Large Language Models

Wer nach einem Produkt, einer Dienstleistung oder einem passenden Anbieter sucht, bekommt zunehmend auch Antworten von KI-Systemen. Dabei kann eine Marke erwähnt, empfohlen oder ganz ausgelassen werden. Für Unternehmen entsteht so eine neue Frage: Wie sprechen ChatGPT, Gemini und andere Systeme über das eigene Angebot?

Eine einzelne Abfrage liefert darauf nur einen flüchtigen Eindruck. Antworten können sich je nach Frage und System unterscheiden und sich mit der Zeit verändern. Wer die Sichtbarkeit seiner Marke verstehen möchte, sollte deshalb wiederkehrende Fragen regelmäßig prüfen und die Ergebnisse vergleichen.

Dabei geht es nicht nur darum, ob ein Unternehmen genannt wird. Auch der Zusammenhang zählt: Wird die Marke passend beschrieben? Tauchen Wettbewerber in derselben Antwort auf? Haben sich Empfehlungen oder Formulierungen verändert? Solche Beobachtungen können helfen, die eigene Präsenz in KI-Antworten besser einzuordnen und mögliche Ansatzpunkte für die weitere Arbeit zu finden.

Genau hier setzt Generative Engine Optimization, kurz GEO, an: Unternehmen beobachten, wie KI-Systeme ihre Marke darstellen, und prüfen, ob Maßnahmen zur Verbesserung dieser Darstellung Wirkung zeigen. GeoMetric unterstützt diesen Prozess, indem es festgelegte Prompts regelmäßig über mehrere KI-Systeme hinweg misst, Antworten vergleichbar macht und Veränderungen im Zeitverlauf sichtbar hält. Je nach gewähltem Rhythmus sind die Messungen monatlich, wöchentlich oder täglich möglich.

So wird aus einer Momentaufnahme ein besser nachvollziehbares Bild: Welche Systeme erwähnen die Marke? In welchem Kontext geschieht das? Und was hat sich seit der letzten Messung verändert? Die Antworten liefern keine Garantie dafür, wie KI-Systeme künftig reagieren. Sie können Unternehmen aber dabei helfen, ihre KI-Sichtbarkeit systematischer zu beobachten und fundierter über nächste Schritte zu entscheiden.