Relevance Engineering: SEO ist tot, es lebe die Relevanz

Der Klick, auf dem 25 Jahre SEO aufgebaut wurden, verschwindet gerade. Nicht langsam, nicht „eines Tages". Jetzt.

Das ist eine steile Behauptung, also hier sofort die Belege. Eine Feldstudie, über die der Search Engine Journal im Herbst 2025 berichtete, fand heraus, dass eine Google AI Overview die organischen Klicks auf den betroffenen Suchanfragen um rund 38 Prozent senkt. Der Anteil der Suchen, die komplett ohne Klick enden, stieg in derselben Untersuchung von 54 auf 72 Prozent. Ahrefs meldete Ende 2025, dass die Klickrate für das Position-1-Ergebnis um bis zu 58 Prozent einbricht, sobald darüber eine KI-Antwort steht. Und im neuen AI Mode von Google, dem reinen Chat-Interface, enden laut mehreren Auswertungen über 90 Prozent der Anfragen, ohne dass jemand eine Website besucht.

Wer in diesem Umfeld weiter „auf Platz 1 ranken" als Ziel ausgibt, optimiert für eine Bühne, von der das Publikum gerade abwandert. Die gute Nachricht: An die Stelle der alten Disziplin tritt eine neue, und sie hat sogar schon einen Namen. Relevance Engineering.

Erstmal das Unbequeme: Der Klick stirbt, nicht die Sichtbarkeit

Bevor das nach Weltuntergang klingt, eine wichtige Unterscheidung. Was stirbt, ist der Klick als alleinige Währung. Sichtbarkeit stirbt nicht. Sie verlagert sich.

Früher war die Rechnung simpel: Du rankst auf einer Suchanfrage, der Nutzer klickt, du bekommst Traffic, der Traffic wird zu Anfrage und Umsatz. Diese Kette hat 25 Jahre lang funktioniert, und ein ganzer Beruf wurde darauf gebaut. KI-Suche zerschneidet die Kette an der zweiten Stelle. Google, ChatGPT und Perplexity beantworten die Frage selbst, direkt im Interface, und nennen dich bestenfalls als Quelle.

Das ist kein Randphänomen mehr. Eine Auswertung von über 21 Millionen Suchanfragen zeigte, dass im ersten Quartal 2026 rund ein Viertel aller Google-Suchen eine AI Overview auslöste. Bei B2B-Technologie-Fragen, also genau dem Terrain, auf dem sich Mittelständler und ihre Einkäufer bewegen, lag die Quote bei über 80 Prozent. In Deutschland, Österreich und der Schweiz sind die AI Overviews seit dem 26. März 2025 ausgerollt, der AI Mode seit dem 7. Oktober 2025. Das ist kein US-Zukunftsszenario, das ist die SERP, die deine Kunden heute sehen.

Die entscheidende Frage hat sich damit verschoben. Sie lautet nicht mehr „Wie komme ich auf Platz 1?", sondern „Wie werde ich Teil der Antwort?". Und das ist eine fundamental andere Aufgabe.

Was Relevance Engineering eigentlich ist

Der Begriff stammt von Mike King, Gründer der US-Agentur iPullRank und 2025 zum „Search Marketer of the Year" gekürt. King war einer der Leute, die das große Google-Search-Leak öffentlich gemacht haben, er weiß also ungewöhnlich genau, wie die Maschine innen aussieht. Seine These: SEO im alten Sinn ist vorbei, und was kommt, ist keine Marketing-Taktik mehr, sondern eine technische Disziplin.

Relevance Engineering ist die Schnittmenge aus fünf Feldern, die früher getrennte Abteilungen waren: maschinelles Lernen, Information Retrieval, Content-Strategie, digitale PR und User Experience. Der Kern in einem Satz: Du baust deine Inhalte nicht mehr so, dass sie für ein Keyword ranken, sondern so, dass eine KI sie als relevante, vertrauenswürdige Bausteine für ihre Antworten einsetzt.

Kurz gesagt: Klassisches SEO hat Seiten für eine Rangliste optimiert. Relevance Engineering optimiert Passagen für eine Synthese.

Der Unterschied klingt nach Wortklauberei, ist aber technischer Natur, und genau da wird es für jeden interessant, der versteht, wie diese Systeme arbeiten. Sehen wir uns die Maschine an.

Wie KI-Suche wirklich funktioniert: Fan-Out, Vektoren, Passagen

Wenn du eine Frage in den AI Mode tippst, sucht Google nicht einmal. Es sucht acht- bis zwölfmal, parallel. Die Technik heißt Query Fan-Out: Ein eigens trainiertes Gemini-Modell zerlegt deine Frage in mehrere Unterfragen, die jeweils einen anderen Aspekt deiner Absicht abdecken, schickt sie gleichzeitig los und fügt die Treffer zu einer einzigen Antwort zusammen. Bei komplexen Recherchen, in Googles „Deep Search", können es hunderte Unterfragen werden. Elizabeth Reid, die Google-Such-Chefin, hat genau dieses Verfahren als den Mechanismus beschrieben, der den AI Mode überhaupt erst möglich macht.

Ein Beispiel aus dem B2B-Alltag macht das greifbar. Tippt ein Einkäufer „welches shopsystem für b2b-großhandel mit erp-anbindung", zerlegt das System diese eine Frage im Hintergrund in ein Bündel: B2B-Funktionen von Shopsystemen, ERP-Schnittstellen im E-Commerce, Plattformvergleich für den Großhandel, typische Kosten, Migrationsaufwand. Es beantwortet jede dieser Unterfragen separat und baut daraus eine Antwort. Deine Seite muss also nicht zur Originalfrage passen, sondern zu einer dieser Unterfragen, von denen der Nutzer nie erfährt, dass sie überhaupt gestellt wurden.

Damit das funktioniert, läuft im Hintergrund kein Keyword-Abgleich mehr, sondern dichte Vektor-Suche. Jede Anfrage, jede Unterfrage, jedes Dokument und jede Passage wird in einen Vektor übersetzt, eine lange Zahlenreihe, die ihre Bedeutung kodiert. Das System sucht dann nicht nach übereinstimmenden Wörtern, sondern nach räumlicher Nähe zwischen diesen Zahlenreihen. Zwei Texte, die dasselbe meinen, ohne ein einziges gemeinsames Wort zu verwenden, liegen in diesem Raum dicht beieinander.

In einfachen Worten: Die Maschine hat aufgehört, nach Begriffen zu suchen, und angefangen, nach Bedeutung zu suchen. Dein Keyword-Density-Tool optimiert für ein Spiel, das nicht mehr gespielt wird.

Und sie sucht nicht nach Seiten. Sie sucht nach Passagen. Google rankt bereits seit Jahren einzelne Abschnitte einer Seite unabhängig vom Rest. Die KI-Systeme treiben das auf die Spitze: Sie extrahieren einzelne Text-Häppchen, sogenannte Chunks, gruppieren ihre Vektoren in thematische Cluster und ziehen für jeden Aspekt der Antwort den Chunk heran, der am dichtesten an der jeweiligen Unterfrage liegt. Deine sorgfältig komponierte 2.000-Wörter-Seite wird in Dutzende Einzelteile zerlegt, und jedes Einzelteil konkurriert für sich.

Das hat eine brutale Konsequenz für die Art, wie wir schreiben.

Vom Keyword zur Passage: Deine Seite ist nicht mehr die Einheit

Wenn die KI in Chunks denkt, musst du in Chunks schreiben. Ein langer, mäandernder Absatz, der seinen Punkt erst im fünften Satz macht und Kontext aus dem Absatz davor voraussetzt, ist für die Passage-Extraktion wertlos. Reißt das System ihn aus dem Zusammenhang, ergibt er keinen Sinn, und ein Chunk ohne Sinn wird nicht zitiert.

Was stattdessen funktioniert, sind in sich geschlossene Abschnitte. Eine frageorientierte Überschrift, darunter ein Block von etwa 130 bis 160 Wörtern, der genau diese Frage vollständig beantwortet, mit eigener Evidenz, ohne auf Wissen aus dem Absatz davor angewiesen zu sein. Nicht zufällig ziehen AI Overviews ihre Antworten meist in genau dieser Länge. Das ist die Größe, in der ein Gedanke sowohl vollständig als auch transportabel ist.

Das ist der unbequeme Teil für gute Autoren: Erzählerische, aufeinander aufbauende Texte, das Handwerk, auf das viele stolz sind, performen in der Chunk-Welt schlechter als modulare, fast lexikalische Struktur. Es geht nicht darum, schlechter zu schreiben. Es geht darum, jeden Abschnitt so zu bauen, dass er allein stehen kann und trotzdem ins Ganze passt. Für viele Redaktionen ist das die größere Umstellung als jede technische Maßnahme.

Information Gain: Warum „auch ganz gut" jetzt unsichtbar ist

Hier kommt der Hebel, der am meisten weh tut. KI-Systeme bevorzugen Inhalte, die etwas Neues beitragen. Google hält dafür sogar ein Patent: „Contextual Estimation of Link Information Gain", 2018 eingereicht, im Juni 2024 erteilt. Es beschreibt einen Mechanismus, der misst, wie viel zusätzliche Information ein Dokument liefert, verglichen mit dem, was die KI bereits aus anderen Quellen kennt. Ob Google genau dieses Verfahren produktiv einsetzt, bestätigt das Unternehmen nicht. Aber das Prinzip deckt sich exakt mit dem, was die Helpful-Content-Logik und die AI Overviews belohnen.

Die Konsequenz ist hart. Der zehnte Blogpost, der „die 7 Vorteile von Headless Commerce" in genau der Reihenfolge wie die neun davor aufzählt, hat einen Information Gain von praktisch null. Die Maschine hat diese Information schon. Sie braucht dich nicht als elfte Bestätigung. Sie zitiert die Quelle, die etwas hinzufügt: eine eigene Messung, eine Gegenposition, ein Detail aus echter Projektpraxis, eine Zahl, die sonst niemand hat.

Im alten SEO konntest du mit einer soliden, gut optimierten Kopie des Konsens-Inhalts auf Seite 1 kommen. Im Relevance Engineering ist die Kopie des Konsens das Gegenteil von relevant. Originalität ist kein Stilmittel mehr, sondern ein Ranking-Faktor.

Relevanz ist nicht nur Text: Entitäten, Autorität, Struktur

Ein verbreiteter Denkfehler ist, Relevance Engineering auf „besser schreiben" zu reduzieren. Tatsächlich ist der Text nur eine von drei Säulen.

Die zweite ist die Entität. KI-Systeme arbeiten mit Knowledge Graphs, sie verstehen die Welt als Netz aus Dingen und deren Beziehungen, nicht als Liste aus Strings. Damit eine Maschine deine Firma, dein Produkt oder dein Fachgebiet überhaupt als eigenständige Entität führt, müssen die Signale konsistent und überall verfügbar sein. Strukturierte Daten via Schema.org sind hier kein nettes Extra, sondern die Sprache, in der du der Maschine sagst, was die Dinge auf deiner Seite sind. Für einen Onlineshop heißt das ganz konkret: saubere Produktdaten, durchgängiges Markup, ein gepflegter Feed. Wer seine Produktdaten technisch sauber strukturiert, liefert der KI die Bausteine, die sie zum Zitieren braucht.

Die dritte Säule ist Autorität, und hier holt das Neue das Alte ein. KI-Systeme bewerten, ob eine Quelle vertrauenswürdig ist, und sie tun das anhand von Signalen, die SEO seit jeher kennt: Wer verlinkt auf dich, wer erwähnt dich, in welchem Umfeld taucht deine Marke auf. Digitale PR und der gezielte Aufbau von Marken-Erwähnungen sind im Relevance Engineering keine Nebensache, sondern ein Kernbestandteil. Eine brillante, einzigartige Passage von einer Domain, der die Maschine nicht traut, wird seltener zitiert als eine durchschnittliche von einer Autoritätsquelle.

Was das konkret heißt: Relevance Engineering in der Praxis

Genug Theorie. Wie sieht die Arbeit aus, wenn man sie ernst nimmt? Der ehrlichste Weg, den Unterschied zu zeigen, ist eine direkte Gegenüberstellung.

Aus dieser Tabelle folgt ein Arbeitsmodus, kein Trickkatalog. Konkret bedeutet Relevance Engineering: Du baust jede wichtige Seite um eine klare Hauptfrage und mehrere präzise Unterfragen herum, jede mit eigener, eigenständig lesbarer Antwortpassage. Du markierst Entitäten und Beziehungen mit strukturierten Daten, damit die Maschine nicht raten muss. Du sorgst dafür, dass jede Passage mindestens einen Gedanken trägt, den nicht schon zehn andere geschrieben haben. Und du misst nicht mehr nur deine Rankings, sondern ob du in den Antworten von Google AI Mode, ChatGPT und Perplexity überhaupt auftauchst. Wie du prüfst, ob KI deine Website überhaupt findet, ist dabei die logische erste Standortbestimmung.

Ein kleines, konkretes Beispiel für die Entitäten-Säule. Ein FAQ-Block, der so ausgezeichnet ist, kann von einer KI direkt als Antwort-Baustein übernommen werden:

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "Was ist Relevance Engineering?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Relevance Engineering ist die Optimierung von Inhalten für KI-Suchsysteme. Statt Seiten für Ranking-Positionen zu optimieren, werden einzelne Passagen so gebaut, dass KI-Modelle sie als relevante Bausteine für ihre generierten Antworten nutzen."
    }
  }]
}

Das ist keine Magie, sondern Disziplin. Genau das meint das Wort „Engineering" in Relevance Engineering: ein wiederholbarer, technisch fundierter Prozess statt einer Sammlung von Tricks.

Was du jetzt misst: Die KPIs verschieben sich mit

Wenn sich die Optimierungseinheit ändert, ändert sich auch das Dashboard. Und das ist für viele Marketing-Verantwortliche der schmerzhafteste Teil, denn die liebgewonnenen Zahlen werden unzuverlässig. Wenn 90 Prozent der AI-Mode-Anfragen ohne Klick enden, misst deine Sessions-Kurve nicht mehr deine Wirkung, sondern nur noch den schrumpfenden Rest, der trotzdem durchklickt. Ein sinkender Traffic kann künftig bedeuten, dass du erfolgreicher geworden bist, weil die KI deine Antwort direkt ausspielt.

Die neue Leitfrage heißt: Share of Voice in KI-Antworten. Wie oft wirst du in den generierten Antworten zu deinen relevanten Themen genannt, und mit welchem Anteil gegenüber dem Wettbewerb? Daneben treten Kennzahlen, die es im klassischen Reporting kaum gab: die Häufigkeit, mit der deine Marke als Quelle zitiert wird, die Erkennung deiner Firma als eigenständige Entität im Knowledge Graph, und Marken-Erwähnungen ohne Verlinkung, die für KI-Systeme trotzdem ein Autoritätssignal sind. Eine eigene, schnell wachsende Spalte ist der Referral-Traffic aus den KI-Tools selbst: Besucher, die nicht über Google, sondern direkt aus ChatGPT oder Perplexity kommen, weil dort eine Antwort mit deinem Link stand.

Praktisch heißt das: Du brauchst ein Monitoring, das regelmäßig dieselben kaufrelevanten Fragen an die großen KI-Systeme stellt und protokolliert, ob und wie du auftauchst. Das ist kein fertiges Standard-Tool von der Stange, sondern eine bewusste Mess-Routine. Wer sie früh aufsetzt, sieht die Verschiebung in den eigenen Zahlen, bevor sie als Umsatzdelle ankommt. Wer weiter nur auf Sessions und Rankings schaut, fliegt im Blindflug durch genau die Phase, in der sich die Spielregeln neu sortieren.

Die Gegenrede: Ist SEO wirklich tot?

Jetzt der ehrliche Teil, denn eine provokante These verdient eine ehrliche Prüfung. „SEO ist tot" ist als Schlagzeile zugespitzt. Wer es wörtlich nimmt, liegt falsch, und das aus einem schlichten Grund: KI-Suchsysteme haben keine eigene Wahrheit. Sie synthetisieren aus dem Web. Ohne crawlbare, indexierte, strukturierte Inhalte hätten die Modelle nichts, woraus sie ihre Antworten bauen könnten. Das technische Fundament des klassischen SEO, also saubere Crawlbarkeit, schnelle Auslieferung, serverseitiges Rendering, valide strukturierte Daten, ist nicht weniger wichtig geworden, sondern Voraussetzung dafür, dass deine Inhalte überhaupt im Spiel sind.

Realistischer ist deshalb: SEO stirbt nicht, es wird absorbiert. Relevance Engineering schluckt das klassische SEO als technische Teilmenge und stellt etwas Neues darüber, nämlich die gezielte Arbeit an Bedeutung, Passagen, Entitäten und Autorität. Wer „SEO ist tot" hört und seine technische Basis vernachlässigt, hat die These genau falsch verstanden. Die alten Tugenden bleiben Pflicht. Sie reichen nur nicht mehr.

Und ein zweiter ehrlicher Punkt: Vieles davon ist jung. Die Patente sind erteilt, die Mechanismen dokumentiert, aber wie genau die Gewichtungen aussehen, ist Beobachtung und gut begründete Hypothese, nicht in Stein gemeißelt. Wer dir heute eine exakte Formel für „Citation-Ranking" verkauft, verkauft dir Gewissheit, die es nicht gibt. Die Richtung dagegen ist eindeutig, und sie zeigt seit zwei Jahren konsequent in dieselbe Ecke.

Was du als Entscheider jetzt tun solltest

Die Versuchung ist groß, das alles als Tool-Problem zu behandeln und das nächste „KI-SEO"-Abo zu kaufen. Das ist der falsche erste Schritt. Der richtige ist eine nüchterne Standortbestimmung.

Finde zuerst heraus, wo du heute in KI-Antworten stehst, nicht in Rankings. Frag Google AI Mode, ChatGPT und Perplexity die Dinge, für die deine Kunden dich finden sollten, und sieh nach, ob und wie du vorkommst. Dann nimm deine wichtigsten Seiten und lies sie wie eine Maschine: Steht in jedem Abschnitt eine eigenständig zitierfähige Antwort, oder ist alles ein erzählerischer Fluss, aus dem sich kein sauberer Chunk schneiden lässt? Prüf, ob deine Entitäten mit strukturierten Daten ausgezeichnet sind. Und sei brutal ehrlich bei der Information-Gain-Frage: Was auf deiner Seite weiß die Maschine noch nicht?

Für die meisten Mittelständler ist das kein Projekt für nebenbei, sondern eine strategische Umstellung, die Redaktion, Technik und PR zusammenbringt, genau die Kombination, die King mit „Engineering" meint. Wenn du an diesem Punkt Begleitung brauchst, ist das einer der Schwerpunkte unserer Arbeit an SEO und GEO.

Der Satz, mit dem ich angefangen habe, stimmt: Der Klick, auf dem SEO aufgebaut war, verschwindet. Aber Sichtbarkeit verschwindet nicht. Sie wird nur an einer neuen Stelle vergeben, nach neuen Regeln. Wer diese Regeln früh versteht und seine Inhalte danach baut, ist nicht das Opfer dieser Verschiebung. Er ist ihr Gewinner. Genau das ist Relevance Engineering.