KI SpotlightNewsForschungspaper führt Generative Engine Optimization ein
Neues Paradigma für Sichtbarkeit in KI-Antworten definiert und auf KDD 2024 angenommen
Mit KI erstellt◆ Fakten auf einen Blick
- Das Paper 'GEO: Generative Engine Optimization' existiert und wurde 2023 auf arXiv veröffentlicht (arXiv:2311.09735); es wurde laut Quellen auf der KDD 2024 angenommen.
- Autor:innen des Papers sind Vishvak Murahari, Pranjal Aggarwal, Tanmay Rajpurohit, Ashwin Kalyan, Karthik R Narasimhan und Ameet Deshpande.
- Das Paper berichtet von Sichtbarkeitsgewinnen von bis zu 40 % in generierten Antworten, gemessen auf dem eigenen Benchmark GEO-bench mit 10.000 Suchanfragen.
- Getestet wurden neun Optimierungstaktiken; Zitate, Quellenangaben und Statistiken brachten die größten Verbesserungen, Keyword-Stuffing dagegen kaum oder keine Verbesserung und lag auf Perplexity.ai 10 % unter der unveränderten Version.
- Google AI Overviews waren laut Paper kein Testumfeld; getestet wurde mit einem eigenen Setup auf Basis von gpt3.5-turbo und zusätzlich auf Perplexity.ai.
- GEO wird als Praxis definiert, Inhalte so zu strukturieren und zu signalisieren, dass generative KI-Systeme sie abrufen und in synthetisierten Antworten zitieren.
Forschungspaper führt Generative Engine Optimization ein
Ein Forschungspaper hat den Begriff Generative Engine Optimization (GEO) formal eingeführt. Das Paper 'GEO: Generative Engine Optimization' (arXiv:2311.09735) wurde 2023 veröffentlicht und auf der KDD 2024 angenommen. Es definiert GEO als Ansatz, Inhalte so zu optimieren, dass generative KI-Assistenten sie in ihren Antworten zitieren. Diese Definition ist relevant, weil generative Engines wie ChatGPT oder Perplexity zunehmend klassische Suchmaschinen ersetzen und Content-Ersteller neue Strategien benötigen. Zu den Autoren gehören Vishvak Murahari, Pranjal Aggarwal, Tanmay Rajpurohit, Ashwin Kalyan, Karthik R Narasimhan und Ameet Deshpande.
Bis zu 40 Prozent mehr Sichtbarkeit in KI-Antworten
Das Paper berichtet von Sichtbarkeitsgewinnen von bis zu 40 Prozent in generierten Antworten, gemessen auf GEO-bench mit 10.000 Suchanfragen. Getestet wurden neun Taktiken. Zitate, Quellenangaben und Statistiken brachten die größten Verbesserungen, weil sie Inhalte als vertrauenswürdig und faktenbasiert erscheinen lassen – genau das, was generative Modelle bei der Antwortauswahl bevorzugen. Keyword-Stuffing hingegen verschlechtert die Lesbarkeit und entspricht nicht den Bewertungskriterien der Modelle; es lieferte kaum Verbesserung und lag auf Perplexity.ai 10 Prozent unter der unveränderten Version.
