Die wichtigste Suchmaschinen-Änderung dieses Jahres steckt nicht im auffälligen AI-Mode-Panel, sondern eine Ebene darunter: Seit Juli 2026 bewertet Googles Gemini Flash die Ergebnisse – unabhängig vom Layout. Das kippt das Argument, das mir in Audits am häufigsten begegnet: „Wir kümmern uns um KI, sobald der AI-Mode bei uns wirklich ankommt.“
Die leise Ankündigung
Rekapitulieren wir die Zeitachse, wie sie aus Googles eigenen Quellen belegbar ist. Auf der Google I/O im Mai 2026 machte Google Gemini 3.5 Flash zum neuen Standardmodell im AI-Mode – in Googles Worten „our newest Flash model … as the new default model in AI Mode“. Zum selben Zeitpunkt meldete Google, der AI-Mode habe eine Milliarde monatliche Nutzer überschritten, verfügbar in 98 Sprachen und ohne Abo.
Am 21. Juli 2026 folgte die zweite Meldung: Gemini 3.5 Flash-Lite, eine geschwindigkeitsoptimierte Variante, „is also rolling out in Google Search“. Ein knapper Satz, keine Erläuterung, welche Such-Oberflächen genau das Modell nutzen. Parallel liefen Anfang Juli Berichte, die Google-Suchleiste werde nun vollständig von Gemini 3.5 Flash betrieben und erzeuge KI-zusammengefasste Antworten statt klassischer Linklisten.
Die Fachpresse rahmte das durchweg als AI-Mode-Story. Und genau hier liegt der Denkfehler. Google hat, wie eine der Analysen festhielt, „didn’t specify which particular surfaces within Search will use this version of Gemini“. Diese offene Formulierung ist nicht Nebensache – sie ist der ganze Punkt. Wer den Bewertungsmechanismus mit der Oberfläche verwechselt, plant an der Realität vorbei.
AI-Mode ist nicht gleich KI-bewertete Suche
Trennen wir die beiden Dinge sauber, denn fast jedes B2B-Team, dessen Audit ich sehe, hat sie zusammengeworfen.
Der AI-Mode ist eine Layout-Entscheidung. Es ist die Darstellung, bei der Google statt zehn blauer Links eine generierte Antwort mit ausgewählten Zitaten zeigt. Ob dieses Panel erscheint, hängt von Land, Anfrage und Rollout-Stand ab. Es ist die sichtbare Schicht.
Gemini Flash ist etwas anderes: die Inferenz-Engine. Das Modell, das Relevanz, Entitäts-Sicherheit und Inhaltsqualität bewertet – für jedes Ergebnis, bevor überhaupt entschieden ist, in welchem Layout es ausgespielt wird. Ein Sprachmodell bewertet eine Seite anders als ein klassischer Ranking-Algorithmus: Es liest, ordnet Entitäten zu, prüft, ob eine Aussage in sich schlüssig und belegt ist. Diese Logik läuft nicht nur, wenn das AI-Mode-Panel sichtbar wird.
Der übliche Plan lautete: „Solange bei uns keine KI-Antwortbox auftaucht, ändern wir am Content nichts.“ Dieser Plan setzt voraus, dass die Bewertung erst mit dem Panel beginnt. Tut sie aber nicht. Google hat den Wirkungsbereich des Modells bewusst nicht auf den AI-Mode eingezäunt. Wer daraus schließt, die Bewertung betreffe nur die Antwortbox, trifft eine Annahme, die Google gerade nicht bestätigt hat – und baut seine Content-Priorisierung auf dieser unbestätigten Annahme auf.
Was Gemini Flash tatsächlich bewertet
In den Audits, die wir durchführen, kristallisieren sich vier Bewertungsdimensionen heraus. Sie decken sich fast eins zu eins mit dem, was in der GEO-Literatur inzwischen dokumentiert ist.
1. Entitäts-Erkennung
Das Modell will wissen, wer Sie sind – eindeutig. Organization-Schema liefert Namen, Logo, URL, Kontaktdaten und sameAs-Verweise auf autoritative Profile. Diese Verweiskette nimmt dem Modell die Mehrdeutigkeit. Ist Ihr Firmenname konsistent über alle Signale hinweg gesetzt, entfällt die Verwechslungsgefahr. Fehlt die Kette, muss das Modell raten – und rät im Zweifel gegen Sie.
2. Inhaltsstruktur
Strukturierte Daten sind für ein Sprachmodell eine Lesekarte. Laut der Analyse von SearchAtlas erscheinen Seiten mit FAQPage-Auszeichnung 3,2-mal häufiger in KI-generierten Übersichten. Die Größenordnung der Wirkung zeigt eine weitere Auswertung: In Digidops Analyse stieg die Quote korrekter Antworten von GPT-4 von 16 % auf 54 %, sobald der Inhalt auf strukturierten Daten aufsetzte. Beide Zahlen stammen aus den jeweils eigenen Untersuchungen der Anbieter, nicht aus unabhängiger Forschung – die Richtung ist trotzdem eindeutig: JSON-LD-Blöcke und eine saubere HTML-Hierarchie ersetzen das Raten durch Fakten.
3. Antwortfähigkeit
Löst Ihre Seite die Frage, ohne dass jemand klicken muss? Das ist keine akademische Frage: Auf AI-Mode-Anfragen liegt die Zero-Click-Rate bei rund 93 % – der höchste Wert aller Google-Oberflächen. Die Sichtbarkeit entsteht also im Zitat, nicht im Besuch. Inhalte in eigenständigen Sinnblöcken von 200 bis 400 Wörtern, die für sich stehen können, werden bevorzugt herangezogen.
4. Autorität
Gemini bewertet Inhalte gegen E-E-A-T-Signale: belegte Quellen, sichtbare Autoren-Credentials, Erfahrungsbeispiele aus erster Hand. Wichtig für die Einordnung: Diese Zitat-Auswahl ist in bestehenden Ranking-Systemen wie RankBrain, BERT, PageRank und dem Helpful-Content-System verankert. GEO ersetzt SEO-Grundlagen nicht, es legt sich darüber. Ein dateModified im Schema, ein benannter Autor, ein extern verlinkter Beleg – das sind die Signale, die aus Ihrer Sicht „nice to have“ wirken und aus Modellsicht die Vertrauensfrage entscheiden.
Drei konkrete Verschiebungen für die B2B-Content-Strategie
Aus diesen vier Dimensionen folgen drei Konsequenzen, die ich Kunden gerade als Erstes erkläre.
Erstens: Keyword-Dichte ist ein nachlaufendes Signal, Entitäts-Sicherheit das neue primäre. Die GEO-Logik kehrt die alte Reihenfolge um. Keyword-Dichte, Meta-Beschreibungen und Backlink-Profile zählen deutlich weniger als Inhaltsstruktur, Entitäts-Klarheit und belegbare Autorität. Der Grund ist mechanisch: Klassische Suche war auf Links und PageRank gebaut, KI-Bewertung ist auf Sprache und Entitäts-Erkennung gebaut. Sie messen weiter Keyword-Rankings, weil das Dashboard es anzeigt – aber das Modell fragt zuerst, ob es Ihre Marke überhaupt eindeutig erkennt.
Zweitens: Auf Antwort-Extraktion strukturierter Content schlägt auf Überflieger-Lesbarkeit optimierten Content – und zwar auch auf ganz normalen SERPs ohne Antwortbox. Ein Fließtext, der für das menschliche Querlesen gebaut ist, gibt einem Modell keine sauberen Blöcke zum Herausziehen. Eine Seite mit klaren Überschriften, Tabellen für Vergleiche, geordneten Listen für Abläufe und echten Frage-Antwort-Paaren tut das.
Drittens: Unstrukturierte Leistungsseiten tragen jetzt einen Inferenz-Malus – selbst wenn sie noch auf alten Keyword-Rankings sitzen. Wie parallel diese beiden Spiele laufen, zeigt eine Zahl deutlich: Laut der Auswertung von SEO Sherpa stammen nur 17 % der Zitate in AI Overviews von Seiten, die auch in den organischen Top 10 ranken. Ihr gutes klassisches Ranking garantiert Ihnen also nicht das Zitat. Und mit jedem Modell-Update wird diese Lücke eher größer als kleiner.
Der GEO-first-Reframe
Der Satz „Wir nehmen GEO zusätzlich in den SEO-Stack auf“ beschreibt es falsch. Präziser: KI-Inferenz steht jetzt vor dem Keyword-Abgleich in der Bewertungsreihenfolge. Das Modell entscheidet zuerst, ob es versteht, wer Sie sind und was auf der Seite steht – und erst danach kommen die klassischen Signale zum Tragen.
Für die Priorisierung des Content-Budgets heißt das etwas Konkretes. Zuerst reparieren Sie die trafficstarken Leistungsseiten ohne JSON-LD – dort sitzt Umsatz auf einer Seite, die das Modell strukturell nicht lesen kann. Nachrangig sind dünne Blogbeiträge ohne internen Zitat-Anker: Sie zu strukturieren bringt wenig, wenn sie inhaltlich nichts liefern, das ein Modell zitieren würde.
Und wie erklären Sie das einem Kunden, der noch das Keyword-Ranking als primären KPI reportet? Nicht, indem Sie das Ranking-Dashboard abschaffen. Sondern indem Sie eine zweite Messgröße danebenstellen: Wie oft und wie beschrieben taucht die Marke in KI-Antworten auf? Genau dafür haben wir Cited gebaut – ein Tracker, der in Echtzeit verfolgt, wie ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews eine Marke und ihre Wettbewerber beschreiben. Ohne so eine Messung diskutieren Sie über KI-Sichtbarkeit im Blindflug.
Fünf-Punkte-Selbstcheck für heute
Diese Liste kann ein Team ohne Spezialisten in einem Nachmittag durchgehen. Jeder Punkt ist ein klares Bestanden oder Durchgefallen.
- Organization- und Service-JSON-LD vorhanden und validator-sauber? Ziehen Sie Ihre Startseite und eine Leistungsseite durch einen Schema-Validator. Fehler oder gar kein Block bedeuten: durchgefallen.
- FAQPage-Markup auf jeder Leistungsseite mit FAQ-Inhalt? Sichtbare Fragen und Antworten auf der Seite reichen nicht – sie müssen maschinenlesbar als FAQPage ausgezeichnet sein.
dateModifiedim JSON-LD auf allen crawlbaren Seiten? Ein Datum im Fließtext zählt nicht. Das Frische-Signal muss im strukturierten Datenblock stehen.- llms.txt im Root-Verzeichnis, im Spec-Format? Die Datei soll eine kompakte, in Markdown formatierte Karte Ihrer wichtigsten Ressourcen sein – ein Link-Index, keine Fließtext-Erzählung. Modelle indexieren Ihre Seite nicht wie ein Crawler; sie holen sich im Moment der Anfrage nur das, was leicht auffindbar ist.
- Entitäts-Test bestanden? Kopieren Sie Ihren Startseiten-Text in ein kostenloses Named-Entity-Recognition-Tool. Werden Firmenname, Leistungskategorie und Standort korrekt aufgelöst? Wenn nicht, hat auch Gemini Flash dasselbe Problem.
Der Einwand „Die DACH-Region hat doch noch keinen AI-Mode“ – beantwortet
Diesen Satz höre ich oft, und er ist gleich doppelt überholt. Erstens: Der AI-Mode ist in Deutschland, Österreich und der Schweiz seit Oktober 2025 ausgerollt – die Oberfläche ist längst da, nicht mehr Zukunftsmusik. Zweitens, und das ist der eigentliche Punkt: Selbst wo Nutzer das Panel nicht sehen, bewertet dasselbe Gemini-Modell den Ergebnissatz ihrer Anfrage wie in jedem anderen Markt. Die relevante Grenze ist nicht mehr die UI-Verfügbarkeit, sondern die Aktualität des Bewertungsmodells.
Das Zeitfenster, in dem man KI-Optimierung als optionales Später behandeln konnte, hat sich im Juli 2026 geschlossen. Die einzige offene Frage ist nicht mehr ob, sondern wie weit Ihre Seiten inzwischen zurückliegen.
Das August-Programm: 30 Tage, priorisiert
So würde ich die kommenden vier Wochen takten – jede Woche liefert ein abgeschlossenes Ergebnis, nicht nur Vorarbeit.
- Woche 1 – JSON-LD-Triage auf den fünf trafficstärksten Landingpages: Organization- und Service-Schema ergänzen, validieren, live schalten.
- Woche 2 – FAQPage-Markup auf allen Leistungsseiten mit vorhandenem FAQ-Inhalt ausrollen.
- Woche 3 – llms.txt-Audit: Datei prüfen und ins korrekte Link-Index-Format bringen, statt Fließtext.
- Woche 4 – E-E-A-T-Signale: Autoren-Zuordnung, belegte Aussagen und
dateModifiedüber die wichtigsten Seiten hinweg nachziehen.
Für das ROI-Gespräch bleibt eine Formulierung hängen: Gemini Flash ist kein künftiges Risiko, das man absichern muss. Es ist die aktuelle Bewertungsrealität, an der Sie sich schon heute messen lassen. Wenn Sie den Startpunkt nicht selbst festlegen wollen, ist unser KI-Sichtbarkeits-Audit genau dafür da – wir sagen Ihnen konkret, welche Seiten das Modell gerade nicht sauber lesen kann.