So wahlen KI-Antwortmaschinen ihre Quellen aus und wie SaaS-Anbieter zitiert werden
Antwort-Engines wie ChatGPT oder Perplexity entscheiden nach nachvollziehbaren Kriterien, welche Quellen sie verlinken. Wer understandet diese Mechanik, kann die Chance erhoehen, dass das eigene Produkt in relevanten Kaufantwortungen auftaucht.
Fragt man ChatGPT oder Perplexity nach dem besten Tool für einen bestimmten Zweck, erhält man einen ordentlichen Absatz mit einigen verlinkten Quellen. Wenn Ihr Produkt in den Antworten Ihrer Käufer auftaucht, ist das großartig. Falls nicht, lohnt es sich zu fragen, warum, und der Grund liegt meist nicht in Magie.
Dieser Beitrag behandelt, wie Antwortmaschinen entscheiden, was sie zitieren, welche Teile man beeinflussen kann und wie man das messbar macht, ohne zu raten. Manche nennen das GEO (generative engine optimization) oder AEO (answer engine optimization). Der Großteil davon ist einfach gute technische Sorgfalt plus Präsenz dort, wo Ihre Käufer ohnehin suchen.
1. Trainingsdaten. Das Modell hat während des Pre-Trainings etwas über Ihr Produkt gelernt. Dieses Wissen ist zu einem Cutoff-Datum eingefroren, enthält keine Quellenangabe und lässt sich nicht bei Bedarf aktualisieren. Wurde Ihr Produkt nach dem Cutoff gestartet oder erschien davor kaum im öffentlichen Web, kennt das Modell Sie möglicherweise schlicht nicht.
2. Retrieval (Live-Suche / Grounding). Bei vielen Anfragen, insbesondere bei Fragen mit "beste", "vs", "Alternativen" und "Preise", führt die Engine eine oder mehrere Websuchen durch, ruft Seiten ab und schreibt eine Antwort, die auf diesen Seiten basiert. Daher stammen die Zitate. Perplexity ist retrieval-first. ChatGPT, Claude und Gemini suchen, wenn die Frage aktuelle oder spezifische Informationen erfordert. Googles AI Overviews und AI Mode basieren auf dem Index der Google-Suche, und Google erklärt, dass dort eine sogenannte "Query Fan-out"-Technik zum Einsatz kommen kann: mehrere verwandte Suchen zu Teilthemen, danach eine synthetisierte Antwort.
Das praktische Fazit: Trainingsdaten kann man nicht bearbeiten, aber man kann das Retrieval beeinflussen. Und das Retrieval belohnt dieselben Dinge wie eh und je: indexierbar, relevant und vertrauenswürdig zu sein sowie in den Ergebnissets aufzutauchen, aus denen die Engine schöpft.
Blickt man auf die Zitate unter einer Antwort zu "beste [Kategorie] Tools", sieht man meist eine Mischung wie diese:
Das ergibt Sinn. Wenn jemand fragt, welches Tool er nutzen soll, ist eine neutrale Übersicht eine nützlichere Quelle als die eigene Landingpage eines Anbieters. Eine Engine mit Fan-out-Suchen zieht die Seiten heran, die für diese Teilanfragen ranken, und das sind überwiegend Seiten von Drittanbietern.
Für ein SaaS-Unternehmen besteht ein großer Teil des Zitiertwerdens also darin, auf den Seiten, die für die eigene Kategorie zitiert werden, korrekt erwähnt zu werden. Konkret:
Die eigene Website bleibt wichtig, insbesondere für faktische Fragen ("unterstützt X SSO?", "wie viel kostet X?", "lässt sich X mit Postgres integrieren?"). Engines extrahieren Passagen, daher sollte man Seiten schreiben, die auch aus dem Zusammenhang gerissen überzeugen.
Klare, sachliche Seiten. Pro wichtigem Themenblock sollte es eine Seite geben: Preise, Integrationen, Sicherheit/Compliance, einen Feature-Überblick und eine ehrliche "X vs Y"-Seite, falls vorhanden. Die Antwort sollte in den ersten ein bis zwei Sätzen stehen, danach die Details. Dinge wie Plan-Namen, Limits und unterstützte Plattformen gehören in reinen HTML-Text, nicht in Bilder eingebettet oder hinter clientseitigem Rendering verborgen.
Strukturierte Daten. Schema.org-Markup (Organization, SoftwareApplication, Product, FAQPage, BreadcrumbList) hilft Maschinen zu verstehen, worum es auf einer Seite geht. Die Erwartungen sollten aber realistisch bleiben. Google erklärt, dass es für AI Overviews oder AI Mode kein spezielles Schema gibt, und bittet darum, dass strukturierte Daten zum sichtbaren Text passen. Behandelt man Schema als hilfreiche Hygiene, nicht als Ranking-Trick.
<script type= "application/ld+json" > { " @context ": " https://schema.org ", " @type ": " SoftwareApplication ", " name ": " YourApp ", " applicationCategory ": " BusinessApplication ", " operatingSystem ": " Web ", " offers ": { " @type ": " Offer ", " price ": " 29 ", " priceCurrency ": " USD " } } </script> Enter fullscreen mode Exit fullscreen mode llms.txt. llms.txt ist ein vorgeschlagenes Konzept: eine Markdown-Datei unter /llms.txt, die LLMs eine kuratierte Übersicht der nützlichsten Inhalte bereitstellt. Sie ist günstig anzulegen und praktisch für dokumentenlastige Produkte, besonders wenn Entwickler die Dokumentation in Coding-Assistenten einfügen. Es bleibt aber ein Vorschlag, nicht etwas, das nachweislich jede Engine konsumiert, und Google sagt, man benötige keine neuen "KI-Textdateien", um in dessen KI-Funktionen zu erscheinen.
Fügt man es hinzu, wenn es einfach ist, und erwartet nicht, dass es allein den Unterschied macht.
Das kommt überraschend häufig vor. Eine Sicherheitsregel, ein Bot-Schutz-Schalter im CDN oder eine kopierte "blockiere alle KI-Bots"-robots.txt kann einen still aus dem Retrieval entfernen.
Die meisten Anbieter unterscheiden Crawler inzwischen nach Zweck, sodass man sich aus dem Training ausklinken kann, ohne aus der Suche zu verschwinden:
Ein Beispiel, das sich aus dem Training ausklinkt, aber zitierfähig bleibt:
User-agent: GPTBot Disallow: / User-agent: OAI-SearchBot Allow: / User-agent: ClaudeBot Disallow: / User-agent: Claude-SearchBot Allow: / User-agent: Claude-User Allow: / Enter fullscreen mode Exit fullscreen mode Ob man Trainings-Crawler erlaubt, ist eine eigene Entscheidung. Man sollte sie nur bewusst treffen. Danach sollte man die Server- oder CDN-Logs prüfen, um zu bestätigen, dass die Such- und User-Agents tatsächlich 200er-Antworten und keine 403er erhalten. Eine saubere robots.txt hilft nicht, wenn die WAF die Anfrage zuerst blockiert.
Die Frage "Sind wir in KI-Antworten sichtbar?" lässt sich näherungsweise mit einem kleinen, unspektakulären Prozess beantworten:
Eine Tabellenkalkulation reicht für den Anfang völlig aus. Wer es lieber automatisiert, für den gibt es dafür Werkzeuge. Beispielsweise verfolgt Kollavo, welche Quellen KI-Engines für die Anfragen Ihrer Käufer zitieren, hilft dabei, dort gelistet zu werden, und bietet einen kostenlosen AI-Visibility-Score als Ausgangspunkt.
Nichts davon ist ein Trick. Antwortmaschinen sind Retrieval-Systeme, die auf dem Web aufsetzen, also besteht der Großteil der Arbeit darin, crawlbar, klar und präsent zu sein, wo über die eigene Kategorie gesprochen wird.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Ask ChatGPT or Perplexity "what's the best tool for X?" and you get a neat paragraph with a few linked sources. If your product is in your buyers' answers, great. If it isn't, it's worth asking why, and the reason usually isn't magic.
This post covers how answer engines decide what to cite, which parts you can influence, and how to measure it without guessing. Some people call this GEO (generative engine optimization) or AEO (answer engine optimization). Most of it is just good engineering hygiene plus being present where your buyers already look.
1. Training data. The model learned something about your product during pre-training. That knowledge is frozen at a cutoff date, comes with no citation, and you can't update it on demand. If your product launched after the cutoff, or barely appeared on the public web before it, the model may simply not know you exist.
2. Retrieval (live search / grounding). For many queries, especially "best", "vs", "alternatives" and "pricing" questions, the engine runs one or more web searches, fetches pages, and writes an answer grounded in those pages. This is where citations come from. Perplexity is retrieval-first. ChatGPT, Claude and Gemini search when the question needs fresh or specific information. Google's AI Overviews and AI Mode sit on top of Google Search's index, and Google says they may use a "query fan-out" technique: several related searches across subtopics, then a synthesized answer.
The practical takeaway: you can't edit training data, but you can influence retrieval. And retrieval rewards the same things it always has: being indexable, relevant and trusted, and showing up in the result sets the engine pulls from.
Look at the citations under a "best [category] tools" answer and you'll usually see a mix like this:
That makes sense. When someone asks "which tool should I use?", a neutral roundup is a more useful source than a vendor's own landing page. An engine running fan-out searches will pull the pages that rank for those sub-queries, and those are mostly third-party pages.
So for a SaaS, a big part of getting cited is being mentioned, accurately, on the pages that get cited for your category. Concretely:
Your site still matters, especially for factual questions ("does X support SSO?", "how much does X cost?", "does X integrate with Postgres?"). Engines extract passages, so write pages that hold up when quoted out of context.
Clear, factual pages. Have one page per important fact cluster: pricing, integrations, security/compliance, a feature overview, and an honest "X vs Y" page if you have one. Put the answer in the first sentence or two, then the detail. Keep things like plan names, limits and supported platforms in plain HTML text, not baked into images or hidden behind client-side rendering.
Structured data. Schema.org markup ( Organization, SoftwareApplication, Product, FAQPage, BreadcrumbList ) helps machines understand what a page is about. Keep expectations realistic, though. Google states there's no special schema required for AI Overviews or AI Mode, and it asks that structured data match the visible text. Treat schema as helpful hygiene, not a ranking hack.
<script type= "application/ld+json" > { " @context ": " https://schema.org ", " @type ": " SoftwareApplication ", " name ": " YourApp ", " applicationCategory ": " BusinessApplication ", " operatingSystem ": " Web ", " offers ": { " @type ": " Offer ", " price ": " 29 ", " priceCurrency ": " USD " } } </script> Enter fullscreen mode Exit fullscreen mode llms.txt. llms.txt is a proposed convention: a Markdown file at /llms.txt that gives LLMs a curated map of your most useful content. It's cheap to add and handy for docs-heavy products, especially when developers paste your docs into coding assistants. It's still a proposal, though, not something every engine is known to consume, and Google says you don't need new "AI text files" to appear in its AI features.
Add it if it's easy, and don't expect it to move the needle on its own.
This one is surprisingly common. A security rule, a CDN bot-protection toggle, or a copy-pasted "block all AI bots" robots.txt can quietly remove you from retrieval.
Most vendors now split crawlers by purpose, so you can opt out of training without opting out of search:
An example that opts out of training but stays citable:
User-agent: GPTBot Disallow: / User-agent: OAI-SearchBot Allow: / User-agent: ClaudeBot Disallow: / User-agent: Claude-SearchBot Allow: / User-agent: Claude-User Allow: / Enter fullscreen mode Exit fullscreen mode Whether to allow training crawlers is your call. Just make it a deliberate decision. Then check your server or CDN logs to confirm the search and user agents actually get 200 s and not 403 s. A clean robots.txt doesn't help if your WAF blocks the request first.
"Are we visible in AI answers?" is answerable, roughly, with a small and boring process:
A spreadsheet works fine to start. If you'd rather automate it, tools exist for this. For example, Kollavo tracks which sources AI engines cite for your buyers' prompts, helps you get listed on them, and offers a free AI visibility score as a starting point.
None of this is a trick. Answer engines are retrieval systems sitting on top of the web, so being crawlable, clear, and present where your category gets discussed is most of the work.