LLMO.
Large Language Model Optimization
Aktualisiert am · Auch: Large Language Model Optimization, LLM-Optimierung, LLM SEO
Ein Sprachmodell kann auf zwei Wegen über Ihr Unternehmen „Bescheid wissen“: aus seinen Trainingsdaten oder aus Dokumenten, die es zur Laufzeit abruft. LLMO adressiert beide Wege – anders als klassisches SEO, das nur auf den Suchindex zielt.
Warum ist das wichtig?
Viele Nutzer stellen ChatGPT oder Claude Fragen, ohne eine Websuche auszulösen. Dann antwortet das Modell aus seinem Trainingswissen. Ist Ihr Unternehmen darin nicht oder falsch vertreten, entstehen Lücken oder Halluzinationen. Wird dagegen gesucht, entscheidet das Retrieval über RAG, welche Quellen einfließen.
Die beiden Wege und ihre Hebel:
| Weg | Hebel |
|---|---|
| Trainingswissen | Konsistente, öffentlich zugängliche Informationen über Ihr Unternehmen auf vielen unabhängigen Quellen; Trainings-Crawler wie GPTBot nicht unbedacht blockieren |
| Abruf zur Laufzeit | Such-Crawler wie OAI-SearchBot erlauben, klare Antworten auf Ihren Seiten, Indexierung bei Google und Bing |
OpenAI trennt diese Zwecke auch technisch: GPTBot sammelt laut OpenAI Inhalte für das Training, OAI-SearchBot für die Suche in ChatGPT.
Beispiel
Ein hypothetisches Ingenieurbüro für Gebäudetechnik fragt ChatGPT ohne Websuche: „Was macht das Ingenieurbüro X in Mainz?“ Die Antwort nennt einen veralteten Firmensitz und Leistungen, die das Büro nicht anbietet. Ursache sind alte Branchenbucheinträge. Das Büro aktualisiert alle Einträge, beschreibt sein Leistungsspektrum auf der Website eindeutig und lässt Such- wie Trainings-Crawler zu. Ob sich das Modellwissen ändert, zeigt sich erst mit künftigen Modellversionen; die Antworten mit Websuche verbessern sich schneller.
Abgrenzung
LLMO, GEO und AEO beschreiben in der Praxis dasselbe Arbeitsfeld. GEO ist der in der Forschung etablierte Begriff, AEO der ältere aus der Suchmaschinenwelt, LLMO der technischste.