{
    "kind": 30023,
    "id": "22fd8180f9b5c6bef3bca55d355c5b7e697506de29e0ca548e957fd1aef871c5",
    "pubkey": "c1baf4f74cd829963828b1da8d73e52cc94caa6d8dc944f7ca450a75c4b3311f",
    "created_at": 1793743862,
    "tags": [
        [
            "title",
            "LLM-Optimierung: Was belegt ist, was Herstellerbehauptung bleibt und was Google ausdr\u00fccklich verneint"
        ],
        [
            "d",
            "fachartikel-zu-llm-optimierung"
        ],
        [
            "summary",
            "LLM-Optimierung hei\u00dft Sichtbarkeit in KI-Antworten: Was Google, OpenAI und Anthropic dokumentieren, was die GEO-Studie und die llms.txt-Analyse belegen und was unbelegt bleibt."
        ],
        [
            "published_at",
            "1793743862"
        ]
    ],
    "content": "\n# LLM-Optimierung: Was belegt ist, was Herstellerbehauptung bleibt und was Google ausdr\u00fccklich verneint\n\n**Kurzantwort:** \u201eLLM-Optimierung\u201c 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 \u00fcberpr\u00fcfbar ist vor allem die technische Seite: Die Seite muss indexiert und f\u00fcr die Crawler der Anbieter zug\u00e4nglich sein. F\u00fcr dar\u00fcber hinausgehende Sonderma\u00dfnahmen fehlt der Beleg. Google verneint sie f\u00fcr die eigenen KI-Funktionen sogar ausdr\u00fccklich.\n\nDieser Artikel baut auf [Sichtbarkeit in Google AI Overviews](https://stevennoack.de/artikel/fachartikel-zu-sichtbar-ai-overviews/) auf, das die Zitierkriterien und Klickverluste bei Google behandelt, und erg\u00e4nzt es um die Frage, welche Ma\u00dfnahmen \u00fcberhaupt belegt sind. Stand der Quellenpr\u00fcfung: 01.11.2026.\n\n## \u201eLLM-Optimierung\u201c hat zwei Bedeutungen, dieser Artikel behandelt eine\n\nDer Begriff steht f\u00fcr 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 \u201ellm seo\u201c, \u201ellm sichtbarkeit\u201c, \u201ellmo\u201c, \u201ellm optimierung website\u201c und \u201ellm optimierung agentur\u201c deuten auf die erste Bedeutung. Dieser Artikel behandelt nur sie. Die zweite Bedeutung ist hier nicht recherchiert.\n\n## Google verlangt f\u00fcr AI Overviews und AI Mode keine Sonderoptimierung\n\nGoogles Dokumentation \u201eAI features and your website\u201c (abgerufen am 01.11.2026, gilt f\u00fcr Google Search) sagt: \u201eThere are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.\u201c N\u00f6tig sind zwei Dinge: Die Seite ist indexiert, und sie darf als Snippet angezeigt werden. Google nennt au\u00dferdem ausdr\u00fccklich, dass keine neuen maschinenlesbaren Dateien, keine KI-Textdateien und kein Spezial-Markup n\u00f6tig sind, auch kein besonderes schema.org. Eine Garantie f\u00fcr Indexierung gibt Google nicht. Auftritte in AI-Funktionen z\u00e4hlt die Search Console im Bericht \u201eWeb\u201c.\n\nWer also eine kostenpflichtige \u201eLLM-Optimierung\u201c f\u00fcr Google-Antworten angeboten bekommt, kann die versprochenen Sonderschritte gegen diese Seite pr\u00fcfen.\n\n## Die Crawler von OpenAI und Anthropic trennen Training und Suche\n\nTechnisch eindeutig dokumentiert ist die Trennung der Zugriffe, jeweils abgerufen am 01.11.2026:\n\n| Anbieter | Crawler | Zweck |\n|---|---|---|\n| OpenAI | `OAI-SearchBot` | Suche in ChatGPT |\n| OpenAI | `GPTBot` | Training |\n| Anthropic | `ClaudeBot` | Training |\n| Anthropic | `Claude-User` | nutzergesteuerter Abruf |\n| Anthropic | `Claude-SearchBot` | Suchqualit\u00e4t |\n\nQuellen: OpenAI, \u201eOverview of OpenAI Crawlers\u201c (platform.openai.com/docs/bots); Anthropic Help Center, \u201eDoes Anthropic crawl data from the web and how can site owners block the crawler\u201c.\n\nZwei Folgen aus der Dokumentation:\n\n- **Training und Suche lassen sich getrennt steuern.** Bei OpenAI sind `OAI-SearchBot` und `GPTBot` unabh\u00e4ngig voneinander per robots.txt regelbar. Wer das Training ausschlie\u00dfen will, muss die Suche nicht mit sperren.\n- **Wer die Such-Crawler sperrt, wird seltener angezeigt.** Wer `OAI-SearchBot` sperrt, erscheint nicht in ChatGPT-Suchantworten, h\u00f6chstens als Navigationslink. OpenAI nennt f\u00fcr die Wirkung einer \u00c4nderung etwa 24 Stunden. Anthropic schreibt, das Sperren von `Claude-User` oder `Claude-SearchBot` \u201emay reduce your site's visibility\u201c.\n\nEin h\u00e4ufiger 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 l\u00e4sst, behandelt [Dein KI-Opt-out z\u00e4hlt nur, wenn du ihn beweisen kannst](https://stevennoack.de/artikel/ki-opt-out-beweisen/).\n\n## F\u00fcr llms.txt fand eine Studie keinen Zusammenhang mit KI-Zitaten\n\nSE 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).\n\nEinschr\u00e4nkungen, die zur Aussage geh\u00f6ren:\n\n- Es ist die Studie eines Anbieters von SEO-Werkzeugen.\n- Das Erhebungsjahr ist in der gepr\u00fcften Fassung nicht verifiziert.\n- Die Stichprobe stammt aus der Datenbasis des Anbieters.\n- Eine unabh\u00e4ngige Wiederholung wurde nicht gefunden.\n\nDie Studie zeigt also keinen Effekt, sie beweist auch nicht, dass jede k\u00fcnftige Auswertung der Datei wirkungslos bleibt. Ob Anthropic oder OpenAI `llms.txt` beim Abruf auswerten, dazu liegt kein Prim\u00e4rbeleg vor. Googles Dokumentation nennt KI-Textdateien f\u00fcr die eigenen Funktionen ausdr\u00fccklich nicht als n\u00f6tig.\n\n## Die GEO-Studie belegt bis zu 40 Prozent mehr Sichtbarkeit, aber nur im Test\n\nDie wissenschaftliche Grundlage ist Aggarwal et al. (Princeton u. a.), \u201eGEO: Generative Engine Optimization\u201c, KDD 2024 (arxiv.org/abs/2311.09735, Fassung vom 28.05.2024). Die Autoren entwickelten den Test \u201eGEO-bench\u201c mit 10.000 Anfragen. Laut Abstract steigerten GEO-Methoden die Sichtbarkeit in den Antworten um bis zu 40 Prozent. Die Wirkung h\u00e4ngt vom Fachgebiet ab.\n\nZur Einordnung:\n\n- \u201eBis zu 40 Prozent\u201c ist ein H\u00f6chstwert unter Testbedingungen mit dem Modellaufbau der Studie.\n- Die Studie misst keine Wirkung in einem Produktivsystem wie Googles AI Overviews.\n- Die Prozentwerte einzelner Methoden (etwa Zitate, Statistiken, Keyword-Stuffing als schw\u00e4chere Methode) sind hier nicht am Volltext gepr\u00fcft und werden deshalb nicht genannt.\n\n## Googles Aussage und die GEO-Studie widersprechen sich nicht, sie beantworten verschiedene Fragen\n\nGoogle sagt, f\u00fcr die eigenen KI-Funktionen sei keine Sonderoptimierung n\u00f6tig. Die GEO-Studie zeigt, dass Inhalts\u00e4nderungen die Sichtbarkeit in einem Testaufbau erh\u00f6hen k\u00f6nnen. Beides l\u00e4sst sich vereinbaren, weil es um andere Systeme und einen anderen Rahmen geht. Ein Beleg daf\u00fcr, dass einzelne GEO-Methoden in Googles Produktivsystem wirken, ist die Studie nicht.\n\n## Was nach Quellenlage zu tun ist und was nicht belegt ist\n\n**Belegt oder direkt dokumentiert:**\n\n1. Die Seite ist indexiert und snippet-f\u00e4hig (Google).\n2. Die Such-Crawler von OpenAI und Anthropic sind in der robots.txt nicht gesperrt, wenn die Seite in deren Antworten erscheinen soll.\n3. Training und Suche werden getrennt entschieden, weil die Crawler getrennt sind.\n\n**Nicht belegt:**\n\n1. Eine `llms.txt` erh\u00f6ht die Zitate (eine Studie findet keinen Zusammenhang).\n2. Spezial-Markup oder KI-Textdateien helfen bei Google (Google verneint es).\n3. Die Laborwerte der GEO-Studie gelten f\u00fcr reale Systeme.\n\nNicht \u00fcbernommen wurden zwei verbreitete Angaben, weil keine Prim\u00e4rquelle vorliegt: die Aussage, kein KI-System nutze `llms.txt` (nur \u00fcber eine Suchzusammenfassung bekannt, nicht am Original gepr\u00fcft) und die Zahl \u201e97 Prozent der llms.txt-Dateien ohne Anfragen\u201c (Quelle unklar). Ebenso ist eine \u201ellms.txt v2 (August 2026)\u201c, umgesetzt von OpenAI, Anthropic und Google, nicht belegt. Googles Dokumentation sagt das Gegenteil.\n\nZur Haltung gegen\u00fcber `llms.txt` und zur Frage, wie Agenten Webseiten lesen, passt [Deine Webseite ist eine T\u00fcr](https://stevennoack.de/artikel/webseite-als-datenraum/).\n\n## Offen bleiben Modelloptimierung, Messdaten und Volltextpr\u00fcfung\n\n- Er behandelt nicht die Modelloptimierung (Quantisierung, Feintraining, Prompting).\n- Er liefert keine Messung, wie oft einzelne Seiten in KI-Antworten erscheinen.\n- Die Volltextpr\u00fcfung der GEO-Studie und eine datierte, unabh\u00e4ngig wiederholte `llms.txt`-Messung stehen aus.\n\n## Quellen\n\n- Google Search Central, \u201eAI features and your website\u201c: https://developers.google.com/search/docs/appearance/ai-features (abgerufen 01.11.2026)\n- OpenAI, \u201eOverview of OpenAI Crawlers\u201c: https://platform.openai.com/docs/bots (abgerufen 01.11.2026)\n- 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)\n- Aggarwal et al., \u201eGEO: Generative Engine Optimization\u201c, KDD 2024: https://arxiv.org/abs/2311.09735\n- SE Ranking, llms.txt-Analyse: https://seranking.com/blog/llms-txt/ (Jahr nicht verifiziert)",
    "sig": "b50de165dc4dcb3ca600dac770a7f5828f9f473824cdbdbfcf144c66aa4d12d7ef5ffe4d69508bddd75f7ebea6f76a816547b6b49e69b3ab869d49e40fd676de"
}