Glossar zu GEO, LLMO & KI-Sichtbarkeit
52 Begriffe rund um Generative Engine Optimization, Large Language Model Optimization und KI-Reputationsanalyse. Jeder Eintrag erklärt, was der Begriff bedeutet und warum er für Ihre Sichtbarkeit in ChatGPT, Gemini, Perplexity und Claude zählt.
Wenn Sie wenig Zeit haben, lesen Sie diese fünf zuerst.
Das Glossar deckt 52 Begriffe ab. Diese fünf entscheiden, ob Ihre Kundschaft Sie in einer KI-Antwort findet. Springen Sie direkt zur ausführlichen Erklärung.
A
AEO (Answer Engine Optimization)
Optimierung von Inhalten für Antwortmaschinen. Dazu zählen Google AI Overviews, ChatGPT, Perplexity und andere Systeme, die Nutzerfragen direkt beantworten statt Linklisten auszugeben. AEO fokussiert auf Position 0: die erste direkte Antwort.
Agentic AI
KI-Systeme, die nicht nur Fragen beantworten, sondern eigenständig mehrstufige Aufgaben ausführen. Beispiele sind ChatGPT Agent, Google Gemini Agent oder Claude mit Tool-Use. Für die KI-Reputationsanalyse relevant, weil solche Agenten beim Recherchieren mehrere Sub-Queries pro Ursprungsfrage abfeuern und die Quellenauswahl dadurch breiter streut. Wird in den Prompt-Sets ab 2026 explizit getestet.
AI Overviews
KI-generierte Zusammenfassungen, die Google seit 2024 in den Suchergebnissen anzeigt. Seit 2025 auch im DACH-Raum aktiv. Sie fassen Informationen aus mehreren Quellen zusammen und erscheinen oberhalb der klassischen Treffer.
Answer Engine
Ein System, das eine Nutzerfrage direkt beantwortet und nur die Quellen nennt, die in diese Antwort eingeflossen sind. Beispiele sind ChatGPT, Perplexity und Google AI Overviews. Viele Kaufentscheidungen beginnen heute hier, lange bevor jemand Ihre Website öffnet.
Attribution
Die Zuordnung einer Aussage zu einer konkreten Quelle. Modelle legen oft nicht offen, woher eine Information stammt. Erst die Attribution zeigt, ob eine Antwort über Ihr Unternehmen auf Ihre eigenen Seiten zurückgeht oder auf eine Drittquelle, die Sie nicht kontrollieren.
AI Visibility
Englisches Synonym für KI-Sichtbarkeit. Beschreibt, wie oft und in welchem Kontext eine Marke in Antworten generativer KI-Systeme wie ChatGPT, Claude, Gemini und Perplexity erscheint. Bombelli Analytics misst AI Visibility für Schweizer B2B über definierte Prompt-Sets und liefert die Zitierquote pro LLM aus.
B
Bias
Eine systematische Verzerrung in der Antwort eines KI-Modells. Entsteht durch einseitige Trainingsdaten oder gewichtete Quellenauswahl. Für Ihre Marke heisst das: Ein Modell kann eine veraltete Positionierung oder die Sicht eines lauten Mitbewerbers überproportional wiedergeben, ohne dass es dafür einen sachlichen Grund gibt.
C
Citation
Direkte Quellenangabe in einer KI-generierten Antwort. Perplexity zeigt Citations standardmässig an, ChatGPT nur selten. Für die Reputationsanalyse relevant, weil Citations Sichtbarkeit und Glaubwürdigkeit beeinflussen.
Content Gap
Eine Themenlücke, die ein Modell zu Ihrem Markt nicht oder fehlerhaft abdeckt. Hat das Modell auf eine kaufrelevante Frage keine belastbare Antwort, fehlen meist passende oder klar strukturierte Inhalte auf Ihrer Seite. Genau diese Lücken zeigen, wo neuer Content am schnellsten Sichtbarkeit bringt.
D
Datenexport
Die strukturierte Ausgabe der Analyseergebnisse als CSV, Excel oder PDF-Report. Damit prüft Ihr Team jede Aussage selbst nach, baut eigene Auswertungen und behält die Rohdaten auch nach Projektende. Der Report bleibt nachvollziehbar, nicht eine Blackbox.
Delta
Veränderung eines Werts zwischen zwei Messzeitpunkten. In der KI-Reputationsanalyse: Wie hat sich die Sichtbarkeit oder Tonalität einer Marke zwischen Woche 1 und Woche 4 verschoben?
Domain
Die Quelladresse, die ein Modell in seiner Antwort referenziert. Welche Domains ein Modell bevorzugt, verrät seine Quellenhierarchie. Taucht Ihre eigene Domain selten auf, zitiert das Modell stattdessen Verzeichnisse, Medien oder Mitbewerber als Beleg über Sie.
Dark AI Traffic
Besucher, die über KI-Antworten auf eine Website gelangen, ohne dass die klassische Referrer-Information übermittelt wird. Analytics-Tools ordnen diese Klicks häufig fälschlich als Direct-Traffic ein. Für Bombelli-Kunden gehört das Identifizieren solcher Sessions zur Monitoring-Routine, weil klassisches Analytics-Reporting sonst den Effekt von KI-Empfehlungen unterschätzt.
E
E-E-A-T
Experience, Expertise, Authoritativeness, Trustworthiness. Googles Qualitätskriterien für Inhalte. Diese Signale beeinflussen nicht nur das klassische Ranking, sondern auch, welche Quellen KI-Modelle bevorzugt heranziehen.
Embeddings
Die numerische Darstellung von Texten im Vektorraum. Modelle nutzen Embeddings, um die inhaltliche Nähe zwischen Begriffen zu berechnen. Deshalb findet ein Modell Ihre Seite auch dann als passende Quelle, wenn der Nutzer andere Worte verwendet als Sie selbst.
Entität
Klar identifizierbare Einheit wie eine Person, Firma, Produkt oder Ort. KI-Modelle ordnen Informationen anhand von Entitäten. Eine starke Entitätserkennung verbessert die Sichtbarkeit in KI-Antworten.
F
Fact Density
Dichte überprüfbarer Fakten, Zahlen, Zitate und Quellenangaben pro Textabschnitt. Externe Studien zur AI-Zitierhäufigkeit zeigen, dass Inhalte mit hoher Fact Density bis zu 40 Prozent häufiger von KI-Systemen als Quelle genutzt werden als generische Fliesstexte. In der Bombelli-Methodik prüfen wir Seiten systematisch auf Fact Density und leiten Content-Anpassungen ab.
Fan-out Queries
Varianten derselben Frage, mit denen wir ein Modell aus mehreren Blickwinkeln abfragen, etwa zu Preis, Qualität und Alternativen. So entsteht ein vollständiges Bild statt einer Momentaufnahme, denn eine einzelne Frage übersieht oft, wo Sie auftauchen und wo nicht.
Frame
Die Perspektive, in der eine Information präsentiert wird. Dasselbe Unternehmen kann ein Modell wohlwollend, neutral oder kritisch darstellen, je nach Frage und verfügbaren Quellen. Welcher Frame sich durchsetzt, entscheidet darüber, mit welchem Eindruck Ihre Kundschaft aus der Antwort herausgeht.
G
GEO (Generative Engine Optimization)
Optimierung von Inhalten für generative Suchsysteme und KI-Modelle. GEO geht über klassisches SEO hinaus: Statt nur für Suchmaschinen-Rankings zu optimieren, werden Inhalte so strukturiert, dass KI-Systeme sie als Quelle nutzen und korrekt wiedergeben.
Grounding
Verankerung einer KI-Antwort in verifizierbaren Quellen. Gut gegroundete Antworten lassen sich auf konkrete Dokumente oder Datenpunkte zurückführen. Fehlendes Grounding erhöht das Halluzinationsrisiko.
H
Halluzination
Sachlich falsche, aber plausibel klingende Aussage eines KI-Modells. Kann Rufschäden verursachen, wenn ein Modell falsche Informationen über eine Marke oder Person verbreitet. Erkennung und Monitoring sind Teil der KI-Reputationsanalyse.
HubSpot AEO-Tool
Answer-Engine-Optimization-Dashboard, das HubSpot im April 2026 gelauncht hat. Trackt Markennennungen in ChatGPT, Gemini und Perplexity. Das Tool ist ein Signal, dass AEO als Disziplin im Mainstream ankommt. Bombelli-Methodik ergänzt solche Dashboards mit wissenschaftlicher Prompt-Systematik und Rohdaten-Export.
K
KI-Agentur
Oberbegriff für Dienstleister, die KI-Technologien für Unternehmen einsetzen. Das Spektrum reicht von Implementierungs- und Automations-Agenturen über Prompt-Engineering-Beratungen bis hin zu spezialisierten GEO-Agenturen wie Bombelli Analytics, die ausschliesslich die Sichtbarkeit in LLM-Antworten messen und verbessern.
KI-Beratung
Allgemeine Beratungsleistung rund um den Einsatz künstlicher Intelligenz in Unternehmen. Umfasst Strategie, Tool-Auswahl, Prozess-Integration, Mitarbeiter-Schulung und oft auch Implementierung. Eine spezialisierte Form der KI-Beratung ist die Reputations- und Sichtbarkeits-Beratung, die Bombelli Analytics anbietet.
KI-Sichtbarkeit
Wie häufig und in welchem Kontext eine Marke, ein Produkt oder eine Person in KI-generierten Antworten erscheint. KI-Sichtbarkeit wird zur neuen Kenngrösse neben klassischer Web-Sichtbarkeit.
Knowledge Cutoff
Der Stichtag, bis zu dem ein Modell aus seinen Trainingsdaten Bescheid weiss. Alles Spätere kennt es nur, wenn es zusätzlich Websuche oder RAG nutzt. Ein neuer Markenauftritt oder ein Rebranding kann deshalb monatelang an einem Modell vorbeigehen.
Kontextfenster
Maximale Textmenge, die ein Modell gleichzeitig verarbeiten kann. Gemessen in Tokens. Ein grösseres Kontextfenster bedeutet, dass das Modell mehr Information gleichzeitig berücksichtigen kann.
L
LLM (Large Language Model)
Grosses Sprachmodell wie GPT-4, Claude oder Gemini. LLMs sind die Basis hinter ChatGPT, Perplexity und Google AI Overviews. Sie generieren Antworten auf Basis von Trainings- und Abrufdaten.
LLM Listening
Systematisches Abfragen von LLMs, um deren Aussagen über eine Marke oder ein Thema zu erfassen. Vergleichbar mit Social Listening, aber für KI-Systeme. Teil der KI-Reputationsanalyse.
LLMO (Large Language Model Optimization)
Optimierung von Inhalten speziell für grosse Sprachmodelle. LLMO ist eng verwandt mit GEO, legt aber den Fokus stärker auf das Verhalten einzelner LLMs. In der Praxis werden GEO und LLMO häufig synonym verwendet.
llms.txt
Datei im Stammverzeichnis einer Website, ähnlich robots.txt. Sie informiert LLMs gezielt über den Inhalt und die Struktur einer Website. Noch kein Standard, aber zunehmend diskutiert.
M
Monitoring
Die laufende Beobachtung der KI-Antworten über definierte Zeiträume. Modelle ändern ihre Antworten, wenn sie neue Versionen bekommen oder neue Quellen einbeziehen. Das Monitoring zeigt, ob Ihre Sichtbarkeit steigt, eine Massnahme greift oder eine neue Falschaussage auftaucht.
N
Narrativ
Das Erzählmuster, das ein KI-Modell wiedergibt, wenn es über Ihre Marke spricht: «der günstige Anbieter», «die Premium-Lösung», «der Newcomer». Dieses Muster prägt die Wahrnehmung stärker als einzelne Fakten, weil es Kontext und Bewertung gleich mitliefert.
O
Overlap-Analyse
Der Vergleich mehrerer Modellantworten auf inhaltliche Übereinstimmung. Wo sich ChatGPT, Claude und Gemini einig sind, liegt ein stabiles Bild Ihrer Marke vor, auf das Sie sich verlassen können. Wo sie auseinandergehen, ist die Quelllage unklar und ein Modell könnte falsch liegen.
P
Prompt
Die Eingabefrage an ein KI-Modell. Schon kleine Unterschiede in der Formulierung ändern die Antwort. Deshalb prüfen wir die echten Formulierungen, mit denen Ihre Kundschaft tatsächlich nach einer Lösung wie Ihrer sucht.
Prompt Audit
Systematische Prüfung, wie ein KI-Modell auf definierte Prompts zu einer Marke oder einem Thema antwortet. Zeigt Sichtbarkeit, Tonalität, Quellennutzung und mögliche Halluzinationen auf. Basis jeder KI-Reputationsanalyse.
Prompt-Set
Definierte Sammlung von Prompts für eine Analyse. Ein gutes Prompt-Set deckt verschiedene Perspektiven, Formulierungen und Use-Cases ab, um ein vollständiges Bild der KI-Reputation zu erhalten.
Q
Quellenlogik
Muster, nach denen ein Modell Quellen priorisiert und referenziert. Manche Modelle bevorzugen grosse Medienportale, andere wissenschaftliche Quellen. Die Quellenlogik zu verstehen ist zentral für GEO-Strategien.
Quellen-Diversität
Die Vielfalt der Quellen, die ein Modell für seine Antworten heranzieht. Stützt sich das Modell zu Ihrem Markt nur auf wenige Quellen, prägen diese das Bild über Sie überproportional. Hängt eine davon an einem Mitbewerber oder einem veralteten Artikel, wirkt sich das direkt auf Ihre Darstellung aus.
R
RAG (Retrieval-Augmented Generation)
Ansatz, bei dem ein Modell vor dem Antworten relevante Dokumente abruft und in die Antwort einbezieht. Statt nur mit internem Wissen zu arbeiten, greift das Modell auf aktuelle externe Quellen zu.
Ranking / Gewichtung
Die Mechanismen, die bestimmen, welche Quellen in einer Antwort dominant erscheinen. Wenige hoch gewichtete Quellen können das ganze Bild über Sie prägen. Wer diese Quellen kennt, weiss, wo eine Verbesserung am meisten bewegt.
Reputationsanalyse (KI)
Systematische Untersuchung, wie KI-Systeme über ein Unternehmen, Produkt oder Thema sprechen. Erfasst Sichtbarkeit, Tonalität, Positionierung und Narrativmuster über mehrere Modelle und Zeitpunkte.
S
Schema.org (strukturierte Daten)
Ein Markup-Standard, um Inhalte maschinenlesbar auszuzeichnen, etwa als Organisation, Artikel, FAQ oder Produkt. Strukturierte Daten sagen einem KI-System klar, was Ihr Unternehmen ist und anbietet, und senken so das Risiko, dass es Ihre Eckdaten falsch wiedergibt.
Scope
Der festgelegte Rahmen einer Analyse: welche Prompts, welche Modelle, welche Sprache, welcher Zeitraum, welche Vergleichslogik. Den Scope legen wir im Erstgespräch gemeinsam fest. Er sorgt dafür, dass die Analyse Ihre Frage beantwortet und die Ergebnisse später wiederholbar bleiben.
T
Temperature
Ein Parameter, der steuert, wie stark die Antworten eines Modells schwanken. Höhere Werte machen sie kreativer und weniger vorhersehbar, niedrigere konsistenter. In der Analyse halten wir diesen Wert konstant, damit ein gemessener Unterschied von Ihrer Sichtbarkeit kommt und nicht vom Zufall.
Token
Die Texteinheiten, mit denen Modelle rechnen. Ein Wort besteht aus einem oder mehreren Tokens. Tokens bestimmen, wie viel Text in eine Frage passt, wie lang eine Antwort wird und was eine Analyse an Rechenleistung kostet.
Traceability (Nachvollziehbarkeit)
Fähigkeit, Erkenntnisse sauber auf Aussagen, Quellen und Datenpunkte zurückzuführen. In der KI-Reputationsanalyse zentral, um Ergebnisse zu validieren und intern zu kommunizieren.
U
Use-Case
Der konkrete Anwendungsfall einer Analyse, zum Beispiel Wettbewerbsvergleich, Ruf als Arbeitgeber, Preis-Leistung oder Faktencheck. Der Use-Case bestimmt, welche Fragen ins Prompt-Set kommen, damit die Analyse auf Ihre Situation passt und nicht auf eine Standard-Checkliste.
V
Vektorsuche
Eine inhaltsbasierte Suche über Embeddings, die in Retrieval-Systemen läuft. Sie entscheidet, welche Ihrer Seiten ein Modell als Grundlage für eine Antwort heranzieht. Wer hier nicht als passende Quelle erkannt wird, taucht in der Antwort gar nicht erst auf.
Z
Zero-Click-Search
Suchanfrage, bei der die Antwort direkt in den Suchergebnissen erscheint, ohne dass der Nutzer auf eine Website klickt. Laut aktuellen Studien betrifft das rund 60 Prozent aller Google-Suchen. Für Unternehmen bedeutet das: Sichtbarkeit in der Antwort selbst wird wichtiger als der Klick.
Zitierquote (Citation Rate)
Anteil der KI-Antworten, in denen ein Unternehmen über eine definierte Prompt-Liste als Quelle oder Empfehlung erscheint. Während klassische Rankings Positionen in einer Ergebnisliste messen, misst die Zitierquote die tatsächliche Nennung in generierten Antworten. Laut Gartner verschieben sich bis 2026 rund 25 Prozent des Suchvolumens zu KI-Antwort-Engines, deshalb wird die Zitierquote für B2B-Unternehmen wichtiger als Google-Positionen. In Bombelli-Reports wird die Zitierquote pro LLM und pro Prompt-Cluster einzeln ausgewiesen.
Vom Begriff zur Anwendung
Die Begriffe aus diesem Glossar tauchen alle in unserer Arbeit wieder auf. So setzen wir sie für Ihr Unternehmen ein.
KI-Sichtbarkeit messen
Wir prüfen, wo Sie heute in den Modellen stehen, wo Sie fehlen und welche Schritte Sie sichtbarer machen.
Zu den LeistungenWie wir vorgehen
Vom Prompt-Set über das Monitoring bis zum Rohdaten-Export: die Methodik hinter jeder Analyse, Schritt für Schritt.
Zur MethodikKI im Unternehmen
Wie Sie künstliche Intelligenz über die Sichtbarkeit hinaus sinnvoll im Betrieb einsetzen.
Mehr erfahrenGenug Theorie. Wie spricht die KI über Sie?
Wir prüfen die echten Fragen aus Ihrem Markt über die Modelle, die Ihre Kundschaft nutzt, und sagen Ihnen, wo Sie genannt werden, wo Sie fehlen und was zuerst wirkt.