Query-Verständnis in KI-Modellen: Warum du in der KI-Suche fehlst

Wer glaubt, gute Rankings bei Google reichen automatisch für Sichtbarkeit in ChatGPT und Perplexity, unterschätzt einen Schritt, der jeder KI-Antwort vorausgeht: das Query-Verständnis des Modells selbst.

Zum Begriff: Mit Query-Verständnis ist in diesem Beitrag gemeint, wie ein KI-Modell auf eine Nutzeranfrage antwortet — welche Quellen es dafür einbezieht und zitiert. ChatGPT, Claude und Google beschreiben diesen Vorgang in ihrer jeweiligen Dokumentation unterschiedlich; die Details dazu folgen in den nächsten Abschnitten. Aus unserer Sicht bleibt Content ohne diesen Zugriff für die KI-Antwort unsichtbar, unabhängig von seiner inhaltlichen Qualität.

Wie Query-Verständnis in der KI-Suche funktioniert

Klassisches SEO optimiert für ein Ranking in einer Ergebnisliste. Query-Verständnis in der KI-Suche funktioniert anders: Bevor ein Modell überhaupt eine Quelle zitieren kann, muss es sie zuerst erfassen dürfen — wie genau ChatGPT, Claude und Google dabei vorgehen, zeigen die folgenden Abschnitte anhand ihrer eigenen Dokumentation. Damit eine Website an diesem Punkt überhaupt eine Chance hat, muss sie zuerst crawlbar und für den jeweiligen Bot zugänglich sein.

Genau hier trennen die Anbieter ihre Systeme technisch. OpenAI unterscheidet zwischen OAI-SearchBot, der Websites ausschließlich für die ChatGPT-Suche erfasst, und GPTBot, der für das Modelltraining crawlt. Eine Seite kann laut der Dokumentation von OpenAI in der Suche erscheinen, ohne fürs Training genutzt zu werden (https://developers.openai.com/api/docs/bots). Wer beide Bots in der robots.txt pauschal gleich behandelt, verschenkt genau diese Trennung.

Bot-Trennung bei OpenAI: Was sich an der Crawler-Dokumentation wirklich änderte

OpenAI hat seine Crawler-Dokumentation überarbeitet. Laut einer Analyse von Luis Rijo auf ppc.land wurde dabei die Klausel entfernt, wonach das Blockieren von OAI-SearchBot automatisch auch den Ausschluss von der Trainingsdatennutzung bedeutet. Sucheinbindung und Trainingsausschluss sind inzwischen zwei getrennte Entscheidungen (https://ppc.land/openai-revises-chatgpt-crawler-documentation-with-significant-policy-changes/).

Was das bedeutet: Eine robots.txt-Regel muss jetzt präzise formulieren, welchen der beiden Bots sie meint. Was es nicht bedeutet: Die Änderung öffnet keine neue automatische Sichtbarkeit in ChatGPT Search. Sie regelt nur, welcher Bot welche Erlaubnis bekommt, nicht wie das Modell die Anfrage danach verarbeitet oder zitiert.

Für die Praxis heißt das: robots.txt-Regeln für KI-Crawler lohnt sich, Zeile für Zeile zu prüfen. Eine Wildcard-Regel wie „GPT” kann dabei beide Bots gleichzeitig treffen, auch wenn nur einer von beiden gemeint war.

Rechenbeispiel (hypothetisch): Sperrt eine Website alle Bots mit „GPT” im Namen über eine einzige Wildcard-Regel, trifft das seit der Trennung sowohl OAI-SearchBot als auch GPTBot gleichzeitig, selbst wenn nur einer der beiden gemeint war. Die Seite bliebe dann für ChatGPT Search ebenso unsichtbar wie fürs Training, obwohl beide Fälle unterschiedlich behandelt werden könnten.

In eigenen geaio-Analysen beobachten wir wiederholt, dass robots.txt-Dateien Bot-Namen pauschal nach Mustern gruppieren, ohne einzelne Bots zu unterscheiden. Das ist keine repräsentative Erhebung, sondern eine Beobachtung aus geprüften Fällen, aber sie deckt sich mit dem, was die Dokumentation nahelegt: Pauschalregeln kosten differenzierte Sichtbarkeit.

Claude-Bots im Vergleich: Drei Zwecke, drei Sichtbarkeits-Hebel

Anthropic geht noch einen Schritt weiter und trennt drei Bots mit drei unterschiedlichen Aufgaben. Laut Anthropic sammelt ClaudeBot Trainingsdaten, Claude-User ruft Seiten in Echtzeit ab, wenn eine Person Claude etwas fragt, und Claude-SearchBot agiert als dritter, separat steuerbarer Bot. Jeder der drei Bots lässt sich einzeln per robots.txt blockieren (https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler).

Bot	Zweck	Trifft dich, wenn du blockierst
ClaudeBot	Trainingsdaten sammeln	Kein Einfluss auf Trainingsdaten mehr
Claude-User	Live-Abruf bei Nutzeranfragen	Seite kann in dem Moment nicht zitiert werden
Claude-SearchBot	separates Crawling (dritter Bot-Typ)	wird von dieser Regel ebenfalls nicht mehr erfasst

Wer Claude als Kanal ernst nimmt, sollte diese drei Bots getrennt betrachten, statt eine Regel für alle drei zu schreiben — sonst blockiert eine pauschale Regel möglicherweise auch den Live-Abruf für einzelne Nutzeranfragen, obwohl nur das Trainingscrawling gemeint war.

Was Google für AI Overviews tatsächlich verlangt

An anderer Stelle macht Google die Sache einfacher: Laut Google Search Central braucht es für die Aufnahme in AI Overviews und den AI Mode kein zusätzliches Markup und keine spezielle Optimierung. Entscheidend bleiben dieselben Grundvoraussetzungen wie für reguläre Suchergebnisse: Indexierung und Snippet-Fähigkeit (https://developers.google.com/search/docs/appearance/ai-features).

Was das nicht bedeutet: Ein spezielles „AI-Overview-Schema” oder ein separater Freigabeprozess existiert nicht. Was es bedeutet: Wer schon für klassisches SEO sauber indexiert und snippet-fähig ist, hat die technische Grundvoraussetzung für AI Overviews bereits erfüllt. Das entlastet die Praxis, verschiebt den eigentlichen Wettbewerb aber zurück auf Inhalt, Struktur und Query-Verständnis, nicht auf ein zusätzliches Tag.

Strukturierte Daten als Übersetzer für Query-Verständnis

Auch wenn Google kein spezielles Markup für AI Overviews verlangt, bleibt strukturiertes Markup an anderer Stelle relevant: bei der Bedeutung, die eine Maschine einem Text zuordnen kann. Laut schema.org kann eine Maschine aus einem reinen HTML-Textstring nicht ableiten, was er inhaltlich bedeutet. Markup wie schema.org macht diese Bedeutung explizit auswertbar (https://schema.org/docs/gs.html).

Für Query-Verständnis heißt das: Ein Modell, das eine Anfrage in Entitäten zerlegt, findet in strukturierten Daten einen direkteren Abgleichspunkt als im Fließtext allein. Das ersetzt guten Text nicht, ergänzt ihn aber um eine maschinenlesbare Ebene.

Sichtbarkeit beginnt beim Crawler-Zugriff

Wichtiger als perfektes Content-Wording ist aus unserer Sicht zunächst der technische Zugriffspfad für die jeweiligen Bots, weil ohne Rohdaten kein Query-Verständnis stattfinden kann, unabhängig davon, wie gut ein Text sonst strukturiert ist. Aus unserer Sicht sollte deshalb der Zugriff für OAI-SearchBot, Claude-SearchBot und den jeweiligen Google-Crawler an erster Stelle stehen, bevor Struktur und Markup optimiert werden.

Für die eigene Prüfung lohnt sich deshalb ein Blick auf beide Ebenen: den Zugriff der Bots, wie ihn OpenAI, Anthropic und Google in ihrer jeweiligen Dokumentation beschreiben, und die inhaltliche Struktur, etwa über schema.org-Markup.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Query-Verständnis und klassischem SEO-Ranking? Klassisches Ranking sortiert eine Liste von Ergebnissen nach Relevanz. Query-Verständnis in der KI-Suche entscheidet zusätzlich, welche Quellen ein Modell überhaupt in seine Antwort aufnimmt und zitiert. Ein gutes Ranking bei Google sagt darüber wenig aus.

Blockiert robots.txt automatisch auch das KI-Training? Nicht mehr pauschal. Laut OpenAI-Dokumentation sind OAI-SearchBot für die ChatGPT-Suche und GPTBot fürs Training getrennte Bots, die einzeln freigegeben oder gesperrt werden. Bei Anthropic gilt dieselbe Trennung für ClaudeBot, Claude-User und Claude-SearchBot.

Brauche ich spezielles Markup, damit meine Seite in AI Overviews erscheint? Nein. Laut Google Search Central genügen dieselben Grundvoraussetzungen wie für reguläre Suchergebnisse: Indexierung und Snippet-Fähigkeit. Strukturierte Daten helfen dennoch, weil sie Bedeutung für Maschinen explizit machen.

Warum zitiert Perplexity manche Websites nicht, obwohl sie bei Google gut ranken? Weil Perplexity, ChatGPT und Claude eigene Crawler und eigene Retrieval-Logiken nutzen, die unabhängig vom Google-Ranking arbeiten. Ist eine Seite für den jeweiligen Bot gesperrt oder inhaltlich nicht klar strukturiert, kann sie im Query-Verständnis des Modells fehlen, selbst bei starker klassischer SEO-Position.