Eine klassische Suchmaschine zeigt Fundstellen. Eine KI-Suchmaschine formuliert daraus häufig direkt eine Antwort. Dadurch wirkt es, als verfüge das System über eine einzige große Wissensquelle. Tatsächlich können mehrere technische Ebenen beteiligt sein: trainiertes Modellwissen, ein aktueller Webindex, Suchanbieter, Fachdatenbanken und Dokumente, die ein Nutzer oder ein Unternehmen bereitstellt.

Welche Quelle verwendet wird, hängt vom Produkt, der Anfrage, den aktivierten Funktionen und dem Zeitpunkt ab. Deshalb können zwei KI-Systeme auf dieselbe Frage unterschiedliche Antworten und Quellen liefern.

1. Wissen aus dem Modelltraining

Sprachmodelle werden mit großen Textmengen trainiert und lernen dabei sprachliche sowie inhaltliche Zusammenhänge. Sie speichern jedoch nicht einfach jede Trainingsseite als abrufbares Dokument. Bei einer Antwort berechnet das Modell, welche Formulierung im gegebenen Kontext wahrscheinlich passt.

Dieses Modellwissen ist nützlich für allgemeine Erklärungen, Begriffe und Zusammenhänge. Es hat aber Grenzen: Der genaue Ursprung einer einzelnen Aussage lässt sich daraus nicht immer ableiten, aktuelle Entwicklungen können fehlen und das Modell kann plausible Fehler erzeugen.

2. Aktuelle Websuche und Suchindizes

Viele KI-Assistenten können für eine Anfrage das Web durchsuchen. Manche betreiben eigene Crawler und Indizes, andere greifen zusätzlich oder überwiegend auf Suchtechnologie von Partnern zurück. Das System erhält dann Fundstellen und Textausschnitte, die für die Frage relevant erscheinen.

Ein Webabruf bedeutet nicht automatisch, dass jede existierende Seite berücksichtigt wird. Inhalte müssen auffindbar, technisch erreichbar, verständlich strukturiert und zum Anfragekontext passend sein. Seiten hinter Logins, blockierte Crawler, schwer auslesbares JavaScript oder unklare Inhalte können die Erfassung erschweren.

3. Retrieval: passende Informationen auswählen

Der Abruf relevanter Inhalte wird häufig als Retrieval bezeichnet. Die Suchkomponente zerlegt oder erweitert die Anfrage, findet Kandidaten und bewertet deren Relevanz. Anschließend werden ausgewählte Ausschnitte an das Sprachmodell übergeben.

Diese Vorauswahl prägt die spätere Antwort stark. Wenn relevante Quellen nicht gefunden werden, veraltet sind oder nur einen Teilaspekt abdecken, kann auch eine sprachlich gute Antwort unvollständig bleiben.

4. Antwort aus mehreren Quellen formulieren

Das Sprachmodell verbindet die abgerufenen Informationen mit dem Gesprächskontext und erzeugt eine Antwort. Dabei kann es Inhalte zusammenfassen, vergleichen oder in eine neue Struktur bringen. Genau an dieser Stelle liegt eine weitere Fehlerquelle: Eine Quelle kann korrekt sein, während die daraus gezogene Schlussfolgerung zu weit geht.

Quellenhinweise helfen bei der Kontrolle, sind aber kein automatisches Gütesiegel. Entscheidend ist, ob die verlinkte Stelle die konkrete Aussage wirklich trägt und wie aktuell sowie verlässlich der Herausgeber ist.

5. Spezialisierte und bereitgestellte Daten

Neben dem offenen Web können KI-Systeme weitere Quellen nutzen: wissenschaftliche Datenbanken, Produktkataloge, Unternehmenswissen, hochgeladene Dateien oder angebundene Dienste. Solche Daten können genauer und aktueller sein, gelten aber meist nur innerhalb eines bestimmten Zugriffs oder Anwendungsfalls.

Für Nutzer ist deshalb eine wichtige Rückfrage: Stammt die Antwort aus dem offenen Web, aus einer angebundenen Datenquelle, aus bereitgestellten Dokumenten oder nur aus dem Modellwissen?

Warum werden manche Websites häufiger genannt?

Es gibt keinen einzelnen Schalter für eine Nennung in KI-Antworten. Systeme wählen Quellen nach Anfrage und technischer Eignung aus. Hilfreich sind insbesondere:

Strukturierte Daten können Entitäten und Beziehungen verdeutlichen. Sie ersetzen aber weder sichtbaren Inhalt noch Glaubwürdigkeit. Ebenso wenig garantiert eine Datei wie llms.txt, dass ein Unternehmen in einer Antwort erscheint.

Was bedeutet das für SEO und GEO?

Suchmaschinenoptimierung und Optimierung für generative Antwortsysteme haben eine gemeinsame Grundlage: Eine Website muss erreichbar, verständlich und fachlich belastbar sein. Für KI-Systeme gewinnt zusätzlich an Bedeutung, dass einzelne Aussagen eindeutig extrahiert, eingeordnet und einer verantwortlichen Quelle zugeordnet werden können.

Das bedeutet nicht, Texte für Maschinen statt für Menschen zu schreiben. Gute Inhalte beantworten reale Fragen, nennen konkrete Voraussetzungen und Grenzen und vermeiden unbelegte Versprechen. Eine klare Gliederung hilft Lesern ebenso wie automatisierten Systemen.

So beurteilen Sie eine KI-Antwort

  1. Prüfen, ob aktuelle Quellen verwendet wurden.
  2. Die wichtigsten Aussagen in den Originalquellen nachlesen.
  3. Auf Datum, Herausgeber und Geltungsbereich achten.
  4. Mehrere unabhängige Quellen vergleichen.
  5. Bei sensiblen Entscheidungen qualifizierte fachliche Beratung einholen.

KI-Suchmaschinen erhalten ihre Ergebnisse also nicht aus einer einzigen geheimen Datenbank. Sie kombinieren – je nach System – gelerntes Modellwissen mit Suchindizes, aktuellen Webseiten und spezialisierten Quellen. Wer diesen Ablauf versteht, kann Antworten realistischer bewerten und die eigene Website so aufbauen, dass ihre Informationen klarer gefunden und eingeordnet werden.