Folge 26: Self-Promotional Listicles – Wie wirksam ist Eigenwerbung in KI-Systemen?

Listicles gehören zu den am häufigsten zitierten Content-Formaten in KI-Systemen – doch was passiert, wenn Unternehmen diese Taktik auf der eigenen Website nutzen und sich selbst auf Platz 1 setzen? In dieser Folge präsentieren Andre Alpar und Matthäus Michalik ein umfassendes GEO-Experiment zu Self-Promotional Listicles.

Das Experiment zeigt nicht nur, wie schnell KI-Systeme auf solche Inhalte reagieren, sondern auch, welche unerwarteten Effekte auftreten – von der Wiederbelebung nicht mehr existierender Agenturen bis hin zu Caching-Phänomenen, die selbst nach Änderungen bestehen bleiben. Eine Folge voller praktischer Erkenntnisse für alle, die verstehen wollen, wie weit Onpage-GEO-Taktiken tragen.

Wie lassen sich Erkenntnisse über GEO gewinnen?

Die GEO Know How Academy nutzt drei zentrale Methoden, um fundierte Erkenntnisse über Generative Engine Optimization zu gewinnen:

Das Experiment: Self-Promotional Listicles auf der eigenen Website

Im Zentrum dieser Folge steht die Frage: Wie wirkt sich ein Listicle auf der eigenen Website aus, in dem sich ein Unternehmen selbst auf Platz 1 platziert? Anders als beim Matchatteus-Experiment (Folge 19), bei dem Listicles auf Drittdomains platziert wurden, geht es hier um Onpage-Content-Optimierung.

Warum Listicles? Die Datenlage spricht für sich

Eine Analyse von Profound aus dem Jahr 2024 zeigt: Vergleichende Listen machen 32,5% aller Citations in KI-Systemen aus – mehr als jedes andere Content-Format außer „Sonstiges“. Von 177 Millionen analysierten Citations entfielen über 57 Millionen auf Listicles.

Diese Dominanz macht Listicles zum idealen Testformat für GEO-Experimente. Die Frage ist nur: Funktioniert diese Taktik auch, wenn sie auf der eigenen Domain eingesetzt wird?

Die ethische Dimension: White Hat, Grey Hat oder Black Hat?

Self-Promotional Listicles bewegen sich in einer Grauzone. Während die Taktik nicht explizit gegen Richtlinien verstößt, stellt sich die Frage der Glaubwürdigkeit: Ist es seriös, sich selbst auf Platz 1 zu setzen?

Agenturen wie iPullRank (Mike King) oder deutsche Marktbegleiter setzen diese Taktik bereits ein. Die Frage bleibt: Will man als Marke dafür stehen? Andre Alpar bringt es auf den Punkt: „Cringe.“

Experiment-Setup: Tracking und Testdesign

Für das Experiment wurde ein umfassendes Monitoring aufgesetzt:

Ergebnis 1: Sofortige Wirkung – 24 Stunden später sichtbar

Bereits 24 Stunden nach Veröffentlichung des Listicles reagierten die KI-Systeme. ChatGPT, AI Overviews und Perplexity nutzten die URL als Quelle. Die Mention-Rate stieg von rund 20% auf über 40% – eine Verdopplung der Sichtbarkeit durch einen einzigen Artikel.

Welches KI-System nutzt das Listicle am häufigsten?

AI Overviews führt mit 324 Citations seit Veröffentlichung deutlich. Google nutzt das Listicle am stärksten als Quelle – ein klares Signal für die Relevanz von Onpage-Content in der Google-KI-Welt.

Ergebnis 2: Totgeglaubte leben länger – Die AKM3-Iteration

In einer zweiten Iteration wurde das Listicle modifiziert: Auf Platz 2 wurde die AKM3 platziert – eine Agentur, die Andre Alpar und Matthäus Michalik gemeinsam gegründet hatten, die aber im Jahr 2026 nicht mehr als AKM3 existiert.

Das Ergebnis: KI-Systeme übernahmen die Agentur ohne Plausibilitätsprüfung. ChatGPT, AI Overviews und Perplexity zitierten AKM3 als eine der führenden SEO-Agenturen – obwohl die Agentur in dieser Form nicht mehr aktiv ist.

GEO-Implikation: KI-Systeme führen keine tiefgehende Faktenchecks durch, wenn Inhalte auf autoritativen Domains mit aktuellen Jahreszahlen veröffentlicht werden. Die Zeitangabe „2026“ im Titel suggeriert Aktualität – selbst wenn die Inhalte veraltet sind.

Ergebnis 3: Englische Inhalte – Weniger Impact als erwartet

Eine weitere Iteration testete die Wirkung englischsprachiger Listicles. Die Hypothese: Da 30-40% der Fanout-Queries auf Englisch erfolgen (selbst bei deutschsprachigen Prompts), könnte ein englisches Listicle zusätzliche Citations generieren.

Der Impact des englischen Listicles war überschaubar. Obwohl englische Fanout-Queries existieren, dominiert bei deutschsprachigen Themen (wie „SEO-Agenturen in Deutschland“) der deutschsprachige Content.

Ergebnis 4: Caching-Effekt – Änderungen werden nicht sofort übernommen

In der letzten Iteration wurde eine Agentur aus dem Listicle entfernt (One Beyond Search) und durch eine andere ersetzt. Das überraschende Ergebnis: Selbst Wochen nach der Änderung wurde die entfernte Agentur weiterhin in KI-Antworten genannt – mit Verweis auf das Claneo-Listicle, das die Agentur längst nicht mehr führte.

Vermutung: KI-Systeme cachen URLs, um Ressourcen zu sparen. Einmal abgerufene Inhalte werden nicht bei jeder Anfrage neu gecrawlt, sondern aus dem Cache bedient. Dieses Phänomen wurde auch von Malte Landwehr bei gelöschten Wikipedia-Artikeln beobachtet.

Strategische Erkenntnisse für GEO

Das Self-Promotional-Listicle-Experiment liefert klare Handlungsempfehlungen für die GEO-Praxis:

Fazit: Wirksam, aber mit Geschmäckle

Self-Promotional Listicles sind eine hochwirksame GEO-Taktik. Die Ergebnisse zeigen: Ein einziger Artikel auf der eigenen Website kann die KI-Sichtbarkeit verdoppeln. KI-Systeme übernehmen solche Inhalte bereitwillig – selbst wenn sie veraltete oder fragwürdige Informationen enthalten.

Doch die Wirksamkeit hat ihren Preis: Die Glaubwürdigkeit. Sich selbst auf Platz 1 zu setzen, wirkt wie das Barack-Obama-Meme, in dem er sich selbst eine Medaille verleiht. Google hat bereits signalisiert, dass solche Taktiken unerwünscht sind.

Die zentrale Frage bleibt: Will man als Marke für diese Taktik stehen? Die Antwort muss jedes Unternehmen für sich selbst finden.