KI-Suche Glossar

AI Overview (früher Google SGE) ist Googles KI-generierte Antwortzusammenfassung, die ganz oben in den Suchergebnissen erscheint. Sie wird von Googles Gemini-Modell auf Basis von Inhalten aus Ranking-Seiten generiert und präsentiert eine synthetisierte Antwort mit Quellenangaben — ohne dass der Nutzer weiterklicken muss.

AI Search (KI-Suche) ist eine Suchtechnologie, bei der Künstliche-Intelligenz-Modelle — typischerweise große Sprachmodelle (LLMs) — natürliche Antworten auf Fragen generieren, anstatt eine Liste von Links zu präsentieren. Beispiele sind ChatGPT Search, Google AI Overviews, Perplexity und Microsoft Copilot.

AI Search Monitoring ist die systematische Überwachung der Sichtbarkeit, Zitierungen und Erwähnungen einer Marke über KI-Suchmaschinen und Chatbots hinweg — einschließlich ChatGPT, Gemini, Perplexity und Google AI Overviews — um die Entwicklung zu verfolgen und Optimierungspotenziale zu erkennen.

AI Visibility (KI-Sichtbarkeit) ist die Fähigkeit einer Marke oder eines Unternehmens, von KI-Suchsystemen wie ChatGPT, Gemini, Perplexity und Google AI Overviews erwähnt, empfohlen oder zitiert zu werden, wenn Nutzer relevante Fragen stellen.

Answer Engine Optimization (AEO) ist die Disziplin, die Inhalte und die digitale Präsenz so optimiert, dass sie als Antwort ausgewählt — oder als Quelle zitiert — werden von KI-gestützten Antwort-Engines wie ChatGPT, Gemini, Perplexity und Google AI Overviews, im Gegensatz zum klassischen SEO, das auf Klick-Rankings in Suchlisten optimiert.

Brand Visibility in der KI (Markensichtbarkeit in Künstlicher Intelligenz) beschreibt, in welchem Ausmaß und auf welche Weise eine bestimmte Marke von KI-Suchmodellen und Chatbots erwähnt, beschrieben oder empfohlen wird. Es handelt sich um eine zusammengesetzte KPI, die Citation Rate, Sentimentanalyse und Kontextqualität umfasst.

CAVIS (Conversational AI Visibility Intelligence System) ist ein Framework zur systematischen Simulation und Analyse von KI-Sichtbarkeit, entwickelt von CitationLab AS. CAVIS strukturiert KI-Suchsimulationen rund um reale Nutzersituationen statt einfacher Keywords und erzeugt quantifizierbare Sichtbarkeitsmetriken über KI-Modelle hinweg.

ChatGPT SEO umfasst Strategien und Techniken, um die Wahrscheinlichkeit zu erhöhen, dass ChatGPT eine bestimmte Marke, Website oder Quelle in seinen Antworten erwähnt oder empfiehlt — sei es durch Optimierung der Trainingsdaten, direkten Web-Abruf (ChatGPT Search) oder durch Beeinflussung der Inhaltsindizierung.

Die systematische Arbeit daran, Anzahl und Qualität von Markenerwähnungen in KI-generierten Antworten zu erhöhen.

Die Citation Rate ist der Anteil relevanter KI-Suchanfragen, bei denen eine bestimmte Marke, Website oder Quelle in der Antwort des KI-Modells erwähnt oder zitiert wird. Sie ist eine zentrale KPI für KI-Sichtbarkeit und wird wie folgt gemessen: (Anzahl der Antworten mit Erwähnung) / (Gesamtzahl ausgeführter Prompts) × 100.

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist das Bewertungsraster von Google und KI-Modellen für Inhaltsqualität und Glaubwürdigkeit. Starke E-E-A-T-Signale erhöhen die Wahrscheinlichkeit, dass Inhalte in KI-Antworten einbezogen werden und in der Suche hoch ranken.

Entity SEO ist die Optimierung der digitalen Präsenz rund um Entitäten — benannte, eigenständige Konzepte wie Personen, Orte, Organisationen und Begriffe — sodass Suchmaschinen und KI-Modelle sie identifizieren und in ihren Wissensgraphen mit relevantem Wissen verknüpfen können.

Gemini SEO ist die Optimierung von Inhalten und Präsenz, um von Googles Gemini-Modell zitiert zu werden — einschließlich Google AI Overviews, Google Search und Gemini Assistant. Da Gemini eng mit der Google-Suche verzahnt ist, überschneidet sich Gemini SEO stark mit klassischem SEO.

Generative Engine Optimization (GEO) ist eine Disziplin im digitalen Marketing, die Inhalte und digitale Präsenz so optimiert, dass sie in Antworten generativer KI-Modelle aufgenommen werden. GEO und AEO werden oft synonym verwendet, GEO legt jedoch besonderen Wert auf die Inhaltsproduktionsstrategie selbst statt auf die technische Optimierung.

Ein Knowledge Graph (Wissensgraph) ist eine strukturierte Datenbank, die Entitäten (Personen, Orte, Konzepte, Organisationen) und die Beziehungen zwischen ihnen repräsentiert. Googles Knowledge Graph und die internen Repräsentationen von KI-Modellen sind Wissensgraphen, die beeinflussen, welche Informationen in der Suche und in KI-Antworten präsentiert werden.

Eine LLM-Citation (LLM-Zitierung) entsteht, wenn ein großes Sprachmodell (Large Language Model) eine bestimmte Quelle, Marke oder Website in einer an den Nutzer gerichteten Antwort explizit erwähnt, referenziert oder empfiehlt — sei es als attribuierte Quelle, als Empfehlung oder als Teil einer Faktenaussage.

LLM Training Data (Trainingsdaten) sind die riesigen Textkorpora, aus denen große Sprachmodelle während des Trainings lernen — darunter Webseiten, Bücher, wissenschaftliche Artikel und Datenbanken. In diesen Quellen vertreten zu sein, ist grundlegend dafür, dass eine Marke ohne Live-Suche von LLMs erwähnt wird.

Standardisierte Textdatei im Root-Verzeichnis, die KI-Crawlern kontextuelle Informationen zu Inhalt und Struktur der Website liefert.

Perplexity SEO ist die Optimierung von Website-Inhalten und Autorität speziell darauf, von Perplexity AI zitiert zu werden — einer Suchmaschine, die Live-Web-Abruf und LLM-Synthese kombiniert, um Antworten mit Quellenangaben zu liefern. Perplexity zitiert seine Quellen explizit und erzeugt damit direkten Linktraffic.

Prompt Visibility beschreibt, in welchem Ausmaß eine Marke, ein Produkt oder eine Quelle in den Antworten von KI-Modellen auf bestimmte Prompts (Fragen oder Instruktionen) auftaucht, die für das Angebot des Unternehmens relevant sind. Gemessen wird es, indem systematisch repräsentative Prompts ausgeführt und die Vorkommen erfasst werden.

Retrieval-Augmented Generation (RAG) ist eine KI-Architektur, bei der ein Modell relevante Dokumente aus einer externen Wissensbasis abruft und diese als kontextuelle Grundlage für die Antwortgenerierung nutzt — anstatt sich ausschließlich auf Trainingsdaten zu verlassen.

Search Grounding ist die Technik, bei der ein KI-Modell sein internes Trainingswissen durch Live-Web-Abruf ergänzt, um aktuellere und präzisere Antworten zu liefern. Das Modell durchsucht das Web, ruft relevante Texte ab und nutzt diese als Grundlage (Ground Truth) für die Antwort.

Strukturierte Daten für KI sind Schema.org-Markup und andere maschinenlesbare Metadatenformate, die KI-Modellen und Suchmaschinen helfen, den Kontext, die Art und die Beziehungen der Inhalte zu verstehen — und die Wahrscheinlichkeit erhöhen, dass der Inhalt als Quelle in KI-generierten Antworten verwendet wird.

Der Grad an fachlicher Tiefe und inhaltlicher Durchdringung, den eine Website in einem bestimmten Themengebiet aus Sicht von Suchmaschinen und KI-Modellen besitzt.