LLM-Optimierung

LLMO steht für Large Language Model Optimization, auf Deutsch LLM-Optimierung, manchmal auch „LLM SEO“. Der Begriff fragt, wie ein Unternehmen in den Antworten großer Sprachmodelle vorkommt: ob ChatGPT, Gemini oder Claude es kennen, richtig beschreiben und empfehlen.

In der Praxis meint LLMO fast dasselbe wie Generative Engine Optimization. Der eigene Blickwinkel lohnt trotzdem einen Eintrag, denn er lenkt den Blick auf eine Frage, die GEO oft überspringt: Was steckt im Modell selbst, und was kommt erst durch die Websuche dazu?

Warum das Kürzel das Modell in den Mittelpunkt stellt

Mit dem Start von ChatGPT Ende 2022 rückte ein neuer Ansprechpartner in den Blick: nicht mehr die Suchmaschine mit ihrer Trefferliste, sondern ein Sprachmodell, das aus seinem Training heraus antwortet. Das Kürzel LLMO setzt genau dort an. Einen belegten Urheber gibt es nicht, ein Normgeber hat den Begriff nie festgelegt.

Wie wenig klar die Abgrenzung von Anfang an war, zeigt ein Beitrag im deutschen Fachmagazin Website Boosting Anfang 2025. Dort ist von einer „neuen Sau“ die Rede, die durch das „Online-Marketing-Dorf getrieben“ werde und viele Namen habe: LLMO, GEO und GAIO.

Durchgesetzt hat sich in Deutschland ein anderer Name. Laut Google-Ads-Daten stieg die Nachfrage nach „llmo“, „llm seo“ und „llm optimierung“ bis Juni 2025 auf 1.250 Suchen im Monat und fiel bis September 2026 auf 230. Die GEO-Begriffe lagen im selben Monat bei 4.200. Deshalb führt das Radar LLMO als überholt: Das Thema ist aktuell, das Etikett weicht GEO.

Zwei Wege, auf denen ein Sprachmodell über Sie spricht

Der eigentliche Wert des LLMO-Blickwinkels liegt in einer Unterscheidung. Was ein KI-Assistent über Ihr Unternehmen sagt, kann aus zwei Quellen stammen:

Viele Antworten mischen beides: Das Modell sucht, ordnet die Treffer aber mit seinem Vorwissen ein. Diese Verankerung in Quellen heißt Grounding. Ob ein Assistent sucht, entscheidet er je nach Frage und Einstellung selbst.

Was sich am Trainingswissen ändern lässt und was nicht

Direkt einreichen lässt sich nichts. Es gibt kein Formular, über das ein Unternehmen einem Modell Fakten übergibt. Steuern können Sie nur, ob Ihre Inhalte für das Training gesammelt werden dürfen. OpenAI trennt dafür zwei Crawler: GPTBot sammelt für das Training, OAI-SearchBot für die Suche in ChatGPT. Beide Einstellungen sind laut OpenAI-Dokumentation unabhängig voneinander. Google regelt die Nutzung für Gemini über das Token Google-Extended, das nach eigener Aussage keinen Einfluss auf die Google-Suche hat (Google-Dokumentation).

Ein Beispiel zur Veranschaulichung: Ein Maschinenbauer hat sich 2025 umfirmiert und den Standort gewechselt. Fragt man einen Assistenten ohne Websuche, nennt er den alten Namen und die alte Adresse. Mit Websuche stimmt die Antwort, sofern Website, Unternehmensprofil und Handelsregister-Einträge den neuen Stand zeigen. Der Fehler im Modellwissen verschwindet erst, wenn ein späteres Training genügend aktuelle Quellen mit dem neuen Namen enthält.

Woran Sie ein LLMO-Angebot messen

Wird Ihnen „LLM-Optimierung“ angeboten, helfen vier Fragen bei der Einordnung:

1. Welcher Weg ist gemeint? Ein seriöses Angebot sagt, ob es um Modellwissen, Live-Abruf oder beides geht, und erklärt, warum.
2. Was wird gemessen? Sinnvoll sind feste Fragen, die regelmäßig mit und ohne Websuche gestellt werden, und der Anteil korrekter Nennungen.
3. Wie wird mit Fehlern umgegangen? Falsche Angaben über Ihr Unternehmen, eine Marken-Halluzination, lassen sich nur über bessere öffentliche Quellen korrigieren, nicht im Modell.
4. Was wird versprochen? Zusagen wie „Wir bringen Sie ins Training von ChatGPT“ sind nicht einlösbar. Niemand außerhalb der Anbieter weiß, welche Seiten in ein Training einfließen.

Fällt die Antwort auf alle vier Fragen überzeugend aus, ist der Name des Angebots zweitrangig. Wie die Arbeit an Inhalten, Quellen und Messung im Detail aussieht, beschreibt der Leitfaden GEO-Optimierung.