Worum es geht — der OMR-Auftritt im Kontext
Am OMR Festival 2026 in Hamburg hat Malte Landwehr von Peec AI live demonstriert, welche Taktiken der Generative Engine Optimization (GEO) aktuell tatsächlich Wirkung zeigen — und welche nicht. Dieser Artikel ordnet sieben dieser Learnings für den DACH-Markt ein und zeigt, in welche Dimension des SEAKT-Frameworks jedes Phänomen fällt.
Peec AI ist ein Tool, das verfolgt, welche Quellen grosse Sprachmodelle in ihren Antworten zitieren. Damit liefert es einen belastbaren Datenpunkt zur AI-Sichtbarkeit — statt Bauchgefühl. Landwehrs Vortrag war kein Theorie-Block, sondern eine Reihe von Vorher-Nachher-Beobachtungen aus echten Antworten von ChatGPT, Perplexity und Co.
Das macht den Auftritt relevant, weil GEO derzeit zwischen zwei Polen pendelt: belegbare Mechanik auf der einen, Spekulation auf der anderen Seite. Wer Zitationen über die Zeit misst — etwa über die Citation Rate —, kann beide auseinanderhalten. Wie sich GEO grundsätzlich von klassischer Suchmaschinen-Optimierung unterscheidet, haben wir in GEO vs. SEO aufgeschlüsselt.
Die 7 Learnings im Detail
1. Self-promotional Listicles funktionieren — noch (K-Dimension)
Eigene „Beste Tools für X"-Listen, in denen die eigene Marke prominent auftaucht, werden weiterhin häufig zitiert. Das ist kein Naturgesetz, sondern ein Zustand — ein Schlupfloch, das sich schliessen dürfte. Im SEAKT-Modell fällt das in die K-Dimension (Content-Qualität für AI): Wer auf reine Selbstnennung setzt, baut auf Sand; wer zitierfähige Fakten liefert, baut auf Fundament.
2. Review-Content wird massiv unterschätzt: ~10 % Fanout-Anteil (K + A)
Review- und Vergleichsinhalte machen einen erheblichen Anteil der Sub-Anfragen aus, die ein Answer-Engine bei Kaufabsicht intern erzeugt. Wer ehrliche Bewertungen bereitstellt, bedient genau diesen Teil des Antwort-Prozesses — das berührt die K-Dimension und die A-Dimension (Autorität & Vertrauen).
3. Das Jahr im Titel erhöht die Sichtbarkeit (K-Dimension)
Inhalte mit einer Jahreszahl im Titel — etwa „… 2026" — wurden messbar häufiger zitiert. Modelle interpretieren die Jahreszahl als Aktualitätssignal. SEAKT verbucht das als Sub-Indikator der K-Dimension; der Effekt ist real, aber kein Freifahrtschein.
4. Erwähnungen der Konkurrenz schaden — drastisch (E-Dimension)
Wer Konkurrenten auf der eigenen Seite nennt — ob lobend oder kritisch — macht sie in KI-Antworten sichtbarer und verwässert die eigene Entity-Klarheit. Modelle extrahieren Entitäten und Beziehungen aus dem Seiteninhalt; jede Nennung knüpft eine Kante im Knowledge Graph zwischen dir und dem Genannten.
5. Eine Überschrift kann ein Brand sichtbar machen (S-Dimension)
In einem Beispiel reichte eine einzige präzise Überschrift, um eine Marke von „unsichtbar" auf „wird zuerst genannt" zu heben. Die strukturelle Auszeichnung des Hauptthemas — über Headings und JSON-LD nach Schema.org — gibt dem Modell die eindeutige Antwort auf „worum geht es hier?". Wie das praktisch geht, zeigt Schema.org für KMU.
6. GEO ist teilweise wilder Westen — experimentieren ist Pflicht
Vieles in GEO ist noch nicht stabil belegt. Genau hier liegt das Argument für ein offenes, replizierbares Framework: Ein Schlupfloch lässt sich nur dann von einem dauerhaften Mechanismus unterscheiden, wenn man nach einer dokumentierten Methode misst. Der systematische Aufbau eines Knowledge Graphs ist so ein nachvollziehbarer Hebel.
7. Erfundene Produkte landen in Empfehlungen (A-Dimension)
In Einzelfällen tauchten in KI-Empfehlungen Produkte auf, die es gar nicht gibt. Für seriöse Anbieter macht das die A-Dimension wichtiger denn je: E-E-A-T-Signale — externe Referenzierbarkeit, Autoren mit Credentials, eine korrekte llms.txt — heben echte Quellen von halluzinierten ab.
Was das für den DACH-Markt bedeutet
Die OMR-Learnings stammen aus einem überwiegend englischsprachigen Beobachtungsraum. Im DACH-Markt kommt eine Sprach-Asymmetrie hinzu: Bei deutschsprachigen Anfragen bevorzugen Modelle tendenziell deutschsprachige Quellen. Wer für den DACH-Raum sichtbar sein will, sollte zitierfähige Inhalte auf Deutsch bereitstellen — nicht nur übersetzte Fragmente.
Dazu kommen Schweizer Vertrauenssignale, die in der A-Dimension (E-E-A-T) besonders schwer wiegen: ein Zefix-Handelsregistereintrag, eine .ch-TLD, Schweizer Hosting und konsistente Impressums-Angaben. Solche Signale sind für ein Modell überprüfbare Anker.
SEAKT ist das fünfdimensionale Framework, das wir bei geoquality.ai unter CC BY 4.0 veröffentlicht haben — S für Strukturelle Daten, E für Entity-Klarheit, A für Autorität & Vertrauen, K für Content-Qualität, T für Technische Zugänglichkeit. Die vollständige Methodik steht im SEAKT-Whitepaper; die Hintergründe zur Veröffentlichung in SEAKT-Whitepaper veröffentlicht.
Konkrete Massnahmen — was du heute tun kannst
Statt einer „Top-10"-Liste hier eine nach SEAKT-Dimensionen sortierte Handlungsempfehlung — jeder Schritt mit ehrlicher Hebel-Einschätzung.
S — Strukturelle Daten: Hauptthema jeder Seite über ein valides JSON-LD-Objekt nach Schema.org auszeichnen (hoher Hebel). BreadcrumbList und konsistente Heading-Hierarchie ergänzen (mittlerer Hebel).
E — Entity-Klarheit: Eine eindeutige Hauptentität definieren und Konkurrenz-Nennungen vermeiden (hoher Hebel). sameAs-Verknüpfungen nur zu echten, verlinkten Profilen setzen (mittlerer Hebel).
A — Autorität & Vertrauen: Autoren mit nachprüfbaren Credentials ausweisen und Review-Content aufbauen (hoher Hebel). Eine korrekte llms.txt bereitstellen (mittlerer Hebel) — wie das geht, zeigt die llms.txt-Anleitung.
K — Content-Qualität: Zitierfähige, eigenständig verständliche Fakten schreiben (hoher Hebel). Jahreszahl im Titel bei zeitsensiblen Themen (niedriger Hebel — wirkt, ist aber kein Fundament).
T — Technische Zugänglichkeit: robots.txt mit expliziter KI-Crawler-Freigabe, valide Sitemap, saubere Canonical-Tags (mittlerer Hebel).
Fazit
Der OMR-Auftritt 2026 bestätigt, was die Forschung nahelegt: GEO ist kein Bündel von Tricks, sondern eine Mess- und Optimierungsdisziplin, in der Struktur, Klarheit und Vertrauen zählen. Einige der heute wirksamen Taktiken sind Schlupflöcher mit Verfallsdatum; andere — Entity-Klarheit, zitierfähiger Content, überprüfbare Autorität — sind dauerhafte Mechanismen. Und je mehr Modelle halluzinieren, desto wertvoller werden nachprüfbare Signale.
GEO 2026 ist die Disziplin, die misst, wie verlässlich eine Webpräsenz von generativen KI-Systemen zitiert wird.
