Document Relevance bezeichnet die Relevanz einer ganzen Seite für eine Suchanfrage — so, wie eine Suchmaschine sie im Ranking bewertet. Im Grounding-Prozess eines KI-Systems ist sie der erste Filter: Nur Seiten, die für die Query oder eine ihrer Fan-out-Queries unter den Top-Suchergebnissen stehen, werden als mögliche Quellen erkannt. Das ist der „klassische SEO-Part” innerhalb von GEO.
Wie funktioniert Document Relevance?
Ein KI-System ranked Seiten nicht selbst neu. Es übernimmt die Trefferlisten eines Suchindex — Bing für ChatGPT und Copilot, Google für AI Overviews, AI Mode und Gemini, ein eigener Index bei Perplexity — und behandelt die vorderen Positionen als Kandidaten für das Initial Retrieval. Je höher die Position, desto größer die Wahrscheinlichkeit, in den Kandidaten-Pool zu kommen, und bei Gemini desto größer das Grounding Budget.
Warum ist Document Relevance für die KI-Sichtbarkeit wichtig?
Sie ist die Eintrittskarte. Ohne Ranking gibt es kein Retrieval, ohne Retrieval kein Grounding, ohne Grounding keine Zitierung. Zugleich ist sie nur die Eintrittskarte: In der Studie „KI-Blindtest Mittelstand 2026” von CodaAI hängen klassische Rankings und Erwähnungen in KI-Antworten nur schwach zusammen — gute SEO-Sichtbarkeit garantiert keine Nennung. Der Grund liegt im nächsten Schritt: Nach dem Retrieval bewertet das System Passagen, nicht Seiten (Re-Ranking).
Was bedeutet das für Ihre Website?
Halten Sie die SEO-Grundlagen intakt: indexierbare URLs, Crawlbarkeit, interne und externe Verlinkung, Rankings für Haupt- und Fan-out-Queries — in Google und in Bing. Prüfen Sie Bing gesondert, weil ChatGPT dort seine Kandidaten holt. Und betrachten Sie das Ranking als Voraussetzung, nicht als Ziel: Was auf der Seite steht, muss anschließend auf Absatzebene bestehen.