Eine Modellfamilie, drei Wege zur Antwortquelle
Drei Google-Oberflächen beantworten dieselbe Frage auf drei verschiedene Arten. Wer in der Suche arbeitet, für den ist der Unterschied zwischen grounded und generativ keine Randnotiz. Er entscheidet, was Sie tun müssen, um zitiert zu werden.
Man spricht über „Ranking in AI“, als wäre es eine Sache. Ist es nicht. Google betreibt eine Modellfamilie über drei Oberflächen, und jede entscheidet anders, woher eine Antwort kommt.
Das ist der nützliche Teil. Sie bauen keine zweite Website für Maschinen. Sie sorgen dafür, dass eine Website auf jedem Pfad, den eine Antwort nehmen kann, abrufbar, rankbar und zitierbar ist, statt nur bei der Hauptanfrage, die Sie zufällig tracken.
Gemini (die App): generativ zuerst
Wie die Antwort entsteht. Antworten werden standardmäßig aus den Trainingsdaten des Modells generiert. Grounding über die Google-Suche greift selektiv, wenn das Modell entscheidet, dass eine Anfrage frische oder überprüfbare Informationen braucht.
Woher die Antworten stammen. Vor allem aus den Modellgewichten, also aus parametrischem Gedächtnis: dem, was das Modell bereits gelernt hat. Wenn es doch groundet, zieht es Live-Ergebnisse der Suche heran und zeigt belegende Links. Grounding ist hier aber optional, nicht der Standard.
Warum das zählt. Markenerwähnungen in der Gemini-App hängen stark an der Präsenz in den Trainingsdaten, nicht an den Rankings dieser Woche.
- Ihre Marke ist im Trainingskorpus gut vertreten: autoritative Berichterstattung, eine Wikipedia-Präsenz, eine etablierte Entität.
- Oder das Grounding hat für diese Anfrage ausgelöst und Sie ranken in der Live-Suche gut.
- Die meisten Antworten kommen aus dem Modellgedächtnis. Ist Ihre Marke neu, nischig oder vor dem Trainingsstichtag dünn abgedeckt, existieren Sie für das Modell nicht.
- Gute Rankings retten Sie nicht bei Anfragen, die das Modell ohne Grounding beantwortet.
Die Maßnahme: dauerhafte Entitätspräsenz aufbauen. Berichterstattung Dritter, konsistente Entitätsdaten und Inhalte, aus denen das Modell tatsächlich lernen konnte.
AI Overviews: Grounding zuerst
Wie die Antwort entsteht. Der Abruf kommt zuerst. Ein spezialisiertes Gemini-Modell synthetisiert eine Zusammenfassung aus Dokumenten, die Googles Ranking-Systeme bereits abgerufen haben, und sie erscheint nur bei hoher Konfidenz.
Woher die Antworten stammen. Aus dem Live-Suchindex, dem Knowledge Graph und dem Shopping Graph. Die zitierten Links verweisen auf die Seiten, aus denen die Zusammenfassung gebaut wurde.
Warum das zählt. Klassische Abrufbarkeit regiert weiterhin. Wer nicht abgerufen und gerankt werden kann, wird auch nicht zitiert.
- Sie gehören für die Anfrage zur abgerufenen, rankbaren Menge.
- Eine Passage auf Ihrer Seite belegt direkt eine Aussage der synthetisierten Antwort.
- Sauber extrahierbarer Text und Aktualität helfen. Ahrefs fand, dass in AI-Antworten zitierte URLs rund 26% frischer sind als organische Ergebnisse.
- Laut Google ist für die Eignung kein spezielles Schema nötig.
- Sie sind nicht abrufbar:
noindex,nosnippet, Blockaden oder schlicht schwacher Abruf. - Oder keine Passage auf Ihrer Seite belegt eine getroffene Aussage.
- Zitiert wird auf Passagenebene. Ein Spitzenranking garantiert keine Zitierung mehr, erhöht die Chancen aber weiterhin deutlich: Die Überschneidung mit den Top 10 liegt studienübergreifend bei etwa 17% bis 76%.
- Verlassen Sie sich nicht auf eine YMYL-Zurückhaltung. Rund 88% der Gesundheitsanfragen lösen inzwischen einen AI Overview aus.
Die Maßnahme: zitierfähige Passagen schreiben. Klare, in sich geschlossene Aussagen, die eine Teilintention für sich beantworten, statt Seiten, die nur ranken.
AI Mode: grounded plus Fan-out
Wie die Antwort entsteht. Query Fan-out zerlegt Ihre Frage in mehrere Teilanfragen, die parallel gesucht werden. Gemini schließt dann über alles hinweg und formuliert eine dialogische Antwort.
Woher die Antworten stammen. Aus dem Web-Index, dem Knowledge Graph und Echtzeitdaten wie Shopping, Lokales und Finanzen, synthetisiert mit ausgehenden Links. Jede Antwort ist im Abruf grounded.
Warum das zählt. Sie optimieren nicht mehr für eine Anfrage. Sie optimieren für die Dutzenden Teilanfragen, in die sie ausfächert.
- Sie ranken für irgendeine der parallelen Teilanfragen aus dem Fan-out, nicht nur für den Hauptbegriff.
- Seiten, die über Fan-out-Anfragen hinweg ranken, werden laut Ahrefs und Surfer rund 161% häufiger zitiert.
- Tiefe thematische Abdeckung und starke Entitätsdaten vergrößern Ihre Angriffsfläche.
- Sie haben für ein Keyword optimiert, während die Antwort aus einem Dutzend Teilanfragen zusammengesetzt wurde, die Sie nie adressiert haben.
- Nur rund 20% der Zitate in AI Mode stammen laut seoClarity aus den organischen Top 20.
- Passagenrelevanz ist die Eintrittskarte, aber Autorität wirkt weiterhin als Filter, besonders in YMYL.
Die Maßnahme: das Fan-out kartieren. Decken Sie das Cluster verwandter Intentionen rund um jede kommerziell relevante Anfrage ab, nicht nur die Anfrage selbst.
Was Sie tatsächlich ändern sollten
Drei Oberflächen, drei Fehlerbilder. Die Arbeit teilt sich sauber entlang der Linie zwischen grounded und generativ.
Für die generative Oberfläche: die Entität aufbauen. In das Gedächtnis eines Modells optimiert man sich nicht innerhalb eines Quartals. Was wirkt, sind dauerhafte Berichterstattung Dritter, konsistente Entitätsdaten an den Stellen, an denen Google Identität abgleicht, und genug substanzieller Inhalt, aus dem das Modell etwas lernen kann. Das ist langsame Arbeit, und sie akkumuliert.
Für die grounded Oberflächen: Passagen schreiben, nicht nur Seiten. Eine Seite, die rankt, ist der Eintrittspreis. Zitiert wird eine Passage, die eine Aussage so sauber formuliert, dass sie herausgelöst werden kann und trotzdem Sinn ergibt. In sich geschlossen, konkret und an eine Teilintention gebunden, die jemand tatsächlich hat.
Hören Sie auf, eine Anfrage zu messen. Wenn AI Mode eine Frage in ein Dutzend Teilanfragen zerlegt, sagt das Tracking des Hauptbegriffs fast nichts darüber aus, ob Sie in der Antwort vorkommen. Kartieren Sie die Teilintentionen rund um die kommerziell wichtigen Anfragen und decken Sie sie ab.
Nichts davon verlangt eine separate AI-Strategie, die an Ihre Website geschraubt wird. Es verlangt, dass dieselbe Website für Systeme lesbar ist, die inzwischen Antworten zusammensetzen, statt Links aufzulisten. Und es verlangt eine Messung, die sieht, was diese Systeme tatsächlich getan haben, was ein anderes Problem ist, über das wir in den drei Signalen, die sich zu überwachen lohnen, geschrieben haben.
Sehen Sie, welche AI-Oberflächen Sie tatsächlich zitieren.
WISLR misst den AI-Kanal auf Ihren eigenen First-Party-Daten: welche Crawler Ihre Seiten lesen, welche Antworten sie zitieren und was dieser Traffic tut, sobald er ankommt. Wahrheit auf Server-Ebene statt einer Share-of-Voice-Schätzung.