Gemini-Citation-Patterns: Wie Google's LLM Quellen rankt

Gemini bewertet Quellen anders als ChatGPT. Während ChatGPT auf Bing's Web-Search-API zugreift, nutzt Gemini Googles eigenen Index, und damit Googles vollständigen Ranking-Stack: PageRank, BERT-Verständnis, Helpful-Content-Signale, E-E-A-T-Bewertung. Wer in Google rankt, hat eine deutlich höhere Chance, in Gemini zitiert zu werden.

Aber die Citation-Logik in Gemini ist nicht identisch mit Googles SERP-Ranking. Eine Seite auf Position 1 in Google kann in Gemini ignoriert werden, wenn eine Seite auf Position 5 die User-Frage spezifischer beantwortet. Gemini wählt aus Googles Top-20-Ergebnissen drei bis sieben Quellen aus, gewichtet nach Beitrag zur generierten Antwort.

Dieser Artikel zerlegt das Patterns, nach denen Gemini Citations vergibt: welche Schema-Typen bevorzugt werden, wie die Quellen-Auswahl ausgelöst wird, welche Domain-Klassen überrepräsentiert sind und welche Hebel du für Gemini-spezifische Optimierung ziehen kannst.

Gemini's Trigger-Logik: Wann Live Search aktiviert wird

Gemini triggert Live Search aggressiver als ChatGPT. Während ChatGPT bei Wissensfragen oft auf sein Training zurückgreift, ruft Gemini Googles Index in fast jeder Antwort auf, selbst bei generischen Fragen wie "Was ist Photosynthese?". Das hat damit zu tun, dass Google die Suche als Differenzierungsmerkmal positioniert.

Konkret messbar: Gemini zeigt in 85-92 Prozent aller Antworten Quellen-Links, ChatGPT (mit aktiviertem Live Search) nur in 65-75 Prozent. Diese höhere Trigger-Rate bedeutet für dich: Wenn du auf Google-Sichtbarkeit optimierst, profitierst du fast immer auch in Gemini, vorausgesetzt dein Content ist Citation-tauglich strukturiert.

Das hat aber auch eine Schattenseite. Gemini ist aggressiver beim Filtern, Quellen mit dünnem Content, geringer Autorität oder fehlendem Schema werden härter gewichtet als bei ChatGPT. Wer in Google Position 10 hat, aber keine strukturierten Daten, hat in Gemini deutlich schlechtere Citation-Chancen als in ChatGPT.

Welche Domain-Klassen Gemini bevorzugt

Gemini's Citation-Liste zeigt klare Muster. Regierungsseiten (.gov, .gov.uk, .de-Domains von Behörden), Bildungseinrichtungen (.edu, .ac.uk), etablierte News-Outlets und Wikipedia tauchen überproportional auf, selbst wenn sie nicht in den Google-Top-3 stehen. Das ist Googles E-E-A-T-Heuristik in Action.

Bei B2B- und Marketing-Queries dominieren bestimmte Domain-Klassen: HubSpot, Salesforce, Gartner, McKinsey, Forrester. Diese Quellen profitieren von einem Domain-Authority-Bonus, der sich aus jahrelangem Linkbuilding ergibt. Neue oder mittelgroße Domains konkurrieren hier mit struktureller Überlegenheit, präziserer Schema-Coverage, klareren Antworten, aktuelleren Daten.

Eine messbare Beobachtung: Gemini bevorzugt Inhalte mit explizitem datePublished und dateModified in Article-Schema. Veröffentlichungsdaten unter 12 Monaten erhöhen die Citation-Wahrscheinlichkeit messbar gegenüber 3+ Jahre alten Evergreen-Pages, selbst wenn deren Google-Ranking höher ist.

Die Citation-Auswahl: Wie aus 20 Google-Treffern 3-7 Quellen werden

Gemini zieht aus den Google-Suchergebnissen die Top 10-20 URLs und scrapt die wichtigsten Passagen. Die Filter-Logik prüft drei Dimensionen: thematische Relevanz zur User-Frage, Faktendichte (Zahlen, Daten, Eigennamen) und Strukturklarheit. Eine 2000-Wort-Story-Page verliert gegen eine 800-Wort-FAQ-Seite, wenn letztere die Frage direkter beantwortet.

Der entscheidende Schritt ist die Passage-Extraktion. Gemini sucht in jeder Quelle nach 2-4 Sätzen, die zur Antwort beitragen können. Diese Sätze landen in einem internen Ranking, und die Quellen, deren Passages die finale Antwort am stärksten geprägt haben, werden zitiert. Quellen, die "auch gelesen, aber nicht genutzt" wurden, fallen raus.

Das hat praktische Konsequenzen. Optimiere nicht auf Volltext-Optimierung (klassisches SEO), sondern auf Passage-Optimierung. Jeder H2-Block sollte eine in sich geschlossene Antwort liefern, 2-4 Sätze, die ChatGPT oder Gemini ohne Kontext zitieren können. Lange Einleitungen vor der Kern-Aussage sind kontraproduktiv.

1. Query-Analyse: Gemini extrahiert Intent und Entitäten
2. Google-Suche: Top 10-20 organische Treffer geladen
3. Content-Fetch: Volltext der Top 5-10 Seiten geparst
4. Passage-Extraktion: 2-4 Sätze pro Quelle markiert
5. Relevanz-Scoring: Beitrag zur Antwort gewichtet
6. Antwort-Synthese: Gemini-Pro fasst Passages zusammen
7. Citation-Selektion: 3-7 Quellen mit höchstem Beitrag
8. Rendering: Antwort plus Quellen-Block für den User

Schema-Markup für Gemini: Article-Schema schlägt FAQPage

Während ChatGPT FAQPage-Schema als stärkstes Signal nutzt, bevorzugt Gemini Article-Schema mit Author-Field, datePublished und Publisher-Info. Das spiegelt Googles E-E-A-T-Philosophie: Wer Inhalte mit klarer Autoren-Attribution und Verlags-Hinweis publiziert, gilt als vertrauenswürdiger als anonyme oder undatierte Quellen.

Konkrete Empfehlung: Implementiere Article-Schema mit allen optionalen Feldern, nicht nur den Pflichtfeldern. Author als Person-Schema mit Name, jobTitle und sameAs (LinkedIn-URL), Publisher als Organization mit Logo, datePublished und dateModified als getrennte Felder. Diese Tiefe wertet Gemini messbar auf.

Tools wie der Merkle Schema Generator, Schema App oder das WordPress-Plugin Rank Math erleichtern die Implementierung. Wichtig ist die Validierung: Google's Rich Results Test ist der Pflicht-Check, weil Gemini auf Googles Schema-Parser zurückgreift. Ungültiges Markup wird ignoriert.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Gemini Citation Patterns",
  "datePublished": "2026-05-17",
  "dateModified": "2026-05-17",
  "author": {
    "@type": "Person",
    "name": "AEO Guide",
    "sameAs": "https://linkedin.com/in/example"
  },
  "publisher": {
    "@type": "Organization",
    "name": "AEO Guide",
    "logo": {"@type": "ImageObject", "url": "https://aeoguide.de/logo.png"}
  }
}

Knowledge-Graph-Verknüpfung als Citation-Booster

Gemini integriert tief mit Googles Knowledge Graph, derselben Datenbank, die auch die Knowledge-Panels in der klassischen Google-Suche füttert. Marken, Personen und Organisationen mit aktivem Knowledge-Graph-Eintrag haben in Gemini-Citations einen messbaren Vorteil. Eine sameAs-Verknüpfung zu Wikidata, LinkedIn oder Crunchbase signalisiert Identitäts-Stabilität.

Praktisch heißt das: Implementiere für deine Author-Seiten und deine Brand-Page strukturierte Person- bzw. Organization-Schemas mit vollständigen sameAs-Arrays. Verlinke deine LinkedIn-Profile, eventuell vorhandene Wikipedia-Artikel, Crunchbase-Einträge und offizielle Social-Profile. Gemini wertet diese Vernetzung als Trust-Signal.

Wer noch keinen Knowledge-Graph-Eintrag hat, kann ihn nicht direkt anlegen, Google entscheidet eigenständig. Aber durch konsistente Schema-Implementierung, Backlinks von authoritativen Domains und Wikidata-Einträge lässt sich die Wahrscheinlichkeit eines Knowledge-Graph-Eintrags erhöhen. Das dauert typischerweise 6-18 Monate.

Praktische Optimierung: 5 Hebel für mehr Gemini-Citations

Erstens: Hol deine Google-Position auf mindestens Top 20 für deine Ziel-Queries. Ohne organische Sichtbarkeit keine Gemini-Citation. Klassisches On-Page-SEO, technische Sauberkeit, gute Backlinks bleiben die Basis.

Zweitens: Implementiere Article-Schema mit voller Tiefe, Author als Person, Publisher als Organization, klare Datums-Felder. Drittens: Aktualisiere deine Top-50-Pages mindestens alle 6 Monate, mit gepflegtem dateModified im Schema. Gemini gewichtet Frische stark.

Viertens: Schaffe sameAs-Verbindungen zu etablierten Knowledge-Graph-Entitäten. LinkedIn-Profile, Crunchbase-Einträge, Wikidata-Verweise für deine Author-Schemas. Fünftens: Track deine Gemini-Citations mit Peec, Profound oder AEORadar, diese Tools haben Gemini-spezifische Module.

Konkrete Empfehlung: Wenn du nur eine Maßnahme priorisieren kannst, ist es Article-Schema mit Author-Person-Schema und sameAs-Property auf etablierte Profile. Das ist der größte Hebel mit dem geringsten Implementierungs-Aufwand und liefert messbare Citation-Lifts in 4-6 Wochen über Tools wie Otterly oder AEORadar.