Generative Engine Optimization für TYPO3 | GEO-Leitfaden

Wer Generative Suchmaschinenoptimierung für TYPO3 ernst nimmt – also die gezielte Optimierung von Inhalten für generative KI-Antworten –, muss verstehen, wie diese Systeme tatsächlich funktionieren. Bei der sogenannten Retrieval-Augmented Generation (RAG) wird eine Suchanfrage nicht mit einem Ranking-Index abgeglichen, sondern mit einem Vektorraum, in dem Inhalte als semantische Fragmente – sogenannte Chunks – gespeichert sind. Ein Chunk ist eine einzelne, in sich geschlossene Bedeutungseinheit.

Zweistufiges Diagramm: KI-Antwortsysteme rufen geeignete Textpassagen nach ihrer Extrahierbarkeit ab und bewerten sie anschließend nach Domain-Autorität, um Zitate auszuwählen.*

Stufe 1 – Abruf: Das System zieht relevante Kandidaten aus einem riesigen Content-Pool. Hier gewinnt die Passage, die sich am saubersten als eigenständige, überprüfbare Antwort extrahieren lässt.

Stufe 2 – Auswahl und Bewertung: Das System zieht relevante Kandidaten aus einem riesigen Content-Pool. Hier gewinnt die Passage, die sich am saubersten als eigenständige, überprüfbare Antwort extrahieren lässt.

Für Organisationen, die ein großes TYPO3-Projekt betreiben, verlagert sich dadurch die zentrale Fragestellung. Es geht nicht mehr nur darum, ob eine Seite rankt, sondern ob ihre einzelnen Content-Bausteine so gut strukturiert und ausgezeichnet sind, dass ein KI-System sie in der ersten Phase erfasst – und sie in der zweiten Phase Ihrer Organisation als Quelle zuordnet. Genau hier kommt die Architektur des Content-Management-Systems (CMS) ins Spiel.

Klassische Suchmaschinenoptimierung (SEO) zielt auf Ranking-Positionen ab: Eine Seite soll so weit oben wie möglich in der Ergebnisliste erscheinen. Generative Engine Optimization (GEO) – häufig auch als KI-Suchmaschinenoptimierung bezeichnet – verfolgt ein anderes Ziel. Hier geht es darum, dass ein großes Sprachmodell (Large Language Model, LLM) Ihre Inhalte erfasst, präzise wiedergibt und idealerweise als Quelle zitiert.

Die Gemeinsamkeiten sind größer, als es zunächst den Anschein hat: Beide Disziplinen erfordern hochwertige Inhalte und ein sauberes technisches Fundament. Der Unterschied geht jedoch darüber hinaus. Bei GEO zählt nicht die Platzierung in einer Liste, sondern die Zitierfähigkeit einer einzelnen Aussage: Ist die Kernbotschaft klar, ist sie belegt, lässt sie sich ohne den umgebenden Kontext verstehen? Wer SEO und GEO als Gegensätze betrachtet, macht es sich zu einfach: Die eine Disziplin baut auf der anderen auf.

Als CMS bringt TYPO3 hierfür starke Voraussetzungen mit, da es Struktur, Mehrsprachigkeit und semantisch saubere Inhalte unterstützt – neben vielen weiteren Vorteilen, die für das CMS sprechen.

„Chunk-Readiness“ statt Seitenlogik

Es kommt nicht mehr auf die gesamte Seite an, sondern auf den einzelnen Absatz. KI-Systeme zerlegen jedes Dokument in kleine Fragmente und bewerten diese separat. Ein Absatz, der nur im Kontext funktioniert, bietet daher wenig Wert – für sich allein gelesen ergibt er keinen Sinn.

Ob eine Textpassage gut extrahierbar ist, hängt von einigen Grundprinzipien ab:

• Die Kernaussage steht an erster Stelle und nicht am Ende einer langen Einleitung.
• Verweise werden innerhalb desselben Absatzes aufgelöst, nicht über Unterüberschriften hinweg.
• Jeder Absatz bildet eine semantisch vollständige Einheit.

Für die Content-Modellierung im TYPO3 CMS bedeutet das in der Praxis: Schneiden Sie Ihre Inhaltselemente so zu, dass jedes für sich genommen Sinn ergibt. Das strukturierte Backend mit seinen einzelnen Inhaltselementen unterstützt dieses Denken aktiv, da es Inhalte bereits in klar abgegrenzten Bausteinen organisiert. Moderne Content-Modelle auf Basis von Content Blocks erleichtern eine semantisch saubere Strukturierung noch weiter.

Solange eine Website einsprachig ist, ist „chunk-ready“ Schreiben vor allem eine Frage der Disziplin. Bei einer mehrsprachigen Website wird es zu einer Frage der Architektur. Retrieval-Systeme müssen jede Sprachversion als eigenständige, sauber ausgezeichnete Einheit erkennen. Tun sie das nicht, treten zwei typische Fehler auf:

1. Sprachvermischung, bei der Fragmente verschiedener Sprachen miteinander vermischt werden.
2. Falsche Zuordnung, bei der ein Modell die falsche Sprachversion als Quelle heranzieht.

Um dies zu verhindern, sind drei Dinge erforderlich: korrekte Sprachauszeichnung auf der Markup-Ebene, eine konsequente Trennung der Übersetzungsstrukturen, anstatt sie über Fallback-Ketten zu vermischen, sowie einheitliche Begriffe und Eigennamen in allen Sprachen. Das Sprach-Handling von TYPO3 bietet hierfür das Fundament, da Sprachen als eigenständige Ebenen (Layer) behandelt werden. Doch das Fundament allein reicht nicht aus – es muss auch richtig konfiguriert werden.

Die drei Hebel für die Zitierfähigkeit

Wenn die Content-Struktur stimmt, entscheiden drei Hebel darüber, ob ein Sprachmodell Inhalte korrekt interpretiert und zuordnet:

1. Strukturierte Daten. Die Verwendung von Vokabular aus Schema.org gibt Maschinen eine klare Klassifizierung vor: Was ist ein Artikel, wer ist der Autor, worum geht es darin? Strukturierte Daten sind die zuverlässigste Brücke zwischen Ihren Inhalten und einem System, das diese verstehen soll.
2. Semantische Verknüpfungen und Konsistenz. Begriffe, Produkte und Eigennamen müssen dokument- und sprachübergreifend einheitlich bleiben, damit ein Modell Zusammenhänge erkennt und zwei Schreibweisen nicht als zwei verschiedene Dinge behandelt.
3. Autoritäts- und Vertrauenssignale. Nachvollziehbare Urheberschaft, belegte Aussagen und sachliche Konsistenz entscheiden darüber, ob ein System Inhalte als zitierwürdig einstuft.

In der Praxis ist GEO kein eigenständiges Projekt, sondern eine Erweiterung dessen, was zu einer guten TYPO3-Suchmaschinenoptimierung ohnehin schon gehört. Die folgenden Punkte können Schritt für Schritt abgearbeitet werden.

Auf der technischen Seite:

• Pflegen Sie strukturierte Daten zentral und geben Sie sie seitentypenübergreifend aus, anstatt sie manuell pro Seite festzulegen
• Bauen Sie Templates so auf, dass sie strukturierte Daten automatisch ausliefern – über Site Sets, TypoScript oder Extbase sowie zentrale Rendering-Strategien
• Richten Sie die Sprachkonfiguration so ein, dass jede Sprachversion eine eigene, korrekt ausgezeichnete Adresse erhält
• Konfigurieren Sie Site Configuration und Sprach-Fallbacks bewusst, damit keine Inhalte in die falsche Sprache rutschen – saubere Trennung geht vor Bequemlichkeit

Auf redaktioneller Ebene:

• Schreiben Sie „chunk-ready“: Halten Sie jede Textpassage so, dass sie auch für sich allein verständlich ist
• Stellen Sie Kernbotschaften an den Anfang, nicht ans Ende eines langen Aufbaus
• Lösen Sie Bezüge direkt im selben Absatz auf, anstatt über Zwischenüberschriften hinweg

Beide Seiten arbeiten Hand in Hand: Das beste technische Markup nützt wenig, wenn der Inhalt nicht so verfasst ist, dass er extrahierbar ist, und der beste Text verpufft, wenn kein Markup ihn klassifiziert.

Generative Engine Optimization ist keine einmalige Aufgabe, sondern eine fortlaufende Disziplin. Der pragmatische Einstieg: Starten Sie mit strukturierten Daten und einer „chunk-ready“ Content-Struktur auf Ihren wichtigsten Seiten und bauen Sie darauf Schritt für Schritt auf - anstatt die gesamte Website auf einmal zu überarbeiten.

Wenn Sie tiefer in die Materie einsteigen möchten, bietet ein detaillierter Überblick über die generative Suchmaschinenoptimierung weiteren Kontext. Für TYPO3-Projekte gilt letztendlich dasselbe wie für gutes SEO: Ein solides Fundament zahlt sich langfristig aus – in traditionellen Suchergebnissen ebenso wie in den Antworten von Sprachmodellen.