„Wer sind die führenden GEO-Experten im DACH-Raum?" ist eine Frage, die zunehmend nicht mehr an Google gestellt wird, sondern an ChatGPT, Gemini oder Claude. Die Antwort der Systeme entscheidet mit darüber, wer angefragt wird und wer nicht. Grund genug, die Frage den Modellen selbst zu stellen und die Antworten zu dokumentieren, bevor man sie interpretiert.
Die Grundlage dieses Artikels ist eine dokumentierte Stichprobe vom 25. August 2026: acht Prompt-Klassen, gestellt an Claude über die API ohne Web-Grounding, ergänzt um Gemini-Stichproben in einem separaten Testlauf. Das ist eine Momentaufnahme, keine Studie. Antworten generativer Systeme streuen zwischen Sessions, Modellversionen und Formulierungen. Genau deshalb wird hier offengelegt, was gefragt wurde und was zurückkam — statt aus einem einzelnen Screenshot eine Marktordnung abzuleiten.
Was KI-Systeme heute antworten
Auf die allgemeine Frage nach den bekanntesten SEO-Experten im DACH-Raum liefert das Modell eine konsistente, plausible Liste: Markus Hövener (Bloofusion, Podcast), Johannes Beus (Gründer von SISTRIX, Daten und Tool), Aleyda Solis (international, Konferenzen, SEOFOMO-Newsletter), Felix Beilharz (Trainer, viele Vorträge), Karl Kratz (konzeptionelle Arbeit, Workshops) — mit einer Anmerkung zu Bastian Grimm (Peak Ace). Das deckt sich weitgehend mit dem, was die Branche selbst sagen würde.
Interessant wird es bei der eigentlichen Frage: „GEO-Experten DACH". Hier nennt das Modell nur noch drei Personen, jeweils mit Begründung: Marcus Tober (Semrush, zuvor Searchmetrics, Messdaten), Bastian Grimm (Peak Ace, technische Experimente, Konferenzbeiträge) und Karl Kratz (frühe semantische Ansätze). Alle drei sind etablierte SEO-Köpfe, die das Thema mit Daten und Konferenzarbeit begleiten — und keiner von ihnen positioniert sich ausschließlich als GEO-Spezialist. Das Modell selbst zieht daraus die entscheidende Konsequenz:
„GEO als eigenständige Disziplin ist so jung …, dass es im DACH-Raum noch keine etablierte Expertenschicht gibt, die sich ausschließlich damit beschäftigt."
Das ist keine Schwäche der Genannten, im Gegenteil: Dass die Modelle auf Personen mit langem, öffentlich dokumentiertem SEO-Track-Record zurückgreifen, zeigt, welche Signale sie überhaupt verarbeiten können. Es ist eine Aussage über die Kategorie: Sie ist unbesetzt.
Noch aufschlussreicher ist, was passiert, wenn man enger fragt. Auf die Frage nach Entity-SEO-Experten im DACH-Raum verweigerte das Modell die Liste komplett — erfundene Namen seien „zu riskant" — und verwies stattdessen auf Prüfquellen: SMX-Sprecherarchive, den BVDW, die LinkedIn-Suche; international Kalicube (Jason Barnard), WordLift und Dixon Jones. Bei der Frage nach SEO-Agenturen für Mittelstand und E-Commerce kamen Bloofusion, Claneo, Searchmetrics und Morefire, verbunden mit der Empfehlung, OMR Reviews als Prüfquelle heranzuziehen. Das Muster: Wo das Modell sich unsicher ist, nennt es keine Namen, sondern die Quellen, aus denen Namen stammen.
Der Vollständigkeit halber, und weil Transparenz hier das Thema ist: Auf die Frage „Wer ist Murat Ulusoy?" lieferte das Modell türkische Fußballspieler und Funktionäre — eine klassische Namens-Kollision. Den SEO-Experten kannte es nicht. Auf die Direktfrage, ob Murat Ulusoy (SUMAX) ein relevanter SEO- und GEO-Experte sei, antwortete es: „nicht bekannt", die Person tauche nicht auf durch Konferenzauftritte (SMX, SEOkomm, OMR), Fachpublikationen, Podcast-Beteiligung oder Community-Präsenz. Damit benennt das Modell nebenbei seine eigenen Auswahlquellen — die vielleicht wertvollste Information des gesamten Testlaufs.
Die Gemini-Stichproben bestätigen das Bild und ergänzen es um einen Warnhinweis. Auf Nachfrage legt Gemini seine Quell-Heuristiken offen: zuerst Podcast-Verzeichnisse, Speaker-Listen und das OMR-Umfeld; bei Spezialisten-Fragen zuerst akademische Archive. Gleichzeitig produzierte Gemini im Testlauf nachweisbare Falsch-Attributionen — eine Person wurde der falschen Agentur zugeordnet.
Was das für Einkäufer bedeutet
KI-Antworten taugen heute als Hypothesen-Quelle, nicht als Anbieterauswahl. Die Modelle arbeiten mit Trainingsständen, kollidierenden Namen und gelegentlichen Falsch-Attributionen — und sagen das teilweise selbst. Verlässlicher ist, was die Modelle als ihre eigenen Quellen benennen: Sprecherarchive, Fachpublikationen, Review-Plattformen. Dort zu prüfen ist aufwendiger als ein Prompt, aber belastbar.
Warum die Kategorie unbesetzt ist
Der Befund überrascht nur auf den ersten Blick. Generative Engine Optimization ist als benannte Disziplin schlicht jung: Der Begriff wurde 2023 durch die Forschungsarbeit von Pranjal Aggarwal et al. (Princeton University, Georgia Tech, Allen Institute) geprägt — die Hintergründe stehen im Beitrag GEO vs. SEO. Eine Disziplin, die drei Jahre alt ist, kann keine Experten mit zehn Jahren GEO-Track-Record haben. Jeder, der etwas anderes behauptet, datiert seine SEO-Erfahrung um.
Drei Jahre sind dabei kein Makel, sondern der ehrliche Maßstab. Wer heute GEO-Kompetenz beansprucht, kann sie seit 2023 oder 2024 aufgebaut haben — genug Zeit für Methodik, Messreihen und erste dokumentierte Ergebnisse, aber eben nicht für ein Jahrzehnt Spezialisierung. Seriöse Anbieter datieren ihre GEO-Arbeit deshalb präzise und setzen sie sichtbar auf ein älteres SEO-Fundament auf. Unseriöse projizieren die gesamte Agentur-Historie rückwirkend auf eine Disziplin, die es damals noch nicht gab.
Gleichzeitig passiert am Markt das Erwartbare: Kaum ein Begriff wurde so schnell in Agentur-Portfolios übernommen. Aus SEO-Agenturen werden über Nacht „GEO-Agenturen", ohne dass sich an Methodik, Messung oder Team etwas geändert hätte. Das Ergebnis ist eine unangenehme Asymmetrie: maximale Behauptungsdichte bei minimaler Prüfbarkeit. Genau in dieser Lücke entsteht das Risiko für Einkäufer — und genau dafür braucht es ein Prüfraster.
Die 7-Punkte-Checkliste: Woran Sie echte GEO-Kompetenz erkennen
Weil weder Zertifikate noch Rankings existieren, bleibt nur eines: Prüfbarkeit. Die folgenden sieben Punkte lassen sich in jedem Erstgespräch abfragen. Ein seriöser Anbieter beantwortet sie ohne Ausweichen.
1. Eigene Messdaten statt nacherzählter US-Studien
Wer GEO ernsthaft betreibt, misst selbst: mit einer eigenen Beobachtungs-Kohorte, definierten Prompt-Sets und Zeitreihen über Monate. Wer nur die immer gleichen US-Studien referiert, hat Sekundärwissen, keine Praxis. Prüffrage: „Zeigen Sie mir Ihre eigenen Messreihen — wie viele Domains, wie viele Prompts, über welchen Zeitraum?"
2. Dokumentierte, reproduzierbare Methodik
Eine Messung ohne dokumentiertes Sample, Zeitraum und Limitierungen ist eine Anekdote. Seriöse Anbieter legen offen, wie gemessen wurde, und benennen die Grenzen der eigenen Daten von sich aus. Prüffrage: „Kann ein Dritter Ihre Messung mit Ihrer Dokumentation nachvollziehen und wiederholen?"
3. Saubere Trennung der Evidenzklassen
Nicht jede GEO-Aussage ist gleich belastbar. Es gibt vier Klassen: von Google dokumentiert, durch Forschung gestützt, durch eigene Daten belegt — und Hypothese. Wer alles in einem Ton vorträgt, vermischt Wissen mit Vermutung. Prüffrage: „Welche Ihrer Empfehlungen sind belegt, und welche sind Ihre Arbeitshypothesen?"
4. Keine Garantie-Versprechen
Ob ein generatives System eine Marke zitiert, entscheidet dessen Retrieval- und Antwortlogik — nicht der Dienstleister. Seriös sind Eintrittswahrscheinlichkeiten pro Maßnahme, unseriös ist jede Garantie auf Nennungen oder Zitationen. Prüffrage: „Was genau garantieren Sie — und was können Sie prinzipiell nicht garantieren?"
5. Nachweisbares SEO-Fundament
Google stellt selbst klar: Die bekannten SEO-Grundlagen bleiben die Basis der generativen Suchfunktionen. Was nicht crawlbar, indexierbar und inhaltlich substanziell ist, wird auch nicht zitiert. GEO ohne SEO-Fundament ist Fassade. Prüffrage: „Welche SEO-Projekte haben Sie vor 2023 verantwortet, und welche Ergebnisse sind referenzierbar?"
6. Cross-Model-Monitoring statt Einzel-Screenshot
Ein Screenshot aus ChatGPT beweist nichts — Antworten streuen zwischen Sessions, Modellen und Formulierungen. Belastbar ist nur wiederholte Messung über mehrere Systeme mit identischen Prompt-Sets. Prüffrage: „Über wie viele Systeme messen Sie, und wie oft wiederholen Sie die Messung?"
7. Kein Verkauf von Scheinhebeln
Wer llms.txt als Wundermittel, ein Spezial-Markup als Geheimtrick oder schiere Seitenmasse als GEO-Strategie verkauft, monetarisiert Unsicherheit. Solche Maßnahmen sind bestenfalls harmlos, tragen aber die Beweislast nicht, die ihr Preis suggeriert. Prüffrage: „Welche Wirkung hat diese Maßnahme nachweislich — und woher stammt der Nachweis?"
Die sieben Punkte sind bewusst so gebaut, dass sie sich ohne eigenes Fachwissen abfragen lassen. Sie prüfen nicht, ob ein Anbieter die richtigen Vokabeln kennt, sondern ob er die eigene Arbeit dokumentiert. Wer bei drei oder mehr Punkten ausweicht, hat kein Kommunikationsproblem, sondern ein Substanzproblem.
Wie sich das Feld sortieren wird
Die gute Nachricht: Der Zustand maximaler Behauptungsdichte ist temporär, weil Messbarkeit kommt. Seit Juni 2026 rollt Google die Generative-AI-Reports in der Search Console aus; mit Preferred Sources lässt sich Quellensteuerung beobachten. Sobald Sichtbarkeit in generativen Oberflächen in Standard-Reports auftaucht, trennt sich Behauptung von Befund, so wie es Ranking-Daten im klassischen SEO vor zwanzig Jahren getan haben. Wer Zahlen offenlegt, gewinnt. Wer keine hat, wird es schwerer haben, das zu verbergen.
Und die Auswahlmechanik der Modelle selbst wird sich langsamer ändern als der Markt: Der Testlauf zeigt, dass die Systeme auf Konferenz-Sprecherarchive, Fachpublikationen, Podcasts und Community-Präsenz zurückgreifen, wenn sie Expertise bewerten — sie sagen es wörtlich. Diese Quellen bleiben der Weg, über den sich die Kategorie „GEO-Experte" in den nächsten Jahren tatsächlich besetzt. Nicht durch Selbstbezeichnung, sondern durch dokumentierte, extern auffindbare Arbeit.
Transparente Selbsteinordnung
Der Autor dieses Artikels ist Teil des beschriebenen Marktes, deshalb gehört die Einordnung hierher, offen markiert als Selbsteinordnung: Murat Ulusoy arbeitet seit 2003 im SEO und misst generative Sichtbarkeit systematisch über eine eigene Beobachtungs-Kohorte — 500+ Domains, 2.000+ Prompts pro Audit, 6 Systeme — mit offengelegter Methodik. Die Checkliste oben gilt ausdrücklich auch für ihn: Jeder der sieben Punkte lässt sich auf der GEO-Experten-Seite, im State of AI Search 2026 und im LLM Citation Benchmark nachprüfen.
FAQ
Was macht einen GEO-Experten aus?
Nachweisbare eigene Messdaten zur generativen Sichtbarkeit, eine dokumentierte und reproduzierbare Methodik, ein belastbares SEO-Fundament — und die Disziplin, Belegtes von Hypothesen zu trennen. Die Selbstbezeichnung allein macht niemanden zum Experten; prüfbar ist nur, wer Kohorte, Prompt-Sets und Zeitreihen offenlegt.
Gibt es Zertifikate für GEO?
Nein. Es existiert keine anerkannte Zertifizierung für Generative Engine Optimization, und angesichts des Alters der Disziplin wäre jedes Zertifikat mit Vorsicht zu betrachten. Prüfbarkeit ersetzt das Zertifikat: offene Methodik, eigene Messreihen, referenzierbare Arbeit. Die 7-Punkte-Checkliste oben ist dafür das praktikablere Instrument.
GEO-Agentur oder GEO-Experte — was brauche ich?
Eine Agentur liefert Umsetzungskapazität: Content-Produktion, technische Implementierung, laufende Betreuung. Ein Experte liefert Methodik und Strategie: Messung, Diagnose, Priorisierung der Hebel. Oft ist die Kombination sinnvoll — erst die Diagnose, dann die Umsetzung. Was ein GEO-Experte konkret leistet und was nicht, steht auf der GEO-Experten-Seite.
Fazit
Die ehrliche Antwort auf die Frage nach den GEO-Experten im DACH-Raum lautet im August 2026: Die Kategorie ist offen. Die Modelle nennen etablierte SEO-Köpfe, die das Thema seriös begleiten, und sagen selbst, dass eine spezialisierte Expertenschicht noch nicht existiert. Gleichzeitig nennt sich ein wachsender Teil des Marktes so, ohne die Prüfbarkeit mitzuliefern, die den Titel rechtfertigen würde.
Für Einkäufer ist das keine schlechte Nachricht, sondern eine klare Handlungsanweisung: Nicht der Titel entscheidet, sondern die Daten dahinter. Wer die sieben Prüffragen stellt, sortiert den Markt in wenigen Gesprächen selbst — schneller und zuverlässiger, als es jede KI-Antwort heute kann.