Die Zäsur von Toronto: Mythbusting, Information Gain Score und was Google wirklich über die Zukunft von SEO verraten hat

Austauschbar oder unverzichtbar? Wie Sie den neuen Google-Filter überleben

Wer die Spielregeln nicht kennt, verliert still und leise Marktanteile

Die Suchmaschinenoptimierung erlebt derzeit ihren größten Umbruch seit der Erfindung des PageRanks. Lange Zeit galt in der SEO-Branche das ungeschriebene Gesetz: Wer die Algorithmen am besten versteht und Inhalte am effizientesten skaliert, gewinnt. Doch mit dem rasanten Aufstieg generativer KI-Systeme hat sich das Internet in rasender Geschwindigkeit mit austauschbarem Massen-Content gefüllt. Googles Antwort darauf ist drastisch und markiert einen fundamentalen Paradigmenwechsel, der auf dem Google Search Central Live Event in Toronto 2026 unmissverständlich klargemacht wurde. Es geht nicht mehr um bloße Keywords oder schiere Masse, sondern um „Information Gain“ – den echten, nicht kopierbaren Informationsgewinn.

Der Fokus der Branche verschiebt sich zunehmend von klassischem SEO hin zu GEO (Generative Engine Optimization) und AIO (Artificial Intelligence Optimization). Wer heute nicht versteht, dass proprietäre Daten, einzigartige Perspektiven und echte menschliche Expertise die neue Währung der Sichtbarkeit sind, riskiert, in der KI-gestützten Suchlandschaft völlig unsichtbar zu werden. Der folgende Artikel analysiert die tiefgreifenden Erkenntnisse aus Toronto, erklärt die Mechanismen hinter Googles neuen Qualitätsfiltern und zeigt auf, welche Content-Strategien im Zeitalter der KI-Suche als einzige noch nachhaltig funktionieren.

Von SEO zu GEO zu AIO: Die stille Revolution der Suchmaschinenoptimierung

Die Zäsur von Toronto: Was Danny Sullivan wirklich sagte

Am 21. April 2026 fand in Toronto das erste Google Search Central Live auf kanadischem Boden statt. Martin Splitt, Danny Sullivan, Daniel Waisberg, Annanya Raghavan und Ryan Levering standen gemeinsam auf einer Bühne und gaben der SEO-Branche das, was sie seit Jahren gefordert hatte: Klarheit darüber, wie Google Inhalte im Zeitalter der KI bewertet. Die Botschaft, die seither durch die internationalen Fachforen hallt, ist so schlicht wie weitreichend: “Good SEO is largely having great content for people.”

Was sich oberflächlich wie eine Binsenweisheit liest, ist bei näherer Analyse ein fundamentaler Paradigmenwechsel in der Geschichte der Suchmaschinenoptimierung. Sullivan fragte die anwesenden Praktiker direkt, auf welcher Seite einer Trennlinie ihr jeweiliges Blog stehe. Commodity oder Non-Commodity. Austauschbar oder unverzichtbar. Die Frage war rhetorisch gemeint, traf aber den Nerv einer Branche, die jahrelang Masse mit Klasse verwechselt hatte. Google habe die Messlatte nicht nur erhöht, die Spielregeln selbst seien neu geschrieben worden, konstatierte Jean-Christophe Chouinard, der die Folien aus der Veranstaltung dokumentierte und damit eine breite Debatte in der Fachwelt auslöste.

Die ökonomische Brisanz dieser Debatte ist kaum zu überschätzen. Der GEO-Markt, also die Optimierung für generative KI-Systeme, wuchs bis 2026 auf einen Gesamtwert von 886 Millionen US-Dollar, und das nach Einschätzung von Marktbeobachtern erst am Anfang einer exponentiellen Kurve. Parallel dazu verzeichneten 55 Prozent aller beobachteten Websites im Zuge des Google-Core-Updates vom März 2026 signifikante Sichtbarkeitsveränderungen; Websites mit KI-generiertem Masseninhalt verloren bis zu 80 Prozent ihres organischen Traffics. Wer die Signale aus Toronto nicht versteht, versteht seine eigene Wettbewerbsposition in einer veränderten Suchlandschaft nicht.

Das Scheitern der Masse: Warum Skalierung ohne Substanz bestraft wird

Die Geschichte der Suchmaschinenoptimierung ist in weiten Teilen eine Geschichte der Arbitrage. Sobald ein algorithmisches Signal identifiziert war, entstand ein Markt für dessen Manipulation. Keywords wurden optimiert, Backlinks gekauft, Textlängen aufgebläht, und zuletzt produzierte KI in industrieller Menge Artikel, die syntaktisch korrekt, inhaltlich aber leer waren. Google hat auf diese Entwicklung systematisch mit dem reagiert, was intern als “Scaled Content Abuse”-Algorithmus bekannt ist.

Dieser Mechanismus ist im Kern eine Absicherung gegen das, was Martin Splitt und das Google-Team als algorithmisch erzwungenen Qualitätsdruck beschreiben: Die gesunkenen Einstiegshürden für Content-Produktion durch KI-Tools haben Google gezwungen, die Messlatte für die tatsächliche Indexierung zu erhöhen. Das bedeutet: Nicht mehr das Crawling, sondern die Selektion bei der Indexierung ist der entscheidende Filter. Sawan Jha, ein SEO-Praktiker, brachte es in den LinkedIn-Diskussionen rund um die Toronto-Präsentation auf den Punkt: Der eigentliche Filter habe sich still und leise vom Crawling zur Selektion verschoben, was erklärte, warum so viele Seiten ohne jede Wirkung existierten.

Das March-2026-Core-Update machte diesen Mechanismus schmerzhaft sichtbar. Websites, die täglich hunderte KI-generierter Artikel ohne redaktionelle Prüfung veröffentlichten, verloren zwischen 50 und 80 Prozent ihres Traffics. Seiten mit KI-generierten Übersetzungen als Skalierungsstrategie wurden systematisch abgewertet. Und Plattformen, die programmatisch tausende standortspezifische oder produktbezogene Duplikatseiten erzeugten, traf es am härtesten. Das Muster, das Google dabei erkannte und bestrafte, war nicht die KI selbst, sondern das Fehlen jedes inhaltlichen Mehrwerts: kein Autor, keine Primärquelle, keine Erfahrung aus erster Hand, kein Argument, das die Welt nicht schon kannte.

Die wirtschaftliche Logik dahinter ist eindeutig: Wenn KI Content auf ein Commodity-Niveau standardisiert, kann Google dieses Niveau schlicht ignorieren. Was Google interessiert, ist das Delta, der messbare Informationsgewinn, den ein Dokument gegenüber allen bereits vorhandenen Dokumenten zum selben Thema liefert.

Der Information Gain Score: Das neue Währungssystem der Sichtbarkeit

Das Konzept, das hinter Sullivans Commodity-Non-Commodity-Folie steckt, hat einen präzisen technischen Namen: Information Gain Score (IGS). Google hält seit 2022 ein US-Patent (US11354342B2, ursprünglich als Anwendung von 2018) auf ein System, das misst, wie viel neue, bisher nicht gesehene Information ein Dokument einem Nutzer bietet, bezogen auf dessen bisherige Suchen und gesehene Dokumente zu einem Thema. Der Score normalisiert Werte zwischen 0 und 1. Generischer KI-Output, der lediglich die Top-5-Ergebnisse paraphrasiert, tendiert gegen null. Originäre Primärforschung, proprietäre Datensätze, echte Fallstudien und einzigartige Perspektiven nähern sich dem Maximum.

Die wirtschaftliche Bedeutung dieses Scores wächst proportional zum Volumen der KI-generierten Inhalte im Netz. In wettbewerbsintensiven Nischen beeinflusst der IGS die Sichtbarkeit in Google AI Overviews um bis zu 20 bis 30 Prozent. Seiten mit hohem IGS sehen Traffic-Gewinne von 25 bis 45 Prozent in forschungsintensiven Nischen. Und nur 12 Prozent des Contents großer Publisher erreichen einen durchschnittlichen IGS über 0,7, was erklärt, warum selbst etablierte Medienhäuser unter den jüngsten Updates zu leiden haben.

Für B2B-Publisher wie die Plattform Xpert.Digital, die sich auf industrielle Logistik, Energiewende und KI-Anwendungen spezialisiert hat, ergibt sich daraus eine konkrete strategische Chance: Wer über Primärdaten aus echten Industrieprojekten, konkrete Implementierungserfahrungen und originäre Marktanalysen verfügt, sitzt strukturell in der besseren Position als jeder Konkurrent, der sich auf die Synthese öffentlich verfügbarer Informationsquellen beschränkt. SEO-Agenturen nutzen inzwischen Entity-Gap-Audits mit Tools wie SEMrush, Ahrefs und InLinks, um zu messen, welche einzigartigen Entitäten und Datenpunkte einer Seite im Vergleich zum Wettbewerb fehlen, und diese Lücken systematisch zu schließen. Die Plattform InLinks verzeichnete im Jahresverlauf bis Anfang 2026 ein Wachstum von 51 Prozent bei der Nutzung ihrer Entity-Gap-Funktionen.

Konsens versus Erkenntnisgewinn: Die Achse, die alles neu justiert

Gianluca Fiorelli, SEO-Stratege mit internationalem Profil, veröffentlichte unmittelbar nach den Toronto-Folien einen Leitfaden bei Advanced Web Ranking, in dem er eine Achse beschreibt, die für das Verständnis moderner Sichtbarkeit zentral ist: die Spannung zwischen Konsens und Information Gain. Der Konsens, also das, worüber alle schreiben und was alle sagen, ist wertvoll für die Vertrauensbildung und das E-E-A-T-Signal, aber er liefert keinen Erkenntnisgewinn. Information Gain entsteht erst dort, wo ein Dokument über den Konsens hinausgeht, ihn herausfordert oder ergänzt.

Cyrus Shepard, Gründer von Zyppy SEO und einer der meistzitierten Analysten bei US-amerikanischen Core-Update-Auswertungen, stellte nach dem Dezember-2025-Update fest, dass das Vorhandensein proprietärer Daten der drittstärkste Korrelationsfaktor für Websites war, die zu den Gewinnern gehörten. Für Danny Sullivan selbst gilt dieser Befund als Bestätigung einer bereits laufenden Realität, nicht als Ankündigung einer künftigen Entwicklung: “IMO, lots of evidence this is spot-on, not where Google is going in the future, but where it already is now.” Die Suchmaschine belohnt heute bereits das, was viele SEO-Praktiker erst für die Zukunft erwartet hatten.

Dies hat eine direkte ökonomische Konsequenz für Inhaltsstrategien. Content, der lediglich den Konsens abbildet, “best-of”-Listen kompiliert oder Standard-Ratschläge wiederholt, erfüllt eine Ordnungsfunktion im Wissenssystem, wird aber algorithmisch als substituierbar behandelt. Die Frage, die jedes Content-Team stellen muss, lautet nicht mehr: Ranken wir für dieses Keyword? Sondern: Welches messbare Wissen bringen wir in die Welt, das ohne uns nicht existieren würde?

SEO, GEO und AIO: Drei Schichten einer neuen Realität

Die terminologische Verwirrung, die sich seit 2023 in der Branche aufgebaut hat, ist symptomatisch für eine Übergangsphase, in der alte Modelle nicht mehr vollständig greifen und neue noch nicht stabil sind. SEO, GEO, AEO, LLM SEO, AI Search Optimization: Die Abkürzungen haben sich schneller vermehrt, als die dahinterstehenden Konzepte gereift sind. Danny Sullivan adressierte diesen Zustand in Toronto direkt, ohne die Debatte zu beenden.

Die analytisch sauberste Unterscheidung findet sich in der Beschreibung zweier Optimierungsschichten, die der CEO von Rankfor.AI, Dmitrij Žatuchin, in seiner LinkedIn-Analyse entwickelte: Retrieval-basierte Sichtbarkeit, also die Präsenz in AI Overviews, Perplexity und ChatGPT mit Browsing-Funktion, ist die schnelle Schiene, messbar in Wochen, und dort greift das klassische SEO-Fundament noch direkt. Parametrisches Gedächtnis, also das, was ein Sprachmodell über eine Marke oder ein Thema bereits in seinen Gewichten gespeichert hat, ist die langsame Schiene, mit einem Update-Zyklus von drei bis sechs Monaten. In einer nordisch-baltischen Studie wurden rund 67 Prozent dessen, was KI-Systeme über eine Marke sagten, dem parametrischen Gedächtnis zugeschrieben. GEO adressiert primär diese zweite Schicht.

Die praktische Implikation ist erheblich: Wer nur für die schnelle Schiene optimiert, nur technisches SEO betreibt und auf kurzfristige Rankinggewinne schielt, ignoriert, dass der Großteil dessen, was KI-Systeme über eine Marke, ein Unternehmen oder ein Thema sagen, aus Trainingsdaten stammt, die Monate bis Jahre alt sind. Eine Wellows-Studie, die 2.400 AI Overview Citations analysierte, ergab, dass Seiten mit starken E-E-A-T-Signalen mit 2,3-fach höherer Wahrscheinlichkeit zitiert werden. Das bedeutet: Autorität und Vertrauen sind nicht nur Google-Rankingfaktoren, sondern Treiber der KI-Sichtbarkeit.

Die Zahlen aus der AI-Mode-Statistik verschärfen das Bild zusätzlich. In Googles AI Mode, das seit März 2026 allen US-Nutzern verfügbar ist, enden 93 Prozent aller Suchanfragen ohne einen einzigen Klick auf eine externe Website. Nur 14 Prozent der in AI Mode zitierten URLs rangieren tatsächlich in Googles Top 10. Und AIO-Antworten enthalten inzwischen durchschnittlich 13,34 Quellen, gegenüber etwa 6,82 im Jahr 2024, was die Anzahl potenzieller Zitierpositionen zwar erhöht, aber gleichzeitig den Wettbewerb um jede einzelne verschärft.

Die Ökonomie des Nicht-Substituierbaren: Was Non-Commodity Content wirtschaftlich bedeutet

Mark Williams-Cook, ein SEO-Experte mit über zwei Jahrzehnten Branchenerfahrung, formulierte in seiner LinkedIn-Analyse eine Unterscheidung, die für Content-Strategien zentral ist. Commodity Content ist oberflächliches, weitgehend verfügbares Wissen, das sich durch Allgemeinheit und leichte Replizierbarkeit auszeichnet. Non-Commodity Content hingegen ist tief in direkter Erfahrung, professioneller Expertise und realer Anwendung verwurzelt; er liefert Analysen, Fallstudien oder proprietäre Tests, die ohne den spezifischen Hintergrund des Autors nicht dupliziert werden können.

Aus einer rein ökonomischen Perspektive beschreibt diese Unterscheidung den Übergang von einem vollkommenen zu einem unvollkommenen Wettbewerb auf dem Content-Markt. Commodity Content ist, wie jedes Commodity, preislich unter Druck, weil das Angebot mit KI-Tools nahezu unbegrenzt skalierbar geworden ist. Non-Commodity Content, also Inhalte, die auf proprietären Daten, einzigartiger Erfahrung und nicht replizierbarer Expertise basieren, besitzen hingegen eine natürliche Schutzwirkung gegenüber der algorithmischen Entwertung. Dieser Inhalt kann schlicht nicht skaliert werden, weil seine Quelle einzigartig ist.

Die strategische Implikation für Unternehmen in wissensintensiven Branchen ist direkt: Das Content-Marketing der Zukunft ist nicht mehr ein Volumenspiel, sondern ein Qualitätsspiel. Gus Pelogia, Senior SEO & AI Product Manager bei Indeed, illustrierte dieses Dilemma treffend: Ein Blog über Buenos Aires, das er einst aus der Perspektive eines brasilianischen Auswanderers schrieb, war 2010 Non-Commodity Content. Heute wäre er Commodity, weil genug ähnliche Perspektiven im Netz vorhanden sind. Selbst persönliche Erfahrungsberichte werden, sobald sie häufig genug reproduziert werden, zur Commodity. Die Herausforderung besteht darin, kontinuierlich das nächste einzigartige Wissen zu produzieren, nicht nur einmalig originär zu sein.

Für Unternehmen mit Zugang zu proprietären Daten, wie Logistikunternehmen mit realen Lagerdaten, Energieversorger mit Echtzeitdaten aus Solaranlagen oder KI-Dienstleister mit validierten Implementierungsergebnissen, ergibt sich hier ein nachhaltiger Wettbewerbsvorteil. Furkan Özkaya, Senior Technical SEO Specialist, beschrieb in der LinkedIn-Debatte den Prozess treffend: KI-gestütztes Content-Erstellen könne gut funktionieren, aber nur, wenn ein Mensch liest, faktenprüft, redigiert und durch echte Expertise anreichert. Das sei ein Prozess von zwei bis drei Stunden pro Artikel, kein vollautomatisiertes System für Massenproduktion.

Die Quasi-Inhouse-Lösung: Wie Xpert.Digital operative Lücken in B2B-Marketing und Vertrieb schließt – Smart Content-Driven Business - Bild: Xpert.Digital

Xpert.Digital ist ein von Konrad Wolfenstein geführter, datengetriebener B2B-Industry-Hub. Das Unternehmen agiert als externe Quasi-Inhouse-Lösung für Industriepartner und schließt operative Lücken in Marketing, Content und Vertrieb – ohne zusätzlichen Ressourcenaufbau auf Kundenseite.

Mehr dazu hier:

• Die Quasi-Inhouse-Lösung: Wie Xpert.Digital operative Lücken in B2B-Marketing und Vertrieb schließt – Smart Content-Driven Business

Das Rich-Results-Paradox: Strukturierte Daten und der Unterschied, der unsichtbar bleibt

Ein technisches Detail aus den Toronto-Präsentationen, das in der breiteren Diskussion kaum Beachtung fand, verdient gesonderte ökonomische Analyse. Ryan Levering erläuterte den Unterschied zwischen dem Google Rich Results Testing Tool und dem Schema Markup Validator. Ersteres koppelt sich in Googles interne Indexierungskette ein, letzteres validiert lediglich die syntaktische Korrektheit des Schema-Markups gegen Schema.org-Standards.

Diese technische Distinktion ist deshalb wirtschaftlich relevant, weil viele Website-Betreiber auf den Schema Markup Validator vertrauen, dieser aber keinerlei Aussage darüber trifft, ob eine Seite tatsächlich für Rich Results qualifiziert ist. Der Rich Results Test hingegen simuliert Googles Rendering-Pipeline und zeigt, welche Rich-Result-Typen tatsächlich erzeugt werden können. Ein Schema kann syntaktisch perfekt sein und trotzdem keinerlei Rich-Result-Eligibility auslösen. Für E-Commerce-Seiten, die auf Sternbewertungen, Produktpreise oder FAQ-Rich-Snippets angewiesen sind, um CTR-Vorteile zu realisieren, bedeutet dieser Unterschied direkten Umsatzeinfluss.

Die tiefere Botschaft aus Leverings Ausführungen ist struktureller Natur: Googles Indexierungsstack ist mehrstufig und nicht vollständig transparent. Das “Crawled – Currently not indexed”-Signal in der Google Search Console ist in der überwältigenden Mehrheit der Fälle kein technisches Rendering-Problem, sondern ein Qualitätssignal. Google hat die Seite gecrawlt, den Inhalt bewertet und aktiv entschieden, ihn nicht zu indexieren, weil er keinen ausreichenden Mehrwert bietet. Für Content-Teams bedeutet dies: Technische Korrektheit ist eine notwendige, aber keine hinreichende Bedingung für Sichtbarkeit.

Die GEO-Terminologiedebatte: Marketing-Begriff oder neue Disziplin?

Kristine Schachinger warf in der LinkedIn-Diskussion eine provokante These auf, die den gesamten GEO-Begriff infrage stellt. Der Begriff GEO sei ein Marketing-Konstrukt, das von einem VC-Investor ins Leben gerufen wurde, der die SEO-Tools-Branche übernehmen wollte und die eigene Marke nicht gegen “SEO” positionieren konnte, weshalb er einfach ein neues Akronym erfand. Die Verbreitung des Begriffs sei durch koordinierte Medienarbeit und Social-Media-Aktivitäten befeuert worden.

Diese Perspektive ist nicht ohne Substanz, aber sie greift zu kurz. Unabhängig von der Frage, wer den Begriff geprägt hat und welche Eigeninteressen dabei im Spiel waren, beschreibt GEO ein real existierendes, messbares Phänomen: die Optimierung von Inhalten nicht für eine Rankingliste, sondern für die Zitierung durch generative KI-Systeme. Und diese Optimierung folgt anderen Regeln als klassisches SEO. Artur Ferreira von The GEO Lab formulierte den eigentlichen Kern: Der Wechsel gehe nicht von Position zu Position, sondern vom Tracking von Rankings zum Verstehen von Präsenz – von wann und warum man erscheint, nicht nur wo.

Orit Mutznik, SEO Director für Organic Growth & AI Search, brachte die semantische Debatte auf den Punkt: Google selbst verwende die Begriffe SEO und GEO auf Folien und in Stellenbeschreibungen weitgehend synonym. Die Branche kämpfe um Bezeichnungen, während die eigentliche Veränderung bereits stattfinde. Der Begriff sei in gewissem Sinn sekundär. Wer sich zu sehr auf die terminologische Frage fixiere, riskiere, das Wesentliche zu verpassen: Die Signale, durch die Sichtbarkeit in KI-Systemen entsteht, unterscheiden sich fundamental von den Signalen, die Google-Rankings in der klassischen SERP bestimmten.

Zwei Optimierungsschichten, zwei Zeithorizonte, zwei Strategien

Der vielleicht klarste analytische Beitrag zur strategischen Orientierung kam in den LinkedIn-Diskussionen von Dmitrij Žatuchin. Er unterschied zwei klar trennbare Optimierungsschichten: Retrieval-basierte Sichtbarkeit in KI-gestützten Suchsystemen wie AI Overviews, Perplexity und ChatGPT mit Browsing, und parametrisches Gedächtnis, also das, was ein Sprachmodell über eine Entität direkt in seinen trainierten Gewichten gespeichert hat.

Die erste Schicht reagiert schnell. Wer hochwertige, gut strukturierte Inhalte erstellt, die von Google gecrawlt und indexiert werden, und wer starke E-E-A-T-Signale vorweist, hat in Wochen messbare Verbesserungen in der Zitierwahrscheinlichkeit durch AI Overviews und ähnliche RAG-basierte Systeme. Das klassische SEO-Instrumentarium, technische Sauberkeit, Autorität durch Verlinkung, inhaltliche Tiefe, greift hier noch direkt.

Die zweite Schicht ist langsam und teuer in der Veränderung. Sie bestimmt, was ChatGPT auf eine Frage über eine Marke oder ein Unternehmen antwortet, ohne dass eine Web-Suche ausgelöst wird. Diese Antwort stammt aus Trainingsdaten, die Monate bis Jahre alt sind. Für 60 Prozent aller ChatGPT-Anfragen wird überhaupt keine Echtzeit-Websuche ausgelöst; die Antwort basiert vollständig auf parametrischem Wissen. Für Marken, die in diesen Antworten nicht oder falsch repräsentiert werden, ist das eine strukturelle Sichtbarkeits- und Reputationslücke, die sich nicht mit technischer SEO-Optimierung schließen lässt.

Laut einer Ahrefs-Studie mit 75.000 Marken ist das stärkste einzelne Signal für KI-Zitierungen nicht Domain-Autorität oder Backlink-Profil, sondern Marken-Suchvolumen und parametrische Präsenz. Ein Brand-Suchwert korreliert mit 0,334 mit der Zitierwahrscheinlichkeit in KI-Systemen. YouTube-Erwähnungen einer Marke korrelieren sogar mit 0,737. Dies sind Korrelationswerte, die für Brand-PR und Multi-Channel-Präsenz sprechen, nicht für klassische On-Page-Optimierung.

Das Ende des Positions-Trackings: Von Platzierungen zu Präsenzverteilungen

Eine der ökonomisch interessantesten Beobachtungen aus den Diskussionen rund um die Toronto-Konferenz betrifft die Infrastruktur des SEO-Reportings selbst. Dmitrij Žatuchin stellte fest, dass dieselbe Suchanfrage, am selben Tag, innerhalb von drei Stunden drei verschiedene Zitatsets in KI-Systemen erzeugen kann. Position als einzelne Zahl verliere damit an Bedeutung; sie werde zu einer Verteilung.

Diese Beobachtung hat weitreichende wirtschaftliche Implikationen für die SEO-Tool-Industrie. Die klassischen Rank-Tracker, die seit Jahren Millionenumsätze mit der Messung von Keyword-Positionen erzielen, messen in der KI-gestützten Suchlandschaft tendenziell das Falsche. Was gemessen werden müsste, ist nicht eine Position, sondern eine Zitierwahrscheinlichkeit über eine Zeitverteilung. Seer Interactive stellte fest, dass die Zero-Click-Rate in AI Mode bei 93 Prozent liegt; bei klassischen AI Overviews bei 83 Prozent. In diesem Umfeld ist die Frage “Auf welcher Position ranken wir?” weniger relevant als die Frage “In wie vielen AI-Antworten zum Themenfeld erscheinen wir?”

Artur Ferreira beschrieb den Paradigmenwechsel präzise: “The real shift is from tracking positions to understanding presence.” Wer erscheint, wann und warum: Das sind die strategischen Fragen der nächsten Generation der Suchoptimierung. Lopty Pascal, Gründer von Prezlo.io und Ex-Google-Mitarbeiter, fügte hinzu, dass die Entwicklung bereits über die Optimierung von Seiten oder Inhalten hinausgehe, hin zur Optimierung von Entitäten. In einem Umfeld, in dem Agenten zur Schnittstelle werden, werde nicht mehr nur Struktur und Ranking relevant, sondern Identität und Vertrauen.

Mythbusting: Was Google in Toronto explizit verneinte

Ein eigener Foliensatz der Toronto-Konferenz widmete sich dem Mythbusting, also dem expliziten Entkräften von Fehlannahmen, die in der SEO-Branche kursieren. Drei Punkte stechen hervor:

Google stellte erstens klar, dass kein Bedarf bestehe, Inhalte auf “konversationale Keywords” oder sämtliche denkbare Synonyme zu optimieren. Googles Sprachverarbeitungssysteme sind ausreichend ausgereift, um den Bezug einer Seite zu zahlreichen Anfragen zu verstehen, auch wenn exakte Formulierungen nicht explizit verwendet werden. Diese Klarstellung ist wirtschaftlich relevant, weil sie der Keyword-Stuffing-Praxis und der Optimierung auf Long-Tail-Varianten, die jahrelang Beratungsbudgets absorbierten, die Grundlage entzieht.

Zweitens bestätigte Google, dass JavaScript problemlos eingesetzt werden kann, sofern Google die Seite so rendert wie ein Mensch. Dies schließt moderne Single-Page-Application-Architekturen ein und löst eine langjährige Unsicherheit in der Entwicklercommunity.

Drittens und am deutlichsten: Google sieht keinen Vorteil darin, eine Seite auf Markdown-Format umzustellen oder eine llms.txt-Datei aus SEO-Gründen zu erstellen. Dies korrespondiert mit unabhängigen Analysen: Eine Untersuchung von 300.000 Domains fand keine messbare Korrelation zwischen dem Vorhandensein einer llms.txt-Datei und erhöhten KI-Zitierungen oder mehr Traffic. Googles Search-Team nutzt diese Dateien schlicht nicht, wie John Mueller öffentlich klarstellte.

Die strategische Roadmap: Zehn Impulse für die neue Suchlandschaft

Aus den Diskussionen der Toronto-Konferenz, den LinkedIn-Debatten der führenden SEO- und GEO-Praktiker sowie den verfügbaren Forschungsdaten lassen sich konkrete strategische Handlungsfelder ableiten. Es geht nicht um eine Checkliste technischer Maßnahmen, sondern um eine strukturelle Neuorientierung der Content- und Kommunikationsstrategie.

Der erste und grundlegendste Schritt ist ein Audit des eigenen Content-Portfolios entlang der Commodity-Non-Commodity-Achse. Welche Inhalte sind ohne Qualitätsverlust durch eine KI-Synthese zu ersetzen? Diese Inhalte sind strukturell gefährdet. Welche Inhalte basieren auf proprietären Daten, einzigartigen Erfahrungen oder spezifischem Expertenwissen, das nicht ohne Weiteres dupliziert werden kann? Diese Inhalte sind das Fundament zukünftiger Sichtbarkeit.

Der zweite strategische Schritt ist der systematische Aufbau von Primärforschung und proprietären Datenpunkten. Unternehmen, die in Branchen mit messbaren Prozessen tätig sind, sollten ihre internen Daten als Content-Ressource begreifen. Ein Logistikdienstleister, der Daten über reale Lagerdurchsatzzeiten veröffentlicht, erzeugt Information Gain, den kein Wettbewerber ohne Zugang zu denselben Daten kopieren kann.

Der dritte Schritt ist die Investition in Autorenpräsenz und Entity-Building. Google und KI-Systeme bewerten nicht nur Dokumente, sondern Entitäten. Autoren mit verifizierbarem Profil, Cross-Platform-Präsenz und nachweislicher Expertise in einem Fachgebiet sind algorithmisch bevorzugte Quellen. Dies bedeutet: LinkedIn-Präsenz, Wikipedia-Einträge, Gastbeiträge auf renommierten Plattformen und die konsistente Verwendung von Namen und Expertise-Signalen über alle digitalen Kanäle hinweg.

Der vierte strategische Impuls gilt der technischen Infrastruktur. Der Unterschied zwischen dem Google Rich Results Test und dem Schema Markup Validator sollte von jedem verstanden worden sein, der strukturierte Daten einsetzt. Ersteres ist das relevante Testtool für die Google-Indexierungsrealität, nicht letzteres. Seiten, die nicht im Index sind, obwohl sie gecrawlt wurden, leiden primär an einem Qualitätsproblem, nicht an einem technischen Problem.

Fünftens ist die Messstrategie zu reformieren. Die Frage “Welche Position haben wir für Keyword X?” ist als primäre KPI überholt. Relevantere Kennzahlen umfassen die Zitierrate in AI Overviews, den Anteil von AI-gestütztem Traffic am Gesamttraffic, die Anzahl unterschiedlicher Plattformen, auf denen die Marke bei relevanten Anfragen erscheint, und die qualitative Analyse dessen, was KI-Systeme über die eigene Marke sagen.

Der sechste Impuls betrifft die Unterscheidung zwischen retrieval-basierter und parametrischer Optimierung. Kurzfristige Maßnahmen für AI Overviews und RAG-Systeme unterscheiden sich von der mittel- bis langfristigen Arbeit an der parametrischen Präsenz, also dem, was Sprachmodelle über eine Marke in ihren Trainingsgewichten gespeichert haben. Beide Schichten erfordern unterschiedliche Taktiken und unterschiedliche Zeithorizonte für die Erfolgsmessung.

Siebtens sollten Inhalte konsequent mit Erstpersonen-Erfahrungen angereichert werden. “Ich habe, ich habe gesehen, ich habe aufgebaut” ist das Signal, das Googles Non-Commodity-Konzept und das E-E-A-T-Prinzip in die Praxis übersetzen. Anekdoten aus tatsächlicher Berufspraxis, konkrete Zahlen aus realen Projekten, spezifische Fehler und deren Lerneffekte: Das ist der Content, der algorithmisch bevorzugt wird, weil er nicht replizierbar ist.

Achtens ist KI-gestütztes Content-Erstellen als Produktionswerkzeug akzeptabel, aber menschliche redaktionelle Kontrolle ist nicht optional. Furkan Özkaya beschrieb es klar: 2 bis 3 Stunden pro Artikel für Recherche, Prompting, Lesen, Faktenprüfen, Redigieren. Das ist der Mindestaufwand für Content, der in einer KI-dominierten Suchlandschaft überlebt. Vollautomatisierte Systeme für Massenproduktion sind der direkte Weg in die “Scaled Content Abuse”-Kategorie.

Neuntens ist die Multi-Platform-Präsenz kein Nice-to-have, sondern ein struktureller Faktor für KI-Sichtbarkeit. Marken, die auf vier oder mehr Plattformen präsent sind, werden mit 2,8-fach höherer Wahrscheinlichkeit in ChatGPT-Antworten zitiert. Dies umfasst Fachforen, Branchenverzeichnisse, Review-Plattformen und Drittveröffentlichungen, nicht nur die eigene Website.

Zehntens, und das ist die vielleicht grundlegendste Transformation: Content-Marketing ist nicht mehr primär ein technisches Problem, sondern ein marketingstrategisches. Mohammad Junaid Baig formulierte es treffend: AI-Systeme sind nicht selbstständig, sie kompilieren Informationen. Um für relevante Anfragen zu erscheinen, muss man genau das abdecken, was diese Anfragen brauchen. Kein llms.txt, kein Markdown-Schema und kein Chunking hilft dabei, wenn der eigentliche Inhalt fehlt. Das ist ein Marketingproblem, kein technisches.

Das große Bild: Warum die Suchlandschaft 2026 ein Vorgeschmack ist

Die Debatte um Googles Toronto-Präsentation ist keine akademische Diskussion unter SEO-Spezialisten. Sie berührt die grundlegenden Mechanismen, durch die Unternehmen online sichtbar sind, Kunden gewinnen und Marktanteile halten. Ein Markt, in dem 93 Prozent der Suchanfragen im KI-Modus ohne Klick enden, ist ein Markt, in dem die Logik des organischen Traffics als Wachstumstreiber grundlegend infrage gestellt ist.

Der strukturelle Gewinner in dieser Landschaft ist nicht das Unternehmen mit dem größten Content-Output oder den meisten Keywords. Der Gewinner ist das Unternehmen, das in der algorithmischen Wahrnehmung als Autorität gilt: als Quelle, die zitiert wird, nicht als Seite, die besucht wird. Diese Unterscheidung ist fundamental. Eine Website, die besucht wird, ist eine SEO-Ressource. Eine Marke, die zitiert wird, ist ein epistemischer Anker in einem System, das Wissen kuratiert und weitergibt.

Danny Sullivans Folie war keine technische Anleitung. Sie war eine ökonomische Stellungnahme: In einem Markt, der von KI-generiertem Commodity-Content überschwemmt wird, ist das Nicht-Substituierbare der einzige nachhaltige Wettbewerbsvorteil. Für Unternehmen, die Content als strategisches Asset begreifen – und dazu zählen alle, die von organischer Sichtbarkeit abhängig sind –, ist das keine Warnung, sondern eine Einladung. Eine Einladung, zu zeigen, was sie wirklich wissen. Was sie wirklich erlebt haben. Und was sonst niemand wissen kann.

☑️ Unsere Geschäftssprache ist Englisch oder Deutsch

☑️ NEU: Schriftverkehr in Ihrer Landessprache!

Konrad Wolfenstein

Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.

Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 7348 4088 965 an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital

Ich freue mich auf unser gemeinsames Projekt.

☑️ KMU Support in der Strategie, Beratung, Planung und Umsetzung

☑️ Erstellung oder Neuausrichtung der Digitalstrategie und Digitalisierung

☑️ Ausbau und Optimierung der internationalen Vertriebsprozesse

☑️ Globale & Digitale B2B-Handelsplattformen

☑️ Pioneer Business Development / Marketing / PR / Messen

B2B Support und SaaS für SEO und GEO (KI-Suche) vereint: Die All-in-One-Lösung, für B2B-Unternehmen - Bild: Xpert.Digital

KI-Suche verändert alles: Wie diese SaaS-Lösung Ihr B2B-Ranking für immer revolutioniert.

Die digitale Landschaft für B2B-Unternehmen befindet sich in einem rasanten Wandel. Angetrieben durch Künstliche Intelligenz werden die Spielregeln der Online-Sichtbarkeit neu geschrieben. Für Unternehmen war es schon immer eine Herausforderung, in der digitalen Masse nicht nur sichtbar, sondern auch für die richtigen Entscheidungsträger relevant zu sein. Klassische SEO-Strategien und das Management der lokalen Präsenz (GEO-Marketing) sind komplex, zeitaufwendig und oft ein Kampf gegen sich ständig ändernde Algorithmen und einen intensiven Wettbewerb.

Doch was wäre, wenn es eine Lösung gäbe, die diesen Prozess nicht nur vereinfacht, sondern ihn intelligenter, prädiktiver und weitaus effektiver macht? Hier kommt die Verknüpfung von spezialisiertem B2B-Support mit einer leistungsstarken SaaS-Plattform (Software as a Service) ins Spiel, die speziell für die Anforderungen von SEO und GEO im Zeitalter der KI-Suche entwickelt wurde.

Diese neue Generation von Tools verlässt sich nicht mehr nur auf manuelle Keyword-Analysen und Backlink-Strategien. Stattdessen nutzt sie künstliche Intelligenz, um Suchintentionen präziser zu verstehen, lokale Ranking-Faktoren automatisiert zu optimieren und Wettbewerbsanalysen in Echtzeit durchzuführen. Das Ergebnis ist eine proaktive, datengesteuerte Strategie, die B2B-Unternehmen einen entscheidenden Vorteil verschafft: Sie werden nicht nur gefunden, sondern als die maßgebliche Autorität in ihrer Nische und an ihrem Standort wahrgenommen.

Hier die Symbiose aus B2B-Support und KI-gestützter SaaS-Technologie, das SEO- und GEO-Marketing transformiert und wie Ihr Unternehmen davon profitieren kann, um nachhaltig im digitalen Raum zu wachsen.

Mehr dazu hier:

​

• B2B Support & Blog für SEO, GEO und AIS – Artificial Intelligence Search
• Vergessen Sie die teuren SEO-Tools – Diese Alternative dominiert mit unschlagbaren B2B-Features