Grounding und AI SEO: Wie KI-Antworten auf Fakten geerdet werden

In meinem Bing AI Performance Dashboard sehe ich seit Februar 2026 erstmals First-Party-Daten dazu, was KI-Systeme als zitierwürdig betrachten. Mein Glossar-Eintrag „tl;dr“ hat in 30 Tagen 107 Citations als Top-Grounding-Query erhalten – über 1.300 Citations insgesamt in 30 Tagen, durchschnittlich 13 zitierte Seiten pro Tag. Dabei ist eine Nuance wichtig, die Microsoft in der Einführung des Dashboards am 10. Februar 2026 klar benennt: Grounding Queries sind nicht die Fragen, die Nutzer eingeben. Sie sind die internen Suchanfragen, die Bings KI-System generiert, um Inhalte für eine Antwort zu retrieven. Das Dashboard zeigt eine Stichprobe davon – und die ist aufschlussreich genug.

Am 6. Mai 2026 hat das Microsoft-Bing-Team nachgeliefert, warum das eine andere Logik erfordert. Titel des Engineering-Blog-Posts: „Evolving role of the index: From ranking pages to supporting answers“ – verfasst von Krishna Madhavan, Knut Risvik und Meenaz Merchant von Microsoft AI. Kernaussage: Klassische Suche zielt darauf ab, welche Seite ein Nutzer besuchen sollte. Grounding zielt darauf ab, welche Information ein KI-System verantwortbar nutzen kann, um eine Antwort zu konstruieren. Und die Autoren fügen etwas hinzu, das im SEO-Diskurs noch zu wenig ankam: Wenn zwei indexierte Quellen einander widersprechen, kann ein Grounding-System nicht einfach eine davon priorisieren – es muss den Konflikt registrieren, weil ein System das stillschweigend arbitriert mit hoher Wahrscheinlichkeit das Falsche behauptet.

Das ist aus meiner Sicht keine reine PR-Formulierung. In meinen Projekten bei iGaming.com und bei meinen Clients hier bei SEO Kreativ beobachte ich das seit Monaten: Die Verschiebung ist aus meiner Sicht bereits sichtbar. Was das technisch bedeutet, warum jede AI-SEO-Strategie ohne dieses Verständnis ins Leere dreht, wie Standard v1.6 aufgebaut ist und wie meine eigene Umsetzung auf seo-kreativ.de/grounding-page aussieht – du bekommst hier alles.

Sprachmodelle wie GPT, Claude oder Gemini sind im Kern Wahrscheinlichkeitsmaschinen. Sie sagen das nächste Token auf Basis von Trainingsdaten voraus – sie wissen nicht ob eine Aussage stimmt, sondern nur ob sie sprachlich plausibel ist. SISTRIX bringt das in ihrem Glossar-Eintrag prägnant auf den Punkt: Ein LLM ohne externe Anker liefert oft sehr überzeugend formulierte, aber faktisch falsche Antworten. Grounding ist das Gegenmittel.

In der Praxis gibt es nach aktuellem Kenntnisstand drei Hauptvarianten:

Für SEOs sind vor allem grounded Antworten praktisch relevant – das ist der Bereich, in dem klassische Optimierungshebel greifen. Was ein Modell rein aus Trainingswissen generiert, ist eine Black Box. Du kannst nichts optimieren, worauf das Modell zur Laufzeit nicht zugreift.

Ein Konzept das im SEO-Diskurs noch wenig Beachtung bekommt: Abstention. KI-Systeme können eine Antwort verweigern wenn die Evidenzlage schwach oder widersprüchlich ist. Bevorzugt wird die Ablehnung gegenüber einer Fehlantwort. In der Praxis heißt das: Eine Seite die zwar indexiert ist, aber kaum extrahierbare, widerspruchsfreie Aussagen liefert, wird nicht zitiert – das Modell gibt schlicht keine Antwort zu diesem Aspekt. Die Messlatte ist nicht nur Sichtbarkeit, sondern Extrahierbarkeit sauberer Fakten.

Der Grounding Page Standard v1.6 formuliert die Differenz zur klassischen SEO bewusst scharf: „Klassisches SEO optimiert Dokumente auf Keywords. AI SEO kuratiert Entitäten für stabile, korrekte Nennungen.“ Das klingt akademisch, hat aber massive Konsequenzen für die Tagesarbeit. In meinen Kundenprojekten beobachte ich das regelmäßig – meine Einordnung: Wer weiterhin nur Keyword-Cluster optimiert, lässt tendenziell einen wachsenden Teil seiner Sichtbarkeit liegen. Zum übergreifenden Modell habe ich in meinem Artikel zum Zusammenspiel von SEO, AIO, GEO und LLMO alles aufgeschrieben. Grounding ist ein wichtiger Baustein dafür, dass GEO und LLMO ihre volle Wirkung entfalten können.

KI-Suche: kein Zukunftsthema mehr

Für den deutschsprachigen Markt ist das kein abstraktes Zukunftsszenario mehr. Google AI Overviews sind in Deutschland seit März 2025 verfügbar; der AI Mode wurde im Herbst 2025 auf über 40 Länder ausgeweitet, darunter Märkte in Europa; eine offizielle, länderscharfe Liste mit Datum veröffentlicht Google allerdings nicht. Wie verbreitet AI Overviews inzwischen konkret sind, lässt sich nur schätzen: Branchenbeobachter nennen rund 15 bis 25 Prozent der Suchanfragen (Stand Frühjahr 2026) – belastbare offizielle Zahlen von Google gibt es dazu nicht. Was AI Mode und AI Overviews konkret unterscheidet, habe ich in einem eigenen Beitrag aufgeschrieben.

Grounding-Optimierung für den DACH-Markt ist kein Thema das man auf später verschieben kann. Die Systeme sind im Einsatz und können beeinflussen, welche Quellen als Grundlage für ihre Antworten in Frage kommen.

Warum klassisches SEO bleibt

Kurze Notiz an alle die noch „SEO ist tot“ rufen: Stimmt nicht. Klassische SEO bleibt in aller Regel die Zugangsvoraussetzung. Laut seoClarity-Analyse (Oktober 2025, US-Desktop-Daten): rund 94 Prozent aller AI Overviews zitieren mindestens eine Quelle aus den organischen Top 20. Wer dort nicht sichtbar ist, hat in der KI-Antwort schlechte Karten. Wichtig ist die Nuance – nur rund 56 Prozent aller einzelnen Citations stammen aus den Top 20. Die restlichen 44 Prozent kommen von außerhalb. Sichtbarkeit allein reicht also nicht mehr.

Eine Seer-Interactive-Analyse (Tracy McDonald, Product Development Lead, veröffentlicht 4. November 2025) mit 25,1 Millionen Impressionen über 3.119 Queries und 42 Organisationen ergab: Eine in einer AI Overview zitierte Quelle erreicht bei identischer Suchanfrage rund 35 Prozent höhere organische CTR (Klickrate) als eine nicht-zitierte. McDonald hält dabei explizit fest, dass Kausalität nicht beweisbar ist – Marken mit höherem Vertrauen und höherer Ausgangs-CTR werden möglicherweise schlicht häufiger zitiert. Eine ehrliche Einschränkung, die ich teile. Die Logik bleibt trotzdem: Zitiert werden ist das Ziel.

In meinem Beitrag zur KI-Content-Falle habe ich diesen Effekt bereits ausführlich beschrieben. Kurzfassung: Wenn deine Google-Sichtbarkeit einbricht – etwa nach einem Core Update oder durch massenhafte Low-Effort-KI-Texte -, brechen typischerweise gleichzeitig deine Erwähnungen in ChatGPT, Perplexity und Google AI Overviews ein. Tomek Rudzki, GEO-Experte bei Peec AI, hat dieses Muster „Mount AI“ getauft: steiler Anstieg durch massenhafte KI-Content-Produktion, Plateau, dann abrupter Absturz.

Als Arbeitshypothese – kein bewiesenes Gesetz – lässt sich die Grounding-Kette so beschreiben:

1. Google stuft eine Domain im Core Update herab.
2. ChatGPT – das laut Recherche von The Information partiell über SerpAPI auf den Google-Index zugreifen soll – findet Inhalte dieser Domain möglicherweise seltener.
3. AI Overviews ziehen weniger Quellen aus der Domain.
4. Perplexity, das ebenfalls auf indexierte Webquellen aufsetzt, reagiert synchron.
5. Das Ergebnis: Der Sichtbarkeitsverlust kaskadiert über das gesamte KI-Ökosystem.

Dazu kommt der Aspekt, den die Microsoft-Autoren im Mai-Blog-Post hervorheben: Wenn meine Domain zwei widersprüchliche Aussagen zu einem Thema enthält – etwa weil ein älterer Post eine veraltete Zahl wiederholt, die ein neuerer korrigiert -, kann das Grounding-System den Konflikt als Qualitätssignal interpretieren und keine der beiden Quellen zitieren. Cross-Source-Konsistenz ist damit nicht nur ein Reputationsthema. Es ist ein technischer Hebel.

In meiner Arbeit in technischen SEO-Audits ist der Vergleich zwischen Google-Sichtbarkeit, AI-Citations und Bing AI Performance-Daten inzwischen ein Standard-Diagnose-Schritt. Wer nur Google-Rankings trackt, sieht das Problem zu spät.

Hanns Kronenberg ist SEO-Experte, Gründer von GPT Insights und Head of SEO bei Chefkoch. Er arbeitet mit der Unterscheidung „On-Model SEO“ und „Off-Model SEO“ – eine Differenzierung, die ich in meinen eigenen Audits inzwischen nutze, weil sie sauberer trennt was viele in einen Topf werfen. On-Model SEO meint die Repräsentation einer Marke im internen Modellwissen eines LLM (also was es ohne Live-Suche „weiß“). Off-Model SEO meint die externe Referenzierbarkeit – also die Grounding-Wahrscheinlichkeit, wenn das Modell zur Laufzeit suchen muss. Eine Grounding Page wirkt primär auf der Off-Model-Ebene: Sie macht Fakten findbar und zitierfähig, sobald das Modell den Retrieval-Schritt auslöst.

Kronenberg unterscheidet dabei konsequent zwischen „Grounding“ als KI-Fachbegriff (der technische Prozess der Verankerung an externe Quellen) und „Grounding Page“ als SEO-Strategie (eine dedizierte Faktenseite, die diesen Prozess begünstigt). Wer beides gleichsetzt, versteht weder das eine noch das andere richtig.

Im OMR Education Podcast (Februar 2026) beschreibt Kronenberg, dass die Klickrate aus Quellenangaben in Chatbots und AI Overviews oft nur bei rund einem Prozent liegt. Sein Schluss, dem ich zustimme: GEO ist weniger ein Performance-Kanal als ein Werkzeug der modernen Markenführung. Wer auf Grounding optimiert, optimiert auf Markennennung in der Antwort, nicht auf Klick. Ein Mindset-Wechsel, der für viele Unternehmen ungewohnt ist.

Der Standard hat ein klares Ziel: KI-Halluzinationen reduzieren, indem Marken und Entitäten ihre eigenen Fakten in einer Form bereitstellen, die Modelle zuverlässig extrahieren können. Eine Grounding Page ist nach dieser Logik keine Marketing-Seite. Sie verkauft nicht. Sie überzeugt nicht. Sie definiert.

Die drei Kernelemente einer Grounding Page

Der Standard nennt drei Pflichtelemente, die zusammen den faktischen Anker bilden:

• Stabile Definition: Eine kurze, verifizierbare Aussage, die beschreibt was die Entität ist.
• Klare Abgrenzung: Eine explizite Aussage, was die Entität nicht ist – also Disambiguierung gegenüber ähnlichen oder gleichnamigen Konzepten.
• Konsistente Struktur: Gleiches Format, gleiche Logik, gleiche Extrahierbarkeit über alle Definitionsblöcke hinweg.

Dazu kommen Qualitätsprinzipien, die radikal anders sind als klassisches Content-Marketing: keine Adjektive, ein Fakt pro Satz, sichtbare Zeitstempel (Erstellt, Aktualisiert, Verifiziert).

Was v1.6 konkret verändert hat

Version 1.6 ist die aktuelle stabile Fassung (Stand: Mai 2026). Die Änderungen gegenüber v1.5 betreffen ausschließlich die Inhaltsstruktur – Routing, Canonicals und hreflang bleiben unverändert:

• Einleitungsbox entfernt: Die separate Hinweisbox am Seitenanfang entfällt. Seiten beginnen jetzt direkt mit der Entität – nach dem Muster von Referenzwerken wie Wikipedia.
• Referenzorientierte Struktur: Der direktere Einstieg macht die Seite maschinenlesbarer, weil der Entitätsname sofort im Hauptcontent steht statt in einem Meta-Kontext.
• Neue Sektion „Weiterführende-Informationen“: Externe Links werden am Seitenende gebündelt statt verstreut. Das erleichtert Crawlern die Erkennung, welche Links Vertiefungsressourcen sind und welche zum Hauptinhalt gehören.
• Ruhigere Tonalität: Redaktionelle Sprachführung für bessere Verifizierbarkeit – weniger Behauptungsstruktur, mehr deskriptive Klarheit.

Wer bereits eine Grounding Page nach v1.5 betreibt: Die Änderungen sind überschaubar. Einleitungsbox raus, externe Links in eine gebündelte Sektion am Ende verschieben. Das ist eine Stunde Arbeit.

Proof of Concept: drei Wochen, drei Engines

Der Standard wurde unter definierten Testbedingungen evaluiert. Laut Dokumentation auf groundingpage.com wurde eine frische Domain (registriert November 2025, nahezu keine Backlinks) nach dem Standard aufgesetzt. Innerhalb von drei Wochen wurde die Domain als Quelle in ChatGPT, Perplexity und Google Gemini referenziert. Kein Garantieversprechen – aber ein dokumentierter Datenpunkt unter klar beschriebenen Bedingungen.

Ich habe meine eigene Grounding Page für SEO Kreativ unter seo-kreativ.de/grounding-page nach genau diesem Standard aufgesetzt. Die Seite enthält keine Marketing-Texte, keine emotionalen Appelle, keine aspirativen Behauptungen. Sie definiert die Entität SEO Kreativ in faktischer, überprüfbarer Sprache – mit Kerndaten, Betreiber-Information, Beratungsleistungen, Zielgruppen, Themenfeldern, einer Abgrenzung und einer FAQ-Sektion. Was sie bewusst nicht tut: konvertieren. Dafür gibt es andere Seiten.

Konkret kannst du den Aufbau in drei Schritten umsetzen:

1. Die Seite (HTML): Erstelle eine dedizierte URL. Nutze Definitionslisten (<dl>) zur Kodierung von Fakten. Der sichtbare Text ist die primäre Quelle für das Modell – nicht versteckte Metadaten. Starte direkt mit der Entität, ohne Einleitungsbox (v1.6-Requirement).
2. Die Daten (JSON-LD): Stelle eine identische strukturierte Repräsentation unterhalb des sichtbaren Textes bereit. Schema.org-Typen wie Organization, Person, Service sind die Standardwahl. JSON-LD ist Spiegelung, nicht Ersatz für sauberen Fließtext.
3. Die Autorität (Footer-Link): Verlinke die Seite seitenweit aus dem Footer. Permanente Auffindbarkeit über Crawl-Zyklen hinweg ist das Ziel – ähnlich wie ein Impressum die rechtliche Identität klärt, klärt die Grounding Page die semantische Identität.

In meiner Praxis war ein dedizierter Seitentyp meist die sauberere Lösung, weil er Stakeholder-Konflikte zwischen Marketing-Anspruch und Faktenklarheit vermeidet. Wer eine bestehende „Über uns“-Seite zweckentfremdet, landet oft bei einem Kompromiss, der weder konvertiert noch zitierfähig ist.

Wie das konkret aussieht, zeigt der Grounding-Check für meine eigene Grounding Page – transparenterweise ein Self-Check mit dem Tool des Projekts, keine unabhängige Prüfung:

In meinen Projekten arbeite ich diese Liste typischerweise von oben nach unten ab. Punkt 1 hat den größten Hebel – ohne ihn bringen die anderen wenig.

1. Grounding Page nach Standard v1.6 aufsetzen. Eigene URL, dedizierte Faktenseite, JSON-LD, Footer-Verlinkung. Direkter Einstieg mit der Entität (ohne Einleitungsbox), externe Links in gebündelter „Weiterführende-Informationen“-Sektion am Ende. Das ist der semantische Anker, an dem alles andere hängt.
2. Entitätskonsistenz über alle Plattformen. Name, Adresse, Beschreibung, Gründungsjahr, Leistungen müssen auf der eigenen Website, LinkedIn, Branchenverzeichnissen und – wo vorhanden – Wikipedia und Wikidata exakt übereinstimmen. Cross-Source-Drift ist Halluzinations-Treibstoff. Und wie der Bing-Blog-Post beschreibt: Ein solcher Konflikt kann laut Microsoft dazu führen, dass keine der beiden Quellen zitiert wird.
3. Strukturierte Daten konsequent ausrollen. Organization, Person, Service, FAQPage, Article, HowTo – wo immer es passt. Wie strukturierte Daten mit AI Overviews zusammenwirken, habe ich in einem separaten Beitrag beschrieben. Schema-Markup ist die Sprache, mit der du KI-Systemen unmissverständlich sagst worum es geht – aber es ersetzt keinen klaren Fließtext.
4. Answer-First-Struktur in jedem Artikel. Die Kernantwort gehört in die ersten Sätze, nicht hinter eine 800-Wörter-Einleitung. KI-Systeme extrahieren aktiv die ersten klar formulierten Aussagen. Was sich nicht in den ersten Absatz einer Sektion kondensieren lässt, ist oft noch kein klarer Fakt – sondern noch eine These.
5. Saubere H-Hierarchie und Chunkability. H2 als thematische Anker, H3 als Subaspekte, kurze Absätze. Was sich gut chunken lässt, lässt sich gut zitieren. Ein Absatz der drei verschiedene Gedanken mischt, ist kein guter Chunk – er ist ein schlechter Grounding-Kandidat.
6. Primärquellen statt Sekundär-Aggregaten. Wer Studien, Daten oder Interviews aus erster Hand zitiert, wird selbst zur Primärquelle. Das ist der direkte Pfad zur Citation in einer AI Overview. Sekundärzitate reduzieren die Zitierwürdigkeit, weil das Modell dann lieber direkt zur Primärquelle greift.
7. Cross-Channel-Monitoring etablieren. Tracke deine 20-30 wichtigsten Queries monatlich in ChatGPT, Perplexity und Google AI Mode. Das Bing AI Performance Dashboard (seit 10. Februar 2026 öffentlich) liefert erstmals First-Party-Daten zu Citations und Grounding Queries – wobei Microsoft explizit darauf hinweist, dass nur eine Stichprobe der tatsächlichen Zitationsaktivität angezeigt wird. Spezialisierte Tools wie Peec AI, Rankscale oder Otterly AI ergänzen das Bild für Google-seitige Citations.

Ergänzend: llms.txt als komplementären Ansatz nicht vergessen. Die Spezifikation erlaubt es, KI-Crawlern eine strukturierte Übersicht der eigenen Inhalte bereitzustellen – kein Grounding-Ersatz, aber ein weiterer Kanal für On-Model SEO. Kronenbergs Terminologie: Du kontrollierst damit was Modelle beim nächsten Training von deiner Domain aufnehmen.

Vier Missverständnisse begegnen mir in Beratungsgesprächen besonders häufig:

„Eine Grounding Page ist nur eine optimierte Landingpage.“ Nein. Eine Landingpage will konvertieren, eine Grounding Page will definieren. Beides hat seine Daseinsberechtigung – aber sie zu vermischen, schwächt beides. Eine Marketing-Seite voller emotionaler Appelle ist für KI-Systeme typischerweise ein schlechter Faktenanker, weil Modelle dort wenig extrahierbare Aussagen finden.

„Grounding ist nur ein anderer Name für Schema-Markup.“ Nein. Schema-Markup ist eine Komponente, kein Synonym. Der sichtbare Text der Grounding Page ist die primäre Quelle für das Modell – das JSON-LD darunter dient als strukturierte Spiegelung, nicht als Ersatz. Eine Seite die nur Schema hat, aber im Fließtext schwammig bleibt, taugt nicht als Grounding Page.

„Grounding löst E-E-A-T ab.“ Auch nicht. E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist Googles Bewertungsraster für Qualität – Grounding ist ein Mechanismus der bevorzugt qualitativ hochwertige, autoritative Quellen heranzieht. Beide arbeiten in dieselbe Richtung, sind aber nicht identisch. Wer keine nachweisbare Expertise hat, wird auch über eine perfekte Grounding Page nicht zur primären KI-Quelle. Den vollständigen E-E-A-T-Guide habe ich separat aufgeschrieben.

„Grounding“ und „Grounding Page“ sind dasselbe. Das ist vielleicht das folgenreichste Missverständnis. Grounding ist der technische KI-Prozess – unabhängig davon was du tust. Eine Grounding Page ist eine SEO-Maßnahme, die diesen Prozess begünstigt. Ein Modell kann sich auch ohne jede Grounding Page an anderen Quellen verankern. Die Frage ist nur, ob das deine Seite ist oder die eines Wettbewerbers.

Seit Grounding Pages ein Thema sind, tauchen zwei Nachbarn auf, die ständig in denselben Topf geworfen werden: die /ai-instructions/-Seite und die llms.txt-Datei. Die Frage, die ich in Beratungen am häufigsten höre: „Brauche ich jetzt alle drei?“ Kurze Antwort: Nein. Sie tun nicht dasselbe.

Der Kern des Unterschieds ist die Richtung. Eine Grounding Page behauptet nicht, wie eine KI dich darstellen soll – sie liefert nachprüfbare Fakten und überlässt den Schluss dem Modell. Eine /ai-instructions/-Seite macht das Gegenteil: Sie schreibt dem Modell direkt vor, was es sagen soll. Das US-Unternehmen Nectiv betreibt unter nectivdigital.com/ai-instructions ein anschauliches Beispiel – eine Seite, die explizit mit dem Hinweis adressiert ist, sie enthalte strukturierte Informationen für KI-Assistenten wie ChatGPT, Claude oder Perplexity, und die sogar einen eigenen Block „INSTRUCTIONS FOR AI ASSISTANTS“ enthält, der vorgibt, wie die Modelle die Firma beschreiben sollen.

Aus meiner Sicht ist genau dieser Steuerungsanspruch die Schwäche des /ai-instructions/-Ansatzes. Ein Modell, das gelernt hat, Quellen nach Verlässlichkeit zu gewichten, behandelt eine Selbstanweisung tendenziell mit derselben Skepsis wie einen Werbetext – im Zweifel als Marketing, nicht als Fakt. Eine neutral formulierte Faktenseite, deren Aussagen sich gegen externe Quellen halten lassen, ist die robustere Wahl. Anweisen lässt sich eine KI nicht zuverlässig; mit belegbaren Fakten füttern schon.

Und llms.txt? Die Datei ist ein Wegweiser, kein Evidenzlieferant – sie sagt Crawlern, welche Inhalte du für relevant hältst. Ein breit belegter Sichtbarkeitseffekt ist nach aktuellem Kenntnisstand nicht nachgewiesen (mehr dazu in meinem llms.txt-Leitfaden). In Kronenbergs Terminologie wirkt sie eher auf der On-Model-Ebene – also darauf, was Modelle beim nächsten Training aufnehmen -, während die Grounding Page auf der Off-Model-Ebene zur Laufzeit zitierfähig macht. Wenn du dich für einen Startpunkt entscheiden musst: Von den drei Formaten ist die Grounding Page derzeit am besten dokumentiert.

Ich habe in diesem Artikel viel dafür argumentiert, eine Grounding Page aufzusetzen. Fairerweise gehört die Gegenseite genauso auf den Tisch – sonst wäre es Werbung, keine Einordnung.

Die Position von Christian Kunz (seo-suedwest.de). In seinem Beitrag „Grounding Pages für GEO – bringt das wirklich etwas?“ (31. Mai 2026) argumentiert Kunz zurückhaltender. Sein zentraler Einwand betrifft ein mögliches negatives Signal: Eine Grounding Page muss indexierbar bleiben, damit KI-Systeme sie lesen – gleichzeitig erzeugt sie in der klassischen Suche Impressionen, die selten zu Klicks führen. Kunz schreibt, man könne argumentieren, „dass jede Impression für eine Grounding Page in der Google Suche, auf die kein Klick folgt, als negatives Signal für die Seite und die Website insgesamt betrachtet werden kann.“ Zweiter Punkt: Priorisierung. Grounding Pages seien „eines von mehreren Todos auf die Liste“; es gebe im GEO-Bereich derzeit Dinge, die „wichtiger oder mindestens so wichtig sind, zum Beispiel, dass KI-Bots überhaupt technisch auf die Inhalte einer Website zugreifen können.“ Das ist eine berichtende Wiedergabe seiner Position – meine Bewertung folgt davon getrennt.

Was meine eigenen Daten zeigen (Beobachtung). Zum CTR-Einwand kann ich nur einen einzelnen Datenpunkt aus meiner Praxis beisteuern, kein belastbares Muster: Meine Grounding Page unter /grounding-page rankt in der klassischen Suche kaum – sie zieht wenige Impressionen, eben weil kaum jemand danach sucht. Genau deshalb sehe ich bei mir bisher kein messbares negatives Signal auf die übrige Website. Auf der KI-Seite zeigt mein Bing AI Performance Dashboard im gleichen Zeitraum über 1.300 Citations für die gesamte Domain – das ist allerdings ein anderer Kanal als das CTR-Signal, um das es Kunz geht, und sagt darüber direkt nichts aus. Das ist meine Beobachtung auf einer Domain, kein Beweis – die Datenlage ist dünn, und Kunz‘ Bedenken bleibt auf indexstarken Seiten mit vielen klicklosen Impressionen plausibel.

Aus meiner Sicht (Einordnung). Beide Einwände sind berechtigt, ändern aber nichts an meiner Empfehlung – sie ändern die Reihenfolge. Erstens zum CTR-Signal: Eine Grounding Page ist per Design eine Nischenseite mit geringem Suchvolumen. Wo kaum jemand sucht, entstehen kaum klicklose Impressionen – das Risiko skaliert mit der Sichtbarkeit der Seite, und die ist hier klein. Wer trotzdem auf Nummer sicher gehen will, hält die Seite zwar für KI-Crawler zugänglich, hält ihre klassische Sichtbarkeit aber bewusst klein. Zweitens zur Priorisierung: Da stimme ich Kunz ausdrücklich zu. Wenn KI-Bots technisch nicht auf deine Inhalte zugreifen können, ist die Grounding Page Kosmetik. Genau deshalb ist für mich die technische Auffindbarkeit die Voraussetzung, die noch vor jeder Grounding Page kommt – keine Position der Hebel-Liste, sondern deren Eintrittsbedingung. Die Grounding Page bleibt mein stärkster aktiver Hebel, aber sie greift erst, wenn KI-Bots überhaupt drankommen. Sie ist ein lohnendes Todo – aber eines, das nach den Grundlagen kommt, nicht davor.

Ein Detail zur Transparenz, das in die Einordnung gehört: Hanns Kronenberg ist der Urheber des Grounding Page Standards und Betreiber des Projekts. Die Spezifikation ist projektbezogen dokumentiert und öffentlich verfügbar – es handelt sich um ein von Hanns Kronenberg initiiertes Projekt, nicht um den Standard eines Branchengremiums. Diese Einordnung sollte man kennen, wenn man die Dringlichkeit bewertet.

Die Verschiebung, die Krishna Madhavan, Knut Risvik und Meenaz Merchant von Microsoft AI im Mai 2026 im Bing Engineering Blog beschrieben haben, ist aus meiner Sicht keine reine PR-Übung. Klassische Suche bewertet Dokumente. Grounding bewertet belegbare Aussagen. Das ist eine andere Bewertungseinheit – mit anderen Anforderungen an Faktentreue, Frische, Attribution und Konsistenz. Und mit einer Konsequenz die ich in meinen Audits immer öfter sehe: Widersprüchliche Aussagen auf der eigenen Domain werden von Grounding-Systemen nicht priorisiert, sondern vermieden. Die Investition in Content-Qualität ist also keine optionale Kür – sie ist ein wichtiger Baustein dafür, dass Grounding-Systeme die eigene Domain überhaupt als zitierwürdig einstufen können.

Für deine Praxis: Bau eine Grounding Page nach dem v1.6-Standard, halte sie aktuell, verlinke sie aus dem Footer, achte auf Cross-Source-Konsistenz, monitore deine Citations parallel zu deinen Rankings. Der Aufwand ist überschaubar; richtig umgesetzt kann das die Zitierfähigkeit erhöhen.

Wer tiefer in die strategische Einbettung einsteigen will: SEO, AIO, GEO und LLMO im Zusammenspiel – da ist das übergreifende Modell. Den konkreten Kaskadeneffekt findest du in der KI-Content-Falle. Und wie eine Grounding Page nach Standard aussieht: seo-kreativ.de/grounding-page.