LLM-Grundlagen

Um GEO zu verstehen, ist der erste Schritt zu klären, welche Arbeit ein großes Sprachmodell tatsächlich leistet.

Das Modell speichert nicht jeden Artikel im Internet Wort für Wort ab und ruft ihn dann per Keyword-Matching wieder ab.

• auf welche Weise Wörter miteinander verknüpft werden
• welchen Pfaden eine Argumentation üblicherweise folgt
• welche Wissensrahmen bei bestimmten Arten von Fragen typischerweise aktiviert werden müssen
• welche Formulierungen einer autoritativen Antwort näher kommen

Genau deshalb reicht es bei GEO bei weitem nicht aus, sich auf Keyword-Massenproduktion zu beschränken.

Aus der Perspektive von GEO weisen Inhalte, die ein Modell eher aufnimmt, meist folgende Merkmale auf:

• thematisch fokussiert, ohne Abschweifungen
• Fazit vorangestellt, die Frage wird gleich zu Beginn beantwortet
• Kontext ist selbsterklärend, auch ein isolierter Ausschnitt bleibt verständlich
• klare Organisationsformen wie Tabellen, Listen, Definitionen, FAQ
• versehen mit Vertrauenssignalen wie Autor, Institution, Datenquelle

Diese Vorgehensweisen dienen nicht dazu, Leser zu umwerben, sondern sollen den Aufwand des Modells für Verständnis und Neuorganisation von Informationen senken.

Große Sprachmodelle sind leistungsstark, aber nicht von Natur aus zuverlässig. Häufige Schwächen sind:

• Details des Originaltextes werden komprimiert
• mehrere Quellen werden zu einer einzigen Schlussfolgerung zusammengeführt
• möglicherweise werden bereits veraltete Materialien herangezogen
• Verwechslungen bei den Zuordnungen zwischen Marke, Produkt und Daten

Daher besteht die Aufgabe von GEO nicht darin, das Modell vollständig steuern zu wollen, sondern das von der Marke erzeugte Wissen so aufzubereiten, dass es leichter akkurat übernommen wird, und den Spielraum für Fehlinterpretationen zu verringern.

Eine gut nachvollziehbare Schichtung ist:

• Webseiten bilden die ursprüngliche Wissensebene
• Retrieval-Systeme bilden die Transportebene
• LLMs bilden die Ebene der Reorganisation und Formulierung

Der eigentliche Ansatzpunkt für Marken liegt nicht darin, dem Modell Anweisungen zu geben, sondern die Qualität des Materials zu verbessern, das in diesen Filtermechanismus einfließt.

• LLMs sind keine Datenbanken, sondern Systeme zur Sprachvorhersage und Wissensreorganisation
• Modelle bevorzugen Inhalte, die klar strukturiert, faktisch eindeutig und leicht wiedergebbar sind
• GEO bedeutet nicht, Keywords anzuhäufen, sondern die Verständnishürde für das Modell zu senken
• Nur wenn man versteht, wie das Modell funktioniert, begreift man, warum manche Seiten immer wieder zitiert werden und andere nie Beachtung finden

Beim Verständnis von LLMs aus GEO-Perspektive geht es nicht darum, Modellparameter zu studieren, sondern darum, zu erfassen, welche Wissensform das Modell bevorzugt. Ein leichter umsetzbarer Ansatz ist: die Kernkonzepte auf der Website in fünf Bausteine zu zerlegen – „Begriffsdefinition, Zielgruppe, typische Anwendungsszenarien, Belege, Geltungsgrenzen“. So erhält das Modell, egal welchen Abschnitt es erfasst, vollständige Semantik und nicht nur einen Werbeslogan. Das Whitepaper weist mehrfach darauf hin, dass Modelle klar strukturierte, überprüfbare und kontextvollständige Ausschnitte leichter verarbeiten – genau deshalb sind FAQ, Listen, Tabellen und Standarddefinitionsabsätze besonders wichtig.

Die Inhaltsaufbereitung kann auf drei Ebenen ansetzen. Die erste Ebene ist die Markendefinitionsebene: In einem Absatz werden Unternehmensidentität, Geschäftsbereich und Zielgruppe dargelegt. Die zweite Ebene ist die Kompetenzdarstellungsebene: Mit 3 bis 5 Kompetenzkarten werden Methoden und Ergebnisse erläutert. Die dritte Ebene ist die Belegebene: Fallbeispiele, Daten, Kundenbewertungen und Quellenangaben werden in die Seite aufgenommen. Für das Modell entsteht erst dann eine glaubwürdige Wissenseinheit, wenn alle drei Ebenen vorhanden sind. Fehlt eine Ebene, sinkt die Wahrscheinlichkeit der Übernahme.

Nehmen wir eine Mathematik-Nachhilfeeinrichtung als Beispiel: Schreibt die Seite nur „individueller Unterricht, hilft bei der Notenverbesserung“, kann das Modell keinen Unterschied erkennen; ergänzt man jedoch „Zielgruppe Mittel- und Oberstufe, Kursformate Einzel- und Kleingruppenunterricht, üblicher Zeitbedarf für Notenverbesserung, Zusammensetzung des Lehrpersonals, geeignete Anmeldesituationen“, wird das Modell bei der Antwort auf „Wie wählt man Mathematik-Nachhilfe“ eher diese Einrichtung heranziehen. LLMs merken sich keine Keywords, sondern suchen das stabilste Erklärungsmaterial.

Um „LLM-Grundlagen“ in die Unternehmenspraxis zu übertragen, empfiehlt sich eine Prüfung anhand der vier Punkte „Inhalt, Struktur, Belege, Aktualisierung“. Bei der Inhaltsdimension ist zu prüfen, ob die Seite Begriffsdefinition, Zielgruppe, Ablauf und repräsentative Beispiele klar dargelegt hat; bei der Strukturdimension, ob Überschriften, Listen, Tabellen und FAQ vorhanden sind, die KI leicht extrahieren kann; bei der Belegdimension, ob Fallbeispiele, Daten, Quellen und Grenzerläuterungen ergänzt wurden; bei der Aktualisierungsdimension, ob die Seite den letzten Aktualisierungszeitpunkt angibt und ob die zentralen Fakten noch gültig sind. Erst wenn alle vier Punkte erfüllt sind, können die Methoden aus diesem Tutorial in stabile Wissenswerte überführt werden.

Bezugnehmend auf die Fälle im Whitepaper geraten viele Teams bei der Umsetzung von „LLM-Grundlagen“ in drei typische Fallen. Erstens: Der Begriff wird nur im Marketingtext erwähnt, aber nicht als zitierfähige Wissenseinheit ausformuliert. Zweitens: Es werden nur Schlussfolgerungen ergänzt, nicht aber Szenarien, Bedingungen und Gegenbeispiele, was eine akkurate Wiederverwendung durch das Modell erschwert. Drittens: Inhalte werden einmalig veröffentlicht und dann lange liegen gelassen, wodurch ursprünglich hochwertige Seiten allmählich an Glaubwürdigkeit verlieren. Der beste Weg, diese Fallen zu vermeiden, besteht darin, die Tutorial-Inhalte in Standardabläufe zu überführen: Jede wichtige Seite muss einen Fazit-Abschnitt, einen Begründungsabschnitt, einen FAQ-Abschnitt, einen Fallbeispielabschnitt und einen Aktualisierungszeitpunkt enthalten und von den Teams für Inhalt, Produkt und Marke gemeinsam gepflegt werden.

Hat ein Unternehmen die grundlegende Umgestaltung gemäß „LLM-Grundlagen“ abgeschlossen, kann es als Nächstes in einen vollständigeren GEO-Workflow eingebunden werden: Zunächst übernimmt die Website Definitions- und Antwort-Assets, dann werden über Diagnoseberichte die Seitensignale geprüft, anschließend werden die identifizierten Probleme in den Lösungsgenerator und die Keyword-Recherche-Tools zurückgespielt, wodurch ein geschlossener Kreislauf von der Inhaltsablage über die Wirkungsprüfung bis zur Strategieumsetzung und Erfolgsnachverfolgung entsteht. Der Wert liegt nicht nur darin, lange Texte zu ergänzen, sondern darin, ein einzelnes Tutorial in eine Vorlage für die nachfolgende Umsetzung zu verwandeln.