Wonach suchst du?
In den ersten beiden Teilen dieser Serie haben wir erklärt, was GEO bedeutet und warum LLM-Sichtbarkeit 2026 auf die Unternehmensagenda gehört. Jetzt wird es konkret: Wie setzt Ihr die Optimierung in TYPO3 technisch um?
Dieser Artikel richtet sich an alle, die bereits verstanden haben, warum LLM-Optimierung relevant ist, und nun wissen möchten, wie sie ihre TYPO3-Website praktisch anpassen können. Wir zeigen Euch, welche Extensions Ihr benötigt, wie Ihr Content Chunks richtig strukturiert und welche Schema-Typen für die KI-Sichtbarkeit besonders relevant sind. Am Ende habt Ihr eine klare Checkliste, mit der Ihr Eure bestehenden Inhalte Schritt für Schritt optimieren könnt.
Google hat am 15. Mai 2026 offiziell klargestellt, wie die eigenen KI-Features funktionieren. Wir ordnen für Euch ein, was das konkret bedeutet.
Im Mai 2026 hat Google den offiziellen Leitfaden „Optimizing your website for generative AI features on Google Search" veröffentlicht. Die Kernaussage: AI Overviews (AIO) und der AI Mode nutzen denselben Index und dieselben Ranking-Systeme wie die klassische Google-Suche. Für Googles eigene KI-Features brauchen wir deshalb keine gesonderten Optimierungsmaßnahmen. Solide Suchmaschinen-Optimierung (SEO) und hochwertige, einzigartige Inhalte sind dort die Basis.
Für diesen Artikel heißt das: Die hier beschriebenen Maßnahmen richten sich vor allem an KI-Systeme außerhalb von Google. Also zum Beispiel ChatGPT, Perplexity, Claude und Copilot. Diese Engines wählen ihre Quellen mit eigenen Verfahren aus. Klare Struktur, eigenständig verständliche Abschnitte und direkte Antworten erhöhen dort die Chance, korrekt verstanden und zitiert zu werden. Gleichzeitig verbessern dieselben Maßnahmen Lesbarkeit, Nutzererfahrung und klassisches SEO. Ihr optimiert also in jedem Fall in die richtige Richtung.
Am wichtigsten bleibt der Inhalt selbst: Google nennt das „non-commodity content", also Inhalte mit eigener Erfahrung, eigenen Daten und spezifischer Expertise. Genau dieses Muster sehen wir auch in unseren eigenen Monitoring-Daten. Struktur ist die Grundlage, Substanz ist der Hebel.
Die wichtigsten Erkenntnisse auf einen Blick: Was Ihr für die technische Umsetzung in TYPO3 wissen müsst.
LLMs verarbeiten Webinhalte in kleinen Einheiten. Die richtige Chunk-Größe entscheidet, ob Eure Inhalte extrahiert und zitiert werden.
Content Chunking bezeichnet die Aufteilung von Inhalten in eigenständige, thematisch fokussierte Abschnitte. Der Hintergrund: Viele KI-Systeme verarbeiten Webinhalte in kleineren Einheiten, etwa wenn sie Passagen aus einer Seite abrufen, um eine Antwort zu formulieren. Eigenständig verständliche Abschnitte überstehen diesen Prozess besser als lange, verschachtelte Textblöcke. Ihr erhöht damit die Chance, dass genau die Passage zitiert wird, die Eure Kernaussage enthält.
Wichtig zur Einordnung: Google hat im Mai 2026 klargestellt, dass die eigenen Systeme auch umfangreiche Seiten mit mehreren Themen verstehen und den relevanten Teil anzeigen. Für Google-Surfaces ist Chunking damit optional. Für externe LLMs und vor allem für Eure Leser bleibt eine klare, fokussierte Struktur ein Qualitätsmerkmal, das sich in unserer Praxis bewährt hat.
Das Ziel ist die Erstellung von Atomic Content: Informationseinheiten, die so präzise und eigenständig sind, dass sie ohne den Rest der Seite verstanden werden können. Als Richtwert haben sich 100-150 Wörter pro Abschnitt bewährt (akzeptabler Bereich: ca. 75-225 Wörter). Dieser Wert stammt aus der Praxis von Retrieval-Systemen: Sehr lange Abschnitte vermischen mehrere Aussagen, sehr kurze verlieren den notwendigen Kontext. Behandelt die Zahl als Orientierung für fokussiertes Schreiben, nicht als harte technische Vorgabe. Entscheidend ist, dass jeder Abschnitt genau eine Frage vollständig beantwortet.
Eine Key Takeaways Box fasst die wichtigsten Erkenntnisse in 3-5 Bullet Points zusammen. Am besten Platziert wird diese Box direkt nach der Einleitung, noch vor der ersten H2. LLMs extrahieren diese kompakten Zusammenfassungen besonders häufig, da sie als Atomic Content perfekt eigenständig verständlich sind. Jeder Punkt sollte 10-20 Wörter umfassen.
In TYPO3 könnt Ihr Content Chunking durch bewusste Strukturierung Eurer Inhaltselemente umsetzen:
Separate Content-Elemente verwenden: Statt eines langen Textblocks legt Ihr für jeden thematischen Abschnitt ein eigenes Content-Element an. Das erleichtert sowohl die Redaktion als auch die spätere Analyse.
Der nachfolgende Text beantwortet die Frage direkt in den ersten 40–60 Wörtern. Diese Struktur entspricht dem Format, in dem Nutzer:innen mit KI-Systemen interagieren.
Nach jeder H2-Überschrift folgt eine kurze Zusammenfassung des Abschnitts (maximal 255 Zeichen). Dies dient als semantischer Anker für den folgenden Content-Block.
Was bedeutet Googles AI Optimization Guide für Schema Markup?
Zur Einordnung: Für Googles KI-Features ist Schema Markup laut dem AI Optimization Guide kein zusätzlicher Hebel. Wertvoll bleibt das Thema aus unserer Sicht dennoch aus zwei Gründen: Es sichert Rich Results in der klassischen Google-Suche. Zudem hat Microsoft bestätigt, dass Bing und darauf aufbauende KI-Systeme wie Copilot strukturierte Daten zum Verstehen von Inhalten nutzen. Strukturierte Daten sind damit Teil einer sauberen technischen Basis.
FAQPage strukturiert Frage-Antwort-Paare so, dass KI-Systeme sie direkt verknüpfen können. Auch wenn Google die Rich Results für FAQ-Markup eingeschränkt hat, bleibt der semantische Wert für LLMs erhalten. Wichtig: Jede Frage sollte so formuliert sein, wie Nutzer:innen sie tatsächlich stellen würden. Die Antwort sollte 60-120 Wörter umfassen und eigenständig verständlich sein.
Article Schema liefert Metadaten wie Veröffentlichungsdatum, Autor und Herausgeber. Das Feld dateModified ist besonders relevant, weil es Aktualität signalisiert. LLMs bevorzugen aktuelle Inhalte aus vertrauenswürdigen Quellen.
HowTo strukturiert Anleitungen in einzelne Schritte. Der Vorteil für LLMs: Sie können gezielt einen bestimmten Schritt extrahieren, statt die gesamte Anleitung verarbeiten zu müssen.
Organization definiert Eure Unternehmensidentität als Entität. Das stärkt die Zuordnung, wenn Eure Marke in KI-Antworten erwähnt werden soll. Wichtige Felder: Name, Logo, Adresse, sameAs (Social-Media-Profile).
TYPO3 bietet mehrere Wege zur Schema-Integration, von der redaktionellen Konfiguration bis zur vollautomatisierten Ausgabe. Hier sind die bewährten Optionen.
TYPO3 bietet mehrere Wege zur Integration von Schema Markup. Die Wahl hängt von Euren technischen Ressourcen und Anforderungen ab.
Die Extension brotkrueml/schema ist der Standard für Schema-Implementierung in TYPO3. Sie ermöglicht sowohl die Konfiguration über TypoScript als auch die Nutzung von Fluid ViewHelpern.
Vorteile von EXT:schema:
Die Extension yoast-seo-for-typo3/yoast_seo bietet integrierte Structured-Data-Funktionen. Sie generiert automatisch BreadcrumbList und WebSite-Schema.
Vorteile von Yoast SEO:
Einschränkung: Weniger flexibel bei komplexen Schema-Anforderungen wie FAQPage oder HowTo.
Für FAQ-Sektionen empfehlen wir ein eigenes Content-Element mit strukturierter Dateneingabe. Das Template generiert automatisch das JSON-LD.
Validierung ist Pflicht. Diese Tools zeigen Euch Fehler und Optimierungspotenzial vor der Veröffentlichung.
Nach der Implementierung solltet Ihr Eure Schema-Daten systematisch prüfen. Fehlerhafte Syntax oder fehlende Pflichtfelder können dazu führen, dass das Markup ignoriert wird.
Das Tool Google Rich Results Test prüft, ob Eure strukturierten Daten für Google-Suchergebnisse geeignet sind. Es zeigt Warnungen und Fehler an und simuliert, wie Rich Snippets aussehen würden.
Der offizielle Validator von schema.org prüft die technische Korrektheit Eurer Schema-Syntax unabhängig von Google. Er ist besonders nützlich für die Entwicklungsphase.
Öffnet den Quelltext Eurer Seite und sucht nach application/ld+json. Prüft, ob das JSON-LD korrekt formatiert ist und alle erwarteten Felder enthält. Typische Fehler sind: fehlende Kommas, falsche Verschachtelung, leere Felder.
Ohne solide technische Basis können LLM-Crawler Eure Inhalte nicht zuverlässig verarbeiten. Diese Punkte solltet Ihr prüfen.
LLM-Crawler wie GPTBot (OpenAI), ClaudeBot (Anthropic) oder PerplexityBot verhalten sich ähnlich wie klassische Suchmaschinen-Bots. Prüft Eure robots.txt.
Beispiel: KI-Crawler erlaubenUser-agent: GPTBotAllow: /
User-agent: Claude-WebAllow: /
User-agent: PerplexityBotAllow: /
Achtung: Manche Website-Betreiber haben KI-Crawler pauschal blockiert. Wenn Ihr LLM-Sichtbarkeit anstrebt, solltet Ihr diese Einstellung überprüfen.
Die llms.txt ist ein neues Dateiformat (Stand: 2025 noch Standard Proposal), das KI-Modellen eine strukturierte Übersicht über Website-Inhalte bieten soll. Anders als die robots.txt, die Crawling-Regeln definiert, liefert llms.txt eine thematisch sortierte Zusammenfassung im Markdown-Format. Ein Beispiel findet ihr direkt auf unserer Seite.
Unsere Einschätzung: Google hat im Juni 2026 offiziell klargestellt, dass die Suche llms.txt-Dateien ignoriert. Unabhängige Analysen zeigen auch bei anderen KI-Engines eine praktisch nicht messbare Nutzung. Eine bestehende Datei könnt Ihr behalten, Priorität haben Content-Struktur und zitierfähige Inhalte.
Bevor Ihr veröffentlicht, könnt Ihr mit einfachen Tests prüfen, ob Eure Inhalte die Kriterien für LLM-Sichtbarkeit erfüllen.
Geht jeden H2-Abschnitt durch und prüft:
Formuliert eine Frage, die Euer Artikel beantwortet, und stellt sie einem LLM. Prüft:
Dieser Test zeigt nicht, ob Ihr zitiert werdet, aber ob Eure Inhalte grundsätzlich die richtige Struktur haben.
Vergleicht Eure implementierten Schema-Typen mit den Empfehlungen:
Für ein kontinuierliches Monitoring Eurer LLM-Sichtbarkeit gibt es spezialisierte Tools, die tracken, wie oft und in welchem Kontext Eure Marke in KI-Antworten erscheint:
Otterly.ai ist eines der etabliertesten Tools im deutschsprachigen Raum. Die Plattform überwacht Brand Mentions und Domain-Zitierungen über ChatGPT, Perplexity, Google AI Overviews, Gemini und Copilot. Ihr seht, welche Prompts Eure Inhalte auslösen, wie sich Eure Sichtbarkeit im Zeitverlauf entwickelt und wie Ihr im Vergleich zum Wettbewerb abschneidet. Besonders nützlich: Die wöchentlichen Link-Tracking-Reports zeigen, welche Eurer URLs tatsächlich zitiert werden.
Peec AI (Berlin-basiert, mit Sentiment-Analyse), Semrush AIO (integriert in die bekannte SEO-Suite), Keyword.com (klassischer Rank-Tracker mit LLM-Erweiterung) und Writesonic GEO (kombiniert Monitoring mit Content-Optimierung).
Startet mit einem kostenlosen Test bei Otterly.ai, um ein Gefühl für Eure aktuelle Sichtbarkeit zu bekommen. Die Basisversion reicht für erste Erkenntnisse. Für strategisches Monitoring und Wettbewerbsanalysen lohnt sich der Einstieg in ein Bezahlmodell.
Von der Analyse bis zur Validierung: So optimiert Ihr eine bestehende Seite systematisch für LLM-Sichtbarkeit.
Nicht jede Seite hat die gleiche Priorität. Fokussiert Euch auf: Top-Traffic-Seiten (Eure 5-10 Seiten mit dem meisten organischen Traffic), Conversion-Seiten (Leistungsseiten, Produktseiten, Landingpages) und Ratgeber mit FAQ-Potenzial. Niedrige Priorität haben Impressum, Datenschutz und News mit kurzfristiger Relevanz.
Seite auswählen und analysieren
Wählt eine Eurer priorisierten Seiten. Prüft: Wie lang sind die Absätze? Gibt es eine klare Überschriften-Hierarchie? Beantwortet der Content konkrete Fragen?
Content in Chunks aufteilen
Überarbeitet die Textstruktur: Teilt lange Absätze in Einheiten von 100-150 Wörtern. Formuliert mindestens 50% der H2-Überschriften als Fragen. Stellt sicher, dass jeder Abschnitt ohne Kontext verständlich ist.
FAQ-Sektion erstellen
Ergänzt am Ende der Seite eine FAQ-Sektion mit 4-6 Fragen. Nutzt echte Kundenfragen oder recherchiert häufige Suchanfragen zum Thema. Jede Antwort sollte 60-120 Wörter umfassen.
Schema Markup implementieren
Wir implementieren für Euch das Article Schema mit datePublished und dateModified sowie FAQPage Schema für die FAQ-Sektion. Je nach Anforderungen könnt Ihr zusätzlich EXT:schema oder EXT:yoast_seo nutzen.
Validieren und testen
Prüft das Schema Markup mit dem Google Rich Results Test. Testet die Seite mit einem Prompt in ChatGPT oder Perplexity. Dokumentiert den Ist-Zustand für spätere Erfolgsmessung.
Gesamtaufwand:
Nach den ersten Seiten geht es deutlich schneller.
Nutzt diese Checkliste für jede Seite, die Ihr optimieren möchtet:
Content-Struktur:
Schema Markup:
Technische Basis:
Antworten auf die wichtigsten Fragen rund um Content Chunking, Schema Markup und LLM-Optimierung in TYPO3.
Die optimale Länge liegt bei 100-150 Wörtern pro Absatz (akzeptabler Bereich: 75-225 Wörter). Jeder Absatz sollte genau eine Idee behandeln und eigenständig verständlich sein. In TYPO3 könnt Ihr die Wortanzahl im Backend prüfen oder ein Browser-Plugin zur Wortzählung nutzen.
Für maximale Flexibilität empfehlen wir EXT:schema (brotkrueml/schema). Sie unterstützt alle Schema.org-Typen und lässt sich über TypoScript und Fluid ViewHelper konfigurieren. Für einfachere Anforderungen reicht EXT:yoast_seo mit automatischer Grundkonfiguration.
Prüft, ob GPTBot, Claude-Web oder PerplexityBot in Eurer robots.txt blockiert sind. Falls ja und Ihr LLM-Sichtbarkeit anstrebt, solltet Ihr die Einträge entfernen oder auf Allow setzen. Die Standardkonfiguration in TYPO3 blockiert diese Crawler nicht.
Nutzt den Google Rich Results Test für die Prüfung auf Rich-Snippet-Eignung und den Schema.org Validator für die technische Syntax. Beide Tools sind kostenlos. Führt die Validierung vor jeder Veröffentlichung durch.
Stand Juli 2026 lautet die Antwort klar: für die KI-Sichtbarkeit nicht. Google hat offiziell bestätigt, dass die Suche llms.txt ignoriert, und unabhängige Studien zeigen auch bei anderen KI-Engines eine praktisch nicht messbare Nutzung. Eine bestehende Datei könnt Ihr behalten. Priorität haben Content Chunking, eine saubere HTML-Hierarchie und zitierfähige Inhalte.
Ja, und das ist oft der effizienteste Weg. Startet mit Euren wichtigsten Seiten: Teilt lange Absätze in Chunks, formuliert Überschriften als Fragen, ergänzt eine FAQ-Sektion und implementiert Schema Markup. Diese Maßnahmen erfordern keine komplette Neuschreibung.
Spezialisierte LLM-Visibility-Tools wie Otterly.ai, Peec AI oder Semrush AIO tracken, wie oft Eure Marke in KI-Antworten erscheint. Sie überwachen ChatGPT, Perplexity, Google AI Overviews und weitere Plattformen. Ihr seht Share of Voice im Vergleich zum Wettbewerb, welche URLs zitiert werden und wie sich Eure Sichtbarkeit entwickelt. Für den Einstieg reicht oft ein kostenloser Test.
Die Grundlagen könnt Ihr selbst umsetzen: Content Chunking, Fragen als Überschriften, FAQ-Sektionen ergänzen. Diese Maßnahmen erfordern vor allem redaktionelle Arbeit und ein Verständnis der Prinzipien. Für die technische Implementierung von Schema Markup, die Konfiguration von TYPO3 Extensions und die systematische Optimierung größerer Websites empfehlen wir professionelle Unterstützung. Besonders bei komplexen Schema-Anforderungen wie verschachtelten HowTo- oder FAQPage-Strukturen zahlt sich Erfahrung aus.
Die Indexierung durch KI-Crawler dauert in der Regel 4-8 Wochen. Erste Veränderungen in der LLM-Sichtbarkeit könnt Ihr mit Tools wie Otterly.ai nach etwa 6-8 Wochen messen. Wichtig: LLM-Optimierung ist kein einmaliges Projekt, sondern ein kontinuierlicher Prozess. Die Algorithmen der KI-Systeme entwickeln sich weiter, und regelmäßige Content-Aktualisierungen signalisieren Aktualität. Plant daher von Anfang an ein monatliches Monitoring ein.
Ja, gerade kleine Websites können von LLM-Optimierung profitieren. Der Vorteil: Ihr habt weniger Seiten zu optimieren und könnt schneller Ergebnisse sehen. Fokussiert Euch auf Eure 5-10 wichtigsten Seiten und setzt dort alle Maßnahmen konsequent um. Kleine, spezialisierte Websites haben oft einen thematischen Fokus, der bei der Entitäten-Zuordnung durch LLMs hilft. Wichtig ist nicht die Größe der Website, sondern die Qualität und Struktur der Inhalte.
Googles Klarstellung vom Mai 2026 bezieht sich auf die eigenen Systeme: AI Overviews und AI Mode nutzen dieselben Ranking-Systeme wie die klassische Suche und verstehen auch lange Seiten mit mehreren Themen. Für Google-Surfaces reicht deshalb solides SEO mit hochwertigen Inhalten. Für KI-Systeme außerhalb von Google (ChatGPT, Perplexity, Claude, Copilot) und für Eure User bleiben klare Struktur, direkte Antworten und eigenständig verständliche Abschnitte wertvoll: Sie verbessern Zitierfähigkeit, Lesbarkeit und klassisches SEO gleichermaßen.
LLM-optimierter Content erfordert einen Perspektivwechsel: Von der Textoptimierung zur strukturierten Datenaufbereitung.
LLM-optimierter Content in TYPO3 bedeutet einen Perspektivwechsel: Eure Website ist nicht nur ein Dokument, das gelesen wird, sondern eine strukturierte Datenbank, aus der KI-Systeme gezielt Antworten extrahieren.
Die gute Nachricht: Die beschriebenen Maßnahmen verbessern gleichzeitig die Nutzererfahrung und klassische SEO. Klare Strukturen, präzise Antworten und saubere Technik sind universelle Qualitätsfaktoren.
Euer nächster Schritt:Wählt eine Eurer wichtigsten Seiten und arbeitet die Checkliste durch. Beginnt mit der Content-Struktur, ergänzt dann Schema Markup und prüft abschließend die technische Basis. In 2–3 Stunden habt Ihr eine vollständig optimierte Seite.
Ihr möchtet Eure TYPO3-Website systematisch für LLM-Sichtbarkeit optimieren? Wir unterstützen Euch bei der Analyse, Strategie und Umsetzung.
Jetzt Kontakt aufnehmen