Fachbeiträge GEO Decoded Wie generative KI-Systeme funktionieren – und warum das für die PR zählt
- Details
- von Magdalena Mues, Berlin
Bei der Nutzung von ChatGPT, Perplexity, AI Overview & Co. reden wir oftmals über „die KI“, als wäre es ein einziges System. Für die Kommunikation macht es aber einen großen Unterschied, ob eine Antwort allein aus dem Gedächtnis eines Sprachmodells stammt, aus einer Live-Websuche zusammengezogen wird oder oben in den Google-Ergebnissen als KI-Übersicht erscheint. Denn davon hängt ab, wie eine Marke überhaupt in die KI-Antworten kommt.
Nicht „die eine KI“: vier Typen von Systemen
Ganz übergeordnet lassen sich vier Typen von KI-Systemen unterscheiden, die sich in ihrer Datenbasis und in ihren Ergebnissen deutlich unterscheiden.
- Sprachmodelle ohne Websuche. Das Modell antwortet nur aus dem, was es beim Training gelernt hat. Die Datenbasis ist also das Wissen des Modells, das Ergebnis eine reine Textantwort. Beispiel: ein Open-Source-Modell wie Llama, das in einem eigenen Chatbot ohne Internetzugang läuft.
- KI-Chatbots mit Websuche. Sie kombinieren ihr Trainingswissen bei Bedarf mit einer aktuellen Websuche. Das Ergebnis ist Text, oft multimodal und mit einigen ausgewählten Quell-Links. Beispiele: ChatGPT, Gemini oder Claude, wenn die Websuche aktiv ist.
- Suchmaschinen mit KI-Schicht. Hier liegt die Suchmaschine vorn, die KI fasst die Ergebnisse zusammen. Datenbasis ist der aktuelle Suchindex, das Ergebnis sind Links plus eine generierte Zusammenfassung. Beispiele: Google AI Overviews, der AI Mode und Perplexity.
- Als vierter Typ kommen schrittweise Agenten hinzu. Sie antworten nicht nur, sondern erledigen Aufgaben eigenständig: recherchieren, vergleichen und perspektivisch sogar buchen oder kaufen. Sie setzen auf den anderen Systemen auf und handeln in einem vorgegebenen Rahmen selbst.
Was in einem Sprachmodell ohne Websuche passiert
Ein Sprachmodell „versteht“ einen Text nicht wie ein Mensch, sondern rechnet stattdessen mit Wahrscheinlichkeiten und setzt Wort für Wort die plausibelste Fortsetzung zusammen. Vereinfacht läuft ein Sprachmodell ohne Websuche so ab: Aus dem Prompt und dem mitgelieferten Kontext entsteht in der Promptverarbeitung eine erste Antwort. Diese wird intern auf ihre Qualität geprüft. Reicht sie, wird sie ausgegeben. Reicht sie nicht, greifen Einschränkungen und das Modell formuliert vorsichtiger oder verweigert die Antwort.
Entscheidend ist der sogenannte „Knowledge Cutoff“, denn die Trainingsdaten sind zu einem Stichtag „eingefroren“. Ein Modell kennt also keine tagesaktuellen Ereignisse, sondern nur den Stand seines letzten Trainings. Zwischen den großen Trainingsläufen wird zwar nachjustiert, ein vollständiges Wissens-Update ist das aber nicht.
Wenn die KI ins Web schaut: Grounding und Query Fan Out
Spannend wird es bei den Chatbots mit Websuche. Bewertet das System die eigene Antwort als zu dünn, holt es sich frische Daten aus dem Web. Dieser Abgleich mit externen Quellen heißt Grounding. Dabei stellt das System nicht einfach die Nutzerfrage an die Suchmaschine, sondern fächert sie in mehrere Suchanfragen auf. Das ist der Query Fan Out. Aus „Wer hat die EM 2024 gewonnen?“ werden im Hintergrund Anfragen wie „UEFA Euro 2024 Gewinner“ oder „Wer hat die Fußball-EM 2024 gewonnen“.
Anschließend prüft das System, ob die ausgeworfenen Daten ausreichen: Passt der Detailgrad zur erwarteten Antwort? Sind die Informationen präzise, vollständig und aktuell? Stammen sie aus hochwertigen Quellen? Widersprechen sie sich? Reicht es nicht, werden einzelne URLs noch einmal besucht und tiefer ausgelesen. Erst dann entsteht die finale Antwort.
Die Suchmaschine mit KI-Schicht: AI Overviews und AI Mode
Bei den AI Overviews ist die Reihenfolge umgekehrt: Zuerst verarbeitet die Suchmaschine die Anfrage, dann entscheidet sie, ob eine KI-Übersicht überhaupt sinnvoll ist. Fällt die Entscheidung negativ aus, gibt es „nur“ die klassischen Suchergebnisse. Fällt sie positiv aus, folgen ein vereinfachter Query Fan Out, der Abruf passender Quellen aus dem Index und ein erster KI-Output, der wiederum bewertet wird.
Daneben steht der AI Mode als eigene, dialogorientierte Oberfläche. Während die AI Overview eher eine statische Schnellantwort in den Suchergebnissen ist, erlaubt der AI Mode tiefe Folgefragen, stärkere Personalisierung und explorative Recherche. Beide zitieren ihre Quellen und beide bewerten nach Signalen wie Erfahrung, Expertise, Autorität sowie Vertrauenswürdigkeit.
Wenn Systeme handeln: der Schritt zu Agenten
Der nächste Entwicklungsschritt geht über das Antworten hinaus. KI-Agenten beantworten nicht nur Fragen, sie erledigen Aufgaben: Sie recherchieren in mehreren Schleifen, rufen gezielt Quellen auf, vergleichen und bereiten Entscheidungen vor. Manche buchen oder kaufen perspektivisch sogar eigenständig. Der AI Mode etwa soll künftig genau solche agentischen Funktionen bekommen, von Preisvergleichen bis zur Buchung.
Damit verschiebt sich die Logik von „prompten“ zu „mandatieren“: Statt jeden Schritt einzeln anzuweisen, gibt man ein Ziel und einen Rahmen vor, in dem das System selbst arbeitet. Für Marken heißt das: Es reicht bald nicht mehr, irgendwo erwähnt zu werden. Man muss die Quelle sein, der ein Agent bei seiner Auswahl vertraut. Wer in dieser Auswahl nicht auftaucht, existiert im Ergebnis schlicht nicht.
Was das für Kommunikation und PR bedeutet
Entscheidend ist, dass jeder der Systemtypen einen anderen Hebel hat. Wer das versteht, optimiert nicht mehr pauschal „für die KI“, sondern gezielt für den Typ, auf den es ankommt.
Typ 1: Sprachmodelle ohne Websuche – der lange Atem
Diese Systeme antworten nur aus ihren Trainingsdaten. Präsent ist, wer schon vor dem Knowledge Cutoff breit und konsistent im Netz stand. Kurzfristig lässt sich hier nichts drehen, dafür wirkt Aufgebautes lange.
- Früh und breit Grundpräsenz aufbauen. Je häufiger und konsistenter eine Marke über viele glaubwürdige Quellen hinweg vorkommt, desto wahrscheinlicher landet sie im Trainingswissen der nächsten Modellgeneration.
- Die Marke überall gleich beschreiben. Gleicher Name, gleiche Schreibweise, gleiche Kennzahlen, gleiche Boilerplate. Konsistenz macht dich als Entität eindeutig und ist die halbe Miete, um sauber „gelernt“ zu werden.
Typ 2: KI-Chatbots mit Websuche – rein ins Grounding
Hier holt sich das System beim Grounding frische Quellen und fächert die Frage per Query Fan Out auf. Das ist der Typ, bei dem aktive PR- und Content-Arbeit am schnellsten wirkt.
- Ab in glaubwürdige Drittquellen. Beim Grounding werden bevorzugt externe, zitierfähige Seiten herangezogen. Veröffentlichungen in Fachmedien, auf Branchenportalen oder etwa bei Wikipedia sind Gold wert.
- Zitierfähige Ein-Satz-Aussagen liefern. Die Systeme lösen klare, eindeutige Statements heraus: eine konkrete Zahl, eine benannte Studie, ein Originalzitat mit Name und Funktion. Mach deine Kernbotschaften in einem Satz zitierbar.
- In Fragen und Themenclustern denken. Wegen des Query Fan Out reicht ein einzelnes Keyword nicht. Decke die Hauptfrage plus die naheliegenden Folgefragen ab. FAQ-Strecken, Glossare und How-tos zahlen hier besonders ein.
- Crawlbar und maschinenlesbar bleiben. Was nur im PDF oder im Video erwähnt wird, taucht im Grounding kaum auf. Kernfakten gehören als Text auf indexierbare Seiten, idealerweise mit strukturierten Daten (z. B. FAQ- oder Organisations-Markup).
Typ 3: Suchmaschinen mit KI-Schicht – in Index und KI-Übersicht landen
AI Overviews, AI Mode und Perplexity ziehen aus dem aktuellen Suchindex. Wer klassisch gut rankt und vertrauenswürdig wirkt, wird auch hier ausgespielt.
- Die Antwort nach oben ziehen. Die zentrale Aussage gehört an den Textanfang, die Begründung dahinter. So wird sie schnell gefunden und sauber in die KI-Übersicht zitiert, statt aus dem Fließtext zusammengereimt.
- Erfahrung, Expertise, Autorität und Vertrauenswürdigkeit sichtbar machen. Es sind bewertbare Signale, für AI Overviews und AI Mode ebenso wie langfristig für Typ 1. Benannte Autor:innen mit Profil und ausgewiesene Expertise helfen.
- Aktualität gezielt als Chance nutzen. Bei sehr aktuellen Nachrichten wird oft gar keine KI-Übersicht ausgespielt. Genau dann ist klassische Pressearbeit mit schnellen, prominenten Veröffentlichungen besonders wirksam.
Die nächste Stufe: Agenten
- Als verlässliche Quelle in die Auswahl kommen. Ein Agent, der vergleicht oder bucht, wählt aus dem, was er strukturiert und eindeutig findet. Klare Fakten, Preise, Verfügbarkeiten und Leistungsbeschreibungen entscheiden künftig mit, ob eine Marke überhaupt in die engere Wahl kommt.
Die wichtigste Erkenntnis für die PR: Klassische Pressearbeit ist gerade zum stärksten Hebel für KI-Sichtbarkeit geworden. Denn Erwähnungen in glaubwürdigen Medien sind genau das, worauf sich diese Systeme stützen. Wer heute konsistent in guten Quellen vorkommt, steht morgen in den KI-Antworten.
Über die Autorin: Magdalena Mues ist Mitgründerin und Geschäftsführerin von Claneo, einer der führenden deutschen Online-Marketing-Agenturen für internationales Search- & Content-Marketing sowie Generative Engine Optimization (GEO). Sie ist zudem Co-Autorin von „Generative Engine Optimization: Inhalte optimieren für ChatGPT & Co.“.