Dieser Artikel wurde aus dem Englischen übersetzt. [Zur englischen Originalversion wechseln Sie einfach die Sprache oben auf der Seite.]
Adaptiert aus Duane Forresters Analyse auf Duane Forrester Decodes. Aurora erweitert seinen Rahmen für Marketing-Teams, die AI-Search-Visibility-Programme betreiben.
Zwanzig Jahre lang hatte SEO eine tragende Annahme unter sich: Was Sie für Google taten, würde meist auch für Bing funktionieren. Der Grund war kein Glück. Es war Infrastruktur. Google, Yahoo und Microsoft haben sich im November 2006 formal darauf geeinigt, Sitemaps 0.90 zu unterstützen. Fünf Jahre später haben sie gemeinsam Schema.org gestartet (Yandex kam später dazu). robots.txt wurde 2022 schließlich als RFC 9309 formalisiert. IndexNow wurde 2021 von Bing und Yandex gestartet und von Naver, Seznam und Yep aufgegriffen. Die Engines waren Wettbewerber. Sie haben trotzdem gemeinsame Standards gebaut, weil gemeinsame Standards ihnen allen dienten.
Diese Überlappungsschicht ist der Grund, warum ein Praktiker Googles Guidance mit dem Vertrauen folgen konnte, dass die zugrundeliegenden Signale auf andere Engines übertragen würden. Das LLM-Ökosystem hat diese Schicht nicht, und die Abwesenheit ist strukturell, nicht temporär.
Wo der LLM-Stack tatsächlich auseinanderläuft
Trainingsdaten. OpenAI hat Lizenzdeals offengelegt – News Corp (bis zu 250 Mio. $ über fünf Jahre), Axel Springer (13 Mio. $ pro Jahr), Reddit (70 Mio. $ pro Jahr), plus FT, AP, Le Monde und andere. Google hat seinen eigenen Reddit-Deal in der Größenordnung von 60 Mio. $ pro Jahr. Anthropic hat keine vergleichbaren Vereinbarungen offengelegt. Niemand außerhalb dieser Unternehmen weiß, was jeder Anbieter wofür bezahlt hat und wofür nicht. Der Trainingskorpus ist anbieterspezifisch und teilweise privat.
Crawler-Infrastruktur. OpenAI betreibt GPTBot (Training), OAI-SearchBot (Indexierung) und ChatGPT-User (Retrieval). Anthropic betreibt ClaudeBot, Claude-SearchBot und Claude-User. Perplexity betreibt PerplexityBot und Perplexity-User. Google hat im September 2023 Google-Extended eingeführt, um Gemini-Training getrennt von Googlebot zu steuern. Es gibt keinen einzelnen AI-User-Agent. Jeder Anbieter braucht einen separaten robots.txt-Eintrag. Blockieren Sie einen, blockieren Sie nicht die anderen.
Retrieval-Architektur. ChatGPT hat historisch Bing als primären Web-Index genutzt. Perplexity hat auf einer Vespa-Pipeline gebaut, die Dokument-Chunks als First-Class-Units behandelt. Gemini nutzt Googles eigenen Index plus Knowledge-Graph-Grounding. Claude partnert mit Brave Search. Dieselbe Anfrage, vier verschiedene Ergebnis-Sets.
Alignment-Methodologie. Post-Training formt Verhalten auf Weisen, die in tatsächlichen Outputs sichtbar werden. OpenAI stützt sich auf RLHF. Anthropic hat Constitutional AI entwickelt, das Modelle trainiert, gegen schriftliche Prinzipien zu kritisieren und zu revidieren. Identische abgerufene Inhalte, gefüttert an zwei unterschiedlich aligned Modelle, können materiell unterschiedliche Antworten über dieselbe Marke ergeben.
llms.txt ist die Fallstudie
Jeremy Howard hat llms.txt im September 2024 als Markdown-Manifest an der Site-Root vorgeschlagen. Die SEO-Community hat es angenommen. Bis Mitte 2026 hatte kein großer Anbieter bestätigt, die Datei zu konsumieren. Server-Log-Analysen über hunderttausende Domains zeigten, dass große AI-Crawler /llms.txt nicht routinemäßig anfragen. Googles John Mueller verglich es mit dem deprecated Meta-Keywords-Tag. Gary Illyes bestätigte bei Search Central Live im Juli 2025, dass Google llms.txt nicht unterstützt und nicht plant, es zu unterstützen. Schema.org war erfolgreich, weil drei Engines es gemeinsam gebaut und gemeinsam durchgesetzt haben. llms.txt wurde von einem Forscher vorgeschlagen, von Tooling-Anbietern aufgegriffen und von den Plattformen ignoriert, denen es dienen sollte.
Die Gemini-Umkehrung
Google veröffentlicht SEO-Dokumentation, die klassische Ranking-Signale betont – E-E-A-T, Content-Qualität, technische Zugänglichkeit. Diese Guidance funktioniert für Google Search selbst. Sie funktioniert nicht notwendigerweise für Googles eigene AI-Surfaces. Ende 2024 rangierten ungefähr drei Viertel der AI-Overview-Zitate auch in Googles Top 12 für dieselbe Anfrage. Anfang 2026, nachdem Gemini 3 im Januar ausgeliefert wurde, hat Ahrefs 4 Millionen AI-Overview-URLs analysiert und festgestellt, dass nur 38 % der zitierten Seiten in den Top 10 erschienen. BrightEdge maß die Überlappung näher bei 17 %. SE Ranking sah Gemini 3 42 % der zuvor zitierten Domains ersetzen und 32 % mehr Quellen pro Antwort generieren.
AI Mode weitet die Lücke weiter. SEMRush-Daten zeigen, dass AI Mode und AI Overviews 86 % der Zeit semantisch ähnliche Schlussfolgerungen erreichen, aber nur 13,7 % der Zeit dieselben URLs zitieren. Nur 14 % der AI-Mode-Zitate ranken in Googles traditionellen Top 10. Dieselbe Marke, derselbe Content, drei verschiedene Ergebnisse über Google Search, AI Overviews und AI Mode.
Qwairys Analyse von 118.000 Antworten über ChatGPT, Perplexity, Google AI Mode und Claude ist die Pointe: nur 11 % der zitierten Domains erschienen auf mehreren Plattformen. Die anderen 89 % waren plattformspezifisch.
Was das für die Arbeit bedeutet
Der alte Reflex war, für Google zu optimieren und der Portabilität zu vertrauen. Die neue Disziplin ist, Visibility pro Plattform zu testen und Divergenz als Default zu behandeln. Aurora ist um diese Disziplin gebaut:
- Jeder Prompt läuft gegen jede Engine, die Sie wählen. ChatGPT, Perplexity, Gemini, Google AI Mode, Google AI Overviews, Copilot, Claude – unabhängig, nach Plan.
- Per-Engine-Citation- und Visibility-Aufschlüsselungen machen plattformspezifische Lücken sichtbar. Eine Marke, die auf Perplexity stark und auf Claude unsichtbar ist, zeigt sich genau so.
- Source Intelligence pro Engine bringt zum Vorschein, welche Autoritätsdomains jede Plattform in Ihrer Kategorie ansteuert. Die Überlappung zwischen ihnen ist üblicherweise kleiner, als Teams annehmen.
- Adaptive Querying fängt die Momente, in denen ein Modell-Upgrade die Antwortgeometrie verschoben hat. Gemini 3 war ein 42-%-Citation-Churn-Ereignis. Sie wollen es in der Woche sehen, in der es passiert, nicht im Quartal danach.
Die Überlappungsschicht ist geschrumpft. Sie haben jetzt mehr Arbeit, nicht weniger. Die Praktiker, die das zuerst erkennen, werden die nächsten zwei Jahre damit verbringen, die Standards zu setzen, denen alle anderen folgen.
