SEO für ChatGPT
Warum es wichtig ist
und was Sie beachten sollten.
Mit dem Senden der Anfrage stimmen Sie unseren Datenschutzbestimmungen zu.
Optimierungsstrategien für ChatGPT und andere LLMs
Andenken. Umdenken. Umsetzen.
Lässt sich beeinflussen, ob das eigene Unternehmen, dessen Produkte oder dessen Service von ChatGPT erwähnt werden? Idealerweise so, dass dadurch mehr Traffic auf der Firmenwebseite entsteht? Kann man, mit anderen Worten, SEO für ChatGPT betreiben?
Zu bedenken ist, dass ChatGPT und vergleichbare LLMs wie Claude mehr als reine Suchmaschinen sind. Darum könnte man diese Art der Optimierung auch anders benennen, um Verwechslungen zu vermeiden. Olaf Kopp, zum Beispiel, nennt sie LLMO, also Large Language Model Optimization.
Die allgemeine Funktionsweise von LLMs ist zwar bekannt. Details darüber, wie bestimmte Systeme konkret mit Suchanfragen umgehen, sind es aber nicht. Für das LLMO wäre besonders wichtig zu wissen, wie genau die Systeme zu Ergebnissen gelangen, in denen sie auf externe Webseiten verlinken, und wie man diese Ergebnisse beeinflussen kann.
Verlässliche Antworten gibt es noch nicht. Trotzdem lohnt es sich für Firmen, das Thema schon jetzt anzugehen. Wir vom Übersetzungsbüro DialogTicket möchten Sie dabei unterstützen, indem wir mögliche Herangehensweisen vorstellen.
Die populärsten Large Language Models
ChatGPT von OpenAI ist derzeit der klare Marktführer. Das kann sich aber auch schnell ändern. Leider scheint es keine verlässlichen Daten zur Anzahl der Anfragen für jedes System zu geben. Darum versuchen einige, die Popularität indirekt zu erschließen. Zum Beispiel darüber, wie oft nach der Login-URL für das jeweilige System gegoogelt wurde. So macht es die Marketingagentur Definition und kommt für Mai 2023 bis April 2024 zu folgendem Ergebnis:
Rang | LLM Keyword | Ø monatliches Suchvolumen in den USA |
|---|---|---|
1 | ChatGPT login | 823.000 |
2 | Gemini login | 4.100 |
3 | Copilot login | 880 |
4 | Claude login | 590 |
5 | Mistral login | 10 |
6 | Llama login | 10 |
Rang | LLM Keyword | Ø monatliches Suchvolumen in Deutschland |
|---|---|---|
1 | ChatGPT login | 165.000 |
2 | Gemini login | 350 |
3 | Copilot login | 110 |
4 | Claude login | 30 |
5 | Llama login | 10 |
6 | Mistral login | 10 |
3 Gründe, warum klassisches SEO allein nicht mehr reicht
Von unnötigen Links bis zu Suchanfragen jenseits von Suchmaschinen.
SEO, also die Optimierung von Inhalten für Suchmaschinen, war schon immer ein Katz-und-Maus-Spiel. Unternehmen wie Google waren ursprünglich bestrebt, dem Suchenden genau die Informationen zu liefern, die er suchte. Marketer versuchten, ihre Inhalte so zu gestalten, dass sie mit höherer Wahrscheinlichkeit als Treffer für eine Suchanfrage ausgegeben wurden.
Diese Optimierung war nicht immer im Sinne des Suchenden. Unpassende Inhalte fanden immer wieder ihren Weg in die oberen Reihen der Suchmaschinen-Ergebnisseiten. Das wiederum veranlasste Google, die Kriterien dafür, was guter Inhalt ist, zu erweitern und die Algorithmen entsprechend zu ändern. Marketer passten sich an und das Spiel begann von Neuem.
Diese Dynamik wurde zum ersten Mal ernsthaft erschüttert, als Google und andere Suchmaschinen begannen, die Antworten zu den Suchanfragen direkt auf der Ergebnisseite anzuzeigen. Suchende mussten immer seltener auf einen Link klicken und das Benutzeraufkommen auf vielen Unternehmensseiten sank. Ein Problem für Blogbetreiber und Content-Marketing.
In letzter Zeit scheint Google zunehmend organische Treffer zu listen, die weniger gut zur Anfrage passen – vielleicht bewusst. Warum? Vielleicht weil Suchende so mit höherer Wahrscheinlichkeit auf bezahlte Anzeigen klicken. Und das bedeutet: mehr Umsatz für Google. Suchmaschinen werden immer mehr zu Werbeplattformen und eignen sich immer weniger zur ernsthaften Recherche.
Zu guter Letzt ist die Suchlandschaft heute vielfältiger. Gesucht wird zunehmend auf Plattformen wie Amazon, YouTube oder TikTok. Neuerdings kommt die Suche via Large Language Models (ChatGPT Search) hinzu, zum Teil direkt in den Anwendungen (Copilot). Sogar die Suchmaschinen selbst wandeln sich. Zwar laufen derzeit nur ca. 4,33% aller Suchanfragen über ChatGPT, aber hielte die gegenwärtige Entwicklung an, würde ChatGPT in vier Jahren an Google vorbeiziehen.
Es lohnt sich also, bereits jetzt mögliche Strategien anzudenken, wie man dem Wandel am effektivsten begegnet. Ein Problem dabei: Large Language Models sind derzeit noch eine Terra Incognita des SEO. Aber auch wenn die Systeme noch jung sind und sich rasant verändern, lässt sich etwas Licht ins Dunkle bringen.
Plattformübergreifender Anteilam Suchvolumen
Folgendes ist eine Schätzung des Anteils am Suchvolumen im Oktober 2024 unter einer Auswahl an Plattformen. Allerdings sind die Zahlen für die sozialen Medien zu niedrig, da die Schätzung allein auf der Desktop- und Mobilnutzung basiert und Suchanfragen über die jeweilige App nicht beinhaltet. Außerdem sollte man berücksichtigen, dass ChatGPT erst seit Dezember 2024 über eine ausgereiftere Onlinesuche verfügt, die Google ernsthaft Konkurrenz machen könnte.
Wie Sie Teil des Datensatzes von ChatGPT & Co werden
Breit gestreut und populär.
Viele Large Language Models wurden über den sogenannten Common Crawl antrainiert. Das ist ein sehr großer Datensatz, der aus Milliarden von Büchern, Artikeln und Webseiten besteht. Um die Systeme zu verbessern, werden sie in regelmäßigen Abständen mit immer größeren Datensätzen und mit immer mehr Rechenpower antrainiert.
Regelmäßig, aber nicht häufig. Denn das Antrainieren ist sehr, sehr kostspielig. Kostete ChatGPT-3 noch etwas über vier Millionen Dollar, beliefen sich die Kosten für ChatGPT-4 schon auf über 60 Millionen. Es wird geschätzt, dass ChatGPT-5 über eine Milliarde Dollar kosten wird – Personal- und Forschungskosten nicht inklusive.
Ein Ansatz für das LLMO (Large Language Model Optimization) wäre, sicherzustellen, dass Firma, Marke, Produkt oder Service auf Webseiten erwähnt werden, die sehr wahrscheinlich im nächsten Trainingsdatensatz enthalten sein werden. Wie das? Von einigen Domains ist bekannt, dass sie bereits Teil des Common-Crawl-Datensatzes sind. Dazu gehören zum Beispiel Seiten wie Wikipedia, YouTube und Medium. (Empfehlung: bei Videoinhalten unbedingt Transkriptionen oder Untertitel hinterlegen, da kleinere Textdateien eine bessere Chance haben, in den Datensatz aufgenommen zu werden als große Videodateien.) Aufgrund der Kosten und des Trainingsaufwands für die LLMs müssen Optimierungen, die hier ansetzen, allerdings langfristig denken.
Die gute Nachricht: Auch traditionelle Suchmaschinen werten es als Qualitäts- bzw. Vertrauensmerkmal, wenn Ihre Marke, Produkte oder Service vielerorts erwähnt wird. SEO und LLMO überschneiden sich an dieser Stelle.
Die schlechte Nachricht: Das Grundprinzip der Large Language Models basiert auf statistischen Häufigkeiten. Anhand der Wörter im Prompt berechnen die Systeme, was das wahrscheinlichste nächste Token oder Wort ist. Je häufiger Wörter nahe beieinander im Datensatz auftauchen, desto wahrscheinlicher ist es, dass sie Teil der Antwort sind. Niemand weiß allerdings, was hier die Messlatte ist. Reicht es, wenn Ihre Marke auf zwei oder drei größeren Seiten besprochen wird? Vermutlich hängt das, wie im traditionellen SEO auch, davon ab, wie präsent Ihre Konkurrenz im Datensatz ist.
Mehr Kopfzerbrechen bereitet uns bei DialogTicket allerdings ein möglicher Konflikt zwischen SEO und LLMO. Im SEO sollte Duplicate Content vermieden werden. Sind die Inhalte auf verschiedenen Seiten zu ähnlich, strafen Google & Co. das ab. Large Language Models wie ChatGPT reagieren auf Ähnlichkeit in Inhalt und Struktur aber positiv, da sie die statistische Beziehung zwischen den Tokens stärken. Es ist also unklar, wie eine konsistente SEO- und LLMO-Strategie hier aussehen könnte oder ob eine solche überhaupt möglich ist, wenn Sie diesen Ansatz verfolgen.
ChatGPT Search
Ein erster Einblick.
Bereits seit Mai 2023 konnte ChatGPT auf das Internet zugreifen. Das war insofern wichtig, als dass das System nun auch Informationen liefern konnte, die aktueller waren als der Datensatz, mit dem es antrainiert wurde. Ohne diese Funktion, macht weder das Online-Shopping noch die Suche nach tagesaktuellen Nachrichten Sinn. Erst im Dezember 2024 wurde dann GPT-Search-System offiziell in ChatGPT integriert. Dieses beantwortet Suchanfragen ähnlich wie eine traditionelle Suchmaschine. Allerdings reichert es die Ausgabe allerdings mit weiteren Informationen an, ähnlich wie Copilot das basierend auf Bing tut. In diesem Video schaut Robert Leitinger sich die neue Funktion genauer an.
Alternative LLM-Optimierungsstrategien
Autoritativ. Relevant. Klar strukturiert.
Ein Ansatz der LLM-Optimierung ist also, sicherzustellen, dass die gewünschten Firmeninfos in den Trainingsdatensatz einfließen. Dabei sind wir drei Problemen begegnet:
- Aktualisierungen sind nur in großen und unregelmäßigen Abständen möglich.
- Es ist unklar, wie breit gefächert die Onlinepräsenz sein muss, damit das System die Unternehmensinfos bei Antworten mit einbezieht. Aufwand und Kosten sind derzeit ungewiss.
- Möglicherweise funktioniert der Ansatz nur auf Kosten bisheriger SEO-Strategien.
Zum Glück gibt es alternative Ansätze. Statt die Daten anzuvisieren, die beim Training eine Rolle spielen, könnten Sie sich auf die Daten konzentrieren, auf die das System in Echtzeit zugreift, wann immer Onlineinformationen verarbeitet werden. Hier ist relevant, wie genau das Large Language Model diese Daten verarbeitet.
Die einfachste Variante wäre diese: a) Das LLM wandelt den Prompt, der in normaler Alltagssprache formuliert wurde, in eine geeignete Keywordkette um. Da das System lernfähig ist, könnte sich diese Liste von der unterscheiden, die ein Nutzer selbst gewählt hätte. So könnte es bessere Resultate gewährleisten als der Suchende selbst, hätte er eine traditionelle Suchmaschine genutzt. b) Das LLM setzt die Keywords in eine bestehende Suchmaschine ein. c) Es erstellt aus den SERPs der Suchmaschine eine Antwort inklusive Verlinkung für den Nutzer. Derzeit scheinen sich LLMs wie ChatGPT dabei primär auf die obersten Einträge zu konzentrieren. Wenn das so ist und bleibt, wären SEO- und LLMO-Strategie identisch. Solange Ihre Webseiten hoch gerankt werden, müssen Sie sich um Large Language Models keine großen Sorgen machen.
Denkbar wäre aber auch, dass die Systeme lernen, spätere Einträge in den SERPs zu berücksichtigen, sofern sie relevanter erscheinen. Oder sie modifizieren die Keywords, wenn die erste Suchanfrage nicht vielversprechend erscheint. Bei der Beurteilung haben LLMs den Vorteil, dass sie mehr und anderen Kontext zur Verfügung haben als die Suchhistorie des Nutzers oder etwa die Cookies vergangener Webseitenbesuche. Je nach Einstellung des Nutzers könnten sie prinzipiell den gesamten Verlauf der Kommunikation oder sogar alle vergangenen Interaktionen mit berücksichtigen. So könnten sie die Suchabsicht besser verstehen als herkömmliche Suchmaschinen. Ob dann eine Optimierung für die Nutzer allgemein noch möglich wäre, ist allerdings fraglich. Je individueller oder spezifisch der Kontext ist, desto schwieriger wird es, allgemeine Relevanzkriterien zu identifizieren.
Eine letzte Variante wäre, die Keyword-basierte Suche in Rente zu schicken und sie durch eine alltagssprachliche zu ersetzen. Statt auf herkömmliche Suchmaschinen zuzugreifen, könnten ganze neue Formen der Indexikalisierung und Evaluation möglich werden, die wenig mit Keywords zu tun haben und deutlich sensibler sind für Kontext.
Auch bei DialogTicket wissen wir nicht, wohin die Reise geht. Daher können wir keine klare Empfehlung geben, was zu tun ist. Aber wenn man mit vielen unbekannten Variablen konfrontiert ist, ist es oft vielversprechend, das zu tun, was besonders schwer ist. So ist es weniger wahrscheinlich, nachgeahmt zu werden. Letztlich ist das auch, was seriöse SEO-Experten empfehlen: Erstellen Sie hochwertige, klar strukturierte, neu Inhalte, die dem Suchenden einen Mehrwert bieten und sich von der Konkurrenz abheben. Wenn es Ihnen dann noch gelingt, Ihre Marke in aller Munde zu bringen, haben Sie wahrscheinlich eine solide Grundlage für LLMO geschaffen.