Unsere GEO Case Study: Von 0% Zitation Zum Ersten Signal
Unsere eigene Zitationsrate, gemessen über 240 Kaufabsicht-Prompts im Juli 2026, lag bei 0%. Nicht niedrig, null. Das ist der ehrliche Ausgangspunkt dieser Fallstudie, und wir veröffentlichen ihn als erste Zeile statt ihn zu verstecken, denn eine Fallstudie ist nur dann nützlich, wenn die Ausgangszahl echt ist. Das ist unsere eigene GEO-Fallstudie: GeoHero misst die eigene GEO-Arbeit, an der eigenen Domain, mit denselben Werkzeugen und demselben Ehrlichkeitsstandard, den wir bei jeder Domain anwenden, die wir für einen Kunden scannen.
Dies ist ein laufendes Dokument, keine abgeschlossene Rückschau. Wir aktualisieren es, sobald unsere monatlichen Re-Scans neue Zahlen liefern, auch wenn sich die Zahl nicht oder in die falsche Richtung bewegt.
Warum wir eine Fallstudie ohne Erfolg veröffentlichen
Die meisten GEO- und KI-Sichtbarkeits-Fallstudien, die man findet, sind Rückschauen: Ein Unternehmen zeigt die "Nachher"-Kurve, erzählt die Geschichte dahinter, und bittet darum, zu vertrauen, dass sich der Prozess auf die eigene Situation übertragen lässt. Wir halten dieses Format für strukturell unehrlich, man sieht nur die Fallstudien, die funktioniert haben, im Nachhinein veröffentlicht, mit der unordentlichen Mitte herausgeschnitten. Es gibt keine Möglichkeit zu prüfen, ob der Erfolg am Prozess lag oder an Selektionsverzerrung bei dem, was überhaupt veröffentlicht wurde.
Wir machen es umgekehrt: Wir veröffentlichen die Ausgangszahl zuerst, öffentlich, am selben Tag, an dem wir sie gemessen haben, mit der konkreten Zusage, genau diese Seite monatlich mit der tatsächlichen Entwicklung zu aktualisieren. Steigt unsere Zitationsrate, sehen Sie den echten Verlauf, keine ausgewählten Vorher/Nachher-Bilder. Bleibt sie gleich oder sinkt sie, sehen Sie das genauso.
Kapitel 1: Die Ausgangsmessung (Juli 2026)
Im Juli 2026 haben wir dieselbe Methodik angewendet, die wir für jeden Kunden anwenden: 20 Kaufabsicht-Prompts, die Art, die eine echte Käuferin in der Kategorie KI-Sichtbarkeits-Tools tatsächlich eingeben würde, etwa "was sind die besten AI-Visibility-Tools" oder "welche Tools verfolgen meine Markensichtbarkeit in ChatGPT", über ChatGPT, Claude, Gemini und Perplexity, in Englisch, Portugiesisch und Spanisch, für insgesamt 240 Antworten. Jede genannte Marke wurde protokolliert.
Ergebnis: Semrush führte mit 33,3% der Antworten, gefolgt von Profound (25,0%), Otterly.AI (23,3%) sowie Peec AI und Ahrefs (je 19,6%). Die vollständige Aufschlüsselung nach Engine und Sprache steht in unserem Leaderboard-Bericht.
Wichtig für den deutschsprachigen Raum: Diese Messung deckt Englisch, Portugiesisch und Spanisch ab, noch nicht Deutsch. Eine eigenständige deutschsprachige Zitationsmessung ist die logische nächste Erweiterung dieses Projekts. Wir tragen diese Lücke bewusst offen vor, statt eine Zahl vorzutäuschen, die wir nicht gemessen haben.
Warum überhaupt eine Zahl aus drei anderen Sprachen zeigen, wenn die deutsche noch fehlt? Weil sie den Mechanismus belegt, den wir auch für Deutsch erwarten: Eine neue Marke ohne veröffentlichten Inhalt wird von KI-Engines nicht zitiert, unabhängig von der Sprache, in der gefragt wird. Das ist keine Vorhersage, sondern die logische Konsequenz derselben Messmethode, und genau das ist der Grund, warum die erste Aufgabe dieses Programms das Veröffentlichen von Inhalt ist, nicht das Warten auf eine bessere Ausgangszahl.
Kapitel 2: Was wir konkret dagegen tun
Der Plan ist dieselbe Checkliste, die wir jedem für den eigenen GEO-Audit empfehlen würden, angewendet auf unsere eigene Domain, in derselben Reihenfolge, die wir auch anderen raten:
- Zuerst den Crawler-Zugriff sichern. Bevor irgendetwas anderes angepasst wurde, haben wir geprüft, dass unsere
robots.txtwederGPTBot,ChatGPT-User,OAI-SearchBot,PerplexityBot,Google-ExtendednochClaudeBotblockiert, ein blockierter Crawler macht jede weitere Maßnahme wirkungslos, deshalb war das Schritt eins, kein Nachgedanke. - Eine
llms.txt-Datei veröffentlichen, die zusammenfasst, was GeoHero ist, und auf die wichtigsten Inhalte verweist. - Jeden neuen Beitrag im answer-shaped Format schreiben: die direkte Antwort auf die implizite Frage in den ersten ein bis zwei Absätzen, nicht erst nach einer einleitenden Kontextsetzung. Dieses gesamte Content-Programm, einschließlich dieses Artikels, folgt diesem Standard.
FAQPage-,Article- undOrganization-Schema-Markup konsistent einbauen, damit dieselbe Information, die ein Mensch liest, auch maschinenlesbar eindeutig vorliegt.- Thematische Tiefe aufbauen, nicht eine Einzelseite. Ein einzelner, gut geschriebener Artikel, der Autorität zu einem Thema beansprucht, ist ein schwächerer Zitationskandidat als ein zusammenhängendes Cluster von Seiten, das dasselbe Thema aus mehreren Blickwinkeln abdeckt, genau das ist der tatsächliche Produktionsplan hinter diesem Content-Programm, nicht nur dieser eine Artikel.
- Eigene Daten statt nur Kommentar veröffentlichen. Der Statistik-Bericht und der englische Zitations-Leaderboard, auf die diese Fallstudie verweist, sind beide Originalrecherche, keine Zusammenfassung fremder Zahlen, genau die Art von Inhalt, die am ehesten als bestätigende Quelle neben anderen zitiert wird.
Nichts davon ist ein Versprechen, dass sich die Zahl bewegt oder schnell bewegt. Es ist der dokumentierte, wiederholbare Prozess, derselbe, den wir einem Kunden empfehlen würden, hier zuerst an uns selbst angewendet.
Warum wir nicht einfach "bald zitiert werden" behaupten
Es wäre einfach, diesen Beitrag mit einer optimistischen Prognose zu beenden, "wir erwarten, in den nächsten drei Monaten zitiert zu werden" klingt gut, ist aber eine Behauptung, die wir nicht belegen können, weil wir die interne Auswahllogik der KI-Engines nicht kennen und niemand sie kennt, einschließlich der Anbieter dieser Engines selbst. Stattdessen ist der einzige ehrliche Zeitrahmen, den wir nennen können, der unserer eigenen Mess-Kadenz: monatlich, mit demselben Prompt-Satz, mit demselben Kriterium für eine Zitation. Was sich daraus ergibt, könnte eine Verbesserung sein, ein Nullwachstum über mehrere Monate, oder sogar eine Verschlechterung, falls Wettbewerber schneller strukturierten Inhalt veröffentlichen als wir. Alle drei Ergebnisse sind für diese Fallstudie gleich interessant zu berichten, der Wert liegt im dokumentierten Prozess, nicht in einem garantierten Ausgang.
Was für den deutschsprachigen Markt speziell gilt
Ein wichtiger Unterschied für Leserinnen und Leser dieser deutschen Version: Unsere 240-Antworten-Baseline deckt Englisch, Portugiesisch und Spanisch ab, noch nicht Deutsch als eigene Sprachmessung. Das bedeutet nicht, dass der deutschsprachige Markt für uns irrelevant ist, im Gegenteil, unser Statistik-Bericht zeigt, dass die deutsche AI Overview bereits bei 7 von 7 getesteten GEO-Begriffen auslöst, aber noch keine spezialisierte Quelle zitiert. Eine eigenständige deutschsprachige Zitationsmessung über ChatGPT, Claude, Gemini und Perplexity (auf Deutsch gestellt, nicht nur ins Deutsche übersetzt) ist der nächste logische Schritt in diesem Programm, und wir werden diese Fallstudie aktualisieren, sobald diese Zahl vorliegt, nicht vorher.
Kapitel 3: Wie wir die Veränderung messen und berichten
Wir führen denselben 20-Prompt-Satz, über dieselben vier Engines und drei Sprachen, monatlich erneut aus, dieselbe Frequenz, die in jeden bezahlten Kundenbericht als automatischer monatlicher Re-Scan eingebaut ist. Jeden Monat wird diese Fallstudie mit der tatsächlichen Zahl aktualisiert: Gesamtzitationsanteil, welche Engines (falls überhaupt) uns zuerst zitieren, und bei welchen konkreten Prompts wir erstmals auftauchen. Wir werden nicht aufrunden, eine ungünstige Engine ausschließen oder diese Seite still nicht mehr aktualisieren, falls die Zahl enttäuscht, eine Fallstudie ist nur dann ehrlich, wenn sie auch einen schlechten Monat übersteht.
Was diese Fallstudie nicht behauptet
Wir behaupten keine bestimmte Zitationsrate innerhalb eines bestimmten Zeitrahmens. Kein Anbieter, auch wir nicht, kann das versprechen, weil KI-Engines ihre genaue Auswahllogik nicht veröffentlichen und sie sich ohne Ankündigung ändert. Wir behaupten auch nicht, dass die obige Checkliste der einzige Weg zu einer Zitation ist oder für jede Branche identisch funktioniert, unsere eigene Kategorie (KI-Sichtbarkeits-Tools) eignet sich ungewöhnlich gut dafür, von KI-Engines zum Thema KI-Sichtbarkeit zitiert zu werden, was eine engere Aussage ist als "dieser Prozess funktioniert für jedes Unternehmen." Was wir behaupten und öffentlich weiter be- oder widerlegen werden, ist der konkrete, gemessene Verlauf einer echten Domain mit einem echten, offengelegten Prozess.
Was andere Marken aus diesem Prozess mitnehmen können
Auch wenn die konkrete Zahl unserer eigenen Kategorie (KI-Sichtbarkeits-Tools) nicht direkt auf jede andere Branche übertragbar ist, ist der Prozess selbst es: Erst messen, dann strukturieren, dann erneut messen, in dieser Reihenfolge, nicht umgekehrt. Der häufigste Fehler, den wir bei Kunden beobachten, ist, mit "Optimierung" zu beginnen, ohne vorher eine ehrliche Ausgangsmessung zu haben, dann lässt sich später nicht mehr sagen, ob eine Änderung tatsächlich etwas bewirkt hat oder ob die Engine an einem anderen Tag einfach anders geantwortet hätte, was regelmäßig vorkommt. Unsere eigene 0%-Baseline ist unangenehm, aber genau deshalb nützlich: Sie ist eine reale Zahl, an der sich jede zukünftige Behauptung über Fortschritt messen lassen muss.
Bleiben Sie am Ball
Wenn Sie diese Zahl sehen wollen, bevor wir das nächste Update schreiben: Führen Sie die gleichen Prompts selbst aus, oder holen Sie sich den vollständigen Bericht für Ihre eigene Domain, um zu sehen, wo Sie auf demselben Scoreboard stehen, an dem wir uns selbst messen.
Recherche und Text: GeoHero Research Team. Dies ist Kapitel eins einer monatlich aktualisierten Fallstudie. Das Ausgangskapitel. Folgende Updates berichten die tatsächliche Veränderung, keine projizierte. Für die vollständige Methodik und den globalen Leaderboard siehe unseren Statistik-Bericht.
Häufig gestellte Fragen
Wie hoch war GeoHeros Ausgangs-Zitationsrate?
0%. In 240 Kaufabsicht-Prompts, ausgewertet über ChatGPT, Claude, Gemini und Perplexity im Juli 2026, wurde unsere eigene Marke in keiner einzigen Antwort zitiert, weil wir zum Zeitpunkt dieser Messung noch keinen einzigen Inhalt veröffentlicht hatten. Wir berichten diese Zahl als dokumentierten Ausgangspunkt, nicht als versteckte Randnotiz.
Hat sich die Zitationsrate schon verbessert?
Noch nicht messbar. Dieser Beitrag erscheint am selben Tag wie die Ausgangsmessung und die erste Content-Welle, auf die er sich bezieht. Wir führen denselben Prompt-Satz monatlich erneut aus und aktualisieren diese Fallstudie mit der tatsächlichen Veränderung, ob positiv, unverändert oder negativ.
Warum eine Fallstudie veröffentlichen, bevor es ein Ergebnis gibt?
Weil die Alternative (warten, bis die Zahl gut aussieht, und dann rückblickend veröffentlichen) genau die Art von verzerrter Fallstudie ist, die in dieser Branche üblich und unehrlich ist. Eine Fallstudie, die nur die guten Teile zeigt, ist kein Beweis, sondern Werbetext. Den Prozess ab einem 0%-Ausgangspunkt öffentlich zu dokumentieren, ist die ehrlichere Version desselben Inhalts.
Gibt es schon eine deutschsprachige Zitationsmessung?
Noch nicht als eigenständige Messung. Die 240-Antworten-Baseline deckt Englisch, Portugiesisch und Spanisch ab; eine deutschsprachige Erhebung mit demselben Prompt-Satz auf Deutsch ist die logische nächste Erweiterung und noch nicht durchgeführt. Wir tragen diese Lücke offen vor, statt eine Zahl zu erfinden.