16 Thesen für besseres SEO und mehr KI-Sichtbarkeit

KI verändert die Art und Weise, wie Inhalte gefunden, bewertet und zitiert werden. Damit definiert sie auch, was gute SEO-Arbeit ausmacht. Wer heute für Sichtbarkeit sorgen will, muss verstehen, wie Sprachmodelle Quellen auswählen, warum technische Grundlagen dabei wichtiger werden und wo der Hype um GEO aufhört und belastbare Praxis beginnt.

Auf der Campixx 2026 haben wir 16 Sessions besucht und aus jeder eine These mitgebracht, die wir auf das Wesentliche für die eigene Arbeit verdichtet haben. Jede These steht für sich und hat konkrete Konsequenzen für die Praxis. Zusammen ergeben sie ein Bild davon, wo SEO und KI-Sichtbarkeit Mitte 2026 tatsächlich stehen.

Wer in LLMs und AI-Search sichtbar sein möchte, muss sich zuerst die Frage stellen: »Können Systeme meine Inhalte überhaupt sauber erfassen?« Denn im Gegensatz zu Google rendern viele AI-Crawler kein JavaScript, arbeiten in begrenzten Abruf-Fenstern und sind deutlich weniger tolerant gegenüber technischen Schwächen. Die Erkenntnis dahinter ist so einfach wie unbequem: 
Neue Suchsysteme belohnen keine technischen Spielereien, sondern gute Grundlagen.

Die Konsequenz: Klassisches Tech-SEO erlebt gerade eine Renaissance – nicht als lästige Pflichtübung, sondern als direkte Investition in die Reichweite.

Was bedeutet das für die Praxis?

• Wichtige Inhalte, Navigation und interne Links müssen im initialen HTML verfügbar sein und dürfen nicht erst nach JavaScript-Rendering geladen werden.
• Interne Verlinkung ist kein optionales SEO-Signal mehr, sondern das Orientierungssystem für Crawler, Grounding-Bots und agentische Systeme.
• Saubere Indexierungslogik und schlanke Seitentypen reduzieren technische Reibung und erhöhen die Chance, als Zitat oder Quelle zu landen.
   

Was wir daraus für tripuls-Projekte ableiten: 
Für historisch gewachsene oder JavaScript-lastige Websites ist dies ein sehr pragmatischer Einstieg in die AI-Search-Optimierung, bei dem gleichzeitig die klassische SEO-Performance verbessert wird.

Technisch ist es einfach, Millionen URLs zu erzeugen. Sie sinnvoll zu steuern, ist jedoch die eigentliche Herausforderung. In der Praxis scheitert Programmatic SEO selten an der Idee selbst, sondern daran, dass leistungsstarke und schwache Seitentypen in denselben Metriken verschwimmen und niemand mehr nachvollziehen kann, welche Templates tatsächlich erfolgreich sind.

Was bedeutet das für die Praxis?

• Große URL-Systeme müssen nach Templates und Seitentypen segmentiert werden – mit eigenen KPIs und eigenen Prüfpfaden pro Segment.
• Nutzwert entsteht nicht durch Textmenge, sondern durch Zielerfüllung. 
  Eine Seite mit Öffnungszeiten muss schnell eine Antwort liefern und nicht maximal viel Text produzieren.
• Aktualität der Datenbasis ist im großen Maßstab eine Qualitätsfrage. 
  Wer veraltete Daten skaliert, skaliert Schwäche.

Was wir daraus für tripuls-Projekte ableiten: 
In Content-, Commerce- und Plattformprojekten hilft dieser Rahmen dabei, klarer zu unterscheiden. Wann trägt Skalierung und wann produziert sie nur Volumen ohne Substanz?

Die AI-gestützte Content-Generatoren von tripuls sind aber bereits seit Beginn des KI-Einzugs mit vielfältigen Mechanismen ausgestattet, um valide, menschenähnliche Inhalte zu erzeugen. Dazu zählen der modellagnostische Einsatz von KI, der Einsatz von authentischen Redakteurs-Personas, das Validieren von Inhalten über diverse LLMs hinweg, Human-in-the-Loop-Workflows und die Einbeziehung von Unique Content, der durch unser eigenes Crawling-Netzwerk generiert wird.

Rankings, CTR, Impressionen – diese Kennzahlen sind nicht falsch geworden, aber sie erklären immer seltener, wie sichtbar eine Marke in der KI-gestützten Suche tatsächlich ist. Denn Sichtbarkeit entsteht heute auch dort, wo Nutzer gar nicht mehr klicken, beispielsweise in KI-generierten Antworten, Quellenbezügen und direkten Markenintegrationen. Wer das mit alten KPIs messen will, misst am eigentlichen Effekt vorbei.
 

Was bedeutet das für die Praxis?

• Die Sichtbarkeit in der AI Search lässt sich in vier Ebenen zerlegen: Erwähnung, Quellenbezug, Integrationsgrad und Kontextrelevanz. Erst ihr Zusammenspiel ergibt ein belastbares Bild.
• Umsatz und Traffic sind als Steuerungsgrößen zu spät und zu grob. Belastbare Entscheidungen benötigen vorgelagerte KPIs: Wie oft wird die Marke als Quelle herangezogen? Wie tief ist sie in die Kernantwort eingebunden?
• Marketing-Effekte können SEO-Zahlen verzerren. AI-Search-Auswertungen müssen deshalb sauber von allgemeinen Nachfrageeffekten getrennt werden.

Was wir daraus für tripuls-Projekte ableiten: 
Für Kunden, die in AI Search investieren möchten, ist das vor allem eine Frage des Reportings: Haben wir ein Messsystem, das Nachfrage, Präsenz, Quellenstärke und Wirkung gemeinsam lesbar macht, oder schreiben wir nur bekannte Metriken fort?

Suchmaschinen beantworten die erste Einstiegsfrage. Die eigentliche Kaufentscheidung fällt jedoch erst auf der Produktseite, wo ganz andere Fragen entstehen, die klassische SEO-Inhalte oft nicht abdecken. Deshalb nutzt hagebau SEO-Daten nicht mehr nur für Rankings, sondern als Fundament für einen KI-gestützten Produktassistenten direkt auf der Detailseite.

Was bedeutet das für die Praxis?

• SEO-Daten wie W-Fragen, Long-Tail-Cluster und Content-Gaps werden zu Trainingssignalen für den Bot. Gute Antworten entstehen nicht durch Zauberei, sondern durch Datenmodellierung und konsequente Bereinigung.
• Guardrails und Prompt-Architektur sind keine technischen Details, sondern Produktlogik: Der Bot darf nicht alles. Bei unvollständiger Datenbasis verweist er an den Kundenservice, statt zu raten, und bei Off-Topic-Fragen wird er höflich gebremst.
• Der Chatbot ist auch ein SEO-Frühwarnsystem: Fragen, die er nicht beantworten kann, zeigen Content-Lücken, die dann durch Produktdetailseiten, Ratgeber und Rankings geschlossen werden können.

Was wir daraus für tripuls-Projekte ableiten: 
Insbesondere für erklärungsbedürftige Produkte, Konfiguratoren und komplexe Sortimente steckt hier großes Potenzial. SEO sollte dabei nicht als Endpunkt, sondern als Rohstoff für digitale Beratung betrachtet werden.

KI-Systeme liefern keine Linklisten mehr, sondern fertige Antwortblöcke. Dabei entscheiden sie selbst, welche Quellen sie heranziehen. Die Zero-Click-Rate liegt bei Google AI Mode bei rund 95 %, bei ChatGPT sogar bei fast 100 %. Sichtbarkeit und Traffic entkoppeln sich damit weiter. Die entscheidende Frage lautet daher nicht mehr »Wie komme ich auf Position 1?«, sondern »Wie werde ich als belastbare Quelle erkannt?«

Was bedeutet das für die Praxis?

• Mehrdeutigkeit zu reduzieren ist das Kernprinzip: Klare Entitäten, einfache deklarative Sprache und faktische Aussagen helfen Systemen dabei, Inhalte einzuordnen und zu zitieren – nicht jedoch Werbeprosa.
• Inhalte müssen »chunkbar« sein, das heißt, sie sollten in eigenständig verständliche Abschnitte unterteilt sein. Zusammenfassungen unter Tabellen und Bildern, klare Hx-Strukturen und semantisch fokussierte Seiten ohne Themenmix erhöhen die Zitierfähigkeit.
• llms.txt, eine einfache Markdown-Datei im Stammverzeichnis der Website, bringt nicht den erhofften Nutzen – die Chance, darüber zitiert zu werden, liegt bei 0,03 %. Struktur, Aktualität und echte Quellenstärke sind die wirksameren Hebel.

Was wir daraus für tripuls-Projekte ableiten: 
»Grounding« sollte nicht als einzelner Seitentyp, sondern als Prinzip für die gesamte Content- und AI-Arbeit gedacht werden – mit besonderer Aufmerksamkeit für deutschsprachige Kunden, die im englischdominanten Retrieval zusätzlich unter Druck stehen.

Ein immer größerer Teil der Website-Zugriffe kommt nicht von Menschen, sondern von Bots, Crawlern, Grounding-Systemen und agentischen Abrufen. Was diese Systeme sehen, ist aber oft etwas anderes als das, was im Browser erscheint. Wer nur die sichtbare Oberfläche optimiert, optimiert an der eigentlichen Zugriffsschicht des modernen Webs vorbei.

Was bedeutet das für die Praxis?

• Technische Sichtbarkeit ist nicht dasselbe wie visuelle Sichtbarkeit: Inhalte, die per JavaScript nachgeladen, per CSS versteckt oder im Shadow DOM vergraben sind, werden von vielen Systemen schlicht nicht erfasst.
• Reale Bot-Tests und Logfile-Analysen ersetzen Vermutungen durch beobachtbares Verhalten. Sie zeigen, welche Inhalte und Pfade tatsächlich genutzt werden, und nicht nur, was Google in der Search Console meldet.
• Agentische Systeme benutzen Websites nicht nur, sie indexieren sie auch: Sie extrahieren Inhalte, führen Abläufe aus und stellen damit neue Anforderungen an die maschinelle Benutzbarkeit.

Was wir daraus für tripuls-Projekte ableiten: 
Logfile-Analysen, HTML-Prüfungen und technische Rendering-Audits sind kein Luxus mehr, sondern die Grundlage, um zu verstehen, was Maschinen tatsächlich mit einer Website machen.

In vielen AI-Search-Debatten stehen Taktiken im Mittelpunkt, die technische Realität wird jedoch zu selten berücksichtigt. Das Ergebnis sind überschätzte Hebel, blinder Aktionismus und viel Aufwand für Dinge, die kaum wirken. Die ehrlichere Frage lautet: Was sehen Systeme überhaupt? Was verstehen sie davon? Und was ist am Ende nur ein Buzzword?

Was bedeutet das für die Praxis?

• llms.txt, MD-Dateien und Schema-Markup sind keine GEO-Abkürzungen. Sie können sinnvoll sein, ersetzen aber weder gute Inhalte noch eine saubere Informationsarchitektur. Klassisches SEO bleibt die Grundlage, auch für AI Search.
• Operative Kleinigkeiten wirken sich systemisch aus: nicht klickbare Links, unlösbare Captchas, Sprachmischmasch und falsche Suggest-Ergebnisse sind keine Randfehler, sondern direkte Eingriffe in die Such-Sichtbarkeit und maschinelle Nutzbarkeit.
• KI-Texte brauchen redaktionelle Steuerung, da generische Floskeln wie »Entdecken Sie ...«, »In der heutigen digitalen Welt ...« oder auffällig glatte Dreierfiguren Inhalte austauschbar machen. Eine Negativliste schärft, was sichtbar und zitierfähig sein soll.

Was wir daraus für tripuls-Projekte ableiten: 
In Pitches und Kundengesprächen ist eine skeptische, faktenbasierte Haltung belastbarer als das Versprechen schneller GEO-Hacks. Die Reife von KI-Suchsystemen entsteht durch saubere Systeme und klare Inhalte, nicht durch Taktiken, die gut klingen.

Die alte Frage lautete: »Kann Google meine Seiten crawlen und ranken?« Die neue lautet: Kann ein Antwortsystem meine Website als verlässlichen Evidenzbaustein verwenden? Das ist keine kleine Verschiebung, sondern eine gänzlich andere Disziplin. Und sie macht technisches SEO strategischer als je zuvor.

Was bedeutet das für die Praxis?

• Citation ist nicht gleich Ranking: Viele in AI-Overviews zitierte URLs stammen aus den Position 11–100 oder liegen sogar außerhalb der Top 100. Wer nur auf Rankings optimiert, optimiert am falschen Output vorbei.
• »Robots.txt ist Policy, CDN ist Realität«: Ob ein Bot tatsächlich Zugriff bekommt, entscheidet sich auf der Ebene von WAF, CDN und Access Layer, nicht in der robots.txt. Eine Website muss auf all diesen Ebenen durchlässig für die Systeme sein, die man erreichen will.
• Eine Website braucht ein Entity Contract, also eine konsistente Wahrheit über Name, Marke, Standort, Expertise und Produktdaten, die sich durch alle Seitentypen zieht. Widersprüchliche Signale machen Inhalte für Antwortsysteme schwer einordenbar.

Was wir daraus für tripuls-Projekte ableiten: 
Das Prüfmodell »Darf, sieht, versteht, zitiert?« könnte ein konkretes Beratungsformat werden – insbesondere für Kunden mit vielen JavaScript-Anwendungen, Commerce-Daten oder dynamischen Inhalten. Bei diesen ist die Lücke zwischen sichtbarer Oberfläche und maschineller Realität in der Regel am größten.

Die klassische Suchergebnisseite im E-Commerce existiert kaum noch: Rund 60 % des sichtbaren Bildschirmplatzes entfallen auf Anzeigen, nur noch 15 % auf organische Treffer. Bei 40–57 % der Shopping-Suchen ist überhaupt kein organisches Ergebnis mehr im sichtbaren Bereich. Gleichzeitig täuschen die verbleibenden Kennzahlen: Wenn der Umsatz pro Sitzung steigt, liegt das oft nicht an besserer Performance, sondern daran, dass der informationsorientierte Traffic weggebrochen ist und die KI ihn übernommen hat.

Was bedeutet das für die Praxis?

• Der Produktfeed ist die wichtigste Stelle im Shop: Er bedient Google Shopping, PMax, Organic Shopping und zunehmend auch KI-Systeme. Ohne Feed können diese Preis, Größe und Verfügbarkeit gar nicht erfassen. Wer als SEO keinen Zugriff auf‘s Merchant Center hat, macht etwas falsch.
• Crawl-Effizienz schlägt Content-Strategie: Bei 200.000 indexierten und 375.000 nicht indexierten Seiten benötigt Google rechnerisch mehr als vier Monate, um alle URLs einmal zu sehen. Andere Bots und LLMs sind noch langsamer. Erst eine schlanke, schnelle Plattform, dann Content.
• GEO im E-Commerce ist ein Buzzword: Es bringt im Shopping-Kontext wenig, auf Zitierungen in KI-Antworten zu optimieren. Nutzer achten auf Produkte, nicht auf Quellen. Was zählt, sind Produktdaten und Performance-Optimierung.

Was wir daraus für tripuls-Projekte ableiten: 
Bei E-Commerce-Kunden gehört der Produktfeed zum SEO-Mandat. Saubere, maschinenlesbare Produktdaten sind die Eintrittskarte, denn was nicht strukturiert und schnell abrufbar ist, existiert für KI-Systeme schlicht nicht.

Viele nutzen KI wie einen Browser-Tab: Aufgabe rein, Ergebnis raus, fertig. Was dabei oft übersehen wird: Die durchschnittliche Genauigkeit liegt bei rund 85 %, das heißt, jede siebte Aussage kann danebenliegen. Wer das Denken vollständig auslagert, verliert mittelfristig Kompetenz und Kreativität. KI als Werkzeug ist in Ordnung, aber die Verantwortung für Urteil und Entscheidung bleibt beim Menschen.

Was bedeutet das für die Praxis?

• Vor jedem KI-Einsatz sind drei Fragen zu klären: Ist die Aufgabe vollständig und reproduzierbar lösbar? Ist der Lösungsweg nachvollziehbar? Ist das Ergebnis kontrollierbar? Wer eine dieser Fragen nicht bejahen kann, sollte den Kopf einschalten statt die KI.
• Vektorembeddings machen Inhalte semantisch rechenbar und eröffnen praktische Anwendungen: Content-Cluster aufbauen, Ähnlichkeiten bestimmen, interne Verlinkung automatisieren und Topic-Autorität systematisch entwickeln.
• Workspaces, Sub-Agents und Context-Engineering statt Browser-Chat: Komplexe Arbeit in Tasks zerlegen, sauber konfigurieren und Guardrails setzen. Bei Kundendaten ist Anonymisierung Pflicht, keine Option.

Was wir daraus für tripuls-Projekte ableiten: 
Das Kriterienraster – reproduzierbar, überprüfbar und deterministisch, wo Genauigkeit zählt – ist eine brauchbare Checkliste, die wir nutzen, bevor wir einen Prozess an die KI übergeben. Und Embeddings für Content-Cluster und interne Verlinkung sind zudem direkt anschlussfähig an unsere bestehenden KI-Lösungen.

Tech-SEO bedeutet in den meisten Fällen, technische Schulden abzutragen, die aus Zeit-, Wissens- oder Prioritätsgründen liegengeblieben sind. Cloudflare ist dabei zwar kein Wundermittel, aber ein erstaunlich günstiger Hebel (der Pro-Plan kostet rund 25 € im Monat), um genau diese Schulden per Knopfdruck abzubauen: HTTP/2, WebP-Konvertierung, Caching, Security-Header und Firewall.

Was bedeutet das für die Praxis?

• Eine Falle sollte man kennen, bevor man anfängt: Cloudflare sperrt den Googlebot standardmäßig – wer das nicht aktiv umstellt, schadet dem eigenen SEO. Außerdem muss der gesamte Traffic über Cloudflare laufen und alle bestehenden DNS-Records müssen sauber übernommen werden.
• Cloudflare Workers ermöglichen Edge-Manipulation in Echtzeit. Bestehende Seiten lassen sich ohne CMS-Eingriff anpassen und dynamische Inhalte lassen sich vorberechnen. Für Sonderfälle ist dies ein mächtiges Werkzeug, das Dev-Tickets ersetzt.
• KI-Crawler lassen sich gezielt steuern: Trainings-Bots können umgeleitet, ein »AI-Labyrinth« für gierige Bots eingerichtet und eine virtuelle robots.txt verwaltet werden. Die integrierte Logfile-Analyse macht dafür eigentlich nötige Extra-Tools überflüssig.

Was wir daraus für tripuls-Projekte ableiten: 
Wenn Dev-Tickets zu technischen Basics seit Monaten brachliegen, ist Cloudflare die pragmatische Abkürzung. Dabei ist es wichtig, die DSGVO-Frage, den Kontrollverlust und die Abhängigkeit offen anzusprechen und den Datenschutzbeauftragten einzubeziehen.

KI-Systeme entwickeln sich von der Textvorhersage hin zur Faktenprüfung – und Vertrauen wird dabei zur entscheidenden Währung. Die Zahlen sind ernüchternd: Rund 10 % der Antworten in Googles »AI Overviews« sollen fehlerhaft sein. Bei einem Audit von zehn großen Sprachmodellen lagen die Halluzinationsraten zwischen 11 und 57 %. Dieses Problem korrigiert sich nicht von selbst. Die Plattform, die Vertrauen und Wahrheit am besten beherrscht, wird gewinnen.

Was bedeutet das für die Praxis?

• Nicht mehr für Keywords optimieren, sondern für »Confidence«: Inhalte benötigen überprüfbare Belege, transparente Quellen und einen klaren Kontext, so dass sowohl Menschen als auch Maschinen ihnen vertrauen können.
• Trust-Signale bedienen drei Ebenen gleichzeitig: Menschen brauchen einen Grund zu glauben (echte Erfahrung, Empathie), Algorithmen brauchen strukturelle Belege (E-E-A-T, Linkprofile, technische Gesundheit) und KI-Systeme brauchen eine maschinenlesbare Bestätigung, die sich gegen externe Quellen überprüfen lässt.
• Marke ist ein Trust-Signal: Das Suchvolumen einer Marke gilt als einer der stärksten Prädiktoren dafür, ob ein Anbieter in KI-Antworten zitiert wird – noch vor klassischen Backlinks. Wer als Marke bekannt, konsistent und oft erwähnt ist, liefert genau die abrufbare Bestätigung, nach der Systeme suchen.

Was wir daraus für tripuls-Projekte ableiten: 
»Optimize for confidence« ist ein verkaufbares Qualitätsversprechen. Dazu gehören transparente Autorschaft, klare Quellen, Aktualitätsmarker und maschinenlesbare Belege als fester Bestandteil von SEO- und Content-Projekten. Ebenso wichtig ist die Investition in Marken- und Personenpräsenz.

Im Jahr 2024 veröffentlichte Google versehentlich seine interne Datenbankdokumentation mit rund 3.000 Modulen und 14.000 Attributen, die nie zur Veröffentlichung gedacht waren. Was steckt wirklich drin? Johan von Hülsen hat sich den Leak vorgenommen und daraus konkrete Ranking-Hebel destilliert – mit dem nötigen Vorbehalt: Es handelt sich um seine eigene Interpretation und nicht um eine Lehrmeinung.

Was bedeutet das für die Praxis?

• Google indexiert nie eine URL, sondern immer ein Dokument. Canonicals, hreflang und Duplikate müssen daher konsequent von dieser Logik aus gedacht werden.
• Identische Links von derselben Domain mit gleichem Anchortext zählen nur bis zu 200, der Rest wird verworfen. Mega-Navigationen mit Hunderten von Links sind somit ein unterschätztes SEO-Problem. Es ist besser, nur die erste Ebene zu verlinken und individuelle, sprechende Anchortexte zu verwenden.
• Qualität wird in thematischen Clustern bewertet, nicht seitenweise. Das NSR-Signal berechnet sich über rund 200 thematisch verwandte Dokumente. Schlechte Seiten im Cluster ziehen gute mit runter. Content-Optimierung und -Löschung müssen deshalb clusterweise und nicht zufällig angegangen werden.

Was wir daraus für tripuls-Projekte ableiten: 
Navigations-Audits gegen das 200-Link-Limit, Canonical-Hygiene und clusterbasiertes Content-Tuning sind direkt umsetzbare Hebel. Das ist klassisches SEO, das auch die Grundlage für KI-Sichtbarkeit bildet.

Hinter der Aussage »SEO ist tot, GEO ist da« steckt vor allem ein Verkaufsargument. Gerade fließen rund 300 Millionen Dollar Risikokapital in GEO-Start-ups, Marketing-Verantwortliche bauen SEO-Teams ab und skalieren KI-Content. Lilys Gegenbefund aus eigener Forschung ist eindeutig: Wer seinen organischen Google-Traffic verliert, verliert wenige Tage später auch seine Zitate in KI-Systemen. Kein SEO, keine GEO-Sichtbarkeit.

Was bedeutet das für die Praxis?

• Schlechtes GEO zerstört SEO: Self-Listicles, bei denen man sich selbst auf Platz 1 setzt, skalierter KI-Commodity-Content und gefälschte Bewertungen im Schema-Markup – Google erkennt dieses Muster. Mehr als die Hälfte der Firmen, die mit KI-Skalierungstools arbeiten, haben 30 % oder mehr Traffic verloren.
• Schema, llms.txt und Markdown-Versionen für Agents schaden nicht und sind schnell erledigt, aber keines davon ist der Wunderhebel, als der es verkauft wird. Googles eigene Aussage dazu: Was funktioniert, heißt weiterhin SEO.
• Personenmarken statt Logo: Echte Fachleute sichtbar machen, persönliche Profile aufbauen und auf LinkedIn sprechen lassen. Menschen folgen Menschen, nicht Logos – und das zahlt messbar auf AI-Citations ein.

Was wir daraus für tripuls-Projekte ableiten: 
»Gutes SEO ist die Voraussetzung für GEO, nicht sein Gegenteil.« Das ist die sachlichste Antwort auf den Hype und zugleich ein klares Argument im Kundengespräch, wenn die Budgets in Richtung schneller GEO-Abkürzungen driften.

Basierend auf rund 400 Millionen ausgewerteten Chats lieferte Malte Landwehr einen datengetriebenen Reality-Check – kein Meinungsbeitrag, sondern eine große Stichprobe. Das ernüchterndste Ergebnis vorab: Ein einheitliches Playbook für alle LLMs gibt es nicht. Die Top-Quellen von ChatGPT, Perplexity und Google AI Overviews unterscheiden sich erheblich. Was bei einem System funktioniert, taucht beim nächsten oft nicht einmal in den Top 10 auf.

Was bedeutet das für die Praxis?

• Self-contained-Inhalte werden zitiert. Es handelt sich um Chunks in deklarativer, faktischer Sprache mit explizit benannten Entitäten und ohne Bezug auf den Satz davor. Zusammenfassungen, FAQ-Blöcke und beschriftete Tabellen funktionieren deshalb so gut.
• Skalierter KI-Content folgt der »Mount AI«-Kurve: steil hoch, steil runter. Wer damit SEO-Rankings ruiniert, fällt auch aus dem Grounding heraus. Bei den Vorzeigekunden eines führenden KI-Content-Tools zeigt ein Fünftel exakt diese Kurvenform, ein weiteres Drittel verliert schlicht Traffic.
• Mentions überwachen, nicht nur Rankings: Ein US-Finanzunternehmen war in Perplexity komplett unsichtbar, weil ein einziger in sich geschlossener Absatz auf der eigenen Website fünf Wettbewerber empfahl. LLMs zogen genau diesen Absatz heran. Nach der Korrektur war die Marke am nächsten Tag die sichtbarste in Perplexity.

Was wir daraus für tripuls-Projekte ableiten: 
Bei international tätigen Kunden muss man je Sprache und Markt getrennt denken. Ein globales Playbook gibt es nicht. Und: zu beobachten, wer und wie über einen Kunden spricht, ist mindestens genauso wichtig wie klassisches Ranking-Monitoring.

Marco Scheel produziert Wollkleidung in Deutschland, nutzt kein LinkedIn und möchte keine Rakete sein. Was er stattdessen hat, ist ein YouTube-Kanal, auf dem er echte Probleme, echte Mitarbeitende und einen viralen Wutausbruch über Bürokratie zeigt, der die Marke Nordwolle bekannt machte – ungeplant, ungeschönt und genau deshalb wirksam. Seine These: Wer vom Herzen denkt statt vom Marketing, bekommt die bessere Reaktion.

Was bedeutet das für die Praxis?

• »Vorhang auf« statt Hochglanz: Lieferschwierigkeiten offen ansprechen, Unfertiges zeigen, Team-Dynamik sichtbar machen. Distanz aufzubauen wäre das eigentliche Risiko. Produkte tauchen bei ihm bewusst nur nebenbei auf, der Rest entsteht aus dem Tun heraus.
• Eine Personenmarke braucht echte Substanz. Scheels Modell lebt von gelebter Leidenschaft und einer Person, die sich exponiert. Wo das fehlt, wird der Versuch zur Pose – und eine aufgesetzte Authentizität ist schnell durchschaubar.
• Das Produkt ist der Backbone: Viele Marken denken heute nur noch in Reichweiten. Scheels Gegenmodell ist radikal produktzentriert – und genau das macht seine Kommunikation glaubwürdig, nicht seine Posting-Frequenz.

Was wir daraus für tripuls-Projekte ableiten: 
Authentische Personen zahlen auf E-E-A-T und Brand-Mentions ein – aber nur, wenn sie echte Substanz bieten. »Mehrwert-Content aus dem Tun« ist das menschliche Gegenmodell zu skaliertem KI-Content. In einer Welt voller synthetischer Antworten ist das ein echter Differenzierungsvorteil.