Wie Antworten von ChatGPT, Gemini und anderen KI-Suchen entstehen – und was Websites dafür leisten müssen

Kurzantwort: Was die Website für KI-Suchen wirklich leisten muss

Die wichtigste Antwort vorweg: KI-Suchen wählen Quellen nicht nach einer einzigen Kennzahl aus. Entscheidend ist eine Kette aus technischem Zugriff, Indexierung, inhaltlicher Passung und anschließender Antwortgenerierung. Eine Seite kann also technisch erreichbar sein, aber trotzdem in einer konkreten KI-Antwort fehlen, wenn sie für die Anfrage nicht als relevant genug gilt.

Für Unternehmen ist der praktische Kern deshalb nicht „für die KI schreiben“, sondern die Website so aufstellen, dass Such- und Antwortsysteme sie zuverlässig lesen, verstehen und einordnen können. Dazu gehören crawlbare Inhalte, klare Seitentitel, präzise Überschriften, interne Verlinkung und eine Struktur, die ein Thema erkennbar zusammenhält.

Gegenüber klassischer SEO verschiebt sich der Fokus nicht auf ein neues Geheimrezept, sondern auf die Frage, wie eine Antwortmaschine Inhalte extrahiert, zusammenführt und mit Links versieht. Wer diese Mechanik versteht, kann besser einschätzen, wo organische Sichtbarkeit in KI-Suchen realistisch ist – und wo nicht.

Welche Schritte zwischen Website und Antwort liegen: Crawling, Indexierung, Retrieval und Generierung

Bevor eine KI-Suche antworten kann, muss sie eine Seite überhaupt finden. Danach wird die Seite verarbeitet, in einem Index oder einer ähnlichen Wissensstruktur abgelegt und für spätere Anfragen abrufbar gemacht. Erst dann folgt die Phase, in der das System bei einer konkreten Frage passende Inhalte sucht, priorisiert und in eine Antwort einbettet.

Google beschreibt diesen Ablauf für die klassische Suche sehr klar in drei Stufen: Crawling, Indexierung und Ausspielung. Für KI-gestützte Sucherlebnisse kommen zusätzliche Schritte hinzu. Die Systeme können mehrere verwandte Suchanfragen parallel auslösen, also einen Query-Fan-out nutzen, und aus mehreren Quellen eine Antwort zusammenstellen.

Wichtig ist die Trennung zwischen dem technischen Erfassen einer Seite und der tatsächlichen Verwendung in einer Antwort. Ein Bot-Zugriff oder ein Indexeintrag beweist noch nicht, dass die Seite in einer KI-Antwort auftaucht. Umgekehrt kann eine Quelle in einer Antwort berücksichtigt werden, ohne dass daraus automatisch eine messbare Conversion folgt.

Wie ChatGPT-Suche laut OpenAI arbeitet: Bots, Zugriff und Antwortquellen

OpenAI trennt in seiner Doku mehrere Crawler und User Agents. OAI-SearchBot dient der Suche in ChatGPTs Suchfunktionen. Wer diesen Bot in robots.txt zulässt, schafft die Voraussetzung dafür, dass Inhalte in ChatGPT-Suchergebnissen auftauchen können. OpenAI weist ausdrücklich darauf hin, dass ein Opt-out von OAI-SearchBot dazu führt, dass Seiten nicht in ChatGPT-Suchantworten erscheinen, auch wenn sie weiter als Navigationslinks vorkommen können.

Wichtig ist auch die Abgrenzung zu GPTBot und ChatGPT-User. GPTBot betrifft das Crawlen für Trainingszwecke generativer Modelle. ChatGPT-User wird für bestimmte Nutzeraktionen in ChatGPT oder Custom GPTs genutzt und ist nicht dasselbe wie ein automatischer Such-Crawler. Für Website-Betreiber heißt das: Die Steuerung der Suchsichtbarkeit läuft über OAI-SearchBot, nicht über allgemeine Botsignale oder pauschale Sperren.

OpenAI nennt zudem einen Anpassungszeitraum von etwa 24 Stunden nach robots.txt-Änderungen, bis Systeme reagieren. Für die Praxis bedeutet das: Wer den Zugriff testet, sollte Bot-Zugriffe, robots.txt und die tatsächlich sichtbaren Suchergebnisse getrennt prüfen. Ein erlaubter Crawl ist die technische Voraussetzung, aber noch kein Garant für eine prominente Antwortposition.

Wie Google AI Overviews und AI Mode Antworten mit Links erzeugen

Google beschreibt AI Overviews und AI Mode als Sucherlebnisse, die relevante Links anzeigen, damit Nutzer schneller einen Überblick bekommen und bei Bedarf tiefer einsteigen können. Diese Antworten entstehen nicht losgelöst von der Suche, sondern als Teil des Suchsystems. Für Website-Betreiber ist daran besonders wichtig: Die Inhalte müssen zunächst die normalen technischen Anforderungen der Google-Suche erfüllen.

Laut Google gibt es für unterstützende Links in AI Overviews und AI Mode keine zusätzlichen technischen Sonderanforderungen. Eine Seite muss indexiert sein und für die Google-Suche mit Snippet infrage kommen. Damit bleibt der Unterbau klassisch: Crawlbarkeit, Indexierbarkeit, Textzugänglichkeit, interne Verlinkung und ein sauberer technischer Zustand der Website.

Google beschreibt außerdem eine Query-Fan-out-Technik, bei der mehrere verwandte Suchen über Unterthemen und Datenquellen angestoßen werden. Dadurch können mehr unterstützende Seiten eingebunden werden als in einer klassischen Ergebnisliste. Das heißt aber auch: Nicht die bekannteste Seite gewinnt automatisch, sondern die Seite, die für den jeweiligen Teilaspekt der Frage am besten passt.

Warum nicht jede indexierte Seite in jeder KI-Antwort auftaucht

Indexierung ist nur die Eintrittskarte, nicht die Zusage für eine Antwort. Google erklärt ausdrücklich, dass nicht jede gecrawlte Seite indexiert wird und nicht jede indexierte Seite in den Ergebnissen erscheinen muss. Für KI-Antworten gilt derselbe Grundsatz in noch stärkerer Form: Das System muss die Seite als passend, hilfreich und belastbar einschätzen.

Dazu kommt die Frage der Themenpassung. Eine Seite kann allgemein gut sein, aber für eine konkrete Frage zu breit, zu oberflächlich oder zu wenig eindeutig. KI-Suchen arbeiten häufig auf der Ebene von Teilfragen, nicht nur auf der Ebene eines Hauptstichworts. Inhalte, die eine Teilfrage präzise beantworten, haben daher oft bessere Chancen als Seiten, die nur allgemein über ein Thema sprechen.

Auch die Darstellung der Seite spielt eine Rolle. Wenn wichtige Inhalte nur in schwer renderbaren Skripten stecken, wenn Titel und Überschriften unklar sind oder wenn die Seite Doppelungen erzeugt, sinkt die Chance, dass das System den richtigen Textabschnitt zuverlässig erkennt. Gerade bei KI-Suchen ist also nicht nur die Seite als Ganzes wichtig, sondern auch die Lesbarkeit einzelner Abschnitte.

Welche Inhalte KI-Suchen eher als Quelle oder Stütze verwenden

Hilfreich sind Inhalte, die eine Frage vollständig und konkret beantworten. Google betont bei people-first content, dass Originalität, fachliche Substanz, klare Struktur und nachvollziehbare Qualität wichtiger sind als bloße Textmenge. Für KI-Suchen gilt das praktisch genauso: Systeme brauchen Text, der ein Thema klar erklärt, nicht nur Schlagworte sammelt.

Besonders gut funktionieren Inhalte, die ein Thema in klare Bausteine zerlegen, etwa Definitionen, Unterschiede, Entscheidungskriterien, häufige Fehler und Grenzen. Solche Seiten sind für KI-Systeme leichter zu verarbeiten, weil sie einzelne Aussagen sauber voneinander trennen. Auch beschreibende Titel, präzise Überschriften und konsistente Begriffe helfen dabei, die Relevanz einzuordnen.

Strukturierte Daten können unterstützen, wenn sie zum sichtbaren Inhalt passen. Google weist darauf hin, dass strukturierte Daten die Bedeutung einer Seite präziser machen können, aber nur dann nützen, wenn sie korrekt, vollständig und mit dem sichtbaren Inhalt abgestimmt sind. Für Unternehmen bedeutet das: Schema ist Ergänzung, nicht Ersatz für guten Inhalt.

Technische Voraussetzungen: robots.txt, Rendering, interne Links und saubere Indexierbarkeit

Die technische Basis entscheidet häufig darüber, ob KI-Suchen eine Seite überhaupt nutzen können. Google empfiehlt, dass wichtige Inhalte für die Suche zugänglich bleiben, dass Ressourcen wie CSS und JavaScript nicht versehentlich blockiert werden und dass Seiten so renderbar sind, wie Nutzer sie sehen. Ohne das kann eine Suchmaschine Inhalte missverstehen oder gar nicht erfassen.

Interne Links sind ebenfalls zentral. Google erklärt, dass ein Großteil neuer Seiten über Links entdeckt wird. Für Unternehmen heißt das: Inhalte sollten nicht isoliert entstehen, sondern in eine nachvollziehbare Themenstruktur eingebettet sein. Eine wichtige Fachseite braucht idealerweise Verweise von relevanten Übersichtsseiten, verwandten Ratgeberseiten und passenden Leistungsseiten.

Für OpenAI kommt zusätzlich die gezielte Steuerung über robots.txt hinzu. Wer Suchsichtbarkeit in ChatGPT nicht blockieren will, sollte OAI-SearchBot zulassen. Wer Trainingsnutzung begrenzen will, kann GPTBot getrennt steuern. Diese Trennung ist wichtig, weil sie zeigt: Suchsichtbarkeit und Modelltraining sind bei OpenAI nicht dasselbe.

Was Unternehmen messen können: Sichtbarkeit, Klicks und die Grenzen der Zuordnung

In Google Search Console werden AI Overviews und AI Mode im normalen Web-Suchverkehr erfasst. Das misst Sichtbarkeit und Klicks, aber keine Anfragen, keine Leadqualität und keine Aufträge. Google verweist zwar darauf, dass Klicks aus solchen Ergebnissen oft hochwertig sein können, doch das ist eine Beobachtung auf Aggregatebene, keine Einzelaussage über ein bestimmtes Unternehmen.

Für Unternehmen ist deshalb die saubere Trennung wichtig: Ein Klick ist noch kein Lead, ein Website-Ereignis noch keine fachlich passende Anfrage und eine Anfrage noch kein Auftrag. Wer die Wirkung von KI-Suchen wirklich verstehen will, braucht den Abgleich mit Formular-, CRM- oder Vertriebsdaten. Nur so lässt sich bewerten, ob Sichtbarkeit auch geschäftlich relevant war.

OpenAI veröffentlicht in der hier vorliegenden Dokumentation keine vergleichbare Search Console. Für ChatGPT-Sichtbarkeit bleiben Unternehmen daher meist auf indirekte Signale angewiesen: Bot-Zugriff, referenzierte Seiten, eingehende Anfragen und manuelle Markenbeobachtung. Das ist nützlich, aber deutlich ungenauer als eine vollständige Zuordnung einzelner organischer Suchanfragen zu Leads oder Aufträgen.

Grenzen, Missverständnisse und ein hypothetisches Beispiel für drei Entscheidungen

Ein typisches Missverständnis ist die Annahme, KI-Suchen würden einfach „die beste Website“ anzeigen. Tatsächlich arbeiten sie kontextbezogen: zur Suchintention, zum Unterthema, zur Antwortlänge und zu den verfügbaren Quellen. Eine starke Seite kann daher in einer anderen Fragestellung fehlen, obwohl sie fachlich gut ist.

Ein weiteres Missverständnis betrifft die direkte Messbarkeit. Nur weil eine Seite in Search Console Klicks aus AI Overviews erhält, ist noch nicht bewiesen, dass daraus qualifizierte Anfragen entstanden sind. Umgekehrt kann eine Anfrage aus ChatGPT oder Gemini sehr wertvoll sein, ohne dass sie sauber auf eine einzelne organische Quelle zurückgeführt werden kann. Hier bleibt eine Grenze gegenüber klassischer Suchmessung bestehen.

Hypothetisches Beispiel: Ein mittelständischer Anbieter von Industriekomponenten stellt fest, dass seine Produktseiten zwar indexiert sind, aber selten in KI-Antworten auftauchen. Erstens entscheidet das Unternehmen, eine technische FAQ-Seite pro Produktgruppe anzulegen, damit Teilfragen klar beantwortet werden. Zweitens ergänzt es interne Links von den Leistungsseiten auf diese FAQs, damit das Thema eindeutig vernetzt ist. Drittens prüft es die robots.txt so, dass OAI-SearchBot nicht blockiert wird und die wichtigsten Inhalte crawlbar bleiben. Dieses Beispiel zeigt drei getrennte Entscheidungen: Inhalt, interne Struktur und Bot-Zugriff. Ob daraus mehr passende Anfragen werden, lässt sich erst mit CRM- und Vertriebsdaten bewerten.

Offen bleibt bei vielen KI-Suchen, welche internen Bewertungslogiken im Detail jeweils über Quellenwahl, Reihenfolge und Zitierung entscheiden. Unternehmen sollten deshalb mit belastbaren Grundlagen arbeiten statt mit Vermutungen: zugängliche Inhalte, saubere Struktur, verständliche Belege und messbare Übergabe an den Vertrieb.