GEO-Snippets schreiben: Was eine KI als zitierwürdig erkennt

„Mein Wettbewerber wird in ChatGPT zitiert, ich nicht — und ich schreibe doch viel ausführlicher als er.“ Genau dieses Phänomen erklärt, warum klassische SEO-Optik in KI-Antwort-Systemen schlecht funktioniert. Ein KI-Modell will nicht „mehr Text“, es will zitierfähige Sätze. Hier kommt die Anleitung, wie du zitierfähige Snippets schreibst, und warum dein bestehender Text das oft nicht ist.

Was ein Snippet im GEO-Sinn ist

Ein Snippet ist ein 1–3-Satz-Block, der eine konkrete Frage konkret beantwortet — vollständig, ohne dass der Leser oben oder unten weiter lesen muss. Drei Eigenschaften:

• Antwort vorne: der erste Satz beantwortet die Frage,
• Begründung danach: ein oder zwei Sätze, die das „warum“ oder „wie genau“ liefern,
• Quelle implizit: entweder eine konkrete Zahl, ein konkretes Beispiel, oder ein Verweis auf eine Person/Quelle, die das gesagt hat.

Ein KI-Modell scannt deinen Text auf solche Snippets. Wer keine schreibt, wird nicht zitiert — auch wenn der Text gut gemeint ist.

Warum klassische SEO-Optik in GEO scheitert

Die klassischen SEO-Hebel der 2010er waren: Text-Länge (mindestens 800 Wörter), Keyword-Dichte (genug Wiederholungen), generische Listen (5/7/10 Tipps für X), Backlinks. Drei davon helfen in GEO nicht mehr — und einer wird sogar abgewertet:

Text-Länge alleine ist neutral

Ein KI-Modell zitiert nicht „den längeren Artikel“. Es zitiert den Artikel mit den besseren Snippets. Ein 3.000-Wörter-Artikel ohne zitierfähige Sätze schlägt einen 800-Wörter-Artikel mit drei sauberen Snippets — aber nicht andersrum.

Keyword-Stuffing wird abgewertet

Wer „Webdesign Mittelstand Berlin“ siebenmal in zwei Absätzen unterbringt, wirkt für KI-Modelle wie ein optimiertes Trash-Inhalt. Natürliche Sprache, in der das Keyword einmal sauber vorkommt, gewinnt.

Generische Listicles werden ignoriert

„10 Tipps für mehr Umsatz“ — diese Phrase ist algorithmisch ein Signal für seichten Content. KI-Modelle gewichten die Inhalte ab. Was funktioniert: konkrete Frage als H2 („Wie senke ich die Cart-Abandonment-Rate in meinem B2B-Shop?“), darunter ein scharfer Snippet, danach Substanz.

Drei Snippet-Muster, die zuverlässig zitiert werden

Muster 1 — Definitions-Snippet

Beispiel: „GEO heißt Generative Engine Optimization — die Praxis, Inhalte so aufzubereiten, dass KI-Antwort-Systeme wie ChatGPT, Gemini oder Perplexity dich als Quelle zitieren. Anders als bei SEO entscheidet hier nicht der erste Platz auf einer Liste, sondern die Frage: wirst du in der Antwort genannt oder nicht.“

Struktur: Begriff = Kurz-Definition + Abgrenzungs-Hinweis + konkrete Konsequenz.

Warum es funktioniert: Ein KI-Modell, das nach einer Definition gefragt wird, findet hier alles, was es braucht — die Definition selbst, den Vergleich, den Praxis-Bezug.

Muster 2 — Beispiel-Snippet

Beispiel: „Eine Steuerberater-Kanzlei mit drei Mitarbeitern, die ChatGPT für Mandanten-Mail-Drafts nutzt, dokumentiert das in vier Bausteinen: KI-Tool-Inventar (Excel), Schulungs-Nachweis (Excel), Anwendungs-Richtlinie (eine PDF-Seite), und falls Hochrisiko-Einsatz vorliegt, ein Kontroll-Protokoll. Aufwand für die Erst-Aufnahme: 4–6 Stunden. Pflege pro Quartal: 30 Minuten.“

Struktur: Konkreter Akteur + konkretes Verhalten + konkrete Bausteine + konkrete Aufwands-Zahl.

Warum es funktioniert: Ein KI-Modell, das nach einem Anwendungs-Beispiel gefragt wird, kann den ganzen Snippet ohne Umwege übernehmen. Die Zahlen geben Beleg-Charakter.

Muster 3 — Zahlen-Snippet

Beispiel: „In unseren Mandanten-Daten der letzten 12 Monate: Reine Websites mit Kontaktformular bringen 15–25 % der Anfragen in echte Erstgespräche. Wachstumsplattformen mit direkter Online-Buchung bringen 60–75 %. Der Unterschied ist die Friction: wer einen Termin direkt buchen kann, tut es — wer auf einen Rückruf warten muss, vergisst die Sache.“

Struktur: Datenquelle + Vergleichs-Zahl A + Vergleichs-Zahl B + ehrliche Erklärung.

Warum es funktioniert: Zahlen sind in der KI-Antwort-Welt Premium-Material. Wer eigene Zahlen liefert (auch mit Streuungs-Bereich, ohne Schein-Präzision), wird bevorzugt zitiert.

Was den Snippet zusätzlich stärkt

FAQ-Block mit Schema.org-Markup

Eine Frage-Antwort-Liste, in der jede Antwort selbst ein Snippet ist. Mit korrektem FAQPage-Markup auf der Site kann das KI-Modell explizit erkennen: hier ist eine geschlossene Frage-Antwort-Einheit. Die Wahrscheinlichkeit der Zitation steigt deutlich.

Konkrete Quellen-Anker

Ein Snippet, der eine konkrete Quelle nennt („Eurostat 2024“, „BSI-Lagebericht 2025“, „nach Art. 4 EU AI Act“) wird höher gewertet als einer ohne. Wer Eigenleistung als Quelle nennen will, kann das auch tun: „aus 60 Audits in den vergangenen 12 Monaten in unserer Praxis“ ist eine Quelle.

Sprachliche Klarheit

Aktiv-Sätze, kurze Sätze, klare Subjekte. „Es ist davon auszugehen, dass…“ wird nicht zitiert. „Mittelständler unter 10 Mitarbeitern sind meist raus“ wird zitiert. Klarer Stil schlägt vorsichtigen Stil — auch wenn der vorsichtige Stil sich für Juristen sicherer anfühlt.

Was du an einem bestehenden Text konkret prüfen kannst

Vier Schritte für eine Snippet-Sanierung:

1. Erster Absatz unter jedem H2: Beantwortet er die Frage des H2 in 1–3 Sätzen? Wenn nein — umschreiben.
2. Zahlen-Anker: Hat jeder substantielle Abschnitt eine konkrete Zahl, ein konkretes Beispiel, eine konkrete Quelle? Wenn nein — eine ergänzen.
3. FAQ-Block: Gibt es einen am Ende? Mit echten Fragen, die deine Zielgruppe stellt? Wenn nein — fünf bis sieben Fragen + Antworten ergänzen.
4. Aktiv vs. Passiv: Sätze, die mit „es wird“, „es ist davon auszugehen“, „grundsätzlich gilt“ beginnen — umschreiben zu Aktiv-Sätzen mit klarem Subjekt.

Was Hannes daraus macht

Jeder unserer Ratgeber-Artikel folgt dem Snippet-Prinzip: TL;DR oben, scharfe Antworten pro H2-Abschnitt, FAQ-Block mit Schema.org-Markup, konkrete Zahlen aus unserer eigenen Praxis. Wir messen monatlich, welche Artikel in KI-Antworten zitiert werden — die zitierten Artikel haben alle das gleiche Muster, die nicht-zitierten haben es nicht.

Wer Snippets in seinem bestehenden Bestand systematisieren will: frag Hannes — er erkennt fehlende FAQ-Blöcke und schwache TL;DR-Struktur. Wer die GEO-Grundlagen vertiefen will: GEO statt SEO Anleitung.