AI Citation Ranking Factors – was entscheidet, ob die eigene Webseite zitiert wird
Was sind die Faktoren, die die Sichtbarkeit in LLMs beeinflussen? Mit dieser Frage hat sich vor kurzem Cyrus Shepard, der Gründer von Zyppy Marketing, beschäftigt. Das Ergebnis: diese Studie.
Für Google AI Overviews und ähnliche Systeme bleibt klassisches SEO die Basis, weil Google seine generativen Suchfunktionen ausdrücklich auf Kern-Rankingsysteme, RAG-Grounding und Query Fan-out stützt. Neu ist vor allem die Passage-Ebene: Fan-out-Nebenabfragen, extrahierbare Textblöcke, saubere Überschriften, selbstständig verständliche Passagen und gut sichtbarer HTML-Text gewinnen an Gewicht. Für Local SEO sind im Zyppy-Rahmen vor allem Sprach-/Regionalität, Entity-Konsistenz, LocalBusiness-Daten und Vertrauenssignale wie Business Profile, Bewertungen und vollständige Standortangaben wichtig. Schwach oder unklar belegt bleiben vor allem LLMs.txt, Domain Authority, reine Textlänge und der Faktor „bekannte Quelle“. Besonders wichtig ist außerdem, dass sich die Datenlage schnell bewegt: Ahrefs meldete im Juli 2025 noch rund 76 % Top-10-Überlappung zwischen organischen Rankings und AI-Overview-Zitaten, im März 2026 aber nur noch rund 38 %. Das spricht dafür, dass direkte Rankings weiterhin wichtig sind, Fan-out-Quellen aber deutlich wichtiger geworden sind.
AI Citation Ranking Fafctors: Methodik und Einordnung
Der Zyppy-Artikel wurde am 7. Mai 2026 veröffentlicht und beschreibt seine Faktoren ausdrücklich als korrelative Merkmale, nicht als klassische „Ranking-Faktoren“ im engen Sinn. Shepard schreibt selbst, dass die Werte aus Wiederholbarkeit über Studien hinweg, Stärke der Evidenz und offizieller Unterstützung abgeleitet wurden. Das ist für die Praxis hilfreich, aber methodisch wichtig: Die Liste zeigt Wahrscheinlichkeiten und Muster, keine garantierten Hebel.
Für die Einordnung in diesem Bericht gelten vier Klassen. „Klassisches SEO“ meint Faktoren, die schon vor GenAI im Kern von Crawlability, Relevanz, interner Verlinkung, Nutzerintention und Indexierbarkeit lagen. „Place-/Local-SEO-relevant“ meint Faktoren, die sich vor allem über Standort, Sprache, NAP-Daten, Business Profile, Reviews oder lokale Strukturdaten operativ steuern lassen. „AI/LLM-spezifisch“ meint Faktoren, die besonders mit RAG, Fan-out, Passage-Auswahl oder der Zitiermechanik generativer Antworten zusammenhängen. „Gemischt/unspezifiziert“ meint Faktoren mit schwacher, widersprüchlicher oder sehr indirekter Evidenz. Diese Lesart passt gut zu Googles eigener Position: Aus Sicht von Google bleibt Optimierung für generative Suche im Kern SEO; gleichzeitig bestätigt Google offiziell RAG und Query Fan-out als Mechaniken in AI Overviews und AI Mode.
Das folgende Schema zeigt die wahrscheinlichste Kette von der Seite zur AI-Zitation. Es fasst die offiziellen Google- und OpenAI-Dokumente mit den Zyppy-Faktoren zusammen.
Faktorenmatrix
Die folgende Tabelle listet alle 23 Faktoren aus dem Zyppy-Artikel auf, ordnet sie einer Klasse zu und übersetzt sie in eine priorisierte Handlung. Die Klassifikation ist analytisch; die Faktornamen und Scores stammen aus Zyppy.
| Faktor aus Zyppy | Score | Klassifikation | Begründung der Einordnung | Empfohlene Hauptaktion |
|---|---|---|---|---|
| URL Accessibility | 9,5 | a klassisches SEO | Google verlangt für AI Features, dass Seiten indexiert und für Snippets geeignet sind; OpenAI empfiehlt, OAI-SearchBot nicht zu blockieren. Crawlability ist damit Grundvoraussetzung, nicht GenAI-Spezialmagie. | robots.txt, CDN/WAF, Statuscodes, Renderbarkeit, noindex- und Auth-Sperren prüfen. OAI-SearchBot für ChatGPT Search nur dann sperren, wenn das bewusst gewollt ist. |
| Search Rank | 9,4 | a klassisches SEO | Google sagt selbst, dass generative Suche auf Kern-Rankingsystemen aufsetzt. Ahrefs zeigte erst hohe Überschneidung mit Top-Rankings und später immer noch signifikante, aber deutlich niedrigere Überlappung. Das heißt: Rankings bleiben wichtig, aber nicht mehr allein entscheidend. | Für Kernqueries weiter Top-10- und Top-100-Sichtbarkeit ausbauen, besonders auf Seiten mit bereits vorhandener AI-Sichtbarkeit. |
| Fan-out Rank | 9,3 | c AI/LLM-spezifisch | Query Fan-out ist von Google offiziell bestätigt. Ahrefs und AirOps zeigen, dass AI-Systeme Quellen aus Nebenabfragen ziehen und dass Retrieval-Rank stark mit Zitaten zusammenhängt. Das ist ein klarer GenAI-Mechanismus. | Inhalte nicht nur auf die Hauptquery, sondern auf typische Nebenfragen, Vergleichsfragen und Folgeschritte ausrichten. |
| Preview Control | 9,2 | d gemischt/unspezifiziert | nosnippet, data-nosnippet und verwandte Controls sind klassische Such-Steuerungen. Google dokumentiert aber ausdrücklich, dass sie auch steuern, was in AI Features gezeigt werden darf. Das ist daher eher ein Darstellungs- und Eligibility-Hebel als ein reiner Ranking-Faktor. | Preview-Controls nur gezielt einsetzen. Wer AI-Zitate will, sollte wichtige Passagen nicht versehentlich per nosnippet oder data-nosnippet aus dem Spiel nehmen. |
| Query-Answer Match | 9,2 | a klassisches SEO | Google Search Essentials empfiehlt, die Wörter der Suchenden an prominenten Stellen wie Titel und Hauptüberschrift zu nutzen. Patente zu Antwortpassagen betonen Query-Term- und Answer-Term-Match. Das ist ein klassischer Relevanzhebel. | Titel, H1, H2 und Antwortabschnitte so schreiben, dass sie Suchfrage und wahrscheinliche Antwort semantisch eng treffen. |
| Intent-Format Match | 9,0 | a klassisches SEO | Nutzerintention und passendes Format sind klassische Suchprinzipien. Zusätzlich zeigen Googles Patenttexte, dass für bestimmte Fragetypen list-basierte Passagen bevorzugt werden können. | Für „beste“-Queries Listen/Tabellen, für How-to-Queries Schritte, für Vergleiche Vergleichsmatrizen und klare Entscheidungskriterien einsetzen. |
| Topic Cluster Ranking | 8,9 | a klassisches SEO | Thematische Breite und Autorität sind klassische SEO-Strategien. Für AI wird das zusätzlich wichtig, weil Fan-out auf viele Unterfragen geht. Google warnt aber vor bloßem massenhaftem Varianten-Content ohne Mehrwert. | Cluster statt Inseln bauen: Hub-Seiten, saubere interne Verlinkung, klare Unterseiten für Teilfragen, aber ohne Thin Content. |
| Answer Near the Top | 8,8 | c AI/LLM-spezifisch | Zyppy fasst mehrere Experimente zusammen, nach denen AI-Systeme nicht die ganze Seite gleich stark nutzen. Offizielle Google-Dokumente sprechen von Passage-Auswahl, nicht von einem „Top-of-Page-Bonus“; operativ ist „Answer first“ dennoch der sicherste Schluss. | Die Kernantwort in den ersten sichtbaren Absätzen geben. Lange Intros, Markenprosa und Storytelling vor der Antwort reduzieren. |
| AI-ready Structure | 8,6 | c AI/LLM-spezifisch | Google-Patente beschreiben Antwortpassagen als Text unter Überschriften, deren Hierarchie im DOM verarbeitet wird. Google empfiehlt außerdem semantisches HTML und klar gegliederte Inhalte. | Saubere Heading-Hierarchie, kurze Abschnitte, Listen, Tabellen, definierte Vergleichsblöcke und stabile DOM-Struktur verwenden. |
| Factually Specific | 8,3 | c AI/LLM-spezifisch | Das GEO-Paper zeigte, dass Statistiken, Zitate und Quellen die Sichtbarkeit in generativen Antworten stark verbessern können. AI-Zitate stützen konkrete Aussagen; allgemeine Floskeln sind schwerer zitierbar. | Wo möglich Zahlen, Grenzwerte, Datumsangaben, Kriterien, Testbedingungen und belegbare Aussagen statt allgemeiner Behauptungen nutzen. |
| Explicit Phrasing | 8,1 | d gemischt/unspezifiziert | Zyppy beobachtet Vorteile klarer Formulierungen; das GEO-Paper testete „authoritative“ Sprache. Google sagt aber zugleich, dass man Inhalte nicht speziell für AI umschreiben muss. Deshalb ist der Hebel plausibel, aber nicht sauber abgesichert. | Präzise formulieren, aber nicht künstlich übervereinfachen. Besser klare Aussagen mit Belegen als absolut klingende Behauptungen ohne Nachweis. |
| Cites Sources | 8,0 | c AI/LLM-spezifisch | Das GEO-Paper nennt das Hinzufügen von Quellenzitaten und relevanten Zitaten als besonders wirksam. In AI-Antworten zählt, ob eine Aussage plausibel belegbar ist. | Wichtige Aussagen mit sichtbaren Primärquellen oder sehr starken Sekundärquellen belegen; „show your work“ auf Schlüsselseiten. |
| Self-Contained Passages | 8,0 | c AI/LLM-spezifisch | Patente und Zyppy sprechen für klar abgegrenzte Passagen. Google-Patente reduzieren Bewertungen für Passagen, die aus verschiedenen Abschnitten zusammengesetzt sind, und bevorzugen klar umrissene Antwortpassagen. | Jede wichtige Aussage als eigenständigen, verständlichen Block formulieren: Subjekt, Kontext, Zahl und Aussage in derselben Passage. |
| Content Visibility | 7,6 | a klassisches SEO | Google nennt für AI Features ausdrücklich: wichtige Inhalte müssen in Textform verfügbar sein. JavaScript ist möglich, aber komplexer; blockierte oder schwer sichtbare Inhalte sind riskanter. Das ist ein klassischer technischer SEO-Grundsatz. | Zentrale Antworten in sichtbares HTML legen, nicht nur in Tabs, Accordions, clientseitig nachgeladenen Komponenten oder Bildern. |
| Freshness | 7,0 | a klassisches SEO | Google beschreibt RAG ausdrücklich als Weg, aktuelle Seiten zu holen. Zyppy und mehrere Studien sehen Frische als query-abhängig. Das ist ein alter SEO-Hebel, der in AI-Antworten noch direkter wirkt. | Zeitkritische Seiten mit sichtbaren Aktualisierungen, überprüften Daten und sauberen Änderungsprozessen pflegen. |
| Brand / Entity Trust | 6,8 | b Place-/Local-SEO-relevant | Im Local-Kontext ist das sehr operativ: Google nennt Relevanz, Entfernung und Beliebtheit als zentrale lokale Faktoren. Patente erwähnen zusätzlich Reputation und Site Quality als query-unabhängige Scores. | Business Profile komplett pflegen, echte Bewertungen aktiv einsammeln, auf Reviews antworten, Kategorien und Services sauber pflegen, Marke konsistent über eigene und fremde Quellen führen. |
| Length | 6,7 | d gemischt/unspezifiziert | Zyppy nennt die Evidenz inkonsistent. Google sagt zusätzlich klar, dass es keine ideale Seitenlänge gibt und „Chunking“ nicht nötig ist. | Nicht auf Wortzahl optimieren. Auf Vollständigkeit, Struktur und direkte Beantwortung optimieren. |
| Language | 6,3 | b Place-/Local-SEO-relevant | Zyppy beobachtet Sprach- und teils Standort-Bias. Google erklärt, wie hreflang lokale bzw. sprachliche Varianten verbindet. Für internationale und lokale Märkte ist das klar steuerbar. | Eigene Sprach-/Länderversionen mit sauberen URLs, hreflang, lokaler Währung, lokalen Öffnungszeiten und landesspezifischer Ausdrucksweise bereitstellen. |
| Entity Consistency | 5,8 | b Place-/Local-SEO-relevant | Für lokale Entitäten ist Konsistenz ein Kernhebel: Google nutzt offizielle Website, Drittquellen und Nutzerbeiträge für lokale Ergebnisse. Das macht einheitliche Namen, Adressen, Telefonnummern und Standortbezeichnungen besonders wichtig. | NAP, Filialnamen, Kurzbeschreibung, Kategorien und Standortbezeichnungen auf Website, GBP, Verzeichnissen und Schema identisch halten. |
| Structured Data | 5,6 | b Place-/Local-SEO-relevant | Google sagt klar: kein spezielles AI-Schema ist nötig. Für lokale Unternehmen ist LocalBusiness aber ein sehr konkreter Deutungshebel, weil damit Öffnungszeiten, Abteilungen und lokale Details strukturiert übermittelt werden können. | LocalBusiness, PostalAddress, OpeningHoursSpecification, sameAs, ggf. department sauber auf lokalen Seiten implementieren und mit sichtbarem Inhalt abgleichen. |
| Known Source | 5,4 | d gemischt/unspezifiziert | Das ist klar LLM-nah, aber operativ schwer steuerbar. OpenAI trennt Suche über OAI-SearchBot und Trainingsnutzung über GPTBot; was ein Modell „schon kennt“, bleibt im Einzelfall weitgehend Black Box. | Präsenz in starken, crawlbaren, zitierfähigen Quellen ausbauen, aber diesen Faktor nicht isoliert optimieren. Er ist eher Folge guter Distribution als ein direkt steuerbarer Hebel. |
| Domain Authority | 5,0 | d gemischt/unspezifiziert | Zyppy nennt den Zusammenhang schwach. Google-Patente erwähnen Reputation und Site Quality, AirOps fand aber für Domain Authority/Backlinks in ChatGPT kein positives Korrelationssignal. Das spricht gegen einen einfachen „mehr Autorität = mehr AI-Zitate“-Schluss. | Nicht auf Metrik-Optimierung, sondern auf echte Autorität durch starke Inhalte, Erwähnungen, Reviews, PR und thematische Tiefe setzen. |
| LLMs.txt | 2,0 | d gemischt/unspezifiziert | Google sagt ausdrücklich, dass man keine LLMS.txt oder spezielle AI-Dateien braucht, um in generativer Suche zu erscheinen. Zyppy fand keine glaubwürdige Evidenz für einen Citation-Effekt. Die Spezifikation selbst ist ein Vorschlag, kein Suchstandard. | Nachrangig behandeln. Erst Crawlability, sichtbaren HTML-Text, Struktur, Canonicals, lokale Daten und Quellenarbeit sauber machen. |
Zwei Muster stechen aus der Matrix heraus. Erstens: Die meisten hoch gewichteten Faktoren sind weiterhin SEO-Grundlagen. Zweitens: Der echte Neuerungsraum liegt in Fan-out und Passage-Extraktion. Genau dort treffen sich Googles offizielle AI-Dokumentation, Google-Patente und aktuelle Industrieexperimente am deutlichsten.
Lokale SEO-Implikationen
Für lokale Unternehmen sind aus der Zyppy-Liste vor allem vier Faktoren direkt steuerbar: Brand/Entity Trust, Language, Entity Consistency und Structured Data. Dazu kommen als flankierende Standards eine saubere Business-Profile-Pflege, vollständige Standortseiten und ein konsistentes Datenbild über alle Quellen. Google sagt, lokale Ergebnisse basieren hauptsächlich auf Relevanz, Entfernung und Beliebtheit. Relevanz steigt, wenn ein Profil vollständig und präzise ist. Gleichzeitig nutzt Google lokale Informationen aus der offiziellen Website, aus Drittquellen und aus Nutzerbeiträgen wie Fotos und Reviews. Daraus folgt praktisch: Jede Abweichung zwischen Website, Google Business Profile und Verzeichnissen erhöht das Risiko von Entitäts- und Standortverwirrung.
Die wichtigste Arbeitsliste für lokale Teams beginnt beim Google Business Profile. Das Profil sollte verifiziert sein und fortlaufend gepflegt werden. Besonders wichtig sind primäre Kategorie und Zusatzkategorien, weil Google selbst sagt, dass Kategorien beeinflussen, für welche lokalen Suchen ein Unternehmen auftaucht. Ebenso wichtig sind korrekte Adresse, Pin auf der Karte, Öffnungszeiten, Service Areas, Services, Fotos und Beschreibungen. Öffnungszeiten sollten bei Feiertagen, Events oder saisonalen Änderungen aktiv gepflegt werden, weil Google diese Informationen direkt für Maps und Search nutzt. Bewertungen sind kein nettes Extra, sondern ein Vertrauens- und Prominenzsignal: Google sagt, Reviews helfen Unternehmen aufzufallen; Antworten zeigen zudem Reaktionsfähigkeit. Incentivierte oder manipulierte Bewertungen sind laut Google untersagt.
Lokale Seiten sollten nicht nur den Stadtnamen austauschen. Sinnvoll sind pro Standort eine eindeutige Adresse, Telefonnummer, Karteneinbindung, Öffnungszeiten, Leistungslisten, lokale FAQs, Anfahrtsinformationen, Parkhinweise, regionale Besonderheiten und – wenn sinnvoll – lokale Referenzen oder Bewertungen. Diese Empfehlung ist eine direkte operative Ableitung aus Googles Relevanzlogik und der LocalBusiness-Dokumentation: Je vollständiger und eindeutiger eine Standortseite das reale Geschäft beschreibt, desto leichter kann Google sie einem lokalen Bedarf zuordnen.
Bei Entity Consistency ist NAP-Hygiene weiterhin Pflicht. NAP steht für Name, Address, Phone. Gemeint ist nicht nur die exakte Schreibweise, sondern das gesamte Datenmodell: Unternehmensname, Filialname, Adresse, Suite/Floor, Vorwahl, Öffnungszeiten, Kategorie, Services, URL und Social/Profile-Verknüpfungen. Google erklärt, dass es Informationen aus offizieller Website, Drittquellen und Nutzerbeiträgen zusammenführt. Deshalb sollten Website, Business Profile, Branchenverzeichnisse, Social-Profile und strukturierte Daten dasselbe Bild erzeugen. Naheliegende technische Checks sind: identische Kernfelder in Footer und Kontaktbereich, gleiche Schreibweise im Schema-Markup, konsistente Titelsignale auf Standortseiten und keine widersprüchlichen Call-Tracking-Nummern ohne saubere Steuerung.
Strukturierte Daten sind im lokalen Umfeld nützlich, aber sie sind kein Zaubertrick. Google sagt klar, dass keine speziellen schema.org-Markups nötig sind, um in generativer Suche zu erscheinen. Für lokale Unternehmen ist LocalBusiness trotzdem wertvoll, weil sich darüber Öffnungszeiten, Abteilungen, Rezensionen und weitere Unternehmensdetails standardisiert beschreiben lassen. Wichtig ist der alte, oft missachtete Grundsatz: Strukturierte Daten sollen sichtbare Inhalte beschreiben, nicht unsichtbare Fantasiedaten. Sinnvolle Checks sind deshalb: LocalBusiness je Standortseite, PostalAddress, OpeningHoursSpecification, sameAs, bei größeren Häusern department, Test über Rich Results und URL Inspection sowie Abgleich mit den sichtbaren Angaben auf der Seite.
Bei Sprache und Internationalisierung ist hreflang der saubere Standard, wenn mehrere Länder oder Sprachen bedient werden. Google erklärt, dass hreflang lokalisierte Varianten verbindet und dass jede Sprachversion sich selbst und die anderen Varianten referenzieren soll. Für lokale Sichtbarkeit genügt es nicht, Inhalte nur zu übersetzen. Regionale Unterschiede wie Währung, Liefergebiete, Öffnungszeiten, Formulierungen, Maßeinheiten, Kontaktwege und rechtliche Hinweise sollten ebenfalls lokalisiert sein. Für Storefinder- oder Filialnetze gilt das auch innerhalb derselben Sprache.
Zum Thema Geotagging ist eine vorsichtige Bewertung sinnvoll. In Googles offiziellen Bild-SEO-Leitfäden stehen crawlbare Bild-URLs, HTML-img-Elemente, relevante Landingpages, Kontext, Bild-Sitemaps und repräsentative Bilder im Vordergrund. EXIF-Geotags werden dort nicht als Hebel herausgestellt. Daraus folgt als sichere Priorisierung: Bilder mit lokalem Kontext, sauberem Alt-Text, korrekter Standortseite und guter GBP-Fotoqualität sind wichtiger als EXIF-Spielereien. Geotagging kann man als Nebenhygiene mitnehmen, aber nicht als Kernhebel behandeln.
Optimierung für KI-Extraktion
Der größte Mehrwert jenseits von Standard-SEO liegt derzeit in Extrahierbarkeit. Das lässt sich einfach formulieren: Eine AI muss die richtige Passage schnell finden, richtig deuten und ohne viel Zusatzarbeit zitieren können. Google bestätigt dafür zwei Kernmechaniken: RAG, also das Nachladen aktueller Webquellen, und Query Fan-out, also Nebenabfragen, mit denen das System weitere Unterfragen bearbeitet. Genau deshalb gewinnen Seiten, die nicht nur eine Hauptfrage nennen, sondern auch typische Unterfragen abdecken, ohne dabei in ausuferndes Varianten-SEO zu kippen.
Die wichtigste Inhaltsregel ist Answer first. Die Kernantwort gehört früh auf die Seite. Danach folgt die Ausfaltung: Kriterien, Beispiele, Gegenargumente, lokale Varianten, Tabellen und Schritte. Für AI-Zitate funktionieren besonders gut eigenständige Passagen. Ein guter Absatz ist für sich lesbar. Er nennt Thema, Kontext und Aussage im selben Block. Google-Patente beschreiben genau solche Antwortpassagen unter Überschriften und bewerten den Passage-Kontext über Heading-Hierarchien. Gleichzeitig kann für bestimmte Fragetypen, etwa Schritt-für-Schritt-Anfragen, eine listenbasierte Passage zusätzlichen Boost erhalten. Das spricht klar für Tabellen, Listen und definierte Antwortblöcke.
Wichtig ist auch sichtbarer HTML-Text. Google empfiehlt für AI Features ausdrücklich, dass wichtige Inhalte in Textform verfügbar sind. JavaScript ist möglich, aber technisch anspruchsvoller. Wer Schlüsselinformationen nur in Tabs, modalen Overlays, rein visuellen Komponenten, CSS-Hintergrundbildern oder spät geladenen App-Strukturen versteckt, macht es Such- und AI-Systemen unnötig schwer. Praktisch heißt das: Kernantworten, Definitionen, Vergleichspunkte, Lieferinfos, Größenlogik, FAQs und Standortdaten sollten im initial gut renderbaren HTML liegen.
Metadaten und Canonicals bleiben dabei harte Technik-Grundlagen. Google empfiehlt Canonicals im HTML-head, konsistente interne Verlinkung auf die kanonische URL und warnt davor, Canonical-Signale durch JavaScript unklar zu machen. Separat weist Google darauf hin, dass ungültige Elemente im head dazu führen können, dass nachfolgende Metadaten ignoriert werden. Für AI-Zitatfähigkeit ist das wichtig, weil Suchsysteme auf stabile Dokumentidentitäten, klare Robots-Signale und saubere Snippet-Eignung angewiesen sind. Der praktische Check ist einfach: gültiger head, sauberer title, korrekter meta robots, korrektes rel="canonical", keine Duplicate-URL-Flut, interne Links auf die kanonische Version, keine widersprüchlichen Redirect-Signale.
Beim Thema KI-Bots und Sichtbarkeitssteuerung lohnt die genaue Unterscheidung. OpenAI dokumentiert, dass OAI-SearchBot für ChatGPT-Suchergebnisse zuständig ist, während GPTBot der Trainings-Crawler ist. Wer OAI-SearchBot blockiert, riskiert geringere Sichtbarkeit in ChatGPT Search; wer nur GPTBot blockiert, signalisiert vor allem „nicht fürs Training“. Google sagt zusätzlich, dass Google-Extended das Training zukünftiger Gemini-Modelle steuern kann, aber nicht als Ranking-Signal in Search wirkt und die Search-Inklusion nicht beeinflusst. Das ist wichtig, weil in vielen Teams Training, Suche und Snippet-Steuerung noch vermischt werden.
Bei LLMs.txt ist Nüchternheit angebracht. Die Datei ist als Vorschlag für LLM-freundliche Dokumentation entstanden. Google sagt aber ausdrücklich, dass für generative Suche keine LLMS.txt oder besondere AI-Dateien nötig sind. Zyppy wiederum fand keine belastbare Evidenz für einen Citation-Effekt. Daraus folgt: Für Dokumentationsportale kann LLMs.txt als Komfort-Datei sinnvoll sein; für AI-Sichtbarkeit in Search sollte sie aktuell nicht vor Crawlability, Sichtbarkeit im HTML, Quellenarbeit, Struktur und Canonicals priorisiert werden.
Ein letzter, oft übersehener Punkt ist Agenten-Kompatibilität. Google weist darauf hin, dass Browser-Agenten Screenshots, DOM-Struktur und den Accessibility Tree nutzen können. OpenAI empfiehlt für den ChatGPT-Agenten verständliche ARIA-Tags und zugängliche interaktive Elemente. Das ist kein direkter Citation-Faktor aus dem Zyppy-Artikel, aber eine nahe Zukunftsanforderung. Semantisches HTML, stabile Buttons, klare Labels und nachvollziehbare Formularzustände helfen daher nicht nur Menschen, sondern zunehmend auch AI-Systemen.
Priorisierte Checklisten und Quellen
Für das Content-Team ist die Reihenfolge vergleichsweise klar. Oben stehen: eine direkte Antwort im Einstieg, eigenständige Absätze, klare H2/H3-Struktur, Vergleichstabellen oder Listen für passende Intent-Typen, konkrete Zahlen und sichtbare Primärquellen auf Schlüsselseiten. Nicht priorisiert werden sollten künstliches Keyword-Stuffing, aufgeblähte Wortzahlen und das Umschreiben von Text nur, um „AI-mäßig“ zu klingen.
Für das SEO-Team ist die Priorität: Crawlability und Snippet-Eignung sichern, Robots- und Preview-Controls prüfen, Canonicals und Metadaten bereinigen, Sichtbarkeit für Hauptquery und Fan-out-Subqueries aufbauen, Duplicate-URLs reduzieren und zentrale Antworten im sichtbaren HTML halten. Wenn ChatGPT Search relevant ist, sollte OAI-SearchBot bewusst gesteuert werden.
Für das Local-SEO-Team ist die Priorität: GBP verifizieren und vollständig pflegen, Kategorien und Services sauber setzen, Adresse/Pin/Öffnungszeiten korrekt halten, Bewertungen aktiv und regelkonform fördern, NAP über Website und Verzeichnisse synchronisieren, lokale Landingpages mit echtem Standortnutzen bauen und LocalBusiness-Schema sauber implementieren. Bei internationalen Märkten kommen hreflang, regionale Sprache und länderspezifische Angebote hinzu. Geotagging von Bildern bleibt nur ein Nebenthema.
FAQ: AI Citation Ranking Factors und SEO
Ja. Klassisches SEO bleibt die Grundlage für Sichtbarkeit in Google AI Overviews und ähnlichen Systemen. Besonders wichtig sind Crawl- und Indexierbarkeit, organische Rankings, Relevanz zur Suchintention, sichtbarer HTML-Text und saubere technische Signale wie Canonicals, Robots- und Snippet-Steuerung.
Der wichtigste neue Fokus liegt auf der Passage-Ebene. AI-Systeme suchen nicht nur nach passenden Seiten, sondern nach klar extrahierbaren Textabschnitten. Inhalte sollten deshalb direkte Antworten, saubere Überschriften, eigenständig verständliche Absätze, Listen, Tabellen und konkrete Fakten enthalten.
Query Fan-out bedeutet, dass AI-Systeme zu einer Hauptfrage mehrere Nebenabfragen auslösen. Dadurch können auch Seiten sichtbar werden, die nicht zwingend für die ursprüngliche Hauptquery ganz oben ranken, aber eine relevante Teilfrage sehr gut beantworten. Inhalte sollten daher Hauptfragen, Folgefragen, Vergleiche und typische Entscheidungskriterien abdecken.
Für Local SEO zählen vor allem konsistente Entitätssignale. Dazu gehören ein gepflegtes Google Business Profile, korrekte NAP-Daten, Bewertungen, lokale Sprache, vollständige Standortseiten und strukturiertes LocalBusiness-Markup. Website, Business Profile und externe Verzeichnisse sollten dasselbe klare Bild des Unternehmens vermitteln.
Schwach oder uneinheitlich belegt sind vor allem LLMs.txt, Domain Authority, reine Textlänge, „Known Source“ und übertrieben autoritär klingende Formulierungen. Diese Faktoren sollten nicht im Mittelpunkt stehen. Priorität haben stattdessen crawlbare, gut strukturierte, belegbare und nutzerorientierte Inhalte.
Fazit: Wer in AI Overviews und generativen Suchsystemen sichtbar werden möchte, sollte zuerst die SEO-Basis sauber halten und anschließend Inhalte so strukturieren, dass einzelne Passagen schnell verstanden, extrahiert und zitiert werden können.
Geschrieben von