--- title: SERP (Search Engine Results Page) slug: serp canonical_url: https://www.geoquality.ai/glossar/serp md_url: https://www.geoquality.ai/glossar/serp.md language: de last_modified: 2026-05-07T00:00:00+00:00 related_terms: [ai-citation, ai-overview, answer-engine, featured-snippet, knowledge-panel, rich-results] content_hash: edd541a08a733ff3 license: CC BY 4.0 author: Marco Biner (geoquality.ai) schema_type: DefinedTerm --- # SERP (Search Engine Results Page) SERP (Search Engine Results Page) bezeichnet die Ergebnisseite einer Suchmaschine — die Anzeige aller Treffer, Anzeigen, Rich Results und KI-Antworten als Reaktion auf eine User-Anfrage. 2026 ist die SERP ein hybrides Layout: klassische Trefferlisten plus AI Overviews plus Rich Results plus Knowledge Panels koexistieren. ## Erläuterung Eine SERP (Search Engine Results Page) ist die Ergebnisseite einer Suchmaschine — der visuelle Output, den ein User nach einer Suchanfrage sieht. Was 1998 als einfache 10-Treffer-Liste begann, ist 2026 ein hybrides Layout mit fünf parallelen Elementen: klassische Trefferlisten (10 blaue Links), AI Overviews als synthetisierte Antworten oben, Rich Results (Stern-Ratings, FAQ-Akkordeons, Recipe-Cards), Knowledge Panels rechts, plus Werbeanzeigen oben und unten. Für GEO ist die SERP-Architektur 2026 fundamental anders als 2018. Damals war Position 1 in der klassischen Trefferliste das Hauptziel. Heute fragmentiert sich die User-Aufmerksamkeit über mehrere SERP-Elemente — und Position 1 in der Trefferliste ist oft erst nach AI Overview, Knowledge Panel und Rich Results sichtbar. Konsequenz: GEO-Optimierung muss alle SERP-Elemente parallel adressieren. Klassische SEO für die Trefferliste (Page Authority, Backlinks, Content), GEO für AI Overviews (Schema.org, Capsules, Author-Authority), Rich-Result-Markup für visuell auffällige Snippets. Drei dominante SERP-Layouts unterscheiden sich 2026 nach Anfrage-Typ. Erstens informationale Anfragen ('Was ist GEO?'): AI Overview dominiert oben (etwa 35% aller DACH-SERPs), gefolgt von klassischer Trefferliste. Zweitens transaktionale Anfragen ('Treuhänder Zürich kontakt'): Local-Pack oben (Maps + 3 lokale Treffer), gefolgt von klassischer Trefferliste, AI Overview seltener aktiv. Drittens Branded Queries ('Mueller Treuhand'): Knowledge Panel rechts, klassische Site-Treffer links, AI Overview moderat aktiv. Pro Anfrage-Typ unterscheiden sich die Optimierungs-Prioritäten entsprechend. Strategisch bedeutet die fragmentierte SERP einen Mindset-Shift im Tracking. Klassische Position-1-Tracking-Tools wie Sistrix oder SEMrush messen 2026 unzureichend, weil sie SERP-Layouts nicht vollständig abbilden. Modernes SERP-Tracking braucht: erstens Position-Tracking (klassisch), zweitens AI-Overview-Inclusion-Tracking, drittens Rich-Result-Erscheinen, viertens Knowledge-Panel-Status, fünftens AI-Citation -Tracking in den fünf grossen Answer Engines parallel zur SERP. Wichtig zur Abgrenzung: SERP ist nicht Answer Engine . SERPs kommen primär von klassischen Suchmaschinen wie Google, Bing, Yandex. Answer Engines wie ChatGPT, Claude und Perplexity haben keine SERPs im klassischen Sinn — sie produzieren synthetisierte Antworten ohne Trefferlisten-Element. Google AI Mode ist hybrid: er hat eine SERP-ähnliche Oberfläche, aber mit konversationeller Folgefrage-Möglichkeit. ## Praxisbeispiel Typisches SERP-Layout 2026 für 'Was ist GEO ?': Google SERP (Mai 2026): [Anzeige 1] [Anzeige 2] [AI Overview] GEO (Generative Engine Optimization) ist die Optimierung von Web-Inhalten für KI-Antwort- maschinen wie ChatGPT, Perplexity und Google AI Overviews. Das Schweizer SEAKT-Framework operationa- lisiert GEO über fünf Dimensionen [1]. Quellen: [1] geoquality.ai/glossar/... [People Also Ask] (4 Fragen) [Klassische Trefferliste] 1. geoquality.ai/glossar/generative-engine-... (Featured Snippet aktiv) 2. searchenginejournal.com/... 3. semrush.com/blog/... ... [Knowledge Panel] rechts: GEO-Definition aus Wikipedia # Optimierungs-Prioritäten: 1. AI Overview-Inclusion (oben sichtbar, höchste CTR) 2. Featured Snippet (Position Zero) 3. Klassische Position 1-3 4. People Also Ask-Inclusion 5. Knowledge Panel-Sichtbarkeit Diese fragmentierte SERP-Struktur erfordert parallele Optimierung über alle Elemente — keines allein reicht für maximale Sichtbarkeit. ## Häufige Fehler - Nur Position-1-Tracking nutzen ohne AI-Overview-Inclusion-Messung — verfehlt 35% der DACH-SERPs. - AI Overview als 'Bedrohung der klassischen Trefferliste' behandeln statt als zusätzliches Sichtbarkeits-Element. - Pro Anfrage-Typ identische Optimierungs-Strategie nutzen — informationale, transaktionale und branded Queries haben unterschiedliche SERP-Layouts. - Knowledge Panel ignorieren weil 'klassisches SEO ist wichtiger' — Knowledge Panels signalisieren Authority und beeinflussen indirekt KI-Citation-Wahrscheinlichkeit. ## Best Practices - Tracke SERP-Layout pro Anfrage-Typ — informationale Queries unterscheiden sich strukturell von transaktionalen. - Optimiere parallel für klassische Trefferliste (SEO), AI Overviews (GEO), Rich Results (Schema), Knowledge Panel (Authority). - Nutze moderne SERP-Tracking-Tools mit AI-Overview-Erkennung — Sistrix, SEMrush, SE Ranking haben 2025-2026 entsprechende Features. - Bei branded Queries: priorisiere Knowledge Panel und Rich Results — sie dominieren das User-Sichtfeld. - Bei informationalen Queries: priorisiere AI-Overview-Inclusion plus Featured Snippet. - Plane Content-Strategie pro SERP-Element — eine FAQPage-Capsule kann gleichzeitig Featured Snippet, AI Overview Citation und Voice Search-Antwort triggern. ## Fakten - Der Begriff SERP entstand in den späten 1990er-Jahren mit der Einführung von Suchmaschinen wie AltaVista, Yahoo und Google. - Im DACH-Raum 2026 zeigen schätzungsweise 35% aller Google-SERPs ein AI Overview; 12% zeigen Featured Snippets; 28% Knowledge Panels; 22% Local Pack. - Position 1 in der klassischen Trefferliste hat 2026 etwa 18-24% Click-Through-Rate — gesunken von 30% (2018) durch SERP-Fragmentierung. - AI Overviews haben Click-Through-Rates auf Quellen-Citations von 12-18% — niedriger als klassische Position 1, aber zusätzlich oberhalb der Trefferliste sichtbar. - Knowledge Panels erscheinen in etwa 28% aller branded Queries — strukturell wichtiger Authority-Signal-Channel im Google-Ecosystem. - Modernes SERP-Tracking erfordert mindestens fünf parallele Metriken: Position, AI-Overview-Inclusion, Rich-Result-Status, Knowledge-Panel-Anwesenheit, AI-Citation-Rate. ## FAQ ### Was ist eine SERP? Search Engine Results Page — die Ergebnisseite einer Suchmaschine. 2026 ein hybrides Layout mit fünf parallelen Elementen: klassische Trefferlisten, AI Overviews, Rich Results, Knowledge Panels, Werbeanzeigen. Pro Anfrage-Typ unterschiedlich strukturiert. ### Wie hat sich die SERP seit 2018 verändert? Massive Fragmentierung. 2018 war Position 1 das Hauptziel mit 30% CTR . 2026 ist Position 1 oft erst nach AI Overview, Featured Snippet und Knowledge Panel sichtbar — CTR auf 18-24% gesunken. User-Aufmerksamkeit verteilt sich über mehrere SERP-Elemente. ### Welche SERP-Elemente sollte ich tracken? Mindestens fünf: erstens klassische Position. Zweitens AI-Overview-Inclusion. Drittens Rich-Result-Status (Featured Snippets, FAQ-Akkordeon, Stern-Ratings). Viertens Knowledge-Panel-Anwesenheit. Fünftens AI-Citation-Rate in den fünf grossen Answer Engines parallel zur SERP. ### Wie unterscheidet sich SERP von Answer Engine? SERPs kommen von klassischen Suchmaschinen (Google, Bing, Yandex) — strukturierte Listen-Layouts. Answer Engines (ChatGPT, Claude, Perplexity) produzieren synthetisierte Antworten ohne Trefferlisten. Google AI Mode ist hybrid mit konversationeller Folgefrage-Möglichkeit. ### Sind klassische SERPs 2026 noch wichtig? Ja, aber als ein Element neben anderen. Klassische Trefferliste hat weiterhin 18-24% CTR auf Position 1 — substantieller Traffic-Treiber. Aber AI Overviews, Featured Snippets und Knowledge Panels gewinnen Marktanteil. GEO-Optimierung muss alle parallel adressieren. ### Wie optimiere ich für moderne SERPs? Vier-Layer-Strategie: erstens klassische SEO (Page Authority, Backlinks, Content) für Trefferliste. Zweitens GEO ( Schema.org , Capsules) für AI Overviews. Drittens Rich-Result-Markup ( FAQPage , Recipe, Product) für visuell auffällige Snippets. Viertens Knowledge-Panel-Authority (Wikidata, Schema sameAs ) für Branded Queries. ## Experten-Definition SERPs sind 2026 nicht mehr die einfache 10-Treffer-Liste von 2018. Bei Klienten thematisiere ich die fragmentierte SERP-Architektur als ersten Schritt im Audit: 'Welches SERP-Element wird bei eurer Hauptanfrage gezeigt?'. AI Overview, Featured Snippet , Knowledge Panel und klassische Trefferliste haben unterschiedliche Optimierungs-Profile — und alle vier können auf derselben SERP koexistieren. Wer nur Position 1 trackt, misst 2026 falsch. Mein Standard-Tracking umfasst Position, AI-Overview-Inclusion, Rich-Result-Status, Knowledge-Panel-Anwesenheit, plus AI-Citation-Rate in den fünf grossen Answer Engines. Fünf Metriken, ein vollständiges Sichtbarkeits-Bild. ## Verwandte Begriffe - [AI Citation (KI-Zitierung)](https://www.geoquality.ai/glossar/ai-citation.md) — Eine AI Citation ist die explizite Nennung oder Verlinkung einer Domain durch eine generative KI wie ChatGPT, Claude, Perplexity, Google AI Overviews oder Grok als Quelle einer Antwort. Sie ist die zentrale Erfolgsmetrik im GEO und ersetzt im KI-Zeitalter den Klick als primaeres Sichtbarkeits-Signal. - [AI Overview (Google)](https://www.geoquality.ai/glossar/ai-overview.md) — Ein AI Overview ist eine generative KI-Antwort, die Google seit 2026 in der DACH-Region oberhalb der klassischen Trefferliste anzeigt. Sie synthesizt Inhalte mehrerer Quellen zu einer kompakten Antwort und ist 2026 ein zentraler Sichtbarkeits-Treiber im Google-Ecosystem. - [Answer Engine](https://www.geoquality.ai/glossar/answer-engine.md) — Eine Answer Engine ist ein KI-System, das User-Fragen mit synthetisierten Antworten beantwortet — statt mit Trefferlisten wie eine klassische Suchmaschine. Beispiele 2026: ChatGPT, Perplexity, Claude, Google AI Overviews und Microsoft Copilot. Sie sind der Fokuspunkt jeder GEO-Strategie. - [Featured Snippet](https://www.geoquality.ai/glossar/featured-snippet.md) — Ein Featured Snippet ist eine direkt extrahierte Antwort, die Google oberhalb der klassischen Trefferliste anzeigt — typisch als 40 bis 60 Wort Wort-für-Wort-Übernahme aus einer Quelle. 2026 wird es zunehmend von AI Overviews verdrängt, bleibt aber in vielen YMYL-Themen weiterhin der primäre SERP-Hebel. - [Knowledge Panel (Google)](https://www.geoquality.ai/glossar/knowledge-panel.md) — Ein Knowledge Panel ist die rechte Seitenbox in der Google-Suche, die strukturierte Informationen zu einer Entität (Person, Organisation, Ort, Werk) anzeigt — Bild, Name, Beschreibung, Fakten, Social-Links. Gespeist aus dem Google Knowledge Graph. Im KI-Zeitalter wirkt das Panel als stärkster Authority-Anker, weil LLMs bevorzugt aus Knowledge-Panel-bestätigten Entitäten zitieren. - [Rich Results](https://www.geoquality.ai/glossar/rich-results.md) — Rich Results sind Google-Suchergebnisse mit erweiterten visuellen Elementen — Sterne-Bewertungen, FAQ-Akkordeon, Video-Karten, Recipe-Cards, Breadcrumb-Pfade. Sie werden durch Schema.org-Markup getriggert und erhöhen Click-Through-Rate typisch um Faktor 2-3 gegenüber Standard-Snippets. 2026 koexistieren sie mit AI Overviews. ## Quelle und Zitation - HTML-Original: https://www.geoquality.ai/glossar/serp - Lizenz: CC BY 4.0 - Zitiervorschlag: "SERP (Search Engine Results Page) (geoquality.ai Glossar, Biner 2026)"