Glossar

Beim A/B-Test werden zwei (oder mehr) Varianten einer Seite/eines Elements parallel an zufällig aufgeteilte Nutzergruppen ausgespielt, um die conversion-stärkere Variante statistisch belastbar zu bestimmen. Voraussetzung sind ausreichende Stichprobengröße und Laufzeit für Signifikanz; bei zu wenig Traffic liefert ein Test keine verlässlichen Aussagen.

„Above the Fold" bezeichnet den ohne Scrollen sichtbaren Bereich einer Seite beim ersten Laden — abhängig vom Endgerät und Viewport. Er ist entscheidend für den ersten Eindruck und korreliert mit Web-Vitals-Metriken (z. B. dem größten sichtbaren Inhaltselement). Übermäßige Werbung oder fehlende Kernbotschaft in diesem Bereich wirkt negativ.

Die Absprungrate misst klassisch den Anteil der Sitzungen mit nur einer Interaktion. In neueren Analysemodellen (z. B. GA4) wird sie über das Gegenstück „Engagement-Rate" definiert. Eine hohe Absprungrate ist nicht per se schlecht — bei einer Seite, die eine Frage vollständig beantwortet, kann sie sogar erwünscht sein; sie ist kontextabhängig zu lesen.

AEO optimiert Inhalte für „Antwortmaschinen", die statt einer Linkliste eine direkte Antwort liefern — von Featured Snippets über Sprachassistenten bis zu KI-Übersichten. Im Zentrum steht die Aufbereitung in präzise Frage-Antwort-Einheiten, in denen die Antwort möglichst früh und eigenständig zitierfähig formuliert ist, gestützt durch passende strukturierte Daten (etwa FAQPage) und eindeutige semantische Zuordnung. AEO und GEO überschneiden sich stark; AEO betont die Antwortform, GEO die Aufnahme in generierte Texte.

Ein KI-Agent ist ein System, das ein Sprachmodell mit der Fähigkeit kombiniert, in mehreren Schritten eigenständig zu planen, Werkzeuge aufzurufen, Zwischenergebnisse zu bewerten und auf ein Ziel hinzuarbeiten – statt nur eine einzelne Antwort zu liefern. Charakteristisch ist die Schleife aus Wahrnehmen, Entscheiden, Handeln und Beobachten. Verlässlichkeit entsteht erst durch klare Werkzeuggrenzen, Abbruchbedingungen und Guardrails.

Agentic Coding bezeichnet das Entwickeln von Software mithilfe von KI-Agenten, die eigenständig Code lesen, schreiben, ausführen, testen und über mehrere Iterationen hinweg verbessern – nicht nur einzelne Codeschnipsel vorschlagen. Der Mensch wechselt von der Zeile-für-Zeile-Arbeit zur Rolle des Richtungsgebers und Prüfers. Qualität, Tests und Sicherheitsprüfung bleiben in menschlicher Verantwortung; ungeprüft übernommener Agenten-Code ist ein reales Risiko.

Agentic Engineering bezeichnet den systematischen, überprüfbaren Einsatz von KI-Agenten – Sprachmodellen, die mit Werkzeugzugriff mehrschrittige Aufgaben eigenständig ausführen – unter Ingenieursbedingungen: Kontext als versionierte Dateien (Regeln, Architektur, Konventionen), technisch erzwungene Leitplanken (Berechtigungen, Hooks, Sandboxes) statt bloßer Anweisungen, Verifikation durch Tests, externe Messung und unabhängige Prüfagenten, reproduzierbare Abläufe (Skripte statt Handgriffe) sowie ein begrenzter Schadensradius mit Rückweg. Der Begriff hat sich 2025/26 als Gegenpol zum „Vibe Coding" etabliert, bei dem KI-Ausgaben ungeprüft übernommen werden. Er umfasst das Arbeiten mit Agenten ebenso wie das Bauen agentischer Systeme; dabei gilt: so viel fest orchestrierter Workflow wie möglich, so viel frei entscheidender Agent wie nötig.

AI Mode bezeichnet einen dialogorientierten Such-Modus, in dem die Suchmaschine eine vollständig KI-generierte, mehrteilige Antwort liefert und Rückfragen im Gespräch zulässt — statt einer reinen Trefferliste. Technisch greift dieser Modus typischerweise auf Verfahren wie Query-Fan-out (Aufspaltung einer Anfrage in mehrere Teilfragen) und Grounding an Live-Quellen zurück, wodurch sich die Bandbreite potenziell zitierter Inhalte erweitert. Die genaue Funktionsweise und Verfügbarkeit unterscheidet sich je nach Anbieter und Region.

Der Alt-Text (`alt`-Attribut) beschreibt ein Bild für Screenreader und für Maschinen, die das Bild nicht „sehen". Er ist primär ein Barrierefreiheits-Standard, dient zugleich der Bildersuche und sollte den Bildinhalt knapp und natürlich beschreiben — ohne Keyword-Stuffing. Bild-SEO umfasst zusätzlich Dateiname, Komprimierung, moderne Formate und Lazy Loading.

Der Ankertext ist der klickbare, sichtbare Text eines Hyperlinks. Er liefert Kontext über das Linkziel und ist sowohl bei internen als auch externen Links ein Relevanzsignal. Beschreibende Ankertexte sind generischen („hier klicken") vorzuziehen, wobei bei externen Links unnatürlich überoptimierte Anker als Spam-Signal gewertet werden können.

Apples Plattform zur Verwaltung von Unternehmensdaten für Apple Maps und weitere Apple-Dienste (Logo, Fotos, „Showcases"/Aktionskarten). 2026 ist ABC stärker vereinheitlicht und speist Siri sowie Apple Intelligence – Ihr Eintrag kann damit direkt in KI- und Assistenz-Antworten auf iPhones einfließen. Verifizierung erfolgt über die hinterlegte Telefonnummer oder einen Dokumentennachweis.

Der Auftragsverarbeitungsvertrag (AVV bzw. AV-Vertrag) ist die nach Art. 28 DSGVO verpflichtende Vereinbarung zwischen Verantwortlichem und Auftragsverarbeiter, der personenbezogene Daten weisungsgebunden im Auftrag verarbeitet (z. B. Hosting, Newsletter-, Analyse- oder Cloud-Dienste). Er regelt u. a. Gegenstand und Dauer, Art und Zweck der Verarbeitung, Datenkategorien, technisch-organisatorische Maßnahmen (TOM), den Einsatz von Unterauftragsverarbeitern, Weisungs- und Kontrollrechte sowie Löschung/Rückgabe der Daten. Ohne AVV ist die Einschaltung des Dienstleisters rechtswidrig.

Die AZAV regelt die Zulassung von Trägern und Maßnahmen der Arbeitsförderung; die Zulassung erfolgt durch eine bei der Deutschen Akkreditierungsstelle akkreditierte fachkundige Stelle. Nur AZAV-zugelassene Maßnahmen sind in der Regel über Bildungsgutschein bzw. nach § 82 SGB III förderfähig. Träger müssen u. a. ein Qualitätsmanagement, geeignete Räume/Ausstattung und qualifiziertes Personal nachweisen.

Ein Backlink ist ein eingehender Link von einer fremden Domain. Suchmaschinen werten ihn als Empfehlung; das Gewicht hängt von thematischer Relevanz, Vertrauenswürdigkeit und Autorität der verweisenden Seite, von der Platzierung im Inhalt sowie vom Linkattribut (follow/nofollow) ab. Qualität und Themenbezug schlagen Masse deutlich; unnatürliche Linkmuster können zu algorithmischer Abwertung oder manueller Maßnahme führen.

Das BAFA (Bundesamt für Wirtschaft und Ausfuhrkontrolle) wickelt verschiedene Förderprogramme ab; relevant für KI-Vorhaben sind insbesondere geförderte Unternehmensberatungen für KMU. Förderfähigkeit, Quoten, Höchstbeträge und die Frage, ob eine konkrete KI-/Digitalberatung darunterfällt, hängen vom jeweils gültigen Programm und den Richtlinien ab und ändern sich. Eine Bewilligung erfolgt regelmäßig vor Maßnahmebeginn; rückwirkende Förderung ist üblicherweise ausgeschlossen.

Aufbauend auf der reinen Texterkennung ordnet die Belegerkennung den erkannten Zeichenfolgen eine fachliche Bedeutung zu: Belegart, Aussteller, Belegnummer, Netto- und Bruttobetrag, Währung, Steuersatz und Belegdatum. Klassische Verfahren arbeiten mit Positionsvorlagen je Lieferant und brechen, sobald sich ein Layout ändert. Sprachmodellgestützte Verfahren werten stattdessen den Textzusammenhang aus und funktionieren dadurch auch bei unbekannten Ausstellern. Jedem Feld wird ein Konfidenzwert zugeordnet; unterschreitet er einen Schwellenwert, wird der Beleg nicht automatisch verbucht, sondern zur manuellen Prüfung ausgesteuert.

Ein Bildungsgutschein ist die vorab erteilte Zusage der Agentur für Arbeit oder des Jobcenters, die Kosten einer **AZAV-zugelassenen** Maßnahme zu übernehmen. Er wird individuell und vor Maßnahmebeginn geprüft, ist auf Maßnahmeart, Bildungsziel, Region und Gültigkeitszeitraum bezogen und kann bei einem zugelassenen Träger eingelöst werden. Ohne vorherige Bewilligung gibt es keine rückwirkende Kostenübernahme.

Das Pendant zum GBP für Microsoft Bing, das die Darstellung in Bing-Suche und Bing Maps steuert. Relevanz gewinnt es dadurch, dass Microsofts KI-Ökosystem (Copilot) auf Bing-Daten aufsetzt – ein gepflegter Eintrag speist damit potenziell auch KI-Antworten. Ein Import vorhandener Google-Daten ist möglich.

Das Bing-Pendant zur Search Console mit Index-, Crawl- und Keyword-Berichten sowie integrierter URL-Einreichung über IndexNow. Da Microsofts KI-Dienste auf Bing aufsetzen, ist eine saubere Bing-Indexierung auch für KI-Sichtbarkeit nützlich. Vorhandene GSC-Daten lassen sich teilweise importieren.

Eine Brand Mention ist die Nennung Ihrer Marke oder Ihres Unternehmens auf fremden Quellen — auch ohne Verlinkung. Such- und KI-Systeme werten konsistente, thematisch passende Erwähnungen als Signal für Relevanz und Bekanntheit einer Entität. In der GEO-Logik gewinnen unverlinkte Erwähnungen an Bedeutung, weil Sprachmodelle aus dem Gesamtbild der Erwähnungen ableiten, wer eine relevante, vertrauenswürdige Größe in einem Themenfeld ist.

Caching speichert aufwendig erzeugte Ergebnisse zwischen, um wiederholte Anfragen schneller zu bedienen. Relevant sind mehrere Ebenen: Browser-Cache (clientseitig), Page-Cache (fertige HTML-Seiten), Objekt-Cache (Datenbankergebnisse, z. B. via Redis), Opcode-Cache (PHP) und CDN-Edge-Cache. Die Herausforderung liegt im Invalidieren – also dem gezielten Verwerfen veralteter Inhalte nach Änderungen.

Das `rel="canonical"`-Element benennt die bevorzugte (kanonische) Version einer Seite bei mehreren ähnlichen oder identischen URLs (etwa durch Parameter, Sortierungen, Filter oder Druckversionen) und bündelt deren Signale auf eine Adresse. Es ist ein Hinweis, kein Befehl – widersprüchliche Signale (Sitemap, interne Links, Weiterleitungen) kann Google überstimmen. Selbstreferenzierende Canonicals sind gängige gute Praxis.

Ein CDN ist ein geografisch verteiltes Servernetz, das (vor allem statische) Inhalte aus einem dem Nutzer nahen Edge-Knoten ausliefert und so Latenz reduziert. Moderne CDNs übernehmen zusätzlich TLS-Terminierung, Komprimierung, Bildoptimierung, Caching und Schutz vor Überlastungsangriffen (DDoS). Für rein lokal/regional ausgerichtete Websites mit nahem Serverstandort ist der Effekt geringer.

ChatGPT ist der KI-Assistent von OpenAI auf Basis der GPT-Modellreihe. Er beantwortet Anfragen konversationell und greift dabei je nach Modus auf Trainingswissen und/oder Live-Websuche zurück. In der Praxis bevorzugt das System für faktische Antworten erkennbar enzyklopädisch-strukturierte, autoritative Inhalte, weil sich diese verlässlich synthetisieren und einordnen lassen. Für die Sichtbarkeit ist relevant, als eine dieser herangezogenen Quellen klar identifizierbar zu sein.

ChatGPT Search ist die Funktion, mit der ChatGPT für eine Anfrage live das Web durchsucht und die Antwort mit Verweisen auf aktuelle Quellen belegt, statt allein aus dem Trainingsstand zu antworten. Damit wird das System für aktuelle, faktenabhängige Fragen brauchbar und stützt Antworten auf abrufbare Seiten. Für Websites bedeutet das: gute Auffindbarkeit, saubere Struktur und Crawlbarkeit erhöhen die Chance, als belegte Quelle zitiert zu werden.

Chunking ist das Zerlegen von Dokumenten in handhabbare Abschnitte, bevor sie in Embeddings überführt und in einer Vektor-Datenbank abgelegt werden. Größe und Schnitt der Chunks (fest, satz-/absatzbasiert, strukturbewusst, mit Überlappung) bestimmen maßgeblich die spätere Trefferqualität bei RAG. Zu große Chunks verwässern die Bedeutung, zu kleine zerreißen den Zusammenhang; gute Strategien orientieren sich an der Dokumentstruktur und ergänzen Metadaten.

Citations sind Erwähnungen Ihrer NAP-Daten in Verzeichnissen, Branchenbüchern und auf Portalen (z. B. Branchenverzeichnisse, Bewertungsplattformen, Verbandsseiten). Sie wirken als Prominenz- und Vertrauenssignal; entscheidend sind Datenqualität und Konsistenz, nicht reine Masse. Strukturierte, branchenrelevante Einträge schlagen wahllose Massen-Submits, die heute eher als geringwertig gelten.

Claude ist die KI-Assistenzfamilie von Anthropic, ausgelegt auf längere, präzise Textverarbeitung und sorgfältiges Schlussfolgern. Je nach Einsatz und Modus kann Claude auf Trainingswissen, bereitgestellte Dokumente oder Web-Recherche zugreifen. Für die Sichtbarkeit gelten dieselben Grundprinzipien wie bei anderen Sprachmodellen: klar strukturierte, faktentreue und eindeutig zuordenbare Inhalte lassen sich am verlässlichsten korrekt wiedergeben.

CLS quantifiziert unerwartete Layout-Verschiebungen während der Ladephase als Produkt aus betroffener Anzeigefläche und Verschiebungsdistanz. Zielwert ist unter 0,1. Klassische Auslöser sind Bilder und iFrames ohne reservierte Maße, nachladende Werbung, dynamisch eingefügte Banner und Web-Fonts ohne Größenreservierung (FOIT/FOUT).

Ein CMS trennt Inhalt von Darstellung und erlaubt das Erstellen, Verwalten und Versionieren von Inhalten ohne manuelles Programmieren jeder Seite. Typische Bausteine: Datenbank, Template-/Theme-Schicht, Benutzer-/Rechteverwaltung und Erweiterbarkeit über Module/Plugins. Die Wahl beeinflusst Pflegbarkeit, Sicherheit, Performance und langfristige Unabhängigkeit.

Ein „Company Brain" ist ein unternehmensintern betriebenes Sprachmodell (LLM), das ausschließlich auf firmeneigenem Wissen – Dokumenten, Wikis, Handbüchern, E-Mails – arbeitet und per RAG (Retrieval-Augmented Generation) gezielt auf diesen Bestand zugreift. Es läuft On-Premise oder in einer abgeschotteten, EU-gehosteten Umgebung ohne Zugang von außen: Eingaben verlassen die Unternehmensgrenze nicht und fließen nicht in das Training öffentlicher Modelle ein. Der Zugriff wird über Rollen- und Rechtekonzepte gesteuert.

Content umfasst alle Inhalte einer Seite — Text, Bild, Video, strukturierte Daten — und ist der eigentliche Träger von Relevanz. Maßgeblich ist nicht Länge, sondern wie vollständig und glaubwürdig die Suchintention bedient wird; Qualitätssignale orientieren sich an Erfahrung, Expertise, Autorität und Vertrauenswürdigkeit (E-E-A-T) der Quelle.

Conversational Search bezeichnet die dialogorientierte Suche, bei der Nutzer in natürlicher Sprache fragen, Rückfragen stellen und im Gespräch verfeinern, statt einzelne Stichworte einzugeben. Anfragen werden dadurch länger, spezifischer und kontextabhängiger. Für Inhalte heißt das: Sie sollten ganze Fragen samt Folgefragen beantworten und Kontext mitliefern, statt nur auf einzelne Keywords zu zielen.

Eine Conversion ist eine als Ziel definierte Nutzerhandlung – Anfrage, Anruf, Buchung, Kauf, Newsletter-Anmeldung. In GA4 als Key-Event/Conversion modelliert, ist sie die Bezugsgröße für Attribution und Kampagnen-Bewertung. Die saubere Definition (was zählt, was nicht, Entprellung von Mehrfachauslösungen) entscheidet über die Aussagekraft aller nachgelagerten Auswertungen.

Die Conversion-Rate ist der Anteil der Sitzungen oder Nutzer, der eine definierte Conversion auslöst (Conversions ÷ Besuche). Sie ist segmentabhängig (Kanal, Gerät, Landingpage) und nur im Kontext aussagekräftig; isolierte CR-Vergleiche ohne Berücksichtigung von Traffic-Qualität und Stichprobengröße sind irreführend.

Eine CMP holt, dokumentiert und verwaltet die Einwilligung der Nutzer in nicht zwingend erforderliche Cookies/Technologien (§ 25 TDDDG / ePrivacy) und steuert idealerweise per Consent Mode das tatsächliche Laden von Tags. Rechtskonform heißt u. a.: Ablehnen ebenso einfach wie Zustimmen, keine vorausgewählten Häkchen, kein Nudging/„Dark Pattern", und Tags laden erst nach Einwilligung. Reine Optik-Banner ohne echte Tag-Steuerung erfüllen die Anforderungen nicht.

„Copilot" bezeichnet allgemein einen KI-Assistenten, der kontextbezogen direkt in einer Anwendung unterstützt – beim Programmieren, Schreiben, in Tabellen oder in Office-Suiten – und Vorschläge macht, die der Mensch annimmt, ändert oder verwirft. Der Begriff steht zugleich für Microsofts gleichnamige Produktfamilie. Charakteristisch ist das „Mensch behält die Kontrolle"-Prinzip: Der Copilot assistiert, der Mensch entscheidet.

Core Web Vitals sind ein definiertes Set messbarer Nutzererlebnis-Metriken von Google, das aktuell aus LCP (Ladewahrnehmung), INP (Reaktionsfähigkeit) und CLS (visuelle Stabilität) besteht. Bewertet werden sowohl Felddaten aus echten Nutzersitzungen (CrUX-Datensatz, Basis des „Page Experience"-Signals) als auch Labordaten aus synthetischen Tests. Seit März 2024 hat INP den früheren FID-Wert vollständig abgelöst.

Ein Corporate bzw. Private LLM ist ein für ein Unternehmen abgegrenzt betriebenes Sprachmodell – als selbst gehostetes Open-Weight-Modell oder als isolierte Instanz/Tenant eines Cloud-Anbieters mit vertraglichen Zusicherungen (keine Trainingsnutzung der Eingaben, Datenresidenz). Meist kombiniert mit RAG auf interne Wissensquellen, Zugriffs-/Rollenrechten, Protokollierung und Guardrails, sodass Mitarbeitende sicher mit Firmenwissen arbeiten können, ohne Daten an Dritte zu geben.

Das Crawl-Budget beschreibt die Menge an URLs, die ein Crawler in einem Zeitraum auf einer Domain abruft. Es ergibt sich aus Crawl-Kapazitätslimit (was der Server verträgt) und Crawl-Bedarf (was Google für relevant hält). Praktisch relevant wird es erst bei großen Websites (Faustregel: ab etwa zehntausenden URLs) oder bei viel verschwendetem Crawling durch Endlos-Parameter, Facetten-Filter und Soft-404-Seiten.

Ein Crawler ist ein automatisiertes Programm (z. B. Googlebot), das Hyperlinks folgt, Ressourcen abruft und Inhalte zur Indexierung weiterreicht. Sein Verhalten wird durch `robots.txt`, Crawl-Budget, Statuscodes und Rendering-Fähigkeiten gesteuert; moderne Crawler rendern JavaScript, allerdings mit Verzögerung und Ressourcen-Limits.

Die Datenschutzerklärung informiert betroffene Personen gemäß Art. 13 und 14 DSGVO transparent über die Verarbeitung personenbezogener Daten: Verantwortlicher und ggf. Datenschutzbeauftragter, Zwecke und Rechtsgrundlagen (Art. 6 DSGVO), Empfänger und Drittlandtransfers, Speicherdauer, Betroffenenrechte (Auskunft, Berichtigung, Löschung, Widerspruch) sowie alle eingesetzten Dienste – etwa Analyse-, Karten-, Schrift- oder Consent-Tools. Sie muss präzise, verständlich, leicht zugänglich und passgenau zur tatsächlichen Verarbeitung sein.

Datensouveränität bezeichnet die tatsächliche Kontrolle darüber, wo Daten gespeichert und verarbeitet werden, wer darauf zugreifen kann und welchem Recht sie unterliegen. Im KI-Kontext betrifft das vor allem die Frage, ob Eingaben an externe Modelle gesendet, dort gespeichert oder gar zum Training genutzt werden, sowie die Drittlandproblematik (z. B. Zugriff durch Behörden außerhalb der EU). Relevante Stellschrauben sind Datenresidenz, vertragliche Zusicherungen, Verschlüsselung und – im Extrem – Eigenbetrieb.

Über das Disavow-Tool der Search Console kann man Google anweisen, bestimmte eingehende Links bei der Bewertung zu ignorieren. Es ist ein Spezialwerkzeug primär für Fälle mit manueller Maßnahme wegen unnatürlicher Links oder nachweislich schädlichem, oft selbst- oder fremdverschuldetem Spam-Linkaufbau. Google betont, dass die meisten Websites es nicht benötigen, da unnatürliche Links zunehmend einfach algorithmisch ignoriert werden; fehlerhafter Einsatz kann schaden.

„Domain-Autorität" (und verwandte Werte wie Domain Rating) sind herstellereigene Drittanbieter-Metriken (z. B. Moz, Ahrefs) auf einer 0–⁠100-Skala, die die Stärke eines Linkprofils schätzen. Wichtig: Es handelt sich um keinen Google-Rankingfaktor, sondern um vergleichende Orientierungswerte verschiedener Anbieter mit je eigener Berechnung. Sie eignen sich für Trend- und Wettbewerbsvergleiche, nicht als absolutes Ziel.

Die DSGVO regelt die Verarbeitung personenbezogener Daten EU-weit. Für Websites praxisrelevant: Rechtsgrundlage je Verarbeitung (Art. 6), Informationspflichten/Datenschutzerklärung (Art. 13), Auftragsverarbeitungsverträge mit Dienstleistern (Art. 28), Datenminimierung, Betroffenenrechte und – bei US-Tools – die Frage der Drittlandübermittlung. IP-Adressen und Online-Kennungen gelten als personenbezogen; Einwilligung über die CMP ist häufig die tragende Rechtsgrundlage für Analyse/Marketing.

Duplicate Content bezeichnet identische oder weitgehend gleiche Inhalte unter mehreren URLs — intern (z. B. Parameter-, www-/Protokoll-Varianten) oder extern. Es gibt in der Regel keine „Strafe", aber die Suchmaschine muss eine kanonische Version wählen, was Signale verwässert; gesteuert wird das über Canonical-Tags, Weiterleitungen und saubere URL-Logik.

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist ursprünglich ein Qualitätsmaßstab aus Googles Bewerter-Richtlinien und beschreibt das Bündel an Signalen, das die Glaubwürdigkeit von Inhalt und Absender ausmacht. Im KI-Kontext gewinnt es an Bedeutung, weil Sprachmodelle bevorzugt aus erkennbar erfahrenen, fachlich kompetenten und vertrauenswürdigen Quellen synthetisieren. Sichtbare Autorenschaft, belegte Erfahrung, klare Quellen und ein konsistenter, identifizierbarer Absender erhöhen die Wahrscheinlichkeit, als verlässliche Quelle herangezogen zu werden.

Ein Embedding ist die Übersetzung von Text (oder anderen Daten) in einen Vektor — eine Zahlenrepräsentation in einem hochdimensionalen Raum —, in dem inhaltlich Ähnliches nahe beieinanderliegt. Auf dieser Basis arbeitet die semantische Suche: Statt Wörter abzugleichen, wird inhaltliche Nähe berechnet. Für die Sichtbarkeit ist das fundamental, weil KI-Systeme Inhalte nach Bedeutung statt nach exaktem Wortlaut finden und gruppieren.

Eine Entität ist ein eindeutig identifizierbares „Ding" — ein Unternehmen, eine Person, ein Ort, ein Produkt —, das Maschinen unabhängig von der konkreten Schreibweise als dieselbe Sache erkennen. Such- und KI-Systeme arbeiten zunehmend entitätenbasiert: Sie verknüpfen Aussagen mit der Entität, nicht bloß mit Stichworten. Eine klar definierte, konsistent beschriebene und über Quellen hinweg eindeutig verknüpfte Entität ist die Grundlage dafür, dass ein System „weiß", wer Sie sind und wofür Sie stehen.

Der EU AI Act ist die KI-Verordnung der EU, die KI-Systeme nach Risiko reguliert: verbotene Praktiken, Hochrisiko-Systeme mit strengen Pflichten, Transparenzpflichten (u. a. Kennzeichnung von KI-Interaktion und KI-generierten/„deepfake"-Inhalten) sowie eigene Vorgaben für allgemeine KI-Modelle (GPAI). Die Vorgaben treten gestaffelt in Kraft; verbotene Praktiken und Kompetenzpflichten griffen früh, weitere Pflichten folgen schrittweise. Pflichten und Fristen sind je nach Rolle (Anbieter/Betreiber) und Risikoklasse im Einzelfall zu prüfen.

Eine Eval ist die systematische, möglichst reproduzierbare Bewertung der Qualität eines KI-Systems anhand definierter Testfälle und Metriken – z. B. Korrektheit, Faktentreue, Format, Tonfall, Latenz und Kosten. Methoden reichen von festen Referenzantworten über regelbasierte Prüfungen bis zu „LLM-as-a-Judge" und menschlicher Bewertung. Ohne Evals ist „die KI ist besser geworden" nur Bauchgefühl; sie sind die Grundlage, um Änderungen verlässlich zu beurteilen.

Ein Featured Snippet ist ein algorithmisch extrahierter Antwortblock oberhalb der organischen Treffer („Position null"), gespeist aus einer rankenden Seite, in Form von Absatz, Liste oder Tabelle. Man gewinnt es nicht durch Buchung, sondern indem man die Frage präzise, strukturiert und unmittelbar beantwortet — mit dem Risiko, dass Nutzer ihre Antwort dann ohne Klick erhalten.

Beim Fine-Tuning wird ein vortrainiertes Modell mit zusätzlichen, aufgabenspezifischen Beispielen weitertrainiert, sodass sich seine Gewichte anpassen. Verbreitet sind parameter-effiziente Verfahren (z. B. LoRA), die nur kleine Zusatzschichten lernen. Fine-Tuning eignet sich vor allem für Stil, Format und Verhalten, weniger als Mittel, frisches Faktenwissen einzuspeisen – dafür ist meist RAG die bessere Wahl. Es erfordert kuratierte Trainingsdaten und sorgfältige Bewertung gegen Qualitätsverlust.

Foursquare ist heute primär kein Endnutzer-Dienst, sondern einer der großen Anbieter von Orts- und POI-Daten (Places-Datenbank). Diese Daten fließen in zahlreiche Drittdienste – und sind als Datenquelle u. a. für ChatGPT relevant. Ein korrekter, aktueller Eintrag im Foursquare-Ökosystem kann damit indirekt beeinflussen, wie KI-Systeme Ihren Standort kennen und ausgeben.

Foursquare betreibt eine umfangreiche, weithin lizenzierte Standort- und Ortsdatenbank, die als Quelle für zahlreiche Dienste und damit potenziell auch für KI-gestützte ortsbezogene Antworten dient. Korrekte, vollständige und konsistente Ortsdaten in solchen Aggregatoren können die faktische Grundlage beeinflussen, auf die ortsbezogene Antworten zurückgreifen. Die Details und der konkrete Stellenwert gehören in den Local-Teil dieses Glossars.

GA4 ist Googles ereignisbasiertes Analyse-Tool, das jede Interaktion als „Event" modelliert (statt der früheren Sitzungs-/Seitenaufruf-Logik von Universal Analytics). Es nutzt cross-platform Messung, datengetriebene Attribution und greift bei fehlenden Daten auf Modellierung zurück. Für DSGVO-Konformität sind eine Rechtsgrundlage (i. d. R. Einwilligung), IP-Verarbeitung/Region-Settings, Aufbewahrungsfristen und ein Auftragsverarbeitungsvertrag zu beachten; Consent Mode steuert das Verhalten vor/nach Einwilligung.

Generative KI umfasst Modelle, die neue Inhalte — Text, Bild, Code, Audio — erzeugen, statt nur zu klassifizieren oder vorhandene Daten abzurufen. Im Kontext der Sichtbarkeit sind vor allem textgenerierende Systeme relevant, die Suchanfragen mit zusammengefassten Antworten beantworten. Ihre Verbreitung verschiebt die Logik der Auffindbarkeit: Nicht mehr allein die Klickposition entscheidet, sondern ob und wie eine Quelle in den erzeugten Text eingeht.

GEO bezeichnet die gezielte Optimierung von Inhalten, Entitäten und Quellsignalen darauf, in den synthetisierten Antworten generativer KI-Systeme (ChatGPT, Gemini, Perplexity, Claude) berücksichtigt und idealerweise zitiert zu werden. Anders als klassisches SEO optimiert GEO nicht primär auf eine Ranking-Position, sondern auf Aufnahme in eine aus mehreren Quellen zusammengesetzte Antwort. Maßgeblich sind faktentreue, klar segmentierte und belegbare Aussagen, eine konsistente Entitäten-Beschreibung sowie autoritative externe Erwähnungen, die das Modell als vertrauenswürdig einordnet.

Geotargeting passt Inhalte, Anzeigen oder Suchergebnisse an den (vermuteten) Standort der Nutzer an – per IP, Geräte-GPS oder im Suchkontext hinterlegtem Ort. In der lokalen Suche bedeutet das: Ergebnisse variieren je nach Aufenthaltsort der suchenden Person. In Werbung steuert es die regionale Ausspielung; auf Websites ist serverseitige Standort-Weiche mit Vorsicht zu genießen, da sie Crawler und Nutzer auseinanderlaufen lassen kann.

Gemini ist Googles multimodale KI-Modellfamilie, die sowohl im eigenständigen Assistenten als auch in Suchfunktionen wie den KI-Übersichten zum Einsatz kommt. Multimodal bedeutet, dass das Modell Text, Bild und weitere Formate gemeinsam verarbeiten kann. Für die Sichtbarkeit ist die enge Verzahnung mit der Google-Suche entscheidend: Was Gemini in Übersichten und AI-Modi zitiert, speist sich maßgeblich aus dem, was Google crawlt und als autoritativ bewertet.

Die GSC ist Googles kostenloses Werkzeug zur Überwachung der organischen Präsenz: Indexierungsstatus, Abdeckungs-/Crawl-Fehler, Suchanfragen mit Impressionen/Klicks/Position, Core-Web-Vitals-Report und das URL-Prüftool zur Indexierungsanforderung. Sie misst die echte Performance in der Google-Suche – im Gegensatz zu GA4, das das Verhalten auf der Website misst.

Das GBP (vormals Google My Business) ist der zentrale Eintrag, der Sichtbarkeit in Google Maps und im Local Pack steuert. Gepflegt werden Kategorien, Attribute, Öffnungszeiten, Fotos, Produkte, Q&A und Beiträge; die Bearbeitung läuft 2026 primär direkt in Suche/Maps statt über ein separates Dashboard. Wichtig: Google verschärft das Vorgehen gegen Spam – Keyword-Stuffing im Profilnamen (z. B. „Bäckerei Müller – beste günstige Backwaren Stadt") kann zu Sperren führen; der Name muss dem realen Unternehmensnamen entsprechen.

GPUs sind hochgradig parallele Prozessoren, deren Architektur ideal für die Matrix- und Tensorrechnungen neuronaler Netze ist – sowohl beim Training als auch bei der Inferenz. Maßgeblich sind Speichergröße (VRAM, begrenzt die Modellgröße), Speicherbandbreite und Rechenleistung. Große Modelle stellen hohe Anforderungen; Verfügbarkeit, Anschaffungs- und Stromkosten sind 2026 ein wesentlicher Faktor bei jeder Eigenbetriebs-Entscheidung.

Grounding bezeichnet die Verankerung einer KI-Antwort an überprüfbaren externen Quellen, statt sie allein aus dem Trainingswissen zu generieren. Technisch geschieht das etwa durch Live-Websuche oder Abruf aus einer Wissensbasis (verwandt mit RAG), wodurch Aussagen belegbar und nachvollziehbar werden. Für Websites bedeutet gutes Grounding-Potenzial: zugänglich, aktuell, klar strukturiert und eindeutig einer Aussage zuordenbar zu sein.

Guardrails sind technische und organisatorische Leitplanken, die das Verhalten eines KI-Systems eingrenzen: Eingabe- und Ausgabefilter, erlaubte/verbotene Themen, Schema- und Formatvalidierung, Begrenzung der Werkzeugrechte, Faktentreue-Checks und Eskalation an einen Menschen. Sie wirken vor, während und nach der Generierung und sind zentral, um Fehlverhalten, Datenabfluss und Missbrauch zu begrenzen – ohne absolute Sicherheit zu versprechen.

Als Halluzination bezeichnet man eine von einem Sprachmodell flüssig und überzeugend formulierte, aber faktisch falsche oder frei erfundene Aussage. Sie entsteht, weil das Modell plausible Fortsetzungen berechnet, ohne eigenes Wahrheitsverständnis. Für Unternehmen ist das doppelt relevant: Eine KI kann falsche Angaben über Sie verbreiten, und je weniger klare, belegbare Quellen über Sie existieren, desto größer der Spielraum für solche Fehlannahmen.

Sammelbegriff für Maßnahmen, die das Risiko erfundener oder falscher KI-Aussagen senken: faktentreue Verankerung über RAG/Grounding, Pflicht zur Quellenangabe, Antwortverweigerung bei fehlender Datengrundlage („ich weiß es nicht"), nachgelagerte Prüfung gegen Quellen, einschränkende Systemanweisungen und niedrige Temperature. Vollständig ausschließen lassen sich Halluzinationen nach heutigem Stand nicht; das Ziel ist, sie selten, erkennbar und überprüfbar zu machen.

Bei einem Headless CMS ist das Backend (Inhaltsverwaltung, ausgeliefert per API) vom Frontend (eigenständige Darstellung, oft als statische Site oder App) entkoppelt. Vorteile: hohe Performance, Sicherheit und Flexibilität für mehrere Ausgabekanäle (Web, App, Display). Nachteil: höhere Einstiegskomplexität und meist Entwickler-Abhängigkeit für Layout-Änderungen – für viele KMU-Websites Overkill.

hreflang teilt Suchmaschinen per Annotation (im `<head>`, per HTTP-Header oder in der Sitemap) mit, für welche Sprache und optional Region eine URL bestimmt ist, und verknüpft alternative Sprachversionen untereinander. Die Verweise müssen wechselseitig sein (jede Version verlinkt alle anderen inkl. sich selbst), gültige ISO-Codes nutzen (Sprache nach ISO 639-1, Region optional nach ISO 3166-1 alpha-2) und idealerweise ein `x-default` für die Standardauswahl enthalten.

HTTPS ist HTTP über eine TLS-verschlüsselte Verbindung (der Begriff „SSL" ist historisch, eingesetzt wird heute TLS 1.2/1.3). Es sichert Vertraulichkeit und Integrität der Datenübertragung und authentifiziert den Server per Zertifikat. HTTPS ist ein bestätigtes – wenn auch leichtes – Rankingsignal, Voraussetzung für HTTP/2 und HTTP/3 sowie für moderne Browser-Funktionen; fehlt es, markieren Browser die Seite als „nicht sicher".

Das Impressum ist die gesetzlich vorgeschriebene Anbieterkennzeichnung geschäftsmäßiger Online-Angebote nach § 5 Digitale-Dienste-Gesetz (DDG, vormals § 5 TMG) sowie § 18 Medienstaatsvertrag. Pflichtangaben sind u. a. vollständiger Name bzw. Firmierung, Rechtsform und Vertretungsberechtigte, ladungsfähige Anschrift, schnelle elektronische Kontaktmöglichkeit (E-Mail, ggf. Telefon), bei Bedarf Register- und Umsatzsteuer-Identifikationsnummer sowie – bei reglementierten Berufen – die zuständige Aufsichtsbehörde/Kammer. Es muss leicht erkennbar, unmittelbar erreichbar und ständig verfügbar sein.

Indexierung ist die Aufnahme gecrawlter Inhalte in den durchsuchbaren Datenbestand der Suchmaschine. Sie ist nicht garantiert: Google entscheidet anhand von Qualität, Duplikatslage und Canonical-Signalen, ob eine URL aufgenommen wird. Steuerbar ist sie über `meta robots` (`index`/`noindex`), den `X-Robots-Tag`-Header sowie indirekt über Canonical-Tags – nicht jedoch über die robots.txt, die nur das Crawling betrifft.

IndexNow ist ein offenes Protokoll (initiiert von Microsoft, mitgetragen u. a. von Yandex), mit dem eine Website Suchmaschinen per einfachem Ping über neue, geänderte oder gelöschte URLs informiert – statt auf den nächsten Crawl zu warten. Es nutzt einen Schlüssel zur Verifizierung und beschleunigt insbesondere die Bing-Indexierung; Google nutzt es Stand 2026 nicht produktiv als Hauptsignal.

Software, die für einen konkreten Betrieb und dessen Abläufe entwickelt wird, statt als Standardprodukt für viele. Der Funktionsumfang wird aus dem Ist-Prozess abgeleitet (nicht umgekehrt), die Datenhaltung folgt den Anforderungen an Nachvollziehbarkeit und Aufbewahrung, und die Weiterentwicklung liegt beim Auftraggeber, weil ihm Quellcode und Dokumentation gehören. Wirtschaftlich sinnvoll wird sie dort, wo wiederkehrender Aufwand, Fehlerkosten oder Medienbrüche die Entwicklungskosten innerhalb überschaubarer Zeit übersteigen.

Inferenz bezeichnet die Anwendungsphase eines fertig trainierten Modells – also die Erzeugung einer Ausgabe aus einer konkreten Eingabe – im Gegensatz zum Training. Bei autoregressiven Sprachmodellen läuft Inferenz token-für-token ab: Jeder erzeugte Token fließt als Eingabe für den nächsten zurück. Rechenlast, Latenz und Kosten im Betrieb fallen ganz überwiegend in der Inferenz an, nicht im einmaligen Training.

INP misst die Reaktionsfähigkeit einer Seite über die gesamte Sitzung, indem es die Latenz zwischen einer Nutzerinteraktion (Klick, Tippen, Tastendruck) und der nächsten sichtbaren Darstellung erfasst und einen repräsentativen schlechten Wert ausweist. Zielwert ist unter 200 Millisekunden. Hauptursache schlechter Werte ist überlastetes JavaScript, das den Hauptthread blockiert (Long Tasks).

Interne Verlinkung verbindet Seiten derselben Domain und steuert sowohl die Navigation für Nutzer als auch die Verteilung von Linkwert („PageRank-Fluss") und die Crawl-Priorisierung. Eine durchdachte interne Architektur signalisiert thematische Schwerpunkte und hilft Suchmaschinen, die wichtigsten Seiten zu erkennen.

JavaScript-SEO umfasst alle Maßnahmen, damit per JavaScript erzeugte Inhalte und Links von Suchmaschinen erfasst werden. Googlebot rendert grundsätzlich, jedoch zeitversetzt und ressourcenbudgetiert; andere Crawler und viele KI-Bots rendern nur eingeschränkt oder gar nicht. Kritische Inhalte sollten daher ohne JavaScript-Ausführung verfügbar sein, interne Links als echte `<a href>` ausgezeichnet werden.

Joomla ist ein Open-Source-CMS, das von Haus aus mehrsprachige Inhalte und ein fein abgestuftes ACL-Rechtesystem mitbringt – Funktionen, die bei WordPress erst über Erweiterungen entstehen. Es ist mächtig, aber mit steilerer Lernkurve und kleinerer Verbreitung als WordPress.

JSON-LD ist das von Google empfohlene Format zur Einbettung strukturierter Daten – ein separater `<script type="application/ld+json">`-Block, der unabhängig vom sichtbaren Markup im `<head>` oder `<body>` steht. Vorteil gegenüber Microdata/RDFa: keine Verflechtung mit dem HTML, dadurch wartbar, zentral pflegbar und über `@graph` verknüpfbar.

Ein Keyword ist der Term oder die Phrase, mit der eine Suchanfrage formuliert wird. In der Praxis arbeitet man weniger mit Einzelwörtern als mit Suchphrasen und Themen-Clustern, weil moderne Suchsysteme semantisch arbeiten und Synonyme, Entitäten und Kontext mitberücksichtigen statt nur exakte Wortketten.

Die Keyword-Difficulty ist eine tool-spezifische Kennzahl (typischerweise 0–⁠100), die abschätzt, wie schwer ein Ranking für einen Begriff angesichts der Stärke der bereits rankenden Seiten ist. Sie ist kein offizieller Google-Wert und je nach Anbieter unterschiedlich berechnet — ein Orientierungs-, kein Absolutwert.

Keyword-Kannibalisierung tritt auf, wenn mehrere Seiten derselben Domain um denselben Begriff und dieselbe Intention konkurrieren. Die Suchmaschine ist dann unsicher, welche Seite sie ausspielen soll, was Rankings instabil macht und Linkwert sowie Klicks auf konkurrierende URLs verteilt, statt sie zu bündeln.

Die Keyword-Recherche ist der analytische Prozess, in dem relevante Suchbegriffe nach Suchvolumen, Wettbewerb (Difficulty), Intention und geschäftlichem Wert erhoben, gruppiert und priorisiert werden. Sie verbindet Tool-Daten (z. B. aus Such- und Drittanbieter-Datenbanken) mit qualitativer Einordnung und mündet in eine Themen- und Seitenarchitektur.

Ein KI-Audit ist eine strukturierte Bestandsaufnahme der KI-Reife einer Organisation: Datenlage und -qualität, vorhandene Prozesse und Werkzeuge, sinnvolle Anwendungsfälle samt Nutzen-Aufwand-Abschätzung, Risiken (Datenschutz, Sicherheit, Recht, EU-AI-Act-Einordnung) sowie organisatorische Voraussetzungen (Kompetenzen, Governance). Ergebnis ist üblicherweise eine priorisierte Roadmap statt einer pauschalen Tool-Empfehlung.

Ein KI-Avatar ist eine synthetisch erzeugte, oft animierte und sprechende Figur (Bild oder Video), meist gekoppelt mit synthetischer Stimme (TTS) und lippensynchroner Animation; einsetzbar für Erklärvideos, virtuelle Moderatoren oder Assistenten. Beim Nachbilden realer Personen sind Einwilligung sowie Persönlichkeits-, Bild- und Urheberrechte zentral; je nach Kontext besteht eine Kennzeichnungspflicht für KI-generierte Inhalte (vgl. EU AI Act). Qualität und Akzeptanz schwanken stark („Uncanny Valley").

Share of Model beschreibt den Versuch, KI-Sichtbarkeit messbar zu machen: Wie häufig und in welcher Rolle wird Ihre Marke in KI-Antworten zu relevanten Fragen genannt — absolut und im Verhältnis zum Wettbewerb? Gemessen wird typischerweise über systematische, wiederholte Abfragen einer Reihe definierter Prompts über mehrere KI-Systeme hinweg, da Antworten variieren. Die Methodik ist noch jung und nicht standardisiert; Ergebnisse sind Momentaufnahmen, keine exakten Kennzahlen.

Die KI-Übersicht (AI Overview bei Google) ist eine von einem Sprachmodell generierte Zusammenfassung oberhalb der klassischen Suchergebnisse, die Inhalte mehrerer Quellen synthetisiert und einzelne davon verlinkt. Sie wird kontextabhängig ausgespielt und kann je nach Anfrage, Region und Gerät variieren. Für die Sichtbarkeit zählt nicht mehr nur die organische Position, sondern ob Ihre Domain als eine der zusammengeführten und verlinkten Quellen erscheint.

Ein Knowledge Graph ist eine vernetzte Wissensbasis, in der Entitäten und ihre Beziehungen strukturiert abgelegt sind („Unternehmen X — Standort in — Ort Y", „gegründet von — Person Z"). Such- und KI-Systeme nutzen solche Graphen, um Anfragen zu verstehen und Antworten faktisch abzustützen. Wer dort als wohldefinierte Entität mit klaren Beziehungen vertreten ist, wird verlässlicher und kontextrichtig wiedergegeben.

Text-basierte Ressourcen (HTML, CSS, JavaScript, SVG, JSON) lassen sich serverseitig komprimieren, bevor sie ausgeliefert werden. Brotli erreicht bei statischen Inhalten in der Regel höhere Kompressionsraten als das ältere Gzip und wird von allen modernen Browsern unterstützt; die Aushandlung erfolgt über den `Accept-Encoding`-Header. Bereits binär komprimierte Medien (JPEG, WebP, MP4) profitieren nicht.

Das Kontextfenster ist die maximale Anzahl Tokens, die ein Modell pro Anfrage gleichzeitig „im Blick" hat – Systemanweisung, Verlauf, eingespeiste Dokumente und die zu erzeugende Antwort zusammengenommen. Moderne Modelle reichen 2026 von einigen zehntausend bis zu einer Million Tokens und mehr. Wird das Fenster überschritten, fällt Älteres aus dem Kontext; zudem sinkt bei sehr langen Kontexten oft die Treffsicherheit in der Mitte des Inhalts („lost in the middle").

Latenz ist die Zeit zwischen Anfrage und Antwort eines KI-Systems. Bei Sprachmodellen unterscheidet man „Time to First Token" (bis das erste Stück Antwort erscheint) und die anschließende Generierungsrate (Tokens pro Sekunde). Treiber sind Modellgröße, Hardware, Kontextlänge, Netzwerkweg und ggf. vorgelagerte Schritte wie Abruf (RAG) oder Werkzeugaufrufe. Bei Sprach- und Echtzeit-Anwendungen ist niedrige Latenz erfolgskritisch.

Lazy Loading verschiebt das Laden nicht sofort sichtbarer Ressourcen (Bilder, iFrames, teils Videos) bis kurz vor ihrem Eintritt in den sichtbaren Bereich, üblicherweise per `loading="lazy"` oder via Intersection Observer. Falsch angewandt – etwa auf das LCP-Element – verschlechtert es die wahrgenommene Ladezeit, weshalb der wichtigste sichtbare Inhalt explizit eager geladen werden sollte.

LCP misst die Zeit bis zum Rendern des größten sichtbaren Inhaltselements im sichtbaren Bereich (meist Hero-Bild, Video-Standbild oder ein großer Textblock). Zielwert ist unter 2,5 Sekunden im 75.-Perzentil der Nutzer. Typische Treiber sind langsame Serverantwort (TTFB), render-blockierende Ressourcen, ungünstige Ladereihenfolge und unoptimierte Bilder.

Linkattribute im `rel`-Attribut klassifizieren ausgehende Links: `nofollow` (kein Vertrauens-/Vererbungssignal), `sponsored` (bezahlt/werblich) und `ugc` (nutzergenerierte Inhalte wie Kommentare). Seit 2019 behandelt Google diese als Hinweise statt strikter Anweisungen. Bezahlte oder werbliche Links ohne entsprechende Kennzeichnung gelten als Verstoß gegen die Spam-Richtlinien; ohne Attribut ist ein Link standardmäßig „follow".

Linkaufbau bezeichnet die strategische, regelkonforme Gewinnung qualitativ hochwertiger Backlinks – etwa über verlinkbare Inhalte (Linkable Assets), digitale PR, Branchenverzeichnisse, Fachpartnerschaften und Erwähnungs-Recherche. Abzugrenzen ist er von Linkkauf und automatisierten Schemata, die gegen Googles Spam-Richtlinien verstoßen und Abwertungen riskieren. Maßstab ist Natürlichkeit des Linkprofils, nicht reine Anzahl.

Bei lizenzierter Software erwirbt der Kunde ein Nutzungsrecht in den Grenzen des Lizenzvertrags — zeitlich, personell oder funktional beschränkt, kündbar, oft an laufende Zahlungen gebunden. Bei beauftragter Individualentwicklung lässt sich stattdessen die Einräumung ausschließlicher, unbeschränkter Nutzungsrechte inklusive Bearbeitungsrecht und Quellcode-Herausgabe vereinbaren. Der Unterschied entscheidet, wer über Weiterentwicklung, Weitergabe und Laufzeit bestimmt.

Ein LLM ist ein auf sehr großen Textmengen trainiertes neuronales Modell (in der Regel auf Transformer-Architektur basierend), das Sprache statistisch modelliert und Token für Token plausible Fortsetzungen erzeugt. Es „weiß" nichts im menschlichen Sinn, sondern berechnet Wahrscheinlichkeiten auf Basis erlernter Muster; aktuelles oder belegtes Wissen kommt erst durch ergänzende Verfahren wie RAG oder Grounding hinzu. Diese Funktionsweise erklärt sowohl die Stärken (flüssige Synthese) als auch die Schwächen (Halluzinationen) der Systeme.

llms.txt ist eine vorgeschlagene Konventionsdatei im Wurzelverzeichnis einer Website, die KI-Systemen in kompakter, maschinenfreundlicher Form die wichtigsten Inhalte und Einstiegspunkte einer Seite auflistet — vergleichbar mit einer kuratierten Landkarte für Sprachmodelle. Es handelt sich um einen Community-Vorschlag, nicht um einen verbindlichen Standard; die tatsächliche Beachtung durch KI-Anbieter ist uneinheitlich. Der Aufwand ist gering, das Risiko niedrig, der Nutzen je nach Anbieter offen.

Der Local/Map Pack ist der Kartenblock mit (typischerweise) drei lokalen Treffern oberhalb der organischen Ergebnisse. Aufnahme und Reihenfolge speisen sich aus Relevanz, Distanz und Prominenz; ein vollständiges GBP, Bewertungssignale und NAP-Konsistenz sind die wichtigsten Stellschrauben. Das Pack zieht überproportional viele Klicks und ist bei lokalen Anfragen oft sichtbarer als Platz 1 der organischen Liste.

Local SEO optimiert auf ortsbezogene und „near me"-Anfragen und bedient die drei lokalen Rankingsignale Relevanz, Distanz und Prominenz. Zentrale Hebel sind ein konsistentes Unternehmensprofil, NAP-Konsistenz über alle Citations hinweg, lokal relevante Inhalte (Standortseiten), `LocalBusiness`-Schema sowie Bewertungssignale. Anders als beim klassischen organischen Ranking spielt die physische Nähe der suchenden Person zum Standort direkt in die Ergebnisreihenfolge hinein.

Die Log-File-Analyse wertet die Zugriffsprotokolle des Webservers aus, um das tatsächliche Crawler-Verhalten zu verstehen – verifiziert anhand von User-Agent und Reverse-DNS. Sie zeigt, welche URLs wie oft von welchem Bot abgerufen werden, welche Statuscodes zurückkommen und wo Crawl-Budget verschwendet wird. Im Gegensatz zu Simulations-Crawls bildet sie reale, historische Bot-Aktivität ab.

Long-Tail-Keywords sind längere, spezifischere Suchphrasen mit individuell geringem Suchvolumen, aber in Summe großem Anteil am Gesamtvolumen und meist höherer Conversion-Wahrscheinlichkeit, weil sie eine konkretere Intention abbilden. Sie unterliegen typischerweise geringerem Wettbewerb und eignen sich für gezielten Themenaufbau.

Das Model Context Protocol ist ein 2024 von Anthropic eingeführter, offener Standard, der definiert, wie KI-Anwendungen sich mit externen Werkzeugen, Datenquellen und Diensten verbinden – eine Art einheitliche Steckdose zwischen Modell und Außenwelt. Statt für jede Integration eine eigene Schnittstelle zu bauen, sprechen MCP-fähige Clients (Hosts) und Server ein gemeinsames Protokoll. 2026 wird MCP breit von mehreren Anbietern und Werkzeugen unterstützt; die Sicherheits- und Berechtigungsführung bleibt zentral.

Die Meta-Description ist ein HTML-Attribut, das einen Beschreibungsvorschlag für das Snippet liefert. Sie ist kein direkter Ranking-Faktor, beeinflusst aber die Klickrate erheblich; die Suchmaschine zeigt sie nur, wenn sie zur Anfrage passt, andernfalls generiert sie eine eigene Beschreibung aus dem Seiteninhalt.

Google verwendet seit Abschluss der Umstellung die mobile Version einer Website als primäre Grundlage für Crawling, Indexierung und Ranking. Inhalte, strukturierte Daten und Metadaten müssen daher in der Mobilversion vollständig vorhanden sein; mobil ausgeblendete oder gekürzte Inhalte fließen entsprechend reduziert in die Bewertung ein.

In einem Multi-Agent-System arbeiten mehrere spezialisierte Agenten zusammen – oft koordiniert von einem Orchestrator, der Teilaufgaben verteilt und Ergebnisse zusammenführt (Muster wie Planner/Worker oder Supervisor). Vorteile sind Spezialisierung und Parallelisierung; Nachteile sind höhere Komplexität, schwerere Nachvollziehbarkeit, kumulierende Fehler und steigende Kosten. Für viele Aufgaben ist ein einzelner, gut gebauter Agent die robustere Wahl.

Multimodale Modelle verarbeiten und/oder erzeugen mehr als eine Datenart – typischerweise Text, Bild, Audio und Video – in einem gemeinsamen Repräsentationsraum. Dadurch sind Aufgaben möglich wie „beschreibe dieses Foto", „lies diese gescannte Rechnung aus" oder „beantworte die Frage zu diesem Diagramm". Die Qualität variiert je Modalität und Modell stark; Bild- und Dokumentverständnis sind 2026 weit verbreitet, Video- und Audio-Verständnis je nach Anbieter unterschiedlich ausgereift.

NAP bezeichnet das Kern-Tripel der Kontaktdaten, dessen formatgenaue Konsistenz über alle Profile, Citations und die eigene Website hinweg ein lokales Vertrauenssignal bildet. Schon Schreibvarianten („Str." vs. „Straße", unterschiedliche Telefonformate) können die Zuordnung erschweren. Empfohlen ist eine kanonische Schreibweise, die zusätzlich im `LocalBusiness`-Schema hinterlegt wird.

Maschinelle Umwandlung von Schriftbildern in maschinenlesbaren Zeichencode. Moderne Verfahren arbeiten nicht mehr zeichenweise über Mustervergleich, sondern erkennen ganze Zeilen über neuronale Netze, die Bildausschnitte auf Zeichenfolgen abbilden. Qualitätsentscheidend sind Auflösung (300 dpi als Richtwert), Kontrast, Entzerrung und Sprachmodell: Ein deutsches Sprachmodell erkennt Umlaute und typische Rechnungsbegriffe deutlich zuverlässiger. Das Ergebnis wird als unsichtbare Textebene in das PDF gelegt, wodurch aus dem Bild ein durchsuchbares Dokument wird, ohne dass sich das sichtbare Abbild ändert.

On-Premise (oder in einer dedizierten, kontrollierten Umgebung) betriebene KI hält Modelle und Daten innerhalb der eigenen bzw. einer souveränen Infrastruktur, statt sie an eine externe Cloud zu senden. Vorteile: volle Datenkontrolle, Unabhängigkeit, einfachere Erfüllung strenger Datenschutz-/Compliance-Vorgaben. Kosten: Hardware (GPU), Betrieb, Wartung und Aktualisierung liegen bei Ihnen, und Open-Weight-Modelle erreichen je nach Aufgabe nicht immer das Niveau der größten Cloud-Modelle.

Bewertungen sind ein lokales Ranking- und Conversion-Signal zugleich; relevant sind Anzahl, Durchschnitt, Aktualität, Verteilung über Plattformen und die Reaktion des Unternehmens. Authentizität ist Pflicht – das Erkaufen oder Fälschen von Bewertungen verstößt gegen Plattformrichtlinien und gegen das Lauterkeitsrecht und kann abgemahnt sowie plattformseitig sanktioniert werden. Strukturierte Review-Auszeichnung auf der eigenen Seite unterliegt Googles Richtlinien (keine Selbst-Sternchen erfinden).

Open-Weight-Modelle stellen ihre trainierten Gewichte zum Download bereit, sodass sie lokal oder auf eigener Infrastruktur betrieben, angepasst und feinabgestimmt werden können – im Gegensatz zu reinen API-Modellen. Bekannte Familien sind Llamas Modelle (Meta) und Mistral. „Open Weight" ist nicht gleich „Open Source": Trainingsdaten und teils der Trainingscode bleiben oft geschlossen, und die Lizenzen enthalten teils Nutzungseinschränkungen, die im Einzelfall zu prüfen sind.

Orchestrierung ist die Steuerung des Zusammenspiels mehrerer Bausteine einer KI-Anwendung – Modellaufrufe, Abruf (RAG), Werkzeugnutzung, Verzweigungen, Wiederholungen, Fehlerbehandlung und Zustandshaltung – zu einem verlässlichen Gesamtablauf. Sie umfasst Ablauflogik, Wiederholungs- und Timeout-Strategien, Protokollierung und Kostenkontrolle. Gute Orchestrierung macht aus einzelnen KI-Funktionen einen produktionsreifen, beobachtbaren Prozess.

Organische Treffer resultieren aus dem Ranking-Algorithmus und sind nicht direkt käuflich; bezahlte Treffer (SEA, abgerechnet meist per Klick — PPC) werden über ein Auktionsmodell aus Gebot und Qualitätsfaktor ausgespielt und als Anzeige gekennzeichnet. Beide bedienen dieselbe SERP, folgen aber unterschiedlicher Ökonomie: SEA wirkt sofort, kostet pro Klick; SEO wirkt verzögert, baut aber einen bleibenden Bestand auf.

„PageSpeed" bezeichnet umgangssprachlich die Ladegeschwindigkeit, im engeren Sinne das Google-Werkzeug PageSpeed Insights, das Labordaten (Lighthouse) und – sofern verfügbar – Felddaten (CrUX) kombiniert und einen Performance-Score von 0–⁠100 ausgibt. Wichtig: Der Score ist eine gewichtete Momentaufnahme aus Labormetriken und nicht identisch mit dem rankingrelevanten Felddaten-Bild.

Perplexity ist eine als „Answer Engine" positionierte KI-Suche, die Anfragen mit einer synthetisierten Antwort beantwortet und die verwendeten Quellen offen und nummeriert ausweist. Diese transparente Zitierweise macht die Plattform besonders aufschlussreich für die KI-Sichtbarkeit, weil sich unmittelbar ablesen lässt, welche Quellen tatsächlich herangezogen wurden. Bevorzugt werden klar strukturierte, faktendichte Seiten, die sich präzise einer Aussage zuordnen lassen.

Das Pillar-Cluster-Modell organisiert Inhalte um eine umfassende Hauptseite (Pillar) zu einem Kernthema, die über interne Links mit vertiefenden Unterseiten (Cluster) zu Teilaspekten verbunden ist. Diese Topical-Authority-Architektur signalisiert thematische Tiefe und verteilt Linkwert gezielt, statt Seiten unverbunden nebeneinanderzustellen.

Ein Plugin erweitert ein CMS um Funktionen (Formulare, SEO, Shop, Sicherheit). Jedes Plugin ist zugleich potenzielle Angriffsfläche, Performance-Last und Abhängigkeit; veraltete oder unwartbare Plugins sind eine der häufigsten Sicherheits- und Stabilitätsursachen. Maßgeblich sind Qualität, Pflegezustand des Anbieters und Notwendigkeit – nicht die Anzahl.

Ein Prompt ist die Eingabe — Frage, Anweisung oder Kontext —, mit der ein Mensch ein KI-System steuert. Formulierung, Spezifität und mitgegebener Kontext beeinflussen die Qualität der Antwort erheblich; präzise Prompts mit klarer Aufgabe, Rolle und Format liefern verlässlichere Ergebnisse. Für die Sichtbarkeit ist relevant, welche Prompts Ihre Zielgruppe tatsächlich nutzt, denn daraus ergeben sich die Antworten, in denen Sie vorkommen wollen.

Prompt Injection ist ein Angriff, bei dem manipulierte Eingaben oder eingespeiste Inhalte das Modell dazu bringen, seine eigentlichen Anweisungen zu missachten – etwa Geheimnisse preiszugeben, unerwünschte Aktionen auszulösen oder schädliche Ausgaben zu erzeugen. Besonders kritisch ist die indirekte Variante, bei der bösartige Anweisungen in von der KI gelesenen Dokumenten, Webseiten oder E-Mails versteckt sind. Es gibt 2026 keine vollständige Abwehr; gemildert wird über Rechtetrennung, Eingabe-/Ausgabeprüfung und Minimalprinzip bei Werkzeugen.

Das Qualifizierungschancengesetz erweiterte (ab 2019) die Weiterbildungsförderung für **Beschäftigte** über die Agentur für Arbeit; Rechtsgrundlage ist § 82 SGB III. Gefördert werden können Lehrgangskosten und anteilig das Arbeitsentgelt während der Weiterbildung, wobei Förderhöhe und -voraussetzungen u. a. von der Betriebsgröße abhängen. Voraussetzung ist regelmäßig eine zugelassene Maßnahme (siehe AZAV) außerhalb rein arbeitsplatzbezogener Anpassungsfortbildung.

Quantisierung reduziert die Zahlengenauigkeit der Modellgewichte (z. B. von 16-Bit-Gleitkomma auf 8-, 4- oder weniger Bit), um Speicherbedarf und Rechenlast zu senken. Das ermöglicht den Betrieb großer Modelle auf kleinerer Hardware bei meist geringem Qualitätsverlust. Verfahren wie GPTQ, AWQ oder GGUF-Formate sind verbreitet; je aggressiver quantisiert wird, desto eher leidet die Ausgabequalität.

Der von Menschen lesbare Bauplan einer Software, aus dem das lauffähige Programm erzeugt wird. Wer den Quellcode besitzt und versteht, kann Fehler beheben, Funktionen ergänzen und die Software auf neue Systeme bringen — unabhängig vom ursprünglichen Hersteller. Ohne Quellcode ist Software eine Blackbox: nutzbar, aber weder prüfbar noch änderbar. Zum Besitz gehört praktisch immer beides: der Code selbst und die Dokumentation, die ihn wartbar macht.

Query-Fan-out bezeichnet das Verfahren, eine einzelne Nutzeranfrage intern in mehrere präzisere Teilanfragen aufzufächern, diese parallel zu recherchieren und die Ergebnisse zu einer Antwort zusammenzuführen. Es ist charakteristisch für KI-gestützte Such- und Dialogmodi und erweitert die Bandbreite potenziell herangezogener Quellen erheblich. Für die Sichtbarkeit heißt das: Auch wer eine sehr spezifische Teilfrage am besten beantwortet, kann in die zusammengesetzte Antwort einfließen.

RAG ist ein Verfahren, bei dem ein Sprachmodell vor der Antwort gezielt passende Quellen abruft — häufig über eine semantische Suche in einem Vektor-Index — und diese Fundstücke als Kontext in die Generierung einbezieht. Dadurch werden Antworten aktueller, belegbarer und seltener halluziniert, weil das Modell sich an konkrete Textstellen „andocken" kann. Für Websites zählt, ob ihre Inhalte in dieser Abrufphase als relevant und vertrauenswürdig erkannt und herangezogen werden.

Das Ranking ist die algorithmisch ermittelte Position einer URL für eine Anfrage zu einem Zeitpunkt. Es ist kein statischer Wert, sondern kontextabhängig (Standort, Gerät, Personalisierung, SERP-Features) und Ergebnis hunderter gewichteter Signale — entsprechend volatil und nicht deterministisch garantierbar.

Ein Ranking-Faktor ist ein Signal, das in die Positionsberechnung einfließt — etwa inhaltliche Relevanz, Linksignale, Nutzererfahrung (Core Web Vitals), HTTPS oder Mobilfreundlichkeit. Die genaue Gewichtung ist nicht öffentlich, viele kursierende „Faktorenlisten" sind veraltet oder spekulativ; entscheidend ist das Zusammenspiel, nicht das Einzelsignal.

Eine Weiterleitung verweist eine URL auf eine andere. Der Statuscode 301 (permanent) signalisiert dauerhafte Verschiebung und gibt Ranking-Signale weitgehend an das Ziel weiter; 302 (temporär) belässt sie bei der Ursprungs-URL. Vermeiden sollte man Weiterleitungsketten und -schleifen sowie pauschale Umleitungen auf die Startseite (Soft-404), da diese Signale verwässern und das Crawling belasten.

Reranking ist ein nachgelagerter Schritt, der eine erste Trefferliste (etwa aus der Vektorsuche) mit einem präziseren, aber teureren Modell – häufig einem Cross-Encoder – neu sortiert. Während die Erstsuche auf Geschwindigkeit optimiert ist, bewertet der Reranker Anfrage und Kandidat gemeinsam und hebt die wirklich relevanten Passagen nach oben. In RAG-Pipelines verbessert das die Qualität der ans Modell übergebenen Kontexte deutlich.

Responsive Design passt Layout und Inhalte mittels flexibler Raster, relativer Einheiten und CSS-Media-Queries fließend an die jeweilige Bildschirmgröße an – im Gegensatz zu separaten mobilen URLs oder dynamischer Auslieferung. Voraussetzung ist ein korrekt gesetzter Viewport-Meta-Tag; gut umgesetzt unterstützt es zugleich Mobile-First-Index und Barrierefreiheit.

Retrodigitalisierung bezeichnet die nachträgliche Überführung analoger Bestände — technische Zeichnungen, Akten, Prüfprotokolle, Karteien — in maschinenlesbare Form. Der Ablauf umfasst Erfassung per Scanner (bei technischen Zeichnungen typischerweise Großformat bis DIN A0 und darüber, oft mit Doppelbeleuchtung gegen Schattenbildung an Knicken), anschließende Texterkennung (OCR) sowie bei Handschriften die Handschrifterkennung (HTR), Strukturierung und Verschlagwortung sowie eine geordnete Ablage mit Metadaten. Erst das OCR-Ergebnis macht aus dem Bild eines Dokuments durchsuchbaren Text — die Voraussetzung dafür, dass Verfahren wie RAG oder ein Company Brain den Bestand überhaupt als Wissensquelle nutzen können. Für aufbewahrungspflichtige Unterlagen ist eine revisionssichere, nachvollziehbar dokumentierte Erfassung maßgeblich.

Rich Results sind erweiterte Suchergebnis-Darstellungen, die auf gültigen strukturierten Daten beruhen – etwa Sternebewertungen, FAQ-Ausklapper, Breadcrumbs, Produktpreise oder Event-Termine. „Rich Snippet" ist der ältere, engere Begriff dafür. Die Auszeichnung ist Voraussetzung, aber keine Garantie: Google entscheidet pro Anfrage, ob und wie die Anreicherung ausgespielt wird, und hat einzelne Typen (z. B. FAQ) bereits eingeschränkt.

Die robots.txt liegt im Wurzelverzeichnis und steuert per Robots Exclusion Protocol, welche Pfade konforme Crawler abrufen dürfen (`Disallow`/`Allow`, gruppiert je `User-agent`). Wichtig: Sie verhindert nur das Crawling, nicht die Indexierung – per robots.txt blockierte, aber extern verlinkte URLs können ohne Snippet dennoch im Index landen. Zum sicheren Ausschluss aus dem Index dient stattdessen `noindex`.

Bereitstellungsmodell, bei dem Software beim Anbieter läuft und über den Browser genutzt wird; abgerechnet wird pro Nutzer und Monat. Vorteile: kein eigener Betrieb, Updates inklusive, überall erreichbar. Damit verbunden: Die Daten liegen beim Anbieter (Auftragsverarbeitung nach Art. 28 DSGVO, bei Nicht-EU-Anbietern zusätzlich Drittlandtransfer-Fragen), die Verfügbarkeit hängt an dessen Betrieb, und Preis wie Funktionsumfang können sich einseitig ändern. Für unkritische Standardprozesse effizient; für Kernprozesse eine bewusst zu treffende Abhängigkeitsentscheidung.

„Selbstermächtigung" ist hier kein technischer Begriff, sondern der Leitgedanke des Angebots: Wissenstransfer und Werkzeuge so zu vermitteln, dass Sie wesentliche digitale Aufgaben (Inhaltspflege, Profil-Updates, einfache Optimierungen) künftig selbstständig übernehmen können – statt in dauerhafte Dienstleister-Abhängigkeit zu geraten. Methodisch bedeutet das: dokumentierte Prozesse, Einweisung statt Black Box und bewusst wartbare, schlanke Systeme.

Die semantische Suche ermittelt Relevanz über die Bedeutung einer Anfrage, nicht über reinen Wortabgleich — typischerweise gestützt auf Embeddings und Vektor-Ähnlichkeit. Sie erkennt Synonyme, Kontext und Suchabsicht und ist die Grundlage moderner Such- und KI-Systeme. Inhalte gewinnen dadurch, wenn sie ein Thema in seiner ganzen Bedeutungstiefe abdecken, statt eine Wortvariante mechanisch zu wiederholen.

SEO bündelt alle technischen, inhaltlichen und off-page-seitigen Maßnahmen, die einer URL zu besserer Sichtbarkeit in den organischen Index-Ergebnissen einer Suchmaschine verhelfen. Es operiert entlang dreier Säulen — Crawlbarkeit/Indexierbarkeit, inhaltliche Relevanz zur Suchintention und Autoritätssignale (u. a. Verlinkung) — und ist ein iterativer, datengetriebener Prozess ohne fixen Endzustand, weil Ranking-Systeme und Wettbewerb sich laufend verändern.

Die SERP ist die von der Suchmaschine zur Laufzeit gerenderte Ergebnisseite. Sie ist heute hochgradig modular und personalisiert: neben den klassischen „blauen Links" erscheinen SERP-Features wie AI Overviews, Featured Snippets, Local Pack, Bilder-/Video-Karussells, „Nutzer fragen auch" und Anzeigen — alles abhängig von Suchintention, Standort, Endgerät und Verlauf.

Beim serverseitigen Rendering (SSR) liefert der Server fertiges HTML aus, das Suchmaschinen sofort lesen können – das Standardverhalten klassischer CMS wie WordPress. Beim clientseitigen Rendering (CSR) baut JavaScript die Inhalte erst im Browser auf (typisch für SPAs mit React/Vue), was eine zweite Crawling-Welle zum Rendern erfordert. Hybridansätze wie SSR mit Hydration, Static Site Generation (SSG) und Prerendering verbinden Vorteile beider Welten.

Das Snippet ist die Vorschau eines Treffers auf der SERP, bestehend aus Titel, URL und Beschreibungstext, oft angereichert durch strukturierte Daten (Rich Snippets: Sterne, Preise, FAQ). Den Beschreibungstext generiert die Suchmaschine dynamisch zur Anfrage — die Meta-Description ist nur ein Vorschlag, der ignoriert werden kann.

Vorgefertigte Software für einen breiten Anwenderkreis, lizenziert oder im Abo. Stärken: geteilte Entwicklungskosten, ausgereifte Kernfunktionen, geregelte Updates, bei etablierten Produkten geprüfte Schnittstellen und Zertifizierungen. Grenzen: Der Prozess muss sich dem Werkzeug anpassen; Sonderfälle erzwingen Workarounds oder teure Customizing-Schichten, die bei Major-Updates brechen können. Die Gesamtkostenbetrachtung gehört über die Laufzeit gerechnet, nicht über den Einstiegspreis.

HTTP-Statuscodes signalisieren das Ergebnis einer Anfrage. Relevant für SEO: 200 (OK), 301/302 (Weiterleitung), 304 (unverändert), 404 (nicht gefunden – Ressource fehlt, könnte zurückkehren), 410 (dauerhaft entfernt – beschleunigt die Entfernung aus dem Index), sowie die 5xx-Serverfehler (500, 502, 503, 504), die auf Serverprobleme hinweisen. Anhaltende 5xx-Fehler drosseln das Crawling; „Soft-404" (Fehlerinhalt mit 200-Code) verwirren Suchmaschinen besonders.

Strukturierte Daten sind maschinenlesbare Auszeichnungen nach dem gemeinsamen Vokabular von Schema.org, mit denen Entitäten und ihre Eigenschaften (Unternehmen, Produkt, Event, FAQ, Artikel, Person) eindeutig beschrieben werden. Sie sind Voraussetzung für Rich Results und liefern Suchmaschinen wie KI-Systemen Kontext. Empfohlenes Format ist JSON-LD; die Angaben müssen den sichtbaren Seiteninhalt korrekt widerspiegeln.

Damit ist die Aufbereitung von Inhalten in klar abgegrenzte Frage-Antwort-Einheiten gemeint, bei denen die Antwort knapp, eigenständig verständlich und unmittelbar zitierfähig vorangestellt wird, bevor sie vertieft wird. Diese Form bedient Featured Snippets, AEO und die Synthese durch Sprachmodelle gleichermaßen, weil sie eine Aussage sauber von ihrem Kontext trennt. Optional unterstützt FAQPage-Schema die maschinelle Erfassung zusätzlich.

Speech-to-Text wandelt gesprochene Sprache in Text um. Moderne Systeme arbeiten neuronal, sprecherunabhängig und mehrsprachig; Qualität hängt von Audioqualität, Hintergrundgeräuschen, Akzent, Fachvokabular und ggf. Echtzeit-Anforderung (Streaming) ab. STT ist die Eingangsstufe von Voice Agents und ein Baustein für Transkription, Untertitelung und Diktat. Bei der Verarbeitung von Stimmen sind Datenschutzaspekte zu beachten.

Die Suchintention beschreibt das Ziel hinter einer Anfrage und wird klassisch in informational, navigational, kommerziell-untersuchend und transaktional unterteilt. Suchmaschinen leiten die dominante Intention aus dem realen Klickverhalten ab und spielen Inhaltsformate entsprechend aus — eine inhaltlich gute Seite mit falscher Intention rankt trotzdem nicht.

Eine Suchmaschine ist ein System aus Crawler, Index und Ranking-Algorithmus, das das Web erfasst, in einer durchsuchbaren Datenstruktur ablegt und auf eine Anfrage hin die relevantesten Treffer sortiert ausgibt. Marktbeherrschend ist Google; Bing gewinnt durch seine Rolle als Datenlieferant für mehrere KI-Systeme an Bedeutung.

Das Suchvolumen schätzt, wie oft ein Begriff in einem Zeitraum (meist monatlich, regional abgrenzbar) gesucht wird. Die Zahlen sind Schätzungen mit Tool-spezifischer Unschärfe, oft gerundet und saisonal schwankend; sie sind nur im Verhältnis zu Intention und Difficulty aussagekräftig, nicht als isolierter Zielwert.

Temperature ist ein Stellparameter, der die Zufälligkeit bei der Token-Auswahl steuert: Sie skaliert die Wahrscheinlichkeitsverteilung vor dem Sampling. Niedrige Werte (nahe 0) machen die Ausgabe deterministischer und fokussierter, hohe Werte (z. B. 0,8–⁠1,2) vielfältiger und „kreativer", aber fehleranfälliger. Verwandte Parameter sind top-p (Nucleus-Sampling) und top-k; für faktenbasierte Aufgaben wird meist eine niedrige Temperature gewählt.

Ein Theme definiert das Erscheinungsbild und teils die Struktur eines CMS-Auftritts über Templates, Styles und (bei modernen Themes) Block-Patterns/Full-Site-Editing. Qualität zeigt sich in sauberem, schlankem Code, Performance, Barrierefreiheit und Update-Pflege; überladene „Alleskönner"-Themes mit eigenen Page-Buildern erzeugen oft Ballast und Bindung an den Anbieter (Lock-in).

Thin Content sind Seiten mit geringem Mehrwert für den Nutzer — etwa nahezu leere Seiten, automatisch generierte oder ausschließlich werbliche Inhalte ohne substanzielle Information. Sie tragen kaum zur Relevanz bei und können in Summe das Qualitätsurteil über eine ganze Domain belasten.

Das Title-Tag ist das HTML-Element `<title>` im Dokumentkopf und das stärkste On-Page-Relevanzsignal für ein einzelnes Element sowie die klickbare Überschrift im Snippet. Empfehlenswert ist eine eindeutige, intent-getreue Formulierung; überlange Titel werden in der SERP gekürzt, und auch hier kann die Suchmaschine den angezeigten Titel umschreiben.

Ein Token ist die kleinste Verarbeitungseinheit eines Sprachmodells – meist ein Wortteil, ein ganzes Wort, ein Satzzeichen oder ein Leerzeichen. Der Tokenizer zerlegt Eingabetext deterministisch in diese Einheiten; im Deutschen entspricht ein Token grob 3–⁠4 Zeichen, ein Wort oft mehreren Tokens. Token sind die Abrechnungs- und Limit-Einheit: Sowohl die Kosten als auch das Kontextfenster werden in Tokens (Eingabe + Ausgabe) gemessen.

Tool Use erlaubt einem Sprachmodell, definierte externe Funktionen aufzurufen – etwa eine Datenbankabfrage, eine Rechenfunktion, eine Web- oder API-Anfrage. Das Modell erhält Werkzeugbeschreibungen (Name, Zweck, Parameter-Schema), entscheidet bei Bedarf, welches Werkzeug es mit welchen Argumenten aufruft, und verarbeitet das zurückgegebene Ergebnis weiter. So überbrückt es die Grenze zwischen reinem Text und echten Aktionen bzw. aktuellen, verlässlichen Daten.

Vollkostenrechnung einer Software über die Nutzungsdauer: Anschaffung oder Entwicklung, Lizenzen und Abos, Einführung und Datenmigration, Schulung, Betrieb und Hosting, Wartung, Anpassungen, Support — und die oft vergessenen Posten: interne Arbeitszeit für Workarounds, Kosten von Ausfällen sowie die Exit-Kosten am Ende (Datenexport, Ablösung). Erst der Vergleich der TCO über einen realistischen Zeitraum (üblich: fünf Jahre) macht Alternativen vergleichbar; der Einstiegspreis allein führt systematisch in die Irre.

Tracking umfasst die Erfassung von Nutzerinteraktionen über Tags, Pixel und Server-Events – typischerweise orchestriert über einen Tag-Manager und gespeist in Analyse- und Werbeplattformen. Datenschutzrechtlich ist zwischen einwilligungsfreier Reichweitenmessung und einwilligungspflichtigem Tracking zu unterscheiden; serverseitiges Tracking und Consent-Steuerung sind 2026 Standardthemen, ersetzen aber keine Rechtsgrundlage.

TTFB misst die Dauer von der Anfrage bis zum Eintreffen des ersten Antwort-Bytes vom Server und bündelt DNS-Auflösung, Verbindungsaufbau, TLS-Handshake, Server-Verarbeitungszeit und Netzwerklatenz. Hohe Werte deuten auf langsames Hosting, fehlendes serverseitiges Caching oder ungünstige Datenbankabfragen hin und verzögern alle nachgelagerten Metriken, insbesondere den LCP.

Text-to-Speech erzeugt aus Text gesprochene Sprache. Aktuelle neuronale Systeme klingen natürlich, beherrschen Betonung und Sprechtempo und bieten teils Stimm-Klonen (Voice Cloning). TTS ist die Ausgabestufe von Voice Agents und Vorlese-Funktionen. Beim Klonen realer Stimmen sind Einwilligung sowie Persönlichkeits- und Urheberrechte zu beachten; eine Kennzeichnung synthetischer Stimmen kann je nach Kontext geboten sein.

Die URL ist die eindeutige Adresse einer Ressource; der Slug ist deren sprechender, von Mensch und Maschine lesbarer Pfadteil. Empfehlenswert sind kurze, beschreibende, kleingeschriebene Slugs mit Bindestrichen; nachträgliche Änderungen erfordern saubere 301-Weiterleitungen, um Linkwert und Indexierung nicht zu verlieren.

Eine Vektor-Datenbank speichert Embeddings (numerische Bedeutungsvektoren) und durchsucht sie über Ähnlichkeitsmaße (z. B. Kosinus-Ähnlichkeit) per Approximate-Nearest-Neighbor-Index. Sie ist das Rückgrat semantischer Suche und von RAG: Statt nach exakten Begriffen wird nach Bedeutungsnähe gesucht. Gängige Systeme bieten Filter über Metadaten, Hybrid-Suche (Vektor plus Stichwort) und Skalierung auf Millionen Einträge.

Zustand, in dem der Wechsel weg von einem Anbieter unwirtschaftlich wird — durch proprietäre Datenformate, fehlende Exportwege, gekoppelte Dienste, auslaufende Schnittstellen oder Know-how, das nur im System des Anbieters existiert. Der Effekt wächst schleichend: Jede zusätzliche Integration erhöht die Wechselkosten. Gegenmittel sind offene Formate, dokumentierte Exporte, Eigentum am Quellcode und Datenhaltung, die auch ohne den Anbieter lesbar bleibt.

Die Verweildauer beschreibt, wie lange ein Nutzer auf einer Seite bleibt, bevor er zur SERP zurückkehrt. Sie gilt als Indiz für Zufriedenheit, ist aber kein offiziell bestätigter direkter Ranking-Faktor und messtechnisch schwer sauber zu erfassen. Aussagekräftiger als die reine Dauer ist, ob die Seite die Intention erfüllt hat.

Ein Voice Agent ist ein dialogfähiges Sprachsystem, das eine STT-Stufe, ein Sprachmodell (mit ggf. RAG und Werkzeugnutzung) und eine TTS-Stufe zu einem flüssigen Telefonat oder Gespräch verbindet. Erfolgskritisch sind sehr niedrige Latenz, robuster Umgang mit Unterbrechungen (Barge-in), Verstehen von Akzenten und Nebengeräuschen sowie klare Eskalation an einen Menschen. Einsatzfelder sind Telefonannahme, Terminvereinbarung und Erstauskunft.

Alle Arbeiten, die Software nach der Auslieferung funktionsfähig halten: Fehlerbehebung, Sicherheitsaktualisierungen, Anpassung an neue Betriebssystem- und Schnittstellenversionen, kleine funktionale Erweiterungen und die Pflege der Dokumentation. Unbetreute Software altert nicht durch Verschleiß, sondern durch ihre Umgebung — ein System, das heute fehlerfrei läuft, kann durch ein Betriebssystem-Update oder eine geänderte Gegenstelle morgen brechen. Planbar wird das über definierte Reaktionszeiten und einen festen, kündbaren Pflegerahmen.

WooCommerce ist die führende Open-Source-Shop-Erweiterung für WordPress (Produkte, Warenkorb, Checkout, Zahlungen, Versand). Vorteile: tiefe WordPress-Integration, große Plugin-Auswahl, keine Lizenzgebühr für den Kern. Zu beachten: Performance bei vielen Produkten, PCI-/Zahlungsdienstleister-Anbindung, sowie e-commerce-rechtliche Pflichten (Impressum, Widerruf, Preisangaben, Button-Lösung) – technisch lösbar, rechtlich zu prüfen.

WordPress ist das mit Abstand verbreitetste Open-Source-CMS (PHP/MySQL), erweiterbar über Themes und Plugins, mit Block-Editor (Gutenberg) und großem Ökosystem. Stärken: Flexibilität, Verfügbarkeit von Lösungen und Fachkräften. Kehrseite: gerade wegen der Verbreitung ein häufiges Angriffsziel – Updates, Härtung und Backups sind Pflicht, nicht Kür.

Eine XML-Sitemap listet kanonische, indexierbare URLs maschinenlesbar auf und kann Zusatzangaben wie `lastmod` enthalten; bei vielen URLs wird über einen Sitemap-Index in Teildateien aufgeteilt (Limit 50.000 URLs bzw. 50 MB je Datei). Sie ist eine Empfehlung, keine Garantie für Indexierung, und sollte ausschließlich finale, indexierbare URLs enthalten – keine Weiterleitungen, Fehler- oder `noindex`-Seiten.

Zero-Click-Search beschreibt Suchanfragen, bei denen der Nutzer seine Antwort bereits auf der Ergebnisseite erhält — etwa durch ein Snippet oder eine KI-Übersicht — und gar nicht mehr auf eine Website klickt. Dieser Anteil wächst mit KI-Antworten weiter. Die Konsequenz: Ein Spitzenplatz garantiert keine Klicks mehr; die Sichtbarkeit verlagert sich in die Antwort selbst, in der Ihre Marke genannt und Ihre Aussage übernommen werden soll.

Zitierfähigkeit beschreibt, wie gut sich ein Inhalt als Beleg in einer KI-Antwort verwenden lässt. Begünstigt wird sie durch eigenständig verständliche, präzise Aussagen, klare Quellenangaben, einen erkennbar autoritativen Absender und eine Struktur, die eine konkrete Aussage einer konkreten Stelle zuordnet. In der GEO-Logik ist Zitierfähigkeit die eigentliche Währung: Nicht die Ranking-Position zählt, sondern ob Ihre Aussage als Beleg übernommen und genannt wird.

Das „Wikipedia-Prinzip" beschreibt — als anschauliche Faustregel, nicht als Anweisung, Wikipedia zu kopieren —, dass KI-Systeme für faktische Antworten enzyklopädisch aufgebaute, neutral formulierte, klar gegliederte und belegte Inhalte bevorzugt heranziehen. Solche Texte sind leicht zu synthetisieren und einzuordnen, weil sie Aussage, Kontext und Beleg sauber trennen. Werblicher, vager oder unbelegter Text taugt dagegen schlecht als Quelle.

Ein 360°-Rundgang ist eine interaktive, begehbare Darstellung aus georeferenzierten Panorama-Aufnahmen, navigierbar per Maus/Touch/VR. Er lässt sich in die Website einbetten und je nach Anbieter auch ins Google Unternehmensprofil/Maps („Street View inside") integrieren, was zusätzlich auf lokale Prominenz einzahlt. Relevante Faktoren: Aufnahmequalität, Ladeperformance und mobile Bedienbarkeit.

Beide Codes signalisieren, dass eine Ressource nicht ausgeliefert wird. 404 („Not Found") lässt offen, ob die URL je existierte oder zurückkehrt – Google crawlt sie noch eine Weile erneut. 410 („Gone") erklärt die Entfernung als endgültig und führt erfahrungsgemäß zu etwas schnellerer Entfernung aus dem Index. Für absichtlich und dauerhaft gelöschte Inhalte ohne Ersatz ist 410 das präzisere Signal; existiert ein passender Nachfolger, ist eine 301-Weiterleitung vorzuziehen.

Überschriften (`<h1>`–`<h6>`) bilden die semantische Hierarchie eines Dokuments: genau eine themengebende H1, darunter H2 für Hauptabschnitte, H3 für Unterpunkte. Diese Struktur dient Lesbarkeit, Barrierefreiheit (Screenreader-Navigation) und maschinellem Verständnis — auch KI-Systeme nutzen sie, um Inhalte zu segmentieren und Passagen zu extrahieren.