen, dieser Artikel behandelt eine

Der Begriff steht für zwei verschiedene Aufgaben. Die erste: Inhalte so gestalten, dass sie in Antworten von KI-Suchsystemen erscheinen, auch GEO (Generative Engine Optimization) oder LLMO genannt. Die zweite: ein Sprachmodell selbst verbessern, etwa durch Quantisierung, Feintraining oder Prompting. Verwandte Suchanfragen wie „llm seo“, „llm sichtbarkeit“, „llmo“, „llm optimierung website“ und „llm optimierung agentur“ deuten auf die erste Bedeutung. Dieser Artikel behandelt nur sie. Die zweite Bedeutung ist hier nicht recherchiert.

Google verlangt für AI Overviews und AI Mode keine Sonderoptimierung

Googles Dokumentation „AI features and your website“ (abgerufen am 01.11.2026, gilt für Google Search) sagt: „There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.“ Nötig sind zwei Dinge: Die Seite ist indexiert, und sie darf als Snippet angezeigt werden. Google nennt außerdem ausdrücklich, dass keine neuen maschinenlesbaren Dateien, keine KI-Textdateien und kein Spezial-Markup nötig sind, auch kein besonderes schema.org. Eine Garantie für Indexierung gibt Google nicht. Auftritte in AI-Funktionen zählt die Search Console im Bericht „Web“.

Wer also eine kostenpflichtige „LLM-Optimierung“ für Google-Antworten angeboten bekommt, kann die versprochenen Sonderschritte gegen diese Seite prüfen.

Die Crawler von OpenAI und Anthropic trennen Training und Suche

Technisch eindeutig dokumentiert ist die Trennung der Zugriffe, jeweils abgerufen am 01.11.2026:

Quellen: OpenAI, „Overview of OpenAI Crawlers“ (platform.openai.com/docs/bots); Anthropic Help Center, „Does Anthropic crawl data from the web and how can site owners block the crawler“.

Zwei Folgen aus der Dokumentation:

• Training und Suche lassen sich getrennt steuern. Bei OpenAI sind OAI-SearchBot und GPTBot unabhängig voneinander per robots.txt regelbar. Wer das Training ausschließen will, muss die Suche nicht mit sperren.

• Wer die Such-Crawler sperrt, wird seltener angezeigt. Wer OAI-SearchBot sperrt, erscheint nicht in ChatGPT-Suchantworten, höchstens als Navigationslink. OpenAI nennt für die Wirkung einer Änderung etwa 24 Stunden. Anthropic schreibt, das Sperren von Claude-User oder Claude-SearchBot „may reduce your site's visibility“.

Ein häufiger Fehler ist deshalb eine pauschale Sperre aller KI-Crawler gegen das Training. Sie nimmt die Seite zugleich aus den Suchantworten. Wie sich ein Widerspruch gegen Training rechtlich beweisen lässt, behandelt Dein KI-Opt-out zählt nur, wenn du ihn beweisen kannst.

Für llms.txt fand eine Studie keinen Zusammenhang mit KI-Zitaten

SE Ranking analysierte knapp 300.000 Domains. 10,13 Prozent hatten eine llms.txt. Zwischen der Datei und KI-Zitaten bestehe keine Korrelation. Das Entfernen der Variable aus einem XGBoost-Modell habe dessen Genauigkeit sogar verbessert (Quelle: seranking.com/blog/llms-txt).

Einschränkungen, die zur Aussage gehören:

• Es ist die Studie eines Anbieters von SEO-Werkzeugen.

• Das Erhebungsjahr ist in der geprüften Fassung nicht verifiziert.

• Die Stichprobe stammt aus der Datenbasis des Anbieters.

• Eine unabhängige Wiederholung wurde nicht gefunden.

Die Studie zeigt also keinen Effekt, sie beweist auch nicht, dass jede künftige Auswertung der Datei wirkungslos bleibt. Ob Anthropic oder OpenAI llms.txt beim Abruf auswerten, dazu liegt kein Primärbeleg vor. Googles Dokumentation nennt KI-Textdateien für die eigenen Funktionen ausdrücklich nicht als nötig.

Die GEO-Studie belegt bis zu 40 Prozent mehr Sichtbarkeit, aber nur im Test

Die wissenschaftliche Grundlage ist Aggarwal et al. (Princeton u. a.), „GEO: Generative Engine Optimization“, KDD 2024 (arxiv.org/abs/2311.09735, Fassung vom 28.05.2024). Die Autoren entwickelten den Test „GEO-bench“ mit 10.000 Anfragen. Laut Abstract steigerten GEO-Methoden die Sichtbarkeit in den Antworten um bis zu 40 Prozent. Die Wirkung hängt vom Fachgebiet ab.

Zur Einordnung:

• „Bis zu 40 Prozent“ ist ein Höchstwert unter Testbedingungen mit dem Modellaufbau der Studie.

• Die Studie misst keine Wirkung in einem Produktivsystem wie Googles AI Overviews.

• Die Prozentwerte einzelner Methoden (etwa Zitate, Statistiken, Keyword-Stuffing als schwächere Methode) sind hier nicht am Volltext geprüft und werden deshalb nicht genannt.

Googles Aussage und die GEO-Studie widersprechen sich nicht, sie beantworten verschiedene Fragen

Google sagt, für die eigenen KI-Funktionen sei keine Sonderoptimierung nötig. Die GEO-Studie zeigt, dass Inhaltsänderungen die Sichtbarkeit in einem Testaufbau erhöhen können. Beides lässt sich vereinbaren, weil es um andere Systeme und einen anderen Rahmen geht. Ein Beleg dafür, dass einzelne GEO-Methoden in Googles Produktivsystem wirken, ist die Studie nicht.

Was nach Quellenlage zu tun ist und was nicht belegt ist

Belegt oder direkt dokumentiert:

1. Die Seite ist indexiert und snippet-fähig (Google).

2. Die Such-Crawler von OpenAI und Anthropic sind in der robots.txt nicht gesperrt, wenn die Seite in deren Antworten erscheinen soll.

3. Training und Suche werden getrennt entschieden, weil die Crawler getrennt sind.

Nicht belegt:

1. Eine llms.txt erhöht die Zitate (eine Studie findet keinen Zusammenhang).

2. Spezial-Markup oder KI-Textdateien helfen bei Google (Google verneint es).

3. Die Laborwerte der GEO-Studie gelten für reale Systeme.

Nicht übernommen wurden zwei verbreitete Angaben, weil keine Primärquelle vorliegt: die Aussage, kein KI-System nutze llms.txt (nur über eine Suchzusammenfassung bekannt, nicht am Original geprüft) und die Zahl „97 Prozent der llms.txt-Dateien ohne Anfragen“ (Quelle unklar). Ebenso ist eine „llms.txt v2 (August 2026)“, umgesetzt von OpenAI, Anthropic und Google, nicht belegt. Googles Dokumentation sagt das Gegenteil.

Zur Haltung gegenüber llms.txt und zur Frage, wie Agenten Webseiten lesen, passt Deine Webseite ist eine Tür.

Offen bleiben Modelloptimierung, Messdaten und Volltextprüfung

• Er behandelt nicht die Modelloptimierung (Quantisierung, Feintraining, Prompting).

• Er liefert keine Messung, wie oft einzelne Seiten in KI-Antworten erscheinen.

• Die Volltextprüfung der GEO-Studie und eine datierte, unabhängig wiederholte llms.txt-Messung stehen aus.

Quellen

• Google Search Central, „AI features and your website“: https://developers.google.com/search/docs/appearance/ai-features (abgerufen 01.11.2026)

• OpenAI, „Overview of OpenAI Crawlers“: https://platform.openai.com/docs/bots (abgerufen 01.11.2026)

• Anthropic Help Center: https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler (abgerufen 01.11.2026)

• Aggarwal et al., „GEO: Generative Engine Optimization“, KDD 2024: https://arxiv.org/abs/2311.09735

• SE Ranking, llms.txt-Analyse: https://seranking.com/blog/llms-txt/ (Jahr nicht verifiziert)