KI-Suchsysteme bewerten Inhalte nach Klarheit, Belegbarkeit und Autorenexpertise. Das E-E-A-T-Prinzip aus Googles Qualitätsleitlinien – Experience, Expertise, Authoritativeness, Trustworthiness – wird damit zum redaktionellen Maßstab. Sieben Regeln zeigen, wie Pillar-Seiten, Blogbeiträge, Pressetexte und LinkedIn-Posts formuliert sein sollten, damit KI-Suchsysteme sie als relevante Quelle erkennen und zitieren.
Hinter E-E-A-T stehen vier Qualitätsdimensionen aus Googles Qualitätsbewertung: eigene Erfahrung mit dem Thema (Experience), fachliche Tiefe (Expertise), anerkannte Autorität in einem Feld (Authoritativeness) und Vertrauenswürdigkeit durch Belege und Transparenz (Trustworthiness). 2026 ist daraus ein Maßstab für KI-Suche geworden – Inhalte, die alle vier Dimensionen sichtbar machen, werden in KI-Antworten häufiger als Quelle zitiert.
E-E-A-T beschreibt, woran gute Quellen erkennbar sind. E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness – also Erfahrung, Fachkompetenz, Autorität und Vertrauenswürdigkeit. Diese Qualitätsdimensionen sind für klassische Suche relevant, aber auch für KI-Suchsysteme, die Quellen auswählen, einordnen und zitieren.
Klar strukturierte Inhalte werden häufiger sichtbar. Eine Princeton Studie zeigt: Strukturierte, gut zitierfähige Inhalte können die KI-Sichtbarkeit um bis zu 40 % erhöhen. Entscheidend sind verständliche Begriffe, eindeutige Aussagen, nachvollziehbare Quellen und saubere Struktur.
Autorenschaft wird zum Vertrauenssignal. Inhalte mit klar erkennbarer Autorenschaft werden von KI-Systemen häufiger zitiert als reine Textpassagen ohne Markup. Für Kommunikationsteams heißt das: Fachliche Verantwortung muss sichtbar und maschinenlesbar werden.
Sieben Schreibregeln machen E-E-A-T redaktionell nutzbar. Vom Definitionsblock über Quellenführung bis zur FAQ-Sektion mit Schema-Markup: Die Regeln übersetzen E-E-A-T in konkrete Redaktionspraxis. Sie helfen, Inhalte so zu schreiben, dass Menschen sie verstehen und KI-Systeme sie korrekt einordnen können.
Die Regeln gelten für viele Formate – aber mit Anpassung. Pillar-Seiten, Blogbeiträge, Fachartikel, Pressemitteilungen und LinkedIn-Posts können alle von E-E-A-T profitieren. Eine Pillar-Seite braucht mehr Tiefe, ein LinkedIn-Post mehr Verdichtung, eine Pressemitteilung klare Fakten und zitierfähige Hintergrundinformationen.
Vorher-Nachher-Beispiele zeigen die Umsetzung. Sie machen sichtbar, wie klassische PR-Texte zu KI-zitierfähigen Beiträgen weiterentwickelt werden können – ohne an Stil, Verständlichkeit oder Wirkung zu verlieren.
E-E-A-T wird zur Redaktionsroutine. Wer die sieben Regeln dauerhaft in Redaktionsprozessen verankert, stärkt Reputation und Sichtbarkeit in der KI-Suche.
Dieser Artikel ist Teil 3 unserer siebenteiligen Serie zu KI in der Kommunikation und Generative Engine Optimization (GEO). Die Serie richtet sich an Verantwortliche in Kommunikationsabteilungen, die Inhalte, Kanäle und Reputation auf die neue KI-Suche vorbereiten wollen.
In Teil 1 dieser Serie haben wir gezeigt, wie sich verschiedene Disziplinen in der Unternehmenskommunikation 2026 verändern. In Teil 2 haben wir geklärt, welche Kanäle die KI-Suche bevorzugt. In dieser Folge beleuchten wir, wie Texte aufgebaut sein müssen, damit KI-Suchsysteme sie als relevante Quelle erkennen.
Hinweis zur Begriffsverwendung
Englisch “Citation” | Deutsch “Zitat”, “zitieren” |
Sammelbegriff für jeden Quellenverweis in einer KI-Antwort: verlinkter Domain-Verweis, namentlich genannte Studie, wörtliches Personen-Zitat, paraphrasierte Fakten-Übernahme | Engerer Begriff: meist wörtliche Wiedergabe einer Aussage, oft mit Anführungszeichen, häufig personenbezogen |
In der GEO-Branchendiskussion bedeutet AI Citation durchgehend das breite englische Konzept – also Quellen-Erwähnung in einer KI-Antwort. Im Deutschen verstehen Leser:innen ohne englischen Branchenhintergrund unter Zitat oft etwas Engeres (das Personen-Zitat). Für eine bessere Lesbarkeit des Textes verwende ich neben dem englischen Fachbegriff auch deutschsprachige Umschreibungen.
Was früher vor allem ein Google-Ranking-Faktor war, ist heute auch für KI-Antworten relevant. Die Princeton-Studie zur Generative Engine Optimization von Aggarwal et al. zeigt: Quellenangaben und Statistiken können die Zitierwahrscheinlichkeit um bis zu 40 % erhöhen. Expertenzitate steigern sie um bis zu 30 %, ein fachlich-autoritativer Ton um bis zu 25 %. Keyword-Stuffing dagegen senkt die KI-Sichtbarkeit nachweislich um etwa 10 %.
Auch eine Auswertung von 5W Public Relations zeigt, wie wichtig klare Autorenschaft ist. Untersucht wurden rund 680 Millionen Citations aus ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews. Eine zentrale Erkenntnis: Inhalte mit einer ausgewiesenen Autorin oder einem Autor werden deutlich häufiger zitiert als reine Textaussagen ohne strukturiertes Markup. Bei Claude liegt der Unterschied bei 94 % mit Markup gegenüber 61 % ohne Markup.
Die folgenden sieben Regeln erklären das E-E-A-T-Prinzip anhand von Praxisbeispielen. Sie gelten auf jeder Textebene – vom einzelnen Absatz bis zur gesamten Pillar-Seite. Wer diese Regeln in seine Redaktionsroutinen integriert, erhöht die Wahrscheinlichkeit von KI-Suchsystemen zitiert zu werden.
Wer bei „Was ist X?“-Anfragen sichtbar werden will, sollte die Antwort direkt am Anfang liefern: klar, knapp und ohne Marketingsprache. Ideal sind die ersten 80 Wörter. KI-Suchsysteme greifen solche Abschnitte bevorzugt für Definitionsfragen auf.
Vorher:
Krisenkommunikation ist eines der wichtigsten Themen für moderne Unternehmen, gerade in Zeiten zunehmender medialer Aufmerksamkeit und wachsender gesellschaftlicher Anforderungen.
Nachher:
Krisenkommunikation bezeichnet die strategische Steuerung von Botschaften und Kanälen während akuter Vorfälle, die Reputation, Geschäftstätigkeit oder Sicherheit eines Unternehmens gefährden. Ziel ist die Wiederherstellung von Vertrauen – nicht das Verschweigen von Tatsachen.
Der Unterschied:
Der erste Satz ist eine Behauptung, erklärt den Begriff aber nicht. Der zweite Satz beantwortet die Frage „Was ist Krisenkommunikation?“ deutlich besser: Er nennt den Gegenstand, den Anlass, das Ziel und eine klare Haltung. Dadurch wird der Abschnitt für KI-Suchsysteme leichter zitierfähig.
KI-Systeme greifen bevorzugt Absätze auf, die als eigenständige Sinneinheiten funktionieren. Bandwurmsätze und sehr kurze Mini-Absätze sind dafür weniger geeignet. Jeder Kernabsatz sollte eine klare Aussage enthalten, die auch ohne den restlichen Text verständlich bleibt.
Vorher:
In der heutigen schnelllebigen Geschäftswelt, in der digitale Transformation und stetiger Wandel die Norm sind, müssen Unternehmen über alle Hierarchieebenen hinweg sicherstellen, dass ihre internen Kommunikationsprozesse strukturell verankert und zugleich agil genug sind, um flexibel auf vielfältige Herausforderungen zu reagieren.
Nachher:
Interne Kommunikation muss 2026 zwei Anforderungen gleichzeitig erfüllen: Sie muss strukturell verankert sein, um Orientierung zu geben, und agil genug bleiben, um auf Wandel zu reagieren. Beides gelingt mit klar definierten Routinen und wenigen, gut aufgestellten Kanälen.
Der Unterschied:
Der erste Satz ist lang und schwer zu erfassen (40 Worte). Der zweite Absatz ist ähnlich informativ (45 Worte), jedoch klarer strukturiert: zwei Sätze, eine zentrale These und eine konkrete Konsequenz. Dadurch kann er leichter isoliert verstanden und zitiert werden.
Jede wichtige Zahl sollte direkt im Satz mit einer Quelle verknüpft werden – nicht nur in einer Quellenliste am Ende. Statistiken wirken für KI-Suchsysteme vor allem dann zitierfähig, wenn klar erkennbar ist, woher sie stammen.
Vorher:
Studien zeigen, dass viele Unternehmen die Bedeutung der internen Kommunikation noch unterschätzen.
Nachher:
Laut BCG „AI at Work 2025“ sind nur 36 % der Beschäftigten mit ihrem KI-Training zufrieden – die Hälfte fühlt sich auf den Wandel nicht ausreichend vorbereitet.
Der Unterschied:
Der erste Satz verweist allgemein auf „Studien“, bleibt aber unbelegt. Der zweite Satz nennt eine konkrete Quelle und eine konkrete Zahl. Dadurch wird die Aussage überprüfbar – und für KI-Suchsysteme deutlich leichter als Quelle nutzbar.
Überschriften sollten klar gegliedert sein: H1, H2, H3 – ohne Sprünge. Wichtig ist außerdem, dass sie in der Sprache der Suchanfragen formuliert sind. Fragen wie „Wie …?“, „Warum …?“ oder „Was bedeutet …?“ helfen KI-Suchsystemen, den darunterliegenden Abschnitt einer konkreten Nutzerfrage zuzuordnen.
Vorher:
H2: Trends 2026
Nachher:
H2: Welche Trends die Krisenkommunikation 2026 prägen
Der Unterschied:
Die erste Überschrift ist sehr allgemein und könnte zu vielen Themen passen. Die zweite Überschrift greift eine konkrete Suchfrage auf. Dadurch wird der folgende Abschnitt für KI-Suchsysteme leichter als passende Antwort erkennbar.
KI-Suchsysteme bewerten nicht nur den Inhalt, sondern auch, wer ihn veröffentlicht hat. Deshalb sollten Autorinnen und Autoren klar erkennbar sein – mit sichtbarer Autorenzeile, fachlichem Hintergrund und Verlinkungen zu relevanten Profilen, etwa LinkedIn oder Wikipedia. Auch strukturiertes Markup wie Article-Schema mit Author-Entity kann helfen.
Vorher:
Autor: Max Mustermann
Nachher:
Autor: Max Mustermann, Geschäftsführer der Mustermann Communications GmbH, GPRA-Mitglied, seit 25 Jahren Berater für Krisen- und Reputationskommunikation. Profil: LinkedIn · Autorenseite
Der Unterschied:
Der erste Eintrag nennt nur einen Namen. Der zweite zeigt Funktion, fachliche Erfahrung, Branchenbezug und weiterführende Profile. Das sind Vertrauenssignale, die KI-Suchsysteme besser einordnen können.
Tabellen eignen sich besonders gut für Vergleichsfragen wie „X vs. Y“ oder „Was ist der Unterschied zwischen X und Y?“. Eine Tabelle pro Artikel reicht meist aus. Wichtig ist, dass sie eine klare Funktion hat: Sie ersetzt nicht die Argumentation, sondern macht einen Vergleich schnell erfassbar.
Vorher:
Owned Channels und Earned Media unterscheiden sich darin, dass Owned Channels vom Unternehmen kontrolliert werden, während Earned Media über externe Kanäle entstehen, die nicht direkt steuerbar sind. Beide haben unterschiedliche Stärken und Schwächen, die je nach Situation und Strategie variieren können.
Nachher:
Dimension | Owned Channels | Earned Media |
Kontrolle | vollständig beim Unternehmen | extern, nicht direkt steuerbar |
Glaubwürdigkeit | mittel | hoch, da Drittinstanz |
KI-Citation-Stärke | hoch (51,5% laut Blinq) | mittel: 8,9 % aus reinen Pressemeldungen |
Der Unterschied:
Der erste Absatz beschreibt den Unterschied, bleibt aber allgemein. Die Tabelle vergleicht beide Kanäle direkt entlang klarer Dimensionen. So können Leserinnen und Leser den Unterschied schneller erfassen – und KI-Suchsysteme die Aussagen leichter auswerten.
Am Ende eines Artikels sollte eine kurze FAQ-Sektion stehen: fünf bis sieben Fragen, jeweils mit Antworten von etwa 60 bis 80 Wörtern. Ergänzt durch FAQPage-Schema-Markup hilft sie KI-Suchsystemen auf mehreren Ebenen: als direkte Antwort, als strukturiertes Datensignal und als semantischer Anker für verwandte Suchanfragen.
Vorher:
Keine FAQ-Sektion am Artikelende. Wichtige Fragen werden nur indirekt im Fließtext beantwortet.
Nachher:
FAQ – Häufige Fragen zu Krisenkommunikation
Wie schnell sollte das erste Statement nach einem Vorfall vorliegen?
Eine erste belastbare Reaktion sollte innerhalb der ersten 60 bis 90 Minuten nach einem Vorfall erfolgen. Wer länger schweigt, überlässt das Bild Spekulationen – und in der KI-Ära zusätzlich der Logik von Such- und Trainingsdaten. Inhaltlich genügt zunächst ein Holding Statement: Was ist passiert? Was tut das Unternehmen? Was bedeutet das für Betroffene?
Der Unterschied:
Ohne FAQ verpasst der Artikel wichtige Suchanfragen wie „Wie schnell …?“, „Wann …?“ oder „Was passiert, wenn …?“. Mit FAQ-Sektion und Schema-Markup werden Fragen und Antworten klar strukturiert. Jede Frage wird dadurch zu einem eigenen Anker für KI-Suchsysteme.
Wer die sieben Regeln mit klassischer SEO-Logik vergleicht, erkennt den Unterschied am besten in einer direkten Gegenüberstellung. Die folgende Tabelle zeigt, wie sich das redaktionelle Schreiben durch KI-Suche verändert.
Dimensionen | Klassisches SEO | Generative Engine Optimization (GEO) |
Erfolgs-Metrik | Position 1–10, Klickrate | Citation als Quelle, AI Share of Voice |
Wichtigster Hebel | Backlinks, Keyword-Dichte, Site-Health | Substanz, Belege, Autorensignale |
Content-Format | Long-Form mit Keyword-Dichte | Snippet-Blöcke (40–80 Wörter) |
Quellenangaben | optional | Pflicht: +37–40 % Zitierwahrscheinlichkeit |
Tonalität | werblich erlaubt | analytisch, sachlich |
Keyword-Stuffing | ineffektiv | aktiv schadend (–10 %) |
Autorensignale | nice-to-have | erfolgskritisch |
Tabellen / FAQ | Bonus für UX | Sehr wichtige Quelle für Citations |
Die Tabelle zeigt den eigentlichen Disziplinwechsel: SEO optimiert für Crawler, die Seiten indexieren. GEO optimiert für Sprachmodelle, die einzelne Aussagen aus Seiten herauslösen und weiterverwenden. Beides schließt sich nicht aus. Die Erfolgsfaktoren unterscheiden sich jedoch.
Die sieben Regeln gelten grundsätzlich für alle Kanäle. Entscheidend ist, wie sie je nach Format angewendet werden.
Hier sind alle sieben Regeln zentral. Definitionsblock und FAQ-Sektion sollten immer enthalten sein. Vergleichstabellen eignen sich bei Themen, die gegenübergestellt werden können. Autorensignale sollten auf der gesamten Seite klar sichtbar sein. Pillar-Seiten sind das Herzstück der KI-Citation-Strategie. Wer sie nicht E-E-A-T-konform aufbaut, verschenkt ein wichtiges Owned Asset.
Auch hier gelten alle sieben Regeln, jedoch mit stärkerem narrativem Bogen. Ein Lead-Block wie „Das Wichtigste in Kürze“ kann als KI-Snippet-Anker dienen. Wichtig sind außerdem ein/e klar erkennbarer Autor/in, direkte Links zur Quelle bei jeder Zahl sowie eine FAQ-Sektion am Ende. Ein Beitrag wie dieser ist dafür ein praktisches Beispiel.
Hier sind vor allem Regel 1, 3, 5 und 6 wichtig: eine klare Definition, belegte Zahlen, sichtbare Autorenexpertise und Vergleichstabellen für analytische Tiefe. Das Schema-Markup übernimmt meist das veröffentlichende Medium. Die Autorensignale bringen Sie über Ihre eigene Expertise und Profilverlinkungen ein.
Auf LinkedIn sind vor allem Regel 1, 2 und 3 entscheidend. Die ersten zwei Zeilen müssen klar machen, worum es geht. Danach braucht der Beitrag Substanz und, wenn möglich, eine Quelle. Tabellen funktionieren besonders gut in Carousel-Posts. Autorensignale liefert das Profil. Längere LinkedIn-Artikel können zusätzlich von einer FAQ-Struktur profitieren.
Klassische Pressemitteilungen sind formal eingeschränkt: Definitionsblock, FAQs und Vergleichstabellen passen nicht in den eigentlichen Pressetext. Der Pressetext bleibt primär eine kurze, scannbare Mitteilung an Journalist:innen. Wer Pressemitteilungen 2026 KI-zitierfähig machen will, schärft im Pressetext besonders zwei Stellschrauben: die Headline und das Sprecher-Zitat. GEO-Bausteine wie Definitionsblock, FAQ oder Tabelle platzieren wir bei Bedarf hinten im Anhang oder im „Hintergrundinformationen"-Block, nicht im Mittelteil. Wie sich diese Hierarchie strategisch in das Zielgruppen-Trilemma aus Mensch, Suche und KI einordnet, vertiefen wir in Teil 7 unserer Serie zu Smart Brevity vs. GEO.
Bei der Headline ist „positiv” oder „negativ” die falsche Kategorie. Entscheidend ist, ob sie eine konkrete, nachrichtliche Aussage enthält. Eine KI-zitierfähige Headline benennt idealerweise drei Dinge: den Akteur, die Veränderung und – wenn vorhanden – eine Zahl.
Weniger hilfreich sind antithetische Konstruktionen wie „nicht X, sondern Y”. Sie wirken in Pressemitteilungen schnell nach PR-Sprache, werden von Medien häufig umformuliert und von KI-Suchsystemen eher als rhetorische Figur denn als belastbare Aussage bewertet.
Ein weiteres Anti-Pattern beobachten wir besonders bei Unternehmen, deren Kommunikation organisatorisch im Marketing verankert ist: zu markenlastige Headlines mit Selbstverstärkern wie „einer der innovativsten”, „eine der größten” oder „der führende Anbieter”. Solche Formulierungen waren schon im Prä-KI-Zeitalter nicht empfehlenswert. 2026 sind sie zusätzlich problematisch, weil KI-Suchsysteme unbelegte Selbstaussagen selten als relevante Quelle einordnen. In der KI-Auswahl geeigneter Zitate haben belegbare Fakten deutlich bessere Chancen als Selbstlob.
Die Lösung: Selbstverstärker entweder durch konkrete Zahlen ersetzen oder ganz weglassen.
Vorher – Marketing-Floskel:
Mustermann Communiations setzt auf Innovation und Wandel
Nachher – konkrete Aussage:
Mustermann Communications baut KI-Beratung aus: 30 Prozent mehr Mandate seit 2025
Der Unterschied: Die Vorher-Headline bleibt allgemein und austauschbar. Die Nachher-Headline transportiert Akteur, Veränderung und Zahl in einem Satz. Damit funktioniert sie für Presseportale ebenso wie für KI-Suchsysteme.
Vorher – Selbstverstärker ohne Beleg:
Mustermann Communications zählt zu den führenden Beratungen für strategische Kommunikation in Deutschland
Nachher – belegbare Tatsachenbeschreibung:
Mustermann Communications berät seit 25 Jahren mittelständische Unternehmen und DAX-Konzerne zu Krisen- und Reputationsstrategien
Der Unterschied: „Führend” ist eine unbelegte Selbstaussage. Die Nachher-Variante ersetzt das Selbstlob durch eine überprüfbare Erfahrungsangabe und eine konkrete Zielgruppe. Das erhöht die Zitierwahrscheinlichkeit, ohne an Selbstbewusstsein zu verlieren.
Auch beim Sprecher-Zitat gilt: Generische Begeisterung wird selten zitiert. Sätze wie „Wir freuen uns sehr…” sind auf nahezu jedes Unternehmen übertragbar und liefern KI-Suchsystemen keinen eigenständigen Informationswert.
Besser funktionieren prägnante Zitate mit klarer Position. Sie sollten eine These formulieren, die auch außerhalb des unmittelbaren Pressetextes verständlich bleibt. Das Reputationsrisiko kantiger Zitate lässt sich durch zwei einfache Tests reduzieren: Erstens muss das Zitat in sich zitierfähig sein, also auch ohne den umgebenden Pressetext logisch funktionieren. Zweitens darf es isoliert nicht missverständlich werden.
Vorher – generisches Zitat:
Wir freuen uns sehr, unseren Kunden mit unseren neuen KI-Lösungen einen weiteren wichtigen Service anbieten zu können.
Nachher – zitierfähige Position:
Wer als CEO 2026 nicht in KI-Antworten zitiert wird, überlässt die Deutungshoheit über das eigene Unternehmen anderen”, sagt Anna Mustermann, Geschäftsführerin Mustermann Communications.
Der Unterschied: Das Vorher-Zitat ist beliebig und auf fast jedes Unternehmen übertragbar. Das Nachher-Zitat enthält eine klare These, ist isoliert verständlich und lässt sich eindeutig einer Sprecherin zuordnen. Genau solche Aussagen haben eine deutlich höhere Chance, von KI-Suchsystemen aufgegriffen zu werden.
Pressemitteilungen bleiben damit ein wichtiger, jedoch begrenzter Baustein der KI-Reputation. Sie können Sichtbarkeit, Auffindbarkeit und Zitierfähigkeit erhöhen – vor allem dann Headline und Sprecher-Zitat konsequent auf belegbare Aussagen ausgerichtet sind. Warum klassische Pressemitteilungen allein trotzdem nicht ausreichen und welche Rolle Einordnungsmedien in der KI-Reputation spielen, zeigt Teil 2 dieser Serie.
Sieben Regeln, drei Prüffragen pro Absatz: Trägt der Absatz eine klare Aussage? Ist diese Aussage belegt? Steht eine erkennbare Sprecherin oder ein erkennbarer Sprecher dahinter?
Wer diese Fragen vor jeder Veröffentlichung stellt, schreibt automatisch E-E-A-T-konformer – egal ob für Pillar-Seiten, Blogbeiträge, Fachartikel, Pressemitteilungen oder LinkedIn-Posts.
Die offene Frage betrifft den Aufwand: Wie können Kommunikationsabteilungen diese sieben Regeln im Redaktionsalltag verankern, ohne jeden Beitrag manuell zu prüfen? Welche KI-Tools helfen dabei? Und welche Prompts liefern wirklich zitierfähige erste Entwürfe?
Das vertiefen wir in Teil 4 dieser Serie: „Prompts in der Praxis – KI-Tools und Prompt-Vorlagen für Kommunikationsteams“. Der Beitrag erscheint kommende Woche.
Klassisches SEO optimiert Inhalte vor allem für Crawler und Trefferlisten – etwa über Backlinks, Keywords, technische Performance und Seitenstruktur. E-E-A-T zielt stärker auf KI-Sprachmodelle, die einzelne Aussagen aus Texten extrahieren. Entscheidend sind deshalb Substanz, Belege und klare Autorensignale.
Beides schließt sich nicht aus. Aber SEO folgt eher der Crawler-Logik, E-E-A-T der Sprachmodell-Logik.
Ein guter Definitionsblock hat etwa 40 bis 80 Wörter. Ist er kürzer, wirkt er schnell stichwortartig. Ist er deutlich länger, verliert er seine Eignung als Snippet.
Drei Elemente sollten enthalten sein: Was bezeichnet der Begriff? Wer oder was ist beteiligt? Welches Ziel verfolgt die Tätigkeit? Idealerweise endet der Definitionsblock mit einer klaren Aussage, die die Haltung des Beitrags erkennen lässt.
Ja, Schema-Markup ist ein wichtiger Hebel für KI-Sichtbarkeit. Wenn das CMS kein natives Schema unterstützt, können JSON-LD-Blöcke meist manuell in Templates eingebunden werden.
Für redaktionelle Beiträge sind vor allem drei Schema-Typen relevant: Article, Person und FAQPage. Der technische Aufwand entsteht vor allem am Anfang. Danach lässt sich das Markup meist standardisiert weiterverwenden.
Drei Bausteine reichen aus: eine sichtbare Autorenzeile mit Funktion und fachlicher Einordnung, eine Verlinkung auf eine Autorenseite oder ein LinkedIn-Profil sowie eine sameAs-Verknüpfung im Schema-Markup.
Glaubwürdigkeit entsteht nicht durch Selbstinszenierung, sondern durch nachvollziehbare Expertise. Leserinnen, Leser und KI-Systeme sollten erkennen können, warum diese Person zum Thema sprechen kann.
Snippet-tauglich sind klare Aussagesätze mit Subjekt, Verb und konkreter Aussage. Sie sollten auch ohne den restlichen Text verständlich sein.
Nicht geeignet sind unvollständige Argumentationsketten, Verweise auf vorherige Absätze wie „dieser Effekt“ oder „diese Verschiebung“, Ironie und rein rhetorische Fragen.
Ein einfacher Test: Den Absatz isoliert in ein leeres Dokument kopieren. Funktioniert er noch? Dann ist er deutlich besser für KI-Citations geeignet.
Drei Tests gehören in die Redaktionsroutine. Erstens: einzelne Absätze isoliert lesen. Ist die Aussage auch ohne Kontext verständlich?
Zweitens: zentrale Suchfragen in ChatGPT, Perplexity und Google AI Overviews testen. Wird das Unternehmen, die Autorin, der Autor oder der Beitrag genannt?
Drittens: spezialisierte Tools wie Peec AI, Otterly oder ZipTie nutzen, um KI-Citations über mehrere Plattformen hinweg zu verfolgen. Sinnvoll ist eine monatliche Prüfung, nicht nur ein einmaliger Test.
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A. (2024): GEO – Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024). https://dl.acm.org/doi/10.1145/3637528.3671900
5W Public Relations / Everything PR (2026): AI Platform Citation Source Index – Synthese aus rund 680 Millionen Citations über ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews, August 2024 bis April 2026. https://everything-pr.com/ai-platform-citation-source-index-2026/
BCG (Juni 2025): AI at Work 2025 – Momentum Builds, But Gaps Remain. https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain
consense communications (2026): Beratungspraxis und Klientendaten
Dieser Beitrag ist Teil 3 unserer siebenteiligen Serie zu KI in der Kommunikation und Generative Engine Optimization (GEO). In der Serie zeigen wir, wie Kommunikationsabteilungen ihre Inhalte, Kanäle und Reputationsarbeit auf die neue KI-Suche ausrichten können. Schritt für Schritt geht es darum, wie Unternehmen sichtbar, zitierfähig und vertrauenswürdig bleiben, wenn ChatGPT, Google und andere KI-Systeme Antworten über Marken, Themen und Organisationen formulieren.
Teil 1 KI als neue Zielgruppe: Wie GEO die Arbeit von Kommunikationsabteilungen ab 2026 verändert
Teil 2 Welche Kanäle die KI-Suche zitiert – und wie Unternehmen 2026 ihre Reputation steuern
Teil 3 Schreiben für KI nach dem E-E-A-T-Prinzip (jetzt): Wie Webseite-Content und Pressebeiträge zitierfähig werden
Teil 4 KI-Texte in der Praxis: KI-Tools und Prompt-Vorlagen für Kommunikationsteams
Teil 5 Reputation in der KI-Ära: Wie Unternehmen 2026 ihr Markenbild in der KI-Suche steuern
Teil 6 Krisenkommunikation in der KI-Ära: Wenn die KI Ihre Krise erzählt – Holding Statements und KI-Korrektur
Teil 7: Smart Brevity vs. GEO: Das Trilemma der KI-Texte – wie Kommunikationsteams für KI, Google und Mensch gleichzeitig schreiben
Wir veröffentlichen unsere Artikel wöchentlich. Wenn Sie keinen Beitrag verpassen wollen, folgen Sie Claudia Thaler auf LinkedIn.
Die Autorin Claudia Thaler ist Geschäftsführerin der PR-Agentur consense communications GmbH (GPRA) in München. Seit über 25 Jahren begleitet sie mittelständische Unternehmen, DAX-Konzerne und NGOs in den Bereichen Change, Krisenkommunikation, interne Kommunikation und Reputationsmanagement. Seit 2024 liegt ihr Schwerpunkt auf KI-getriebenen Veränderungen in der Kommunikation. → Vollständiges Autorenprofil auf dieser Website · Claudia Thaler auf LinkedIn.
Die Autorin hat diesen Artikel auf Basis ihrer Fachkenntnis und mit Unterstützung von Claude Opus 4.7 und ChatGPT erstellt. Credits Bild: metamorworks (iStock).
Geschäftsführerin consense communications GmbH (GPRA) Expertin für Strategie-, Change- und Krisenkommunikation sowie zertifizierte systemische Coachin und Organisationsentwicklerin. Strategin für Kommunikation im KI-Zeitalter.
