LLM-Optimierung: Wie KMU in AI-Antworten auftauchen

Large Language Models — ChatGPT, Claude, Gemini, Perplexity — beantworten täglich Millionen von Fragen. Darunter auch: "Welchen Steuerberater soll ich nehmen?", "Wer macht gutes Webdesign?" und "Welchen Coach empfiehlst du?"

Die Antwort: Konkrete Anbieter. Mit Namen. Und oft mit einer Erklärung, warum genau diese Anbieter empfohlen werden. Die Frage für dich als Unternehmer: Bist du einer davon?

Was LLM-Optimierung bedeutet

LLM-Optimierung (manchmal auch LLMO genannt) beschreibt alle Maßnahmen, die dafür sorgen, dass Large Language Models dein Unternehmen kennen, korrekt beschreiben und bei relevanten Anfragen empfehlen.

Es ist verwandt mit Generative Engine Optimization (GEO), fokussiert sich aber spezifisch auf die Modelle selbst — nicht nur auf die Suchmaschinen, die sie nutzen.

Wie LLMs Informationen über dich finden

LLMs nutzen drei Informationsquellen:

1. Trainingsdaten: Die Webseiten, mit denen das Modell trainiert wurde. Wenn deine Website zum Zeitpunkt des Trainings relevant und gut strukturiert war, kennt das Modell dich.
2. Retrieval (RAG): Viele LLMs durchsuchen das Web in Echtzeit, um aktuelle Informationen zu finden. Hier zählt die aktuelle Qualität deiner Website.
3. Drittquellen: Erwähnungen auf anderen Websites, in Verzeichnissen, Bewertungsportalen und Artikeln. LLMs bewerten, ob mehrere unabhängige Quellen dich nennen.

Warum KMU besonders profitieren können

Große Marken dominieren die Google-Suchergebnisse. Bei LLM-Empfehlungen sieht es anders aus. ChatGPT empfiehlt oft spezialisierte Anbieter statt Generalisten. Ein Nischen-Coach mit klar strukturierter Website kann vor einer großen Agentur empfohlen werden — wenn die Informationen stimmen.

Das ist die Chance: LLM-Optimierung belohnt Klarheit, Spezialisierung und gute Struktur. Nicht Budget.

Konkrete Maßnahmen für KMU

Schritt 1: Bestandsaufnahme

Frag ChatGPT, Claude und Perplexity: "Empfehle mir einen [deine Dienstleistung] in [deine Stadt]". Sieh dir an, wer empfohlen wird und warum. Das ist deine Benchmark.

Schritt 2: Schema Markup

Das technische Fundament. Organization-Schema auf jeder Seite, Service-Schema auf Leistungsseiten, LocalBusiness-Schema wenn du lokal arbeitest. Unser Schema-Markup-Guide erklärt die Details.

Schritt 3: Content-Klarheit

Überarbeite deine Texte mit einer Frage: "Kann ein LLM aus diesem Satz eine Empfehlung ableiten?" Ersetze vage Aussagen durch konkrete Fakten. Nenne Zahlen, Erfahrungsjahre, Spezialisierungen, Regionen.

Schritt 4: FAQ-Offensive

Erstelle FAQ-Sektionen auf jeder wichtigen Seite. Verwende die Fragen, die deine Kunden tatsächlich stellen. Formatiere sie mit FAQPage Schema Markup. Das ist einer der effektivsten Hebel.

Schritt 5: Externe Präsenz

Trage dich in relevante Verzeichnisse ein. Schreibe Gastbeiträge. Baue Partnerschaften auf, die zu Erwähnungen führen. LLMs vertrauen Unternehmen, die von mehreren unabhängigen Quellen genannt werden.

LLM-Optimierung ist kein einmaliges Projekt

Die Modelle werden regelmäßig aktualisiert. Was heute funktioniert, kann morgen anders gewichtet werden. Deshalb ist laufende Optimierung wichtig: neuer Content, aktuelle Daten, und regelmäßige Überprüfung, ob und wie du empfohlen wirst.

Der Aufwand lohnt sich: Wer einmal als vertrauenswürdige Quelle etabliert ist, profitiert von einem Empfehlungseffekt, der mit jedem Modell-Update stabiler wird.