Stellen Sie sich vor, ein potenzieller Kunde fragt einen KI-Assistenten nach der besten Software für sein Problem. Ihre Marke erscheint nicht als klassisches Suchergebnis, sondern als zitierte Quelle in einer KI-Antwort. Genau an diesem Punkt verschiebt sich SEO: Weg von reinen Rankings, hin zu AI Visibility, Zitierungen, maschinenlesbaren Signalen und der Frage, welche Daten überhaupt verlässlich messbar sind.
Die aktuellen Entwicklungen zeigen jedoch ein Spannungsfeld: Auf der einen Seite entstehen neue Tools wie AI Citation Share in den Bing Webmaster Tools. Auf der anderen Seite geraten Formate wie llms.txt unter Druck, weil neue Daten Zweifel daran wecken, ob relevante Bots diese Dateien überhaupt nutzen. Gleichzeitig arbeiten Google, Microsoft und weitere Akteure an Standards für AI Agents, während britische Regulierer Google zu faireren Ranking-Prozessen verpflichten wollen.
Für SEO-Teams bedeutet das: Nicht jede neue Datei, jeder neue Standard und jede neue Metrik verdient sofort Priorität. Entscheidend ist, welche Neuerung bereits heute messbaren Nutzen bringt und welche eher beobachtet werden sollte.
Die neue SEO-Frage lautet: Wirst du von KI-Systemen zitiert?
Traditionelles SEO misst Sichtbarkeit meist über Rankings, Impressionen, Klicks und organischen Traffic. In KI-Suchsystemen reicht das nicht mehr aus. Wenn ein Nutzer eine Antwort direkt in einer KI-Oberfläche erhält, kann Ihre Website als Quelle genannt werden, ohne dass zwingend ein klassischer Klick entsteht.
Genau hier entsteht ein neues Messproblem. Unternehmen möchten wissen, ob ihre Inhalte in AI Overviews, Copilot-Antworten, Bing-Antworten, ChatGPT-ähnlichen Systemen oder Perplexity-Ergebnissen auftauchen. Noch wichtiger: Sie möchten wissen, wie häufig sie im Vergleich zu Wettbewerbern als Quelle erscheinen.
Ein Beispiel: Ein B2B-SaaS-Anbieter rankt organisch auf Platz drei für ein wichtiges Keyword, wird aber in KI-Antworten nie zitiert. Ein kleinerer Wettbewerber mit besser strukturierten Produktvergleichen, klaren Definitionen und belastbaren Daten wird dagegen regelmäßig als Quelle verwendet. Aus klassischer SEO-Sicht sieht der Marktführer stark aus. Aus Sicht der AI Search Visibility verliert er jedoch Reichweite und Autorität.
AI Citation Share: Warum Bing jetzt eine wichtige Lücke schließt
Microsoft erweitert den Performance-Bereich der Bing Webmaster Tools um Funktionen, die speziell auf KI-Sichtbarkeit ausgerichtet sind. Besonders relevant ist AI Citation Share. Diese Kennzahl zeigt, welchen Anteil der KI-Zitierungen eine Website für bestimmte Grounding Queries erhält.
Anders gesagt: Es geht nicht nur darum, ob Ihre Seite genannt wurde. Es geht darum, wie groß Ihr Anteil an den verfügbaren KI-Zitierungen im Vergleich zum Wettbewerb ist. Das ist ein deutlicher Fortschritt gegenüber rein isolierten Sichtbarkeitsdaten.
Was Citation Share praktisch leisten kann
Für SEO-Teams kann diese Metrik helfen, Themenfelder zu priorisieren. Wenn ein Finanzportal beispielsweise bei klassischen Suchanfragen zu „ETF Kosten Vergleich“ gute Rankings hat, aber in KI-Antworten nur selten zitiert wird, entsteht ein klarer Optimierungsauftrag. Möglicherweise fehlen prägnante Definitionen, aktuelle Tabellen, Quellenangaben, FAQ-Strukturen oder eindeutig formulierte Antworten.
Die zusätzlichen Funktionen Intents und Topics helfen dabei, Suchanfragen thematisch zu bündeln. Das ist wichtig, weil KI-Suchanfragen oft dialogischer, länger und weniger keywordzentriert sind. Statt nur „CRM Software Preis“ fragen Nutzer eher: „Welche CRM-Lösung eignet sich für ein kleines Vertriebsteam mit begrenztem Budget?“
Die Funktion Compare ermöglicht außerdem Zeitvergleiche. Damit lässt sich prüfen, ob neue Inhalte, technische Anpassungen oder veränderte Informationsarchitektur zu mehr KI-Zitierungen führen.
Die wichtigste Einschränkung: Es bleibt Bing-Datenmaterial
So wertvoll diese neuen Daten sind, sie bilden nicht den gesamten KI-Suchmarkt ab. Die Messung bezieht sich auf Bing- und Copilot-nahe Umgebungen. Für Google Search, Google AI Overviews oder andere LLM-basierte Antwortsysteme sind diese Werte nicht direkt übertragbar.
Das macht AI Citation Share nicht weniger interessant, aber es verhindert eine falsche Interpretation. Wer die Daten nutzt, sollte sie als Frühindikator verstehen, nicht als vollständiges Bild der KI-Sichtbarkeit.
llms.txt: Nützliches Signal oder überschätzter SEO-Hebel?
Kaum ein Format wurde in der AI-SEO-Debatte so schnell diskutiert wie llms.txt. Die Idee klingt attraktiv: Website-Betreiber stellen eine Datei bereit, die Sprachmodellen und KI-Crawlern erklärt, welche Inhalte relevant sind und wie sie genutzt werden können.
Das Problem liegt in der praktischen Wirkung. Neue Auswertungen über rund 137.000 Domains zeigen, dass 97 Prozent der llms.txt-Dateien keine Requests erhielten. Noch kritischer: Bots, die tatsächlich in Richtung Zitierungen und Antwortgenerierung relevant sind, machten nur einen sehr kleinen Teil der Abrufe aus, etwa 1 Prozent der beobachteten Fetches.
Damit entsteht eine unbequeme Wahrheit: Eine Datei kann theoretisch sinnvoll sein und gleichzeitig praktisch kaum Einfluss auf AI Visibility haben.
Warum llms.txt keine Abkürzung zu KI-Zitierungen ist
Der Kern des Problems ist Vertrauen. Eine llms.txt-Datei ist selbstdeklariert. Jede Website kann dort behaupten, relevant, hochwertig oder besonders wichtig zu sein. Für ein LLM ist das kein starkes Differenzierungssignal. KI-Systeme benötigen belastbare Hinweise aus Inhalt, Struktur, Verlinkung, Entitäten, Erwähnungen, Aktualität und Nutzbarkeit.
Ein Online-Shop für Outdoor-Ausrüstung könnte in llms.txt seine besten Kategorieseiten aufführen. Wenn die Seiten aber dünne Produkttexte, keine Vergleichshilfen, keine Größenberatung und keine belastbaren Erfahrungsdaten enthalten, wird die Datei allein wenig bewirken. Ein Wettbewerber mit detaillierten Kaufberatungen, strukturierten Daten und klaren Produktattributen hat bessere Chancen, als Quelle verstanden zu werden.
Wann sich llms.txt trotzdem lohnen kann
Der Aufwand für eine einfache llms.txt ist gering. Deshalb kann sie als ergänzende Maßnahme sinnvoll sein, insbesondere für Websites mit technischen Zielgruppen, Dokumentationen, API-Bereichen oder Entwicklerressourcen. Auch Coding Agents und bestimmte Trainingscrawler könnten solche Dateien eher berücksichtigen als klassische KI-Antwortsysteme.
Die Priorität sollte jedoch realistisch bleiben. llms.txt ist derzeit eher Hygiene als Wachstumshebel. Wer begrenzte SEO-Ressourcen hat, sollte zuerst Inhalte, interne Verlinkung, strukturierte Daten, Crawlbarkeit und thematische Autorität verbessern.
AI Agent Specs: OKF und ARD zeigen, wohin das Web steuert
Parallel zur Debatte um llms.txt entstehen neue Spezifikationen für eine stärker agentenbasierte Webnutzung. Zwei Begriffe sind dabei besonders wichtig: Open Knowledge Format, kurz OKF, und Agentic Resource Discovery, kurz ARD.
Das Open Knowledge Format soll Organisationen ermöglichen, Wissen in maschinenlesbarer Form bereitzustellen. Dazu können Datensätze, Metriken, interne Prozesse, Runbooks oder definierte Unternehmensinformationen gehören. Agentic Resource Discovery zielt stärker darauf ab, wie AI Agents Werkzeuge, Fähigkeiten, Services und andere Agents finden und prüfen können.
Beide Ansätze sind noch früh. Genau deshalb sollten Unternehmen sie nicht ignorieren, aber auch nicht überbewerten.
Warum diese Standards für SEO relevant werden könnten
SEO war lange darauf ausgerichtet, Inhalte für Suchmaschinen auffindbar, verständlich und bewertbar zu machen. Im agentischen Web erweitert sich diese Aufgabe. AI Agents suchen nicht nur Seiten, sondern Fähigkeiten. Sie wollen wissen, ob ein Unternehmen eine API anbietet, ob ein Tool bestimmte Funktionen erfüllt, ob Daten aktuell sind oder ob ein Prozess automatisiert ausgeführt werden kann.
Ein Hotelportal könnte künftig nicht nur auf Landingpages optimieren, sondern maschinenlesbar bereitstellen, welche Standorte verfügbar sind, welche Buchungsregeln gelten, welche Stornobedingungen existieren und welche Schnittstellen von Agents genutzt werden dürfen. Eine B2B-Plattform könnte beschreiben, welche Integrationen, Berechtigungen, Datenmodelle und Supportprozesse vorhanden sind.
Damit rückt ein neues SEO-Feld näher: Agentic SEO. Es verbindet technische SEO, strukturierte Daten, Knowledge Graphs, API-Dokumentation und Content Governance.
Warum Abwarten hier strategisch klüger sein kann
Nicht jeder frühe Standard setzt sich durch. Die Geschichte des Webs ist voll von Formaten, die technisch interessant waren, aber nie breite Akzeptanz erreichten. Deshalb sollten Unternehmen OKF und ARD beobachten, Pilotprojekte prüfen und interne Datenstrukturen vorbereiten, ohne sofort große Budgets umzuschichten.
Der sinnvollste erste Schritt ist nicht zwingend eine neue Datei. Oft ist es wichtiger, Unternehmenswissen sauber zu modellieren: eindeutige Produktdaten, konsistente Entitäten, gepflegte Dokumentation, klare Autoren- und Quellenangaben, maschinenlesbare Seitenstrukturen und robuste Schema.org-Auszeichnungen.
Faire Rankings: Großbritannien erhöht den Druck auf Google
Eine weitere Entwicklung betrifft nicht nur KI-Suche, sondern die Grundlogik organischer Sichtbarkeit. In Großbritannien soll Google bei organischen Suchergebnissen nach objektiven, nicht diskriminierenden Kriterien ranken und vor wesentlichen Änderungen transparenter kommunizieren.
Die Vorgaben betreffen organische Ergebnisse inklusive AI Overviews, jedoch nicht bezahlte Anzeigen. Zusätzlich soll es Wege geben, Ranking-Bedenken vorzubringen. Für SEO-Verantwortliche wäre das ein bemerkenswerter Wandel: Core Updates und größere Ranking-Veränderungen könnten weniger plötzlich wirken, wenn Ankündigungs- und Beschwerdemechanismen tatsächlich greifen.
Was das für die tägliche SEO-Arbeit bedeuten könnte
Für Unternehmen mit starkem UK-Geschäft wäre mehr Vorlauf bei größeren Änderungen wertvoll. Publisher, E-Commerce-Anbieter oder Vergleichsportale könnten Risiken früher bewerten, Stakeholder informieren und technische sowie redaktionelle Maßnahmen besser planen.
Auch für AI Overviews ist der regulatorische Aspekt wichtig. Wenn KI-generierte Antwortflächen Teil der organischen Suche sind, stellt sich die Frage, nach welchen Kriterien Quellen ausgewählt, dargestellt oder verdrängt werden. Genau hier könnte mehr Transparenz langfristig Einfluss auf Monitoring, Reporting und Rechtspositionen von Website-Betreibern haben.
Ob daraus ein internationaler Standard entsteht, bleibt offen. Häufig starten regulatorische Veränderungen regional und entfalten später indirekte Wirkung auf globale Produktentscheidungen.
Prioritäten für SEO-Teams: Was jetzt wirklich zählt
Die aktuellen Entwicklungen lassen sich auf eine einfache Formel bringen: Messen, validieren, nicht jedem neuen Format blind folgen.
Wer Zugang zu den neuen Bing Webmaster Tools-Daten hat, sollte AI Citation Share aktiv testen. Besonders sinnvoll ist der Vergleich zwischen klassischen SEO-Gewinnern und KI-Zitierungsgewinnern. Wenn Seiten mit guten Rankings keine KI-Erwähnungen erhalten, lohnt sich eine Inhaltsanalyse: Sind Antworten klar genug? Gibt es eindeutige Fakten? Werden Entitäten konsistent genannt? Sind Autoren, Datenquellen und Aktualisierungen nachvollziehbar?
Bei llms.txt empfiehlt sich ein nüchterner Ansatz. Die Datei kann erstellt und gepflegt werden, sollte aber nicht als primärer Hebel für KI-Sichtbarkeit verkauft werden. Wer intern Erwartungen managt, verhindert Enttäuschungen und lenkt Ressourcen auf Maßnahmen mit höherer Wahrscheinlichkeit für Wirkung.
Bei OKF und ARD sollten technische SEO-Teams, Entwickler und Content-Verantwortliche gemeinsam prüfen, ob bestehende Wissensstrukturen agentenfähig sind. Die eigentliche Vorbereitung liegt weniger im schnellen Veröffentlichen neuer Dateien, sondern im Aufbau verlässlicher, konsistenter und maschinenlesbarer Informationen.
Fazit: AI SEO braucht weniger Hype und mehr Beweisführung
Die SEO-Landschaft bewegt sich in Richtung KI-Zitierungen, agentenlesbarer Ressourcen und stärkerer Regulierung. Doch nicht jedes Signal ist gleich wertvoll. AI Citation Share liefert einen konkreten Schritt in Richtung messbarer KI-Sichtbarkeit, bleibt aber auf Bing-Ökosysteme begrenzt. llms.txt ist günstig und einfach, zeigt derzeit jedoch kaum belastbaren Einfluss auf Zitierungen. Open Knowledge Format und Agentic Resource Discovery könnten wichtig werden, müssen ihre Adoption aber erst beweisen.
Der beste SEO-Ansatz besteht deshalb nicht darin, jede neue Datei sofort als Rankingfaktor zu behandeln. Erfolgreicher ist eine Strategie, die Inhalte klar strukturiert, Entitäten sauber abbildet, technische Signale verbessert, KI-Zitierungen misst und neue Standards erst dann skaliert, wenn sie nachweislich genutzt werden.
AI Visibility wird nicht durch Behauptungen gewonnen, sondern durch auffindbare, verständliche und vertrauenswürdige Informationen.
