Am 15. Mai 2026 hat Google Search Central einen offiziellen Guide zur Optimierung für generative AI-Features in Google Search veröffentlicht – also für AI Overviews und den neuen AI Mode.
Wichtig: Dieser Leitfaden gilt ausschließlich für Googles eigene KI-Features. Was hier steht, gilt nicht direkt für ChatGPT, Perplexity, Claude oder andere KI-Systeme. Die haben eigene Crawler, eigene Logiken, eigene Anforderungen.
Der Google-Leitfaden ist teilweise überraschend direkt. Google räumt mit Mythen auf und bestätigt gleichzeitig vieles, was in unserem Vergleich von SEO, AEO und GEO bereits strukturiert beschrieben ist und auch für andere KI-Modelle gilt.
Ist SEO noch relevant für die AI-Suche?
Ja, eindeutig. Die AI-Features in Google Search bauen auf denselben Ranking- und Qualitätssystemen auf wie die klassische Google-Suche. Der Guide erklärt das über zwei Kerntechnologien: Retrieval-Augmented Generation (RAG) und Query Fan-out.
RAG bedeutet: Bevor das AI-System eine Antwort generiert, ruft es über die regulären Suchergebnisse aktuelle, relevante Seiten ab. Die KI greift auf indexierten Content zurück. Was nicht indexiert ist, kann auch nicht zitiert werden. Das ist der direkte Link zwischen klassischem SEO und AI-Sichtbarkeit.
Query Fan-out heißt: Aus einer Suchanfrage erzeugt das System automatisch eine Reihe von Sub-Queries. Wer fragt „wie entfernt man Unkraut aus dem Rasen“, bekommt verwandte Antworten, die von Seiten stammen, die zum Beispiel Teilaspekte wie Herbizide, naturnahe Methoden und Prävention abdecken. Auch wenn diese Seiten nicht direkt auf die ursprüngliche Frage ausgerichtet waren.
Die Konsequenz ist klar: Themencluster, interne Verlinkung und inhaltliche Tiefe bleiben relevant. Wer sein Thema breit und sauber abdeckt, wird in AI-Antworten öfter herangezogen. Das ist die Bestätigung, dass die alten Regeln für ein neues System gelten.
Eine Aussage im Guide verdient besondere Aufmerksamkeit: Google macht klar, dass AEO (Answer Engine Optimization) und GEO (Generative Engine Optimization) aus Sicht von Google Search keine eigenständigen Disziplinen sind – Optimierung für generative AI-Suche ist für Google weiterhin SEO.
In unserem Vergleich von SEO, AEO und GEO beschreiben wir alle drei Strategien. Googles Sichtweise ist enger: Der Guide bezieht sich ausschließlich auf Google Search, denkt also nicht kanalübergreifend. Beide Perspektiven werden derzeit von unterschiedlichen Experten vertreten.
Was Google explizit als unnötig bezeichnet
Der Guide hat einen eigenen Abschnitt über „Mythbusting generative AI search“. Google listet darin, was du für Google Search ignorieren kannst.
llms.txt und spezielle Markup-Dateien
Du brauchst für die Google Search keine neuen maschinenlesbaren Dateien, keine AI-Textdateien, kein Markdown, um in der AI-Suche sichtbar zu sein. So weit, so gut. Allerdings hat Googles eigenes Chrome-Team wenige Tage vor dem Search-Leitfaden eine andere Botschaft gesendet: Mit Lighthouse 13.3 wurde eine neue experimentelle Kategorie „Agentic Browsing“ eingeführt, die das Vorhandensein einer llms.txt explizit prüft. Sites ohne die Datei werden als „Not Applicable“ gewertet – fehlerhafte Server-Antworten beim Abruf werden jedoch aktiv geflaggt. Die Lighthouse-Dokumentation beschreibt llms.txt als „emerging convention“ und empfiehlt, sie im Root-Verzeichnis anzulegen. Für reine Google-Search-Sichtbarkeit kann llms.txt also ignoriert werden. Wer aber agentenfreundlich denkt – Stichwort ChatGPT Atlas, Claude für Chrome, Perplexity Comet – sollte sie nicht abschreiben.
Content-Chunking
Es gibt für die Google Search keine Anforderung, Inhalte in Häppchen zu zerlegen. Google-Systeme können mehrere Themen auf einer Seite verstehen und den relevanten Teil herauspicken. Kürzere Seiten können für bestimmte Zielgruppen und Themen sinnvoll sein – aber als Google-AI-Optimierungsmaßnahme funktioniert Chunking nicht.
Umschreiben von Content speziell für AI
Du musst laut Google nicht in einer bestimmten Art und Weise schreiben, um für generative AI-Suche zu optimieren. Googles AI-Systeme verstehen Synonyme, Bedeutungen und Suchintentionen – auch wenn die Seite nicht exakt dieselben Wörter verwendet wie die Suchanfrage. Keyword-Stuffing für Long-Tail-Varianten ist damit genauso hinfällig.
Gekaufte oder unechte Erwähnungen
Wer Mentions auf externen Seiten kauft oder koordiniert, um in den Google-AI-Antworten aufzutauchen, verschwendet Budget. Googles Ranking-Systeme priorisieren qualitativ hochwertige Inhalte, Anti-Spam-Systeme blocken den Rest. Das gilt für reguläre Suchergebnisse wie für AI-Features.
Übermäßiger Fokus auf strukturierte Daten
Schema-Markup ist keine Voraussetzung für Googles AI-Suche und es gibt kein spezielles schema.org-Markup, das du für die Suchmaschine hinzufügen müsstest. Schema-Markup ist lt. Google für AI-Sichtbarkeit nicht erforderlich, bleibt aber für klassische Rich Results sinnvoll.
Was Google stattdessen empfiehlt
Nachdem der Guide erklärt, was nicht funktioniert, benennt er auch die drei Bereiche, die wirklich zählen.
Einzigartiger, nicht-generischer Content.
Google unterscheidet zwischen „Commodity Content“ und „Non-Commodity Content“. Commodity Content ist alles, was auf allgemeinem Wissen basiert – also das, was jeder schreiben könnte. Beziehungsweise jede KI. Non-Commodity Content bringt eigene Perspektiven, Erfahrungen, Daten oder Expertise mit. Ein Artikel „7 Tipps für Erstkäufer“ ist Commodity. Ein Artikel darüber, warum ein Käufer auf die Inspektion der Abwasserleitung verzichtet hat und damit Geld gespart hat, ist Non-Commodity.
AI-Systeme sichten viele Quellen. Was heraussticht, hat eine Chance zitiert zu werden. Was austauschbar ist, bleibt unsichtbar.
- Hochwertige Bilder und Videos: Google empfiehlt, Textinhalte mit relevanten Bildern und Videos zu ergänzen. AI-Antworten können diese Medien direkt einbinden.
- Klare Struktur mit Überschriften: Google empfiehlt eine Gliederung in Abschnitte mit klaren Headings.
Klare technische Struktur.
Die technischen Anforderungen sind dieselben wie für klassisches SEO: Seiten müssen indexierbar sein und als Snippet angezeigt werden dürfen. Semantisches HTML ist keine Pflicht, aber sinnvoll – vor allem für Browser-Agenten und Accessibility. JavaScript-SEO-Best-Practices gelten unverändert. Core Web Vitals und Page Experience bleiben Faktoren.
Lokale und E-Commerce-Details.
Für Unternehmen mit physischem Standort oder Produktkatalog empfiehlt Google explizit Google Business Profile und Merchant Center. Generative AI-Antworten können Produktlistings und lokale Unternehmensinfos enthalten.
Was bleibt, was ändert sich
Google hat am 15. Mai eine Linie gezogen. Aber Vorsicht: ChatGPT, Claude und Perplexity spielen nicht nach Googles Spielregeln.
Was für Google nicht funktioniert:
- llms.txt, Chunking, Schema-Markup-Overkill
- Content-Umschreiben für AI-Sprachstil
- Mentions-Buying
Stattdessen:
- Einzigartiger Content, der echte Expertise oder Erfahrung zeigt
- Technisch saubere, indexierbare Seiten
- Für Unternehmen mit Standort oder Sortiment: Google Business Profile und Merchant Center
Agentenfreundliche Websites
Google hat dem Thema im Guide einen eigenen Hauptabschnitt gewidmet („Explore agentic experiences“). Browser-Agenten wie ChatGPT Atlas, Claude für Chrome oder Perplexity Comet sind KI-Systeme, die eigenständig Webseiten aufrufen, auslesen und Aufgaben erledigen. Sie können visuelle Renderings analysieren, die DOM-Struktur inspizieren und den Accessibility-Tree auslesen.
Google verweist im Guide auf das Universal Commerce Protocol (UCP, ucp.dev) sowie auf Web.dev-Best-Practices für agentenkonforme Sites. Und Lighthouse 13.3 macht die Anforderungen bereits messbar: Die neue „Agentic Browsing“-Audit-Kategorie prüft WebMCP-Integration, Agent-Accessibility, Layout-Stabilität – und eben das Vorhandensein einer llms.txt. Wer heute semantisches HTML und klare Seitenstruktur baut, ist für diese nächste Stufe bereits besser aufgestellt als wer Div-Soup und JavaScript-Only-Inhalte hat.
Fazit: Google Search hat klargemacht, was es will – aber intern zieht nicht jeder mit
Das Google Search Team hat klargemacht, was das Google Search Team will: SEO-Grundlagen gelten weiter, AI-spezifische Hacks für Google Search funktionieren nicht, und einzigartiger Content ist der einzige langfristige Hebel. Wer agentenfreundlich denken will, muss zusätzlich auf Signale aus dem Chrome-Lager achten: beim Thema llms.txt gehen die Meinungen auseinander.
Was der Guide nicht löst: die Sichtbarkeit in anderen KI-Systemen. ChatGPT, Perplexity und Claude haben eigene Crawler, eigene Logiken, eigene Anforderungen. Wer nur auf Google optimiert, ist in diesen Kanälen weiter auf sich gestellt. Genau da beginnt das, was AEO und GEO jenseits von Google Search leisten – und was kein offizieller Google-Guide je abdecken wird.
