GEO messen ohne Klicks: So erkennst du den Erfolg
16. November 2026
Wer Inhalte für KI-Systeme wie ChatGPT, Claude oder Google AI Overviews optimiert, stellt sich früher oder später die Frage: Woran erkennt man, ob die Maßnahmen wirken? Denn Generative Engine Optimization (GEO) führt nicht immer zu einem nachvollziehbaren Klick. Viele Nutzer:innen erhalten ihre Antwort direkt im KI-Chat, ohne die verlinkte Quelle zu öffnen.
Klassische SEO-Kennzahlen wie Rankings und organischer Traffic reichen deshalb allein nicht aus. Zusätzlich lassen sich die Klicks aus KI-Systemen in Google Analytics häufig nicht eindeutig zuordnen.
In diesem Artikel erklären wir, warum KI-Traffic so schwer messbar ist, welche Rolle Direct Traffic dabei spielt und welche Kennzahlen sich in der Praxis sinnvoll kombinieren lassen, um den Erfolg deiner GEO-Maßnahmen realistisch einzuschätzen.
Inhaltsverzeichnis
ToggleWarum Klicks aus KI-Systemen schwer messbar sind
Immer häufiger beginnen Suchanfragen nicht mehr bei Google, sondern in einem KI-System. Dort holen sich Nutzer:innen Empfehlungen, vergleichen Optionen und klicken bestenfalls anschließend auf eine Quelle. Klicks aus KI-Systemen kommen jedoch aus mehreren Gründen nicht sauber als solche in der Webanalyse an:
- Fehlende Herkunftsinformationen: Der Referrer, also die Information darüber, von welcher Seite ein Besuch kommt, wird von Browsern, Apps oder Datenschutzeinstellungen teilweise nicht übermittelt.
- Verlorene UTM-Parameter: Auch wenn ein Link mit UTM-Parametern versehen ist, können diese auf dem Weg zum Ziel verloren gehen. Öffnet beispielsweise jemand einen Link in einer KI-App auf dem iPhone, können abhängig von Browser- und Datenschutzeinstellungen UTM-Parameter entfernt werden.
- Wechsel der Umgebung: Manche Links öffnen sich in einer In-App-Browser-Ansicht oder in einem anderen Browser. Dabei können Tracking-Informationen verloren gehen.
Die Folge: Ein Teil der Besuche landet in Analytics unter „Direct“, obwohl sie ursprünglich von einer anderen Quelle stammen.
Das Problem mit Direct Traffic
Direct Traffic bezeichnet in der Regel Besuche, bei denen die Herkunft nicht erkennbar ist. Im Idealfall hat jemand die Adresse direkt im Browser eingegeben. Das ist jedoch nicht der einzige Fall: Im Direct Traffic landen auch Klicks, die sich nicht nachvollziehen lassen, etwa aus Messenger-Diensten wie WhatsApp, aus E-Mail-Programmen oder durch private Weitergabe. Man spricht in diesem Zusammenhang auch von Dark Search. Das Phänomen wird hier im Detail von Eric Wu beschrieben.
Für die Auswertung ist deshalb entscheidend, auf welche Seite der Besuch trifft:
| Zielseite | Typische Ursache bei Direct Traffic | Aussagekraft als Indikator |
|---|---|---|
| Startseite | Eingabe der Domain, Lesezeichen, Verlinkungen ohne Tracking oder KI-Systeme, die auf die Startseite verweisen | Gering, da viele Quellen den gleichen Einstieg nutzen |
| Unterseite (z. B. Blogartikel, Ratgeber) | Eingabe der vollständigen URL ist unwahrscheinlich; Weitergabe per Messenger oder ein Link aus KI-Antworten sind möglich | Höher, da sich ein Teil der Zugriffe gezielt auf inhaltliche Quellen zurückführen lässt |
- Gerade bei tiefen Unterseiten ist es unwahrscheinlich, dass Nutzer:innen die vollständige URL manuell eingeben. Erhält ein Blogartikel über mehrere Monate hinweg regelmäßig Direct-Besuche, sind fehlende Tracking-Informationen naheliegend. Ein Teil davon kann aus KI-Systemen stammen, ein anderer Teil aus Messenger-Weitergaben oder weiteren Quellen.
Direct Traffic als Trendindikator nutzen
Direct Traffic auf Unterseiten lässt sich keiner einzelnen Quelle eindeutig zuordnen. Als Trendindikator eignet er sich jedoch gut, wenn man ihn systematisch beobachtet.
So gehst du vor:
- Segment anlegen: Erstelle in Analytics ein Segment, das ausschließlich Direct-Besuche auf Unterseiten (nicht auf der Startseite) enthält.
- Historie prüfen: Werte die Entwicklung der letzten zwei bis drei Jahre aus, sofern die Daten vorliegen. Achte darauf, ob der Anteil dieses Segments am Gesamttraffic steigt.
- Ausgangswert festlegen: Dokumentiere den Stand vor Beginn der GEO-Maßnahmen über einen ausreichend langen Zeitraum, idealerweise mehrere Monate.
- Entwicklung beobachten: Verfolge das Segment parallel zu den GEO-Maßnahmen, etwa zu neuen Inhalten, Überarbeitungen oder für Zitierungen optimierten Seiten.
- Ergebnisse einordnen: Betrachte den Trend statt einzelner Werte und stelle die Entwicklung weiteren Kennzahlen gegenüber.
Tipp: Nutze auch gerne unser Direct Traffic Datastudio-Dashboard, um dir einen schnellen Überblick über den Direct Traffic auf deiner Startseite und Unterseiten zu verschaffen.
Wichtig: Ein steigender Wert beweist keinen kausalen Zusammenhang. Er stützt die Annahme, dass die GEO-Maßnahmen wirken, wenn sich der Anstieg zeitlich und inhaltlich plausibel einordnen lässt.
Auch eine steigende Markenbekanntheit kann den Direct Traffic erhöhen. Das ist ebenfalls positiv, lässt sich aber nicht eindeutig von der Wirkung der GEO-Maßnahmen trennen. Deshalb sollte die Entwicklung stets im Kontext weiterer Daten betrachtet werden.
Welche Kennzahlen sich für die GEO-Erfolgsmessung eignen
Eine einzelne Kennzahl reicht für die Erfolgsmessung im GEO nicht aus. Sinnvoll ist ein Mix aus mehreren Quellen mit unterschiedlicher Aussagekraft:
- Server-Log-Analyse: Zeigt, wie häufig KI-Crawler die eigene Website aufrufen. Sie ist eine vergleichsweise belastbare Kennzahl für die technische Erreichbarkeit und das Interesse von KI-Systemen an den Inhalten.
- Prompt-Tracking: Misst, ob und wie häufig eine Marke in KI-Antworten zu relevanten Suchanfragen erscheint. Die Ergebnisse hängen allerdings stark von den verwendeten Prompts und Systemen ab.
- Bing Webmaster Tools: Liefert Daten zu Sichtbarkeit und Klicks in Bing, das auch für einige KI-Systeme relevant ist. Der „AI Performance“-Bericht zeigt, wie oft Seiten in Microsoft Copilot und Bing-KI-Antworten zitiert werden; ChatGPT-Zitierungen sind darin nicht enthalten.
- Google Search Console: Zeigt Entwicklungen bei Impressionen, Klicks und Suchanfragen. Klicks sind jedoch nicht eindeutig KI-Suchen zuordenbar.
- Analytics-Segmente für KI-Besuche: Je nach Tool und Konfiguration lassen sich KI-Quellen als eigenes Segment auswerten. Die Abdeckung ist aber unvollständig.
Keine dieser Kennzahlen ist für sich genommen vollständig. In der Kombination entsteht jedoch ein belastbareres Gesamtbild.
Warum Zeitreihen wichtiger sind als Momentaufnahmen
Eine einzelne Messung sagt wenig aus. Ob 200 KI-Crawler-Zugriffe pro Monat viel oder wenig sind, lässt sich ohne Vergleich nicht beurteilen. Entscheidend ist die Entwicklung:
- Wie sieht der Ausgangswert vor den Maßnahmen aus?
- Wie verändert sich der Wert nach der Umsetzung einzelner Maßnahmen?
- Gibt es Parallelen zwischen mehreren Kennzahlen?
Erst dieser Vergleich macht Fortschritte nachvollziehbar und zeigt, welche Maßnahmen Wirkung entfalten.
Die Grenzen der Erfolgsmessung im GEO
Auch bei sorgfältiger Auswertung bleiben Unsicherheiten:
- Unvollständige Zuordnung: Nicht jeder KI-Besuch wird als solcher erkannt; ein Teil des Effekts bleibt unsichtbar.
- Startseiten-Effekt: Manche KI-Klicks landen auf der Startseite und lassen sich dort kaum von anderem Direct Traffic trennen.
- Schwankende Ergebnisse: KI-Antworten unterscheiden sich je nach System, Zeitpunkt und Formulierung.
- Begrenzte Messung der Markenwirkung: Empfehlungen in KI-Antworten, die nicht zu einem Klick führen, lassen sich mit Standard-Tools nur schwer erfassen.
Ein sinnvoller Umgang damit ist, die Erfolgsmessung als laufenden Prozess zu verstehen und Ergebnisse mit Vorsicht zu interpretieren.
Fazit: GEO-Erfolg mit mehreren Kennzahlen messen
Die Erfolgsmessung im GEO ist derzeit eine Frage der richtigen Kombination. Direct Traffic auf Unterseiten, Server-Log-Daten, Prompt-Tracking und Daten aus den Search-Tools ergeben zusammen ein aussagekräftiges Bild, auch wenn die Daten unvollständig sind. Wichtig ist, frühzeitig mit der Messung zu beginnen, Ausgangswerte festzuhalten und Entwicklungen über einen längeren Zeitraum zu beobachten.









