Ich sehe das Muster in fast jedem GEO-Projekt: Die Texte sind fachlich korrekt, sie ranken bei Google auf der ersten Seite, und trotzdem nennt ChatGPT die Quelle nicht. Meistens liegt das am Aufbau des Textes.

Anzeige

Wie liest ein Sprachmodell deinen Text?

KI-Systeme lesen keine ganzen Seiten. Sie zerlegen Dokumente in Textabschnitte, sogenannte Chunks, und wählen daraus einzelne Passagen für die Antwort aus. Das Modell sieht also möglicherweise nie deinen kompletten Artikel, sondern nur einen Absatz daraus ohne den vollständigen Zusammenhang.

Der Begriff „LLM-Readability“ beschreibt, wie gut sich ein Text auf diese Weise zerlegen lässt. Klassisch zählt, ob ein Mensch einen Text versteht. Hier zählt aber, ob eine Maschine ihn eindeutig zerlegen kann. Weil Modelle einzelne Absätze statt ganzer Seiten lesen, ändert sich die Einheit, für die du schreibst: Bei der klassischen Google-Suche war das die Seite, in der KI-Suche ist es der Absatz. Ein Abschnitt, der seinen Sinn erst aus dem vorherigen bezieht, ist für ein Modell wertlos, selbst wenn der Gesamttext exzellent ist.

Anzeige

Jeder Absatz muss allein stehen können. Er braucht einen klaren thematischen Fokus, überprüfbare Aussagen und im Idealfall unter 250 Wörter. Ein Gedanke pro Absatz.

Die Antwort kommt zuerst. Sprachmodelle verlieren bei langen Dokumenten messbar an Genauigkeit, wenn die entscheidende Information in der Mitte steht. In der Praxis heißt das: Die wichtigste Aussage gehört in die ersten 350 bis 400 Wörter des Dokuments und in den ersten Satz jedes Absatzes. Danach folgen Erklärung, Belege und Kontext.

Empfohlene redaktionelle Inhalte

Hier findest du externe Inhalte von TargetVideo GmbH, die unser redaktionelles Angebot auf t3n.de ergänzen. Mit dem Klick auf "Inhalte anzeigen" erklärst du dich einverstanden, dass wir dir jetzt und in Zukunft Inhalte von TargetVideo GmbH auf unseren Seiten anzeigen dürfen. Dabei können personenbezogene Daten an Plattformen von Drittanbietern übermittelt werden.

Hinweis zum Datenschutz

Du möchtest mehr zum Thema lernen?

Regelmäßig veröffentlicht die t3n-Redaktion praxisorientierte Paper, Guides und Onlinekurse mit den besten Expert:innen im digitalen Business, die dabei helfen, neue Technologien zu verstehen, um damit in Zukunft erfolgreich zu sein.

Mehr erfahren

Vorher und nachher: Ein optimierter Absatz

Nimm einen (fiktiven) Softwareanbieter für digitale Zeiterfassung. Auf der Ratgeberseite steht ein Abschnitt, der so oder ähnlich in vielen Unternehmensblogs zu finden ist.

Anzeige

Vorher:

Zeiterfassung im Mittelstand

Die Digitalisierung der Arbeitswelt stellt viele Betriebe vor neue Aufgaben. Wer sich mit der Umstellung von Excel-Listen auf eine digitale Lösung beschäftigt, stellt sich zunächst die Frage nach dem Aufwand. Erfahrungsgemäß bewegt sich die Einführung zwischen zwei und acht Wochen, wobei die Zahl der Standorte und die Anbindung an die Lohnabrechnung eine Rolle spielen. Unsere Software wurde speziell für die Anforderungen mittelständischer Unternehmen entwickelt und bietet dafür alle notwendigen Funktionen.

Die Information steht da, aber die Überschrift nennt kein Problem, und die Antwort versteckt sich im dritten Satz hinter einer Einleitung.

Nachher:

Anzeige

Wie lange dauert die Einführung einer digitalen Zeiterfassung?

Zwei bis acht Wochen. Der Aufwand hängt an zwei Faktoren: der Zahl der Standorte und der Anbindung an die Lohnabrechnung.

Ein Betrieb mit einem Standort und weniger als 50 Beschäftigten liegt meist am unteren Ende. Die Installation selbst dauert wenige Stunden. Die Zeit geht dafür drauf, Altdaten zu übernehmen und sich mit dem Betriebsrat abzustimmen.

Die Überschrift ist jetzt die Frage, die jemand tatsächlich eingibt, und der erste Satz ist die Antwort. Der Absatz funktioniert isoliert, weil er nicht voraussetzt, dass man vorher etwas anderes gelesen hat. Wenn ein Modell eine Passage zur Einführungsdauer sucht, kann es diese verwenden. Mit der ersten Version ging das nicht.

Erst muss ein Text überhaupt gefunden werden, dann kommt die Optimierung auf Zitierfähigkeit. (Grafik: Olaf Kopp / Aufgesang)

Wie optimierst du Content für die KI-Suche?

Du musst dafür nichts neu schreiben. Die meisten Effekte entstehen durch Umbauten an vorhandenen Texten:

• W-Fragen als Zwischenüberschriften, formuliert wie eine echte Suchanfrage
• Die Antwort in den ersten Satz, Begründung danach
• Ein Gedanke pro Absatz, unter 250 Wörter
• Belege direkt am betreffenden Satz verlinken, statt gesammelt am Seitenende
• Für ein Konzept durchgängig denselben Begriff verwenden, keine Synonym-Variation

LLM-Readability wirkt erst, wenn die klassische Suchmaschinenoptimierung stimmt. Ein Text, den Google nicht indexiert oder den der Server nicht sauber ausliefert, landet gar nicht im Kandidatenpool, aus dem ein KI-System seine Antwort baut. Ein Text muss erst gefunden werden, bevor er verwertbar ist.

Anzeige

Für welche Texte gilt LLM-Readability?

Diese Regeln sind in erster Linie für Ratgeber- und Erklärinhalte gedacht, für Absätze, die eine Frage beantworten oder eine Entscheidung vorbereiten. Genau diese Absätze entscheiden am Ende, ob dein Content als Quelle zitiert wird. Für andere Textgattungen gilt das nicht in gleicher Strenge.

---

LLM-Readability ist eine von drei Disziplinen, mit denen Unternehmen ihre Sichtbarkeit in KI-Antworten steuern. Wie du deine Marke im semantischen Raum der Modelle verortest und Fortschritte messbar machst, zeigt Olaf Kopp im t3n-Onlinekurs „GEO statt nur SEO: So wird dein Unternehmen in der KI-Suche sichtbar“.

Datum: 3. September 2026, 10 bis 12 Uhr Preis: 149,00 € t3n PRO-Abonnent:innen nehmen kostenlos teil. Alle Infos zum Onlinekurs findest du hier im Shop!

Anzeige

Olaf Kopp beschäftigt sich seit 2023 intensiv mit Generative Engine Optimization (GEO) und hat Konzepte wie LLM-Readability und Digital Authority Management mitgeprägt. Als Co-Founder und Head of SEO & AI Search bei der Online-Marketing-Agentur Aufgesang GmbH verbindet er konzeptionelle Tiefe mit handfester Praxis.

Startseite