- Tag 1 - Grundlagen & Einstieg
- Einführung in Generative Search Optimization (GSO / GEO / LLMO)
- Abgrenzung zu klassischer SEO
- Relevanz im Kontext von Google SGE, Perplexity, Chatbots
- Warum GSO ein eigener Kanal ist
- Funktionsweise generativer KI-Suchsysteme
- Large Language Models vs. Small Language Models vs. RAG
- Wie LLMs Inhalte erkennen, verarbeiten und verwenden
- Machine-readable Content: Was KI braucht, um Inhalte zu verstehen
- Messung & Analyse
- AI-Traffic in GA4 erkennen
- Referrer & erste Dashboards
- Ausgangslage bestimmen
- Prompts verstehen & testen
- Prompts als neue Keywords
- Prompt-Typen entlang der Customer Journey
- Erste Live-Übungen
- Content & Technik
- Crawlability & Indexierbarkeit
- Evergreen-Content & Wissensseiten
- Strukturierte Daten (Schema.org, FAQs, Tabellen, Listen)
- Entity-Mapping & semantische Klarheit
- Quellen & Plattformen
- Externe Datenbanken (z. B. PDFs)
- Unternehmensprofile & Bewertungen
- YouTube & Social Media als AI-Quellen
- Abschluss Tag 1
- Quick Wins identifizieren
- Messbaseline festlegen
- Tag 2 - Praxis & Strategie
- Rückblick & Warm-up
- Content-Gestaltung für generative Antworten
- Fragenorientierte Strukturierung (FAQ, How-To, definitorische Texte)
- Kohärenz, Prägnanz & EEAT als Trust-Faktoren
- Unterschied Content für Featured Snippets vs. Content für KI-Antworten
- Prompt-Recherche & Wettbewerbsvergleich
- Eigene Prompts systematisch aufbauen
- Wettbewerber-Analyse in AI-Antworten
- Prompt-Gaps identifizieren
- Maßnahmen entwickeln
- PR & Erwähnungen
- Community & UGC
- Evergreen-Content & Portale
- Structured Data & Entitäten
- Messung & Monitoring
- GSO-/GEO-/LLMO-Metriken und KPI-Framework
- Erkennen generativer Treffer (SGE Labs, Drittanbieter-Tools)
- Aufbau eines Mini-Dashboards
- Re-Messung in Intervallen
- Roadmap & Ressourcenplanung
- 90-Tage-Plan mit Meilensteinen
- Rollen & Verantwortlichkeiten
- Integration in bestehende SEO-Strategien
- Governance & Risiken
- Umgang mit Halluzinationen & Fehlinformationen
- Qualitätsstandards & EEAT
- Rechtliche Aspekte & Datenfreigabe
- Abschluss-Lab & Wrap-up
- Ausarbeitung einer GSO-/GEO-/LLMO-Maßnahme (Ziel, Hypothese, Umsetzung, Messung)
- Peer-Review & Präsentation
- Zusammenfassung & Ausblick: Zukünftige Entwicklungen & Handlungsempfehlungen
LernzieleSie beherrschen nach diesem Seminar die zentralen Methoden, Tools und Strategien, um Inhalte gezielt für generative KI-Suchsysteme wie Google SGE oder Perplexity zu optimieren. Sie verstehen, wie Large Language Models Informationen verarbeiten, welche strukturellen und semantischen Anforderungen Texte erfüllen müssen und wie Sie durch gezielte Prompt-Analysen und strategisches Content Design Sichtbarkeit erzeugen.
Darüber hinaus können Sie relevante Messgrößen definieren, Dashboards einrichten und eine eigene GSO-Roadmap entwickeln, um die Performance Ihrer Inhalte kontinuierlich zu analysieren und zu verbessern.
ZielgruppenDieses Seminar richtet sich an SEO-Manager:innen, Content-Verantwortliche, Digital-Marketer, technische Redakteur:innen sowie alle Fachkräfte aus den Bereichen Online-Marketing, Redaktion, PR oder Unternehmenskommunikation, die Inhalte für KI-gestützte Suchsysteme optimieren möchten.
Ebenso geeignet ist das Seminar für Teams in Agenturen oder Unternehmen, die generative Tools bereits einsetzen oder deren Sichtbarkeit im KI-Kontext verbessern wollen.
Teilnahmevoraussetzungen
- Sie benötigen Grundkenntnisse im Umgang mit Netzwerken und digitalen Plattformen.
- Erste Erfahrungen im Bereich SEO oder Content-Erstellung sind hilfreich, aber nicht zwingend erforderlich.
- Grundverständnis für Funktionsweise von Suchmaschinen und digitalen Datenquellen ist von Vorteil.
