Generative Engines sind die KI-Systeme, nach denen GEO (Generative Engine Optimization) benannt ist. Den Begriff verwendet die Forschungsarbeit „GEO: Generative Engine Optimization“ vom November 2023, die solche Systeme untersucht und auf die auch der Name der Disziplin zurückgeht. Wer die Antwort einer Generative Engine liest, bekommt einen fertigen Text und muss die Seiten dahinter nicht selbst öffnen.

So entsteht eine Antwort

Im Detail arbeitet jede Generative Engine anders. Die Studie von 2023 skizziert einen typischen Ablauf, der sich vereinfacht in drei Schritte fassen lässt:

  1. Frage aufbereiten: Ein Sprachmodell leitet aus der Frage eine oder mehrere einfachere Anfragen ab. Das Aufteilen einer Frage in mehrere Teilanfragen heißt Query Fan-out.
  2. Quellen abrufen: Zu diesen Anfragen ruft das System passende Webseiten ab, in der Regel aus einem Webindex, also einem Bestand von Seiten, die Crawler (Programme, die Webseiten automatisch einlesen) zuvor erfasst haben.
  3. Antwort schreiben: Ein Sprachmodell fasst die abgerufenen Inhalte zu einer Antwort zusammen und verweist auf die verwendeten Seiten, etwa mit Links oder Fußnoten. Solche Quellenangaben heißen KI-Zitate.

Das Prinzip, eine Antwort auf zuvor abgerufene Inhalte zu stützen, heißt Retrieval-Augmented Generation (RAG). Welche Seiten eine Generative Engine auswählt und wie sie sie gewichtet, legt jeder Anbieter selbst fest; die Verfahren sind proprietär und von außen kaum einsehbar. Die Forschenden hinter der Studie sehen darin eine Schwierigkeit für alle, die Inhalte veröffentlichen: Sie können kaum nachvollziehen, wie ihre Inhalte verarbeitet und dargestellt werden.

Generative Engine oder Sprachmodell allein

Nicht jede KI-Antwort stammt aus einer Generative Engine im engeren Sinn. Beantwortet ein Sprachmodell eine Frage allein aus dem Wissen, das es im Training erworben hat, seinem parametrischen Wissen, ruft es keine Inhalte ab. Für GEO zählt dieser Weg trotzdem: Was ein Modell im Training über ein Angebot gelernt hat, prägt seine Antworten ebenfalls, etwa als Erwähnung ohne Quellenangabe.

Viele KI-Assistenten verbinden beide Wege und entscheiden je nach Frage, ob sie zusätzlich Inhalte aus dem Web abrufen. Erst dann arbeiten sie als Generative Engine. Im weiteren Sinn wird der Begriff auch für KI-Assistenten insgesamt verwendet.

Beispiele

Als Generative Engine arbeiten zum Beispiel diese KI-Systeme, sobald sie Inhalte aus dem Web abrufen:

  • KI-Assistenten: ChatGPT, Gemini und Claude rufen je nach Frage Inhalte aus dem Web ab und können die verwendeten Quellen verlinken; bei ChatGPT heißt diese Funktion ChatGPT search. Perplexity stützt seine Antworten laut eigener Beschreibung auf Inhalte, die es im Web findet, und versieht sie mit Quellenangaben. Microsoft Copilot bezieht über Bing Inhalte aus dem Web ein, wenn diese eine Antwort verbessern.
  • KI-Antworten bei Google: Google AI Overviews, auf Deutsch „Übersicht mit KI“, und Google AI Mode, auf Deutsch „KI-Modus“, fassen Informationen aus mehreren Webseiten zu einer Antwort mit Links zusammen.

Was das für Unternehmen bedeutet

In einer Generative Engine kann eine Website nur als Quelle dienen, wenn sie zu den abgerufenen Inhalten gehört. Wie gut das gelingt, hängt unter anderem von der Crawlbarkeit und der Maschinenlesbarkeit ihrer Seiten ab und davon, ob einzelne Abschnitte eine Frage für sich verständlich beantworten, also von ihrer Zitierfähigkeit. Fehlerfrei arbeiten Generative Engines dabei nicht: Eine Untersuchung von drei solchen Systemen, im Oktober 2024 als Vorabveröffentlichung vor der fachlichen Begutachtung erschienen, fand in den damals getesteten Versionen unter anderem häufige Halluzinationen und ungenaue Quellenangaben. Auch wenn eine Antwort eine Website als Quelle nennt, gibt sie deren Inhalte also nicht immer richtig wieder.