Publikationen & Referenzen

Kernpublikationen

Autoren: Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande
Institutionen: Princeton University, IIT Delhi, Adobe Research
Konferenz: KDD 2024 (ACM SIGKDD)
Link: arXiv:2311.09735
Zusammenfassung: Erstes akademisches Framework zur Optimierung der Content-Sichtbarkeit in generativen Suchmaschinen. 9 Optimierungsstrategien wurden an 10.000 Suchanfragen getestet. Zentrales Ergebnis: Das Hinzufügen von Statistiken verbesserte die Sichtbarkeit um +115,1 %.
Ausführliche Zusammenfassung →

Autor: Jeremy Howard
Link: llmstxt.org
Zusammenfassung: Ein Vorschlag für eine standardisierte Datei, die LLMs Informationen über eine Website bereitstellt. Vergleichbar mit robots.txt, aber für KI-Nutzung statt Crawler-Steuerung konzipiert.

Herausgeber: Microsoft (Bing Webmaster Blog)
Datum: Oktober 2025
Zusammenfassung: Offizielle Richtlinien mit 3 Prinzipien für KI-Content-Optimierung: Struktur, Autorität und Aktualität.
Ausführliche Zusammenfassung →

Herausgeber: Ahrefs
Datensatz: 75.000 Marken
Zusammenfassung: Web Mentions (Marke + Keyword) sind 3-fach prädiktiver für KI-Sichtbarkeit als traditionelle Backlinks.

Herausgeber: Gartner
Datum: Februar 2024
Zusammenfassung: Prognose, dass die Nutzung traditioneller Suchmaschinen bis 2026 um 25 % sinken wird, da Nutzer auf KI-gestützte Alternativen umsteigen.

Herausgeber: Go Fish Digital
Zusammenfassung: Traffic aus KI-gestützter Suche konvertiert 25-fach besser als traditioneller Such-Traffic — dank vorvalidierter Nutzerabsicht.

URL: schema.org
Relevanz: Der Vokabularstandard für die JSON-LD-Implementierung strukturierter Daten in LLMO-Komponente 2 (Structural Formatting).

URL: developers.google.com/search/docs/appearance/structured-data
Relevanz: Implementierungsrichtlinien für strukturierte Daten, die sowohl von Suchmaschinen als auch von KI-Systemen erkannt werden.

Kennen Sie eine relevante Publikation oder einen Bericht? Erstellen Sie ein Issue oder reichen Sie einen Pull Request ein, um die Liste zu ergänzen.