In unseren ersten vier Jahren tat der in Kapitel 3 beschriebene Wachstumsmotor zuverlässig seinen Dienst. Wir schrieben wirklich nützliche Inhalte, verdienten uns Backlinks von vertrauenswürdigen Quellen, rankten für die Fragen unserer künftigen Nutzer und ließen das Ganze sich verstärken. Dann begann der Boden sich zu bewegen.
Der Boden unter der SEO verschob sich
Bis 2025 stellte ein wachsender Anteil der Menschen, die früher Fragen bei Google eintippten, diese stattdessen KI-Assistenten. ChatGPT, Claude, Perplexity und Googles eigene KI-Ergebnisse beantworteten Fragen direkt, in ganzen Sätzen, oft ohne dass die Nutzer je einen Link anklickten. Die blauen Links, zu denen wir uns über Jahre hochgearbeitet hatten, wurden durch Zusammenfassungen schlicht überflüssig gemacht.
Für ein Unternehmen, dessen Akquisestrategie stark auf sich verstärkendem Suchtraffic beruhte, war das eine existenzielle Frage. Sie war uns aber auch vertraut. Wir hatten einen Plattformwechsel schon einmal aus nächster Nähe erlebt, Ende 2022, als ChatGPT erschien und wir innerhalb weniger Tage eine Erweiterung veröffentlichten (Kapitel 4). Die Lehre aus dieser Erfahrung lautete nicht "KI kommt". Sie lautete: "Wenn sich die Schnittstelle ändert, gewinnen diejenigen, die sich früh anpassen, Aufmerksamkeit, um die Nachzügler später kämpfen müssen."
Statt also den Niedergang der zehn blauen Links zu betrauern, stellten wir dieselbe Frage wie 2022: Was macht dieser Wandel neu wertvoll, und wie hängt er mit unserer Mission zusammen?
Vom Ranken zum Zitiertwerden
Die Antwort, zu der wir kamen, hat einen Namen: AEO (Answer Engine Optimization, Optimierung für Antwortmaschinen).
In der Such-Ära war das Ziel zu ranken: die eigene Seite in die obersten Ergebnisse zu bringen und den Klick zu gewinnen. In der Antwort-Ära ist das Ziel, zitiert zu werden: Wenn ein KI-Assistent eine Antwort über Highlighting, Lerntechniken oder Recherche-Workflows verfasst, soll er auf Ihre Arbeit zurückgreifen und die Leser zu Ihnen zurückführen.
Was uns auffiel, war, wie wenig sich die zugrunde liegenden Prinzipien änderten. Antwortmaschinen belohnen, wie Suchmaschinen vor ihnen, Quellen, die wirklich nützlich, klar strukturiert und durchgehend vertrauenswürdig sind. Die Grundlagen, die wir seit Kapitel 3 praktiziert hatten (echter Mehrwert, saubere Struktur, geduldiges Verstärken), galten weiterhin. Was sich änderte, war der Leser. Wir schrieben nicht mehr nur für Menschen, die überfliegen, sondern auch für Modelle, die parsen, gewichten und zitieren.
Diese Neudeutung verwandelte eine existenzielle Bedrohung in ein Umsetzungsproblem. Und Umsetzungsprobleme konnten wir lösen.
Deep Dive: Erneut auf Langform setzen
Unsere größte AEO-Investition waren Inhalte, und sie wirkte fast altmodisch: eine Bibliothek langer, zeitloser Leitfäden, die wir Deep Dive nennen.
Wir bauten über 100 Artikel mit Tiefgang auf, die das Terrain abdecken, das unseren Nutzern wichtig ist: KI-Tools und wie man zwischen ihnen wählt, Lernwissenschaft, Notizen und Wissensmanagement, Lese-Workflows, Recherchemethoden. Jeder Artikel ist gleich aufgebaut: ein klares Inhaltsverzeichnis, die wichtigsten Erkenntnisse gleich am Anfang, FAQ-Abschnitte und eine einheitliche Formatierung, in der sich sowohl ein menschlicher Überflieger als auch ein parsendes Modell zurechtfinden.
Dann wendeten wir den Multiplikator an, den wir in Kapitel 2 entdeckt hatten, diesmal ganz bewusst. Jeder Artikel wird in 7 Sprachen übersetzt. Wo einst Community-Mitglieder einen einzelnen Presseartikel für uns übersetzten, betreiben wir Übersetzung heute als festen Bestandteil unserer Veröffentlichungspipeline. Aus einem gut recherchierten Leitfaden werden sieben Einstiegspunkte in sieben Märkten.
Die Wette ist dieselbe Verstärkungswette wie zuvor: Jeder Leitfaden ist ein Wert, der weiterarbeitet, nur wirkt er jetzt auf zwei Arten. Er rankt in dem, was von der traditionellen Suche übrig ist, und er wird von den Antwortmaschinen zitiert, die sie ablösen.
Glasp maschinenlesbar machen
Inhalte waren die halbe Arbeit. Die andere Hälfte bestand darin, Glasp selbst für Maschinen lesbar zu machen.
Wir fügten der Website eine llms.txt-Datei hinzu, einen Leitfaden in einfacher Sprache, der KI-Crawlern erklärt, was Glasp ist, was wo zu finden ist und was am wichtigsten ist. Wir bauten strukturierte Daten (JSON-LD) auf der gesamten Website aus, sodass Artikel, Bücher, Zitate und Profile sich selbst in einem Vokabular beschreiben, das Maschinen ohne Rätselraten verstehen.
Dann gingen wir einen Schritt weiter, als uns nur gegenüber der KI zu beschreiben, und verbanden uns mit ihr. Wir bauten einen Remote-MCP-Connector (Model Context Protocol), sodass Nutzer Glasp direkt an ihre KI-Assistenten anschließen können. Mit Erlaubnis kann ein Assistent Ihre Highlights durchsuchen, abrufen, was Sie zu einem Thema gespeichert haben, und Ihr eigenes gesammeltes Wissen in ein Gespräch einbringen.
Hier lohnt es sich innezuhalten, denn das verändert, was "Distribution" bedeutet. In der Such-Ära war Ihre Produktoberfläche Ihre Website und Ihre Erweiterung. In der Antwort-Ära umfasst Ihre Produktoberfläche auch die KI-Assistenten, mit denen Ihre Nutzer bereits jeden Tag sprechen. Dort präsent zu sein ist kein Marketing. Es ist Produkt.
Und es knüpft auf eine Weise an die Mission an, die wir wirklich begeisternd fanden. Wir haben immer gesagt, dass das Wissen, das Sie sammeln, den Moment des Sammelns überdauern sollte. Ein Assistent, der Jahre später auf Ihre Highlights zurückgreifen kann, ist genau dieses Versprechen, eingelöst über eine neue Schnittstelle.
Über Text hinaus
Antwortmaschinen lesen nicht nur Artikel, und Menschen auch nicht. Also begannen wir, unsere stärksten Deep Dive Leitfäden in andere Formate zu überführen: Audio-Gespräche im Podcast-Stil und Videoversionen, die über YouTube verbreitet werden.
Das war das Prinzip "einmal erstellen, überall veröffentlichen" aus unserem Playbook für Ressourceneffizienz, ausgerichtet auf ein neues Ziel. Dieselbe Recherche, aus der ein schriftlicher Leitfaden entstand, wird zu etwas, das man auf dem Arbeitsweg anhören kann, und zu etwas, das YouTube Lernenden anzeigt, die den Artikel nie gefunden hätten. Jedes Format verstärkt die anderen, und jedes ist ein weiterer Weg, die Quelle zu sein, aus der eine Antwort schöpft.
Der Beweis: Von 500 auf 19.000 tägliche Sitzungen über ChatGPT
Strategie ist billig. Also haben wir gemessen.
Anfang 2026 schickte uns ChatGPT 517 Besucher pro Tag. Wir gingen eine bewusste Wette ein: keine Investitionen mehr in direkte SEO, stattdessen das AEO-Playbook als Reihe von Experimenten auf unserer größten Inhaltsfläche fahren, einem Korpus von über 400.000 YouTube-Q&A-Seiten.
Die erste Entscheidung gab den Ton an: aus unseren eigenen Serverlogs messen, statt Tools zu abonnieren, die die Modelle von außen abfragen. Die KI-Crawler-Logs von Cloudflare und die Search Console sagten uns deterministisch, welche Seiten KI-Bots tatsächlich abriefen und wie oft. Diese Daten verwandelten Vermutungen in einen Fahrplan.
Die Experimente selbst waren fast schon peinlich konkret. Seiten, die Bots häufig anforderten, hatten Titel in Frageform, die der Art entsprachen, wie Menschen Prompts formulieren, also schrieben wir Titel in Fragen um. Sie hatten Prosa-Zusammenfassungen am Anfang, rund 130 Zeichen, die als eigenständige Antworten funktionierten, während ignorierte Seiten 14-Zeichen-Fragmente trugen, also schrieben wir unsere TL;DRs so um, dass sie die vollständige Antwort enthalten, selbst wenn ein Modell sonst nichts liest. Wir werteten die 404-Fehler aus, die KI-Bots hinterließen, Zehntausende pro Woche, als buchstäbliche Liste von Seiten, nach denen Nutzer bereits fragten, und bauten sie. Wir löschten Zehntausende tote Seiten ohne jegliches Google- und Bot-Interesse, und die Indexierung von allem, was blieb, verbesserte sich. Und Seiten, die bereits Google-Klicks einbrachten, wurden gegen Umschreibungen gesperrt, damit der neue Kanal den alten nie kannibalisierte.
Vier Monate später, am 5. Mai, erreichten die ChatGPT-Verweise 19.129 tägliche Sitzungen: ein 37-faches Wachstum. Das Verblüffende daran: Das Crawl-Volumen der KI-Bots blieb die ganze Zeit über konstant. Dieselben Bots kamen weiterhin vorbei. Sie fanden einfach mehr Antworten, die es wert waren, zitiert zu werden. Wir teilten das vollständige Playbook in einem Gastbeitrag im Newsletter von Sean Ellis, im selben Geist wie alles andere in dieser Geschichte: Was wir lernen, veröffentlichen wir.
Was wir gelernt haben
Die AEO-Ära ist jung, und wir behaupten nicht, sie vollständig durchdrungen zu haben. Aber einige Lehren fühlen sich bereits belastbar an.
Erstens: AEO ist kein Ersatz für alles, was wir wussten. Es sind die Prinzipien der SEO, die in eine neue Schnittstelle hineinaltern. Echter Mehrwert, klare Struktur und verdientes Vertrauen gewinnen weiterhin. Wer sein Wachstum auf Tricks aufgebaut hat, für den sind die Antwortmaschinen eine schlechte Nachricht. Wer es auf Substanz aufgebaut hat, für den sind sie eine Chance.
Zweitens: Früh dran zu sein zählt wieder. Das Zeitfenster, das wir beim Start von ChatGPT genutzt haben, hat eine Fortsetzung: Die meisten Unternehmen behandeln KI-Suche noch immer als Kuriosität, was bedeutet, dass die Zitate noch zu vergeben sind. "Sei der Erste, auch wenn es nicht perfekt ist" hat den Plattformwechsel unbeschadet überstanden.
Drittens: Was sich verstärkt, hat seine Form verändert. Früher waren es Rankings und Backlinks. Heute ist es, eine zitierfähige, strukturierte, vertrauenswürdige Quelle zu sein, in Text, in Audio, in Video und über Protokolle wie MCP, die einen mitten in das Gespräch selbst bringen.
Die tiefste Lehre betraf jedoch die Identität. Als sich die Art änderte, wie Menschen Informationen finden, mussten wir nicht ändern, was wir sind. Eine Plattform, die auf dem offenen Erfassen und Teilen von Wissen aufbaut, ist, wie sich zeigt, gut positioniert in einer Welt, in der Maschinen ständig nach Wissen suchen, das es wert ist, wiedergegeben zu werden. Die Mission ist gut gealtert.
Dieses Vertrauen in Substanz statt Taktik führte uns an einen Ort, an dem wir ein Zwei-Personen-Startup nie erwartet hätten: die Veröffentlichung eigener Forschung. Davon handelt das nächste Kapitel.