Was ist LLMO? Der deutsche Name für GEO, und was die KI zitiert, wenn man sie danach fragt

LLMO steht für Large Language Model Optimization. Es bezeichnet dieselbe Disziplin wie GEO, Generative Engine Optimization, und Google selbst behandelt die beiden als eine Sache: wer in Deutschland «llmo» sucht, bekommt neben den Ergebnissen einen Wissenspanel, der Generative Engine Optimization erklärt.

Der Begriff ist im deutschsprachigen Raum deutlich verbreiteter als im englischen. Das ist keine Behauptung, sondern das, was die Nachfrage zeigt, und es hat eine praktische Folge für jede Marke, die in Deutschland gefunden werden will.

Wie das gemessen wurde: Suchvolumen am 8. August 2026, Land Deutschland und Sprache Deutsch explizit gesetzt, mit Clickstream-Aufschlüsselung. Die Zitationsdaten stammen aus einer eigenen Messung vom selben Tag, ein Durchlauf je Oberfläche. Zuerst liefen Google AI Overview und Google AI Mode, weil der Aufruf über alle vier Oberflächen in eine Zeitüberschreitung lief und wir zwei echte Oberflächen statt vier mit zwei erfundenen veröffentlichen. ChatGPT und Gemini wurden am selben Tag nachgeholt und stehen als eigene Zeile im Register. Ein Teil dieses Artikels ist am selben Tag korrigiert worden, und die Korrektur steht weiter unten im Text statt in einer Fußnote. Prompt, Markt, Datum und Durchläufe stehen im Messregister.

Die kurze Fassung

1. LLMO und GEO bezeichnen dasselbe. Beide Oberflächen sagen das von sich aus, und Googles eigener Wissenspanel zum Suchwort «llmo» beschreibt Generative Engine Optimization.
2. «llmo» ist in Deutschland 390 Suchanfragen im Monat wert, bei einer Keyword-Schwierigkeit von 0 und einem Klickpreis von 16,24 €.
3. Siebzehn Domains wurden zitiert, sechs davon von beiden abgefragten Oberflächen. Das ist der höchste Wert, den wir gemessen haben. Wie wir seither wissen, ist es auch der oberste Rand einer Spanne und kein typischer Wert. Siehe die Korrektur weiter unten.
4. Definitionsfragen verhalten sich anders als Kauffragen, aber anders, als hier zuerst stand. Nachgemessen am selben Tag: bei Definitionsfragen zitiert ChatGPT meistens überhaupt nichts. Das ist das eigentliche Ergebnis und es ist unbequemer als das ursprüngliche.
5. Kein einziger Anbieter von Messwerkzeugen wurde zitiert. Die Antwort auf «was ist das» kommt von Agenturen und Fachmedien.

Die Nachfrage, gemessen

Gemessen am 8. August 2026, Land und Sprache explizit gesetzt.

Zwei Zahlen daran sind bemerkenswert. Ein Klickpreis von 16,24 € für eine rein informationelle Frage ist hoch: jemand zahlt sechzehn Euro dafür, dass ein Mensch eine Definition liest. Und eine Keyword-Schwierigkeit von 0 daneben bedeutet, dass niemand um diese Definition ernsthaft kämpft.

Zum Vergleich: die englischsprachige Kategorie benutzt das Wort kaum. In Japan ist «llmo» dagegen 12.100 Suchanfragen im Monat wert und hat GEO als Bezeichnung praktisch verdrängt. Es ist derselbe Gegenstand mit drei Märkten und drei Namen.

Was LLMO ist, und was es nicht ist

Dieselbe Unschärfe trifft AEO und SEO, und sie löst sich mit Messungen besser als mit Definitionen: ob es überhaupt eine Antwort gibt, wer ihre Zitate hält und welche Seite was gewinnt, steht in AEO gegen SEO, gemessen.

LLMO ist die Arbeit daran, wie ein großes Sprachmodell eine Marke versteht und wiedergibt. Praktisch heißt das: Fakten über die Marke im Web widerspruchsfrei verankern, Entitäten sauber benennen, und Inhalte so schreiben, dass ein Modell einen Absatz herausgreifen und zitieren kann, ohne den Rest der Seite zu brauchen.

GEO ist dieselbe Arbeit, benannt nach der Oberfläche statt nach dem Modell. Manche Quellen ziehen eine Trennlinie: LLMO ziele auf das Gedächtnis des Modells, GEO auf die Zitation in einer Suchoberfläche. Die Trennung ist nicht falsch, aber sie beschreibt zwei Enden derselben Kette, und in der Praxis überschneiden sich die Maßnahmen fast vollständig.

Was beides nicht ist: eine Position. Es gibt keine Rangliste, in der man steht. Es gibt Antworten, und in einer Antwort kommt eine Marke vor oder nicht, und eine Quelle wird zitiert oder nicht. Das sind zwei verschiedene Ergebnisse, und sie zu vermischen ist der häufigste Fehler in dieser Kategorie. Der Unterschied steht ausführlich in unserem GEO-Glossar.

Was die KI zitiert, wenn man sie nach LLMO fragt

Wir haben am 8. August 2026 gefragt: «Was ist LLMO und wie unterscheidet es sich von GEO?», mit Land Deutschland und Sprache Deutsch explizit gesetzt.

Siebzehn verschiedene Domains insgesamt. Sechs wurden von beiden Oberflächen zitiert, elf nur von einer.

Die sechs, auf die sich beide stützen: seokratie.de, devcommx.com, neilpatel.com, seo-kreativ.de, serpstat.com und blog.clickpointsoftware.com. Vier davon sind Agenturen oder Beratungen, eine ist der Blog eines Werkzeuganbieters, eine ist ein Softwareunternehmen aus einer anderen Branche.

Und hier stand der Teil, der uns überrascht hatte, bis wir ihn nachgemessen haben.

Korrektur vom 8. August 2026: hier stand ein falscher Schluss

An dieser Stelle stand, dass Definitionsfragen stabil sind und Kauffragen nicht, und dass die Definitionsebene deshalb der stabilere Platz für eine Marke ist. Das war nicht sauber gefolgert, und wir haben es am selben Tag nachgemessen.

Der Vergleich lautete: bei Kauffragen fast keine Übereinstimmung zwischen den Oberflächen, bei dieser Definitionsfrage sechs von siebzehn Domains auf beiden. Die Einschränkung stand sogar im Text, nämlich dass die Kauffragen über vier Oberflächen liefen und diese Messung über zwei. Wir haben sie hingeschrieben und trotzdem darüber hinweg argumentiert.

Der Fehler steckt genau dort. Die zwei Oberflächen dieser Messung waren AI Overview und AI Mode, und das sind die beiden, die bei jeder Frage Quellen zitieren. Wer nur sie betrachtet, wählt die Übereinstimmung mit aus. Verglichen wurde also eine Zwei-Google-Oberflächen-Messung mit Vier-Oberflächen-Messungen, und der Unterschied wurde als Eigenschaft der Frage gelesen.

Mit vier weiteren Definitionsfragen sieht die Übereinstimmung zwischen denselben zwei Google-Oberflächen so aus: 29 % bei der englischen GEO-Definition, 19 % bei der spanischen, 11 % bei der Definition von E-Mail-Automatisierung, 10 % bei der französischen, und 35 % hier. Die deutsche Zahl ist der obere Rand einer Spanne und kein typischer Wert.

Was stattdessen gilt: bei Definitionsfragen zitiert ChatGPT niemanden

Das Ergebnis, das die Nachmessung an die Stelle des alten setzt, ist härter und nicht weicher.

Am 8. August 2026 haben wir dieselbe Kategorie zweimal gefragt, im selben Markt, in derselben Sprache, am selben Tag, über dieselben zwei Oberflächen. Auf «welche E-Mail-Marketing-Plattform ist die beste für E-Commerce» zitierte ChatGPT acht Domains und Gemini fünf. Auf «was ist E-Mail-Marketing-Automatisierung» zitierten beide null.

Über 6 Definitionsfragen in vier Sprachen hat ChatGPT in genau einer überhaupt etwas zitiert, nämlich in dieser hier. Über neun Kauffragen hat es in allen neun zitiert.

Für eine Marke folgt daraus etwas anderes als vorher. Eine Definitionsseite ist eine Wette auf die Google-Oberflächen, nicht auf die Chat-Assistenten. AI Overview und AI Mode zitierten bei jeder Definitionsfrage Quellen, zwischen 8 und 23 Domains. Das ist eine echte und gewinnbare Fläche. Bei einem Begriff, den das Modell für geklärt hält, sucht der Chat-Assistent dagegen gar nicht erst, und was diese Woche veröffentlicht wird, erreicht eine Antwort nicht, die keine Suche ausführt.

Und diese Frage hier ist die Ausnahme, die das zeigt: sie ist die einzige Definitionsfrage im ganzen Satz, bei der ChatGPT eine Suchanfrage abgesetzt hat. LLMO ist neu genug und umstritten genug, dass das Modell nachschlägt statt aus dem Gedächtnis zu antworten. Das ist ein Vorteil, der mit der Zeit verschwindet, nicht wächst.

Die vollständige Untersuchung mit allen sieben Läufen steht in definition questions get no citations.

Nachgemessen am 18. August 2026: der Vorteil ist weg

Der Absatz oben endet mit einem Satz, den wir am 8. August geschrieben haben: ein Vorteil, der mit der Zeit verschwindet, nicht wächst. Zehn Tage später haben wir dieselbe Frage noch einmal gestellt, Wort für Wort, mit demselben Land und derselben Sprache.

Am 8. August war dies die einzige Definitionsfrage im ganzen Satz, bei der ChatGPT eine Suchanfrage abgesetzt hat. Zehn Tage später gibt es keine Suchanfrage und keine Zitation. Die Antwort ist weiterhin fachlich sauber, sagt weiterhin, die beiden Begriffe würden teilweise synonym verwendet, und entsteht jetzt, ohne dass irgendetwas nachgeschlagen wird.

Lesbar wird diese Null erst durch die Kontrollfrage. Eine Null sagt an einem Tag, an dem das Werkzeug überhaupt nichts abruft, gar nichts aus. Also lief die Kauffrage am selben Tag, wenige Minuten später: 4 zitierte Domains und 4 protokollierte Suchanfragen, bei 45 Suchergebnissen. Der Abruf funktionierte. Er wurde bei der Definition nur nicht benutzt.

Was das nicht ist, gehört dazu. Es sind zwei Zeitpunkte und keine Reihe, ein Lauf je Zelle, und eine beobachtete Richtung ist keine belegte Ursache: nichts hier zeigt, dass es das Reifen des Begriffs war, das die Tür geschlossen hat, nur dass sie sich in den zehn Tagen geschlossen hat, nachdem wir gesagt hatten, man solle darauf achten. Der zweite Lauf desselben Tages kam byteweise identisch zurück, was der Cache ist, den die vollständige Untersuchung dokumentiert, und keine zweite Beobachtung.

Für eine deutsche Marke ist das die praktisch wichtigste Zahl dieses Artikels. Wer die Definition einer Kategorie besetzen will, hat dafür kein offenes Fenster, sondern ein frühes. LLMO war am 8. August jung genug, dass der Assistent nachgeschlagen hat; zehn Tage Web, das darüber schreibt, haben offenbar gereicht, damit er es nicht mehr tut.

Wer nicht zitiert wurde

Kein einziger Anbieter von Messwerkzeugen für KI-Sichtbarkeit erscheint in den siebzehn Domains, mit einer Ausnahme: der Blog von Serpstat, und der wurde für einen Vergleichsartikel zitiert, nicht für ein Produkt.

Das ist kein Zufall, und es passt zu einem Muster, das wir in mehreren Märkten gemessen haben: auf die Frage «was ist das» antworten Agenturen und Fachmedien, nicht Werkzeuge. Ein Anbieter, der glaubt, seine Produktseite werde die Definition seiner Kategorie liefern, misst das besser nach, bevor er darauf baut. Wir haben es nachgemessen, und wir kommen selbst nicht vor.

Was das für eine deutsche Marke heißt

• Schreiben Sie den Absatz, den ein Modell herausgreifen kann. Eine Definition, die ohne den Kontext darüber und darunter funktioniert, mit der Zahl darin. Das ist die Form, die in unseren Messungen zitiert wird.
• Benutzen Sie den Namen, den Ihr Markt benutzt. In Deutschland ist das häufig LLMO, im Englischen GEO, in Japan fast ausschließlich LLMO. Eine Seite, die nur einen der drei Namen kennt, ist für zwei Märkte unsichtbar.
• Messen Sie mit gesetztem Land und gesetzter Sprache. Die meisten Werkzeuge dieser Kategorie sind auf die USA und Englisch voreingestellt und sagen es nicht.
• Wiederholen Sie. Ein Durchlauf ist eine Momentaufnahme. Diese Messung hier ist ausdrücklich eine, und deshalb steht sie mit Datum und Durchlaufzahl im Register statt als Prozentsatz in einer Überschrift.

Wie eine Definitionsseite aussieht, die zitiert wird

Die sechs Domains, auf die sich beide Oberflächen stützen, haben wenig gemeinsam: eine große deutsche SEO-Agentur, ein Blog aus Indien, Neil Patel, eine kleinere deutsche Agentur, der Blog eines Werkzeuganbieters und ein Softwareunternehmen aus einer anderen Branche. Kein gemeinsamer Domain-Autoritätswert, keine gemeinsame Größe, keine gemeinsame Sprache.

Was sie gemeinsam haben, ist die Form. Jede dieser Seiten beantwortet die Frage «was ist X» in einem Absatz, der für sich steht, benennt die Abkürzung ausgeschrieben, und stellt die Begriffe nebeneinander statt sie nacheinander abzuhandeln. Mehrere enthalten eine Tabelle, die LLMO, GEO, AEO und SEO in Spalten vergleicht.

Das ist keine Überraschung, sondern die Bestätigung von etwas, das eine kontrollierte Untersuchung bereits gezeigt hat: in der Princeton-Studie GEO-bench über 10.000 Anfragen erhöhten Zitate den Anteil einer Quelle an der Antwort um 41 %, Statistiken um 30 % und belegte Quellen um 27 %, während Keyword-Stuffing schlechter abschnitt als gar nichts zu tun. Ein Modell greift den Absatz heraus, der ohne Kontext funktioniert und eine überprüfbare Angabe enthält.

Die praktische Folge für eine deutsche Seite: eine Definition, die drei Bildschirme Vorgeschichte braucht, wird nicht zitiert, egal wie gut sie ist. Eine Definition, die im ersten Absatz steht, die Abkürzung auflöst und eine Zahl mit Quelle trägt, hat eine Chance.

Was wir nicht gemessen haben

• ChatGPT und Gemini zu dieser Frage. Nachgeholt am selben Tag. Hier stand, dass der Aufruf über alle vier Oberflächen in eine Zeitüberschreitung lief und zwei Oberflächen deshalb fehlen. Sie sind inzwischen abgefragt: ChatGPT zitierte drei Domains, Gemini sieben. Beide stehen als eigene Zeile im Register und nicht in die alte gemischt, weil es zwei getrennte Aufrufe waren und eine zusammengelegte Zeile eine Gleichzeitigkeit behaupten würde, die wir nicht hatten.
• Wiederholungen. Ein Durchlauf je Oberfläche. Das reicht, um zu zeigen, dass es einen gemeinsamen Kern gibt, und nicht, um seine Größe als Rate anzugeben.
• Ob die zitierten Definitionen richtig sind. Wir haben gezählt, wen die KI heranzieht, nicht bewertet, was dort steht.
• Perplexity und Claude. Unsere Messung liest ChatGPT, Gemini, Google AI Overview und Google AI Mode über ihre echten Oberflächen. Die beiden anderen gehören nicht dazu, und wir behaupten nichts über sie.

Häufige Fragen zu LLMO

Was bedeutet LLMO?

LLMO steht für Large Language Model Optimization, auf Deutsch die Optimierung für große Sprachmodelle. Gemeint ist die Arbeit daran, dass eine Marke in den Antworten generativer KI-Systeme korrekt verstanden, genannt und zitiert wird.

Ist LLMO dasselbe wie GEO?

In der Praxis ja. Beide von uns befragten KI-Oberflächen sagen das von sich aus, und Googles eigener Wissenspanel zum Suchwort «llmo» beschreibt Generative Engine Optimization. Manche Quellen trennen die Begriffe nach Blickrichtung, Modell gegen Suchoberfläche, aber die Maßnahmen überschneiden sich fast vollständig.

Wie unterscheidet sich LLMO von SEO?

SEO optimiert für sortierte Linklisten auf Basis von Keywords und Verlinkung. LLMO optimiert dafür, wie Informationen von einem Sprachmodell ausgewählt, zusammengefasst und zitiert werden. Die technische Grundlage teilen sich beide, das Ergebnis nicht: bei SEO ist es eine Position, bei LLMO eine Nennung oder eine Zitation.

Wie misst man LLMO?

Indem man ein festes Set von Fragen wiederholt stellt, Land und Sprache bei jedem Durchlauf explizit setzt und festhält, welche Quellen die Antwort gebaut haben. Zwei Ergebnisse werden dabei getrennt gezählt: ob die Marke genannt wird und ob die eigene Seite zitiert wird. Wie wir das aufschreiben, steht im Messregister.

Welche Quellen zitiert die KI zum Thema LLMO?

In unserer Messung vom 8. August 2026 zitierten die beiden Google-Oberflächen siebzehn verschiedene Domains, sechs davon beide. ChatGPT kam am selben Tag auf drei, Gemini auf sieben. Es waren überwiegend Agenturen und Fachmedien; ein Anbieter von Messwerkzeugen wurde nur mit einem Vergleichsartikel zitiert. Bemerkenswert daran ist weniger die Zahl als der Umstand, dass ChatGPT hier überhaupt zitiert: bei fünf weiteren Definitionsfragen in vier Sprachen zitierte es am selben Tag nichts.

Brauche ich ein Werkzeug für LLMO?

Für eine erste Bestandsaufnahme nicht: Fragen aufschreiben, mehrmals stellen, Land und Sprache setzen, Quellen notieren. Was von Hand nicht geht, ist die Wiederholung über Wochen, und daraus entsteht der Unterschied zwischen Signal und Rauschen. Welche Werkzeuge es gibt und was sie kosten, steht im Vergleich.