1.1SEO und klassisches GEO

SEO (Search Engine Optimization) optimiert Inhalte auf die Ergebnisseiten klassischer Suchmaschinen, vorrangig Google und Bing. Der Erfolg wird in Ranking-Position und organischem Traffic gemessen. Die Methodik ist seit den späten 1990er Jahren etabliert und umfasst technische, inhaltliche und verlinkungsbezogene Elemente. Regulatorisch betroffen ist SEO vor allem durch Werbekennzeichnungs-Pflichten, wenn Inhalte kommerziell motiviert sind (UWG § 5a Abs. 4, MStV § 22).

Klassisches GEO optimiert Inhalte auf generative Antwort-Engines, ChatGPT, Microsoft Copilot, Perplexity, Claude, Gemini, Google AI Overviews (Kapitel 9). Der Begriff wurde in der akademischen Literatur 2024 durch Aggarwal et al. als Teil der KDD-2024-Arbeit zum GEO-Bench etabliert; Wu et al. präzisierten 2025 die Paarung GEO / GEU (Generative Engine Utility). Erfolg wird in Citation-Rate, Citation-Persistenz und Citation-Qualität gemessen (Kapitel 7). Typische Methoden sind Front-Loading, Citation-Hooks, Entitäts-Konsistenz und Schema-Markup.

1.2Terminologische Abgrenzung, GEO versus GeoAI

Der Term GEO wird in der akademischen Literatur in zwei unabhängigen Bedeutungen verwendet. Generative Engine Optimization bezeichnet die Disziplin dieser Studie. Geospatial AI (GeoAI) bezeichnet die Anwendung von AI-Methoden auf geographische und raumbezogene Daten, ein eigenständiges Forschungsfeld an der Schnittstelle von GIS und maschinellem Lernen, das mit generativen Antwort-Engines nichts zu tun hat. In Retrieval-Kontexten führt die Verwechslung zu Sichtbarkeits-Verlust, wenn der Kurzform-Term GEO unspezifisch verwendet wird. Diese Studie schreibt Generative Engine Optimization beim ersten Auftreten jedes Hauptkapitels vollständig aus. Die Kurzform GEO wird ausschließlich für die hier definierte Disziplin verwendet; wo Geospatial AI gemeint ist, wird GeoAI ausgeschrieben.

Eine weitere terminologische Variante, Answer Engine Optimization (AEO), wird von einzelnen Industry-Anbietern bevorzugt, bezeichnet dieselbe Disziplin wie klassisches GEO. Diese Studie bleibt bei der akademisch verankerten Begrifflichkeit GEO und GEU.

1.3Compliance-GEO

Compliance-GEO bezeichnet die Anwendung von Generative Engine Optimization in regulierten Consumer-Märkten, konkret in den Sektoren Telekommunikation, Financial Services, Insurance sowie Commerce & Subscription, unter Einhaltung einer dreischichtigen Compliance-Architektur, die regulatorische, vertragliche und ethische Anforderungen gleichrangig trägt (Kapitel 3). Die Methodik deckt die Klassen 1 und 2 des Einflussnahme-Spektrums ab: strukturelle Optimierung sowie bezahlte Platzierung mit rechtskonformer Disclosure. Klasse 3, verdeckte Manipulation der Retrieval-Mechanik oder des Modell-Verhaltens, ist kategorisch ausgeschlossen (Kapitel 5).

Die Disziplin ist nicht "GEO für regulierte Branchen" im Sinne einer sektoralen Anwendung. Sie ist eine eigenständige Methodik, weil die regulatorische Dichte in den 4 Sektoren (EECC, TKG, DSA, GDPR, DORA, EU AI Act) die operativen Phasen, den Einkaufs-Standard und die Kennzeichnungs-Logik so verändert, dass ein sektor-agnostischer GEO-Ansatz strukturell nicht passt. Die GSMA Intelligence hat im Januar 2025 (Stand Q4 2024) für den Telco-Sektor formal anerkannt, dass Ethics und Compliance eine eigenständige Wert-Säule der AI-Investition sind, nicht ein Hygiene-Faktor, sondern gleichrangig neben finanzieller Rendite, Transformations-Tiefe und Personal-Aufbau (Kapitel 4).

1.4Die Abgrenzung im Überblick

Die B-Kriterien-Liste aus Kapitel 12.3 wirkt oberflächlich wie klassische On-Page-SEO-Hygiene (Schema-Markup, Byline, Substanz-Länge, Front-Loading). Der Unterschied liegt nicht in den geprüften Merkmalen, sondern in der Ziel-Größe (Citation-Rate in Retrieval-Antworten statt SERP-Ranking), im Mess-Modus (wöchentliche Share of Model Voice pro Engine statt Position-Tracking) und in der asymmetrischen Wirkung der Einzel-Kriterien (Front-Loading B 05 trägt empirisch stärker als Frage-Headlines B 08, gestützt auf Indig 2026).

1.5Konsequenz für die Studien-Terminologie

Die folgenden Kapitel behandeln Compliance-GEO als eigenständige Disziplin, nicht als Spezialfall von klassischem GEO. SEO und klassisches GEO werden in dieser Studie nicht weiter vertieft; sie bleiben Referenz-Punkte, nicht Gegenstand. Die Begriffswahl folgt durchgehend der akademischen Terminologie (GEO und GEU nach Wu et al. 2025); branchenspezifische Alternativ-Begriffe wie AEO werden nicht verwendet. Wenn in späteren Kapiteln "GEO" ohne Attribut steht, bezeichnet der Begriff klassisches GEO; Compliance-GEO wird stets als solche kenntlich gemacht.

2.1Die rechtliche Ebene, Ausschluss durch Normverstoß

Auf dieser Ebene wird eine Platzierung beanstandbar, weil sie gegen eine Regulierungs-Norm verstößt. Die in Deutschland relevanten Fundstellen sind UWG § 5a Absatz 4 (Verbot getarnter kommerzieller Kommunikation), MStV § 22 (Werbekennzeichnung in Telemedien) und die BGH-Entscheidung I ZR 211/17 (Influencer-Kennzeichnungspflicht, Präzedenz für sichtbare, nicht nachgeschobene Kennzeichnung). Im Telco-Sektor treten die Pflichtangaben-Vorschriften des Telekommunikationsgesetzes (TKG 2021, §§ 54–57) hinzu, die eine Tarif-Bewerbung ohne Angabe von Laufzeit, Kündigungsbedingungen und Preisänderungs-Mechanismus unabhängig von anderen Prüfungen rechtswidrig machen. Stand April 2026 ist zudem ein unionsrechtlicher Vorlagebeschluss zu beachten: Das VG Berlin hat am 10. Juli 2025 im Verfahren 32 K 222/24 Fragen zum Herkunftslandprinzip und zur Abschließungswirkung des Digital Services Act dem EuGH vorgelegt. Der Ausgang ist offen; eine Präzisierung oder Verschiebung der Anwendungs-Logik des MStV und des DDG gegenüber grenzüberschreitend erbrachten Diensten ist im Jahres-Horizont Q3/Q4 2026 möglich und in den nächsten Studien-Revisionen zu kalibrieren. Die rechtliche Ebene ist die öffentlich am stärksten diskutierte Ausschluss-Kategorie, aber sie erfasst nur einen Teil des Ausschluss-Raums: eine Platzierung, die rechtlich einwandfrei ist, kann technisch oder inhaltlich weiterhin disqualifiziert sein.

2.2Die technische Ebene, Ausschluss durch Retrieval-Architektur

Auf dieser Ebene scheitert eine Platzierung daran, dass sie von den Retrieval-Engines nicht erreicht, nicht indexiert oder falsch klassifiziert wird. 8 konkrete Ausschluss-Mechanismen sind in Kapitel 12 als A-Kriterien formalisiert. Empirisch verankert ist die technische Ebene in mehreren Schichten: Indig 2026 hat für Front-Loading im RAG-Chunking den Nachweis geführt, dass Einstiegs-Segmente bevorzugt werden; die Retrieval-Untersuchung Claude Opus 4.6 vom April 2026 dokumentiert, dass Engines HTML, JSON-LD und strukturierte Daten parsen, nicht Pixel-Layouts; das Profound-Markdown-gegen-HTML-Experiment mit 381 Seiten über drei Wochen belegt Engine-abhängige Parser-Präferenzen (Stand Q1 2026). Die technische Ebene ist im öffentlichen Diskurs zu GEO meist auf klassisches SEO reduziert; für Compliance-GEO ist sie um Kategorien erweitert, die SEO nicht adressiert (Bot-Policies je Retrieval-Engine, Kennzeichnungs-Auszeichnung auf DOM-Ebene, URL-Persistenz).

2.3Die inhaltliche Ebene, Ausschluss durch redaktionelle Schwäche

Auf dieser Ebene ist die Platzierung rechtlich konform und technisch indexierbar, wird aber von den Engines mit so niedriger Citation-Wahrscheinlichkeit bewertet, dass sie praktisch keine Sichtbarkeit erreicht. Die empirischen Anker stammen aus drei Studien-Schichten. Aggarwal et al. haben in der KDD-2024-Arbeit mit dem GEO-Bench über 10.000 Queries gezeigt, dass Position-Adjusted Word Count mit Citation-Rate positiv korreliert. Indig 2026 hat dokumentiert, dass definitive Sprache in zitierten Passagen bei 36,2 Prozent liegt gegenüber 20,2 Prozent in nicht-zitierten. Die Ahrefs-Studie von 2025 (75.000 Marken) belegt, dass Marken-Mentions in redaktionellem Kontext stärker mit Citation-Rate korrelieren als klassische Backlinks. Die inhaltliche Ebene ist graduell in ihrer Wirkung, aber binär in ihrer Disqualifikations-Schwelle: unterhalb bestimmter Substanz-Schwellen (Kapitel 12, Kriterium B 03) fällt die Platzierung unter die Wahrnehmungs-Schwelle der Engines.

2.4Die drei Ebenen im Überblick

2.5Operative Regel und Abgrenzung zu Kapitel 3

Die drei Ebenen der Disqualifikation sind operativer Natur: sie beschreiben, an welchen Prüf-Punkten eine Platzierung scheitern kann. Die dreischichtige Compliance-Architektur (Kapitel 3) ist konzeptioneller Natur: sie beschreibt, welche Schichten Compliance-GEO systematisch adressiert. Die beiden Drei-Schichten-Modelle stehen unabhängig nebeneinander, nicht hierarchisch. Eine rechtliche Disqualifikation (Ebene 1) kann eine regulatorische, eine vertragliche oder eine ethische Ursache haben (Kapitel 3); eine technische Disqualifikation (Ebene 2) kann durch eine vertragliche Vereinbarung über URL-Persistenz (Kapitel 3) geheilt werden. Aus dieser Unabhängigkeit folgt die operative Regel: Jede Platzierung wird vor der Schluss-Rechnung auf allen drei Ebenen geprüft, nicht sequenziell. Der Verifikations-Workflow in Kapitel 12.4 operationalisiert diese parallele Prüfung.

3.1Die regulatorische Schicht

Die regulatorische Schicht ruht im deutschen Telco-Kontext auf dem Telekommunikationsgesetz (TKG 2021, BGBl. I 2021, S. 1858, in Kraft seit 1. Dezember 2021; aktuelle Fassung Stand 17. März 2026 nach Änderung durch Artikel 6 des Gesetzes vom 11. März 2026, BGBl. 2026 I Nr. 66). Das TKG trägt seit dem 6. Dezember 2025 zwei parallele Pflichten-Stränge, nachdem Artikel 25 des Gesetzes zur Umsetzung der NIS-2-Richtlinie und zur Regelung wesentlicher Grundzüge des Informationssicherheitsmanagements in der Bundesverwaltung (BGBl. I 2025 Nr. 301, S. 2 ff.) die §§ 165 ff. TKG neu gefasst hat.

Der erste Strang ist die Verbraucherschutz-Schicht in den §§ 51–67 TKG mit vorvertraglichen Informationspflichten (§ 55), Vertragszusammenfassung vor Vertragsschluss (§ 54 Abs. 3), Laufzeit-Regelung einschließlich der Pflicht zum Angebot eines Vertrags von höchstens 12 Monaten (§ 56 Abs. 1) und Minderungs- und Kündigungs-Rechten bei Leistungsabweichung (§ 57 Abs. 4 Nr. 2). Dieser Strang ist die primäre Berührungsfläche für Compliance-GEO: wenn ein Retrieval-Modell einen Tarif in einem Antwort-Fenster zusammenfasst, ohne Mindestlaufzeit, Kündigungsbedingungen oder Preisänderungs-Mechanismus aus § 55 Abs. 1 TKG zu benennen, entsteht eine verkürzte Darstellung, deren Zurechnungs-Logik zwischen Telco-Anbieter, Publisher und Modell-Anbieter im Einzelfall juristisch zu klären ist.

Der zweite Strang ist die IT-Sicherheits-Schicht in den §§ 165 ff. TKG. Jeder DE-Telco-Anbieter fällt unter NIS-2: Die Telco-Sonder-Schwelle nach § 28 Abs. 1 Nr. 3 BSIG (50 Mitarbeiter oder 10 Mio. Euro Jahresumsatz und Jahresbilanzsumme) liegt unter der EU-Großunternehmens-Schwelle (250 Mitarbeiter / 50 Mio. Euro Umsatz / 43 Mio. Euro Bilanz); Anbieter darunter gelten nach § 28 Abs. 2 Nr. 2 BSIG als wichtige Einrichtungen. § 28 Abs. 5 Nr. 1 BSIG nimmt Telco-Einrichtungen aus den §§ 30, 31, 32, 35, 36, 38, 39, 61 und 62 BSIG aus; die analogen Pflichten finden sich in § 165 ff. TKG, der Maßnahmen-Katalog in § 165 Abs. 2a TKG entspricht dem § 30 Abs. 2 BSIG-Wortlaut. Aufsichtsbehörde ist die Bundesnetzagentur; Operationalisierung erfolgt über den BNetzA-Sicherheitskatalog nach § 167 TKG, dessen überarbeitete Fassung Stand April 2026 nach Auswertung der bis 16. Januar 2026 gelaufenen Konsultation in Vorbereitung ist.

Für Telco-Konzerne mit nicht-telco-zentrierten Neben-Tätigkeiten, etwa Energie-, Immobilien- oder Rechenzentrums-Tochterbeteiligungen, kommt die Vernachlässigbarkeits-Klausel nach § 28 Abs. 3 BSIG in Betracht. Das BSI hat in seiner FAQ zu NIS-2 (Stand April 2026) konkrete Anhaltspunkte benannt, Mitarbeiterzahl, Umsatz und Bilanzsumme des Neben-Bereichs, Gesellschaftervertrag oder Satzung als Gegen-Indiz. Die Klausel ist allerdings Gegenstand einer europarechtlichen Kritik, die eine Richtlinien-Konformität in Frage stellt (TeleTrusT, Juli 2025; Hessel/Schneider, RDi 2026, 25), sowie einer Verhältnismäßigkeits-Verteidigung, die ihre Anwendung als Konkretisierung des Verhältnismäßigkeits-Grundsatzes begreift. Verwaltungsgerichtliche oder höchstrichterliche Klärung liegt Stand April 2026 nicht vor; das österreichische NISG 2026 (BGBl. I Nr. 94/2025, in Kraft zum 1. Oktober 2026) verzichtet auf eine entsprechende Klausel und markiert damit einen EU-näheren Sonderweg (Schönherr/DORDA). Für die Telco-Kern-Tätigkeit nach § 28 Abs. 1 Satz 1 Nr. 3 BSIG ist die Klausel nicht einschlägig, sie greift ausschließlich für die Zuordnung zu zusätzlichen Einrichtungsarten aus den Anlagen 1 und 2 BSIG.

Die regulatorische Schicht trifft Compliance-GEO an drei spezifischen Punkten. Erstens verlangt § 165 Abs. 2a Nr. 4 TKG Sicherheit der Lieferkette einschließlich der Beziehungen zu unmittelbaren Anbietern und Diensteanbietern, Publisher-Lieferanten, Modell-Anbieter und Mess-Tool-Anbieter, deren Inhalte in Antwort-Pfade der Mandanten zurückwirken, sind Teil dieser Lieferkette. Die Einordnung von Modell-Anbietern unter den Tatbestand "unmittelbare Anbieter oder Diensteanbieter" ist nach herrschender Auslegung nicht pauschal zu bejahen: Die Lieferketten-Sicherheits-Pflicht greift nach gegenwärtigem Substanz-Stand auf Modell-Anbieter durch, sobald und soweit ein Telco-Anbieter ein Sprachmodell eines konkreten Anbieters als direkten Vertrags-Zulieferer in einen sicherheitsrelevanten Prozess seines öffentlichen Netzes oder seines öffentlich zugänglichen Telekommunikationsdienstes produktiv integriert. Ohne direkte Vertragsbeziehung oder bei nicht-sicherheitsrelevanter Nutzung greift die regulatorische Pflicht nicht; eine eigenständige Aufnahme von Modell-Anbietern in den Einkaufs-Standard bleibt als methodische Cyber-Resilienz-Maßnahme außerhalb der regulatorischen Pflicht möglich. Die Linie ist europarechtlich gestützt durch den Kommissions-Durchführungsrechtsakt (EU) 2024/2690 vom 17. Oktober 2024 (Telco bewusst ausgenommen, sektor-spezifische Regelung in §§ 165 ff. TKG), durch die ENISA Technical Implementation Guidance (Juni 2025, ohne LLM-spezifische Normierung) und durch die NIS-Cooperation-Group-Supply-Chain-Security-Toolbox (30. Januar 2026, actor-agnostisch, ohne namentliche LLM-Erfassung); der finale BNetzA-Sicherheitskatalog nach § 167 TKG ist Gegenstand der laufenden Auswertung und kann den Auslegungs-Rahmen verschieben. Zweitens verlangt § 165 Abs. 2a Nr. 6 TKG Konzepte und Verfahren zur Bewertung der Wirksamkeit der Risikomanagement-Maßnahmen; die Northbridge-Phase-04-Citation-Reporting-Logik liegt in dieser Pflichten-Logik. Drittens adressieren § 165 Abs. 2b–2d TKG die Geschäftsleitung mit Umsetzungs-, Überwachungs- und Schulungs-Pflicht plus persönlicher Haftung, die Compliance-GEO-Freigabe berührt damit nicht nur die Marketing-Funktion, sondern die Vorstands-Ebene des Telco-Mandanten.

Die Haftungs-Architektur des § 165 Abs. 2c TKG ist nach gegenwärtigem Substanz-Stand als subsidiär-konstruktive Regelung zu lesen. Satz 1 ordnet die Haftung der Geschäftsleitung für schuldhaft verursachten Schaden primär nach den auf die Rechtsform anwendbaren gesellschaftsrechtlichen Regeln an, § 93 Aktiengesetz, § 43 GmbH-Gesetz, § 34 Genossenschaftsgesetz. Satz 2 begrenzt die TKG-eigene Haftungsanordnung auf Rechtsformen, für die das Gesellschaftsrecht keine Haftungsregel enthält, etwa eingetragene Vereine oder Stiftungen; eine kumulative Anspruchsgrundlage ist nach herrschender Auslegung ausgeschlossen, die Business Judgement Rule nach § 93 Abs. 1 Satz 2 AktG bleibt anwendbar. Das NIS-2-Umsetzungsgesetz schafft damit keine neue Haftungsgrundlage, sondern einen Auffangtatbestand. Die operative Konsequenz für Compliance-GEO liegt in der Überwachungs-Pflicht des § 165 Abs. 2b TKG: Die dokumentierte Einbindung der Geschäftsleitung in die Mandats-Freigabe-Kette trägt diese Pflicht; die Haftungsgrundlage selbst bleibt im Gesellschaftsrecht.

Zwei weitere Regime berühren den regulatorischen Rahmen, ohne die Pflichten-Architektur der §§ 165 ff. TKG zu verschieben. Das KRITIS-Dachgesetz (KRITISDachG, BGBl. 2026 I Nr. 66, in Teilen in Kraft seit 17. März 2026) setzt die CER-Richtlinie (EU) 2022/2557 um und normiert bundes-einheitliche Mindestvorgaben für den physischen Schutz kritischer Anlagen; nach herrschender Auslegung laufen Cyber-Schutz (BSIG und TKG) und physischer Schutz (KRITISDachG) mit klarer Dimensions-Trennung nebeneinander, wobei Telco-KRITIS-Betreiber zwar der KRITISDachG-Registrierungspflicht unterliegen, bei den operativen Nachweispflichten (Meldung, Prävention, Nachweise) nach § 39 Abs. 4 BSIG aber weitgehend ausgenommen sind, weil das NIS-2/TKG-Regime als Spezialregime fortgilt. Die Digital Operational Resilience Act-Verordnung (DORA, Verordnung (EU) 2022/2554, anwendbar seit 17. Januar 2025) verdrängt nach Art. 4 NIS-2-RL die NIS-2-Vorgaben für Finanzunternehmen in den Bereichen IKT-Risikomanagement, IKT-Vorfallmeldung und IKT-Drittanbietersteuerung; bei Telco-Anbietern mit Payment-Funktionen (Embedded Finance, Mobile Wallet, registrierter Zahlungsdienst) greift DORA nach herrschender Auslegung nur für die Payment-Teil-Tätigkeit, während für den Telco-Kern-Teil NIS-2/TKG maßgeblich bleibt. Die funktionale Aufteilung ist in der Sekundärliteratur etabliert; eine abschließende Einzelfall-Abgrenzung bleibt bei Mandaten mit Payment-Komponente erforderlich.

Die Werbe-Kennzeichnung als solche ist nicht TKG-geregelt, sondern folgt § 5a Abs. 4 des Gesetzes gegen den unlauteren Wettbewerb, § 22 des Medienstaatsvertrags und § 6 Abs. 1 Nr. 1 des Digitale-Dienste-Gesetzes, Kapitel 13 und Kapitel 14 entfalten diese Normen-Trias in den Kennzeichnungs-Varianten und in der Preis-Faktor-Matrix.

3.2Die vertragliche Schicht

Die vertragliche Schicht regelt die Einkaufs-Beziehungen zu den Lieferanten der Antwort-Pfade. Publisher-Verträge, Engine-Bot-Policies, Modell-Anbieter-Bedingungen und, als eigentlicher Rechtshebel, die Kopplung der Schluss-Rechnung an den Nachweis erfüllter Kriterien sind ihr Gegenstand. Sie ist die operative Form, in der die regulatorische Schicht (§ 165 Abs. 2a Nr. 4 TKG, siehe 3.1) gegenüber dem Mandanten-Einkauf durchgesetzt wird. Der Northbridge-Einkaufs-Standard (Kapitel 12) zerlegt jede geplante Platzierung in 18 prüfbare Kriterien und einen achtschrittigen Verifikations-Workflow, der vor jeder Schluss-Rechnung durchlaufen wird; 8 Kriterien sind binär und entscheiden über die Eignung, 10 sind graduell und bestimmen den Citation-Lift.

Die methodisch zentrale Pointe der vertraglichen Schicht liegt in der Preis-Kopplung. Nach Veröffentlichung sind Korrekturen am URL-Pfad, am DOM-Label, an der Schema-Auszeichnung oder an der Byline gegenüber dem Publisher praktisch nicht durchsetzbar. Die einzige Durchsetzungs-Mechanik, die zuverlässig greift, ist die Kopplung der Schluss-Rechnung an die Kriterien-Erfüllung, nicht der Advertorial-Vertrag selbst, sondern die Preis-Mechanik wird damit zur Trägerin der Compliance-Durchsetzung. Die Integration dieses Hebels in die Publisher-Abrede in Phase 02 des Mandats-Workflows (Kapitel 11.4) macht die vertragliche Schicht zu einer direkten Fortsetzung der regulatorischen Schicht mit operativen Mitteln.

3.3Die ethische Schicht

Die ethische Schicht zieht die kategoriale Trennlinie zur Klasse-3-Manipulation (Kapitel 5). Sie ist nicht von einer regulatorischen Norm allein getragen, Strategic Text Sequences, Prompt Injection und Schleichwerbung sind in Teilen strafrechtlich oder wettbewerbsrechtlich erfasst, in Teilen aber nur akademisch-technisch dokumentiert (Aggarwal et al. KDD 2024). Die Northbridge-Position ist deshalb als eigenständige Schicht ausgewiesen: Klasse 3 wird nicht beraten, nicht dokumentiert, nicht geprüft. Der Unterschied zu Klasse 2 (bezahlte Platzierung mit Disclosure) ist keiner der Intensität, sondern der Handlungs-Kategorie. Klasse 2 wird von allen drei Schichten getragen, regulatorisch durch die Normen-Trias UWG/MStV/DDG (siehe 3.1) und im Telco-Sektor durch die TKG-Pflichtangaben, vertraglich durch die Publisher-Abrede und den Verifikations-Workflow, ethisch durch die Transparenz der Handlung selbst. Klasse 3 bricht alle drei Schichten gleichzeitig. Die ethische Schicht wirkt damit auch defensiv gegenüber der Zwei-Rollen-Perspektive aus Kapitel 21: sie entlastet die laufende Mandats-Arbeit davon, im Einzelfall Klasse-Einordnungen nachverhandeln zu müssen.

3.4Operative Regel und Brücke zur industriellen Validierung

Die drei Schichten werden parallel geprüft, nicht sequenziell. Ein Verstoß auf einer Schicht macht die Platzierung mandats-unfähig, unabhängig vom Erfüllungsgrad auf den anderen beiden. Die dreischichtige Architektur ist dabei keine proprietäre Northbridge-Konstruktion; sie findet ihr industrielles Gegenstück in dem 4-Säulen-Framework, das die GSMA Intelligence in der Studie Telco AI: State of the Market, Q4 2024 (Januar 2025, Stand Q4 2024) vorgeschlagen hat. Dort steht Ethics & Compliance als gleichrangige Wert-Säule neben Financial, Business Transformation und People & Skills, eine kategoriale, nicht graduelle Einstufung, die Kapitel 4 als industrielle Validierung der hier entfalteten Architektur ausführt.

4.1Das Framework im Überblick

Der Bericht stuft das Framework als High-Level-Vorschlag ein, der 2025 in einer Folge-Publikation mit Gewichtungen und Scoring versehen werden soll ("roadtesting in 2025", Stand Q4 2024). Die methodische Substanz liegt damit nicht in einer fertigen Formel, sondern in der kategorialen Aussage, dass Ethics & Compliance eine gleichrangige Wert-Säule neben Finanzen, Transformations-Tiefe und Personal ist.

4.2Die Sektor-Reife-Basis des Frameworks

Das Framework steht nicht im luftleeren Raum. Die GSMA-Survey-Basis (Stand Q4 2024) liefert drei Befunde, die die Sektor-Reife der AI-Implementierung im Telco-Umfeld belegen. Fünfundsechzig Prozent der befragten Operator betreiben eine formale AI-Strategie, davon dreiunddreißig Prozent als eigenständige Initiative, zweiunddreißig Prozent integriert in die Unternehmens-Strategie. Führende Operator haben AI im Durchschnitt in 9 von 13 identifizierten Anwendungsfeldern etabliert. Neunundvierzig Prozent der Operator nennen Cybersecurity als Top-Barriere für das Erreichen ihrer AI-Ziele, achtundachtzig Prozent nennen Phishing und Smishing als vorrangige Bedrohung. Die Zahlen zeigen einen Sektor, der AI bereits operativ betreibt und in dem Compliance-Fragen als Mitgliedsthema der Geschäftsführungs-Agenda auftauchen, nicht als nachgelagerte Kontroll-Funktion.

4.3Konsequenz für Compliance-GEO

Die Aussage des Frameworks ist für den Einkaufs-Standard unmittelbar relevant. Wenn Ethics & Compliance im Sektor-Konsens als eigenständige Rendite-Säule anerkannt ist, dann ist die dreischichtige Architektur aus Kapitel 3 nicht eine proprietäre Northbridge-Konstruktion, die gegenüber Besteller und Freigabe-Partner erklärungsbedürftig wäre, sondern eine sektor-konsistente Position. Das wirkt in drei Richtungen: Erstens entlastet es die Argumentation im Erstgespräch mit dem Besteller, weil die Compliance-Schicht nicht als Zusatz-Kosten-Faktor diskutiert wird, sondern als Wert-Säule. Zweitens rahmt es die Zwei-Rollen-Perspektive (Kapitel 21), weil der Freigabe-Partner das 4-Säulen-Framework als Referenz-Grammatik nutzen kann, die im eigenen Haus bereits bekannt ist. Drittens stabilisiert es die Trennlinie zu Manipulations-Klassen (Kapitel 5), weil strukturelle Optimierung und kategorisch verbotene Manipulation sich auf der Ethics-&-Compliance-Achse klar trennen lassen.

VertiefungEine eigenständige Sub-Studie entfaltet die Compound-Mechanik in voller Tiefe: Kosten des Zögerns.

5.1Die drei Klassen

5.2Warum die Linie zwischen Klasse 2 und Klasse 3 kategorial ist

Klasse 2 wird durch Disclosure, Vertrag und redaktionelle Einbettung getragen. Sie lässt sich auf allen drei Ebenen der Compliance-Architektur (Kapitel 3) prüfen: regulatorisch über UWG § 5a Absatz 4, MStV § 22 und BGH I ZR 211/17, vertraglich über die Publisher-Abrede und den Verifikations-Workflow, ethisch über die Transparenz der Handlung selbst. Klasse 3 bricht jede dieser drei Ebenen: sie operiert verdeckt, umgeht Publisher-Governance oder greift in Modell-Schichten ein, die der Auftraggeber weder einsehen noch rechtlich verantworten kann. Die Differenz ist keine der Intensität, sie ist eine der Handlungs-Kategorie. Aus dieser Asymmetrie folgt die operative Regel.

5.3Operative Regel

Northbridge berät und operationalisiert Klasse 1 und Klasse 2.

Die kategorische Ablehnung von Klasse 3 trägt eine empirische Saturation-Mechanik, die die ethische Position stützt. Originality.AI hat 2024 dokumentiert, dass Domains mit hohem Anteil generierten Inhalts nach dem Google-Spam-Update-Cycle systematische Sichtbarkeits-Verluste verzeichneten; der Grokipedia-Case Anfang 2025 zeigt, dass dieser Verlust nicht auf die klassische Suche beschränkt bleibt, AI-Search-Engines wie ChatGPT, AI Mode und AI Overviews reduzierten ihre Citations synchron mit der Google-Visibility-Verschiebung (Rudzki, Peec.ai, 25.02.2026, mit Verweisen auf Originality.AI-Studie 2024 und Grokipedia-Case Q1 2025; vgl. Kapitel 9.4 zur Cross-Engine-Penalty-Mechanik). Eine Mandats-Strategie auf Basis von Mass-AI-Content beschädigt damit die GEO-Sichtbarkeit nicht weniger als die SEO-Sichtbarkeit. Mass-AI-Content bleibt methodisch eine Sub-Manifestation der Klasse 3, manipulation by saturation neben den drei manipulation by deception-Varianten Strategic Text Sequences, Prompt Injection und Schleichwerbung; die Drei-Klassen-Architektur ist unverändert.

Klasse 3 wird nicht bearbeitet, nicht dokumentiert, nicht geprüft. Wenn ein Mandat eine Klasse-3-Maßnahme als Teil des Auftrags anspricht oder andeutet, ist das Mandat nicht durchführbar. Die Linie wirkt auch defensiv: sie entlastet die Zwei-Rollen-Perspektive (Kapitel 21) davon, Klassen-Einordnungen nachträglich zu diskutieren. Die Cybersecurity-Sensibilität des Telco-Sektors, 49 Prozent der Operator nennen Cybersecurity als Top-Barriere für AI-Ziele, 88 Prozent Phishing und Smishing als vorrangige Bedrohung (GSMA Intelligence, Stand Q4 2024), rahmt diese Linie zusätzlich regulatorisch ein.

5.4Perimeter-Auslegung des § 168 TKG und methodische Trennlinie

Die Klasse-3-Trennlinie ist nach gegenwärtigem Substanz-Stand methodisch konzipiert, nicht als automatische Folge der TKG-Meldepflicht. § 168 Abs. 1 TKG in der Fassung des NIS2UmsuCG verpflichtet Betreiber öffentlicher Telekommunikationsnetze und Anbieter öffentlich zugänglicher Telekommunikationsdienste zur Meldung erheblicher Sicherheitsvorfälle an BNetzA und BSI, mit Frühmeldung innerhalb von 24 Stunden, Folgemeldung innerhalb von 72 Stunden und Abschlussmeldung innerhalb eines Monats. Der Begriff "Sicherheitsvorfall" ist in § 168 TKG selbst nicht definiert; die Auslegung orientiert sich an Art. 6 Nr. 6 NIS-2-RL, der auf die Verfügbarkeit, Authentizität, Integrität oder Vertraulichkeit gespeicherter, übermittelter oder verarbeiteter Daten der eigenen Netz- und Informationssysteme abstellt.

Nach der herrschenden Perimeter-Auslegung bezieht sich der Sicherheitsvorfall auf die Netz- und Informationssysteme der meldepflichtigen Einrichtung selbst. Manipulierte Citations in Antwort-Fenstern generativer Modelle finden außerhalb der Telco-Infrastruktur statt; die Antwort-Engine ist kein Netz- oder Informationssystem des Telco. Eine automatische Qualifikation manipulierter Citations als § 168 TKG-Sicherheitsvorfall scheidet damit nach Linie 1 aus, die Erheblichkeits-Schwelle des § 168 Abs. 3 TKG ("schwerwiegende Betriebsstörungen", "erhebliche materielle oder immaterielle Schäden") wird bei einer einzelnen manipulierten Citation ohnehin typischerweise nicht erreicht.

Eine erweiternde Lesart (Linie 2) ist nicht auszuschließen: Wenn systematische Manipulationen telco-bezogene Authentizitäts-relevante Daten betreffen und einen unmittelbaren Wirkungs-Zusammenhang mit der Telco-Infrastruktur aufweisen, könnte die Authentizitäts-Dimension des Art. 6 Nr. 6 NIS-2-RL funktional erweitert werden. Diese Auslegung ist in der Sekundärliteratur Stand April 2026 nicht etabliert und steht in einem systematischen Spannungsverhältnis zum Perimeter-Fokus der NIS-2-Richtlinie. Eine abschließende Einordnung ist ausgelegungs-offen und Gegenstand der juristischen Validierung (Kapitel 24).

Für die Klasse-3-Trennlinie ergibt sich daraus: Sie ist methodisch und ethisch begründet, nicht durch eine automatische regulatorische Meldepflicht erzwungen. Eine regulatorische Disqualifikations-Ebene (Kapitel 2) greift bei Klasse-3-Manipulationen nur, soweit eine direkte LLM-Vertragsbeziehung des Telco-Mandanten besteht oder andere TKG-, UWG- oder strafrechtliche Tatbestände berührt sind. Die kategoriale Ablehnung durch Northbridge ist davon unabhängig und folgt der ethischen Schicht.

6.1Marktstruktur der DE-Anbieterseite, deskriptiv, ohne Bewertung

Die deutsche Anbieter-Seite hat eine 4-stufige Struktur, Netzbetreiber, MVNOs, Bundle-Anbieter, Reseller und Vertriebspartner, die in generativen Antwort-Fenstern unterschiedlich sichtbar wird. Die Beschreibung erfolgt strukturell, ohne Konzern-Nennung und ohne Reife-Aussage pro Akteur. Die Reseller- und Vertriebspartner-Ebene (Shop- und Vermittlungs-Ebene) ist in Produkt-Queries praktisch nicht zitiert und wird in der nachfolgenden Tabelle nicht eigens geführt.

Die entscheidende Asymmetrie ist nicht, welche Ebene stärker ist, sondern dass Tarif-, Bundle- und Eignungs-Queries sich systematisch auf eine sektorfremde Ebene verlagern: die Vergleichs-Portale. Die Anbieter-Ebene wird dort zur Tabellenzeile, nicht zur Primärquelle.

6.2Plattform-Mechanik der Vergleichsportale

Die strukturelle Dominanz der nationalen Vergleichsportale in DE-Tarif-Queries ist nicht Reichweiten-getrieben, sondern mechanisch. Sie folgt aus 5 technisch-redaktionellen Eigenschaften, die generative Retrieval-Systeme bevorzugt aufnehmen.

Die großen DE-Aggregatoren und Vergleicher sind in dieser Schicht nicht einkaufbar im klassischen Advertorial-Sinn: beide produzieren Eigen-Content und verkaufen kein redaktionelles Inventar. Der Zugang zur Listen-Zeile läuft über Performance-Verträge, nicht über Content-Buchung, was die Klasse-A-Kriterien des Einkaufs-Standards (Kapitel 12) nicht erreicht, weil der Anbieter als Listen-Eintrag in fremder Tabelle erscheint, nicht als eigene Quelle. Die internationale Einordnung der DE-Portal-Konzentration wird in Kapitel 7 (Sektor-Reife international) geführt.

Die Plattform-Mechanik wird durch drei publik dokumentierte Beleg-Schichten gestützt. Die Sistrix-Promptindex-Auswertung Q4 2025 bis Q1 2026 dokumentiert eine Wachstums-Dynamik der Operator-Domains in AI-Antworten zwischen plus 73 und plus 132 Prozent über den 6-Monats-Zeitraum, mit deutlich höherem Wachstum bei Operatoren mit etabliertem Eigen-Blog (Sistrix, sistrix.de Handbuch AI, Stand 02.01.2026). Die Sistrix-Domain-Anteils-Analyse zum selben Stichtag zeigt Blog-Anteils-Werte zwischen 6 und dreiundvierzig Prozent über die 4 Tier-1-Operator-Domains, mit klarer Korrelation zwischen Blog-Anteil und Promptindex-Volumen. Die NB-Sektor-Erhebung April 2026 dokumentiert auf URL-Ebene, dass die Operator-eigenen Webpräsenzen im Citation-Aggregat substantiell vertreten sind, bei sauberer Ebene-B-Hygiene überleben sie die Retrieval-Filter und treten neben den Aggregator-Quellen als Primärbeleg auf. Operator-Onsite-Substanz und Aggregator-Geographie wirken damit als zwei nicht-substituierbare Hebel, nicht als Konkurrenz.

6.3Citation als Tabellenzeile in fremder Hierarchie

Wenn ein generatives System eine Tarif-Frage beantwortet, zitiert es in der weit überwiegenden Zahl der Fälle eine Portal-Seite und nicht den Anbieter. Der Anbieter erscheint, wenn überhaupt, als Name in einer Vergleichs-Tabelle auf der zitierten Seite. Diese Second-Order-Sichtbarkeit hat drei strukturelle Konsequenzen: der Anbieter-Text ist redaktionell fremd-formuliert (Portal-Redaktionen entscheiden, welche Features wie beschrieben werden, und diese Formulierung wird vom Modell als Sachaussage übernommen); die Rangfolge in der Tabelle ist das entscheidende Sichtbarkeits-Signal, nicht die Anbieter-eigene Marken-Botschaft; die Aktualität ist an den Portal-Daten-Stand gekoppelt, nicht an den Anbieter-Produktstand, was bei kurzlebigen Aktions-Tarifen Verzerrungen erzeugt, die der Anbieter selbst nicht korrigieren kann. Die NB-Retrieval-Untersuchung Claude Opus 4.6 (April 2026) belegt dieses Muster quantitativ; Aggarwal et al. (KDD 2024) hinterlegen es generisch über Position-Adjusted-Word-Count-Analysen.

Eine NB-interne Auswertung aus dem Audit-Bestand (Frühjahr 2026) macht die Geometrie über einen konkreten Mess-Rahmen fassbar. Mess-Parameter: mehrwöchiges Beobachtungs-Fenster über eine niedrig 4-stellige URL-Zahl in 5 Retrieval-Engines, ChatGPT, Claude, Google AI Mode, Google AI Overview, Perplexity. Copilot ist nicht enthalten; die Messung ist damit als 5-Engine-Schnitt im DE-Markt zu lesen, nicht als Gesamt-Sektor-Bild. Die beobachtete Citation-Verteilung auf URL-Ebene:

Zwei Befunde lassen sich daraus lesen. Erstens: Über die Hälfte des Citation-Volumens liegt strukturell außerhalb klassischer Advertorial-Reichweite, Comparison-Portale plus Wettbewerber-Flächen zusammen. Eine reine Advertorial-Strategie adressiert damit zu keinem Zeitpunkt die Mehrheit des Citation-Raums. Zweitens: Die Community-Surfaces (Reddit, YouTube, Foren) erreichen in DE-Telco einen Anteil unter zwei Prozent, deutlich weniger als das verbreitete GEO-Narrativ einer dominanten Reddit-Rolle erwarten lässt. Die pauschale Community-Investitions-Empfehlung aus anderen Sektoren ist auf DE-Telco nicht übertragbar und muss sektor-spezifisch re-gemessen werden.

Die Engine-Verteilung zeigt keine Ein-Engine-Dominanz. Alle drei führenden Engines liegen jenseits der 20-Prozent-Schwelle, die 4. Engine klar darunter:

Die fünf Positionen verteilen sich auf ChatGPT, Claude, Google AI Mode, Google AI Overview und Perplexity; die Zuordnung Position-zu-Engine ist im Kontext dieser Studie neutralisiert. Operative Konsequenz: Ein ChatGPT-zentriertes Mandat unter-investiert strukturell in mindestens zwei weitere Engines mit je mindestens einem Fünftel Citation-Anteil. Der Modell-Blended-Faktor aus Kapitel 14 reflektiert diese Verteilung in der Preis-Rechnung.

Innerhalb der Comparison-Portal-Hubs mit substanzieller Brand-Mention-Dichte zitiert die Mehrzahl der Hub-URLs, klar über die Hälfte, alle drei Hauptnetzbetreiber gleichberechtigt. Die Hub-URLs sind strukturell additiv erweiterbar: ein zusätzlicher Anbieter in der Hub-Tabelle verdrängt keinen anderen, sondern wird gleichrangig geführt. Für die Mandats-Praxis öffnet das einen Eintrittspunkt, der nicht kompetitiv, sondern kumulativ wirkt.

Datengrundlage: NB-interne Auswertung eines im Audit-Kontext erhobenen Monitoring-Datensatzes; Mess-Parameter in neutralisierter Form im Klammer-Block oben ausgewiesen, Rohdaten und Kunden-Zuordnung vertraulich und nicht zitierfähig. Keine kontrolliert randomisierte Stichprobe, sondern ein Bestands-Ausschnitt aus laufender Audit-Arbeit.

6.4Schleichende CAC-Verschiebung, warum der SEO-Report sie zuerst nicht zeigt

Die ökonomische Rück-Wirkung dieser Citation-Geometrie ist eine Verschiebung der Customer Acquisition Costs (CAC) von organischer auf portal-vermittelte Akquise. Der Effekt ist in klassischen SEO-Reports zunächst nicht sichtbar, weil Suchmaschinen-Rankings als Lead-Indikator weiter gemessen werden, während der tatsächliche Entscheidungspfad des Nutzers zunehmend im Modell-Antwort-Fenster beginnt. Drei Mechanismen kaschieren die Verschiebung in der Früh-Phase: Brand-Equity puffert den Effekt für etablierte Marken für mehrere Quartale; der SEO-Report misst Traffic auf Anbieter-URLs, nicht ausgefallene Modell-Antworten; Leads aus Portal-Vermittlung werden in Attributions-Modellen oft als Direct-Traffic verbucht. Der Feedback-Loop in der Modell-Antwort ist kürzer als in klassischer SEO-Sichtbarkeit (Aggarwal et al. KDD 2024), was bedeutet: sobald der Effekt messbar wird, ist er bereits strukturell wirksam. Die operative Antwort darauf ist nicht höheres SEO-Budget, sondern Eingriff auf der Retrieval-Schicht selbst, also auf Publisher-Ebene in Phase 01 und Phase 02 des Mandats-Zyklus (Kapitel 11).

6.5Operative Konsequenz

Der DE-Markt ist aus Compliance-GEO-Sicht ein Portal-dominiertes Feld, in dem die Sichtbarkeit des Direktanbieters nicht auf der eigenen Domain entschieden wird. Die Mandats-Arbeit beginnt deshalb mit der Bearbeitung der Citation-Schicht zwischen Anbieter und Modell, nationale Vergleichs-Portale, Fach- und Test-Publikationen, Verbraucherschutz-Publisher. Der Einkaufs-Standard aus Kapitel 12 ist die operative Brille; die Preis-Faktor-Matrix aus Kapitel 14 überträgt sie auf die Schluss-Rechnung. Welche Publisher in welcher Phase adressiert werden, ist Gegenstand der sektor-spezifischen Quellen-Karte im Mandat, nicht dieser Studie, Kapitel 7 beschreibt die internationale Reife-Kontur, vor deren Hintergrund die DE-Portal-Dominanz eingeordnet wird.

7.1Warum nicht eine Zahl

Eine aggregierte Sichtbarkeits-Zahl verdichtet unterschiedliche Mess-Phänomene zu einem einzigen Score. Das ist lesefreundlich, verliert aber die operative Steuerbarkeit. Ein Mandant mit hoher Citation-Rate, aber niedriger Citation-Qualität, steht schlechter als ein Mandant mit mittlerer Rate und hoher Qualität, weil die Citation-Qualität darüber entscheidet, ob die zitierte Nennung kauf-fördernd oder kauf-abwehrend wirkt (Kapitel 13.5, Kapitel 14.5). Aggregations-Metriken können diese Umkehrung nicht abbilden: sie behandeln jede Citation als gleichwertigen Punktwert und lassen den CMO mit einem Index ohne diagnostische Tiefe zurück. Die drei-dimensionale Mess-Logik trennt deshalb, was operativ getrennt steuerbar ist, und akzeptiert, dass ein Mandats-Report drei Kurven trägt, nicht eine. Die Industry-Diskussion bestätigt diese Trennung: das Peec.ai-KPI-Framework (Rudzki, Peec.ai 11.03.2026) führt 5 eigenständige KPI-Klassen, Visibility, Position, Brand Sentiment, Conversions/Revenue und Traffic, als getrennte Mess-Achsen, mit explizitem Verweis auf die Eight-Oh-Two AI Search Behavior Study 2026 (37 Prozent der Konsumenten starten ihre Suche mit AI, 85 Prozent cross-referenzieren weiterhin traditionelle Suche). Die NB-Drei-Achsen-Architektur und das Peec-5-KPI-Framework sind methodisch konvergent: Citation-Rate und Position fallen unter die NB-Frequenz-Dimension, Brand Sentiment ist Sub-Achse der NB-Inhalts-Dimension, Conversions/Revenue und Traffic sind Mandats-Erfolgs-Mess-Größen außerhalb der drei Citation-Dimensionen. Die externe Validierung trägt nicht eine andere Architektur als Konkurrenz, sondern eine kompatible Branchen-Sicht.

7.2Citation-Rate, die Frequenz-Dimension

Die Citation-Rate misst, mit welcher relativen Häufigkeit eine Mandanten-Quelle in Retrieval-Antworten zu einem definierten Prompt-Cluster zitiert wird. Die operativen Mess-Metriken sind Share of Model Voice (Zitationsanteil pro Cluster und Modell über definierte Zeitfenster) und Mention-Frequenz (absolute Nennung, modell-separiert, unabhängig von Link-Attribution). Der empirische Anker ist zweifach: Aggarwal et al. (KDD 2024) hinterlegen über Position-Adjusted-Word-Count- und Chunking-Analysen die Retrieval-Mechanik, die Citation-Raten überhaupt erklärbar macht; die NB-Retrieval-Untersuchung Claude Opus 4.6 (April 2026) dokumentiert die DE-spezifische Baseline für Telco-Tarif-Queries. Indig 2026 (n = 18.012 verifizierte ChatGPT-Citations) zeigt, dass 44,2 Prozent aller Citations aus den ersten 30 Prozent einer Seite stammen, Front-Loading ist damit der stärkste einzelne Rate-Treiber auf der Inhalts-Seite. Die Drei-Klassen-Einstufung der Preis-Faktor-Matrix (Kapitel 14.2) weist anhand der A- und B-Kriterien-Erfüllung eine Preis-Klasse zu; die Citation-Rate ist die erwartete Mess-Konsequenz dieser Einstufung, die im Phase-04-Regelkreis (Kapitel 11.5) nachgewiesen wird. Die Kriterien-Erfüllung ist der Einstufungs-Input, die Citation-Rate der Erwartungs-Output.

7.3Citation-Persistenz, die Zeit-Dimension

Die Citation-Persistenz misst, wie stabil eine Citation über Zeit und Modell-Updates bleibt. Der Markt-Befund dazu ist eindeutig: Semrush hat in einer 13-Wochen-Studie über mehr als 100 Millionen AI-Citations (Stand Oktober 2025) dokumentiert, dass die Reddit-Citations bei ChatGPT zwischen August und Mitte September 2025 von rund 60 auf rund 10 Prozent der Prompt-Antworten fielen, eine Verschiebung innerhalb weniger Wochen, die die Citation-Geometrie der betroffenen Prompt-Cluster strukturell veränderte. Scrunch (Industry-Research 2025/2026, 3,5 Millionen Citation-Events) belegt, dass Citation-Halbwertszeiten engine-, sektor- und quellentyp-spezifisch variieren; Profound dokumentiert eine Citation-Drift von bis zu 60 Prozent pro Monat zwischen Engines. Diese Zahlen haben eine methodische Konsequenz und eine Transparenz-Verpflichtung. Die Konsequenz: eine wöchentliche Mess-Kadenz pro Modell ist kein Überfluss, sondern die Mindest-Auflösung, die solche Verschiebungen überhaupt sichtbar macht; monatliche Reports können genau die Drift verfehlen, die das Mandats-Ergebnis bestimmt (Kapitel 16). Die Transparenz-Verpflichtung: Modell-Updates sind nicht deterministisch vorhersagbar, die Persistenz einer Citation ist deshalb Beobachtungs-Größe, nicht Prognose-Zahl. Jede Zusage einer garantierten Citation-Dauer ist methodisch unhaltbar.

7.4Citation-Qualität, die Inhalts-Dimension

Die Citation-Qualität misst, ob die Marke positiv, neutral oder negativ zitiert wird und ob die inhaltliche Wiedergabe vollständig ist. Sie zerfällt in drei Sub-Achsen. Die Sentiment-Achse erfasst, wie das Modell die Marke kontextualisiert, ob die Nennung kauf-fördernd, neutral oder kauf-abwehrend ausfällt. Sektor-strukturell bilden sich für jeden Operator wiederkehrende Negative-Keyword-Profile in den Antwort-Texten, die unabhängig vom einzelnen Prompt persistieren und damit eine messbare Tonalitäts-Geometrie erzeugen, die NB-Sektor-Erhebung April 2026 dokumentiert solche Profile pro Operator über die 4 gemessenen Engines hinweg. Methodisch tragend ist die Trennung von Visibility und Tonalität. Ein Topic mit hoher Citation-Frequenz kann eine systematisch negative Sentiment-Tonalität tragen, etwa wenn ein Operator in einer Negative-Keyword-Wolke (Beschwerde-Vokabular, Vertrags-Streit-Vokabular, Service-Defizit-Vokabular) prompt-unabhängig persistiert. Eine Visibility-Metrik allein kann diesen Fall nicht von einem positiven Citation-Cluster unterscheiden; eine separate Sentiment-Mess-Achse ist deshalb keine Verfeinerung, sondern Voraussetzung der Steuerbarkeit. In der Mandats-Praxis ist die Sentiment-Sub-Achse der erste diagnostische Hebel, an dem Compliance-Funktionen den Unterschied zwischen Marketing-Sichtbarkeits-Erfolg und reputations-relevanter Mess-Lage prüfen. Die Vollständigkeits-Achse prüft, ob Pflicht-Inhalte mit-zitiert werden: im DE-Telco-Sektor gehören dazu Mindestlaufzeit, 12-Monats-Alternative und Entschädigungs-Klausel nach Kapitel 13.5; fehlt eine dieser Angaben in der Modell-Antwort, ist die Citation rechtlich problematisch, selbst wenn sie frequenz-stark ist. Die Wettbewerbs-Kontext-Achse erfasst, mit welchen Mitbewerbern die Marke in derselben Antwort genannt wird und in welcher Reihenfolge, Brand-Surface in Zero-Click-Antworten als eigene Mess-Größe. Der empirische Anker ist dreifach: Yext (Search Experience Benchmark Q4 2025, 17,2 Millionen Citations) identifiziert Author-Entity-Disambiguation als Top-5-Selektionsfaktor, sie ist die technische Voraussetzung, dass ein Modell die richtige Marke zitiert, nicht eine namens-ähnliche; Ahrefs (Mentions-vs-Backlinks 2025, n ≈ 75.000 Marken) belegt, dass Marken-Nennungen ohne Link Brand-Recall-Effekte in LLM-Antworten erzeugen und deshalb einen eigenen Rest-Wert tragen (Grundlage der Mention-Buy-Klasse in Kapitel 14.2); Seer Interactive 2025 dokumentiert, dass rund 80 bis fünfundachtzig Prozent der AI-Overviews-Citations aus 2023–2025 stammen und Freshness damit eine Qualitäts-Dimension ist, kein Redaktions-Ornament. Die Qualität ist die sektor-sensibelste der drei Dimensionen: sie trägt im DE-Telco-Kontext den Berührungspunkt zur TKG-Pflichtangabe-Sichtbarkeit (Kapitel 13.5, Kapitel 14.5).

7.5Orthogonalität und operative Konsequenz

Die drei Dimensionen sind orthogonal, das heißt, eine Verschiebung auf einer Achse sagt nichts über den Zustand auf den beiden anderen voraus. Eine hohe Citation-Rate kann mit negativer Qualität einhergehen; eine hohe Persistenz kann auf einer niedrigen Rate liegen. Diese Orthogonalität ist der methodische Grund, sie nicht zu einer Zahl zu aggregieren: jede Gewichtung in einem Single-Score würde eine Austauschbarkeit behaupten, die in der Mess-Realität nicht besteht. Für die Mandats-Praxis folgt daraus eine Reporting-Logik mit drei separaten Achsen, engine-separiert und cluster-separiert, auf wöchentlicher Kadenz pro Modell. Die Prompt-Cluster sind die zweite Mess-Achse neben der Engine; sie umfassen 200 bis 400 kaufentscheidende Queries pro Sektor und Markt, aus Category-Research, Sales-Transkripten und Support-Tickets abgeleitet und quartalsweise nachgezogen. Die Preis-Kalibrierung aus Kapitel 14 nutzt primär die Rate-Dimension (Drei-Klassen-Einstufung) und die Qualität-Dimension (TKG-Sichtbarkeits-Modifier); die Persistenz-Dimension ist Gegenstand der Hypothesen-Validierung aus Kapitel 16 und des Phase-04-Regelkreises aus Kapitel 11. Die drei Dimensionen sind Arbeits-Hypothesen-Träger, keine gemessenen Punkt-Werte: ihre mandats-spezifische Nachkalibrierung ist Bestandteil der Phase 04, die Validierungs-Systematik ist in Kapitel 16 und Anhang B dokumentiert.

8.1Nutzer-Verteilung DE, beobachtete Verteilung, keine Rangliste

Die DE-Nutzungs-Verteilung über die 6 Engines ist nicht amtlich ausgewiesen und wird über drei Mess-Zugänge approximiert: Prompt-Korpus-Stichproben (SISTRIX Prompt-Research DACH 2025, 62 Mio. Fragen), Referral-Traffic-Analysen (Similarweb 2025 Generative AI Landscape, 2. Dezember 2025) und Anbieter-Selbstauskünfte zu Markt- oder Revenue-Größen. Keine dieser Quellen liefert DE-spezifische Engine-Marktanteile mit der Präzision klassischer Medien-Messung; die folgenden Verteilungs-Beobachtungen sind entsprechend als Stichproben-Muster zu lesen, nicht als Rangfolge. Im verfügbaren DE-Stichproben-Material tritt ChatGPT als die am häufigsten beobachtete Antwort-Quelle auf, gefolgt von Google AI Overviews (DE-Launch 26. März 2025) und Google Gemini. Perplexity zeigt überdurchschnittliches Wachstum und wurde im Oktober 2025 vom Perplexity-CEO als zweitgrößter Revenue-Markt der Engine benannt (Reuters, Oktober 2025). Microsoft Copilot und Claude treten im Consumer-Stichproben-Material seltener auf als die drei erstgenannten Engines, mit strukturell unterschiedlichen Schwerpunkten: Copilot stärker in Microsoft-365-Enterprise-Workflows, Claude stärker in API- und Long-Form-Recherche-Kontexten. Similarweb dokumentiert für die Consumer-AI-Tools global rund 1,1 Mrd. monatliche Visits und eine Referral-Conversions-Spanne zwischen 5 und 7 Prozent je nach Engine (Stand 2. Dezember 2025); eine DE-Aufschlüsselung dieser Zahlen wird nicht publiziert. Die Darstellung beschreibt, auf welche Retrieval-Schichten sich das DE-Antwort-Volumen im Sektor stichproben-basiert verteilt, keine Engine-Bewertung, keine Marktanteils-Angabe.

8.2Retrieval-Basis und Käufer-Persona

Die 6 Engines lassen sich nicht nur nach Reichweite, sondern auch nach ihrer Retrieval-Basis und ihrem dominanten Nutzer-Kontext unterscheiden. Die folgende Zuordnung ist strukturell beobachtend, nicht bewertend.

Zwei Asymmetrien sind für DE-Telco-Mandate relevant. Erstens: Bing-basierte Engines (ChatGPT, Copilot) teilen eine Retrieval-Basis, wer auf Bing sichtbar ist, ist es potenziell in beiden. Zweitens: Google-basierte Engines (Gemini, AI Overviews) teilen ebenfalls eine Basis, behandeln bezahlte Drittquellen-Platzierungen aber nach den Google-Quality-Rater-Guidelines strukturell mit reduzierter Trust-Gewichtung, der daraus folgende Preis-Abschlag wird in Abschnitt 8.3 operationalisiert.

8.3Modell-Blended-Faktor, von Reichweite zu Preis

Der Modell-Blended-Faktor übersetzt die Reichweiten-Verteilung und die engine-spezifische Advertorial-Handhabung in einen einzigen multiplikativen Preis-Faktor. Er ist die zweite Kalibrierungs-Ebene über der A-/B-Klassen-Logik des Einkaufs-Standards (Kap. 12) und der Drei-Klassen-Einstufung der Preis-Faktor-Matrix (Kap. 14). Die Arbeits-Hypothesen pro Engine (Stand April 2026) sind: ChatGPT 1,0×, Copilot 1,0×, Perplexity 0,95×, Claude 0,9×, Gemini 0,8×, Google AI Overviews 0,7× (NB-Retrieval-Untersuchung Claude Opus 4.6, April 2026). Die Zahlen sind Arbeits-Hypothesen aus dokumentierter Retrieval-Architektur plus Modell-Selbstauskunft, keine gemessenen Penalty-Werte; eine empirische Validierung ist nur über kontrollierten Prompt-Test möglich (Kap. 16).

Aus diesen Hypothesen ergeben sich drei Szenarien:

Die Formel für die Schluss-Rechnung einer Citation-Platzierung lautet:

final_price = list_price × kriterien_faktor × modell_blended_faktor

Die Wahl des Blended-Faktors ist eine Mandats-Entscheidung, die im Phase-00-Erstgespräch auf Basis der Engine-Priorisierung des Auftraggebers festgelegt wird. Sie ist keine Verhandlungs-Taktik, sondern eine aus Retrieval-Mechanik abgeleitete Preis-Herleitung.

8.3.1Aggregations-Disziplin, Drei Quellen, eine Regel

Die drei Szenarien-Werte aus Abschnitt 8.3 entstehen durch gewichtete Aggregation der Einzel-Engine-Werte zu einem einzigen skalaren Modell-Blended-Faktor. Die Aggregations-Disziplin, nach der diese Rechnung läuft, folgt drei methodischen Regeln.

Drei-Quellen-Mindest-Schwelle. Ein tragfähiger Modell-Blended-Faktor wird aus mindestens drei unabhängigen Inferenz-Quellen gebildet. Unter drei Quellen ist die Varianz zu hoch, einzelne Engine-Ausreißer verzerren das Ergebnis. Die 6 Engines aus Kapitel 9 erfüllen diese Schwelle strukturell; die Regel greift dort, wo ein Mandat nur eine Teilmenge der Engines priorisiert.

Unabhängigkeits-Klausel. Zwei Varianten desselben Modells zählen nicht als zwei unabhängige Engines. Verschiedene Anbieter, keine gemeinsame Modellgewichts-Basis, getrennte Trainings-Korpora. Sonst kollabieren die Einzel-Werte zu einem Ergebnis, das nur die Architektur eines Anbieters widerspiegelt.

Fallback-Regel bei Engine-Ausfall. Fällt in einer Mess-Welle eine Einzel-Engine aus oder antwortet sie nicht innerhalb des definierten Mess-Zeitfensters, wird ihr Einzel-Wert durch einen neutralen Teilwert ersetzt, nicht aus der Welle entfernt. Die Welle bleibt damit über alle Mess-Runden hinweg strukturell vergleichbar. Die Formel-Logik, das Mess-Zeitfenster pro Engine und der Worked Example zur Herleitung der 0,89× sind in Anhang B.5 dokumentiert.

8.4Volatilität, warum die Verteilung quartalsweise neu gemessen wird

Die Reichweiten-Verteilung ist kein stabiler Zustand. Die Semrush-13-Wochen-Studie über mehr als 100 Millionen AI-Citations (Stand Oktober 2025) dokumentiert, dass die Reddit-Citations bei ChatGPT zwischen August und Mitte September 2025 von rund 60 auf rund 10 Prozent der Prompt-Antworten fielen, eine Verschiebung, die in wenigen Wochen eintrat und die Citation-Geometrie der betroffenen Prompt-Cluster strukturell veränderte. Die NB-Retrieval-Untersuchung (April 2026) hat weitere Verschiebungen dokumentiert, unter anderem die Ausweitung der Google-AI-Overviews-Reichweite nach dem DE-Roll-out und die Anbindung von Perplexity an die Deutsche-Telekom-MagentaMoments-Plattform als Distributions-Hebel. Für die Mandats-Praxis folgt daraus eine quartalsweise Re-Messung der DE-Reichweiten-Verteilung und eine jährliche Re-Kalibrierung des Modell-Blended-Faktors, die Verteilung ist Mandats-Input, nicht Studien-Fakt.

8.5Operative Konsequenz

Der DE-Markt zerfällt aus Citation-Sicht in drei Retrieval-Basen (Bing, Google, eigene AI-Indizes), 6 Engines und eine Verteilung, die sich quartalsweise verschiebt. Die Konsequenz für die Mandats-Architektur ist nicht, alle 6 Engines gleich zu adressieren, sondern die Engine-Priorisierung als Mandats-Entscheidung zu führen und über den Modell-Blended-Faktor in die Preis-Kalibrierung zu überführen. Welche Engines im konkreten Mandat priorisiert werden, ist Gegenstand des Phase-00-Erstgesprächs und hängt von der Zielgruppen-Definition, der Produkt-Reichweite und der Engine-spezifischen Käufer-Persona ab. Kapitel 9 beschreibt die Engine-Struktur, in die diese Priorisierung eingeordnet wird; Kapitel 14 operationalisiert den Blended-Faktor in der Preis-Faktor-Matrix; Kapitel 16 beschreibt das kontrollierte Test-Design zur empirischen Validierung der Hypothesen aus Abschnitt 8.3; Anhang B.5 dokumentiert die Formel-Tiefe der Aggregations-Disziplin aus 8.3.1.

VertiefungEine eigenständige Sub-Studie zur Wirkungs-Pyramide mit Kanal-Mix und Modell-Szenario: Pyramide-Studie.

9.1Gegenstand und Abgrenzung

Generative Engine Optimization (GEO) befasst sich mit der Sichtbarkeit von Inhalten in Retrieval-Engines, in Systemen also, die auf Nutzer-Anfragen synthetisierte Antworten statt Trefferlisten liefern. Das Kapitel benennt die 6 Retrieval-Engines, die in Deutschland verfügbar sind und die der operative Teil der Studie (Kapitel 11–16) adressiert: ChatGPT (OpenAI, San Francisco, US), Microsoft Copilot (Microsoft, Redmond, US), Perplexity (Perplexity AI, San Francisco, US), Claude (Anthropic, San Francisco, US), Google Gemini und Google AI Overviews mit AI Mode (beide Google/Alphabet, Mountain View, US). Die Auswahl ist keine Markt-Rangliste, sondern eine Abgrenzung des Gegenstandsbereichs; andere generative Systeme (You.com, Brave Search, Mistral Le Chat, DeepSeek) werden in der Studie nicht beobachtet.

9.2DE-Verfügbarkeit

Alle 6 Engines sind in Deutschland regulär zugänglich. Die Launch-Zeitpunkte reichen von November 2022 (ChatGPT Web) bis Oktober 2025 (Google AI Mode). ChatGPT ist in Deutschland auf der offiziellen OpenAI-Supported-Countries-Liste geführt (Stand April 2026). Claude ist seit dem 14. Mai 2024 in Europa verfügbar, unter Einschluss deutscher Nutzer:innen (Anthropic, 14.05.2024). Perplexity war global von Beginn an zugänglich; der DE-Markt ist laut CEO-Angabe der zweitgrößte Revenue-Markt der Engine (Reuters, Oktober 2025). Eine Partnerschaft mit der Deutschen Telekom bündelt Perplexity Pro über das MagentaMoments-Programm. Microsoft Copilot entstand aus Bing Chat (Februar 2023) und wurde im November 2023 umbenannt; Microsoft 365 Copilot war zum gleichen Zeitpunkt allgemein verfügbar. Google Gemini ist der zu Februar 2024 umbenannte Bard-Dienst, der in Deutschland seit Juli 2023 als Bard verfügbar war. Google AI Overviews wurden am 26. März 2025 in Deutschland gestartet, AI Mode folgte am 7./8. Oktober 2025.

9.3Architektur-Dichotomie, Engine ≠ Bot

Eine Retrieval-Engine ist nicht identisch mit den Bots, die in ihrem Auftrag das Web durchlaufen. Typischerweise betreibt eine Engine mehrere Bots mit getrennten Funktionen, ein Training-Crawler sammelt Daten für das Foundation-Model-Training, ein Retrieval-Crawler füttert den Index, den die Engine zur Laufzeit abfragt, und ein User-Fetch-Agent besucht Seiten auf Nutzer-Anfrage. Die Trennung wird in Kapitel 10 operationalisiert.

Die 6 Engines lassen sich in zwei Architektur-Typen gliedern:

Gruppe I, dedizierte AI-Bot-Architektur umfasst ChatGPT, Claude und Perplexity. Diese Engines betreiben eigene Crawler-Infrastruktur mit separaten User-Agents für Training, Retrieval und User-Fetch. Die drei Funktionen sind über robots.txt einzeln adressierbar.

Gruppe II, Search-Index-gekoppelte Architektur umfasst Microsoft Copilot, Google Gemini sowie Google AI Overviews und AI Mode. Die AI-Retrieval-Schicht nutzt hier den bestehenden Suchmaschinen-Index, Bingbot bei Microsoft, Googlebot bei Google. Such-Index-Präsenz und AI-Antwort-Präsenz sind architektonisch gekoppelt; die Mechanismen zur Entkopplung sind dadurch eingeschränkt.

Welche Konsequenzen diese Dichotomie für Opt-out-Optionen und Bot-Compliance hat, beschreibt Kapitel 10.

9.4Mess-Konsequenzen der Architektur-Dichotomie, 4 Sub-Befunde

Die Trennung in Gruppe I und Gruppe II hat operative Mess-Konsequenzen, die im Industry-Research dokumentiert sind. 4 Sub-Befunde sind für die Mess-Apparatur eines Compliance-GEO-Mandats relevant.

Erstens, Fan-out-Verdoppelung in ChatGPT. Die durchschnittliche Wortzahl pro ChatGPT Query-Fan-Out hat sich zwischen Oktober 2025 und Januar 2026 von rund 6 auf rund 12 Wörter verdoppelt, mit einem einzelnen Wochen-Peak von rund 16 Wörtern. Die Anzahl der Fan-outs pro Prompt bleibt konstant zwischen 2,4 und 2,8, ChatGPT macht jeden einzelnen Sub-Search präziser, nicht mehr Sub-Searches. Datenbasis: 20 Millionen Query-Fan-Outs über Deutschland, Großbritannien, Singapur, Thailand und USA (Wells/Peec.ai, 12. Februar 2026). Operative Konsequenz für die Mess-Apparatur: Prompt-Cluster-Definitionen müssen mit längeren Fan-outs arbeiten, um Citation-Treffer abzubilden, die das Modell auf Sub-Search-Ebene generiert.

Zweitens, Engine-Citation-Rate-Benchmarks. Über mehr als eine Million harmonisierte AI-Citations dokumentiert Peec.ai (Wells, 27. Februar 2026) drei strukturell unterschiedliche Citation-Verteilungen pro Engine. ChatGPT zitiert großzügig: rund 31 Prozent der gemessenen URLs erreichen eine Citation-Rate von 2,0 oder höher und machen rund 59 Prozent aller Citations aus. Google AI Mode ist konservativ und konsistent: über 90 Prozent der URLs liegen unter Citation-Rate 1,0; Sweet-Spot-Empfehlung 1,1 bis 1,5. Perplexity konzentriert seine Citations stark: 64 Prozent der URLs werden nie zitiert, 6 Prozent machen rund die Hälfte aller Citations aus, mit Benchmark-Empfehlung 1,5 bis 2,0. Operative Konsequenz: ein Citation-Rate-Wert ohne Engine-Bezug ist methodisch nicht aussagekräftig. Die wöchentliche Mess-Kadenz aus Kapitel 7 muss engine-separiert geführt werden.

Drittens, English-Switch in nicht-englischen ChatGPT-Sessions. Bei nicht-englischen ChatGPT-Sessions führen 78 Prozent der Sessions mindestens einen englischen Sub-Search durch. 43 Prozent aller Fan-outs für nicht-englische Prompts werden auf englischer Web ausgeführt. Sprachen-spezifische Switch-Raten variieren von rund 60 Prozent (niedrigster gemessener Wert) bis rund 94 Prozent (höchster); keine non-englische Sprache liegt unter 60 Prozent. Datenbasis: 10 Millionen Prompts und 20 Millionen Query-Fan-Outs (Rudzki/Peec.ai, 12. Februar 2026). DACH-Konsequenz: eine deutsche Tarif-Vergleichs-Suche aus deutschem IP kann englische Vergleichsportal-Quellen als primären Citation-Layer bekommen, mit der Folge, dass die Antwort-Rangordnung deutsche Marktführer übergeht. Die Mess-Apparatur eines DE-Telco-Mandats muss englische Sub-Search-Treffer in der Citation-Auswertung mitführen.

4., Cross-Engine-Penalty als Folge der Gruppe-II-Kopplung. Der Grokipedia-Case (Anfang 2025) ist der erste dokumentierte Fall einer synchronen Citation-Reduktion über klassische Suche und AI-Search hinweg: Der AI-generated Wikipedia-Klon verlor seine Google-Visibility und parallel seine Citations in ChatGPT, AI Mode und AI Overviews, letztere drei grounden über Google. Originality.AI dokumentiert in einer 2024er-Studie zum Google-Spam-Update, dass 100 Prozent der von der Penalty betroffenen Seiten AI-generated Posts enthielten, bei der Hälfte zu 80 bis 90 Prozent (Rudzki/Peec.ai, 25. Februar 2026). Operative Konsequenz: die Trennung zwischen klassischer SEO-Penalty und GEO-Sichtbarkeit ist in Gruppe II (Microsoft Copilot, Google Gemini, Google AI Overviews/AI Mode) operativ teilweise illusorisch. Mandats-Entscheidungen, die die Inhalts-Integritäts-Linie aus Kapitel 19 (Code-of-Conduct) verletzen, beschädigen die GEO-Sichtbarkeit nicht weniger als die SEO-Sichtbarkeit.

10.1Drei Bot-Klassen

Compliance-GEO adressiert Retrieval-Engines über die einzelnen Bots, die in deren Auftrag das Web besuchen. Drei funktionale Klassen sind zu unterscheiden:

• A · Training-Crawler, sammelt Daten für das Foundation-Model-Training
• B · Live-Retrieval-Crawler (Search-Index-Crawler), füttert den Index, den die Engine zur Laufzeit abfragt
• C · User-initiierter Fetch, Engine besucht eine Seite spezifisch im Auftrag eines Nutzer-Prompts

Jede Klasse hat eine eigene robots.txt-Konsequenz und ein eigenes Opt-out-Profil.

10.2Gruppe I, dedizierte AI-Bot-Architektur

ChatGPT (OpenAI) betreibt drei publizierte Bots: GPTBot/1.1 (Training), OAI-SearchBot/1.0 (Retrieval), ChatGPT-User/1.0 (User-Fetch; in Server-Logs auch als Versionen 2.0 und 3.0 beobachtet). OpenAI hat im Dezember 2025 die Dokumentation dahingehend aktualisiert, dass ChatGPT-User nicht im gleichen Maße wie die beiden automatisierten Bots robots.txt-gebunden ist (OpenAI Help Center; Berichte: Search Engine Roundtable, 09.12.2025). GPTBot und OAI-SearchBot teilen Crawl-Ergebnisse, um Dopplungen zu vermeiden.

Claude (Anthropic) betreibt seit Februar 2026 drei formal getrennte Bots: ClaudeBot (Training), Claude-SearchBot (Retrieval, neu formalisiert), Claude-User (User-Fetch). Die Anthropic-Policy nennt für alle drei einheitlichen robots.txt-Respekt, ohne Ausnahme-Klausel für User-Fetches (support.anthropic.com/en/articles/8896518, Stand April 2026).

Perplexity betreibt zwei deklarierte Bots: PerplexityBot (Index-Crawler, nicht für Foundation-Training) und Perplexity-User (User-Fetch). Perplexity dokumentiert, dass Perplexity-User robots.txt-Direktiven ignoriert, sobald der Abruf von einer Nutzer-Anfrage ausgelöst wird (docs.perplexity.ai, Stand April 2026). Cloudflare hat Perplexity am 4. August 2025 als verifizierten Bot de-listed und Stealth-Crawling-Muster dokumentiert, Rotation von User-Agents und ASNs, die über die deklarierten Bot-Identitäten hinausgehen (blog.cloudflare.com, aktualisiert 29.01.2026). Perplexity widerspricht dieser Darstellung und verweist auf Drittanbieter-Traffic (BrowserBase). Die Darstellungen beider Seiten sind konfligierend.

10.3Gruppe II, Search-Index-gekoppelte Architektur

Microsoft Copilot stützt sich auf den Bing-Index. Bingbot/2.0 dient Bing-Suche und Copilot-Grounding gemeinsam; ein dedizierter AI-Training-Crawler ist nicht publiziert. Eine Blockade von Bingbot entfernt eine Website aus beiden Kanälen gleichzeitig. Ergänzend betreibt Microsoft Copilot Actions, eine agentische Browser-Funktion in Edge und auf copilot.com, die als reguläre Edge/Chromium-Session ohne dedizierten Bot-User-Agent und ohne HTTP-Signatur erscheint (HumanSecurity, 12.01.2026). Eine protokollbasierte Unterscheidung von menschlichem Edge-Traffic ist nicht möglich; Detection erfolgt heuristisch über Session-Muster.

Google trennt Training und Such-Index über zwei User-Agents: Google-Extended (seit September 2023; Dokumentations-Update April 2025) steuert die Verwendung von Inhalten für das Training und Grounding von Gemini und Vertex AI, Googlebot füttert den Such-Index. Auf die Präsenz in AI Overviews und AI Mode hat Google-Extended keinen Einfluss, diese Funktionen speisen sich aus dem Googlebot-Index. Für das Entfernen aus AI-Antworten stehen derzeit drei Optionen zur Verfügung, jede mit Nebenwirkungen: Blockade von Googlebot (entfernt gleichzeitig aus der Google-Suche), nosnippet oder max-snippet (wirkt auch auf klassische Suchergebnis-Snippets), Abwarten regulatorischer Entwicklungen.

10.4Regulatorische Dynamik

Am 28. Januar 2026 hat die britische Competition and Markets Authority (CMA) von Google Opt-out-Controls für AI-Search-Features verlangt. Google antwortete am selben Tag, man prüfe Aktualisierungen der Kontrollmechanismen, ohne Zeitplan (Search Engine Journal, 28.01.2026). Cloudflare publizierte am 30. Januar 2026 eine Stellungnahme mit dem Befund, dass die bestehenden Mechanismen Google-Extended und nosnippet in der Praxis nicht zuverlässig greifen: Kunden hätten trotz gesetzter Signale Inhalte in AI-Features wiedergefunden (blog.cloudflare.com/uk-google-ai-crawler-policy/, 30.01.2026).

10.5Methodische Implikation für Compliance-GEO

Die binäre robots.txt-Logik der SEO-Ära ist für GEO nicht ausreichend. Compliance-GEO unterscheidet drei Dimensionen und steuert sie getrennt:

• Training-Opt-out, einzeln steuerbar bei OpenAI (GPTBot), Anthropic (ClaudeBot) und Google (Google-Extended); bei Microsoft nicht publiziert; bei Perplexity mangels Foundation-Training nicht relevant
• Retrieval-Opt-out, in Gruppe I über robots.txt möglich; in Gruppe II nur über Blockade des gemeinsamen Such-Index-Crawlers, mit Verlust der Such-Präsenz als Nebenwirkung
• User-Fetch-Opt-out, bei Anthropic ohne Ausnahme respektiert, bei OpenAI seit Dezember 2025 offener formuliert, bei Perplexity offiziell nicht respektiert

Der operative Teil der Studie (Kapitel 11–16) leitet aus dieser Dreiteilung pro Website Konfigurations-Empfehlungen ab; der Einkaufs-Standard (Kapitel 12, Kriterien A 09 und A 10) prüft externe Dienstleister an derselben Dreiteilung.

11.1Phase 00 · Agent-Voraussetzungs-Check

Vor jedem Mandats-Start steht die Prüfung der technischen und strukturellen Voraussetzungen für Retrieval-wirksames Arbeiten im Zielmarkt. Drei Prüf-Gegenstände sind verbindlich. Erstens: Bot-Hygiene und robots.txt-Prüfung der Mandanten-Properties und der relevanten Publisher-Umgebung, fehlende oder sperrende Einträge für die marktrelevanten Crawler (GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Google-Extended und die weiteren in Kapitel 9 beschriebenen Agenten) machen nachgelagerte Phasen wirkungslos. Zweitens: Engine-Verfügbarkeit im Mandats-Markt, welche der 6 in Kapitel 9 beschriebenen Retrieval-Engines im Ziel-Markt mit welchem Stichproben-Gewicht wirksam werden. Drittens: Referenz-Baseline-Erhebung für die drei Mess-Dimensionen aus Kapitel 7, Citation-Rate, Citation-Persistenz und Citation-Qualität, separiert pro Engine und pro definiertem Prompt-Cluster. Ohne diese Baseline ist kein späterer Effekt einer Intervention sauber zuzuordnen.

Was sich in 7 Tagen messbar verschiebt. Phase 00 ist auf einen einwöchigen Arbeits-Block kalibriert, der ohne Mandats-Vertrag, ohne Publisher-Einkauf und ohne redaktionelle Intervention auskommt. Der Block liefert die Baseline, auf der jede spätere Phase aufsetzt, und produziert bereits selbst drei vorstands-fähige Mess-Größen. Erstens: eine Citation-Rate-Baseline über 4 bis 6 Engines mit einem Prompt-Sample von 80 bis 120 Tarif-Queries aus dem Ziel-Cluster, manueller Mess-Durchgang oder Tool-gestützt (Rankscale, Peec, Profound); Aufwand rund 6 bis 10 Stunden für Prompt-Kuratierung plus Mess-Durchlauf. Zweitens: Zählung des Aggregator-Anteils in den LLM-Antworten nach Citation-Kategorien (Vergleichsportal, Wettbewerber-Tarifseite, Fach-Publisher, Community) pro Engine und Cluster; Aufwand rund 4 bis 6 Stunden, automatisierbar ab der zweiten Mess-Runde. Drittens: eine A-Kriterien-Prüfung auf bestehende Advertorials als manueller Durchgang über die letzten 12 publizierten Platzierungen des Mandanten mit dem 8-teiligen A-Schema aus Kapitel 12.2; Aufwand rund drei bis 5 Stunden pro 12 Platzierungen. Diese drei Mess-Größen sind Inhouse-fähig, sie setzen keinen externen Beratungs-Rahmen voraus und liefern in einem Arbeits-Block das, was für einen Vorstands-Bericht in Wochen-Taktung genügt. Die Phase-00-Baseline ist kein Mandats-Bestandteil, sondern die Eintritts-Bedingung; sie kann Northbridge-extern erzeugt und in ein laufendes Mandat als Ausgangs-Zustand eingeführt werden.

11.2Phase 01 · Publisher-Identifikation und Quellenkarten-Aufbau

Auf den Voraussetzungs-Check folgt die sektor-spezifische Publisher-Identifikation. Die Logik ist Retrieval-first: welche Publisher treten in den Retrieval-Antworten der priorisierten Engines zu den relevanten Prompt-Clustern tatsächlich auf, welche werden in der Peer-Gruppe des Mandanten als Zitations-Träger beobachtet, und welche decken die Country-Specific-Grounding-Anforderung für den Mandats-Markt. Die Kandidaten-Liste durchläuft eine Vor-Prüfung gegen den Einkaufs-Standard aus Kapitel 12 auf A- und B-Klassen-Tauglichkeit; die Aufnahme in die Quellenkarte setzt die strukturelle Erfüllbarkeit mindestens der A-Klasse voraus. Die Quellenkarte dokumentiert Cluster-Zuordnung, Einkaufs-Standard-Vor-Prüfung und beobachtete Retrieval-Präsenz je Engine, sie ist die Arbeits-Grundlage für Phase 02 und wird an der Phase-04-Messung regelmäßig nachgezogen.

Sektor-Cluster der Publisher-Identifikation im DE-Telco-Mandat. Die Publisher-Identifikation gliedert die Kandidaten in sektor-strukturelle Cluster, die im NB-Publisher-Research Telco-DACH und im NB-Sektor-Dossier Telco als Sektor-Inventar-Karte vorliegen. Drei Cluster sind in der Phase 01 für DE-Telco-Mandate methodisch tragend. Erstens, der Tarif-Vergleichs-Cluster mit aggregator-dominierter Retrieval-Geometrie über die marktführenden DE-Tarif-Vergleichs-Plattformen; diese Aggregatoren sind in der Phase 01 als Wettbewerbs-Realität zu mappen, nicht als Einkaufs-Kandidaten, sie produzieren strukturell Eigen-Content und bieten kein Advertorial-Inventar. Zweitens, der Reputations-Cluster mit Netztest-Publikationen wie connect, CHIP, ComputerBILD, SMARTPHONE Magazin, Stiftung Warentest sowie crowd-sourced Mess-Ressourcen wie Tutela und opensignal und der Behörden-Messung der Bundesnetzagentur; diese Publikationen dominieren Reputations-Queries ("Welches Netz ist am zuverlässigsten") und werden in der Phase 01 als Test-URL-Slot-Kandidaten aufgenommen, die jährlichen Test-Subsektionen einer Domain tragen ein höheres Trust-Gewicht als generische News-URLs derselben Domain. Drittens, der Festnetz- und Glasfaser-Cluster als aggregator-schwaches Feld mit spezialisierten DSL- und Glasfaser-Vergleichs-Ressourcen plus die staatlichen Verfügbarkeits-Layer des BMDV; dieser Cluster ist die größte offene Flanke für Netzbetreiber-Publisher-Arbeit in DE und bildet die natürliche Phase-01-Anschluss-Stelle für integrierte Netzbetreiber-Portfolios mit Festnetz- und Glasfaser-Ausbau.

11.3Phase 02 · Publisher-Vertragsgestaltung und Einkaufs-Abrede

Phase 02 ist die vertragliche Verankerung des Einkaufs-Standards. Sie beschreibt methodisch, welche Inhalte in der Publisher-Abrede Platz finden müssen, damit die Schluss-Rechnungs-Logik aus Kapitel 14 greift; sie ist keine Rechts-Empfehlung, sondern die methodische Kopplung von Mess-Kriterien an Vertrags-Mechanik. Die Phase ist in drei Unter-Schritte aufgegliedert, die der Zwei-Ebenen-Verantwortungs-Trennung aus Kapitel 12.1.1 folgen.

Phase 02.1 · Publisher-Pool-Vorprüfung (vor Buchung). Die drei Domain-Policy-Kriterien des Einkaufs-Standards, A 03 Domain-Reputation, A 05 Paywall-Status, A 06 Bot-Policy, werden auf der Publisher-Domain einmalig geprüft und in eine Publisher-Pool-Liste übernommen. Re-Validierung quartalsweise. Publisher, die in dieser Vorprüfung nicht bestehen, werden nicht beauftragt; die Vorprüfung erzeugt keine Rechnungs-Konsequenz, weil die Policy außerhalb des Briefing-Rahmens liegt. Aus dem Pool wird pro Mandat gebucht.

Phase 02.2 · Platzierungs-Buchung. Der konkrete Beitrag wird mit dem Publisher gebucht. 4 Vertrags-Elemente sind konstitutiv: erstens die Kopplung der Schluss-Rechnung an den Nachweis erfüllter A- und B-Kriterien aus Kapitel 12, operationalisiert durch die Drei-Klassen-Einstufung der Preis-Faktor-Matrix aus Kapitel 14.2 mit der Briefing-FAIL-/Vorprüfungs-FAIL-Differenzierung; zweitens die URL-Persistenz über mindestens 12 Monate als Mess-Voraussetzung für Citation-Persistenz nach Kapitel 7.3 (entsprechend A 07); drittens die verbindliche Zuordnung einer Kennzeichnungs-Variante aus dem V01-bis-V06-Inventar der Kapitel 13, inklusive der im DE-Telco-Sektor orthogonalen TKG-Pflichtangaben-Schicht aus Kapitel 13.5; 4. die Phase-02-Inventar-Dokumentation, die jede Buchung, den gewählten Publisher, die gewählte Variante und die vereinbarte Kriterien-Liste transparent festhält, als Grundlage für das spätere Reporting und für die in Kapitel 12.5 beschriebene Beweislast-Dokumentation gegenüber der Entgelt-Vermutung nach § 5a Abs. 4 Satz 2 UWG.

Phase 02.3 · Briefing-Verifikation (vor Schluss-Rechnung). Nach Veröffentlichung wird der publizierte Beitrag nach dem Stufe-02-Workflow aus Kapitel 12.4 (URL und DOM-Kennzeichnung, Indexier-Status, Schema und Byline, Wortzahl-Hooks-Front-Loading, Outbound-Links und Persistenz) verifiziert. Bei Briefing-FAIL (FAIL bei A 01, A 02, A 04, A 07 oder A 08) wird die Schluss-Rechnung gekürzt; bei vollständiger Einhaltung wird zur Einstufung nach 14.2 fakturiert. Die redaktionelle Umsetzung der vertraglich festgelegten Variante erfolgt erst in Phase 03; Phase 02 legt ausschließlich die Bindungs-Form und die Verifikations-Mechanik fest.

11.4Phase 03 · Redaktions-Standard und Publikation

Phase 03 setzt die Zusagen aus Phase 02 redaktionell um. Die operative Substanz ist in Kapitel 15 ausgeführt: 6 Schichten, Datumslogik, Disclaimer-Struktur, Geltungsräume, Quellen-Priorisierung, Ausnahmebehandlung, Country-Specific Grounding, werden pro Publikation kumulativ geprüft; Front-Loading nach B-Kriterium 05 und Definitive Sprache nach B-Kriterium 06 flankieren die Schichten als retrieval-wirksame Redaktions-Hebel. Die in Phase 02 gewählte Kennzeichnungs-Variante wird an der publizierten Stelle sichtbarkeits-seitig umgesetzt und geprüft, im DE-Telco-Kontext einschließlich des sektor-spezifischen Sichtbarkeits-Checks für TKG-Pflichtangaben aus Kapitel 14.5. Der Drei-Punkt-Freigabe-Ablauf aus Kapitel 15.3 (redaktionelle Erst-Freigabe, Compliance-Freigabe, Publisher-Freigabe) ist die operative Schnittstelle; erst nach allen drei Freigaben wird publiziert. Phase 03 ist damit die einzige Phase, in der tatsächlich Inhalte entstehen, alle anderen Phasen bereiten sie vor oder werten sie aus.

11.5Phase 04 · Reporting und Regelkreis

Phase 04 schließt den Zyklus. Die wöchentliche Mess-Kadenz aus Kapitel 7 wird auf die drei Dimensionen ausgeführt: Citation-Rate (Share of Model Voice pro Prompt-Cluster), Citation-Persistenz (Stabilität über Mess-Wellen pro Engine) und Citation-Qualität (Sentiment, Vollständigkeit der Pflichtangaben, Wettbewerbs-Kontext). Das Reporting ist engine-separiert und cluster-separiert; eine Aggregation zu einer einzigen Zahl ist methodisch ausgeschlossen (Kapitel 7.5). Auf Basis dieser Messung läuft der Regelkreis: die Hypothesen-Validierung aus Kapitel 16 liefert pro Quartal zwei bis drei kontrollierte Tests; die kumulierten Ergebnisse gehen halbjährlich in eine Nachkalibrierung der Arbeits-Hypothesen aus Kapitel 8.3, 12.3, 14.2 und 15.1 zurück. Eine Re-Messung nach mindestens 4 Mess-Wellen mit Seasonality-Korrektur zeigt den Effekt einer einzelnen Intervention. Die Phase ist nicht Abschluss, sondern Dreh-Punkt: sie rückverschiebt die Baseline für den nächsten Mandats-Zyklus.

Wöchentliche Dashboard-Lesart als Daten-Vorstufe des Regelkreises. Die wöchentliche Mess-Kadenz trägt gleichzeitig eine inhouse-operative Dashboard-Lesart mit einer Taktfrequenz von 7 Tagen (Abschnitt 7.7). Dashboard-Lesart und Mandats-Regelkreis arbeiten komplementär: die Dashboard-Lesart gibt dem Inhouse-Team die Wochen-Sichtbarkeit auf Citation-Share, Persistenz und Publisher-Stabilität, der Mandats-Regelkreis integriert die aggregierten Befunde im Quartals- und Halbjahresrhythmus in die Nachkalibrierung der Arbeits-Hypothesen. Die Dashboard-Lesart ist nicht Ersatz, sondern Daten-Vorstufe des Regelkreises. Die wöchentliche Kadenz ist nicht Beratungs-Komfort, sondern Mindest-Auflösung: die in Kapitel 7.3 dokumentierte Citation-Drift bis zu 60 Prozent pro Monat zwischen Engines (Profound Industry-Research) sowie die Reddit-Citation-Verschiebung in der Semrush 13-Wochen-Studie (Oktober 2025) zeigen, dass monatliche Reports genau die Drift verfehlen können, die das Mandats-Ergebnis bestimmt. Details zu Dashboard-Metriken, Trigger-Schwellen und Rollen-Zuordnung sind in Anhang B.7 dokumentiert.

11.6Operative Konsequenz

Die methodische Pointe der 5-Phasen-Architektur liegt in der strikten Trennung von Vertrag (Phase 02) und Redaktion (Phase 03) bei gleichzeitiger Kopplung beider an die Mess-Infrastruktur aus Kapitel 7. Ohne diese Kopplung bleibt die Schluss-Rechnungs-Logik Agentur-Konvention statt Methodik; ohne die Trennung verschwimmen vertraglich vereinbarte Prüf-Mechanik und redaktionelle Erfüllung in einer Grau-Zone, die nicht mehr sauber belegbar ist. Der Tool-Stack, mit dem die Phasen operativ unterstützt werden, ist in Anhang C dokumentiert.

12.1Warum Verifikation vor Bezahlung der einzige Hebel ist

Nach Veröffentlichung sind Korrekturen am URL-Pfad, an der DOM-Kennzeichnung, an der Schema-Auszeichnung oder an der Byline gegenüber dem Publisher praktisch nicht durchsetzbar. Ein Publisher, der ein Advertorial unter einem /sponsored/-Pfad ausgespielt hat, wird diesen Pfad nach der Freigabe der Rechnung nicht mehr ändern. Die einzige Durchsetzungs-Mechanik, die in der Praxis zuverlässig funktioniert, ist die Kopplung der Schluss-Rechnung an den Nachweis erfüllter Kriterien. Deshalb läuft der Verifikations-Workflow vor jeder Schluss-Rechnung, nicht danach, und deshalb ist die Preis-Kopplung der eigentliche Rechtshebel, nicht der Advertorial-Vertrag selbst. Die Integration dieses Hebels in die Publisher-Abrede ist Gegenstand der Phase-02-Vertragsgestaltung (Kapitel 11.3).

Der Einkaufs-Standard ist nach gegenwärtigem Substanz-Stand als methodische Maßnahme konzipiert, nicht als unmittelbar rechtlich zwingende Umsetzung der Lieferketten-Pflicht aus § 165 Abs. 2a Nr. 4 TKG. Die Lieferketten-Pflicht des TKG setzt Art. 21 Abs. 2 lit. d und Abs. 3 NIS-2-Richtlinie um und verlangt Sicherheits-Maßnahmen in den Beziehungen zu unmittelbaren Anbietern und Diensteanbietern. Ob LLM-Anbieter ohne direkte Vertragsbeziehung zum Telco unter den Begriff "unmittelbare Anbieter oder Diensteanbieter" fallen, ist nach herrschender Auslegung zu verneinen, der Durchführungsrechtsakt (EU) 2024/2690 vom 17. Oktober 2024 erfasst nach Art. 1 keine Telco-Anbieter, und die ENISA Technical Implementation Guidance vom 26. Juni 2025 adressiert Telco ebenfalls nicht. Eine erweiternde Lesart bei aktivem LLM-Einsatz durch den Telco (eigene Chatbots, Shop-Integration) ist in der Sekundärliteratur vertretbar, aber Stand April 2026 nicht abschließend geklärt. Der Einkaufs-Standard positioniert sich deshalb primär methodisch: Er operationalisiert Lieferanten-Sorgfalts-Prüfung unabhängig davon, ob die regulatorische Lieferketten-Pflicht im Einzelfall greift, und geht bei direkter LLM-Vertragsbeziehung in den regulatorischen Anwendungsbereich über. Die ausführliche Einordnung der beiden Auslegungs-Linien mit den relevanten europarechtlichen und nationalen Fundstellen findet sich in Kapitel 3.1. Von der Vernachlässigbarkeits-Klausel nach § 28 Abs. 3 BSIG bleibt die Telco-Kern-Tätigkeit unberührt; sie wird nach § 28 Abs. 1 Satz 1 Nr. 3 BSIG ohne Schwellen-Vorbehalt erfasst. Die Klausel ist für die Einkaufs-Standard-Positionierung daher nicht einschlägig. Die Auslegungs-Offenheit der erweiternden Lesart bleibt Gegenstand der juristischen Validierung (Kapitel 24).

12.1.1Zwei Verantwortungs-Ebenen

Die 18 Kriterien verteilen sich auf zwei Ebenen, die unterschiedlichen Verantwortlichkeiten und unterschiedlichen Eskalations-Mechaniken folgen. Die Trennung folgt aus der Publisher-Akzeptanz-Prüfung: Qualitäts-Publisher akzeptieren Durchsetzungs-Ansprüche nur in Bereichen, die im Einfluss-Bereich des Einzel-Auftrags liegen. Domain-Policy-Entscheidungen (robots.txt, Paywall-Architektur, Domain-Reputation) sind strategische Publisher-Entscheidungen außerhalb der Einzel-Auftrags-Verhandlung. Die Trennung ist keine methodische Abschwächung, sondern Präzisierung der Durchsetzungs-Mechanik.

Ebene 01, Publisher-Vorprüfung (vor Buchung). Drei Kriterien entscheiden auf Domain-Policy-Ebene und gelten unabhängig vom einzelnen Beitrag: A 03 Domain-Reputation, A 05 Paywall-Status, A 06 Bot-Policy. Sie sind go/no-go, erfüllt ein Publisher sie nicht, wird der Beitrag nicht gebucht. Re-Validierung quartalsweise. Keine Rechnungs-Konsequenz nach Buchung, weil diese Kriterien nicht zum Briefing-Rahmen gehören.

Ebene 02, Briefing-Einhaltung (vor Schluss-Rechnung). 15 Kriterien liegen im Einfluss-Bereich des Publishers für den konkreten Beitrag: A 01, A 02, A 04, A 07, A 08 plus B 01 bis B 10. Hält der Publisher das Briefing ein, wird die Schluss-Rechnung zur vollen Einstufung nach der Preis-Faktor-Matrix fakturiert. Briefing-FAILs sind nach Veröffentlichung in der Regel nicht reparierbar und führen zur Rechnungs-Kürzung.

Die Leitlinie ist operativ: Jedes Kriterium liegt im Einfluss-Bereich eines klar benannten Partners. Wer sich an das Briefing hält, hat keine Nachteile zu erwarten. Policy-Entscheidungen, die außerhalb des Einzel-Auftrags-Einfluss-Bereichs liegen, entscheiden vor der Buchung über Nicht-Buchen, nicht nach der Buchung über Rechnungs-Kürzung. Der Verifikations-Workflow folgt dieser Trennung in zwei Stufen (Unterabschnitt 12.4).

12.2Die 8 A-Kriterien, Eligibility, binär

Die 8 A-Kriterien prüfen Eigenschaften, die zuvor aus der publizierten Platzierung extrahiert wurden. Die Extraktions-Schicht ist die technische Brücke zwischen der Platzierung und der binären Kriterien-Bewertung: URL-Pfad-Struktur (für A 01 und A 07), DOM-Kennzeichnung im Header-Bereich (A 02), Meta- und Canonical-Tags aus der Page-Source (A 04), Schema-Markup-Validierung (B 02, flankierend), Paywall- und Bot-Policy-Abruf auf Domain-Ebene (A 05, A 06), Outbound-Link-Struktur (A 08). Die Extraktion läuft maschinell über HTTP-Abruf, DOM-Parser, Schema-Validator und Text-Analysator. Sie ist Voraussetzung sowohl der Mandats-Verifikation aus 12.4 als auch der Inhouse-Lesart aus 12.5.1. Die extrahierten Deskriptoren sind die Eingangs-Daten jeder Kriterien-Bewertung; ohne saubere Extraktion ist die Eligibility-Prüfung nicht belastbar, unabhängig vom gewählten Anwendungs-Modus.

Die A-Klasse prüft, ob eine Platzierung im Kandidaten-Set der 6 Retrieval-Engines überhaupt indexierbar, crawlbar und redaktionell klassifiziert ist. Jedes Kriterium ist ein binärer Filter; FAIL bedeutet Disqualifikation, unabhängig vom Preis, vom Publisher-Namen und von der inhaltlichen Qualität. Drei Kriterien (A 03, A 05, A 06) gehören zur Publisher-Vorprüfung vor Buchung; die übrigen 5 (A 01, A 02, A 04, A 07, A 08) zur Briefing-Einhaltung vor Schluss-Rechnung.

Die DOM-Kennzeichnungs-Präzisierung in A 02 trennt zwischen textlicher Inline-Kennzeichnung (zulässig, rechtlich nach § 5a Abs. 4 UWG erforderlich, retrieval-neutral) und Advertorial-Template (disqualifizierend, weil Engine-Klassifikation als Werbe-Inhalt). Diese Differenzierung deckt die Befunde aus der Retrieval-Untersuchung Claude Opus 4.6 (April 2026) ab, in der die Variante V02 (textliche Kennzeichnung unter Headline, ohne DOM-Template) als Zielkorridor identifiziert ist; die Variante V05 (visuell korrekt, aber mit /advertorial/-URL und fehlendem Schema) bleibt als Briefing-Verifikations-Fall, der vor der Schluss-Rechnung erkannt wird. Die Bot-Policy-Verschiebung in A 06 reflektiert die Beobachtung aus dem Publisher-Research Telco DACH, dass mehrere DE-Publisher Bot-Blockaden strategisch einsetzen; diese Domain-Policy-Entscheidungen werden vor der Buchung identifiziert, nicht pro Beitrag verhandelt. Die A-07-Reduktion auf 12 Monate berücksichtigt CMS-Migrations-Intervalle und Redesign-Frequenzen der DE-Fachmedien; die zweite Hälfte des Zwei-Jahres-Fensters liefert nach Indig 2026 überproportional wenig zusätzlichen Citation-Lift bei überproportional hohem Zusagen-Risiko.

Die saubere Trennung zwischen rechtlich vorgeschriebener Werbe-Kennzeichnung (UWG § 5a Abs. 4, MStV § 22) und technischer Retrieval-Klassifikation ist Gegenstand von Kapitel 13. Konformität und Eligibility schließen sich nicht gegenseitig aus, sie werden separat operationalisiert.

12.3Die 10 B-Kriterien, Lift, graduell

Die B-Klasse bestimmt den Citation-Lift, sobald die A-Klasse vollständig erfüllt ist. Alle 10 Kriterien gehören zur Briefing-Einhaltung, sie liegen im Einfluss-Bereich des Publishers für den Einzel-Beitrag und werden vor der Schluss-Rechnung verifiziert. Die Kriterien wirken additiv; jedes zusätzlich erfüllte Kriterium erhöht die Citation-Wahrscheinlichkeit pro Engine, ohne dass ein einzelnes Kriterium allein über die Eignung entscheidet. Die empirische Basis stammt aus drei Mess-Schichten: der akademischen Retrieval-Forschung (Aggarwal et al. KDD 2024, Indig 2026), den Industry-Studien zur Citation-Struktur (Profound, Ahrefs 2025, Seer Interactive 2025) und der Yext-Q4-2025-Analyse zur Author-Entity-Disambiguation.

Die 10 B-Kriterien prüfen Merkmale, die aus klassischer SEO-Hygiene bekannt sind; die Abgrenzung zu SEO liegt in Ziel-Größe und Mess-Modus (Kapitel 1).

Was die B-Kriterien nicht sind: klassische On-Page-SEO. Mehrere B-Kriterien (Byline, Schema-Markup, Substanz-Länge, Front-Loading) tauchen in SEO-Audits ebenfalls auf, aber unter anderer Optimierungs-Logik. Der Unterschied ist strukturell, nicht graduell: Klassische On-Page-SEO optimiert die Reihenfolge einer Seite in einer Suchergebnis-Liste (Ranking auf Domain-Ebene); Compliance-GEO optimiert die Extrahierbarkeit einzelner Passagen als zitierbare Chunk-Einheit und ihre Retrieval-Wahrscheinlichkeit pro Engine (Chunk-Ebene). Derselbe Fachartikel mit identischem Title-Tag und identischem Schema wird in SEO gleich bewertet, unabhängig von Paywall-Status, Pflichtangaben-Position und Chunk-Granularität; für das Retrieval-Verhalten sind genau diese drei Eigenschaften entscheidend. Die B-Kriterien übersetzen diese Retrieval-Mechanik in prüfbare Einkaufs-Anforderungen, nicht in Ranking-Faktoren.

Bei B 01 ist die redaktionelle Endverantwortung von der Urheberschafts-Frage zu trennen. Eine enge Lesart ("tatsächlicher Redakteur, kein Gastbeitrag") stünde in Konflikt mit Pressekodex Ziffer 7 (Trennung Redaktion/Werbung), weil ein Redakteur seinen Namen nicht unter einen Text setzen sollte, den er nicht geschrieben hat. Die hier geführte Lesart spiegelt die tatsächliche Publisher-Praxis: Agentur- oder Kunden-Vorarbeit durchläuft redaktionelle Prüfung, Überarbeitung und Substanz-Validierung durch den bylined Autor, der dann die Endverantwortung trägt. Damit bleibt die journalistische Ethik gewahrt und die retrieval-relevante Author-Disambiguation als Selektions-Funktion erhalten. Bei B 02 wird auf eine Standard-Vorgabe für Schema-Subtypen verzichtet; bei bezahlten Inhalten erwartet Google Schema-Wahrheit, und die Wahl zwischen Article, NewsArticle oder AdvertiserContentArticle bleibt eine Publisher-interne Compliance-Entscheidung mit Risiko-Wirkung auf die gesamte Domain. Die retrieval-relevante Vorgabe bleibt das vollständige Markup mit author, publisher, datePublished, dateModified.

12.4Der zweistufige Verifikations-Workflow

Der Workflow folgt der Verantwortungs-Trennung. Stufe 01 klärt vor der Buchung, ob der Publisher auf Domain-Ebene die Voraussetzungen erfüllt, ein FAIL bedeutet Nicht-Buchen, keine Rechnungs-Konsequenz. Stufe 02 prüft nach Veröffentlichung, vor Bezahlung, ob der Publisher das Briefing eingehalten hat, ein FAIL führt zu Nachbesserung oder Rechnungs-Kürzung nach der Preis-Faktor-Matrix. Nach Veröffentlichung sind Anpassungen am Pfad oder an der Kennzeichnung gegenüber dem Publisher kaum noch durchsetzbar; der Hebel ist die offene Rechnung.

Stufe 01, Publisher-Vorprüfung · vor Buchung

Stufe 01 wird einmalig pro Publisher durchgeführt und quartalsweise re-validiert. Sie erzeugt eine Publisher-Pool-Liste, aus der pro Mandat gebucht wird. Bei FAIL in einem der 4 Schritte wird der Publisher nicht in den Pool aufgenommen oder herausgenommen; rückwirkende Rechnungs-Konsequenzen sind in dieser Ebene ausgeschlossen.

Stufe 02, Briefing-Verifikation · vor Schluss-Rechnung

Der Workflow ist bewusst ohne Tool-Abhängigkeit formuliert. Stufe 01 verlangt nur einen Browser und eine Kommandozeile, Stufe 02 zusätzlich den öffentlichen Google Rich Results Test, Lese-Kompetenz und Vertrags-Einsicht. Anhang C beschreibt den erweiterten Tool-Stack, der die Verifikation in Mandats-Skalierung effizienter macht; die Basis-Verifikation bleibt davon unberührt. Verantwortungs-Klarstellung: Stufe 01 führt bei FAIL zum Nicht-Buchen und schützt den Publisher vor rückwirkender Rechnungs-Kürzung; Stufe 02 koppelt Briefing-Einhaltung an Rechnungs-Anerkennung.

12.5Operative Regel und Brücke zur Preis-Faktor-Matrix

Ein Briefing-FAIL macht die Platzierung wertlos und ist nach Buchung nicht reparierbar. Ein Vorprüfungs-FAIL verhindert die Buchung; eine Rechnungs-Konsequenz entsteht in dieser Ebene nicht, weil die Policy außerhalb des Briefing-Rahmens liegt. Ein fehlendes B-Kriterium reduziert den Lift, nicht die Eignung. Aus dieser Asymmetrie folgt die Priorisierung: Stufe 01 läuft vor Buchung, Stufe 02 vor Schluss-Rechnung; ein Premium-Platz in einem Leit-Medium mit einem /sponsored/-Pfad ist wertlos; ein Fach-Publisher mit redaktionellem Pfad, aber unvollständiger B-Klasse ist nachbesserungsfähig.

Daraus ergibt sich die in Kapitel 14.2 beschriebene Drei-Klassen-Einstufung der Schluss-Rechnung mit zwei differenzierten FAIL-Zeilen:

Die Operative Regel: FAIL in der Briefing-Einhaltung ist Grund zur Rechnungs-Kürzung; FAIL in der Publisher-Vorprüfung verhindert die Buchung. Diese Kopplung ist der eigentliche Unterschied zur Media-Agentur-Logik: Northbridge fakturiert nicht für gekaufte Reichweite, sondern für erfüllte Kriterien, und hält den Publisher nur für das verantwortlich, was im Einfluss-Bereich des Einzel-Auftrags liegt.

Ein methodischer Neben-Effekt der Dokumentations-Dichte aus Phase 02 ist die Beweislast-Sicherung gegenüber der Entgelt-Vermutung nach § 5a Abs. 4 Satz 2 UWG. BGH I ZR 35/21 vom 13. Januar 2022 (Influencer III) hat die Vermutung und die Widerlegungs-Last des Werbenden bestätigt: Zur Entkräftung muss glaubhaft gemacht werden, dass keine Gegenleistung für die Äußerung erhalten wurde. Die dokumentierte Einkaufs-Standard-Kette, Phase-02-Inventar-Einkauf mit transparenter Aufschlüsselung der Buchungen, der Publisher-Abrede und der Preis-Kopplungs-Mechanik, ist nach gegenwärtigem Substanz-Stand eine geeignete Form der Beweislast-Sicherung für den Telco-Mandanten gegenüber Wettbewerbs- und Verbraucher-Anspruchstellern; sie ersetzt keine Einzelfall-Würdigung im Streitfall, macht sie aber dokumentarisch belegbar.

Der Einkaufs-Standard adressiert die Kriterien, die in der publizierten Platzierung technisch prüfbar sind. Er deckt nicht alle Schichten ab, die in einem Telco-Mandat zwischen Marketing-Bestellung und Compliance-Freigabe entschieden werden. 6 operative Schichten, Datumslogik, Disclaimer-Struktur, Geltungsräume, Quellen-Priorisierung, Ausnahmebehandlung, Country-Specific Grounding, wirken an den Schnittstellen zu TKG, EECC, DSA, GDPR und DORA und gehören in die Verifikations-Routine mit. Kapitel 15 operationalisiert sie im Phase-03-Redaktions-Standard; Kapitel 21 spiegelt sie auf die Zwei-Rollen-Perspektive.

12.5.1Inhouse-Lesart · Die 18 Kriterien als internes Audit-Tool

Die 18 Kriterien sind als NB-Einkaufs-Standard für Mandats-Arbeit formuliert, tragen aber ohne NB-Mandat als internes Audit-Tool für Inhouse-Teams mit eigener Content-Offensive oder eigenem Advertorial-Einkauf. Die Inhouse-Anwendung nutzt dieselbe Kriterien-Struktur in zwei Modi.

A-Kriterien als Vorprüfungs-Gate vor Advertorial-Einkauf. Bevor ein Publisher gebucht wird, läuft die geplante Platzierung durch die 8 binären A-Kriterien. A-FAIL in der Vorprüfung verhindert die Buchung. Das Inhouse-Team braucht dafür keine NB-Beziehung und keine zusätzliche Infrastruktur, nur die Checkliste selbst (im Einkaufs-Standard-Dokument unter Creative Commons BY-ND frei verfügbar).

B-Kriterien als Qualitätskontrolle laufender Publikationen. Bestehende Content-Offensive-Artikel oder Advertorials im Inventar werden gegen die 10 graduellen B-Kriterien gescannt. Fehlende B-Eigenschaften werden als Optimierungs-Backlog dokumentiert. Der Scan ist manuelles oder teilautomatisiertes Self-Assessment, ohne Verhandlungs-Komponente gegenüber Publishern.

Die Inhouse-Lesart hat drei Grenzen. Erstens, die Preis-Faktor-Matrix aus Kapitel 14 wirkt als Vertrags-Hebel nur, wenn Preis-Kopplung Teil der Publisher-Abrede ist (Phase 02, Kap. 11.3); ohne vertragliche Verankerung bleibt die Matrix reine Bewertungs-Skala. Zweitens, die Audit-Kette aus Kapitel 12.6 setzt dokumentierte Log-Infrastruktur voraus, die im Inhouse-Standard-Setup selten vorhanden ist. Drittens, die Phase-00-Baseline-Messung über 6 Engines setzt einen Mess-Tool-Stack voraus, den die meisten Inhouse-Teams in Teilform betreiben.

Die Inhouse-Lesart ist damit die Einstiegs-Variante, die ein Team innerhalb der ersten 90 Tage ohne externe Beratung operationalisieren kann. Die Mandats-Lesart ist die Vollversion, die Preis-Kopplung, Audit-Kette und Vollmess-Stack hinzufügt. Beide nutzen dieselben 18 Kriterien als Kern, aber in unterschiedlicher operativer Tiefe. Die SEO-Abgrenzung aus Kapitel 1 gilt auch im Inhouse-Modus: die B-Kriterien sind keine SEO-Checkliste, auch wenn sie ohne NB-Mandat angewandt werden.

12.6Audit-Kette · Nachweisbare Freigabe-Historie

Die in Abschnitt 12.5 genannte dokumentierte Einkaufs-Standard-Kette wird erst dann zur belastbaren Beweislast-Grundlage, wenn ihre Manipulations-Resistenz über Zeit gesichert ist. Eine Prosa-Dokumentation allein trägt nicht; sie ist rückwirkend anpassbar. Die Audit-Kette ergänzt die Dokumentation um drei technische Bausteine, die gemeinsam eine nachträgliche Änderung der Freigabe-Historie erkennbar machen.

Hash-Basis. Jede Freigabe-Entscheidung, jeder Verifikations-Bericht aus Stufe 01 und Stufe 02 und jeder Phase-04-Report erhält einen SHA-256-Hash. Ändert sich der Inhalt nachträglich, weicht der neu berechnete Hash vom Log-Eintrag ab. Die Manipulation wird sichtbar.

Append-only Log. Alle Hash-Einträge liegen in einer Log-Struktur, die nur Ergänzungen erlaubt, keine Überschreibungen. Jeder Eintrag trägt Zeitstempel, Akteur-Identifikator, Aktion und Hash. Die Struktur ist maschinell verifizierbar.

Externe Verankerung. Die Log-Datei wird regelmäßig in eine Git-Commit-Historie eingeschrieben. Die Commit-Hashes liegen außerhalb der Mandats-Infrastruktur und bilden einen externen Anker gegen Manipulation der Log-Datei selbst. Optional wird die Kette um eine kryptographische Signatur nach ECDSA oder EdDSA erweitert, falls regulatorische Anforderungen (DORA-Kontext) oder Mandats-Eigenschaften das nahelegen.

Die Minimal-Implementierung mit Log-Zeilen-Format, Git-Commit-Schema und Verifikations-Pfad ist in Anhang B.6 dokumentiert. Die Audit-Kette ist Bestandteil der Phase-02-Verifikations-Routine und wird im Mandat als operative Infrastruktur-Schicht geführt, nicht als Mandats-Extra.

13.1Drei-Ebenen-Logik der Kennzeichnung

Eine publizierte Advertorial-Platzierung lässt sich auf drei Ebenen bewerten. Ebene A ist die rechtliche Kennzeichnung, das sichtbare Banner, der Inline-Hinweis, die Footer-Erklärung; sie richtet sich an den menschlichen Leser und adressiert UWG § 5a Abs. 4, MStV § 22 und die BGH-Rechtsprechung (insbesondere I ZR 211/17 und I ZR 90/17). Ebene B ist die technische Struktur, URL-Pfad, Schema-Markup, Indexier-Direktiven, rel-Attribute; sie wirkt als binärer Retrieval-Filter. Ebene C ist die inhaltliche Substanz, Wortzahl, Information Gain, Byline-Entität, Front-Loading; sie ist der dominante Lift-Faktor, sobald Ebene B erfüllt ist. Die drei Ebenen sind unabhängig: eine rechtlich einwandfreie Platzierung (Ebene A) kann technisch (Ebene B) disqualifiziert sein und umgekehrt.

13.2Die 6 Varianten

Die Einstufungen folgen der BGH-Rechtsprechung zum UWG und MStV (Stand April 2026); sie sind Wiedergabe dokumentierter Sach-Stände, nicht eigenständige Rechts-Auslegung. Die TKG-Pflichtangabe-Verzahnung ist orthogonal und in 13.5 entfaltet; die systematische Rechtsprechungs-Grundlage in 13.6.

13.3Zielkorridor und Ausschluss

Für den Mandats-Einkauf gelten drei Regeln. V02 und V04 bilden den Zielkorridor, rechtlich konform, retrieval-neutral, kompatibel mit den A-Klassen A 01, A 02 und A 04 des Einkaufs-Standards; V01 ist zulässige Alternative für risikoaverse Publisher-Konstellationen bei minimal negativer Retrieval-Tendenz in Google-basierten Engines (Kapitel 8.3). V02 (Kennzeichnung unter der Headline als Text-Hinweis) und V04 (Kennzeichnung inline als erster Satz) sind mit A 02 vollständig kompatibel, weil A 02 textliche Inline-Kennzeichnung explizit zulässt und nur das Advertorial-Template (eigenständige DOM-Elemente, Badges, CSS-Wrapper) disqualifiziert; V02 und V04 repräsentieren damit genau den Zielkorridor textlicher Inline-Kennzeichnung, den die Retrieval-Untersuchung Claude Opus 4.6 (April 2026) als rechtlich konform und retrieval-neutral identifiziert. V05 ist der typische Fehler-Fall, visuell korrekte Kennzeichnung bei gleichzeitiger Ebene-B-Disqualifikation; der Verifikations-Workflow aus Kapitel 12.4 (Stufe 02 Briefing-Verifikation) identifiziert V05 vor der Schluss-Rechnung, die Drei-Klassen-Einstufung aus Kapitel 14.2 (mit der in Kapitel 14 differenzierten Briefing-FAIL-Zeile) rutscht auf Mention-Buy oder Briefing-FAIL. V06 ist kategorisch ausgeschlossen, Northbridge arbeitet nicht mit Schleichwerbung; die Ausschluss-Linie ist eine Erweiterung der Klasse-3-Trennung aus Kapitel 5 und gehört in die Mandats-Rahmen-Bedingung, nicht in die Einzelfall-Prüfung.

13.4Operative Konsequenz

Die 6 Varianten sind die konkreten Publikations-Formen, in denen die Drei-Ebenen-Logik aus 13.1 in der Markt-Praxis erscheint. Der Mandats-Einkauf adressiert sie nicht als Wahl-Menü, sondern als vertraglich vereinbarte Kennzeichnungs-Pflicht-Kombination mit dem Publisher (Kapitel 11.3), deren Erfüllung in Phase 03 (Kapitel 15) vor der Faktur-Freigabe geprüft wird. Im DE-Telco-Sektor treten zu der Werbe-Kennzeichnung der gewählten V01- bis V05-Variante die TKG-Pflichtangaben des werbenden Anbieters hinzu, als orthogonale Pflicht-Schicht mit eigenen Sichtbarkeits-Anforderungen (Abschnitt 13.5).

13.5TKG-Pflichtangaben im Telco-Sektor, orthogonal zu V01, V06

Die 6 Kennzeichnungs-Varianten V01 bis V06 ordnen die Werbe-Kennzeichnung durch den Publisher und folgen UWG § 5a Abs. 4, MStV § 22 und DDG § 6 Abs. 1 Nr. 1. Das Telekommunikationsgesetz enthält keine eigenständige Werbe-Kennzeichnungs-Vorschrift; seine Pflichtangaben treffen den werbenden Telco-Anbieter unabhängig von der gewählten Kennzeichnungs-Variante. Daraus ergeben sich 5 Pflichtangabe-Kategorien, die bei jedem DE-Telco-Advertorial unabhängig von V01 bis V05 in der Hauptdarstellung auftreten müssen (V06 ist ohnehin kategorisch ausgeschlossen).

Erstens die Mindest-Laufzeit-Darstellung nach § 55 Abs. 1 in Verbindung mit § 56 Abs. 1 TKG: die Mindestvertragslaufzeit gehört in die Hauptdarstellung, nicht in den Footnote-Bereich. Zweitens die 12-Monats-Alternative nach § 56 Abs. 1 Satz 2 TKG: der Telco-Anbieter muss einen Vertrag mit einer Laufzeit von höchstens 12 Monaten anbieten, daraus folgt die operative Frage, ob die beworbene 24-Monats-Variante als einzige Laufzeit dargestellt werden darf. Drittens die Bundle-Bestandteils-Transparenz nach § 66 TKG in Verbindung mit § 55 Abs. 1 TKG: bei Bundle-Produkten muss der Preis der einzelnen Bestandteile ausgewiesen werden, sofern diese auch einzeln angeboten werden. 4. die Preistransparenz bei Premium-Rufnummern nach §§ 109 ff. TKG. 5. die Entschädigungs- und Anbieter-Wechsel-Klausel nach § 55 Abs. 1 TKG.

Eine methodische Erwägung tritt hinzu: § 57 Abs. 4 TKG regelt Minderungs- und außerordentliches Kündigungsrecht bei anhaltenden oder häufigen erheblichen Abweichungen der tatsächlichen von der vereinbarten Leistung. Die Norm ist nach gegenwärtigem Substanz-Stand eine Vertrags-Ebene-Pflicht, keine Werbe-Angaben-Pflicht; ihre Aufnahme als 6. Pflichtangabe-Kategorie ist nicht zwingend. Für Werbungen mit prominenten Laufzeit- oder Geschwindigkeits-Versprechen ist die Erwähnung des Preisänderungs- und Minderungs-Mechanismus konsistent mit der Transparenz-Logik der §§ 54 ff. TKG und aus methodischer Vorsicht empfehlenswert; eine abschließende Einordnung als bindende Werbe-Pflichtangabe bleibt der juristischen Validierung überlassen (Kapitel 24).

Die Werbe-Kennzeichnung selbst (Kennzeichnung des kommerziellen Zwecks im Publisher-Inventar) ist nicht TKG-getrieben, sondern UWG § 5a Abs. 4, MStV § 22 und DDG § 6 Abs. 1 Nr. 1. Die /sponsored/-Pfad-Entscheidung und die A-02-DOM-Label-Prüfung des Einkaufs-Standards (Kapitel 12) folgen dieser Normen-Trias, nicht dem TKG. Die operative Konsequenz der Sichtbarkeits-Anforderung an die TKG-Pflichtangaben, insbesondere die Kollision mit dem Front-Loading-Hebel B 05, ist in Kapitel 14 Abschnitt 14.5 als Telco-spezifischer Preis-Faktor-Modifier entfaltet. Offene Auslegungs-Fragen zu dieser Pflicht-Schicht (etwa: Werbung im Sinne des TKG bei rein redaktionell-werblicher Tarif-Beschreibung; Zurechnungs-Logik bei LLM-Citation ohne TKG-Pflichtangaben) sind Gegenstand der juristischen Validierung (Kapitel 24).

13.6Rechtsprechungs-Anschluss, 6 BGH-Leitentscheidungen für Compliance-GEO

Die Einstufungen in 13.2 und die Pflichtangabe-Kategorien in 13.5 ruhen auf einer zwischen 2020 und 2025 verdichteten höchstrichterlichen Linie. 6 Leitentscheidungen tragen die dogmatische Grundlage; ihre rechts-hebelnde Anwendung auf Preis-Faktor-Matrix und Zurechnungs-Architektur ist in Kapitel 14 entfaltet (14.5 Hauptdarstellungs-Pflicht, 14.6 Strang-Differenzierung, 14.7 Norm-Hierarchie UWG/MStV/DDG).

Der konvergente Korridor steht: Vollständigkeits-Pflicht bei Tarif-Werbung ist gefestigt; Plattform-Haftung ab Kenntnis ist nach BGH I ZR 112/23 auf Modell-Anbieter übertragbar; die Hauptdarstellungs-Pflicht ist durch BGH I ZR 183/24 substantiell geschärft. Eine abschließende Rechtsprechung zu generativen Antwort-Fenstern existiert Stand April 2026 nicht; die bestehenden BGH-Linien lassen sich nach herrschender Auslegung auf den Compliance-GEO-Kontext übertragen. Die konkrete Übertragung auf LLM-Zurechnungs-Konstellationen ist Gegenstand der juristischen Validierung (Kapitel 24).

Die 6 Leitentscheidungen sind dabei nicht unumstritten. Eine methodische Prüfung der Gegen-Linien (Northbridge-interne Rechtsprechungs-Landkarte vom April 2026) identifiziert drei Linien mit partieller Robustheit: die Vollharmonisierungs-Linie der UGP-Richtlinie 2005/29/EG (EuGH C-540/08, C-261/07 und C-299/07, C-304/08), die dogmatische Differenzierung zwischen Plattform-Haftung und Eigen-Generierung bei der Haftungs-Zurechnung (BGH I ZR 112/23 adressiert den Plattform-Betreiber, nicht beworbene Drittunternehmen), sowie die PAngV-Sonderregime-Lesart der Hauptdarstellungs-Pflicht. Diese Gegen-Linien entkräften die tragende Linie nicht, schärfen aber den Substanz-Stand. Für die Übertragung auf generative Antwort-Fenster ergibt sich daraus: Die herrschende Linie ist tragfähig, aber eine EuGH-Vorlage zur Vollharmonisierungs-Frage oder eine OLG-Divergenz-Entscheidung könnte den Substanz-Stand nach Q3/Q4 2026 verschieben.

13.7Juristische Verzahnung im Überblick

Die in 13.5 entfalteten TKG-Pflichtangaben und die in 13.6 entfaltete BGH-Linie stehen nicht isoliert. 5 Regelwerke treffen ein DE-Telco-Advertorial gleichzeitig, jedes mit eigenem Geltungsbereich, eigenem Adressaten und eigener Rechtsfolge. Die nachfolgende Synopsis legt die Schichten nebeneinander; sie dient der Orientierung für die juristische Validierung (Kapitel 24) und macht sichtbar, warum ein Compliance-GEO-Mandat im Telco-Sektor 4 unterschiedliche Adressaten-Kreise parallel bedient.

Die 5 Schichten laufen nicht redundant. TKG §§ 54–57 treffen den Werbetreibenden mit positiven Pflichtangaben; UWG § 5a Abs. 4 trifft denselben Werbetreibenden mit einer Kennzeichnungs-Pflicht; MStV § 22 adressiert den Publisher; DDG § 6 adressiert den Plattform-Betreiber; NIS-2 rahmt die werbende Infrastruktur-Aussage von der Compliance-Seite. Die operativen Konsequenzen für Preis-Faktor-Matrix und Zurechnungs-Architektur sind in Kapitel 14 entfaltet (14.5 Hauptdarstellungs-Pflicht, 14.6 Strang-Differenzierung, 14.7 Norm-Hierarchie); die offenen Auslegungs-Fragen sind in Kapitel 24 adressiert.

14.1Zwei Kalibrierungs-Ebenen

Die erste Kalibrierungs-Ebene ist der Kriterien-Faktor. Er prüft, ob die publizierte Platzierung die 8 A-Kriterien (Eligibility, binär) vollständig erfüllt und wie viele der 10 B-Kriterien (Lift, graduell) erreicht sind. Die zweite Ebene ist der Modell-Blended-Faktor. Er gewichtet die 6 Retrieval-Engines nach mandats-spezifischer Priorisierung und integriert die Arbeits-Hypothesen zur engine-spezifischen Advertorial-Handhabung (Kapitel 8.3). Beide Ebenen wirken multiplikativ auf den Listenpreis und kalibrieren unterschiedliche Fehler-Quellen, Qualität der Platzierung und Reichweiten-Geometrie des Mandats.

14.2Drei-Klassen-Einstufung der Schluss-Rechnung

Die Kombination aus A-Klassen-Erfüllung und B-Klassen-Zählung ergibt eine Drei-Klassen-Einstufung der Schluss-Rechnung.

Mention-Buys haben Rest-Wert im Citation-Layer, Ahrefs dokumentiert, dass Marken-Nennungen ohne Link in LLM-Antworten Brand-Recall-Effekte erzeugen. Der Rest-Wert wird zum Mention-Preis fakturiert, nicht zum Citation-Preis; die Trennung verhindert den häufigen Markt-Fehler, eine Mention-Leistung zum Citation-Preis zu kaufen und eine Citation zu unterstellen.

14.3Formel und Beispielrechnung

Die Schluss-Rechnung einer Citation-Platzierung folgt einer einzigen multiplikativen Formel:

final_price = list_price × kriterien_faktor × modell_blended_faktor

Beispielrechnung (Citation-Buy, Gesamt-Marktabdeckung). Publisher-Listenpreis 1.000 €. Alle A + 7 von 10 B → Kriterien-Faktor 1,0 ×. Mandant ohne Engine-Priorisierung → Modell-Blended-Faktor 0,89 × (gleichverteilt, Stand April 2026). Verhandelter Preis = 1.000 × 1,0 × 0,89 = 890 €. Die Mandanten-Sensitivität über Kennzeichnungs-Klasse und Engine-Mix bleibt in der Drei-Klassen-Einstufung aus 14.2 und im Modell-Blended-Faktor aus Kapitel 8 systematisch verankert; ein Mention-Buy mit Google-Priorisierung rutscht rechnerisch auf deutlich unter ein Viertel des Listenpreises.

14.4Operative Konsequenz

Die Matrix ist die Durchsetzungs-Form des Einkaufs-Standards gegenüber dem Publisher. Sie wird in Phase 02 als vertraglich bindende Schluss-Rechnungs-Logik vereinbart (Kapitel 11.3) und in Phase 03 bei jeder publizierten Platzierung vor der Faktur-Freigabe durchlaufen. Der Publisher, der den Kriterien-Katalog nicht liefert, liefert keine Citation, sondern eine Mention, und das Honorar folgt der tatsächlichen Leistung, nicht der Buchungs-Absicht. Kapitel 15 operationalisiert die redaktionelle Routine, die dafür sorgt, dass die B-Klasse auf der Mandanten-Seite überhaupt erreicht wird; Kapitel 16 beschreibt die kontrollierte Validierung, mit der die Preis-Faktoren aus Abschnitt 14.2 und die Modell-Blended-Hypothesen aus Kapitel 8.3 empirisch nachgeschärft werden. Im DE-Telco-Sektor greifen zusätzlich drei sektor-spezifische Ebenen: der Front-Loading-vs.-Pflichtangaben-Modifier (14.5), die Zurechnungs-Architektur bei LLM-Empfehlungen (14.6) und die Norm-Hierarchie zwischen UWG, MStV und DDG (14.7).

14.5TKG-spezifischer Telco-Modifier, Front-Loading vs. Pflichtangaben-Sichtbarkeit

Im DE-Telco-Sektor trifft der Front-Loading-Hebel B 05 aus Kapitel 12, Tarif-Kern in den ersten 30 Prozent der Seite, auf die TKG-Pflichtangabe-Platzierung aus § 55 Abs. 1 in Verbindung mit § 56 Abs. 1 TKG. Mindestlaufzeit, 12-Monats-Alternative, Bundle-Bestandteils-Transparenz und Entschädigungs-Klausel (Kapitel 13 Abschnitt 13.5) dürfen nicht weniger sichtbar sein als die beworbene Tarif-Aussage; eine Footnote-Lösung oder Link-Auslagerung verfehlt die Sichtbarkeits-Anforderung und macht das Advertorial rechtswidrig unabhängig von der gewählten Werbe-Kennzeichnungs-Variante V01 bis V05. Der operative Kompromiss-Hebel ist die kombinierte Hero-Plus-Box-Konstruktion: Hero-Claim mit Tarif-Kern Front-Loaded in den ersten 30 Prozent, unmittelbar darunter eine Pflichtangaben-Box mit klarer visueller Präsenz auf gleicher Stilebene.

Die Schärfung der Sichtbarkeits-Anforderung liegt nach gegenwärtigem Substanz-Stand und nach herrschender Auslegung in einer methodisch übertragbaren Analog-Anwendung der Hauptdarstellungs-Pflicht aus BGH I ZR 183/24 vom 9. Oktober 2025 (Netto/Preisermäßigung) auf § 56 Abs. 1 Satz 2 TKG (12-Monats-Alternative); eine abschließende Analogie-Rechtsprechung existiert Stand April 2026 nicht, die abschließende Einordnung bleibt der juristischen Validierung überlassen (Kapitel 24). Daraus ergibt sich der Telco-Modifier für 14.2: ein DE-Telco-Advertorial ohne Pflichtangaben in der Front-Loaded-Zone oder einer unmittelbar angrenzenden Box mit gleicher visueller Präsenz ist auf der rechtlichen Ebene disqualifiziert (Ebene-A-Disqualifikation aus Kapitel 2 und 13.5) und rutscht auf den 0,0-×-Faktor, unabhängig vom A/B-Klassen-Profil. Die Disqualifikation ist nicht reparabel, weil eine nachträgliche Pflichtangaben-Box-Einfügung gegenüber dem Publisher praktisch nicht durchsetzbar ist; der Verifikations-Workflow aus Kapitel 12.4 wird im Telco-Mandat um einen sektor-spezifischen Sichtbarkeits-Check erweitert (Phase 03, Kapitel 15).

14.6Zurechnungs-Architektur bei LLM-Tarif-Empfehlungen, Strang A und Strang B

Die Zurechnungs-Frage bei einer LLM-Tarif-Empfehlung ohne vollständige TKG-Pflichtangaben ist nach gegenwärtigem Substanz-Stand entlang zweier Stränge zu differenzieren. Die Differenzierung ist tragend für die Frage, ob die Preis-Faktor-Matrix und die Telco-Sichtbarkeits-Check-Erweiterung aus 14.5 auf die LLM-Antwort durchgreifen.

Strang A, aktive LLM-Nutzung durch den Telco-Mandanten. Wenn der Telco ein LLM-System aktiv als Marketing-Kanal einsetzt (eigener Chatbot, Shop-KI, LLM-gestützte Werbe-Texte), ist die LLM-Ausgabe nach herrschender Auslegung eine geschäftliche Handlung des Telco im Sinne § 2 Abs. 1 Nr. 2 UWG. Die KI hat keine eigene Rechtspersönlichkeit; die Nutzung durch den Telco wird diesem zugerechnet (CMS-Kommentierung März 2024, IT-Recht-Kanzlei Juni 2024, im Einklang mit der UWG-Dogmatik zur Beauftragten-Zurechnung nach § 8 Abs. 2 UWG). BGH I ZR 96/19 vom 25. Juni 2020 (LTE-Geschwindigkeit) ist auf Strang-A-Fälle direkt übertragbar; die Pflichtangabe-Sichtbarkeit aus 13.5 und die Hero-Plus-Box-Konstruktion aus 14.5 sind Mandant-seitige Anforderungen an den Prompt- und Antwort-Rahmen des eingesetzten LLM-Systems. Strang A folgt der Preis-Faktor-Matrix aus 14.2 ohne Modifikation; Verstöße disqualifizieren nach 14.5.

Strang B, autonome Dritt-LLM-Empfehlung ohne Vertragsbeziehung. Wenn ein LLM eigenständig und ohne Auftragsverhältnis zum Telco einen Tarif empfiehlt (Retrieval-Antwort in Claude, GPT, Gemini, Perplexity ohne Einbettung in Telco-eigene Kanäle), ist die Zurechnung zum Telco nicht gegeben; ohne aktiven Einsatz ist die autonome LLM-Antwort nicht die geschäftliche Handlung des Telco im Sinne der klassischen UWG-Werbungs-Definition. Drei Unter-Linien sind zu unterscheiden: (Ba) primäre Haftung beim Modell-Anbieter als betreibender Stelle, Telco nicht Adressat; (Bb) bei systematischer Begünstigungs-Strategie des Telco eine mittelbare Zurechnung nicht ausgeschlossen, aber Stand April 2026 nicht höchstrichterlich geklärt; (Bc) Störer-Haftungs-Analogie nach BGH I ZR 112/23 vom 23. Oktober 2024 (Online-Marktplatz-Haftung), der Modell-Anbieter trifft eine Sperr- und Korrektur-Pflicht ab Kenntnis einer klaren Rechtsverletzung, der Telco trifft eine Anstoß-Pflicht zur Meldung bei bemerkter Fehl-Empfehlung. Die § 7 DDG-Privilegierung (§ 7 DDG in Verbindung mit Art. 4 bis 8 DSA) greift nach herrschender Auslegung nicht, wenn der Modell-Anbieter aktiv Antworten generiert (DFN-Rechtsstelle, Mai 2024; EuGH Kinderhochstühle-Linie zur aktiven Rolle).

Die unionsrechtliche Grundlage für Strang B ist die konsolidierte EuGH-Linie zur aktiven vs. passiven Rolle von Host-Providern, EuGH C-236/08 bis C-238/08 Google France, C-324/09 L'Oréal/eBay, C-682/18 und C-683/18 YouTube/Cyando. Haftungs-Privilegierung greift danach nur bei rein technisch-passiver Rolle; Bewerbung, Optimierung oder systematische Duldung brechen die Privilegierung. Die Glawischnig-Piesczek-Linie (EuGH C-18/18) stützt dabei die Zulässigkeit wort- und sinngleicher Filter-Anordnungen auch gegenüber Host-Providern und ist für die Frage, ob Modell-Anbieter bei bekannter Fehl-Citation zu systematischer Korrektur verpflichtet werden können, substanz-tragend.

Eine methodische Prüfung der Tragfähigkeit der drei Unter-Linien (Northbridge-interne Zurechnungs-Landkarte vom April 2026) kalibriert den Substanz-Stand präziser. Die Ba-Linie hält nach gegenwärtigem Substanz-Stand mit partieller Robustheit: 5 unabhängige Stützen konvergieren, die BGH-Dogmatik zur Beauftragten-Haftung in § 8 Abs. 2 UWG verlangt eine Beauftragung oder Kooperations-Beziehung (BGH "Google Ads" I ZR 28/25 vom 11. März 2026 hält ausdrücklich an der Beauftragungs-Voraussetzung fest, in Abgrenzung zu BGH "Haftung für Affiliates" I ZR 27/22 vom 26. Januar 2023); die EuGH-Linie zur aktiven Rolle adressiert den Modell-Anbieter, nicht das beworbene Drittunternehmen; die Verbraucherschutz-Abmahn- und Klagepraxis kennt keine Zurechnung autonomer LLM-Ausgaben an Dritt-Begünstigte; das DSA-/DDG-Regime verortet Verantwortung beim Anbieter, nicht beim passiv Erwähnten; das AI-Act-Regime mit seiner Provider/Deployer-Dichotomie nach Art. 3 Nr. 3 und Nr. 4 der Verordnung (EU) 2024/1689 entlastet den passiv Erwähnten strukturell, weil die Deployer-Voraussetzungen eine Verwendung unter eigener Verantwortung fordern, die ohne aktive Einbettung nicht erfüllt ist. Die Bb-Linie wackelt in der reinen Null-Vertrags-Konstellation: Die § 8 Abs. 2 UWG-Analogie erfordert nach BGH-Dogmatik die Eingliederung in die Betriebsorganisation, den möglichen bestimmenden Einfluss und das Zugute-Kommen der Geschäftstätigkeit, Elemente, die in der reinen Null-Vertrags-Konstellation nicht erfüllt sind; im Grenzfall dokumentierbarer, gezielter Begünstigungs-Strategie mit direkter Kontaktnahme oder koordinierter Kooperation kann sie Traktion gewinnen, nähert sich dann aber Strang A an. Die Bc-Linie ist in zwei Richtungen zu unterscheiden: Bc gegen den Modell-Anbieter ist tragfähig, die EuGH-Linie zur aktiven Rolle, die Wertung aus EuGH "Russmedia" C-492/23 vom 2. Dezember 2025 (Host-Privileg entbindet nicht von sektoralen Schutzpflichten) und die AI-Act-Anbieter-Pflichten stützen eine eigenständige lauterkeitsrechtliche Verantwortung des LLM-Anbieters bei unvollständigen Pflichtangaben in Ausgaben. Bc gegen den Telco, die spiegelbildliche Anstoß-Pflicht zur Meldung bemerkter Fehl-Empfehlungen, ist dogmatisch konstruierbar nach qualifizierter Kenntnis, bleibt aber ohne Präjudiz und ist als dogmatisches Neuland zu markieren.

Operative Konsequenz der Strang-Differenzierung. Die Preis-Faktor-Matrix greift in Strang A ohne Modifikation; Compliance-GEO-Maßnahmen sind vollständig in der Telco-Verantwortung. In Strang B reicht die Matrix nicht unmittelbar durch; die Compliance-GEO-Methodik wirkt dort als strukturelle Optimierung (Klasse 1 aus Kapitel 5), die LLM-Citation-Wahrscheinlichkeit erhöht, ohne eine unmittelbare Zurechnungs-Kette zur Werbe-Verantwortung des Telco zu begründen. Die abschließende Zurechnungs-Einordnung für Strang Bb (systematische Begünstigungs-Strategie) ist Gegenstand der juristischen Validierung (Kapitel 24).

14.7Norm-Hierarchie § 5a Abs. 4 UWG / § 22 MStV / § 6 DDG

Die Werbe-Kennzeichnungs-Pflicht folgt drei parallelen Normen, § 5a Abs. 4 UWG (Verschleierung des kommerziellen Zwecks), § 22 Abs. 1 MStV (medien-rechtliches Trennungsgebot), § 6 Abs. 1 Nr. 1 DDG (Kenntlichkeits-Gebot für kommerzielle Kommunikation in digitalen Diensten). Die BGH-Rechtsprechung hat die Hierarchie nach gegenwärtigem Substanz-Stand klar strukturiert. BGH I ZR 125/20 vom 9. September 2021 (Influencerin II) bestimmt: § 6 Abs. 1 Nr. 1 TMG (jetzt § 6 Abs. 1 Nr. 1 DDG) geht § 5a UWG als Spezialvorschrift vor; § 58 Abs. 1 Satz 1 RStV (jetzt § 22 Abs. 1 Satz 1 MStV) geht § 5a UWG ebenfalls als Spezialvorschrift vor; § 5a Abs. 4 UWG ist die allgemeinere Vorschrift und damit nachrangig. Die nationale Norm-Hierarchie operiert dabei unter der Vorgabe der UGP-Richtlinie 2005/29/EG, die nach EuGH-Rechtsprechung vollharmonisierend wirkt (EuGH C-540/08 Mediaprint, EuGH C-261/07 und C-299/07 VTB-VAB und Galatea, EuGH C-304/08 Plus Warenhandelsgesellschaft). Eine nationale Verschärfung jenseits des harmonisierten Schutzniveaus ist damit strukturell begrenzt; § 5a Abs. 4 UWG als Auffang-Norm bewegt sich im unionsrechtlich vorgegebenen Rahmen.

Die operative Konsequenz für die Preis-Faktor-Matrix: Bei einem DE-Telco-Advertorial in einem digitalen Dienst (rundfunk-freies Online-Medium, Portal, redaktionelles Webangebot) greift primär § 6 Abs. 1 Nr. 1 DDG für die Werbe-Kennzeichnung; bei rundfunk-ähnlichen Inhalten (Video-Advertorials, Streaming-Plattformen im MStV-Anwendungsbereich) greift primär § 22 Abs. 1 MStV; § 5a Abs. 4 UWG bleibt Auffang-Norm für Sachverhalte außerhalb der DDG- und MStV-Anwendungsbereiche. Die Einstufungen der Kennzeichnungs-Varianten V01 bis V06 aus Kapitel 13.2 folgen dieser Hierarchie, die dort verwendeten Begriffe "konform", "grenzwertig" und "nicht konform" ruhen auf der Lex-specialis-Regel nach Influencerin II. Die Klarstellung ist für die Einstufungs-Systematik in 14.2 (Disqualifikations-Ebene) relevant, weil ein Normen-Konkurrenz-Fehler in der Rechts-Argumentation zur Fehlzuordnung der Pflicht-Quelle führen kann; die Disqualifikation selbst ist davon unberührt.

15.1Die 6 operativen Schichten

Die 6 Schichten werden in der Phase-03-Routine vor jeder Publikation als Checkliste durchgegangen; sie sind nicht alternativ, sondern kumulativ. Ein Artikel, der auf der Ebene der A- und B-Kriterien des Einkaufs-Standards einwandfrei ist, kann an einer der 6 Schichten dennoch zurückgewiesen werden, regelmäßig von der Compliance-Seite des Mandanten, selten von der Publisher-Redaktion.

15.1.1 Telco-spezifische Verankerung der Schichten 4, 5 und 6

Die Schichten Quellen-Priorisierung (Schicht 4), Ausnahmebehandlung (Schicht 5) und Country-Specific Grounding (Schicht 6) tragen im DE-Telco-Sektor eine sektor-strukturelle Substanz, die in der Phase-03-Routine konkret operationalisiert wird. 6 Schema-Properties bilden die Engineering-Spiegel-Schicht zur Redaktion (technische Implementierung in Kapitel 22.1).

Marken-Disambiguation (Schicht 4 Quellen-Priorisierung). DE-Telco-Portfolios führen typischerweise mehrere Marken parallel, Netzmarke und Tarifmarke. Generative Modelle verwechseln diese Zuordnung systematisch. Die maschinenlesbare Trennung über parentOrganization und subOrganization plus BrandDetails mit owner ist die Schema-Substanz, die der Redaktion in der Phase 03 vorgegeben wird; sie wird im FAQ-Schema durch explizite Textpassagen ergänzt, die das Modell bei Rückfragen zitieren kann. Die Author-Entity-Disambiguation aus dem Yext-Search-Experience-Benchmark Q4 2025 (17,2 Millionen Citations) bestätigt sektor-übergreifend, dass Entity-Trennung Top-5-Selektionsfaktor ist; die Telco-Marken-Architektur ist die DE-spezifische Anwendung.

Listicle- und Category-Page-Geometrie (Schicht 5 Ausnahmebehandlung). Engine-spezifische Content-Typ-Präferenzen sind im Industry-Research dokumentiert: ChatGPT bevorzugt Listicles (rund 52 Prozent Listicle-Anteil im High-Citation-Bucket), Google AI Mode bevorzugt Category- und Product-Pages (Wells, Peec.ai 27.02.2026, über 1 Million harmonisierte Citations). In der DE-Telco-Phase-03 hat das eine asymmetrische Konsequenz: Tarif-Listicle-Strukturen bedienen ChatGPT, Verfügbarkeits-Category-Pages bedienen Google AI Mode. Die redaktionelle Schicht 5 macht diese Asymmetrie zur Pflichtfrage pro Publikation, nicht zur Optimierungs-Empfehlung.

Adressgenaue Verfügbarkeit und EECC-Kernparameter (Schicht 6 Country-Specific Grounding). Drei Schema-Properties tragen die DE-Telco-Spezifik der Schicht 6. areaServed und serviceLocation machen die regionale Verfügbarkeit von Festnetz- und Glasfaser-Angeboten maschinenlesbar, adressgenaue Verfügbarkeits-APIs werden über das Schema in das Retrieval einlesbar. priceValidUntil und speedLimit fassen die EECC-Kernparameter (Monatspreis, Geschwindigkeit) als dynamisch aktualisierte Konditionen, die in einem zusammenhängenden retrievbaren Block stehen, strukturell schwer auftrennbar, was den TKG-Pflichtangaben-Kontext aus Kapitel 13.5 in der Phase 03 stützt. isRelatedTo mit discount-Property macht Bundle-Vorteile als Datenstruktur statt als Marketing-Prosa retrievbar; und offers.priceSpecification.billingIncrement ordnet Geräte-Finanzierungs-Monatsraten in Tarif-Kontext-Schemata zu, was die Schluss-Rechnungs-Logik aus Kapitel 14 in der redaktionellen Vorbereitung unterfüttert.

Die 6 Schema-Properties werden in Kapitel 22 (Engineering-Substanz) als technisches Arbeits-Feld implementiert; ihre redaktionelle Anwendung in der Phase 03 ist Gegenstand der Schichten 4, 5 und 6 dieses Kapitels. Aggarwal et al. KDD 2024 (Position-Adjusted Word Count) verankert Front-Loading (B 05) als Retrieval-Mechanik, die in dieser Schema-Schicht ihren strukturellen Spiegel hat: die ersten 30 Prozent der Seite sind retrieval-empirisch privilegiert, die Schema-Properties sichern, dass die zitierte Aussage in den richtigen Entity-Kontext eingebettet bleibt.

15.2Flankierende Redaktions-Hebel: B 05 und B 06

Die 6 Schichten werden durch zwei B-Kriterien des Einkaufs-Standards flankiert, die redaktionell unmittelbar greifen. Front-Loading (B 05) verlangt, dass die Kern-Aussage in den ersten 30 Prozent des Textes steht, empirisch verankert in der Retrieval-Chunking-Geometrie generativer Systeme (Indig 2026, 44,2 Prozent der ChatGPT-Citations aus den ersten 30 Prozent der Seite). Definitive Sprache (B 06) verlangt Aussage-Form statt Modalverb-Weichzeichnung; Formulierungen wie "möglicherweise", "tendenziell", "könnte" werden nur dort verwendet, wo Unsicherheit sachlich begründet ist. Die beiden Hebel wirken gegen unterschiedliche Retrieval-Ausfälle: B 05 gegen Chunking-Verluste, B 06 gegen Modell-Präferenz für definitive Quellen. Kein Hebel ersetzt die 6 Schichten aus 15.1; zusammen ergeben sie die redaktionelle Baseline für Phase-03-Publikationen.

15.3Freigabe-Ablauf im Phase-03-Alltag

Jede Publikation durchläuft einen Drei-Punkt-Freigabe-Ablauf. Erstens: redaktionelle Erst-Freigabe nach den 6 Schichten aus 15.1 plus B 05 und B 06, durch die NB-Redaktion auf Mandants-Basis. Zweitens: Compliance-Freigabe durch den Mandants-Compliance-Officer, mit Schwerpunkt auf den drei Schichten, die im konkreten Publikations-Kontext regulatorisch wirksam werden (bei Tarif-Aussagen regelmäßig Datumslogik, Disclaimer-Struktur, Geltungsräume; bei Netztest-Referenzen regelmäßig Quellen-Priorisierung und Ausnahmebehandlung). Drittens: Publisher-Freigabe, die die technische Erfüllung der A- und B-Kriterien des Einkaufs-Standards bestätigt. Erst nach dem dritten Punkt wird die Publikation geschaltet. Der Ablauf ist in der Phase-02-Vertragsabrede (Kapitel 11.3) als Liefer-Reihenfolge verankert, nicht als Option.

15.4Operative Konsequenz

Der Phase-03-Redaktions-Standard ist die Schnittstelle, an der Marketing-Bestellung, Retrieval-Mechanik und Compliance-Freigabe zusammentreffen. Er ist auch die Stelle, an der Compliance-GEO operativ gegen klassische Content-Dienstleistung abgegrenzt wird, durch die 6 Schichten als Standard-Prüfung, nicht als Einzelfall-Abklärung. Kapitel 16 beschreibt die Hypothesen-Validierung, mit der die redaktionellen Regeln an der Mess-Infrastruktur aus Kapitel 7 nachgeschärft werden; Kapitel 21 spiegelt die 6 Schichten auf die Zwei-Rollen-Perspektive zwischen Marketing und Compliance, die in der Freigabe-Praxis konkret wirksam wird.

15.5Zwei strukturierte Informations-Modelle pro Mandanten-Domäne

Die 6 Redaktions-Schichten aus 15.1 setzen voraus, dass der zu redigierende Inhalt bereits existiert. Die vorgelagerte Frage, welche Aussagen überhaupt in die Redaktion gehen dürfen und welche nicht, ist in der Phase-03-Praxis genauso entscheidend wie die Redaktions-Schichten selbst. Pro Mandanten-Domäne werden dafür zwei strukturierte Informations-Modelle gepflegt.

Positiv-Modell · Pflichtangaben-konforme, zitier-taugliche Aussagen. Im DE-Telco-Sektor sind das zum Beispiel vollständige TKG-konforme Tarif-Beschreibungen mit Gesamt-Monatsbetrag, Mindestlaufzeit, Kündigungsfrist und Endgeräte-Bindung. Das Positiv-Modell ist die Aussagen-Bibliothek, aus der redaktionelle Bausteine geformt werden. Es ist nicht statisch, sondern wird quartalsweise gegen TKG-Novellen, Preis-Listen-Änderungen und BNetzA-Verfügungs-Auslegungen nachgezogen.

Negativ-Modell · sektor-regulatorisch nicht kompatible Aussagen. Im DE-Telco-Sektor sind das zum Beispiel Monatspreise ohne Mindestlaufzeit-Angabe (Verstoß § 5a Abs. 4 UWG), "nur heute"-Formulierungen ohne zeitliche Konkretion (Verstoß § 6 PAngV), Vergleichs-Aussagen ohne Bezugs-Marker (Verstoß § 6 UWG), oder pauschale Netz-Qualitäts-Behauptungen ohne Bezug auf BNetzA-Messmethode. Das Negativ-Modell ist nicht die Abwesenheit des Positiv-Modells; es ist eine eigene strukturierte Aussagen-Liste, die in der Redaktions-Freigabe als Ausschluss-Kriterium wirkt.

Beide Modelle sind Voraussetzung der 6 Redaktions-Schichten aus 15.1, nicht deren Ergebnis. Ein Artikel kann Front-Loading, Schema-Markup und Definitive Sprache perfekt erfüllen und dennoch durch das Negativ-Modell fallen, wenn eine einzelne sektor-regulatorisch nicht kompatible Aussage enthalten ist. Die Modelle werden im Phase-00-Erstgespräch pro Mandat initialisiert und gehen in den Phase-03-Redaktions-Alltag als strukturierte Referenz-Dokumente ein.

16.1Was validiert wird

4 Hypothesen-Klassen werden getrennt geführt. Preis-Faktor-Hypothesen (Kap. 8.3): die engine-spezifischen Werte von 1,0 × bis 0,7 × sind aus dokumentierter Retrieval-Architektur plus Modell-Selbstauskunft abgeleitet und werden pro Mandat gegen die gemessene Citation-Frequenz nachkalibriert. Kriterien-Wirkungs-Hypothesen (Kap. 12.3): die 10 B-Kriterien sind additiv gewichtet, aber die tatsächliche Wirkung pro Kriterium ist nicht symmetrisch, Front-Loading (B 05) hat empirisch stärkere Evidenz als Frage-Headlines (B 08). Schichten-Wirkungs-Hypothesen (Kap. 15.1): die 6 operativen Schichten wirken regulatorisch, aber ihre retrieval-seitige Wirkung ist unterschiedlich, Datumslogik und Country-Specific Grounding haben höhere Mess-Evidenz als Quellen-Priorisierung im direkten Citation-Vergleich. Validierungs-Metrik-Hypothesen (Anhang B.4.6): die 4 Metriken Decision Threshold, Correlation predicted vs. actual, False-Negatives-Rate und GBM-Loss tragen eigene Richtwert-Hypothesen, die pro Mandat nachgeschärft werden. Richtwert-Korrelation über 0,6 gilt als tragfähig, False-Negatives-Rate unter 15 Prozent als akzeptabel. Die Nachschärfung dieser Richtwerte pro Mandat ist integraler Bestandteil der Hypothesen-Validierung und unterscheidet eine NB-Mess-Architektur von aggregierten Sichtbarkeits-Scores ohne Validierungs-Schicht.

16.2Design-Logik

Das Test-Design folgt dem Prinzip des kontrollierten Variierens: eine Variable pro Messwelle wird verändert, alle anderen werden konstant gehalten. Die Mess-Infrastruktur aus Kapitel 7 (Share of Model Voice, Prompt-Cluster, Kadenz) liefert die Baseline; die Intervention wird auf eine definierte Artikel-Kohorte angewandt; die Re-Messung nach mindestens 4 Mess-Wellen mit Seasonality-Korrektur zeigt den Effekt. Der typische Mandats-Zyklus erlaubt pro Quartal zwei bis drei kontrollierte Tests; die kumulierten Ergebnisse werden halbjährlich zu einer Nachkalibrierung der Arbeits-Hypothesen aus Kapitel 8.3, 12.3, 14.2 und 15.1 zusammengeführt. Die Validierung ist also kein einmaliger Akt, sondern ein Regelkreis, methodisch konsistent mit Phase 04 aus Kapitel 11.

16.3Externe Validierungs-Schicht

Die NB-interne Mess-Architektur trägt die operative Validierung im Mandat. Die Hebung mandats-gebundener Befunde zu studienfesten Aussagen über mehrere Mandate ist methodisch eine zweite Schicht, sie verlangt statistisch-methodische Fragen, die eine universitäre Beratungs-Einheit strukturell besser trägt als eine Beratung. Für diese zweite Schicht ist ein Anschluss-Programm skizziert.

4 methodische Felder sind im Programm-Vorschlag angelegt:

• Power-Analyse für die Stichproben-Skalierung über die 1.800-Stichproben-Architektur aus Anhang B hinaus, mit Sektor- und Engine-stratifizierter Effekt-Größen-Schätzung
• Stratifikations-Prüfung über Sektoren und Engines, einschließlich Reliabilitäts-Analyse der Citation-Klassifikation gegen unabhängige Re-Klassifikatoren
• Mixed-effects-Architektur (oder alternativ Generalized Estimating Equations) für die Mehr-Mandats-Aggregation, die die mandats-gebundene Hierarchie der Stichproben sauber trägt
• Pre-Registration-Disziplin als Ko-Validierung der bereits in Anhang B implementierten Registrierungs-Routine, mit externem Statistik-Reviewer pro Welle

Status Mai 2026: das Programm ist als Kooperations-Skizze mit einer universitären Beratungs-Einheit angelegt; es ist keine laufende Forschungs-Beziehung, kein abgeschlossener Validierungs-Lauf, keine vorweggenommene Studien-Ergebnis-Schicht. Die hier benannten methodischen Felder sind die offenen Themen für ein Erst-Gespräch und werden in der NB-Forschungs-Kooperations-Skizze Thema-A ausgeführt.

16.4Grenzen und Verweis auf Anhang B

Drei Grenzen sind zu nennen. Erstens ist die Modell-Landschaft instabil: ein Modell-Release zwischen zwei Mess-Wellen kann einen Validierungs-Lauf invalidieren (Semrush 13-Wochen-Studie 2025 dokumentiert entsprechende Verschiebungen). Zweitens ist die Isolation einer einzelnen Variable in einem lebenden Retrieval-System nur näherungsweise erreichbar; die Restvarianz bleibt Bestandteil der Mess-Aussage. Drittens ist die Validierung mandats-gebunden, die nachgeschärften Werte gelten zunächst für den konkreten Mandanten und werden erst bei konvergenten Befunden über mehrere Mandate zu studienfesten Aussagen gehoben. Die in 16.3 skizzierte externe Validierungs-Schicht adressiert die dritte Grenze methodisch, ohne sie zum gegenwärtigen Zeitpunkt operativ aufzulösen. Die Sample-Größen, statistischen Prüf-Verfahren und die Prompt-Korpus-Aufbau-Logik sind in Anhang B dokumentiert.

17.14 europäische Operationalisierungen (Stand Q1 2025)

Die 4 Beispiele sind in ihrer strukturellen Ausprägung unterschiedlich. Telenor ist klar infrastruktur-seitig aufgestellt und positioniert sich als Regional-Anbieter für den Nordics-Raum. Swisscom ist durch die schweizerischen Daten-Export-Regeln in einer Sonderstellung und adressiert eine nationale Jurisdiktions-Anforderung. Telefónica Tech ist als eigenständige Konzern-Gesellschaft organisiert und hat eine Portfolio-Logik, die über Sovereign-AI hinausgeht. BT adressiert den öffentlichen Sektor als Kunden, mit Security-Primat.

17.2Was die Beispiele nicht sind

Diese Studie trifft keine Aussage darüber, welches der 4 Modelle für den deutschen Markt übertragbar ist, welcher deutsche Netzbetreiber eine vergleichbare Position aufbauen sollte oder wie die Konzern-Struktur eines deutschen Anbieters zu organisieren wäre. Solche Aussagen würden die Selbstbegrenzung dieser Studie verletzen (keine Operator-Bewertungen, siehe Vorsatz). Die 4 Beispiele sind Referenz-Architekturen, an denen sich die Sektor-Realität festmachen lässt, nicht Vorlagen, die auf deutsche Tier-1-Operator projiziert werden.

17.3Anschluss-Punkt an Compliance-GEO

Sovereign-AI und Compliance-GEO berühren sich an einer Stelle, die in der öffentlichen Diskussion selten präzise benannt wird: der Frage, in welcher Jurisdiktion eine generative Antwort produziert wird und welche Retrieval-Engines darin überhaupt erreichbar sind. Wenn ein deutscher Operator Sovereign-AI-Strukturen aufbaut oder nutzt, ist die Frage "welche der 6 Retrieval-Engines (Kapitel 9) sind in dieser Jurisdiktion verfügbar, unter welchen Bedingungen, mit welchen Datenfluss-Pfaden" operativ unmittelbar. Country-Specific Grounding als eine der 6 operativen Schichten aus Kapitel 15 (Phase-03-Redaktions-Standard) ist die redaktionelle Form dieser Frage. Die Mess-Logik aus Kapitel 7, insbesondere die Citation-Qualitäts-Dimension mit ihrer Vollständigkeits-Achse, ist die operative Form, in der Jurisdiktions-spezifische Sichtbarkeits-Verschiebungen messbar werden. Sovereign-AI rahmt beides regulatorisch ein, ohne es zu ersetzen.

Für den Compliance-GEO-Mandats-Einkauf hat Sovereign-AI drei unmittelbar operative Konsequenzen. Erstens bestimmt die Jurisdiktion, welche der 6 Retrieval-Engines aus Kapitel 9 im Einkaufs-Standard zulässig sind; bei öffentlich-rechtlichen oder staatlich beteiligten Telco-Kunden kann der US-Hosting-Status einer Engine zum Ausschluss-Kriterium werden, was die Mandats-Rahmen-Bedingung (Kapitel 11.3) direkt berührt. Zweitens muss der Briefing-Workflow aus Kapitel 15 (Phasen 01 und 02) den Datenfluss-Pfad dokumentieren, den ein Advertorial im Retrieval-Prozess durchläuft; diese Dokumentation verkoppelt sich mit der Briefing-Verifikation aus Kapitel 12.4. Drittens rahmt Sovereign-AI die Belastbarkeit der Retrieval-Evidenz aus Kapitel 7 ein: Eine Citation-Messung, deren Payload durch Nicht-EU-Jurisdiktionen läuft, ist vor deutschen Aufsichts- oder Gerichts-Instanzen weniger belastbar als eine Messung unter EU-Sovereign-Bedingungen, was in die Preis-Faktor-Matrix aus Kapitel 14 als Evidenz-Risiko-Dimension eingeht. 4. reicht die Sovereign-AI-Frage in die Tarif-Wiedergabe-Genauigkeit hinein: generative Antworten transportieren Tarif-Fakten ohne explizite Verifikations-Mechanik, mit beobachteten Ausreißern bei Laufzeit-Preis-Zuordnungen in Shopping-Assistant-Antworten (Beobachtung mit kleiner Stichprobe, im Mandats-Audit Q1 2026 dokumentiert). Die Tarif-Wiedergabe-Korrektheit ist damit eine eigenständige Mess-Größe der Vollständigkeits-Achse aus Kapitel 7.4 und ein potenzielles Risiko der Lieferketten-Diensteanbieter-Frage nach §165 Absatz 2a Nummer 4 TKG. Sovereign-AI ist damit kein Infrastruktur-Dekor, sondern ein Rahmen, in dem Einkaufs-Regel, Briefing-Disziplin, Evidenz-Qualität und Tarif-Wiedergabe-Aufsicht operative Grenzen erhalten.

18.1Die 4 Pfade in kompakter Form

Die Markt-Größen sind Schätzungen aus dem McKinsey-eigenen Demand-Modell und innerhalb des Sektors, wenn sie zitiert werden, mit Stand-Datum (Q1 2025) versehen. Die Wachstums-Annahmen basieren auf 22 Prozent jährlichem Anstieg der Rechenzentrums-Nachfrage bis 2030, bei einer prognostizierten Verdreifachung auf 170 Gigawatt globalen Leistungsbedarf.

18.2Warum diese Pfade in dieser Studie stehen

Eine Studie zu Compliance-GEO im deutschen Telco-Sektor muss den Kontext des Telco-AI-Markts nicht vollständig ausleuchten. Aber sie kann sich nicht so darstellen, als ob Compliance-GEO der zentrale AI-Baustein eines Netzbetreiber-Konzerns wäre. Er ist es nicht. Die 4 McKinsey-Pfade addieren sich zu einem adressierbaren Markt, der in seiner Größen-Ordnung die Summe aller Kommunikations-Budgets im Tier-1-Segment um Größenordnungen übersteigt. Die Zwei-Rollen-Perspektive (Kapitel 21) wird operativ nur dann tragfähig, wenn der Besteller aus der Marketing-Linie und der Freigabe-Partner aus CISO-, Compliance- oder CDO-Funktionen gemeinsam verstehen, in welcher Größen-Ordnung Compliance-GEO in der Konzern-Architektur steht, als eigenständige Konsumenten-Sichtbarkeits-Schicht parallel zu einer deutlich größeren Infrastruktur-Strategie.

18.3Kategoriale Trennung, operative Regel

Die 4 Pfade beschreiben Telco-AI-Infrastruktur als B2B-Geschäftsmodell der Operator. Compliance-GEO beschreibt Konsumenten-Sichtbarkeit in generativen Antworten. Beide sind in demselben Konzern vertreten, aber sie operieren in unterschiedlichen Budget-Linien, mit unterschiedlichen Freigabe-Stakeholdern und in unterschiedlichen Vertrags-Rahmen. Die operative Regel folgt daraus: Ein Compliance-GEO-Mandat wird nicht aus einem AI-Infrastruktur-Budget finanziert und nicht über die AI-Infrastruktur-Governance freigegeben. Die Trennlinie ist nicht akademisch, sie entscheidet darüber, ob das Mandat den richtigen internen Sponsor findet. Kapitel 21 operationalisiert diese Trennung auf der Stakeholder-Ebene.

Operative Konsequenz für das Compliance-GEO-Mandat. Die 4-Pfade-Kategorisierung hat für den Compliance-GEO-Mandats-Einkauf drei unmittelbare Konsequenzen. Erstens bestimmt die Pfad-Einordnung des Mandanten den Einkaufs-Standard-Kontext: ein Consumer-Connectivity-Mandat operiert mit anderen Sichtbarkeits-Zielen als ein B2B-AI-Service-Operator-Mandat. Zweitens ist der Pfad des Mandanten keine feste Größe; Tier-1-Operator bewegen sich über die 4 Pfade hinweg, und die Mandats-Konfiguration muss diese Bewegung abbilden. Drittens sind Pfade 3 und 4 (AI-Service-Operator, AI-Integrator) in der DE-Telco-Realität noch wenig besetzt; Mandate in diesen Pfaden haben kleine Vergleichs-Pools, was die Baseline-Messung methodisch erschwert und eine Mandats-spezifische Kalibrierung der Arbeits-Hypothesen aus Kapitel 8.3 erforderlich macht.

19.1Warum CoC-Frameworks als Industrie-Standard gelesen werden

Die 6 Frameworks sind in drei Hinsichten standard-wirksam. Erstens decken OpenAI, Anthropic, Google und Microsoft gemeinsam den weit überwiegenden Teil der global adressierten generativen Inferenz-Kapazität ab, sie sind die Modell- oder Integrations-Schichten der 6 Retrieval-Engines aus Kapitel 9. Zweitens sind alle 6 Frameworks öffentlich publiziert, versioniert und in wiederholten Iterationen weiter-entwickelt; dieses Strukturmerkmal unterscheidet sie von internen Policies. Drittens werden die Frameworks in Sektor-Referenz-Literatur (GSMA Intelligence, McKinsey) bereits als Vergleichs-Grundlage genutzt; SK Telecom ist im GSMA-Bericht Stand Q4 2024 als Vorbild-Beispiel benannt.

19.26 Anbieter-Frameworks im Überblick

19.3Was die Frameworks gemeinsam tragen

4 Elemente laufen quer durch alle 6 Frameworks. Erstens ein Fairness- oder Nicht-Diskriminierungs-Anker, meist mit Bezug auf geschützte Merkmale. Zweitens ein Transparenz-Anker, der entweder Modell-Dokumentation (Model Cards, Model Spec) oder Nutzer-Kenntlichmachung adressiert. Drittens ein Sicherheits-Anker, der entweder Missbrauchs-Prävention (Nutzer-Verbote) oder technische Robustheit (Red-Teaming, Safeguards) umfasst. 4. ein Verantwortlichkeits-Anker, der entweder Rollen (RSO bei Anthropic, Governance-Ausschüsse bei Microsoft und Google) oder Dokumentations-Pflichten umfasst. Diese 4 Achsen bilden den Industrie-Standard-Kern. In der regulatorischen Rezeption werden sie in G7-Kodizes, OECD-Prinzipien und zunehmend im EU-AI-Act aufgegriffen.

19.4Was die Frameworks nicht leisten

Drei Grenzen sind systematisch. Erstens sind alle 6 Frameworks freiwillig; sie ersetzen keine regulatorischen Pflichten und machen die dreischichtige Compliance-Architektur aus Kapitel 3 nicht überflüssig. Zweitens differieren die Frameworks in ihrer Durchsetzungs-Mechanik, manche binden externe Entwickler und Endnutzer über Usage-Policies (OpenAI, Anthropic, Google), andere primär interne Teams (Microsoft Responsible AI Standard, Meta 5 Säulen). Drittens adressieren die Frameworks Content-Manipulation durch Dritte, Strategic Text Sequences, Prompt Injection oder Native-Ad-Tarnung im Sinne von Kapitel 5 Klasse 3, nur indirekt; die Nutzer-Verbote decken den Missbrauch durch den Anbieter-Kunden, nicht die redaktionelle Verantwortung der Publisher- und Agentur-Seite.

19.5Anschluss-Punkt an Compliance-GEO

Für Compliance-GEO im deutschen Telco-Kontext wirken die 6 Frameworks in zwei Richtungen. Sie rahmen die ethische Schicht der Compliance-Architektur aus Kapitel 3 und die Klasse-3-Trennlinie aus Kapitel 5 als sektor-konsistente Position, die Northbridge-Trennlinie ist damit nicht methodische Sonder-Konstruktion, sondern Fortsetzung eines öffentlich dokumentierten Industrie-Standards. Sie geben zweitens der Verifikations-Prüfung im Einkaufs-Standard aus Kapitel 12 eine Referenz-Basis, an der externe Dienstleister gemessen werden können: die Konformität mit den Nutzer-Verboten von OpenAI, Anthropic und Google lässt sich in Kapitel 13 (Kennzeichnungs-Varianten) als eine der Prüf-Achsen formulieren. Die Frameworks sind in dieser Lesart nicht Rechts-Substitut, sondern Referenz-Schicht parallel zur regulatorischen und vertraglichen Ebene.

20.1Voraussetzungen der Methoden-Anwendung

4 Bedingungen müssen gemeinsam erfüllt sein, damit Compliance-GEO methodisch trägt.

20.2Methoden-Grenzen

6 Kanten markieren, wo Compliance-GEO methodisch nicht trägt. Erstens, rein B2B-Enterprise-Sales ohne Consumer-Schicht, dort greift die Retrieval-Mechanik anders, und die Mess-Infrastruktur aus Kapitel 7 ist nicht trivial übertragbar. Zweitens, unregulierte Vertikale (Mode, Consumer-Tech, Freizeit), dort fehlt die regulatorische Disziplin, die Compliance-GEO strukturiert. Drittens, akute Krisen-Kommunikation bei Netz- oder Service-Ausfällen, eine eigene Disziplin, nicht GEO. Viertens, Klasse-3-Manipulations-Nachfragen, kategorisch ausgeschlossen (Kapitel 5). Fünftens, Rechtsberatung zu Einzelfällen, fällt nicht in den Methodik-Rahmen. Sechstens, methodische Eingriffe an Drittfirmen außerhalb des eigenen Mandats-Rahmens, etwa Konkurrenz-Profile mit personenbezogenen Daten.

20.3Multi-Sektor-Triangulation der Voraussetzungen

Die 4 Voraussetzungen aus 20.1 sind methodisch in der DE-Telco-Architektur entwickelt; ihre Tragfähigkeit für Financial Services, Energy und Commerce ist über drei NB-Sektor-Dossiers (Stand April 2026) triangulationsfähig. Die Triangulation belegt die methodische Tragfähigkeit der Voraussetzungs-Logik jenseits Telco; die drei Sektoren bleiben dabei Methodik-Spiegel im Sinn der Selbstbegrenzung 2, keine eigenen Untersuchungs-Gegenstände.

Reguliertes Consumer-Feld. Das FinServ-Dossier zeigt MiFID II, IDD, PRIIPs und DORA plus BaFin-Aufsichtspraxis als regulatorisches Dichte-Niveau, das mit TKG / EECC mindestens vergleichbar ist; das Energy-Dossier zeigt EnWG, EEG, GEG, Green Claims Directive (Richtlinie (EU) 2024/825, Umsetzungsfrist 27.03.2026) und REMIT plus BNetzA-Aufsichtspraxis als regulatorisch ambitionierter durch die Transformations-Komponente; das Commerce-Dossier zeigt DSA, DMA, Omnibus-Richtlinie und EU AI Act als plattform-strukturelle Schicht. In allen drei Sektoren ist die regulatorische Dichte Methoden-Grundlage, nicht Methoden-Hürde, der Telco-Befund spiegelt sich methodisch.

Prompt-Cluster-Substanz. Erhebbare Prompt-Cluster mit 200–500 Queries pro Produktgruppe sind in allen drei Spiegel-Sektoren dokumentiert: 4 Kaufsituationen in FinServ (Tagesgeld/Baufi-Vergleich, Eignungs-Fragen, Anbieter-Reputation, Prozess-Fragen), 5 in Energy (Commodity-Tarif, Regional-Verfügbarkeit, Eignung/Transition, Förder-Fragen, Green-Claim), 5 in Commerce (Vergleich, Eignung, Reputation, Verfügbarkeit, Cancellation/Lifecycle). Die Mess-Basis aus Kapitel 7 ist in allen drei Sektoren tragfähig.

Freigabe-Struktur. Die Marketing-Compliance-Entkopplung der Zwei-Rollen-Perspektive (Kapitel 21) trägt in allen drei Spiegel-Sektoren strukturell: FinServ über MaRisk-Compliance-Funktionen und BaFin-Aufsichtspraxis; Energy über EnWG-Verbraucherschutz-Strukturen und Green-Claims-Compliance; Commerce über DSA-Risk-Assessment, Trust-and-Safety-Funktionen und Omnibus-konforme Cancellation-Governance. Die organisatorische Voraussetzung der Methode ist sektor-übergreifend gegeben.

Publisher-Einkaufs-Budget. Etablierte Vergleichs-Portal-Märkte mit Publisher-Einkaufs-Strukturen existieren in allen drei Sektoren: in Financial Services mit marktführenden Finanz-Vergleichs-Plattformen, Verbraucher-Test-Publikationen und Wirtschafts-Fachmedien; in Energy mit etablierten Tarif-Vergleichern, unabhängigen Test-Magazinen und Nachhaltigkeits-Publikationen; in Commerce mit den bekannten Preis- und Reputations-Plattformen sowie Verbraucherschutz-Trägern. Die Drei-Klassen-Einstufung der Preis-Faktor-Matrix (Kapitel 14) trägt damit auch jenseits Telco die Mandats-Mechanik.

Die Triangulation ist methodisch, nicht sektor-eigenständig: Die drei Spiegel-Sektoren werden hier nicht als Studien-Gegenstand bearbeitet, sondern als Validierungs-Schicht der Voraussetzungs-Logik. Die DE-Telco-Studie bleibt der Substanz-Gegenstand; die Sektor-Triangulation belegt die methodische Tragfähigkeit der Anwendungs-Voraussetzungen über Telco hinaus, ohne die Selbstbegrenzungen 2 (Kein Sektor außer Telco) und 3 (Kein Markt außer DE) zu berühren.

Verhältnis zum Vier-Vertical-Disziplin-Begriff. Der kanonische Vier-Vertical-Anker der Compliance-GEO-Disziplin trägt Telekommunikation, Financial Services, Insurance und Commerce. Die Triangulation der Voraussetzungs-Logik nutzt jene drei Spiegel-Sektoren, für die NB-Sektor-Dossiers Stand April 2026 verfügbar sind, das sind Financial Services, Energy und Commerce. Insurance ist methodisch im Disziplin-Anker erfasst und in Drei-Schichten-Klauseln dieser Studie als vierter Vertical mitgeführt; ein eigenes NB-Sektor-Dossier Insurance ist in Konzeption. Die Doppel-Sicht ist nicht Inkonsistenz, sondern Konsistenz-Pflege: Disziplin-Anker bleibt stabil, Triangulations-Spiegel folgt der Dossier-Verfügbarkeit.

20.4Operative Konsequenz

Die Prüfung der 4 Voraussetzungen ist Scope-Definition, keine Hürde: Passen sie nicht, ist Compliance-GEO als Methodik nicht einschlägig, das ist ein Ausschluss zum richtigen Zeitpunkt, nicht ein Hindernis im Prozess. Die Zwei-Rollen-Perspektive aus Kapitel 21 operationalisiert die Freigabe-Struktur; Kapitel 22 beschreibt die technische Arbeit, die nach positiver Anwendbarkeits-Prüfung auf die Methode zugreift. Für die drei Spiegel-Sektoren aus 20.3 gilt: die methodische Tragfähigkeit ist trianguliert, eine Studien-Anwendung dieser Sektoren bleibt Gegenstand eigenständiger Folge-Werke.

21.1Zwei Auftraggeber, eine Mandats-Sprache

Die Marketing-Rolle bestellt Sichtbarkeit: Share of Model Voice, Citation-Dichte in Tarif-Queries, Referral-Qualität auf transaktionale Produktseiten. Sie optimiert auf Lead-Volumen, Conversion und Marketing-Budget-Effizienz. Die Compliance-Rolle prüft das Mandat auf Regulierungs-Konformität, Reputationsrisiko und Prüf-Auslöser: BNetzA-Verfügungs-Auslegungen, TKG-Pflichtangaben-Erfüllung, DSA-Transparenz-Verpflichtungen, GDPR-Territorialität, DORA-Kollisionen bei MVNO-Finanz-Bezug. Beide Rollen sind legitime Auftraggeber des Mandats; keiner kann die andere überstimmen, ohne die Mandats-Grundlage zu beschädigen. Compliance-GEO arbeitet deshalb in einer Mandats-Sprache, die für beide Rollen lesbar ist, das ist die Funktion der Governance-Artefakte (Einkaufs-Standard, Preis-Faktor-Matrix, Redaktions-Standard), die in den Kapiteln 12, 14 und 15 operationalisiert sind.

21.2Reibungs-Punkte an den 6 Schichten

Die 6 operativen Schichten aus Kapitel 15.1 sind die Punkte, an denen die beiden Rollen regelmäßig unterschiedliche Prioritäten haben.

Die Tabelle ist keine Gegner-Liste, sondern eine Landkarte der Verhandlungs-Punkte. In der Mandats-Praxis werden sie in den Phase-03-Freigabe-Runden (Kapitel 15.3) einzeln durchgegangen; das Ergebnis ist in der Regel eine Formulierung, die beide Perspektiven trägt, ohne eine von beiden zu ersetzen.

Audit-Kette als Prüf-Voraussetzung der Compliance-Rolle. Für die Compliance-Rolle ist die Audit-Kette aus Kapitel 12.6 keine technische Hygiene, sondern Prüf-Voraussetzung. BNetzA-Verfügungs-Auslegungen, TKG-Pflichtangaben-Erfüllung und DORA-Kollisionen verlangen bei späterer Prüfung eine nicht-manipulierbare Freigabe-Historie. Ohne Hash-Basis, append-only Log und externe Git-Verankerung ist eine Prosa-Dokumentation als Beweismittel angreifbar. Die Audit-Kette ist deshalb der Punkt, an dem Marketing-Bestellung und Compliance-Freigabe operativ konvergieren: die Marketing-Rolle liefert den Inhalt, die Compliance-Rolle prüft ihn, und die Audit-Kette macht beides nachträglich belegbar. Das ist die technische Form der Mandats-Sprache aus Abschnitt 21.1.

21.3Freigabe-Rhythmus im DE-Telco-Sektor

Die Rollen-Trägerschaft im DE-Telco-Sektor folgt der Operator-Typologie aus Kapitel 11.4 (CISO, Head of Digital Commerce, Head of Regulatory Affairs, Compliance Officer, Produkt-Manager Consumer und Business, Procurement, Legal). Der Freigabe-Rhythmus ist asymmetrisch: Marketing entscheidet über Mandats-Gegenstand und Budget-Rahmen, Compliance entscheidet über Mandats-Grenzen und Freigabe-Einzelfall. Eskaliert ein Einzelfall, läuft er nicht im Marketing-Budget-Rahmen, sondern im Compliance-Eskalations-Pfad (Kapitel 11.5). Diese Asymmetrie schützt beide Seiten: Marketing vor einem Compliance-Veto, das das Mandat lahmlegt; Compliance vor einer Marketing-Bestellung, die unter Zeitdruck durchgedrückt wird.

21.4Operative Konsequenz

Die Zwei-Rollen-Perspektive ist keine Organisations-Empfehlung, sondern eine Mandats-Voraussetzung. Wenn eine der beiden Rollen im Auftraggeber-Haus nicht organisatorisch verankert ist, fehlt die zweite Kontroll-Schleife, die Compliance-GEO methodisch von SEO-Dienstleistung unterscheidet, und in einem regulierten Consumer-Markt das operative Risiko auf Mandats-Niveau bringt. Kapitel 22 beschreibt die Engineering-Substanz, die in der Marketing-Perspektive greift; Kapitel 23 beschreibt, warum die DE-Spezifität der Compliance-Perspektive nicht verhandelbar ist.

Operative Mandats-Führung zwischen beiden Rollen. Die Zwei-Rollen-Dynamik schlägt sich im Mandats-Alltag an drei Stellen operativ nieder. Erstens im Phase-00-Erstgespräch: beide Rollen sind als Auftraggeber einzubinden, eine reine Marketing-Beauftragung ohne Compliance-Freigabe-Partner führt zu späteren Korrektur-Schleifen. Zweitens in der Phase-02-Publisher-Abrede: die Verhandlungs-Positionen der beiden Rollen müssen in derselben Vertrags-Struktur abgebildet werden, damit Preis-Kopplung (Marketing-Hebel) und Kennzeichnungs-Pflichten (Compliance-Hebel) nicht konkurrieren. Drittens im Phase-04-Regelkreis: die Audit-Kette aus 12.6 ist die gemeinsame Datenquelle, auf die beide Rollen zurückgreifen, ohne dass eine der beiden die Datenhoheit über die andere hat. Das ist die technische Form der Mandats-Sprache aus 21.1.

22.15 technische Arbeits-Felder

Die Engineering-Arbeit im Mandat zerfällt in 5 Felder, die parallel und iterativ bearbeitet werden.

Die 5 Felder werden in Phase 00 vermessen (Retrieval-Audit-Baseline), in Phase 01–02 konfiguriert (Publisher-Einkauf und Mandanten-Asset-Roll-out), in Phase 03 redaktionell geschlossen (Kapitel 15) und in Phase 04 gemonitort (Kapitel 11.1). Die Iteration zwischen Engineering und Redaktion ist Teil des Regelkreises, nicht Projekt-Beiwerk.

22.2Abgrenzung zu klassischer SEO-Technik

Drei technische Felder überlappen mit klassischer SEO-Technik, werden aber unter Compliance-GEO mit anderer Priorisierung behandelt. Schema-Markup wird in SEO primär für Rich-Snippet-Sichtbarkeit optimiert; in Compliance-GEO wird es als Retrieval-Classifier-Signal optimiert, das über A-Kriterien-Erfüllung entscheidet. Crawler-Steuerung wird in SEO primär für Suchmaschinen-Crawler optimiert; in Compliance-GEO wird sie für die drei Retrieval-Bot-Klassen (Training, Retrieval, User-Fetch) differenziert gesteuert (Kapitel 10). Content-Aktualisierung wird in SEO als Ranking-Hebel gefasst; in Compliance-GEO als Freshness-Randbedingung der Mess-Logik (Kapitel 7) mit regulatorischen Datumslogik-Konsequenzen (Kapitel 15.1). Die Werkzeuge überlappen, die Metriken und Prüf-Kriterien sind andere.

22.3Operative Konsequenz

Die Engineering-Substanz ist die Stelle, an der Compliance-GEO von klassischer Marketing-Beratung und von klassischer SEO gleichermaßen abgegrenzt wird. Ein Mandat ohne Engineering-Kapazität, auf Mandanten- oder auf Beratungs-Seite, kann die A-Kriterien des Einkaufs-Standards nicht erfüllen, nicht messen und folglich nicht fakturieren (Kapitel 14). Das Fit-Kriterium aus Kapitel 20.1 "Publisher-Einkaufs-Budget" hat deshalb ein technisches Spiegelbild in der Engineering-Seite: wenn eine der beiden Seiten fehlt, ist die Mandats-Grundlage unvollständig. Kapitel 23 beschreibt abschließend, warum DE-Markt-Expertise als dritte Grundbedingung der NB-Methodik nicht optional ist.

Engineering-Substanz in den Mandats-Phasen. Die Engineering-Felder dieses Kapitels werden nicht parallel zum Mandat abgearbeitet, sondern in konkreten Phasen wirksam. In Phase 00 (Voraussetzungs-Check) werden Bot-Policy-Auslegung und Retrieval-Architektur-Verständnis geprüft; ohne diese Grundlage ist die Baseline-Messung methodisch nicht tragfähig. In Phase 01 (Publisher-Identifikation) greift die Extraktions-Schicht aus 12.2 zur Domain-Bewertung. In Phase 02 (Publisher-Abrede) bestimmt die technische Spezifikation der Platzierungs-Anforderungen den Vertrags-Text. In Phase 03 (Redaktions-Standard) wird die Schema-Markup- und Front-Loading-Arbeit in den 6 Schichten aus 15.1 ausgeführt. In Phase 04 (Reporting) läuft der gesamte Audit-Kette-Stack aus 12.6 als technische Infrastruktur. Engineering-Substanz ist damit keine flankierende Expertise, sondern die operative Voraussetzung jeder Mandats-Phase. Ohne die Engineering-Dichte bricht die Mandats-Mechanik an jeder einzelnen Phase auf.

23.1Drei DE-Spezifika

Erstens: Aggregator-Dominanz in Tarif-Queries. Die in Kapitel 6 beschriebene Portal-Geometrie, DE-Aggregatoren und Vergleicher sowie ergänzende Fach-Publisher, ist in keinem anderen EU-Markt in dieser Ausprägung vorhanden. Die operative Mandats-Planung arbeitet mit dieser Geometrie als Ausgangspunkt; eine EU-weite Aggregation würde den DE-Befund nivellieren.

Zweitens: Regulatorische Dichte an der Schnittstelle zu TKG, TTDSG, BNetzA-Verfügungen und NIS2-Umsetzungsakten. Die Rechts-Anker aus Kapitel 2, 13 und 15 sind DE-spezifisch formuliert; EECC-Transposition, BEREC-Guidelines und DSA greifen national unterschiedlich und werden in DE durch BNetzA-Leitfäden und BGH-Rechtsprechung (I ZR 211/17, I ZR 90/17) konkretisiert. Eine DACH- oder EU-Vereinheitlichung der Rechts-Anker würde die Prüf-Schärfe verlieren.

Drittens: Verbraucher-Portal-Landschaft mit hoher Trust-Gewichtung. Stiftung Warentest, Finanztip und Verbraucherzentralen werden in generativen Antworten auf Consumer-Fragen überdurchschnittlich zitiert. Die Phase-01-Quellen-Auswahl (Kapitel 11) adressiert diese Portale als Trust-Anker-Schicht, die in anderen EU-Märkten strukturell anders zusammengesetzt ist.

23.2Operative Konsequenz

Die drei Spezifika erklären, warum AT- und CH-Mandate in der aktuellen Methodik-Reife nicht als DACH-Erweiterung, sondern als eigenständige Folge-Studien behandelt werden. Sie erklären auch, warum die Fit-Kriterien aus Kapitel 20.1 die Prompt-Cluster-Substanz auf DE-Basis prüfen, ohne diese Basis wird die Mess-Infrastruktur aus Kapitel 7 orientierungslos. Kapitel 24 (Fazit) fasst die methodische Position der Studie zusammen; dieser Schlussabschnitt markiert, dass die Position ohne die DE-Markt-Expertise als drittes Standbein neben Engineering-Substanz (Kapitel 22) und Zwei-Rollen-Perspektive (Kapitel 21) nicht operativ trägt.

24.15 methodische Kern-Positionen

Die 5 Kern-Positionen verdichten die Studie als methodische Synthese, nicht als Wiederholung der 8 Kern-Aussagen aus dem Executive Teaser. Sie beantworten, was aus der Summe der 24 Kapitel folgt, nicht was die Kapitel einzeln tragen. Wo Aussage und Position dieselbe Substanz berühren, trägt die Position den Synthese-Akzent mit operativer Kapitel-Verortung, die Aussage bleibt deskriptive Substanz-Karte.

Erstens, die Eigenständigkeit von Compliance-GEO zeigt sich in der Kopplung dreier Ebenen zu einer einzigen Methodik. Regulatorische Substanz (TKG, UWG, MStV, Kapitel 3), drei-dimensionale Mess-Logik (Citation-Rate, -Persistenz, -Qualität als Share of Model Voice auf wöchentlicher Kadenz, Kapitel 7) und Preis-Architektur (Kriterien-Faktor mal Modell-Blended-Faktor aus Kapitel 14) greifen als multiplikativ verbundene Methodik, die als SEO-Erweiterung strukturell nicht reproduzierbar ist. Die sektor-konsistente Verankerung im 4-Säulen-Framework der GSMA Intelligence (Kapitel 4) trägt die Position aus dem proprietären in den branchen-validierten Raum.

Zweitens, zwei parallele Drei-Ebenen-Strukturen tragen die Methodik, und ihre Nicht-Kompensierbarkeit ist die operative Pointe. Die drei Disqualifikations-Ebenen (rechtlich, technisch, inhaltlich, Kapitel 2) und die drei Compliance-Schichten (regulatorisch, vertraglich, ethisch, Kapitel 3) verhalten sich parallel zueinander; ein Ausschluss auf einer Ebene wird durch Erfüllung anderer nicht kompensiert. Der zweistufige Verifikations-Workflow in Kapitel 12 operationalisiert diese Parallelität als binäre A-Klassen-Prüfung vor Buchung (drei Kriterien) und vor Schluss-Rechnung (5 Kriterien); die Drei-Klassen-Einstufung aus Kapitel 14.2 übersetzt die Nicht-Kompensierbarkeit in eine multiplikative, nicht additive Preis-Logik.

Drittens, die Preis-Kopplung ist der Rechtshebel, und die Audit-Kette macht ihn über Zeit manipulations-fest. Nach Veröffentlichung sind Korrekturen am URL-Pfad, an der DOM-Kennzeichnung, an der Schema-Auszeichnung oder an der Byline gegenüber dem Publisher praktisch nicht durchsetzbar; die Kopplung der Schluss-Rechnung an den Nachweis erfüllter Kriterien ist die einzige zuverlässige Durchsetzungs-Mechanik, Phase 02 (Kapitel 11.3) und Preis-Faktor-Matrix (Kapitel 14) tragen sie. Die dokumentierte Einkaufs-Standard-Kette sichert die Beweislast gegenüber der Entgelt-Vermutung nach § 5a Abs. 4 Satz 2 UWG (BGH I ZR 35/21, Influencer III); die Audit-Kette aus Kapitel 12.6 mit Hash-Basis, append-only Log und externer Git-Verankerung ergänzt die Prosa-Dokumentation um nachweisbare Manipulations-Resistenz, nicht als NB-Extra, sondern als Phase-02-Infrastruktur.

4., die Klasse-3-Trennlinie ist kategorial und verteilt sich operativ über drei Kapitel. Strategic Text Sequences, Prompt Injection und Schleichwerbung fallen aus dem Northbridge-Mandats-Scope nicht wegen ihrer Intensität, sondern wegen ihrer Handlungs-Kategorie (Kapitel 5). Die kategoriale Natur setzt sich fort im Einkaufs-Standard als binäres A-Kriterium mit Disqualifikations-Folge (Kapitel 12) und in der Zwei-Rollen-Perspektive als Mandats-Grenzlinie, an der die Compliance-Rolle über Einzelfall-Ablehnung entscheidet (Kapitel 21). Weil die Grenze kategorial ist und nicht auf einer Intensitäts-Skala liegt, wird sie nicht neu verhandelt; das entlastet die Klassen-Einordnungs-Diskussion strukturell.

5., Compliance-GEO operiert parallel zur Telco-AI-Infrastruktur-Strategie, und die Drei-Standbein-Architektur aus Teil V ist das operative Fundament. Die 4 McKinsey-Pfade (Fiber-Connectivity, Intelligent Network Services, Space-and-Power, GPUaaS, Kapitel 18) und die Sovereign-AI-Konstruktionen in 4 europäischen Operatoren (Kapitel 17) sitzen in derselben Konzern-Architektur wie Compliance-GEO, operieren aber in unterschiedlichen Budget-Linien, mit unterschiedlichen Freigabe-Stakeholdern und in unterschiedlichen Vertrags-Rahmen. Die kategoriale Trennung entscheidet, ob ein Mandat im Konzern den richtigen Sponsor findet; die Drei-Standbein-Architektur (Zwei-Rollen-Perspektive Kapitel 21, Engineering-Substanz Kapitel 22, DE-Markt-Expertise Kapitel 23) bildet das operative Fundament, das Compliance-GEO nicht durch Substanz-Abgrenzung, sondern durch Mandats-Architektur von AI-Infrastruktur-Beratung unterscheidet.

24.24 Selbstbegrenzungen als Methodik-Rahmen

Die Studie ist durch 4 Selbstbegrenzungen gerahmt, die nicht Verzicht, sondern Methodik-Voraussetzung sind. Keine Operator-Bewertungen, weil eine solche Bewertung die Sektor-Struktur-Beschreibung mit Akteurs-Urteilen überlagern würde. Keine Sektor-Aussagen außerhalb Telekommunikation, weil Financial Services, Insurance und Commerce & Subscription nur als Methodik-Spiegel tragen, nicht als Kontext-Analogien. Keine Markt-Aussagen außerhalb Deutschland, weil Österreich und die Schweiz nicht als DACH-Aufschlag, sondern als eigenständige Folge-Studien behandelt werden müssen, die drei DE-Spezifika aus Kapitel 23 (Aggregator-Dominanz, regulatorische Dichte, Verbraucher-Portal-Landschaft) legen die Methodik-Begründung dafür. Keine Primärforschung über Drittfirmen, weil die Methodik-Entwicklung an strukturell zugänglichen Sektor-Konstellationen ansetzt, nicht an extern erhobenen Markt-Daten.

24.3Reichweite und Studien-Pflege

Die Durchsetzungs-Mechanik des Einkaufs-Standards ist gegenüber Publishern geschärft: Die Kopplung der Schluss-Rechnung an die Briefing-Einhaltung, nicht an Publisher-Policy-Entscheidungen wie Domain-Reputation, Paywall-Architektur oder Bot-Policy, entspricht zivilrechtlich der üblichen Leistungs-Definition. Domain-Policy-Entscheidungen sind vor der Buchung offenzulegen und führen bei Nicht-Erfüllung zur Nicht-Buchung, nicht zur rückwirkenden Rechnungs-Kürzung. Diese Trennung stärkt nach gegenwärtigem Substanz-Stand die Beweislast-Position des Auftraggebers gegenüber der Entgelt-Vermutung nach § 5a Abs. 4 Satz 2 UWG (BGH I ZR 35/21 vom 13. Januar 2022, Influencer III). Die Vertiefung dieser Argumentation steht in Kapitel 12.5 (Beweislast-Sicherung) und wird in Anhang A in der Verantwortungs-Ebene-Zuordnung des Kriterien-Register-Spiegels operationalisiert.

Die Studie ist methodische Positionsbestimmung, nicht Implementierungs-Handbuch. Sie beschreibt, woran sich eine Compliance-GEO-Mandats-Arbeit in Telekommunikation ausrichtet; sie liefert keine Mandats-Protokolle, keine Vertragsvorlagen und keine Schluss-Rechnungs-Formulare. Die operative Substanz aus den Kapiteln 9 bis 16 wird in der laufenden Mandats-Arbeit weiter geschärft und in Folge-Publikationen ausdifferenziert. Die regulatorischen Anker stehen unter aktiver Pflege; die Re-Sichtungs-Rhythmik ist in den Fachkapiteln 3 und 13 dokumentiert.

Die hier entfaltete Position ist nicht abschließend. Compliance-GEO als Disziplin wird in den kommenden Quartalen durch regulatorische Weiterentwicklung (EU AI Act in der Durchführungsrechtsakt-Phase, TKG-Folgeänderungen, Sicherheitskatalog-Finalfassung) und durch die empirische Ausdifferenzierung der Retrieval-Engines fortgeschrieben. Die Studie dient als methodische Basis, auf der die Mandats-Praxis weiterarbeitet und die nächste sektorale Positionsbestimmung, Financial Services, Insurance und Commerce & Subscription, ihren eigenen Zuschnitt findet.

24.4Anschluss-Forschung

Die hier entfaltete Methodik ist auf einen Sektor und einen Markt fokussiert. Ihre empirische Tragfähigkeit wird in einem sektor-übergreifenden Retrieval-Citation-Beobachtungs-Programm fortgeschrieben, das die in Kapitel 4 benannten regulierten Consumer-Sektoren parallel adressiert. Drei Eckpunkte rahmen das Programm.

Zuschnitt. Mehrere tausend Prompts pro Mess-Welle über die vier Sektoren Telekommunikation, Financial Services, Insurance, Commerce & Subscription und die in Kapitel 9 benannten Retrieval-Engines. Die Erhebung läuft mandats-unabhängig und anonym aggregiert über Publisher-Klassen und Anbieter-Gruppen, in Fortschreibung der in Anhang B beschriebenen Mess-Architektur.

Methodische Härtung. Die statistische Schicht des Mess-Designs, Stichproben-Stratifikation, Inferenz-Architektur und Klassifikator-Reliabilität, wird in Kooperation mit einer hochschulseitigen Statistik-Einheit gehärtet. Eine formale Forschungs-Kooperation ist als Projekt-Ziel benannt.

Publikations-Route. Zielpublikation ist ein Applied-Research-Paper in einem Information-Retrieval-Venue, flankiert von einem öffentlichen Benchmark-Report mit anonymisierten, auf Klassen-Ebene aggregierten Befunden. Eine methoden-dokumentierende Zweit-Veröffentlichung wird parallel vorbereitet. Die Trennung zwischen publizierten Mess-Befunden und mandats-gebundener Korrektur-Grammatik aus Kapitel 24.2 und 24.3 bleibt im Anschluss-Programm konsistent gewahrt.

A.1Academic Foundation

01 Aggarwal et al. (KDD 2024). GEO-Bench; Position-Adjusted Word Count; Strategic Text Sequences. Definitorische Basis des Compliance-GEO-Begriffs und empirische Verankerung der Front-Loading-Wirksamkeit.

02 Wu et al. (2025). Generative Engine Utility (GEU). Methodische Präzisierung der GEO/GEU-Terminologie; Basis der AEO-Abgrenzung in Kapitel 1.

A.2Industry-Research GEO-Tools

03 Indig (2026). n = 18.012 ChatGPT-Citations; 44,2 Prozent Citations aus den ersten 30 Prozent des Textes (Front-Loading-Quantifizierung).

04 Semrush 13-Wochen-AI-Citation-Studie (Stand Oktober 2025). Über 100 Millionen Citations; Reddit-Drift in ChatGPT von 60 auf 10 Prozent; Modell-Landschafts-Volatilität.

05 Scrunch Industry-Research (Stand 2025/2026). 3,5 Millionen Citation-Events; engine-spezifische Citation-Halbwertszeiten.

06 Profound Industry-Research (Stand 2025/2026). Citation-Drift bis 60 Prozent pro Monat; Markdown-vs-HTML-Experiment (Q1 2026).

06a rankscale.ai. AI-Visibility-Tracking auf 5-Engine-Schnitt ChatGPT, Claude, Google AI Mode, Google AI Overview, Perplexity; Mess-Logik aus Detection und Position; Visibility-Score-Formel nicht offengelegt; Prompt-Inventar mandanten-konfigurierbar.

06b Peec.ai. AI-Visibility-Tracking auf transaktionalen Prompts; Drei-Engine-Schnitt ChatGPT, Perplexity, Google AI Overviews; Mess-Logik aus Detection und Position analog 06a; tagesgenaues Tracking auf konfigurierbarem Prompt-Inventar.

07 Yext Search Experience Benchmark (Stand Q4 2025). 17,2 Millionen Citations; Author-Entity-Disambiguation als Citation-Qualitäts-Hebel.

08 Ahrefs Mentions-vs-Backlinks (Stand 2025). n ≈ 75.000 Marken; Mentions als Brand-Recall-Mechanik ohne Link.

08a Ahrefs 750-Prompts-Studie (Stand 2025). Hook-Dichte-Korrelation mit Citation-Rate; empirischer Anker für Kriterium B 04 in Kapitel 12.3.

09 Seer Interactive (Stand 2025). AI-Overviews-Citations 2023 bis 2025; Freshness-Hebel.

10 Similarweb GenAI Landscape (Stand 2025). ChatGPT-Nutzer-Verteilung DE; 7 Prozent Conversion-Referenz.

11 Sistrix Prompt Research DACH (Stand 2025). 62 Millionen DACH-Fragen; Cluster-Logik-Basis.

11a Sistrix-Promptindex (sistrix.de Handbuch AI, Stand 22. Oktober 2025 und 2. Januar 2026). AI-Brand-Coverage-Tracking auf einem Vorlagen-Inventar von rund 10 Millionen Prompts; binäre Mess-Logik (Brand erschienen ja/nein) auf Drei-Engine-Schnitt ChatGPT, Google AI Mode, Google AI Overview; Drittanbieter-Triangulationsanker für die Plattform-Mechanik in Kapitel 6.2.

12 Reuters (Oktober 2025). Perplexity-CEO-Revenue-Aussage; Markt-Reife-Anker für Kapitel 8.

A.3Sektor-Forschungs-Häuser

13 Jarich, Hatt, Borole, GSMA Intelligence (Januar 2025, Stand Q4 2024). 4-Säulen-Framework; 65 Prozent AI-Strategie-Kennzahl; 49 Prozent Cybersecurity als Top-Barriere; 88 Prozent Phishing/Smishing als vorrangige Bedrohung.

14 Shrivastava et al., McKinsey & Company (28. Februar 2025, Stand Q1 2025). 4 strategische Pfade im Telco-AI-Markt; 30 bis 50 Mrd. USD Fiber-Opportunität; 35 bis 70 Mrd. USD GPUaaS bis 2030.

A.4AI-Anbieter-CoC-Frameworks

Kategorie in Kapitel 19 verankert; Voll-Verankerung im H-Endlektorat nach Kapitel-19-Konsolidierung.

15 SK Telecom AI Code of Conduct. 16 Anthropic Responsible Scaling Policy und Usage Policy. 17 OpenAI Usage Policies. 18 Google AI Principles. 19 Microsoft Responsible AI Standard. 20 Meta Responsible AI Framework.

A.5Engine-Vendor-Dokumentation

21 OpenAI. help.openai.com; platform.openai.com/docs/bots. Stand April 2026.

22 Anthropic. support.anthropic.com/en/articles/8896518; anthropic.com/supported-countries; News "Claude Europe" vom 14. Mai 2024. Stand April 2026.

23 Perplexity. docs.perplexity.ai/docs/resources/perplexity-crawlers, Stand April 2026; perplexity.ai/hub/blog/agents-or-bots-making-sense-of-ai-on-the-open-web, 4. August 2025.

24 Microsoft. microsoft.com/en-us/microsoft-365/blog, 4. November 2025 (Paul Lorimer); support.microsoft.com/copilot-actions-in-edge; learn.microsoft.com/microsoft-copilot-studio.

25 Google. developers.google.com/search/docs/crawling-indexing/google-common-crawlers, Update 28. April 2025; gemini.google/release-notes/; business.google.com/en-all/think/ai-excellence/ai-mode-marketing-europe/, Oktober 2025.

26 Cloudflare-Reports. blog.cloudflare.com, 4. August 2025, aktualisiert 29. Januar 2026; UK-Google-AI-Crawler-Policy, 30. Januar 2026.

27 HumanSecurity. humansecurity.com/ai-agent/copilot-actions/, 12. Januar 2026.

28 Fach-Presse. Search Engine Journal, 28. Januar 2026; Search Engine Roundtable, 9. Dezember 2025; Search Engine Land, 26. März 2025; Deutsche Telekom Presse (telekom.com, Comet-Partnerschaft).

A.6Rechtliche Grundlagen

29 UWG (Fassung Stand April 2026). § 2 Abs. 1 Nr. 2; § 5 Abs. 1; § 5a Abs. 1, Abs. 2, Abs. 4, Abs. 4 Satz 2 (Entgelt-Vermutung); § 5b Abs. 4; § 8 Abs. 2.

30 MStV. § 22 Abs. 1 Satz 1.

31 DDG 2024. § 6 Abs. 1 Nr. 1; § 7.

32 TKG 2021 (Fassung Stand April 2026). §§ 54 bis 57, § 66, § 109 ff., §§ 165 bis 168, § 228; Änderungen durch Art. 25 NIS2UmsuCG (in Kraft 6. Dezember 2025) und Art. 6 des Gesetzes vom 11. März 2026 (BGBl. 2026 I Nr. 66).

33 BSIG 2025. § 28 Abs. 1 Satz 1 Nr. 3; § 28 Abs. 2 Nr. 2; § 28 Abs. 3 (Vernachlässigbarkeits-Klausel); § 28 Abs. 5 Nr. 1 und Satz 4; §§ 30, 33; § 39 Abs. 4; § 65.

34 NIS-2-Regime. Richtlinie (EU) 2022/2555; NIS2UmsuCG (BGBl. I 2025 Nr. 301, in Kraft 6. Dezember 2025); Durchführungsrechtsakt (EU) 2024/2690 vom 17. Oktober 2024; ENISA Technical Implementation Guidance vom 26. Juni 2025; NIS-Cooperation-Group EU ICT Supply Chain Security Toolbox vom 30. Januar 2026; BNetzA-Sicherheitskatalog-Konsultation nach § 167 TKG (Entwurf Oktober 2025, Finalfassung Q2/Q3 2026 erwartet).

35 KRITIS-Regime. KRITIS-Dachgesetz (BGBl. 2026 I Nr. 66, in Teilen in Kraft 17. März 2026); CER-Richtlinie (EU) 2022/2557.

36 DORA. Verordnung (EU) 2022/2554 (anwendbar seit 17. Januar 2025).

37 EU AI-Act, Verordnung (EU) 2024/1689. Art. 3 Nr. 3 (Provider); Art. 3 Nr. 4 (Deployer); Art. 50 (Transparenz-Pflichten).

38 UGP-Richtlinie 2005/29/EG. Art. 7 Abs. 5; Vollharmonisierungs-Grundlage des UWG.

39 PAngV. § 11 Abs. 1.

40 Österreichisches NISG 2026. BGBl. I Nr. 94/2025, kundgemacht 23. Dezember 2025, in Kraft zum 1. Oktober 2026; Referenz-Vergleichs-Rechtsordnung (vgl. Kap. 3.1).

41 Kommissions-Vorschlag CSA2. Entwurf vom 20. Januar 2026; politische Einigung Anfang 2027 erwartet; offener Monitoring-Punkt.

42 Rechtsprechungs-Corpus BGH. BGH I ZR 211/17 und I ZR 90/17 (Influencer-Kennzeichnung); BGH I ZR 96/19 vom 25. Juni 2020 (LTE-Geschwindigkeit); BGH I ZR 125/20 vom 9. September 2021 (Influencerin II, Norm-Hierarchie § 5a UWG / § 22 MStV / § 6 DDG); BGH I ZR 35/21 vom 13. Januar 2022 (Influencer III, Entgelt-Vermutung § 5a Abs. 4 Satz 2 UWG); BGH I ZR 27/22 vom 26. Januar 2023 (Haftung für Affiliates, enge Beauftragten-Voraussetzung nach § 8 Abs. 2 UWG); BGH I ZR 176/19 vom 26. Oktober 2023 (Zigarettenausgabeautomat III, Werbungs-Begriff); BGH I ZR 98/23 vom 27. Juni 2024 (klimaneutral); BGH I ZR 164/23 vom 11. Juli 2024 (nikotinhaltige Liquids); BGH I ZR 112/23 vom 23. Oktober 2024 (Online-Marktplatz-Haftung); BGH I ZR 53/24 vom 23. Januar 2025 (Fortschreibung § 5a/§ 5b-Dogmatik); BGH I ZR 183/24 vom 9. Oktober 2025 (Netto/Preisermäßigung, Pressemitteilung 184/2025); BGH I ZR 28/25 vom 11. März 2026 (Google Ads, zentrale Stütze der Ba-Linie in Kap. 14.6).

43 Rechtsprechungs-Corpus EuGH. EuGH C-236/08 bis C-238/08 Google France; EuGH C-324/09 L'Oréal/eBay; EuGH C-540/08 Mediaprint; EuGH C-261/07 VTB-VAB und C-299/07 Galatea; EuGH C-304/08 Plus Warenhandelsgesellschaft (UGP-Vollharmonisierungs-Trias); EuGH C-18/18 Glawischnig-Piesczek; EuGH C-682/18 und C-683/18 YouTube und Cyando; EuGH C-330/23 vom 26. September 2024 (Aldi Süd); EuGH C-492/23 Russmedia vom 2. Dezember 2025.

44 Verwaltungsgerichts-Vorlage. VG Berlin 32 K 222/24 vom 10. Juli 2025 (Vorlagebeschluss zum EuGH, anhängig Stand April 2026; offener Monitoring-Punkt (vgl. Kap. 2)).

45 Sekundärliteratur Rechts-Kommentatoren.

• § 165 Abs. 2c TKG (Geschäftsleitungs-Haftung): Noerr (26. September 2024); Morrison Foerster (20. Februar 2025); Meyer-Köring (18. Juli 2025); Opexa Advisory (Juni 2025); Kritisschutz (24. August 2025); Proliance (17. Dezember 2025); Pöppel Rechtsanwälte (14. Januar 2026).
• KRITIS-Dachgesetz: Deloitte Legal (9. März 2026); GÖRG (9. März 2026).
• DORA-Abgrenzung Telco-Payment: Paytechlaw (12. August 2025); Digital Chiefs (11. Februar 2026); secjur (März 2026).
• § 28 Abs. 3 BSIG: Hessel/Schneider, RDi 2026, 25; TeleTrusT Stellungnahme (Juli 2025); BSI-FAQ zu NIS-2 (Stand April 2026); Schönherr NISG-2026-Überblick (Januar 2026); DORDA NISG 2026 (Januar 2026).
• § 165 Abs. 2a Nr. 4 TKG: Lexology Part 3 Supply Chain Security (4. Dezember 2025); Schjødt, Navigating the NIS 2 Directive; Turing Law, NIS2 and contracting (15. Dezember 2025); BSI #nis2know Sichere Lieferkette; ISO/IEC 27001:2022 A.5.19 bis A.5.22 und A.8.30; Bird & Bird, Morrison Foerster, DLA Piper, BTL Rechtsanwälte (Dezember 2025 bis Januar 2026).
• Zurechnung autonomer LLM-Empfehlung (Position-7- und Position-14-Research): CMS, Kommentierung KI-gestützter Werbung (6. März 2024); IT-Recht-Kanzlei, KI-Compliance AI Washing (25. Juni 2024); Forschungsstelle Recht im DFN, Haftung für rechtswidriges Verhalten Dritter im Internet (Mai 2024); Bongers-Gehlert, WRP 2025, 407; Kuhlmann, Legal Tribune Online (18. August 2025); Wettbewerbszentrale, Leitfaden Kennzeichnung KI-generierter Inhalte Version 1.1 (4. Februar 2026).

A.7Kriterien-Register-Spiegel (Einkaufs-Standard)

Kompakte Cross-Referenz-Form der 18 Kriterien aus Kapitel 12 mit den zwei Verantwortungs-Dimensionen. Die methodische Substanz steht in Kapitel 12.2 (A-Klasse) und Kapitel 12.3 (B-Klasse) sowie in Kapitel 12.1.1 (Zwei-Ebenen-Verantwortungs-Trennung) und in Kapitel 12.4 (zweistufiger Verifikations-Workflow). Der Spiegel hier dient als Quellen-Anker-Anhang, nicht als eigenständige Norm.

Die Verteilung ergibt drei Kriterien in der Publisher-Vorprüfung (A 03, A 05, A 06, Publisher-Policy auf Domain-Ebene, vor Buchung quartalsweise re-validiert) und 15 in der Briefing-Einhaltung (A 01, A 02, A 04, A 07, A 08 plus B 01 bis B 10, pro Beitrag, vor Schluss-Rechnung verifiziert). Die Einfluss-Bereich-Spalte trennt rein Publisher-kontrollierte Kriterien von gemeinsam-redaktionell getragenen (B 01 mit Vorarbeit-Zulässigkeit; B 03 bis B 09 als Phase-03-Redaktions-Schicht aus Kapitel 15). Die Operative Regel der Preis-Faktor-Matrix aus Kapitel 14.2 differenziert Briefing-FAIL (Rechnungs-Kürzung) von Vorprüfungs-FAIL (Nicht-Buchung) entsprechend dieser Verantwortungs-Ebenen-Trennung.

B.1Worked Example

Nehmen wir ein typisches Placement im DE-Telco-Aggregator-Raum: Listen-Preis 1.200 Euro, A-Kriterien-Profil alle 8 erfüllt, B-Kriterien-Profil 6 von 10. Daraus ergibt sich Mixed-Buy-Einstufung nach der Drei-Klassen-Systematik aus Kapitel 14.2, ein Kriterien-Faktor von 0,6× und ein Modell-Blended-Faktor von 0,82× für einen ChatGPT-Perplexity-Mandanten (Kapitel 8.3, Modell-Blended-Faktor aus zwei Engine-Gewichten kompositioniert). Die Rechnung lautet 1.200 € × 0,6 × 0,82 = 590 €. Der Final-Preis liegt rund 51 Prozent unter dem Listen-Preis. Die beiden Faktor-Ebenen, Kriterien-Bewertung der Platzierung selbst (Kriterien-Faktor) und Modell-spezifische Gewichtung des Mandats-Schwerpunkts (Modell-Blended-Faktor), multiplizieren sich, weil sie methodisch unabhängige Dimensionen adressieren.

B.2Sensitivitäts-Tabelle, drei Parameter-Variationen

Die Tabelle zeigt, dass die Final-Preis-Spanne zwischen dem schwächsten (C–) und stärksten (C+) B-Kriterien-Profil bei 443 € bis 738 € liegt, die Modell-Variation dagegen nur bei 531 € bis 649 €. Die B-Kriterien-Bewertung hat die höhere Hebelwirkung, weil sie über die Drei-Klassen-Einstufung aus Kapitel 14.2 die Preis-Klasse der Platzierung bestimmt; die Modell-Variation ist sekundär und reflektiert nur die Engine-Gewichtung innerhalb eines festen Mandats-Schwerpunkts. Die Kriterien-Faktor-Werte für C+ und C– sind illustrative Annahmen für die Bandbreite innerhalb und zwischen Klassen; die präzise Ableitung je Klasse erfolgt in Kapitel 14.

B.3Grenzen der Illustration

Die Illustration hat drei Grenzen. Erstens sind die Faktor-Werte typisch, aber nicht mandats-gemessen; jedes reale Mandat trägt seine eigene Kriterien-Matrix und sein eigenes Modell-Gewicht aus der Phase-01-Mandats-Aufnahme nach Kapitel 15. Zweitens ersetzt der Durchlauf keine empirische Validierung der Preis-Faktoren selbst; die Faktor-Herleitung aus Kapitel 8.3 und 14 bleibt die Grundlage, Anhang B illustriert nur die Multiplikations-Logik. Drittens gelten die Sensitivitäts-Reaktionen unter der Annahme, dass Kriterien- und Modell-Faktor multiplikativ unabhängig sind; in konkreten Mandats-Konstellationen können Kopplungs-Effekte zwischen A-Kriterien-Profil und Modell-Gewicht auftreten, die die Linearität dämpfen oder verstärken, und die im Mandats-Ordner gesondert dokumentiert werden.

B.46 Mess-Disziplin-Bausteine · Spezifikation

Die in Kapitel 7.6 benannten 6 Mess-Disziplin-Bausteine tragen die methodische Substanz, auf der die Drei-Dimensionen-Mess-Logik operativ läuft. Sie werden hier in Funktion und Wirkung beschrieben; die genauen Schwellwerte, Cache-TTL-Werte und Re-Kalibrierungs-Schritte sind mandats-spezifisch konfigurierbar und werden im jeweiligen Mandats-Setup festgelegt.

B.4.1 Seed-, Prompt- und Cache-Protokolle. Jede Mess-Welle dokumentiert die verwendeten Engine-Parameter, die exakte Prompt-Formulierung und die Cache-Konfiguration in einer append-only Protokoll-Datei. Reports ohne Protokoll-ID werden nicht ausgeliefert. Ohne Protokoll ist keine Drift-Aussage methodisch tragfähig, weil jede beobachtete Abweichung auch eine Protokoll-Abweichung sein kann.

B.4.2 Cluster-Integrität und Noise-Schwelle. Ein Prompt-Cluster muss eine Mindest-Anzahl distinkter Prompt-Varianten derselben Intent-Kategorie tragen, sonst ist er statistisch nicht belastbar und wird aus dem Reporting ausgeschlossen, nicht mit Warnung mitgeführt. Eine Noise-Rate-Schwelle markiert Wellen mit widersprüchlichen Citation-Mustern als instabil.

B.4.3 Baseline-Kohorte vor Mandat-Start. Vor jedem Mandat läuft eine Baseline-Messung über mehrere Wochen mit wöchentlicher Kadenz; sie deckt dieselben Prompt-Cluster und Engines ab wie die spätere Phase-04-Messung. Ohne Baseline ist keine Attribution einer Intervention möglich.

B.4.4 Schwellwert-Flags mit Folge-Handlung. Pro Mess-Metrik ist ein Schwellwert-Flag definiert. Citation-Share-Abweichungen, erhöhte Volatilität, Publisher-Verluste über aufeinanderfolgende Wellen und Engine-Drift gegenüber dem Mehr-Wellen-Mittelwert lösen jeweils eine konkrete, vordefinierte Folge-Handlung aus, von Redaktions-Review bis Einkaufs-Standard-Reassessment. Ohne Flag-Trigger passiert keine ad-hoc-Anpassung; Flags sind der einzige Anpassungs-Anlass.

B.4.5 Case-Based-Historie pro Cluster. Jeder aktive Prompt-Cluster trägt eine Mess-Historie über mehrere Wochen, die Citation-Rate, Persistenz-Anteil, Qualitäts-Stichprobe und Flag-Events dokumentiert. Eine einzelne Welle zeigt einen Zustand, eine Historie zeigt eine Kurve. Die Persistenz-Metrik aus Kapitel 7.3 und der Cluster-Anteil aus dem 7-Tage-Dashboard (B.7) laufen auf derselben Mess-Historie.

B.4.6 Validierungs-Metriken. Pro Vorhersage aus der Preis-Faktor-Matrix (Kapitel 14.2) oder aus der Hypothesen-Validierung (Kapitel 16.1) werden vier Metriken mitgeführt: Decision-Threshold, Pearson-Korrelation zwischen Vorhersage und Messung, False-Negatives-Rate und bei lern-basierten Modellen GBM-Loss. Sie sind die Schicht, die einen Mess-Report als belastbare Prognose statt als Momentaufnahme positioniert.

B.5Engine-Aggregations-Formel und Fallback-Mechanik

Die in Kapitel 8.3.1 benannte Aggregations-Disziplin wird hier mit Formel, Worked Example auf die 0,89× und Fallback-Mechanik spezifiziert. 5 Unterabschnitte mit klarer Gliederung.

B.5.1 · Drei-Quellen-Mindest-Konfiguration und Unabhängigkeits-Kriterien

Die Mindest-Konfiguration für einen tragfähigen Modell-Blended-Faktor besteht aus drei Inferenz-Quellen, die folgende Unabhängigkeits-Kriterien erfüllen:

• Anbieter-Trennung. Die drei Quellen werden von mindestens drei verschiedenen rechtlichen Betreibern angeboten.
• Modellgewichts-Trennung. Die drei Quellen teilen keine gemeinsame Modellgewichts-Basis. Eine GPT-Variante und eine GPT-abgeleitete Anwendung zählen nicht als zwei unabhängige Quellen.
• Trainings-Korpus-Trennung. Die Trainings-Korpora der drei Quellen überlappen zumindest nicht vollständig. Vollständige Korpus-Überlappung erzeugt systematisch korrelierte Antworten und bricht die Aggregations-Logik.

Die 6 Engines aus Kapitel 9 (ChatGPT, Copilot, Perplexity, Claude, Gemini, Google AI Overviews) erfüllen diese Kriterien strukturell. Claude und ChatGPT sind verschiedene Anbieter mit verschiedenen Modellen; Perplexity nutzt zwar GPT-Derivate, ist aber ein eigener Anbieter mit eigener Retrieval-Schicht; Gemini und Google AI Overviews sind beide Google-Produkte mit geteilter Modellgewichts-Basis und werden deshalb zusammen als eine Quelle gezählt, wenn die Unabhängigkeits-Klausel streng angewandt wird. In der gegenwärtigen Studien-Fassung werden sie trotzdem getrennt geführt, weil die Retrieval-Architekturen hinreichend unterschiedlich sind (Gemini als konversationelle Engine, AI Overviews als Search-Snippet-Integration).

B.5.2 · Gewichts-Vektor-Berechnung · die Aggregations-Formel

Der Modell-Blended-Faktor entsteht als Skalarprodukt aus zwei Vektoren:

Mandanten-Gewichtungs-Vektor w = (w₁, w₂, …, w₆) mit Σwᵢ = 1

Jeder Eintrag wᵢ gibt an, welchen Anteil der Reichweite eines Mandats Engine i trägt. Die Werte werden im Phase-00-Erstgespräch kalibriert, entweder aus expliziter Engine-Priorisierung des Mandanten oder aus einer Baseline-Messung über den Mandats-Markt.

Engine-Wert-Vektor e = (e₁, e₂, …, e₆)

Jeder Eintrag eᵢ gibt den Arbeits-Hypothesen-Wert für Engine i an, wie in Abschnitt 8.3 tabelliert. Diese Werte sind aus dokumentierter Retrieval-Architektur plus Modell-Selbstauskunft abgeleitet und werden quartalsweise nachkalibriert (Kap. 8.4).

Der Modell-Blended-Faktor ist das Skalarprodukt:

modell_blended_faktor = w · e = Σᵢ (wᵢ × eᵢ)

Mathematisch ist das ein gewichteter Durchschnitt der Engine-Werte, gewichtet mit dem Mandanten-Gewichtungs-Vektor. Strukturell ist es die Übersetzung der mandats-spezifischen Engine-Priorisierung in einen einzigen multiplikativen Preis-Faktor.

B.5.3 · Mess-Zeitfenster und Fallback-Mechanik

Die Einzel-Engine-Werte sind keine statischen Größen. Sie werden quartalsweise gegen die Retrieval-Architektur und die Modell-Selbstauskunft neu kalibriert (Kap. 8.4), durch wöchentliche Stichproben-Verifikation gegen Drift abgesichert (Kap. 7.3) und bei bekannt gewordenen Modell-Updates ausserhalb des Quartalsrhythmus nachgemessen.

Engine-Ausfälle sind selten, aber nicht ausgeschlossen: API-Timeouts, Rate-Limits, Antwort-Verzögerung über das Mess-Zeitfenster hinaus oder Fehlermeldungen ohne verwertbaren Retrieval-Output. In allen drei Fällen wird der Engine-Wert für die betroffene Welle durch einen definierten neutralen Teilwert ersetzt, nicht aus der Aggregation entfernt. Sonst bricht die Gewichts-Vektor-Struktur zwischen den Wellen und die Vergleichbarkeit über Zeit zerstört sich. Der Fallback-Einsatz wird im Protokoll markiert, damit betroffene Wellen identifizierbar bleiben.

B.5.4 · Worked Example · Wie entsteht 0,89×?

Das gleichverteilte Szenario aus Abschnitt 8.3 (Mandat mit Gesamt-Marktabdeckung) entsteht aus folgenden Vektoren:

Mandanten-Gewichtungs-Vektor (gleichverteilt über 6 Engines): w = (1/6, 1/6, 1/6, 1/6, 1/6, 1/6) ≈ (0,167, 0,167, 0,167, 0,167, 0,167, 0,167)

Engine-Wert-Vektor (Stand April 2026, NB-Retrieval-Untersuchung, Werte aus Tabelle Kap. 8.3): e = (1,0, 1,0, 0,95, 0,9, 0,8, 0,7) (Reihenfolge: ChatGPT, Copilot, Perplexity, Claude, Gemini, Google AI Overviews)

Skalarprodukt:

modell_blended_faktor = (1/6)(1,0 + 1,0 + 0,95 + 0,9 + 0,8 + 0,7)
                     = (1/6)(5,35)
                     = 0,8917
                     ≈ 0,89×

Analog für das ChatGPT-Perplexity-priorisierte Szenario mit w = (0,4, 0,075, 0,3, 0,075, 0,075, 0,075):

modell_blended_faktor = 0,4 × 1,0 + 0,075 × 1,0 + 0,3 × 0,95 + 0,075 × 0,9 + 0,075 × 0,8 + 0,075 × 0,7
                     = 0,4 + 0,075 + 0,285 + 0,0675 + 0,06 + 0,0525
                     = 0,94×

Der Worked Example zeigt: die Szenarien-Werte sind keine geratenen Arbeits-Hypothesen, sondern das deterministische Ergebnis einer expliziten Skalarprodukt-Rechnung aus zwei sauber definierten Vektoren. Die Arbeits-Hypothesen sind die Einzel-Engine-Werte, nicht der Blended-Faktor. Diese Klarstellung löst den GEO-Lead-Einwand zum 0,89× als "plausibilisierte statt belegte Zahl" methodisch auf: der Blended-Faktor ist belegt (Rechnung ist transparent), die Einzel-Engine-Werte sind die Arbeits-Hypothesen (und werden in Kapitel 16 empirisch validiert).

B.6Audit-Kette · Minimal-Implementierung

Die in Kapitel 12.6 benannten drei Audit-Kette-Bausteine, Hash-Basis, append-only Log und externe Git-Verankerung, ergeben gemeinsam eine belastbare Manipulations-Resistenz mit Standard-Krypto-Werkzeugen, ohne Schlüssel-Verwaltung und ohne Zertifikats-Infrastruktur.

Hash-Basis. Pro Freigabe-Entscheidung, Verifikations-Bericht und Phase-04-Report wird ein SHA-256-Hash über den kanonisierten Dokument-Inhalt berechnet. Bei späterer Verifikation wird das Dokument erneut kanonisiert und gehasht; jede Abweichung markiert eine Manipulation.

Append-only Log. Die Log-Datei trägt pro Eintrag Zeitstempel, Akteur, Aktions-Typ, Dokument-ID und Hash, plus den Hash der vorangegangenen Zeile als Verkettung. Die Datei ist dateisystem-seitig gegen Überschreibung und Löschung geschützt; jede nachträgliche Einfügung oder Löschung bricht die Kette sichtbar auf. Pro Mandat geführt, monatlich rotiert, rotierte Dateien sind unveränderlich.

Externe Git-Verankerung. Die Log-Datei wird einmal täglich oder nach jeder Phase-02-Freigabe in ein Git-Repository ausserhalb der Mandats-Infrastruktur committed. Der Commit-Hash liegt damit ausserhalb der direkten Kontrolle des Mandats-Systems. Bei späterer Beweislast-Situation lässt sich der Log-Inhalt gegen die Commit-Historie prüfen; Abweichung bedeutet nachträgliche Änderung nach Commit. Die Mess-Protokoll-Dateien laufen mit in dieselbe Git-Verankerung, damit Mess-Protokoll und Freigabe-Historie dieselbe Manipulations-Resistenz erhalten.

Verifikations-Pfad. Drei Schritte: Re-Hash des fraglichen Dokuments und Vergleich mit dem Log-Eintrag, Hash-Ketten-Prüfung über die Log-Zeilen, Abgleich der Log-Datei mit der Commit-Historie des externen Git-Servers. Brüche in einem der drei Schritte markieren die Manipulations-Stelle.

Für Mandate mit DORA-Kontext oder BSIG-KRITIS-Relevanz lässt sich die Audit-Kette optional um eine kryptographische Signatur pro Log-Eintrag erweitern (ECDSA P-256 oder EdDSA Ed25519). Diese Erweiterung ist nicht Standard-Teil; die Minimal-Implementierung trägt für die Mehrzahl der DE-Telco-Mandate.

B.77-Tage-Dashboard · Metriken, Trigger, Rollen

Die in Kapitel 7.7 benannte 7-Tage-Dashboard-Lesart trägt fünf Kern-Metriken pro aktivem Prompt-Cluster und Engine: Citation-Share Woche-über-Woche als Prozentpunkte-Änderung gegenüber der Vorwelle, Persistenz-Rate Top-20 als Anteil der Top-20-URLs, die in mindestens drei der letzten vier Wellen zitiert wurden, das Publisher-Verlust-Flag als Boolean-Indikator für Publisher-Domains, die zwei aufeinanderfolgende Wellen ausgefallen sind, der Volatilitäts-Index als Standardabweichung der Citation-Rate über vier Wellen sowie der Engine-Drift-Indikator als Verschiebung des Citation-Musters einer Engine gegenüber dem Vier-Wellen-Mittelwert. Das Dashboard zeigt zusätzlich eine aggregierte Citation-Rate über alle Engines als reiner Übersichts-Wert; die drei Mess-Dimensionen aus Kapitel 7 bleiben engine-separiert die eigentliche Entscheidungs-Grundlage (Aggregations-Verbot nach Kapitel 7.5).

Trigger-Logik. Die Schwellwert-Flags aus B.4.4 wirken auf die wöchentliche Kadenz: Citation-Share-Abweichungen über zehn Prozent gegenüber Baseline oder Vorwelle lösen einen Redaktions-Review aus, anhaltende Volatilität führt zu verdichteter Mess-Kadenz, der Publisher-Verlust-Flag triggert ein Einkaufs-Standard-Reassessment, Engine-Drift wird als Engine-Event in der Case-Based-Historie dokumentiert. Jeder Trigger hat eine Sofort-Handlung, jede Sofort-Handlung eine Eskalations-Stufe; ohne Trigger keine ad-hoc-Anpassung.

Rollen-Zuordnung. Drei Rollen nutzen dasselbe Daten-Fundament mit unterschiedlicher Aggregations-Tiefe und Alert-Priorisierung: der Inhouse-SEO/GEO-Lead trägt die tägliche bis wöchentliche Sichtung und die Sofort-Handlungs-Entscheidungen, der CMO oder Marketing-Verantwortliche prüft wöchentlich die aggregierten Cluster-Trends und entscheidet über Eskalationen, der NB-Berater integriert die Befunde in den Phase-04-Regelkreis auf Quartals- und Halbjahresebene.

Anschluss an den Mandats-Regelkreis. Die wöchentlichen Dashboard-Befunde fließen in die Quartals-Nachkalibrierung aus 11.5 ein. Jede Welle produziert einen Wochen-Snapshot; nach zwölf Wochen liegen drei Monate aggregierte Evidenz vor, die in die Quartals-Hypothesen-Validierung aus Kapitel 16 eingehen. Das Dashboard ist die Daten-Vorstufe des Regelkreises, nicht ein eigenständiger zweiter Regelkreis.