Technisch beruhen aktuelle LLMs auf der Transformer-Architektur. Sie zerlegen Text in Tokens und berechnen, welches Token am wahrscheinlichsten folgt. Aus diesem Prinzip entstehen Antworten, Zusammenfassungen und Übersetzungen. Ein Modell weiß dabei nichts im menschlichen Sinn; es reproduziert Muster aus den Trainingsdaten. Fehlen Informationen, erfindet es plausible Aussagen. Dieses Verhalten heißt Halluzination.
KI-Suchen verbinden ein LLM deshalb mit einer Recherche: Das System ruft aktuelle Webseiten ab und stützt die Antwort darauf. Für Websites folgt daraus eine neue Anforderung. Inhalte müssen abrufbar, klar formuliert und eindeutig zuordenbar sein, damit ein Modell sie korrekt wiedergibt und als Quelle nennt. Genau darum geht es bei Generative Engine Optimization.