E-Commerce und digitale Strategien entwickeln sich schnell. Für die neuesten Trends besuchen Sie unsere aktuellen Insights
Seit Monaten sinken die Impressionen in der Google Search Console für fast alle Unternehmen. Die Frage, die Kunden und die Branche dann logischerweise stellen, ist: Wie erscheinen wir häufiger in der KI oder wie bekomme ich diese Impressionen zurück? Dieser Rückgang der Impressionen ist nicht einmal auf Rankingverluste zurückzuführen, sondern auf eine Verschiebung im Suchverhalten und die Tatsache, dass Menschen in der Standard-Google-SERP-Umgebung weniger klicken.
Die Daten zeigen in dieselbe Richtung. Nur 11 bis 12 Prozent der URLs, die von KI-Assistenten zitiert werden, befinden sich auch in den Google Top 10 für dieselbe Suchanfrage. Fast 90 Prozent der KI-Zitate gehen also an Seiten, die NICHT ganz oben bei Google stehen. Das ist keine marginale Abweichung. Das ist ein anderes Spiel. Das war der Moment, in dem ich verstand, dass sich etwas Grundlegendes verschoben hatte.
In diesem Artikel erkläre ich, wie ein LLM funktioniert, warum das Ranking in der KI anders funktioniert als bei Google, und gebe fünf praktische Tipps, um morgen damit zu beginnen.
Ein Large Language Model ist keine Wissensdatenbank. Es ist eine Vorhersagemaschine.
Auf Milliarden von Texten trainiert, erkennt ein LLM Muster und Beziehungen zwischen Konzepten. Es „versteht“ keine Fakten, so wie du und ich das tun. Es erkennt Sprachmuster. Je konsistenter deine Marke in diesen Mustern vorkommt, desto größer ist die Wahrscheinlichkeit, dass sie dich in relevanten Kontexten wiederfindet.
In vier Schichten. Zuerst analysiert es deine Frage nach Absicht und Entitäten. Dann aktiviert es Muster aus seinen Trainingsdaten. Anschließend generiert es eine Antwort, Token für Token. Und bei suchbasierten Systemen wie Google AI Mode oder ChatGPT Search kommt ein vierter Schritt hinzu: die Live-Websuche über RAG (Retrieval Augmented Generation).
Dieser vierte Schritt ist für SEO interessant, denn darauf kann man noch reagieren. Aber Achtung: Nicht jede Antwort nutzt die Websuche, und die Mischung variiert je nach Plattform.
Ein KI-System stellt nicht eine Suchanfrage. Es stellt Dutzende gleichzeitig.
Wenn jemand fragt: „Was ist die beste SEO-Strategie für E-Commerce im Jahr 2026?“, teilt das System diese Frage in Unterabfragen auf: „SEO-Trends E-Commerce 2026“, „strukturierte Daten Webshops“, „KI-Suchoptimierung“, „technische SEO-Checkliste“. Parallel ausgeführt. Die KI synthetisiert danach eine Antwort aus allen Teilergebnissen.
Die Implikation: Du musst nicht nur für deinen Hauptbegriff ranken, sondern auch die Unterfragen beantworten, die du nicht einmal siehst.
Hier liegt meiner Meinung nach der Kern. KI-Systeme denken nicht in Keywords. Sie denken in Entitäten.
Eine Entität ist ein einzigartiges „Ding“ mit Eigenschaften und Beziehungen. Eine Person, ein Unternehmen, ein Produkt oder ein Konzept. Sero ist eine Organisation. Wir machen SEO und KI-Automatisierung. Wir sind in den Niederlanden ansässig. Wir sind mit Content Marketing, KI und Suche verwandt. So sieht uns eine KI. Nicht als URL mit Backlinks, sondern als Knotenpunkt in einem Netz von Beziehungen.
In Vektordatenbanken. Jedes Konzept, jedes Wort, jede Entität wird als Vektor gespeichert (siehe Abbildung). Konzepte, die semantisch verwandt sind, liegen nah beieinander. Je konsistenter deine Marke neben relevanten Konzepten vorkommt, desto stärker ist deine Position in diesem Raum.
In der Praxis ja. Branding ist, wie Menschen Ihre Marke erkennen: konsistenter Name, Botschaft, Auftritt. Entity SEO ist, wie Maschinen Ihre Marke erkennen: konsistente Daten, strukturiertes Markup, Erwähnungen. Es ist dieselbe Disziplin aus zwei Perspektiven.
Ein Podcast, eine PR-Erwähnung, eine Trustpilot-Bewertung: alles Datenpunkte, die Ihre Entität im Vektorraum stärken.
In drei Schritten. Zuerst scannt sie in Sekunden Hunderte von Quellen auf Relevanz (Explore). Danach gleicht sie Behauptungen zwischen Quellen ab, um konsistente Informationen zu finden (Verify). Zuletzt wählt sie die zuverlässigsten Quellen aus und zitiert sie (Cite).
Blockierte oder schlecht crawl-bare Seiten fallen bereits in Schritt eins weg. Widersprüchliche Behauptungen fallen in Schritt zwei weg. Quellen mit strukturierten Daten und klaren Autoreninformationen haben eine bessere Chance, auch wenn es keine Garantie gibt.
Bei Google dreht sich Autorität um Links. Bei LLMs dreht sie sich um Wiedererkennung.
Konkret: Google zählt Backlinks als Stimmen, verwendet Ankertext zur Kontextbestimmung und berücksichtigt seitenweite Reputationssignale. LLMs funktionieren anders. Dort zählt, ob Ihre Marke genannt wird, auch ohne Hyperlink. Der Kontext um diese Erwähnung bestimmt die Bedeutung. Und konsistente Informationen über mehrere Quellen wiegen schwerer als ein großes Linkprofil.
Nein, aber das Gleichgewicht verschiebt sich. Eine groß angelegte Ahrefs-Studie aus dem Jahr 2026 unter 75.000 Marken fand einen klaren statistischen Zusammenhang zwischen Web-Erwähnungen und KI-Zitaten. Zwischen Backlinks und KI-Zitaten gab es diesen Zusammenhang kaum.
In statistischen Begriffen: Erwähnungen korrelieren mäßig stark mit KI-Zitaten (Korrelationskoeffizient 0,66, ein bedeutsames Muster), während Backlinks praktisch keinen Zusammenhang zeigen (Korrelationskoeffizient 0,10, statistisches Rauschen). Was das in der Praxis bedeutet: Erwähnungen in Nachrichtenmedien, Fachzeitschriften und Rezensionen sind für die KI-Sichtbarkeit wertvoller als ein traditioneller Backlink.
Nicht als Gimmick, sondern weil KI Inhalte in Chunks verarbeitet. Jede Überschrift ist ein potenzieller Extraktionspunkt. Ein Blog, der mit drei Absätzen Einleitung vor dem ersten Tipp beginnt, funktioniert nicht mehr. Was funktioniert: H2 als konkrete Frage, Antwort in zwei Sätzen darunter, erst dann die Erklärung.
Organization, Article, Product. Diese drei sind die Arbeitspferde. FAQPage und HowTo sind größtenteils aus unserem Standardpaket entfallen. Google hat seine Rich Results seit 2023 drastisch reduziert (FAQ hauptsächlich für Regierungs- und Gesundheitsseiten, HowTo nur auf dem Desktop). Die alte Best Practice "fügen Sie FAQ-Schema zu jeder Seite hinzu" ist tot. Was weiterhin funktioniert: Schema, das Ihre Entität maschinenlesbar macht.
Nicht alles, aber das Gleichgewicht. Ein Gastbeitrag in einer Fachzeitschrift ist mehr wert als fünf Links aus einem PBN. Ein Podcast-Auftritt ist mehr wert als ein Directory Submission. Google arbeitet immer noch mit PageRank, daher bleiben Links relevant. Aber das Verhältnis zwischen dem, was ich in Linkbuilding versus PR investiere, ist völlig anders als vor zwei Jahren.
Nicht automatisch, nicht überall. Aber bei Themen, bei denen Aktualität zählt, fügen Sie "zuletzt aktualisiert" als Signal hinzu. Aktualisieren Sie dort, wo es wichtig ist, und lassen Sie es in Ruhe, wo es nicht wichtig ist.
KI zitiert YouTube in 18 Prozent der Antworten, in denen externe Quellen vorkommen. Eine reine Blog-Strategie lässt Zitate ungenutzt.
"Was ist die beste Strategie für E-Commerce-SEO im Jahr 2026" schneidet anders ab als "beste Strategie SEO". Optimieren Sie für die natürliche Sprache, in der Menschen KI befragen.
Eine Pillar Page zu Ihrem Hauptthema, plus sechs unterstützende Artikel, die Unterthemen abdecken. KI erkennt Tiefe. Einzelne Beiträge zu wechselnden Themen bringen weniger als eine systematische Abdeckung.
Deskriptive Ankertexte, kein "hier klicken". Interne Links zeigen KI-Crawlern, wie Ihre Inhalte zusammenhängen. Das ist kostenlose thematische Autorität.
Das Spielfeld ändert sich. Wer weiterhin nur für die Google Top 10 optimiert, verpasst den Großteil dessen, woher sein Traffic in zwei Jahren kommen wird.
Die meisten SEO-Faktoren sind auch für LLM-Zitate weiterhin relevant, nur die Art und Weise, wie Sie von LLMs gefunden, verifiziert und zitiert werden können, bringt zusätzliche Spielregeln mit sich, die Ihre Inhalte schärfen müssen.
