Wenn du ChatGPT oder Perplexity eine Frage stellst, passiert etwas grundlegend anderes, als wenn du bei Google tippst. Deine Anfrage wird nicht nur mit Keywords abgeglichen. Das ganze Suchsystem versteht stattdessen, was du wirklich wissen willst, wertet Daten aus tausenden Quellen aus und formuliert in Sekunden eine eigene Antwort für dich. So funktionieren KI-Suchmaschinen: Sie verbinden Sprachverständnis, semantische Suche und generative KI zu Antworten, die klingen, als hätte eine sachkundige Person extra für dich recherchiert.
Der Wechsel vom Abgleich von Keywords zum Abgleich von Bedeutung verändert, wie Menschen Informationen finden. Die klassische Suche liefert eine Liste von Links, die KI-Suche liefert zusammengefasste Antworten. Die klassische Suche übersieht den Kontext, die KI-Suche versteht die Absicht. Deshalb starten inzwischen 37 % der Verbraucher ihre Suche mit KI statt mit einer klassischen Suchmaschine, und deshalb ist der von KI vermittelte Traffic Anfang 2025 im Jahresvergleich um 527 % gewachsen.
Um für die KI-Suche zu optimieren, musst du die Technik dahinter verstehen. Nicht, weil du Experte für maschinelles Lernen sein musst, sondern weil KI-Systeme Quellen ganz anders finden und bewerten, als Google Seiten rankt. Dieses Kapitel erklärt die fünfstufige Pipeline, die jede KI-Suchmaschine nutzt, beschreibt die Schlüsseltechnologien, die den Abgleich von Bedeutung möglich machen, und zeigt, wo deine Inhalte in diesen Prozess passen.
KI-Suchmaschinen im Vergleich zur klassischen Suche
Klassische Suchmaschinen arbeiten in drei einfachen Schritten: das Web crawlen, einen Index aus Keywords aufbauen und bei einer Suche die Keywords der Anfrage mit diesem Index abgleichen und die besten Ergebnisse ranken.
KI-Suchmaschinen gehen komplexer vor. Sie gleichen nicht nur Keywords ab. Sie verstehen die semantische Bedeutung deiner Anfrage, holen Inhalte, die zu dieser Bedeutung passen (auch wenn die Wörter nicht genau übereinstimmen), und nutzen dann ein grosses Sprachmodell (LLM), um aus mehreren Quellen eine neue Antwort zu bilden. Dafür braucht es in jeder Stufe grundlegend andere Technik.
Der Kern ist eine Idee: KI-Suchmaschinen wandeln Sprache in Zahlen um, die Bedeutung abbilden. Diese Zahlen heissen Vektor-Embeddings. Dadurch versteht das Suchsystem, dass "Wie optimiere ich eine Website für KI" etwas Ähnliches bedeutet wie "Wie bereite ich Inhalte für generative Suche vor", obwohl die Wörter völlig verschieden sind. Die klassische Suche kann das nicht. Sie kann nur Wörter abgleichen.
Diese eine Änderung stellt den ganzen Suchprozess auf den Kopf: wie Inhalte indexiert werden, wie Quellen gerankt werden und welche Seiten die generative Antwort speisen.
Die fünfstufige Pipeline: von deiner Anfrage zur zusammengefassten Antwort
Jede KI-Suchmaschine folgt derselben Grundpipeline, ob ChatGPT, Perplexity, Google KI-Übersichten oder Claude Search. Wer diese fünf Stufen kennt, sieht genau, wo seine Inhalte auftauchen müssen.
Stufe 1: Inhalte sammeln und crawlen
Bevor eine Suche stattfinden kann, braucht das KI-System frische Inhalte. Das beginnt mit Crawlern, die das Web laufend durchsuchen und neue und aktualisierte Seiten ins System holen. Manche KI-Suchmaschinen crawlen in Echtzeit. Andere nutzen zwischengespeicherte Indizes, die sie schon aufgebaut haben. Alle brauchen eine Website, die crawlbar, schnell und regelmässig aktualisiert ist.
Das Crawling ähnelt dem von Google, mit einem wichtigen Unterschied: Manche KI-Plattformen (wie Perplexity) gewichten Aktualität stark. Inhalte, die in den letzten 30 Tagen aktualisiert wurden, werden 3,2-mal häufiger zitiert als ältere Inhalte. Veraltete Inhalte wirken sich also anders auf die KI-Sichtbarkeit aus als auf klassische Suchrankings.
Blockiert deine Website KI-Crawler über die robots.txt oder stellt sie Inhalte nicht richtig dar, tauchst du in dieser Stufe nicht auf. Lädt deine Website langsam oder ist sie nicht mobilfreundlich, bekommen Crawler weniger von deinen Inhalten. Hier zählt technisches SEO weiterhin, aber mit einer KI-spezifischen Wendung.
Stufe 2: Inhalte in Chunks zerlegen und indexieren
Nach dem Crawlen indexieren KI-Suchmaschinen Inhalte nicht so wie Google. Google indexiert ganze Seiten nach Keywords. KI-Suchmaschinen zerlegen Seiten in kleinere Teile, sogenannte Chunks. Ein Chunk kann je nach System ein Absatz, ein Abschnitt oder ein Satz sein.
Warum Chunks? Weil ein KI-System für eine Antwort nicht deine ganze Seite nimmt. Es nimmt die Sätze oder Absätze, die für die Anfrage am relevantesten sind. Wird dein Artikel mit 2.000 Wörtern über KI-Suche als 40 Chunks indexiert, kann das System nur die 2 bis 3 Chunks herausziehen, die die Frage direkt beantworten.
Deshalb zählt Struktur bei KI anders. Eine Seite mit klaren Zwischenüberschriften, kurzen Absätzen und gut geordneten Informationen lässt sich besser in Chunks zerlegen als eine Textwüste. Jeder H2-Abschnitt ist ein möglicher Entnahmepunkt. Jeder Absatz ist eine mögliche Antwortquelle.
Stufe 3: Vektorisierung und semantische Suche
Hier passiert die Magie. Das KI-System wandelt jeden Inhalts-Chunk in einen Vektor um, eine mathematische Darstellung seiner Bedeutung. Stell dir einen Vektor als Punkt in einem mehrdimensionalen Raum vor, in dem ähnliche Ideen nah beieinander liegen. Dasselbe macht das System mit deiner Suchanfrage: Es wandelt sie in einen Vektor um, der darstellt, wonach du fragst.
Sind Anfrage und alle Inhalte im Index Vektoren, findet die Suchmaschine die Chunks, deren Vektoren dem Vektor deiner Anfrage am nächsten sind. Das ist semantische Suche, und deshalb findet sie relevante Antworten, auch wenn die Wörter nicht exakt übereinstimmen.
Diese Stufe erklärt, warum der Keyword-Abgleich bei der KI-Suche nicht mehr der wichtigste Rankingfaktor ist. Eine Seite, die exakt die Keywords nutzt, aber die Bedeutung der Anfrage nicht trifft, rankt nicht. Eine Seite, die die Frage direkt beantwortet, aber andere Begriffe nutzt, rankt höher.
Stufe 4: Abruf und Ranking
Das System hat jetzt alle Chunks gefunden, die semantisch zur Anfrage passen. Meist sind es aber hunderte oder tausende. Beim Abruf (Retrieval) werden die besten herausgesucht.
Hier kommen Rankingfaktoren ins Spiel, aber sie unterscheiden sich von denen bei Google. KI-Suchsysteme bewerten Chunks danach, wie direkt sie die Frage beantworten, ob die Quelle vertrauenswürdig ist, wie aktuell die Information ist, ob die Quelle Expertise zum Thema hat und wie gut die Information strukturiert ist.
Die bestplatzierten Chunks werden für die nächste Stufe ausgewählt. Das System zieht je nach Komplexität der Anfrage und Plattform etwa 5 bis 20 der besten Quellen heran.
Ein wichtiges Detail: In dieser Stufe rankt das System keine Seiten. Es rankt Chunks. Deine Seite liefert vielleicht 2 Chunks zur finalen Antwort, während die Seite der Konkurrenz 1 oder 0 liefert. Diese Feinheit ist neu. Das klassische Ranking arbeitet mit ganzen Seiten. Das KI-Ranking arbeitet mit Antworten.
Stufe 5: Generierung und Zusammenfassung
Jetzt nimmt das grosse Sprachmodell die bestplatzierten Chunks und bildet daraus eine neue Antwort. Es fasst Informationen aus mehreren Quellen zusammen, schreibt sie in natürlicher Sprache und fügt Zitierungen der Originalquellen hinzu.
An diesem Punkt wird Suche zum Gespräch. Die Antwort klingt, als wäre sie extra für deine Frage geschrieben worden, nicht, als wäre sie irgendwo zusammenkopiert. Das System verbindet Ideen aus mehreren Quellen, füllt Lücken und gliedert die Antwort übersichtlich.
Dabei kann dein Inhalt zitiert, umschrieben oder gar nicht verwendet werden, je nachdem, wie gut er die Anfrage im Vergleich zu anderen Quellen beantwortet. Ein gutes Ranking in Stufe 4 garantiert keine Zitierung in Stufe 5. Qualität, Klarheit und Relevanz deines Inhalts zählen.
Die Schlüsseltechnologien dahinter
Drei Kerntechnologien treiben die gesamte Pipeline an. Wer versteht, was sie tun, versteht auch, warum die Optimierung für KI-Suche anders ist als klassisches SEO.
Vektor-Embeddings: wie KI Bedeutung versteht
Ein Vektor-Embedding ist eine mathematische Darstellung von Text. Das System wandelt Wörter in Zahlen um (oft hunderte oder tausende Zahlen pro Wort) und erstellt so eine mehrdimensionale Karte, auf der ähnliche Konzepte dicht beieinander liegen.
Das unterscheidet sich grundlegend davon, wie klassische Suchmaschinen Sprache betrachten. Google gleicht Keywords ab, indem es prüft, ob exakte Textfolgen zusammen vorkommen. Vektor-Embeddings gleichen Bedeutung ab, indem sie den Abstand zwischen mathematischen Darstellungen berechnen.
Das Ergebnis: Du kannst fragen "Welches CMS ist das beste für die Website einer kleinen Marke?", und das System findet Antworten zu "Website-Buildern für kleine Unternehmen" oder "den besten Plattformen für Start-ups", obwohl die exakten Keywords nicht zusammen vorkommen. Die klassische Suche tut sich mit dieser Anfrage schwer, weil die exakte Formulierung vermutlich nirgends existiert.
Vektor-Embeddings sind der Grund, warum semantische Vollständigkeit der stärkste Rankingfaktor der KI-Suche ist. Dein Inhalt braucht nicht die exakten Keywords. Er muss das Konzept vollständig erklären, damit die Vektordarstellung die ganze Bedeutung erfasst, nach der ein Nutzer sucht.
Retrieval-Augmented Generation (RAG): Speicher und Sprachmodelle verbinden
Ein grosses Sprachmodell, das mit Daten aus 2024 trainiert wurde, kann keine Frage zu einem Ereignis im März 2025 beantworten. Dieses Problem löst RAG. RAG ruft aktuelle Informationen aus einer Vektordatenbank ab, gibt sie an das Sprachmodell weiter und lässt das Modell eine Antwort bilden, die auf diesen echten Daten beruht.
Ohne RAG würden KI-Suchmaschinen veraltete oder erfundene Antworten liefern. Mit RAG liefern sie aktuelle Informationen aus neuen Quellen. Deshalb nutzt jede moderne KI-Suchmaschine RAG. ChatGPT nutzt es im Modus für die Websuche. Das gesamte System von Perplexity basiert auf RAG. Google nutzt es für KI-Übersichten.
Für deine Content-Strategie heisst RAG: Aktualität zählt, hochwertige Quellen zählen, sachliche Richtigkeit zählt. Das Sprachmodell erzeugt Antworten nicht aus dem Nichts. Es erzeugt sie aus den Quellen, die es abruft. Ist deine Quelle aktuell, klar und korrekt, wird sie eher abgerufen und zitiert.
Generative Modelle und Prompting: wie die Antwort geschrieben wird
Das letzte Puzzleteil ist das grosse Sprachmodell selbst. Nach dem Abruf der besten Quellen gibt das System dem Modell einen Prompt wie "Hier sind fünf Quellen zu diesem Thema. Schreibe eine umfassende Antwort, die diese Quellen zitiert." Das Modell erzeugt dann die Antwort, die du siehst.
Der konkrete Prompt des Systems beeinflusst, welche Quellen zitiert werden und wie sie dargestellt werden. Manche Systeme setzen auf Vollständigkeit. Andere auf Kürze. Manche verlangen konkrete Zitierungen. Andere eine dialogartige Zusammenfassung.
Deshalb kann dieselbe Anfrage auf verschiedenen Plattformen verschiedene Antworten liefern. Die zugrunde liegende Technik ist ähnlich, aber die Prompts, das Quellenranking und die Generierungsparameter unterscheiden sich.
Wie sich die Pipeline bei Folgefragen verändert
Einer der wichtigsten Unterschiede zwischen KI-Suche und klassischer Suche ist die Folgefrage im Gespräch. Nutzer hören nicht bei einer Frage auf. Sie fragen: "Erzähl mir mehr über X", "Wie schneidet das im Vergleich zu Y ab?" oder "Kannst du die technischen Details erklären?"
Dann fängt das KI-Suchsystem nicht von vorn an. Es behält den Kontext der vorherigen Gesprächsrunde bei und passt die abgerufenen Quellen an die neue Frage im Kontext an.
Für deine Inhalte heisst das: Längere, umfassende Artikel schneiden in Gesprächen mit mehreren Runden besser ab. Deckt dein Artikel die Grundlagen, die technischen Details und häufige Folgefragen ab, bleiben Nutzer eher im Gespräch und fragen weiter zu deinen Inhalten.
Seiten zu nur einem Thema, die nur eine enge Frage beantworten, profitieren davon weniger. Seiten, die tiefer gehen, Sonderfälle abdecken und Folgefragen vorwegnehmen, erreichen über mehrere Runden mehr KI-Sichtbarkeit.
Wo deine Inhalte in diese Pipeline passen
Wer diese Pipeline versteht, hat die Grundlage für Generative Engine Optimization (GEO). Dein Ziel ist nicht nur ein Ranking in der klassischen Suche. Dein Ziel ist, in den Chunks zu stecken, die abgerufen werden, in Stufe 4 am höchsten zu ranken und in Stufe 5 zitiert zu werden.
Dafür brauchst du anderes Schreiben, andere Struktur und eine andere Content-Strategie als beim klassischen SEO allein. Deine Inhalte müssen semantisch vollständig, sachlich korrekt, gut strukturiert und aktuell sein. Sie müssen Fragen direkt beantworten und die Antwort nicht verstecken. Sie müssen ein Thema in die Tiefe behandeln, damit die Vektor-Embeddings die ganze Bedeutung erfassen.
Der Rest dieses Moduls behandelt jede Stufe im Detail und zeigt dir genau, worauf du optimieren musst. Jetzt kennst du aber den Weg, den dein Inhalt nimmt. Vom Moment, in dem ein Crawler deine Seite findet, bis zu dem, in dem deine Recherche in einer KI-Antwort auftaucht: Diese fünf Stufen entscheiden, ob du für die KI-Suche sichtbar oder unsichtbar bist.
Häufig gestellte Fragen
Kann ich KI-Such-Crawler davon abhalten, meine Website zu indexieren?
Ja. Du kannst die User-Agents von KI-Crawlern in deiner robots.txt eintragen, damit sie nicht auf deine Website zugreifen. Bekannte KI-Crawler sind GPTBot (OpenAI), ClaudeBot (Anthropic) und PerplexityBot. Blockierst du KI-Crawler, erscheinen deine Inhalte aber nicht in den Ergebnissen von ChatGPT, Perplexity, Google KI-Übersichten oder Claude. Die meisten Content-Ersteller profitieren davon, von KI-Systemen indexiert zu werden. Blockieren ist deshalb meist nicht ratsam, ausser du hast bestimmte Inhalte, die nicht geteilt oder zitiert werden sollen. Mit dem Website-Builder von WEMASY richtest du das direkt auf deiner Website ein.
Garantiert Platz 1 bei Google, dass ich in der KI-Suche zitiert werde?
Nein. KI-Suchmaschinen ranken Inhalte anders als Google. Eine Seite auf Platz 1 bei Google wird von KI-Systemen vielleicht nicht zitiert, weil Seitenstruktur, Tiefe oder sachliche Richtigkeit die Kriterien der KI-Plattformen nicht erfüllen. Umgekehrt werden Seiten, die bei Google weiter hinten ranken, in der KI-Suche oft häufig zitiert. Deshalb braucht GEO eine eigene Optimierungsstrategie, getrennt vom klassischen SEO.
Wie oft indexieren KI-Suchmaschinen meine Inhalte neu?
Das hängt von der Plattform ab. Manche KI-Suchmaschinen wie Perplexity crawlen das Web laufend und können neue Inhalte binnen Stunden oder Tagen indexieren. Andere aktualisieren in grösseren Schüben und brauchen Wochen, um deine Website neu zu crawlen. Hältst du deine Inhalte frisch, aktualisierst sie regelmässig und sorgst für eine schnelle, crawlbare Website, wirst du auf allen Plattformen schneller indexiert.
Warum zitiert die KI-Suche eine Seite meiner Website, aber eine andere nicht, obwohl beide dasselbe Thema behandeln?
Wegen des Rankings auf Chunk-Basis werden Seiten nicht gleich behandelt. Eine Seite hat vielleicht die bessere Struktur, klarere Antworten, aktuellere Informationen oder stärkere E-E-A-T-Signale. Zitiert wird die Seite, deren Chunks beim Abruf in Stufe 4 am höchsten ranken und die konkrete Anfrage am direktesten beantworten. Seiten mit besserer Formatierung, konkreten Daten und klaren Zwischenüberschriften werden tendenziell häufiger herausgezogen.
Was passiert, wenn zwei Quellen in den Ergebnissen der KI-Suche das Gegenteil sagen?
Das KI-System kann den Widerspruch benennen, beide Quellen zitieren oder die Quelle mit stärkeren Vertrauenssignalen bevorzugen (aktueller, von einer massgeblicheren Domain, besser strukturiert und so weiter). Manche KI-Plattformen zeigen ausdrücklich mehrere Sichtweisen. Andere fassen die verlässlichsten Informationen zusammen und erwähnen Widersprüche, wenn sie bedeutsam sind. Deshalb zählen Genauigkeit, Quellenangaben und fachliche Qualifikation für die KI-Sichtbarkeit.
Woher weiss ich, welche Struktur für das Chunking durch KI am besten funktioniert?
Nutze klare H2- und H3-Überschriften, kurze Absätze (2 bis 4 Sätze) und Einstiegssätze, die direkt antworten. Jeder Abschnitt sollte so eigenständig sein, dass man ihn herauslösen kann. Setze wichtige Daten, Zahlen oder direkte Antworten an den Anfang von Abschnitten, damit sie eher als Chunks ausgewählt werden. Teste das an deinen Inhalten und beobachte, welche Seiten in KI-Ergebnissen zitiert werden. So siehst du, welche Strukturen in deiner Branche am besten funktionieren.