Am 18. und 19. Juni fand die CAMPIXX 2026 vor den Toren Berlins statt. Das Hotel lieferte die passende Kulisse, das Wetter war fast ein bisschen zu gut, weshalb wir für die funktionierende Klimaanlage sehr dankbar waren. Inhaltlich kam kaum ein Gespräch an KI vorbei. Ob in den Sessions oder zwischen den Vorträgen: Früher oder später ging es fast immer um AI Overviews, Gemini und Co. oder um die Frage, wie sich SEO/GEO entwickelt.
Lily Ray: How SEO & GEO work together: Do great GEO without destroying your SEO
Nach der offiziellen Begrüßung startete das Vortragsprogramm mit der Keynote von Lily Ray. Sie machte direkt klar: Google spreche weiterhin von SEO, auch wenn sich die Suchlandschaft durch AI Overviews, ChatGPT, Gemini und Co. massiv verändert habe. Damit war der Ton für die Konferenz ziemlich gut gesetzt.
Ihre Sicht auf den aktuellen GEO-Hype war deutlich. Lily Ray warnte vor kurzfristigem GEO-First-Denken, bei dem Google aus dem Blick gerate, Content-Qualität sinke oder klassische SEO-Kompetenz verloren gehe. Der Verlust organischer Sichtbarkeit könne ihren Beobachtungen zufolge langfristig auch die Sichtbarkeit in KI-Systemen gefährden.
Massenhaft skalierter KI-Content, repetitive SEO-Templates, gekaufte oder unauthentische Erwähnungen und selbstoptimierte Listicles seien keine nachhaltige Strategie. Die Botschaft aus der Keynote: GEO ist kein Shortcut. Langfristige Sichtbarkeit in AI Overviews, ChatGPT oder anderen KI-Systemen braucht weiterhin ein solides SEO-Fundament und Inhalte, die für Menschen hilfreich sind.
Sandra Signore: Human SEO: Zwischen Neuron und Algorithmus – warum Empathie der wahre Ranking-Faktor ist
Auch Sandra Signore rückte die Frage in den Mittelpunkt, was Inhalte langfristig wertvoll macht – allerdings aus einer ganz anderen Perspektive. Als studierte Medizinerin brachte sie neuropsychologische Grundlagen mit SEO zusammen und zeigte auf, warum Inhalte überhaupt wirken. Ihre zentrale These: KI löse zwar das Produktionsproblem, aber nicht das Bedeutungsproblem. Sie könne Empathie simulieren, echtes Nachfühlen aber nicht ersetzen.
Vertrauen entstehe vor allem dort, wo Inhalte Orientierung geben, Unsicherheit reduzieren und echte Erfahrung spürbar machen. Hier schließt sich für uns der Kreis zu E-E-A-T: Auch Google bewertet Qualität nicht losgelöst von menschlichen Erwartungen an Glaubwürdigkeit, Expertise und Nachvollziehbarkeit. Viele dieser Faktoren sind im SEO bekannt, geraten im KI-Hype aber schnell in den Hintergrund. Dabei bleiben zielgruppenspezifische Ansprache, Persönlichkeit, Marke und Vertrauen entscheidend.
Jana Fuhl und Jan Bugla: LLM-Readability: So schmecken Texte den KIs am besten
Nach Vertrauen und Bedeutung ging es bei Jana Fuhl und Jan Bugla stärker um die handwerkliche Ebene: Wie müssen Inhalte aufgebaut sein, damit KI-Systeme sie möglichst gut verarbeiten können? Im RAG-Prozess zähle die einzelne Passage stärker als das komplette Dokument. KI-Systeme würden Titel, Meta-Description, Überschriften und Textabschnitte scannen, bevor daraus eine Bewertung und später eine Antwort entstehe.
Entscheidend seien dabei vor allem vier Dinge:
- Chunkbarkeit: Absätze sollten als eigenständige, zitierfähige Nuggets funktionieren.
- Faktendichte: Eine zentrale Aussage reicht pro Absatz, idealerweise mit Beleg oder Kontext.
- Entitätenklarheit: Eindeutige Begriffe und Mehrwort-Phrasen statt missverständlicher Einzelwörter nutzen.
- Informationshierarchie: Die wichtigsten Fakten gehören weit nach vorn – im Text und im Absatz.
Für gute GEO-Inhalte sollten Überschriften klare Fragen oder Themen setzen, die Antwort direkt darunter stehen und wichtige Folgefragen sowie ihre Beantwortung mitgedacht werden. Dazu kommen konkrete Zahlen, Daten und Fakten, kurze Absätze, saubere Sprache und ein guter Mix aus Fließtext und strukturierenden Elementen. Verständliche, präzise und gut strukturierte Texte funktionieren für Menschen besser und deshalb auch für KI-Systeme.
Lazarina Stoy: Context (not Content) is King in AI Search
Für mich knüpfte Lazarina Stoys Vortrag an einige Gedanken aus den vorherigen Sessions an, verlagerte den Fokus aber vom einzelnen Inhalt stärker auf den Kontext, in dem Inhalte verstanden werden. Nach ihren Studien könne die gleiche Suchanfrage in KI-Systemen zu unterschiedlichen Antworten führen, abhängig von Browserverlauf, Situation, persönlichen Daten oder sogar verknüpften Diensten wie Gmail bei Gemini. Die klassische Suche personalisiere vor allem die ausgespielten Ergebnisse. AI-Search beeinflusse hingegen zunehmend die Interpretation einer Anfrage und die daraus entstehenden Sub-Queries.
Für Brands bedeute das: Sichtbarkeit entstehe stärker auf Absatz-, Entitäts- und Kontext-Ebene. Eine Marke müsse für Maschinen eindeutig erkennbar sein – über klare Entitäten, Schema-Mark-up, konsistente Attribute, Social Signals und sinnvolle Vergleichsseiten. Agents würden Informationen finden, auswählen und einordnen. Deshalb bräuchten Inhalte klare Aussagen zur Marke, zum Produkt, zur Zielgruppe und zur Abgrenzung gegenüber Wettbewerbern. Tabellen allein würden dafür oft nicht ausreichen. Erklärende Texte, Vergleichsseiten und FAQs sollen KI-Systemen dabei helfen, Inhalte besser einzuordnen und für Antworten zu nutzen.
Artur Kosch: Was ist Sichtbarkeit, wenn niemand mehr klickt?
Klicks, Impressions und Suchvolumen wirken in Zeiten von AI Search immer weniger wie stabile SEO-Kennzahlen. Artur Kosch stellte am zweiten Konferenztag verschiedene Ansätze vor, um Sichtbarkeit neu zu bewerten. Klassische Kennzahlen würden zunehmend an Aussagekraft verlieren, während die Präsenz in KI-Antworten immer wichtiger werde.
Statt klassischer Keyword-Logik rückte Artur Kosch Prompts, Quellen und AI Visibility in den Mittelpunkt. In AI Search gehe es weniger um einzelne Keywords und stärker um die Prompt-Recherche, Query-Fan-out, Intent-Cluster und die Frage, ob Inhalte für KI-Systeme extrahierbar und zitierbar seien. Greifbar wurde das hauptsächlich anhand der fünf KPIs für AI Visibility:
- Ranking
- Visibility
- Share of Voice
- Sentiment
- Retrieved
Sichtbarkeit allein reiche nicht aus, wenn eine Marke zwar erwähnt, aber kritisch oder ohne Empfehlung dargestellt werde. Gleichzeitig habe jede Branche eigene Quellen, die für KI-Antworten relevant werden könnten. Der Vortrag brachte damit eine wichtige Verschiebung auf den Punkt: SEO-Erfolg lasse sich künftig weniger über einzelne Klicks erklären. Wichtiger werde, ob eine Marke in relevanten Antworten auftauche, wie sie dort dargestellt werde und ob die Inhalte konkrete Fragen klar und verständlich beantworteten.
Christian Dietz: Gelesen, gefühlt, geklickt: Neuromarketing-Hacks für starke SEO-Texte
Christian Dietz zeigte in seinem Vortrag, wie Erkenntnisse aus dem Neuromarketing dabei helfen können, Inhalte verständlicher und wirkungsvoller zu gestalten. Als Grundlage diente das FRED-Modell, das beschreibt, welche Mechanismen das menschliche Gehirn besonders antreiben: fast, reward-driven, emotional und deep. Entscheidungen fallen häufig unter Zeitdruck, stark emotional und gern entlang bekannter Muster. Das Gehirn wähle dabei möglichst den leichtesten Weg, blende Irrelevantes aus und könne nur wenige Informationen gleichzeitig verarbeiten.
Für SEO-Texte heißt das: Inhalte müssen schnell verständlich, konkret und belohnend sein. Praxisnah waren die Neuromarketing-Effekte relevant:
- Priming: Der erste Eindruck prägt die weitere Wahrnehmung.
- Because Heuristic: Begründungen machen Aussagen anschlussfähiger.
- Fluency Effect: Einfache, bildhafte Sprache wird schneller verarbeitet.
- Concrete Language Effect: Konkrete Formulierungen bleiben leichter hängen.
- Mere Exposure Effect: Wiederholte Botschaften wirken vertrauter.
Damit stützte auch dieser Vortrag viele der Aussagen der anderen Beiträge. Komplexität ist selten ein Vorteil – weder für Menschen noch für KI-Systeme. Menschen suchen Orientierung, Vertrautheit und schnelle Antworten. Deshalb funktionieren konkrete Sprache, bekannte Denkmuster, klare Nutzenversprechen und eine Kommunikation, die sich leicht erfassen lässt.
Ulf-Hendrik Schrader: Wikipedia-PR für GEO: Voraussetzungen, Risiken, Best Practices
Wikipedia ist für GEO relevant, weil die Plattform in Trainingsdaten einfließt, bei Zitaten sichtbar werden kann und auch bei Entitätsfragen eine wichtige Rolle spielt: Wann wurde ein Unternehmen gegründet, wem gehört es, wie wird es eingeordnet? Laut Ulf-Hendrik Schrader sei die Wahrscheinlichkeit, dass Wikipedia KI-Antworten beeinflusse, höher, je näher eine Frage an einer Entität liege.
Wikipedia ist ein soziales System mit eigenen Regeln. Relevanz entstehe durch nachweisbare, überregionale Bedeutung, mehrere unabhängige und zuverlässige Quellen sowie eine substanzielle Berichterstattung. Unternehmen stellen sich auf der eigenen Website selbst dar, Medien berichten darüber, was passiert – Wikipedia ordnet ein, was ein Unternehmen ist.
Für die Praxis heißt das vor allem: regelkonform, transparent und geduldig arbeiten. Bestehende Artikel sollten diplomatisch und abschnittsweise aktualisiert, größere Änderungen auf der Diskussionsseite angekündigt und Feedback der Community verarbeitet werden. KI-generierte Updates seien dagegen tabu, da Wikipedia eine KI-freie Zone sei und Verstöße schnell Vertrauen kosten könnten.
Fazit: SEO/GEO braucht starke Grundlagen
Von AI Overviews bis zu neuen Sichtbarkeits-KPIs: Trotz des Wandels, den die KI-Suche auslöst, führen viele Themen zurück zu bekannten Grundlagen. Hilfreiche Inhalte, eine klare Struktur, echte Erfahrung, Vertrauen, saubere Quellen und eindeutige Entitäten bleiben weiterhin ausschlaggebend für den Erfolg. Entscheidend für GEO ist daher, die SEO-Basics auf Webseiten weiterhin ernst zu nehmen. Gute Inhalte geben Menschen Orientierung, bleiben für Suchmaschinen verständlich und können von KI-Systemen sinnvoll genutzt werden.
