AI-modeller som ChatGPT, Claude og Gemini ændrer, hvordan mennesker finder og vurderer information. I stedet for at søge på Google og klikke sig gennem resultater, stiller vi nu spørgsmål direkte til en sprogmodel – og får et kondenseret svar, ofte uden at besøge et eneste website.

Det betyder, at der er ved at opstå en ny disciplin: LLM-optimering.

Ligesom SEO handler den om at blive synlig – bare i et nyt økosystem, hvor kilder og datatilgængelighed bestemmer, hvem modellerne “stoler på”.

Hvorfor LLM-optimering er vigtigt – og hvorfor det haster

LLM’er (Large Language Models) trækker på enorme mængder tekst for at danne deres verdensbillede. Når en bruger spørger “Hvilke danske bureauer er gode til digital strategi?”, vælger modellen sine svar ud fra de kilder, den kender – offentlige websites, artikler, cases, interviews, og i stigende grad også tredjepartsplatforme som medier, brancheblogs, GitHub, LinkedIn-artikler og dataset-sider.

Hvis din virksomhed ikke findes i de kilder, bliver du usynlig for AI’en – uanset hvor stærk din SEO er.

Lige nu er der et vindue af mulighed, fordi få virksomheder arbejder systematisk med LLM-optimering. At komme med i de tidlige træningsdatasæt og citatkæder giver et forspring, der kan være svært at indhente senere.

Sådan arbejder du konkret med LLM-optimering

Her er en trin-for-trin-guide til, hvordan du kan komme i gang – eller hvordan vi kan hjælpe dig i mål.

1. Lav en liste med 10–20 vigtige prompts

Start med at tænke som dine potentielle kunder eller samarbejdspartnere. Hvilke spørgsmål kunne de stille til en AI, hvor du gerne vil dukke op i svaret?

Eksempler:

• “Hvilke digitale bureauer i Danmark arbejder med AI?”

• “Hvordan laver man en digital strategi for B2B?”

• “Hvad er de bedste cases inden for brandaktivering online?”

Lav en liste med 10–20 af de mest relevante prompts. Det er dit LLM-keyword-univers.

2. Undersøg og saml kilderne

Indtast hvert prompt i ChatGPT (eller andre modeller), og læg mærke til, hvilke kilder den nævner eller citerer. Skriv derefter dine observationer ned, så du kan se et mønster.

Du kan fx notere for hvert prompt:

• Hvilke kilder bliver nævnt?

• Hvilken type kilde er det – tredjepart (som medier og blogs), konkurrenter eller eget indhold?

• Eventuelle noter, fx om du allerede er nævnt, eller om der er noget, du kan bygge videre på.

Et eksempel: Når du spørger modellen “Hvilke bureauer arbejder med AI?”, nævnes måske både Bureaubiz.dk, LinkedIn-artikler og Baernholdt.com. Det viser, at du allerede er synlig nogle steder – men også at der findes tredjepartskilder, hvor det kunne være værd at styrke tilstedeværelsen.

Ved at gentage øvelsen på tværs af dine vigtigste prompts får du et klart billede af, hvor du er synlig i dag, og hvor du skal lægge kræfterne for at blive mere fremtrædende i AI-modellernes svar.

3. Kortlæg konkurrenterne

Lav en liste over dine vigtigste konkurrenter. Se, om de dukker op i dine promptsvar – og hvorfor.

• Er de citeret fra egne cases?

• Har de indhold på tredjepartsplatforme?

• Er de nævnt i brancheartikler eller rapporter?

Det giver dig et klart billede af deres LLM-fodaftryk.

4. Del kilderne op

Når du har samlet dine resultater, så del kilderne op i to kategorier:

• Tredjepartsformidlere (fx medier, blogs, kataloger, rapporter)

• Konkurrenters egne sites

Dette skel er vigtigt, for strategien afhænger af, hvor du kan påvirke synligheden mest effektivt.

5. Ræk ud – og byg synlighed

For tredjepartsformidlere:

• Kontakt redaktører og foreslå cases eller ekspertudtalelser.

• Bidrag med artikler eller perspektiver, der giver værdi.

• Sørg for, at dit brand bliver nævnt med kontekst, så LLM’er forstår din relevans.

For jeres eget site:

• Skab indhold, der besvarer de vigtigste prompts.

• Brug tydelige faglige signaler (forklaringer, eksempler, cases, citater).

• Sørg for at bruge klare, præcise formuleringer – LLM’er vægter tekstforståelse over keyword-tæthed.

  
  

6. Evaluer og gentag

Gentag øvelsen hver 3.–6. måned. Nye modeller og opdaterede træningsdatasæt betyder, at landskabet ændrer sig – ligesom SEO engang gjorde.

Ved at følge udviklingen over tid kan du måle, om dit brand bliver mere synligt i AI-modellerne.

Fra eksperiment til strategi

For de fleste virksomheder er LLM-optimering stadig eksperimentelt. Men ligesom SEO blev en fast disciplin, vil LLM-optimering snart blive et naturligt led i enhver digital strategi.

Hos Bærnholdt Digital hjælper vi allerede virksomheder med at forstå og forbedre deres synlighed i AI-modeller – både gennem analyse, dataindsamling og konkret indholdsstrategi.

Hvis du vil være blandt de første, der tager styringen over dit brand i AI-tidsalderen, hjælper vi gerne med at komme i gang.