AI-Suchmaschinen wie ChatGPT, Claude und Perplexity haben die Spielregeln für Website-Optimierung fundamental verändert. Während klassisches SEO auf Keywords und Content Siloing setzte, denken Large Language Models in Entitäten und semantischen Zusammenhängen.
Der Artikel erklärt, wie Websites für diese neue Generation von Suchsystemen strukturiert werden müssen: Nicht mehr mechanische Keyword-Optimierung, sondern konzeptuelle Klarheit. Nicht mehr strikte thematische Trennung, sondern explizite semantische Verknüpfungen. Nicht mehr Wortanzahl, sondern Informationsdichte.
Konkret werden drei Säulen vorgestellt: (1) Konzeptuelle Klarheit in der Positionierung, (2) Semantische Verlinkung, die Beziehungen zwischen Inhalten explizit macht, (3) Präzise, informationsdichte Texte statt aufgeblähter Fülltexte.
Mit praktischen Beispielen aus verschiedenen Branchen – vom Handwerksbetrieb über Beratungsunternehmen bis zum E-Commerce – zeigt der Artikel einen schrittweisen Ansatz zur Optimierung. Die gute Nachricht: Diese Maßnahmen verbessern die Website nicht nur für AI-Systeme, sondern auch für menschliche Besucher.
Konzeptuelle Klarheit
Jeder Hauptbereich sollte ein klar definiertes konzeptuelles Territorium abstecken. Nicht nur thematisch, sondern auch perspektivisch. “Wir bieten Workshops zu New Work” ist thematische Abgrenzung. “Wir entwickeln New Work-Ansätze aus systemischer Organisationsperspektive mit Fokus auf mittelständische Familienunternehmen” ist konzeptuelle Klarheit.
Der Unterschied? AI-Systeme können die zweite Variante einordnen. Sie verstehen, dass hier eine spezifische Perspektive existiert, die sich von generischen New Work-Beratern unterscheidet. Praktisch bedeutet das: Hauptbereiche brauchen gute Einführungstexte, die nicht nur auflisten, was zu finden ist, sondern erklären, aus welcher Perspektive das Thema betrachtet wird. Was ist der Ansatz? Welche methodischen Grundlagen werden genutzt? Für welche Zielgruppe? Das klingt vielleicht akademisch, ist aber erstaunlich effektiv. Websites, die ihre konzeptuelle Position klar formulieren, werden in AI-generierten Zusammenfassungen präziser zitiert.
Interne Links sind immer noch wichtig – aber nicht mehr aus SEO-Gründen. Sie helfen AI-Systemen, die Beziehungen zwischen Inhalten zu verstehen. Die alte Regel war: Verlinke mit relevanten Ankertexten. Die neue Regel: Verlinke so, dass die Beziehung zwischen den Inhalten klar wird. Ein Beispiel aus dem E-Commerce: Ein Online-Shop für nachhaltige Mode verlinkt von einem Produktartikel über Bio-Baumwolle zu einem Ratgeber über Textilsiegel. Statt einfach “mehr Informationen zu Siegeln” zu schreiben: “Die GOTS-Zertifizierung dieser Bio-Baumwolle garantiert nicht nur ökologischen Anbau, sondern auch faire Arbeitsbedingungen entlang der gesamten Lieferkette – mehr zu den verschiedenen Textilsiegeln und ihren Kriterien.”
Das ist länger, vielleicht etwas umständlicher. Aber für ein AI-System ist es wertvoll, weil es die Art der Beziehung explizit macht: Das Siegel ist nicht nur zusätzliche Information, sondern ein Qualitätsnachweis für spezifische Aspekte des Produkts. Ein anderes Beispiel aus dem B2B-Bereich: Eine IT-Sicherheitsfirma verknüpft ihre Bereiche “Penetration Testing” und “Security Awareness Training”: “Die Schwachstellen, die wir bei Penetration Tests regelmäßig identifizieren, sind zu 70% auf menschliche Fehler zurückzuführen – genau hier setzen unsere Security Awareness Programme an, die wir im Detail vorstellen.”
Strukturierte Daten (Schema.org und JSON-LD) sind hier ebenfalls hilfreich, aber weniger wichtig als viele denken. AI-Systeme sind ziemlich gut darin, Beziehungen aus natürlicher Sprache zu extrahieren. Strukturierte Daten sind ein Bonus, kein Muss.
Hier wird es vielleicht kontrovers: Lange, ausführliche Texte sind nicht automatisch besser für AI-Suchsysteme. Was zählt, ist Informationsdichte.
Ein AI-System sucht spezifische Informationen. Wenn ein 3000-Wort-Artikel 200 Worte tatsächlich relevante Information enthält, umgeben von Füllmaterial, wird das System diese 200 Worte finden – aber die Website als Quelle möglicherweise als weniger autoritativ bewerten als eine kompaktere Seite mit höherer Informationsdichte. Das bedeutet nicht, in Stichpunkten zu schreiben. Aber es bedeutet: Jeder Absatz sollte echten Informationswert haben. Keine generischen Einleitungen (“In der heutigen schnelllebigen Welt…”), keine Füllsätze, keine Wiederholungen.
Das widerspricht teilweise alten SEO-Weisheiten über “mindestens 1500 Worte”. Aber für AI-Systeme gilt: Ein präziser, informativer 800-Wort-Text schlägt einen aufgeblähten 2000-Wort-Text. Ein Beispiel: Eine Physiotherapie-Praxis erklärt die Behandlung von Rückenschmerzen. Statt:
“Rückenschmerzen sind ein weit verbreitetes Problem in der modernen Gesellschaft. Viele Menschen leiden täglich unter Rückenschmerzen. Es gibt verschiedene Ursachen für Rückenschmerzen. In unserer Praxis behandeln wir Rückenschmerzen mit verschiedenen Methoden…” Besser: “Akute Rückenschmerzen entstehen meist durch muskuläre Verspannungen oder Blockaden der Wirbelgelenke. Wir setzen manuelle Therapie ein, um Blockaden zu lösen, und kombinieren dies mit gezielten Stabilisationsübungen für die Tiefenmuskulatur. Bei chronischen Beschwerden ergänzen wir durch Faszientechniken und entwickeln individuelle Trainingspläne.”
Die Theorie ist klar. Aber wie setzt man das um?
Schritt 1: Audit der konzeptuellen Klarheit
Für jeden Hauptbereich der Website sollte sich in 2-3 Sätzen formulieren lassen:
Ein Architekturbüro könnte formulieren: “Wir verstehen Architektur als ganzheitlichen Prozess von der Stadtplanung bis zum Detail. Unsere Expertise liegt in der Integration von historischer Bausubstanz mit zeitgenössischen Anforderungen an Energieeffizienz und Barrierefreiheit.”
Wenn das nicht klar ist, gibt es ein Problem. Nicht weil der Inhalt schlecht wäre – sondern weil AI-Systeme den Kontext nicht erfassen können.
Schritt 2: Mapping der semantischen Beziehungen
Die konzeptuellen Verbindungen zwischen Hauptbereichen sollten visualisiert werden – auf Papier, an einem Whiteboard. Nicht die Site-Struktur. Die inhaltlichen Beziehungen.
Ein Beispiel: Ein Handwerksbetrieb mit Schwerpunkten “Fußböden”, “Türen & Fenster” und “Trockenbau”. Wo überschneiden sich diese Bereiche?
Diese Überschneidungen sind keine Schwächen – sie sind Stärken, die AI-Systemen zeigen, dass hier ganzheitlich gedacht wird.
Schritt 3: Überarbeitung der Einstiegsseiten
Hauptkategorieseiten sind entscheidend. Sie geben AI-Systemen Kontext. Diese Seiten sollten:
Ein guter Test für ein Yoga-Studio: Würde ein Außenstehender nach dem Lesen der “Hatha Yoga”-Seite verstehen, welcher spezifische Ansatz hier verfolgt wird? Traditionell-spirituell? Therapeutisch-orthopädisch? Athletisch-kraftorientiert? Wenn nein, versteht es ein AI-System auch nicht.
Schritt 4: Integration von Multimedia-Inhalten
Podcasts, Videos, Webinare sind perfekte semantische Anker – wenn sie richtig eingebunden sind. Nicht nur als Dateien, sondern mit Beschreibungen und Transkripten, die konzeptuelle Verbindungen explizit machen.
Ein Business-Coach hat einen Podcast über “Konfliktmanagement in Teams”. Die Episode sollte verlinkt werden mit:
Das gibt AI-Systemen mehrere Einstiegspunkte und zeigt die Tiefe der Expertise.
Schritt 5: Systematische Verlinkung überdenken
Die wichtigsten Inhalte durchgehen und interne Links prüfen. Nicht auf Menge – auf Qualität der Kontextbildung.
Ein Restaurant mit Blog könnte von einem Rezept-Artikel (“Hausgemachte Pasta”) verlinken zu:
Jeder Link macht die Beziehung explizit. Mühsam. Aber effektiv.
Ein paar Dinge sind weniger wichtig als oft gedacht:
Keine perfekte Silo-Struktur nötig. Die strikte Trennung von Themenbereichen, die das klassische Content Siloing fordert, ist für AI-Systeme weniger wichtig. Überschneidungen sind erlaubt, sogar erwünscht, wenn sie konzeptuell sinnvoll sind.
Nicht alles mit strukturierten Daten überladen. Schema.org ist nützlich, aber LLMs sind überraschend gut darin, Informationen aus natürlichem Text zu extrahieren. Klare Sprache schlägt perfekte Markup-Strukturen.
Keine mega-langen Texte nötig. Der Mythos “mehr ist besser” stirbt langsam. Qualität und Informationsdichte schlagen Wortanzahl.
Nicht für jedes mögliche Keyword optimieren. AI-Systeme verstehen Synonyme und verwandte Konzepte. Natürliches Schreiben über ein Thema erzeugt automatisch relevante semantische Verbindungen.
