[Event] BrightonSEO 2026

Lässt sich SEO im Jahr 2026 überhaupt noch vorhersagen, oder ist es zu einer einzigen großen „Black Box“ geworden? Um eine Antwort auf diese Frage zu finden, besuchten Tom und Anke die April-Ausgabe der BrightonSEO. In diesem Blog teilen wir die wichtigsten Erkenntnisse darüber, wie du in einer Welt voller KI-Suchmaschinen sichtbar bleibst.

Wir beginnen mit einem kurzen Überblick über die wichtigsten Erkenntnisse der einzelnen Referenten. Danach tauchen wir tiefer in die wichtigsten Entwicklungen ein.

• Malte Landwehr darüber, wie ChatGPT Shopping weitgehend auf Google Shopping-Daten basiert
• Thomas Peham darüber, warum KI-Suche auf Experimentdaten statt auf Annahmen basiert
• Meg Sharma & Amanda Walls über E-E-A-T als Grundlage für Markenvertrauen
• Gintarė Rimolaitytė über Sichtbarkeit als Auswahlproblem bei KI-Antworten
• Tom Capper über den Rückgang der organischen Sichtbarkeit und den Aufstieg der Pixeltiefe
• Jeroen Driehuis über die Vermeidung von SEO-Verlusten bei Migrationen
• Gus Pelogia darüber, wie MCP die Arbeit mit SEO-Daten mittels KI grundlegend verändert

ChatGPT Shopping basiert hauptsächlich auf Google Shopping-Daten

Malte Landwehr (CPO & CMO bei Peec AI) hat in seinem Vortrag ziemlich deutlich gemacht, dass ChatGPT Shopping im Grunde kein neuer Algorithmus ist, sondern vor allem eine Umsetzung von Google Shopping.

Auf Basis eines Datensatzes von über 43.000 Produkten zeigt sich, dass etwa 83 % der Produkte, die du in ChatGPT-Karussells siehst, eins zu eins in den organischen Google-Shopping-Ergebnissen auftauchen. Noch konkreter: Die Top-20-Positionen in Google Shopping machen etwa 84 % der Sichtbarkeit in ChatGPT aus. Das macht das Spielfeld überraschend traditionell. Die KI bestimmt also nicht so sehr, was verkauft wird, sondern vor allem, welche Auswahl aus Google Shopping letztendlich weitergegeben wird.

Aus SEO-Sicht ist besonders interessant, wie begrenzt die Rolle der „KI-Magie“ ist. ChatGPT arbeitet mit sogenannten Fan-outs: Suchanfragen werden aufgeteilt und weiter ergänzt. Bei Shopping-Anfragen sehen wir durchschnittlich 1,2 Fan-Outs pro Eingabeaufforderung, wobei aktiv zusätzliche Begriffe wie premium, durable oder structured hinzugefügt werden. Das sind keine zufälligen Wörter, sondern klare Signale, die dabei helfen zu bestimmen, welche Produkte ausgewählt werden. In etwa 10 % der Fälle taucht in diesen Fan-Outs auch explizit das Wort „review“ auf, was zeigt, wie stark externe Bewertungen bei der Auswahl ins Gewicht fallen.

Die praktische Schlussfolgerung ist daher ziemlich klar: Dieses Spiel gewinnst du nicht allein mit einem starken Produktfeed. Es geht um eine Kombination aus deiner Position in Google Shopping, konsistenten und gut strukturierten Produktdaten sowie externer Validierung durch Bewertungen und Inhalte auf anderen Websites.

Was KI-Experimente über SEO in der Praxis zeigen

Was uns aus der Session von Thomas Peham (OtterlyAI) besonders im Gedächtnis geblieben ist: Bei der KI-Suche geht es 2026 viel weniger um Annahmen und viel mehr um harte Experimentdaten. Anstelle von Theorien darüber, „was funktionieren sollte“, zeigte er Dutzende kontrollierter Tests über einen Zeitraum von 12 Monaten. Darin wurden unter anderem llms.txt, Schema-Markup, KI-Inhalte und Pressemitteilungen miteinander verglichen.

Eines der auffälligsten Ergebnisse: Die viel diskutierte llms.txt-Datei (eine Textdatei, die dazu dient, KI-Modellen Anweisungen zum Inhalt deiner Website zu geben, vergleichbar mit robots.txt) wird in der Praxis fast vollständig ignoriert. Nur 0,1 % des KI-Bot-Traffics besuchte die Datei, und sie schnitt sogar dreimal schlechter ab als eine durchschnittliche Seite der Website. Auch Markdown-Versionen von Seiten zeigten keine Wirkung: Dort wurde buchstäblich 0 % KI-Crawler-Traffic gemessen.

Was hingegen eine konsistente Wirkung zeigte, lag vor allem in der Verbreitung und in externen Signalen. KI-gestützte Inhalte schnitten besser ab als vollständig manuell verfasste Landingpages, mit in manchen Fällen bis zu fünfmal mehr Sichtbarkeit über Google, ChatGPT und KI-Übersichten hinweg.

Außerdem erwiesen sich Pressemitteilungen als auffallend effektiv. Nach der Verteilung von 10 Mitteilungen gingen bereits innerhalb weniger Tage die ersten Erwähnungen über Domains wie Business Insider und Yahoo ein, woraufhin die Sichtbarkeit der Marke nachhaltig zunahm.

Schema-Markup zeigte ein gemischtes Bild: einen stark positiven Effekt auf Google AI Overviews (+1.500 %), aber keinen oder sogar einen negativen Effekt auf andere KI-Plattformen wie ChatGPT und Gemini.

Der rote Faden ist ziemlich nüchtern: Nicht einzelne „Tricks“ wie llms.txt oder Markdown bestimmen deine Sichtbarkeit, sondern die Kombination aus starken Inhalten, Verbreitung über vertrauenswürdige externe Quellen und Präsenz in Systemen, die KI bereits als Input nutzt.

Bei E-E-A-T geht es weniger um SEO und mehr um Markenvertrauen

Meg Sharma (Audience Operations Manager bei Bauer Media) und Amanda Walls (Director bei Cedarwood Digital) machten deutlich, dass E-E-A-T immer weniger eine SEO-Checkliste ist, sondern zunehmend ein umfassenderes Vertrauensmodell, das darüber entscheidet, ob Marken in einer KI-gesteuerten Suchumgebung sichtbar und glaubwürdig bleiben. Der Kern beider Geschichten ist klar: Content allein reicht nicht mehr aus. Sowohl Nutzer als auch Suchmaschinen legen immer mehr Wert auf externe Validierung, Konsistenz über verschiedene Kanäle hinweg und nachweisbare Expertise.

Meg Sharma skizzierte vor allem das übergeordnete Problem: Es gibt enorm viel Content im Netz, aber ein großer Teil davon ist nur Rauschen. Durch KI-gesteuerten Content, algorithmische Feeds und minderwertige Inhalte wird es immer schwieriger zu entscheiden, was vertrauenswürdig ist. Dadurch wird Vertrauen knapper – und damit wichtiger.

Amanda Walls ging noch einen Schritt weiter und zeigte, wie Google das in der Praxis auf E-E-A-T umsetzt. Nicht nur, was auf deiner Website steht, ist wichtig, sondern vor allem, was außerhalb davon bestätigt wird. Denk an Autoren mit echten Namen, externe Erwähnungen, Verweise durch andere Parteien und eine klare Markenreputation. Sie nannte das auch eine Art „Trust Ceiling“: Viele Websites sind intern gut optimiert, wachsen aber nicht weiter, weil es an externer Validierung mangelt.

Was in beiden Sessions immer wieder deutlich wurde, ist, dass viele Marken noch zu fragmentiert arbeiten. Nutzer erwarten ein einheitliches Markenerlebnis, keine losen Versionen pro Kanal. E-E-A-T funktioniert erst dann wirklich, wenn deine Geschichte überall gleich bleibt: Website, Social Media, Newsletter und externe Plattformen müssen sich gegenseitig verstärken.

Die Schlussfolgerung ist damit klar: Bei E-E-A-T im Jahr 2026 geht es nicht mehr nur um die Auffindbarkeit in Google, sondern um Vertrauen als Gesamtmarke. Nur Marken, die ihre Identität, ihre Expertise und ihren Ruf konsistent zum Ausdruck bringen, bauen in einer AI-first-Suchlandschaft nachhaltige Sichtbarkeit auf.

KI-Suchmaschinen entscheiden immer häufiger darüber, wer überhaupt noch sichtbar ist

Gintarė Rimolaitytė (Chief Commercial Officer bei Trendos) hat ganz konkret gezeigt, wie KI-Suchmaschinen zunehmend als eine Art „unsichtbares Regal“ fungieren, auf dem Produkte landen – oder auch nicht.

Basierend auf Daten vom März zeigt sich, dass mittlerweile durchschnittlich etwa 18 % aller such- und produktbezogenen Anfragen über KI-Suchmodelle laufen und dass dieser Anteil schnell wächst. Interessantes Detail: Pro KI-Antwort wird nur eine begrenzte Anzahl von Quellen verwendet (oft nur 2–7 Zitate pro LLM-Antwort und bei manchen Modellen wie DeepSeek sogar durchschnittlich weniger als 1 relevante Quelle pro Antwort).

Das macht Sichtbarkeit ihrer Meinung nach nicht mehr zu einem klassischen Ranking-Spiel, sondern zu einem Auswahlproblem. Wenn du nicht in diesem kleinen Satz von Quellen enthalten bist, existierst du in der Antwort schlichtweg nicht.

Daten aus dem Einzelhandel (u. a. Mode, Süßwaren und Verbraucherkredite) zeigen, dass die Quellen, auf die sich KI stützt, ziemlich konzentriert sind. Etwa 40 % aller Erwähnungen stammen direkt aus Inhalten auf eigenen Websites. Der Rest verteilt sich auf Nachrichten- und redaktionelle Seiten, Affiliates und Plattformen wie Reddit und YouTube. Vor allem Reddit wird sowohl in Google-KI-Übersichten als auch in KI-Tools immer häufiger als Quelle genutzt.

Das Fazit: Guter Content auf deiner eigenen Website bleibt wichtig, aber das reicht nicht aus. Ohne Verbreitung über externe Medien, Plattformen und andere Websites (wie Händler, Vergleichsseiten und User-Generated-Content-Plattformen) ist die Wahrscheinlichkeit groß, dass deine Marke in KI-Antworten einfach nicht berücksichtigt wird.

Außerdem stellte sie eine wichtige Verschiebung bei den KPIs vor. Während früher Rankings oder Klicks im Mittelpunkt standen, dreht sich jetzt alles um Metriken wie Sichtbarkeit in LLM-Antworten, Anzahl der Erwähnungen, Share of Voice in Antworten und vor allem deine Position in der KI-Antwort. Es geht also nicht nur darum, ob du erwähnt wirst, sondern auch darum, wo in der Antwort.

SEO in Pixels: Wie tief kann organisches Suchergebnis sinken?

Tom Capper (Senior Search Scientist bei Moz und STAT) präsentierte eine provokante Analyse der modernen Suchergebnisseite (SERP) unter dem Titel „How low can organic go?“.

Seine zentrale Botschaft war, dass ein hoher organischer Rang in deinem SEO-Tool nicht mehr dasselbe bedeutet wie früher. Die Daten aus seiner groß angelegten Untersuchung von 46.000 Suchbegriffen zeigen, dass die absolute Position Nr. 1 (der allererste Platz, den ein Nutzer sieht) bei organischen Ergebnissen immer seltener wird. Während im Januar 2024 noch bei 58,5 % der Suchanfragen ein organisches Ergebnis auf dem absoluten ersten Platz stand, ist dieser Anteil im Januar 2026 auf nur noch 44,3 % gesunken.

Das organische Ergebnis ist zwar oft noch vorhanden, rutscht aber aufgrund von AI-Übersichten, Anzeigen und Shopping-Modulen immer weiter nach unten. Capper hat deshalb einen neuen KPI eingeführt: die Pixeltiefe. Er hat gezeigt, dass die mittlere Tiefe des ersten organischen Ergebnisses auf dem Desktop mittlerweile bei 590 Pixeln liegt. Auf Smartphones ist die Situation noch extremer: Dort befindet sich das erste organische Ergebnis bei 1043 Pixeln sogar komplett unterhalb der Falz. Willst du als Nutzer das zehnte organische Ergebnis erreichen? Dann musst du auf dem Desktop im Durchschnitt schon mehr als vier ganze Bildschirme nach unten scrollen.

Die neue Strategie zielt daher darauf ab, den „Share of Visibility“ zu optimieren, anstatt sich nur auf die Platzierungen zu konzentrieren. Konkret geht es dabei darum, den physischen Platz auf dem Bildschirm mithilfe von Rich Snippets zu maximieren. Während ein Standard-Suchergebnis nur 162 Pixel hoch ist, lässt sich dieser Platz durch den Einsatz von Bildern, FAQs und ausführlichen Sitelinks auf bis zu 445 Pixel vergrößern.

Erste Hilfe bei technischen Katastrophen während SEO-Migrationen

Selbst die durchdachteste Content-Strategie kann im Papierkorb landen, wenn die technische Grundlage während einer Migration ins Wanken gerät. Jeroen Driehuis (technischer SEO-Spezialist bei Onder) führte uns in die Welt der groß angelegten Migrationsfehler ein. Seine wichtigste Botschaft: Hör auf, Ad-hoc-Weiterleitungen hinzuzufügen, und beginne mit einer systematischen Ausschlussmethode, um die eigentliche Ursache des Problems zu finden.

Eine gute Analyse beginnt damit, externe Faktoren auszuschließen. Du musst zunächst feststellen, ob ein Rückgang der organischen Sichtbarkeit tatsächlich auf die Migration zurückzuführen ist oder ob er zufällig mit einem Google Core Update zusammenfällt. Anschließend gilt es, die Daten zu segmentieren: Verlierst du Traffic auf breiter Front oder beschränkt sich der Schaden auf bestimmte Seitentypen wie Produkt- oder Kategorieseiten?

Driehuis stellte einen detaillierten Schritt-für-Schritt-Plan für die technische Überprüfung vor:

• Indexierung und Crawling: Kann Google die neuen Seiten überhaupt finden? Er rät dazu, die alten Sitemaps in der Google Search Console zu belassen, um zu beobachten, wie schnell die alten URLs aus dem Index verschwinden und durch die neuen ersetzt werden.
• Content-Parität: Dies ist ein kritischer Punkt, an dem oft etwas schiefgeht. Ist die textliche Relevanz der neuen Seiten noch dieselbe wie bei den alten? Eine unbeabsichtigte Änderung der Überschriften (H1) oder der Menge des Fließtextes beim Umstieg auf ein neues CMS kann dazu führen, dass Google die Seite nicht mehr als relevant für dieselben Suchbegriffe ansieht.
• User Experience und Geschwindigkeit: Eine Migration wirkt sich oft auf die Performance aus. Driehuis zeigt, dass du die Core Web Vitals, wie Largest Contentful Paint (LCP) und Cumulative Layout Shift (CLS), vor und nach der Migration direkt nebeneinander stellen musst, um Performance-Einbußen zu identifizieren, die den Rankings schaden können.
• Technische Grundlagen: Überprüfe auf „Canonical Loops“ und analysiere die interne Linkstruktur. Wenn das neue Menü oder die Fußzeile weniger interne Links enthält als die alte Website, kann der Aufbau von Autorität innerhalb der Website unterbrochen werden.

Mit deinen Daten über MCP kommunizieren

Nach den technischen Tiefenanalysen der vorangegangenen Sessions verlagerte sich der Fokus während der Präsentation von Gus Pelogia (SEO- & KI-Manager bei Indeed) auf den Aufstieg des Model Context Protocol (MCP). Während wir in den letzten Jahren vor allem gelernt haben, wie wir mit KI kommunizieren können, geht es jetzt darum, wie wir KI mit unseren Daten kommunizieren lassen. MCP fungiert dabei als das lang erwartete „fehlende Glied“: ein offener Standard, der KI-Modelle wie Claude oder Gemini direkt, sicher und strukturiert mit externen Tools und eigenen Datenquellen verbindet. Die Ära der manuellen CSV-Exporte und des endlosen Kopierens von Daten in eine Eingabeaufforderung ist damit endgültig vorbei. Kurz gesagt fungiert MCP als API für LLMs.

Der Kernvorteil dieser Technik liegt darin, die sogenannte „Context-Gap“ zu schließen. Da das Modell über einen MCP-Server eine direkte Verbindung zu deiner eigenen Infrastruktur oder deinem SEO-Toolset hat, verfügt die KI über den aktuellen Kontext, der nötig ist, um Muster zu erkennen, sobald sie entstehen. Das ermöglicht es uns, die KI für komplexe Aufgaben einzusetzen, die früher Stunden oder Tage an manueller Arbeit gekostet haben:

• Fortschrittliche Keyword-Segmentierung: Anstelle manueller Filter kann die KI über Verknüpfungen mit Tools wie SEMrush direkt Tausende von Keywords anhand spezifischer Absichten oder semantischer Cluster gruppieren, einschließlich der Berechnung des gesamten Suchvolumens pro Gruppe.
• Lokale SERP-Analysen in Echtzeit: Über MCP-Server wie DataForSEO kann KI „live“ Ergebnisse für bestimmte Städte oder Standorte abrufen. So kannst du in Sekundenschnelle prüfen, ob deine Marke im Local Pack in zehn verschiedenen Städten gleichzeitig erscheint, ohne deinen Standort in Chrome manuell anpassen zu müssen.
• Tiefgreifendes SERP-Feature-Scraping: KI kann gezielt die Bereiche „Beliebte Produkte“ oder „Andere suchten auch nach“ auslesen und die Daten (wie Preis, Anbieter und Bewertungen) direkt in eine Vergleichstabelle einfügen.
• Historische KI-Wirkungsberichte: Durch die Verknüpfung mit SE Ranking visualisiert die KI direkt, wie sich dein organischer Fußabdruck in Googles AI Overviews (AIO) in den letzten Monaten entwickelt hat.
• Multi-Tool-Workflows: Die wahre Stärke liegt in der Kombination von Quellen; lass die KI die SERPs mit DataForSEO scrapen und anschließend direkt die Suchvolumina und Schwierigkeitsgrade bei Ahrefs abfragen

Gus betonte, dass das volle Potenzial von MCP vor allem über Claude Code ausgeschöpft wird. Während die Standard-Desktop-Oberfläche von Claude für schnelle Checks geeignet ist, ist Claude Code über das Terminal viel leistungsfähiger für große Aufgaben, wie das Scrapen mehrerer SERPs oder das Aneinanderreihen (Chaining) verschiedener MCP-Aufrufe. Die Installation ist heutzutage über das Terminal sowohl auf Mac als auch auf Windows ein Kinderspiel. Wichtig zu merken: Ein erfolgreicher Befehl beginnt immer damit, das benötigte MCP-Tool anzugeben.

Auch wenn die MCP-Technologie für einen enormen Produktivitätsgewinn sorgt, hat uns Gus daran erinnert, dass das nicht „umsonst“ ist. Neben deinem Claude Pro-Abonnement brauchst du Zugriff auf die API-Schnittstellen deiner bevorzugten SEO-Tools. Egal, ob du dich für DataForSEO (auf Credit-Basis), Ahrefs (Lite-Abonnement), SEMrush (Pro) oder SE Ranking (Growth) entscheidest – die Kosten werden durch die Zeitersparnis bei der Dateneingabe und manuellen Analysen mehr als ausgeglichen. Wir bewegen uns von einer Welt, in der der SEO-Spezialist Daten sammelt, hin zu einer Welt, in der der Spezialist die Daten einfach steuert.

Die Entwicklung unseres SEO-Berufs

BrightonSEO 2026 hat uns gezeigt, dass sich der SEO-Spezialist zu einem umfassenden Marketingstrategen wandelt. Ob es darum geht, Bildschirmfläche über Rich Snippets zu beanspruchen, LLMs über MCP-Links zu füttern oder dein E-E-A-T über die Grenzen deiner eigenen Website hinaus zu überwachen: Erfolg hängt von einem ganzheitlichen Ansatz ab. Wer in einer Welt aus KI-Übersichten und eingeschränktem organischem Raum relevant bleiben will, muss den Mut haben, in ein umfassendes digitales Ökosystem zu investieren. Du gewinnst nicht mehr allein durch die höchste Position, sondern dadurch, dass du überall präsent bist, wo der Nutzer (und die KI) nach Antworten sucht.