Generative Engine Optimization (GEO): Was bedeutet KI-Suche für Karriereseiten?

Glaubt man einschlägigen Posts auf LinkedIn, so haben Recruiter ein Problem. Jobsuchende googeln nicht mehr, sondern fragen ChatGPT, so heißt es alarmistisch landauf, landab. Scheinbar dämmert da eine neue Ära der Jobsuche, Stellenbörsen sind angeblich obsolet und man müsse sich dringend um „GEO“ (Generative Engine Optimization) kümmern, um als Arbeitgeber weiterhin sichtbar zu sein. GEO ist das neue Buzzword, das neue Heilsversprechen – und vor allem das neue Geschäftsmodell.

Wie so oft lohnt es sich, die Hysterie auszublenden und stattdessen auf Daten zu schauen. In diesem Artikel räumen wir auf mit dem GEO-Mythos: Wir zeigen, was es mit dem Buzzword auf sich hat, welche Erkenntnisse Studien liefern und wie Karriereseiten und Stellenanzeigen bestmögliche Sichtbarkeit erhalten. Egal, ob bei Google oder in welchem KI-Chatbot auch immer.

Alter SEO-Wein in neuen GEO-Schläuchen

Der Begriff „Generative Engine Optimization“ geht auf eine Studie der Princeton University aus dem Jahr 2023 zurück.  In „GEO: Generative Engine Optimization“ untersuchten die Forscher, welche Faktoren die Sichtbarkeit in KI-generierten Antworten erhöhen. Das Ergebnis ist weniger spektakulär, als es klingt.

KI bevorzugt relevante Inhalte:

Texte mit klaren Aussagen, nachvollziehbaren Quellen, Zitaten (z. B. Mitarbeiter-Testimonials) und statistischen Fakten, aber kein generisches Marketing-Blabla.

Revolutionär ist das nicht. Schließlich sind diese Faktoren neben ein- und ausgehenden Links sowie der Domain Authority die Essenz erfolgreicher SEO (Search Engine Optimization). Dazu passt auch das Zitat von Danny Sullivan, „Director within Google Search“ bei Google:

„Good SEO is good GEO.“,

bringt er es nüchtern zusammenfassend auf den Punkt.

Manchmal braucht es aber eben neue Etiketten, damit endlich Aufmerksamkeit entsteht und Budget fließt. Wenn der „GEO-Hype“ dazu führt, dass Karriereseiten und Stellenanzeigen besser werden, technische Hausaufgaben erledigt werden und die Relevanz von Inhalten endlich ernst genommen wird, hat der Begriff seinen Zweck erfüllt.

Websuche im Zeitalter von KI

Die brandaktuelle Studie „Characterizing Web Search in The Age of Generative AI“ der Ruhr-Universität Bochum liefert weitere überraschende Antworten und bringt noch mehr Licht ins Dunkel. Die Forscher haben das Antwortverhalten verschiedener Systeme anhand von über 4.600 Suchanfragen analysiert: die klassische Google-Suche, Googles AI Overview, Gemini 2.5 und ChatGPT-4o.

Dabei wurde nicht nur untersucht, welche Quellen die Systeme verwenden, sondern auch, wie stabil ihre Antworten sind, wie viele Webseiten sie tatsächlich auswerten und wie vollständig sie die inhaltlichen Themen einer Anfrage abdecken. Ziel der Untersuchung war es, die unterschiedlichen Arbeitsweisen von Suchmaschinen und generativer KI sichtbar zu machen und deren Auswirkungen auf die Qualität, Aktualität und Verlässlichkeit der Antworten zu beleuchten.

Die Ergebnisse sind teilweise ernüchternd und zeigen, dass die Wahrheit komplizierter ist als jedes Marketingversprechen.

KI-Antworten sind deutlich instabiler als die Ergebnisse der klassischen Google-Suche

Dies stellten Bochumer Forscher fest, die dieselben Fragen zu zwei Zeitpunkten, im Juli und im September 2025, stellten. Das Ergebnis: Während Googles „AI Overview” nur in rund 18 Prozent der Fälle dieselben URLs anzeigt, sind es bei der klassischen Google-Suche rund 45 Prozent. Auch bei GPT-4o zeigte sich eine hohe Variabilität der genutzten Quellen, auch wenn die Studie hierfür keine expliziten Prozentangaben liefert.

Eine Garantie für ein „Top-ChatGPT-Ranking“ gibt es nicht

Der Grund: Generative KI erzeugt Antworten nach Wahrscheinlichkeiten – sie „würfelt“ gewissermaßen bei jeder Anfrage neu, welche Quellen und Formulierungen sie auswählt. Sie entscheidet also von Anfrage zu Anfrage immer wieder neu, welche Webseiten sie zitiert und wie viele Quellen sie überhaupt einbezieht. Was angezeigt wird oder in welcher Reihenfolge ist nicht reproduzierbar. Selbst wenn dein Unternehmen heute bei einer KI-Abfrage als relevanter Arbeitgeber erscheint, kann schon morgen trotz identischer Frage unsichtbar sein. Wer also behauptet, man könne „Top-Positionen in ChatGPT“ kaufen, verkaufen oder stabil optimieren, vertraut auf eine Illusion.

ChatGPT sucht seltener im Web, als viele glauben

Eine weitere wichtige Erkenntnis der Studie: In vielen Fällen führt GPT-4o selbst mit aktiviertem „Search Tool“ nahezu keine Websuche durch. Der Median der zitierten Links liegt bei null. Wenn die KI überhaupt sucht, liegt die durchschnittliche Zahl externer Quellen bei rund 0,4 pro Antwort.

Im Klartext: ChatGPT antwortet überwiegend aus seinem Trainingswissen, aber nicht aus aktuellen Webseiten. Nur bei bestimmten, sehr aktuellen oder regulierungsrelevanten Fragen steigt der Anteil echter Websuche laut Studie spürbar an.

Zum Vergleich: Googles AI Overview und Gemini greifen im Durchschnitt auf rund acht bis neun Quellen pro Antwort zurück. Die klassische Google-Suche zeigt traditionell bis zu zehn organische Treffer, im Datensatz der Studie lag der tatsächlich extrahierte Durchschnitt jedoch bei etwa sechs Links pro Suchanfrage Dies ist ein Effekt der heutigen SERP-Struktur mit Snippets, Boxen und zusätzlichen Elementen und bedeutet nicht, dass das organische Ranking an Bedeutung verliert.

Was bedeutet das fürs Recruiting?

Für das Recruiting heißt das: Fragen wie „Was zeichnet Arbeitgeber X aus?“ beantwortet die KI oft auf Grundlage älterer Informationen und nicht auf Basis der gerade überarbeiteten Karriereseite oder der aktualisierten Stellenanzeigen. Aktuelle Infos kommen bei ChatGPT also oft gar nicht an. Wer glaubt, ChatGPT würde „rein aktuelle Daten“ aus dem Web ziehen, irrt also. Das ist allerdings kein Fehler, sondern schlicht und einfach die Funktionslogik des Modells. Mehr dazu am Schluss des Artikels.

KI-Systeme nutzen oft andere Quellen als Google

Die Bochumer Studie zeigt zudem eine klare Verschiebung in der Quellenlandschaft. So greift Googles AI Overview zu über 50 Prozent auf Domains (also Quellen) zurück, die nicht in den Top 10 der klassischen Google-Suche erscheinen. GPT-Modelle hingegen bevorzugen Unternehmensseiten, Enzyklopädien (z. B. Wikipedia) und redaktionelle Inhalte, ignorieren Social Media, Bewertungsportale und Foren aber weitgehend. Die klassische Google-Suche dagegen zeigt je nach Datensatz bzw. Suchanfrage bis zu rund einem Drittel Ergebnisse aus Social Media und Foren.

Was bedeutet das für Arbeitgeber?

Für Arbeitgeber bedeutet das, dass es sein kann, dass die eigene Karriereseite von KI-Chatbots häufiger berücksichtigt wird. Dies liegt daran, dass GPT tendenziell eben mehr Corporate Domains mag.

Bewertungen, wie wir sie beispielsweise von Bewertungsportalen wie Kununu oder Glassdoor kennen, sind in GPT-Antworten dagegen eher stark unterrepräsentiert. Was für den einen Fluch, ist für den anderen Segen. Dieser Schutz ist jedoch nicht dauerhaft, da Googles AI Overview und Gemini durchaus auf diese Quellen zurückgreifen.

Zudem können sogar veraltete, schlecht gepflegte Karriereseiten der Konkurrenz sichtbar werden, wenn die KI sie als relevant erachtet. Selbst negative Blogposts oder sehr alte Medienberichte können unerwartet wieder auftauchen. Allerdings kann es sogar von Vorteil sein, wenn KI-Modelle so tief graben. Schließlich kann dann auch derjenige in der KI-Antwort landen, der in der Google-Suche sonst keine Sichtbarkeit hat.

Eine Garantie, dass die „richtigen“ Inhalte erscheinen, gibt es leider nicht.

Bei komplexen Fragen ist Google der KI überlegen

Was viele überraschen mag: Die Studie zeigt, dass die klassische Google-Suche bei offenen, vielschichtigen Fragen, wie z. B. „Was macht einen guten Arbeitgeber aus?“,  oder solchen mit mehreren möglichen Bedeutungen die klassische Google-Suche etwa zwei Drittel der relevanten Themen abdeckt (ca. 67 Prozent). Google AI Overview kommt auf 55 Prozent und GPT-4o liegt mit 48 Prozent noch etwas darunter.

Der Grund liegt auf der Hand: Google präsentiert zehn unterschiedliche Treffer, während KI-Systeme eine einzige, kohärente Antwort formulieren müssen. Dabei gehen automatisch Inhalte verloren.

Was wohl auch nicht zu vernachlässigen ist: Google Search und AI Overview nutzen das gesamte Google-Ökosystem, also einen ständig aktualisierten Index, Milliarden Nutzersignale und einen semantisch strukturierten Knowledge Graph. KI-Chatbots wie GPT verfügen dagegen über keinen solchen Datenunterbau. Sie greifen in erster Linie auf ihr Modellwissen zurück und müssen aktuelle Informationen erst einmal  „beschaffen“. Das erklärt einen Teil der Qualitäts- und Stabilitätsunterschiede zwischen Suchmaschine und generativem System.

Was bedeutet das fürs Recruiting?

Differenzierungsmerkmale als Arbeitgeber, also Aspekte wie Kultur, Teamstruktur, Projekte oder besondere Arbeitsweisen, sind in KI-Antworten oft nur verkürzt dargestellt. Diese „KI-Komprimierung“ führt zwangsläufig zu Beliebigkeit und Austauschbarkeit. Generative Modelle bevorzugen sprachliche Muster, die sie besonders oft gesehen haben, und glätten Unterschiede zugunsten einer Antwort, die sich auf fast jeden Arbeitgeber übertragen ließe.

Ein kurzes Beispiel zeigt das Prinzip:

Schreibt Arbeitgeber A: „Wir haben die modernste Intensivstation Norddeutschlands“, während Arbeitgeber B formuliert: „Wir bieten moderne Arbeitsplätze“, dann verarbeitet ein Sprachmodell beide Aussagen sehr unterschiedlich. A bietet eine konkrete, überprüfbare und eindeutige Information. B hingegen bleibt vage. Für ein LLM ist A ein klarer Orientierungspunkt, während B im allgemeinen Musterrauschen untergeht.

Genau hier entsteht das sogenannte „Levelling“: ein Effekt, bei dem generative Systeme Differenzen zwischen Informationsquellen glätten, da sie statistisch nach der wahrscheinlichsten und nicht nach der individuellsten Antwort suchen. Differenzierung wird abgeschwächt, wenn sie sprachlich nicht eindeutig genug greifbar ist.

Dadurch ergibt sich ein Effekt, der im Recruiting bislang kaum beachtet wird. Unscharfe, austauschbare Arbeitgeberkommunikation löst sich im generativen Antwortmodus fast vollständig auf.

Je irrelevanter die Inhalte auf der Karriereseite sind und je unkonkreter ein Arbeitgeber formuliert, desto stärker verblasst er in KI-Antworten, bis er schließlich gar nicht mehr vorkommt.

Mit anderen Worten:

Je generischer der Arbeitgeberauftritt, desto stärker verschwindet er in KI-Antworten.

Mehr Sichtbarkeit für die Karriereseite: Das solltest du jetzt tun

Auch wenn die Studien zeigen, dass sich kaum beeinflussen lässt, ob eine KI die Inhalte einer Karriereseite oder einer Stellenanzeige in ihnen Antworten (dauerhaft) berücksichtigt, so lassen sich doch die Grundlagen optimieren, die sowohl bei Suchmaschinen als auch bei generativen Systemen für eine Verbesserung sorgen.

Technische Basis stärken: SEO bleibt unverzichtbar

Basis von allem ist die technische Struktur. Solange man in Google unsichtbar ist, wird man auch von keiner KI gefunden. Zu dieser technischen Basis gehört die semantische und logische Struktur einer Website, die dafür sorgt, dass Maschinen den Inhalt korrekt verstehen, richtig einordnen und vollständig auslesen können.

Dazu gehört z. B.

• eine klare Überschriftenhierarchie,
• semantisch korrektes HTML (z. B. Absätze, Listen, Hauptinhalt, Navigation),
• eine saubere interne Verlinkung,
• Konsistenz in Navigation und Inhalt (deswegen ist eine durchdachte Bewerbungsarchitektur so essenziell!),
• eine eindeutige URL-Struktur (z. B. unternehmen.de/karriere oder unternehmen.de/jobs/pflegefachkraft, und nicht: unternehmen-123.apply.workday.com/job#A89sdf932r02). Domain-Ownerschaft ist essenziell!

Weitere wichtige Faktoren sind schnelle Ladezeiten, ein für mobile Geräte optimiertes Design und die Barrierefreiheit der Karriereseite. Alt-Texte, ARIA-Rollen und eine korrekte Labeling-Struktur in Stellenportalen oder Bewerbungsformularen sorgen dafür, dass Inhalte für Mensch und Maschine klar interpretierbar sind.

Nur wenn Google die Inhalte von Karriereseite und Stellenangebot sauber erfassen kann, gibt es überhaupt eine Basis dafür, dass auch KI-Systeme sie berücksichtigen.

Mit anderen Worten:

Ohne SEO kein GEO.

Einheitliche Markenführung

Ebenso wichtig ist eine einheitliche Markenführung. Alle Inhalte sollten über die eigene Domain ausgespielt werden, also nicht über Subdomains fremder Anbieter oder externe Systeme, da diese Suchmaschinen „misstrauisch“ machen. Eine konsistente Domain stärkt das Vertrauen, erleichtert die Zuordnung und verbessert sowohl die Suchmaschinenoptimierung (SEO) als auch die Verarbeitung durch KI-Systeme.

Google for Jobs: Strukturierte Daten sind Pflicht

Ein entscheidender Faktor sind strukturierte Daten, insbesondere bei Stellenanzeigen. Google for Jobs ist seit 2019 in Deutschland frei verfügbar. Eine Auszeichnung nach schema.org für Stellenanzeigen (JobPosting) ist Pflicht und Grundvoraussetzung dafür, dass Stellenanzeigen auffindbar sind. Wer dies korrekt implementiert, erreicht nicht nur eine bessere Sichtbarkeit für konkrete Stellenangebote, sondern ermöglicht auch KI-Systemen ein tieferes Verständnis der Inhalte. Dies ist insbesondere für Arbeitgeber relevant, die viele ähnliche Stellen veröffentlichen und Duplicate-Content-Probleme vermeiden müssen.

Spätestens mit generativer KI ist jetzt Schluss mit Ausflüchten!

Relevante Inhalte auf der Karriereseite und in der Stellenanzeige

Wie bei SEO ist auch bei GEO die Relevanz der Inhalte entscheidend. Und hier liegt das Problem. Floskeln wie „Wir suchen motivierte Mitarbeiter für ein dynamisches Team“ oder „Willkommen, Berufserfahrene!““ beherrschen das Gros der Karriereseiten. Relevante Inhalte sind jedoch Mangelware. Deshalb gewinnt Googles Qualitätsprinzip E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) noch mehr an Bedeutung.

Hohle Phrasen werden ignoriert

Selbst wenn die technische Struktur optimiert wurde, zeigen sowohl Google als auch KI und potenzielle Bewerber die kalte Schulter, wenn sich die Inhalte auf generische Marketingphrasen beschränken. Die Princeton-Studie zeigt eindeutig, dass klare Aussagen, Fakten, Zahlen und nachvollziehbare Quellen in KI-Antworten häufiger berücksichtigt werden als austauschbare Floskeln.

Arbeitgeber, die ihre Karriereseite mit Phrasen füllen, werden von KI-Systemen eher ignoriert.

Konkrete Einblicke, authentische Stimmen und differenzierte Aussagen schaffen das notwendige Vertrauen und erhöhen die Chance, in generativen Antworten berücksichtigt zu werden.

FOMO bringt Bewegung in die Karriereseiten-Optimierung

Bei aller Kritik am GEO-Hype, einen positiven Nebeneffekt hat er doch: Endlich nehmen Unternehmen die technische Struktur und die Inhalte ihrer Karriereseiten ernst. Was jahrelang als „zu teuer“ oder „irrelevant“ abgetan wurde oder schlicht keinem Recruiter wichtig erschien, ist plötzlich unverzichtbar: strukturierte Daten, Barrierefreiheit, konsistente Domains, saubere HTML-Strukturen und relevante Inhalte. Wenn FOMO (Fear of Missing Out) am Ende also dafür sorgt, dass Karriereseiten technisch und inhaltlich besser werden, hat der Hype immerhin eine positive Wirkung.

Und was ist mit GPT-5.1?

Ein naheliegender Einwand könnte nun lauten, die Bochumer Studie untersuche nur das mittlerweile schon fast als veraltet gelten könnende GPT-4.0 und sei deshalb nicht mehr aktuell. Dieser Eindruck hält einer genaueren Betrachtung jedoch nicht stand. Zwar ist GPT-5.1 bei einzelnen Mechanismen durchaus verbessert, da es veraltete Informationen etwas zuverlässiger erkennt und in mehr Fällen eine Websuche durchführt. An der grundsätzlichen Funktionsweise ändert sich dadurch jedoch nichts.

Ein großes Sprachmodell bleibt ein generatives System, das in erster Linie aus seinem internen Wissensbestand heraus antwortet. Die Websuche ist lediglich eine optionale Ergänzung, aber kein integraler Bestandteil der Architektur. Auch GPT-5.1 durchsucht das Web nicht systematisch, nicht umfassend und nicht reproduzierbar. Stattdessen zieht es, wenn überhaupt, nur wenige ausgewählte Quellen heran. Und dies nur in Situationen, in denen das Modell selbst erkennt, dass sein eigenes Wissen möglicherweise veraltet sein könnte. 

Ein Sprachmodell ist keine Suchmaschine

Die Konsequenz ist eindeutig: Die zentralen Befunde der Bochumer Studie bleiben auch für neuere Modellversionen gültig. KI-Antworten bleiben volatil, unvollständig und stark vom internen Wissensstand der Modelle abhängig. Selbst künftige GPT-Generationen werden keine Suchmaschinen sein. Sie werden Antworten generieren, keine Suchergebnisse ausspielen. Wer also glaubt, Modell-Upgrades würden automatisch aktuelle Informationen verarbeiten oder eine stabilere Sichtbarkeit ermöglichen, verkennt die grundlegende Logik dieser Systeme. Für Unternehmen bedeutet das:

Die einzige verlässliche Einflussgröße bleibt die Qualität der eigenen Inhalte und eine technisch saubere Struktur der Karriereseite – unabhängig davon, wie viele Versionsnummern noch folgen.

Unser Fazit

Generative Engine Optimization ist kein eigenständiges Konzept. Vielmehr ist es die Summe aus solidem SEO, gutem Content, sauberer Technik und Nutzerorientierung. Die Bochumer Studie lehrt uns drei Dinge:

1. KI-Antworten sind instabil und nicht planbar.
2. Unterschiedliche Systeme funktionieren völlig unterschiedlich. Und:
3. Die Grundlagen bleiben entscheidend.

Wer technisch exzellente Karriereseiten betreibt, relevante Inhalte liefert, strukturierte Daten korrekt auszeichnet und Medienbrüche vermeidet, ist für jede Form der Suche besser aufgestellt – egal, ob sie klassisch oder generativ erfolgt. GEO hin oder her:

Am Ende zählt, dass Arbeitgeber endlich ihre Hausaufgaben machen.

Du möchtest deine Karriereseite zukunftssicher aufstellen und von mehr Bewerbungen profitieren? Dann sprich uns an! Gemeinsam erschaffen wir eine Seite, die deine Arbeitgebermarke stärkt und Bewerber überzeugt.