GEO statt SEO: Wie Sie in KI-Antworten auftauchen

Zwanzig Jahre lang lautete die Frage im Recruiting-Marketing: Wie kommen wir bei Google nach oben? Diese Frage verliert gerade ihre Bedeutung. Die neue lautet: Werden wir genannt, wenn eine KI nach guten Arbeitgebern gefragt wird? Das ist nicht dieselbe Disziplin mit neuem Namen. Es sind andere Spielregeln.

Was GEO ist — und was es von SEO unterscheidet

SEO (Search Engine Optimization) sorgt dafür, dass Ihre Seite in einer Liste von Suchtreffern weit oben steht. Der Nutzer sieht zehn Links und entscheidet selbst, welchen er anklickt.

GEO (Generative Engine Optimization) sorgt dafür, dass Sie in der Antwort einer KI vorkommen — also in dem, was ChatGPT, Claude, Perplexity oder Gemini direkt ausgibt, wenn jemand eine Frage stellt.

Der Unterschied ist fundamental. Bei SEO liefert die Suchmaschine Optionen, der Mensch wählt. Bei GEO trifft die KI die Vorauswahl bereits selbst. Sie nennt drei bis fünf Arbeitgeber und begründet, warum. Wer nicht genannt wird, bekommt keinen zweiten Blick — es gibt keine Seite zwei, durch die man scrollen könnte.

Warum klassisches SEO hier nicht weiterhilft

Bei Google zählt unter anderem, wie viele Seiten auf Sie verlinken, wie schnell Ihre Seite lädt, welche Keywords im Text stehen. Diese Hebel greifen bei einer KI kaum.

Ein Sprachmodell beurteilt Sie nicht über Ihren PageRank, sondern über das, was es über Sie gelernt hat — aus einer Vielzahl von Quellen, die es zu einem Gesamtbild verdichtet. Entscheidend ist nicht, ob eine einzelne Seite gut optimiert ist, sondern ob das Bild über alle Quellen hinweg konsistent, aktuell und aussagekräftig ist. Ein Unternehmen kann bei Google auf Platz 1 stehen und in der KI trotzdem nicht vorkommen.

Worauf es bei GEO ankommt

Vier Faktoren entscheiden, ob eine KI Sie als Arbeitgeber empfiehlt:

1. Präsenz in den richtigen Quellen. KI-Modelle stützen sich auf Arbeitgeberbewertungen (kununu, Glassdoor), berufliche Netzwerke (LinkedIn), Presse und Ihre eigene Karriereseite. Wer in diesen Quellen kaum vorkommt, hat keine Grundlage, auf der ein Modell ihn empfehlen könnte.

2. Konsistenz. Widersprechen sich Ihre Angaben über verschiedene Quellen hinweg — andere Standorte, andere Schwerpunkte, anderes Selbstbild —, wird das Modell unsicher und nennt im Zweifel jemand anderen.

3. Klarheit. Ein Modell empfiehlt, was es eindeutig zuordnen kann. „Mittelständischer Maschinenbauer mit Fokus auf Automatisierung in der Region Stuttgart“ ist greifbar. Ein vages „innovatives Unternehmen mit spannenden Aufgaben“ ist es nicht.

4. Aktualität. Veraltete Informationen führen zu veralteten Empfehlungen. Wenn Ihre offenen Stellen, Standorte oder Schwerpunkte nicht aktuell in den Quellen stehen, arbeitet das Modell mit einem überholten Bild von Ihnen.

Was das praktisch bedeutet

GEO ist kein Trick, mit dem man ein Modell überlistet. Es ist die Arbeit daran, dass das Bild, das eine KI von Ihnen als Arbeitgeber hat, korrekt, vollständig und konkurrenzfähig ist.

Der erste Schritt ist immer derselbe: herausfinden, wie eine KI Sie heute darstellt. Werden Sie bei den relevanten Fragen genannt? An welcher Position? Mit welchem Tenor? Und welche Wettbewerber stehen konsequent vor Ihnen? Wer das weiß, kann gezielt nachsteuern. Wer es nicht weiß, überlässt seine Sichtbarkeit dem Zufall.

Genau hier setzt draft an — und macht messbar, was bisher unsichtbar war.