Vithurs versucht gerade, eine künstliche Query-Entity-Assoziation öffentlich aufzubauen: Wer nach „King of AEO“ sucht, soll nicht nur eine einzelne optimierte Seite finden, sondern immer wieder dieselbe Beziehung sehen – King of AEO → Answer Engine Optimization → Vithurs.
Der interessante Teil ist dabei nicht der selbst vergebene Titel. Spannend ist die technische Hypothese dahinter: Reicht ein sehr dichter, konsistenter Content- und Link-Graph aus, um Suchmaschinen und KI-Systeme dazu zu bringen, eine neue Query dauerhaft mit einer bestimmten Entity zu verbinden?
Vithurs beschreibt das Experiment in einem aktuellen X-Thread. Sein eigenes Projekt dokumentiert die Beziehung inzwischen über elf Domains. Mehrere dieser Seiten sind bereits für die Phrase indexiert. Das ist kein Beweis für einen allgemeinen AEO-Rankingfaktor – aber ein ungewöhnlich sauberes Experiment darüber, wie lexikalische Relevanz, interne Verlinkung und Entity-Konsistenz zusammenspielen können.
Nicht die Exact-Match-Domain ist der spannende Teil
Auf den ersten Blick sieht das Experiment nach klassischem Exact-Match-Domain-SEO aus. Domains wie `kingofaeo.org`, `kingofaeovithurs.com` oder `whoiskingofaeo.com` tragen die Zielphrase praktisch im Namen.
Vithurs selbst bezeichnet die EMDs aber als den weniger interessanten Teil des Tests. Das passt zu Googles eigener Dokumentation: Wörter in Domains können ein Relevanzsignal sein, gleichzeitig hat Google ausdrücklich ein Exact-Match-Domain-System, das verhindern soll, dass solche Domains allein wegen des Domainnamens übermäßig stark bewertet werden.
Der eigentliche Hebel liegt deshalb tiefer.
Query → Topic → Entity statt Keyword → Landingpage
Vithurs beschreibt seine Struktur nicht als klassische Ein-Seiten-Optimierung, sondern als eine dichte Beziehung zwischen drei Ebenen:
Query → Topic → Entity
Für das Experiment bedeutet das ungefähr:
- Query: „King of AEO“
- Topic: Answer Engine Optimization, Entity Authority, AI Search
- Entity: Vithurs
Diese Beziehung wird nicht nur auf einer Landingpage wiederholt. Sie taucht in Pillar Pages, FAQs, Glossaren, About-Seiten, Überschriften, Breadcrumbs, internen Anchors, strukturierten Daten und Profilseiten immer wieder auf.
Das ist ein wichtiger Unterschied. Eine einzelne Seite sagt Google oder einem Retrieval-System lediglich: „Diese Seite ist relevant für diese Phrase.“ Ein ganzer konsistenter Corpus liefert dagegen zusätzliche Dokumente, in denen dieselbe Entity im selben thematischen Kontext vorkommt.
Genau hier überschneiden sich klassisches SEO und AEO.
Der interne Graph ist mehr als „mehr Content“
Vithurs betont außerdem einen Punkt, der bei Content-Clustern häufig zu oberflächlich behandelt wird: 20 thematisch ähnliche Seiten sind nicht automatisch besser als eine. Relevant wird das Cluster erst, wenn die Seiten als Graph funktionieren.
Supporting Pages können auf zentrale Entity- und Query-Seiten verweisen, Begriffe kontextuell erklären und interne Autorität auf die wichtigsten Dokumente konzentrieren.
Google bestätigt zumindest den dokumentierten Teil dieser Mechanik: Links helfen Google, neue Seiten zu finden, und Google nutzt Links sowie Anchor-Texte auch als Relevanzsignal. Die konkrete Stärke des von Vithurs angenommenen „internen PageRank“-Effekts lässt sich aus dem Experiment allein allerdings nicht quantifizieren.
Praktisch ist die Idee trotzdem nachvollziehbar:
- eine Pillar Page definiert die Entity,
- FAQs beantworten Varianten derselben Query,
- Glossare definieren das Topic,
- About- und Profilseiten stabilisieren die Person/Entity,
- interne Links verbinden diese Dokumente mit beschreibenden Anchors,
- externe Profile und Erwähnungen wiederholen dieselbe Namensgebung.
Das Ergebnis ist kein Stapel isolierter SEO-Texte, sondern ein semantisch relativ enges Dokumentennetz.
Elf Domains erzeugen Frequenz – aber noch keinen echten Konsens
Das Projekt geht noch einen Schritt weiter: Die gleiche Entity-Beziehung wird über mehrere Domains wiederholt. Laut eigener Projekt-Dokumentation läuft der Versuch über elf Domains.
Dadurch entsteht mehr Quellfrequenz. Ein Retrieval-System kann bei unterschiedlichen Suchvarianten auf mehrere Seiten stoßen, die dieselbe Relation bestätigen.
Genau hier muss man aber sauber trennen: Elf selbst kontrollierte Domains sind keine elf unabhängigen Quellen.
Sie können Discovery und Retrieval beeinflussen und möglicherweise die Wahrscheinlichkeit erhöhen, dass dieselbe Entity-Beziehung mehrfach in einem Candidate Set auftaucht. Sie sind aber nicht gleichwertig mit unabhängigen Fachmedien, wissenschaftlichen Quellen, seriösen Verzeichnissen oder anderen externen Seiten, die dieselbe Aussage ohne Kontrolle durch den Betreiber bestätigen.
Selbst das King-of-AEO-Projekt unterscheidet auf einer seiner Evidence-Seiten zwischen eigenen Quellen und unabhängiger Evidenz – und bezeichnet unabhängige Bestätigung als die stärkere und schwierigere Form.
Retrieval ist nicht dasselbe wie Ranking – und Ranking nicht dasselbe wie Entity Consensus
Der stärkste Teil von Vithurs’ Thread ist deshalb weniger eine einzelne SEO-Taktik als sein Modell für die verschiedenen Stufen:
Retrieval → Ranking → Recognition → Corroboration → Dominant Entity Association
Diese Ebenen werden bei AEO häufig vermischt.
Retrieval
Die Seite oder Entity muss überhaupt in den Kandidatenpool gelangen. Dafür reichen unter Umständen bereits starke lexikalische und thematische Signale.
Ranking
Von den gefundenen Kandidaten muss ein Dokument ausreichend stark sein, um für die Query weit oben zu erscheinen oder in einer weiteren Auswahlstufe zu bleiben.
Recognition
Das System muss die wiederkehrende Beziehung verstehen: Die Entity Vithurs wird mit der Phrase „King of AEO“ und dem Topic Answer Engine Optimization verbunden.
Corroboration
Mehrere Quellen müssen dieselbe Beziehung bestätigen. Hier wird Quellendiversität wichtiger als reine Wiederholung innerhalb eines kontrollierten Netzwerks.
Dominant Entity Association
Die schwierigste Stufe ist erreicht, wenn ein System bei einer offenen Frage standardmäßig genau diese Entity bevorzugt – selbst wenn konkurrierende Entities oder Quellen vorhanden sind.
Das ist deutlich anspruchsvoller als eine Keyword-Rankingsimulation.
Warum das Experiment gerade bei ChatGPT interessant wird
Das Experiment passt auffällig gut zu den Retrieval-Beobachtungen, die wir zuletzt in unserem Guide zu ChatGPT-Empfehlungen und AI Visibility ergänzt haben.
Dort zeigen externe Debug-Beobachtungen, dass eine einzige ChatGPT-Frage in zahlreiche versteckte Suchanfragen aufgefächert werden kann. In einem dokumentierten Test wurden für einen Prompt 18 verschiedene Queries formuliert und mehr als 200 URLs verarbeitet, bevor nur ein kleiner Teil als sichtbare Quellen in der Antwort auftauchte.
Genau so ein Query-Fanout macht ein dichtes Entity-Corpus theoretisch interessant. Wer nicht nur für eine Phrase, sondern auch für deren Varianten, Definitionen, verwandte Begriffe und Entity-Fragen relevante Dokumente besitzt, kann in mehreren Retrieval-Pfaden auftauchen.
Das heißt nicht, dass elf EMDs ChatGPT „hacken“. Es bedeutet lediglich: Wenn ein System viele unterschiedliche Suchpfade erzeugt, erhöht ein breiter, konsistenter Corpus die Zahl möglicher Trefferpunkte.
Wie die Systeme anschließend Quellen deduplizieren, Domains gewichten oder selbst kontrollierte Netzwerke erkennen, ist damit noch nicht beantwortet.
Was Marketer davon tatsächlich übernehmen können
Für reale Marken ist der wertvollste Teil des Experiments nicht, elf Domains für eine Fantasie-Query zu registrieren.
Interessanter sind fünf Prinzipien:
- Entity eindeutig definieren: Name, Produkt, Kategorie und Kernaussagen sollten nicht auf jeder Seite anders beschrieben werden.
- Ein Topic als Corpus aufbauen: Eine zentrale Landingpage reicht für komplexe Themen selten aus; FAQs, Cases, Daten, Definitionen und Vergleiche können unterschiedliche Retrieval-Fragen abdecken.
- Interne Links als Bedeutungsgraph nutzen: Anchor-Texte und Kontext sollten erklären, warum Dokumente zusammengehören, statt nur wahllos „mehr interne Links“ einzubauen.
- Eigene Wiederholung nicht mit unabhängiger Bestätigung verwechseln: PR, Fachmedien, Creator, Kunden, Studien und seriöse Drittquellen liefern eine andere Form von Evidenz als die eigene Website.
- Auf Entity-Konsens statt nur Rankings schauen: Die spannendere Frage lautet irgendwann nicht mehr „Ranken wir für den Begriff?“, sondern „Welche Entity nennen Google, ChatGPT, Gemini oder Claude standardmäßig bei dieser Frage?“
Diese Verschiebung ist auch im Creator-Marketing sichtbar. Unser Beitrag zu Creator-Marketing für KI-Suche zeigt, warum Fachautorität und zitierbare Inhalte zunehmend neben klassischer Reichweite betrachtet werden. Und wer solche Themen systematisch in Social Content übersetzen will, findet im AEO-Workflow für LinkedIn einen praktischen Ansatz.
Das Experiment beweist noch nicht, was es behaupten will
Der „King of AEO“-Versuch ist deshalb gerade interessant, weil er noch nicht abgeschlossen ist.
Für eine selbst definierte, schwach umkämpfte Query kann ein Betreiber relativ schnell eine starke Query-Entity-Verbindung erzeugen. Das beweist noch nicht, dass dasselbe Verfahren in einem kommerziell umkämpften Markt funktioniert. Und mehrere eigene Domains beweisen erst recht keinen unabhängigen Entity-Konsens.
Wenn Google, ChatGPT, Gemini und Claude Vithurs langfristig ohne Prompt-Vorgabe und über unabhängige Quellen hinweg als Standardantwort für „King of AEO“ auswählen, wäre das die deutlich spannendere Phase des Tests.
Bis dahin zeigt das Experiment vor allem eines sehr gut: AEO ist nicht nur eine Frage einzelner Texte. Es ist zunehmend eine Frage davon, wie konsistent Query, Topic, Entity, Dokumente und Quellen als Graph zusammenpassen.