Voice Search SEO: Wenn Assistenten mit Sprachmodellen antworten

Von Manfred Mayer Rieger · Veröffentlicht 26. Oktober 2026

Der eigene Sprachsuche-Ratgeber von Search Engine Journal, der für diesen Begriff noch immer weit oben rankt, verbringt den Großteil seiner Länge mit Featured Snippets und Wie-mache-ich-Formulierungen. Dieser Rat stammt aus einer Welt, in der ein smarter Lautsprecher einfach vorlas, was Google ohnehin schon auf Position null gesetzt hatte. Drei der größten Sprachplattformen funktionieren inzwischen nicht mehr so.

Was bedeutete Voice Search SEO früher?

Eine ruhige, gesprächsnahe Frage auswählen. Eine Antwort schreiben, die kurz genug für ein Featured Snippet ist. Sie so auszeichnen, dass Googles Extraktionslogik sie sauber findet. Das für jede “in meiner Nähe”- und “wie mache ich”-Variante wiederholen, die jemand eher spricht als eintippt. Das war jahrelang das ganze Rezept, weil das Gerät selbst nichts Besonderes tat – es suchte, fand das oberste Ergebnis und las es vor.

Ein paar SEO-Übersichten beschreiben die Chance noch immer genau so: das Snippet gewinnen, die Sprachantwort gewinnen. Nur hat sich geändert, was am anderen Ende zuhört.

Warum ist Sprachsuche jetzt anders?

Drei Ankündigungen, jede von den beteiligten Unternehmen selbst und nicht aus Spekulation, beschreiben denselben Wandel aus drei Richtungen. Anthropic erklärte im Februar 2025, Claude-Modelle würden Alexa+ mit antreiben, angebunden über Amazons Bedrock-Plattform – ein allgemeines Sprachmodell erzeugt die Antwort, statt ein Snippet wortgetreu vorzulesen. Apple und Google folgten mit einer gemeinsamen Erklärung im Januar 2026, dass Gemini noch in diesem Jahr ein persönlicheres Siri antreiben soll, zusätzlich zur ChatGPT-Weiterleitung, die Siri bereits seit Dezember 2024 nutzt. Und Google selbst begann im September 2026, Google Assistant zugunsten von Gemini abzuschalten – auf Android-Telefonen, Tablets und Wear OS, ohne Rückweg, sobald ein Gerät umgestellt ist.

Keines davon ist ein bloßes Rebranding. Ein Assistent, der ein Snippet vorliest, und ein Modell, das aus allem, was es über ein Unternehmen findet, einen eigenen Satz formuliert, beantworten dieselbe gesprochene Frage auf grundlegend verschiedene Weise – der eine wiederholt ein Ergebnis, der andere schreibt eines.

Heißt das, der alte Rat ist falsch?

Nicht vollständig. Eine Seite, die eine Frage klar und direkt nahe am Anfang beantwortet, lässt sich weiterhin leichter nutzen – egal ob von Snippet-Logik oder von einem Sprachmodell. Was seine Bedeutung verliert, ist die engere Taktik, die speziell auf das Gewinnen von Position null zugeschnitten war. Ein Assistent, der seine Antwort selbst erzeugt, wählt nicht aus, welches Suchergebnis er vorliest; er greift auf irgendeinen Text zurück und macht daraus seinen eigenen Satz. Für einen bestimmten Extraktionsmechanismus zu optimieren, verliert seinen Sinn, sobald dieser Mechanismus nicht mehr derjenige ist, der antwortet.

Dazu kommt eine echte Komplikation, die offen benannt werden sollte: Wie viel ein einzelnes Modell tatsächlich übernimmt, ist selbst unter den beteiligten Unternehmen umstritten. Ein CNBC-Bericht, von NBC-Sendern übernommen, behauptete, Claude bearbeite die große Mehrheit der fortgeschrittensten Alexa+-Antworten; Amazon nannte diese Berichterstattung falsch und hielt mit einer eigenen Zahl dagegen: Die hauseigenen Nova-Modelle hätten im Vormonat über 70 % der Gespräche übernommen, komplexe eingeschlossen, während Alexa+ “immer das beste Modell für die jeweilige Aufgabe” nutze. Zwei Unternehmen, die über dasselbe Produkt sprechen, kommen auf unterschiedliche Zahlen, die bisher keine Seite öffentlich zusammengeführt hat.

Sagt derselbe Test, der für Text-Assistenten genutzt wird, auch etwas über eine Sprachantwort?

Die tiefere Prüfstufe dieser Website führt bereits einen Test aus, der für einen anderen Zweck gebaut wurde: Er stellt drei verbreiteten Modellfamilien – einem Gemini-Modell, einem Claude-Modell und einem GPT-Modell – dieselbe einfache, unvorbereitete Frage zu einem Unternehmen, ohne zusätzlichen Kontext, um zu sehen, was jedes Modell bereits weiß. Diese Auswahl wurde nicht mit Sprachassistenten im Hinterkopf getroffen. Sie überschneidet sich inzwischen zufällig mit genau den drei Unternehmen, deren Sprachprodukte eben beschrieben wurden: Claude hinter Alexa+, Gemini hinter dem nächsten Siri und hinter dem Nachfolger des abgeschalteten Google Assistant.

Diese Überschneidung ist ein Hinweis, kein Beweis für irgendetwas Sprachspezifisches. Der Test ist Text hinein, Text hinaus – eine eingetippte Frage an ein Chat-Modell, keine gesprochene an einen smarten Lautsprecher, und nichts an Tonfall, Formulierung oder dem eigenen Retrieval-Schritt eines Sprachprodukts wird dabei erfasst. Ein Modell, das auf eine eingetippte Eingabe so antwortet, kann innerhalb eines Sprachassistenten mit eigenem Systemprompt, eigener Sicherheitsschicht oder eigenem Auslöser für eine Live-Suche durchaus anders antworten. Beides gleichzusetzen wäre genau die Art von Behauptung, die dieser Beitrag bewusst vermeidet. Was die Überschneidung bedeutet: Die Grundvertrautheit eines Modells mit einem Unternehmen – im Text gemessen – ist ein vernünftiger, wenn auch indirekter Hinweis darauf, was dieselbe Modellfamilie möglicherweise schon in eine gesprochene Antwort einbringt, keine Messung der gesprochenen Antwort selbst.

Es lohnt sich, konkret zu benennen, was in einem kostenlosen Scan gar nicht läuft. Diese Modell-Abfrage, so textbasiert sie ist, gehört ausschließlich zur kostenpflichtigen Prüfung; die kostenlose Stufe überspringt sie komplett und prüft stattdessen die technische Grundlage der Website.

Was kann ein Unternehmen jetzt anders machen?

Nicht viel, das wirklich nur für ein Mikrofon gilt. Was einer KI-generierten Sprachantwort hilft, hilft auch einer KI-generierten Textantwort: Fakten klar als Text formuliert, den ein Modell tatsächlich finden kann, strukturierte Daten, die mit dem Seiteninhalt übereinstimmen, und ein Google-Unternehmensprofil, das für jene Assistenten aktuell gehalten wird, die tatsächlich darauf zugreifen. Nichts davon ist sprachspezifisch, denn es gibt keinen öffentlichen Weg, Alexa+, das neue Siri oder Gemini auf Android direkt zu befragen und zu sehen, welche Quelle verwendet wurde – die Unternehmen dahinter haben diese Tür nicht geöffnet, und nichts hier behauptet etwas anderes. Ein Schema-Checker und die breitere Praxis auf der KI-SEO-Seite decken genau den Boden ab, von dem eine Sprachantwort letztlich schöpfen würde – weil es keinen separaten Boden gibt.

Die Geräte haben ihre Namen behalten. Alexa heißt weiter Alexa, Assistant antwortet vorerst noch auf “Hey Google”, und Siri wird für die meisten vermutlich genauso klingen wie zuvor. Verändert hat sich eine Ebene dahinter: welches Unternehmen das Modell gebaut hat, das den Satz tatsächlich geschrieben hat, der am Ende herauskommt.