AI Overviews: Wie Googles KI-Antworten funktionieren — und wie Inhalte hineinkommen

Wie entstehen AI Overviews?

Google erzeugt AI Overviews mit einem Sprachmodell (Gemini), das eng mit den Kernsystemen der Suche verzahnt ist. Vereinfacht läuft es so ab: Die Suchanfrage wird analysiert und häufig in mehrere Teilfragen zerlegt (Google nennt das „Query Fan-out"). Für diese Teilfragen ruft das System Dokumente aus dem regulären Suchindex ab, das Sprachmodell fasst die Inhalte zu einer Antwort zusammen, und die verwendeten Quellen werden als Links angezeigt. Die Kurzdefinition steht im Lexikon-Eintrag AI Overviews — hier geht es um die Praxis.

Zwei Konsequenzen aus dieser Architektur sind für die Optimierung zentral:

• Ohne Index kein AI Overview. Quellen stammen aus dem normalen Google-Index. Eine Seite, die nicht gecrawlt und indexiert ist, kann nicht zitiert werden. Grundlagen wie Crawling und Indexierung bleiben die Eintrittskarte.
• Klassisches SEO bleibt die Basis. Google erklärt in seiner Dokumentation ausdrücklich, dass es keine gesonderten Markups oder Verfahren für AI Overviews gibt — es gelten die bekannten Richtlinien für hilfreiche Inhalte und technische Zugänglichkeit.

Wann zeigt Google AI Overviews?

AI Overviews erscheinen nicht bei jeder Suchanfrage. Sie werden vor allem bei erklärungsbedürftigen, informationalen Anfragen ausgespielt — Wie-, Warum- und Vergleichsfragen, komplexe Rechercheaufgaben, Fragen mit mehreren Teilaspekten. Bei rein navigationalen Suchen (Markenname) und vielen transaktionalen Anfragen bleibt die klassische Ergebnisliste führend. Auch bei sensiblen Themen (etwa Gesundheit oder Finanzen) ist Google zurückhaltender. Welche Suchintention eine Anfrage hat, entscheidet also mit darüber, ob überhaupt eine KI-Antwort erscheint.

Seit dem US-Start im Mai 2024 hat Google die Ausspielung schrittweise ausgeweitet; seit März 2025 erscheinen AI Overviews auch in Deutschland. Der Anteil der Suchanfragen mit KI-Antwort verändert sich laufend — verlässlich ist nur die Richtung: Es werden mehr, nicht weniger.

Wie wählt Google die zitierten Quellen aus?

Google legt die Auswahlkriterien nicht vollständig offen. Belegt ist:

• Die Quellen kommen aus dem organischen Ranking-Korpus — AI Overviews zitieren häufig Seiten, die für die Anfrage oder ihre Teilfragen gut ranken, aber nicht ausschließlich die Top-Positionen.
• Durch das Zerlegen in Teilfragen können auch Seiten zitiert werden, die für die Hauptanfrage selbst nicht auf Seite 1 stehen — weil sie eine Teilfrage besonders präzise beantworten. Das ist eine echte Chance für spezialisierte Inhalte.
• Googles Qualitätsrahmen (E-E-A-T: Erfahrung, Expertise, Autorität, Vertrauenswürdigkeit) gilt für KI-Antworten genauso wie für klassische Ergebnisse.

Alles darüber hinaus — angebliche „AI-Overview-Rankingfaktoren" mit Prozentangaben — ist Spekulation und sollte auch so behandelt werden.

Was bedeuten AI Overviews für Klicks und Traffic?

Wenn die Antwort bereits in der Suche steht, klicken weniger Menschen auf die Ergebnisse darunter — das Muster ist von Featured Snippets bekannt und verstärkt sich mit AI Overviews („Zero-Click-Suche"). Studien kommen je nach Methodik, Branche und Keyword-Set zu unterschiedlichen Zahlen; seriös ist die qualitative Aussage: Informationale Anfragen verlieren tendenziell Klicks, und die verbleibenden Klicks konzentrieren sich stärker auf zitierte Quellen. Für die eigene Domain lässt sich der Effekt am besten in der Google Search Console beobachten: Impressionen und Klicks aus AI Overviews fließen dort in den regulären Leistungsbericht ein — einen separaten AI-Overview-Filter gibt es bislang nicht, sichtbar wird der Effekt daher vor allem als Verschiebung von CTR und Impressionen.

Optimierung: die belegten Hebel

Aus der dokumentierten Funktionsweise ergeben sich konkrete Maßnahmen:

• Teilfragen vollständig beantworten. Inhalte so strukturieren, dass jede relevante Unterfrage einen eigenen, klar überschriebenen Abschnitt mit einer direkten Antwort im ersten Absatz hat. Wie solche Strukturen aussehen, zeigt Content-Strukturen, die LLMs zitieren.
• Snippet-Freigabe prüfen. Google nutzt für AI Overviews die bestehenden Snippet-Steuerungen: nosnippet, data-nosnippet und max-snippet begrenzen, was in KI-Antworten erscheinen darf. Wer sichtbar sein will, sollte diese Limits nicht versehentlich gesetzt haben; wer Inhalte schützen will, nutzt genau diese Werkzeuge.
• Indexierbarkeit und Technik. Saubere Indexierung, schnelle Auslieferung, keine wichtigen Inhalte hinter Logins oder JavaScript-Hürden.
• Entität stärken. Konsistente Unternehmens- und Autorenangaben, strukturierte Daten und Präsenz in vertrauenswürdigen Drittquellen helfen Suchsystemen, die Marke einzuordnen (Knowledge Graph).
• Nicht auf AI Overviews verengen. Dieselben Inhalte werden auch von ChatGPT Search und Perplexity herangezogen — die Prinzipien überschneiden sich stark, siehe GEO-Praxis-Guide.

Steuern und Ausschließen

Wichtig für die Governance-Diskussion im Unternehmen: Es gibt kein separates Opt-out nur für AI Overviews. Wer aus den KI-Antworten verschwinden will, muss Snippets begrenzen (nosnippet/max-snippet) — und verliert damit auch klassische Snippet-Darstellungen. Der robots.txt-Eintrag Google-Extended betrifft dagegen nur die Nutzung von Inhalten für das Training von Googles Gemini-Modellen, nicht die Anzeige in AI Overviews. Diese Unterscheidung wird in der Praxis häufig verwechselt.

Sichtbarkeit in AI Overviews messen

Ob und wie oft die eigene Marke in KI-Antworten auftaucht, lässt sich systematisch beobachten — mit Monitoring-Tools, Prompt-Stichproben und Referral-Analyse. Die Ansätze im Detail: ChatGPT- und Perplexity-Sichtbarkeit messen. Einen schnellen Ist-Stand für den DACH-Raum liefert der kostenlose KI-Sichtbarkeits-Check auf Basis der SISTRIX-AI-Datenbank.