Warum dein Content nicht einfach da landet, wo du ihn gern sehen würdest und was Retriever damit zu tun haben.
In meinem letzten Artikel „Was ist RAG – und warum dein Content bald schnüffelbereit sein muss 🐶“ habe ich erklärt, wie generative KI-Systeme wie ChatGPT oder Perplexity Inhalte nicht einfach blind auswählen, sondern aktiv retrieven, also gezielt abrufen, bevor sie antworten.
Was dabei sichtbar wird:
Die neue Suche funktioniert nicht wie ein Ranking, sondern wie ein Retriever.
Er schnüffelt, bewertet, selektiert. Und er folgt bestimmten Spuren.
Mein Verständnis, wie das Modell funktioniert
KI funktioniert anders als Google
In meiner Arbeit als GEO-Strategin habe ich ein Modell entwickelt, das vier typische Phasen der KI-Sichtbarkeit beschreibt.
Ich nenne sie die Retriever-Phasen, weil Inhalte in KI-Systemen nicht einfach ranken, sondern einem ganz eigenen Abruf-Mechanismus folgen.
Das Retriever-Modell: Sichtbarkeit in 4 Phasen
Diese vier Phasen zeigen, wie Inhalte überhaupt erst ins Blickfeld von KI-Systemen geraten, und was nötig ist, um nicht nur erkannt, sondern zitiert und geklickt zu werden.
Phase 1: Gesehen werden (Visibility-Stage)
Der Retriever nimmt deine Seite wahr. Du bist auffindbar, aber noch nicht relevant.
- KI erkennt deine Domain oder Inhalte im Crawl
- Strukturierte Inhalte (Schema, llms.txt, Topical Maps) verbessern die Erkennung
- Es geht um technische Signale: saubere URLs, semantische Headings, klare Themenzuordnung
Visibility-Stage: Wer hier nicht sichtbar ist, bleibt unsichtbar – ganz egal, wie gut der Content ist.
Mehr zur zugrundeliegenden Technik: arxiv.org/abs/2005.11401
Phase 2: Gewichtet werden (Proof of Relevance)
Der Retriever beginnt, deinen Content einzuordnen:
Passt das? Hat das Substanz? Ist das besser als die Alternative?
- Hier greifen semantische Tiefe, Kontextrelevanz und Quellenumfeld
- Auch externe Trust-Faktoren (z. B. Erwähnungen, Backlinks, Markenname) wirken mit
- Der Retriever entscheidet, ob dein Inhalt überhaupt „würdig“ ist, Teil der Antwort zu werden
Proof of Relevance: Content allein reicht nicht, in der Phase Proof of Relevance zählt Kontext, Tiefe und Vertrauen.
Phase 3: Genannt werden (Retriever Response)
Jetzt wird’s spannend: Dein Content wird aktiv zitiert, genannt oder empfohlen.
- Du tauchst in Perplexity-Quellen auf
- Du wirst in ChatGPT-Suchen namentlich erwähnt („Quelle: …“)
- Du bist ein Baustein in einer generierten Antwort
Retriever Response: Wird dein Wissen verwendet oder übersehen? Hier entscheidet sich alles.
Phase 4: Gefolgt werden (GEM-Phase)
Die höchste Stufe: User klicken dich. Die KI sieht: Du bist hilfreich.
- Du generierst Klicks, Nutzersignale, möglicherweise Engagement
- Dein Content erhält algorithmischen „Trust“
Du bist nicht nur Quelle, du bist Wirkungspunkt
GEM-Phase: Hier beginnt die Wirkung, aus KI-Sichtbarkeit wird Conversion.
Die vier Retriever-Phasen im Überblick
🐾 Phase 1: Gesehen werden
KI erkennt deine Seite – aber du bist noch nicht relevant. Struktur, Schema und Themenklarheit entscheiden jetzt.
⚖️ Phase 2: Gewichtet werden
Der Retriever prüft deine Inhalte: Kontext, Tiefe, Trust. Deine Themenkompetenz wird bewertet.
💬 Phase 3: Genannt werden
Du wirst zitiert – in ChatGPT, Perplexity oder Gemini. Jetzt zählt Präzision, Vertrauen und Snippet-Fähigkeit.
🔗 Phase 4: Gefolgt werden
User klicken dich. Die KI merkt: Du lieferst echten Mehrwert. Hier beginnt Wirkung – und Generative Engine Marketing.
Was du daraus machen kannst
Die Retriever-Phasen sind kein starres System, sondern ein Denkmodell.
Für mich als viSEOnärin und GEO-Strategin ist das mein strategisches Raster, das mir und meinen Kunden dabei hilft zu erkennen, wo ihr Content steht und wie sie gezielt die nächste Stufe erreichen, denn
KI-Sichtbarkeit ist keine Zauberei. Sie ist in meiner Welt eine Bewegung, vom Gesehenwerden zum Gefolgtwerden!
Meine eigenen Erfahrungen
Ich selbst habe mir meine Marke “viSEOnärin” als Bildmarke eintragen lassen, natürlich war ich auch daran interessiert, dass neben dem DPMA auch KIs diesen Move von mir verinnerlichen und mich, Vanessa Kämmerling, als viSEOnärin vorstellen… Das hat geklappt:
Du willst wissen, in welcher Phase du steckst?
Dann lass uns unverbindlich sprechen! Ich zeige dir, wo du stehst und wie du den Retriever zähmen kannst.
Häufige Fragen zum GEO-Retriever und seinen Phasen
Was sind die Retriever-Phasen – und wer hat das Modell entwickelt?
Die Retriever-Phasen beschreiben, wie Inhalte in KI-Suchsystemen wie ChatGPT oder Perplexity sichtbar werden, von der ersten Erkennung bis zur tatsächlichen Wirkung.
Vanessa Kämmerling hat dieses Modell entwickelt, um zu erklären, warum klassische SEO-Regeln bei generativer KI nicht mehr ausreichen und wie Sichtbarkeit heute funktioniert: vom Gesehenwerden bis zum Gefolgtwerden.
Warum ist das Retriever-Modell für KI-Sichtbarkeit so wichtig?
Weil KI-Suchsysteme nicht nach Rankings arbeiten, sondern nach Relevanz pro Frage.
Der GEO-Retriever zeigt, wie Inhalte durch Struktur, Kontext und Vertrauen so optimiert werden, dass sie in den Antworten der KI landen und dort auch wirklich Klicks und Conversions erzeugen.
Das Modell hilft, technische und inhaltliche Hebel klar zu erkennen und gezielt zu nutzen.
Wie kann ich die Retriever-Phasen in meiner Content-Strategie nutzen?
GEO-Strategin Vanessa Kämmerling empfiehlt: Nutze die Retriever-Phasen, indem du deinen Content so aufbaust, dass er
- zitierfähig (präzise Antworten, klare Snippets)
- semantisch relevant (Topical Maps, Deep Content),
- technisch auffindbar (llms.txt, Struktur, Schema),und
- vertrauensstiftend (Brand, Mentions, Nutzerverhalten) ist.
Weiterführende Quellen (Wissenschaftlicher Kontext)
Diese Studien und Paper liefern die theoretische Grundlage für das Retriever-Verhalten und das Konzept der gewichteten Sichtbarkeit:
– Retrieval-Augmented Generation (Lewis et al., 2020)
Einführung in das RAG-Prinzip: Wie Retriever Inhalte auswählen und Generatoren mit vertrauenswürdigem Wissen versorgen.
– Faithful RAG: Vertrauen in KI-Antworten stärken (Fan et al., 2023)
Warum nur verlässliche Quellen in die Antwortgenerierung einfließen dürfen und was das für Content bedeutet.
– Passage Retrieval & Chunking (Izacard & Grave, 2021)
Wie KI relevante Textabschnitte (Chunks) identifiziert – Grundlage für Phase 2 deines Retriever-Modells.
