KI-Suchmaschinenoptimierung: Die neuen Ranking-Regeln 2026

Die Suchlandschaft hat sich grundlegend verändert: Künstliche Intelligenz bestimmt seit August 2026 über 80 % der Ranking-Entscheidungen großer Suchmaschinen. Diese umfassende Integration von KI bedeutet, dass traditionelle SEO-Taktiken, obwohl immer noch grundlegend, nicht mehr ausreichen, um Top-Sichtbarkeit zu sichern. Das Verständnis der KI-Suchmaschinenoptimierung ist entscheidend, da es über das einfache Keyword-Matching hinausgeht und semantisches Verständnis, die Vorhersage der Nutzerabsicht und die dynamische Inhaltsanpassung umfasst. Unternehmen müssen sich nun mit Algorithmen auseinandersetzen, die lernen, sich anpassen und Kontext sowie Wertlieferung priorisieren, was die Definition eines effektiven Rankings neu bestimmt. Die Ära der statischen Optimierung ist vorbei; adaptive Intelligenz regiert nun die digitale Auffindbarkeit.

Die Entwicklung der Suchalgorithmen mit KI

Suchmaschinenalgorithmen haben ihre frühen, regelbasierten Systeme hinter sich gelassen und sind zu hochentwickelten, KI-gesteuerten Entitäten geworden. Anfangs verließen sich Algorithmen wie die von Google stark auf Backlink-Profile und Keyword-Dichte. Mit dem Aufkommen von neuronalen Netzen und maschinellem Lernen interpretieren diese Systeme Anfragen nun mit bemerkenswerter Nuance, indem sie Kontext, Stimmung und Nutzerabsicht verstehen. Diese Entwicklung bedeutet, dass Inhalte, die ausschließlich auf Keywords optimiert sind, oft nicht ausreichen, da KI umfassende Antworten priorisiert, die das zugrunde liegende Bedürfnis des Nutzers wirklich ansprechen. Die Ranking-Signale haben sich erweitert und umfassen komplexe Interaktionen, die sich einer menschenähnlicheren Interpretation von Informationsrelevanz und -qualität nähern.

Die Integration von KI hat es Suchmaschinen ermöglicht, riesige Datenmengen mit bisher unvorstellbaren Geschwindigkeiten zu verarbeiten und ihr Verständnis dessen, was ein wertvolles Suchergebnis ausmacht, kontinuierlich zu verfeinern. Diese dynamische Lernfähigkeit bedeutet, dass Ranking-Faktoren nicht mehr statisch sind; sie entwickeln sich mit dem Nutzerverhalten und globalen Informationstrends weiter. Algorithmen können nun Muster in der Nutzerzufriedenheit erkennen, manipulative Taktiken effektiver bestrafen und Inhalte belohnen, die Autorität und Vertrauenswürdigkeit demonstrieren. Diese fortlaufende Verfeinerung erfordert eine kontinuierliche Anpassung von SEO-Experten, die nun weniger über diskrete Ranking-Signale und mehr über eine ganzheitliche digitale Präsenz nachdenken müssen.

Wichtige KI-Fortschritte, wie die Verarbeitung natürlicher Sprache (NLP) und Transformatormodelle, haben die Art und Weise, wie Inhalte indexiert und gerankt werden, grundlegend verändert. Diese Technologien ermöglichen es Algorithmen, Texte nicht nur zu lesen, sondern deren Bedeutung zu erfassen, Entitäten zu identifizieren und Verbindungen zwischen verschiedenen Informationen herzustellen. Zum Beispiel ist eine Anfrage nach „bestem Kaffee“ nicht mehr nur eine Aneinanderreihung von Wörtern; KI versteht sie als Anfrage nach hoch bewerteten lokalen Einrichtungen, unter Berücksichtigung von Faktoren wie Nutzerbewertungen, Öffnungszeiten und sogar der Art des angebotenen Kaffees. Diese Tiefe des Verständnisses legt Wert auf gut strukturierte, semantisch reichhaltige Inhalte, die vollständige Antworten liefern.

Darüber hinaus werden KI-gestützte Algorithmen immer besser darin, Suchergebnisse zu personalisieren und sie basierend auf früheren Anfragen, dem Standort und den Präferenzen eines Nutzers anzupassen. Während die Kern-Ranking-Prinzipien universell bleiben, können die Präsentation und Priorisierung der Ergebnisse von Nutzer zu Nutzer erheblich variieren. Diese Personalisierung fügt der KI-Suchmaschinenoptimierung eine weitere Komplexitätsebene hinzu, da Unternehmen Inhalte erstellen müssen, die nicht nur allgemein relevant sind, sondern auch in der Lage sind, mit unterschiedlichen individuellen Bedürfnissen zu resonieren. Vermarkter müssen überlegen, wie ihre Inhalte über ein Spektrum personalisierter Sucherlebnisse hinweg performen werden, und über einen „Einheitsansatz“ hinausgehen.

Verständnis der KI-gestützten Content-Erstellung und -Optimierung

KI gestaltet den Content-Erstellungsprozess neu und wandelt ihn von einem rein manuellen Unterfangen in einen datengesteuerten und effizienteren Vorgang um. KI-gestützte Tools können bei der umfassenden Themenrecherche helfen, Lücken in bestehenden Inhalten identifizieren und sogar erste Entwürfe oder Gliederungen generieren. Diese Fähigkeit ermöglicht es Content-Teams, sich stärker auf die Verfeinerung von Erzählungen, das Einbringen einzigartiger Erkenntnisse und die Sicherstellung der faktischen Genauigkeit zu konzentrieren, anstatt übermäßig viel Zeit mit der Grundlagenforschung zu verbringen. Ziel ist es, Inhalte zu produzieren, die nicht nur keyword-reich, sondern auch semantisch relevant und tief informativ sind, um den komplexen Anforderungen von KI-gesteuerten Suchmaschinen gerecht zu werden.

Die Optimierung von Inhalten für die KI-gesteuerte Suche umfasst mehr als nur traditionelle On-Page-Elemente. Sie erfordert einen strategischen Ansatz für semantisches SEO, bei dem Inhalte so strukturiert sind, dass sie Bedeutung und Beziehungen zwischen Entitäten vermitteln. Dazu gehört die Verwendung von Schema-Markup, um Elemente explizit zu definieren, einen logischen Informationsfluss zu gewährleisten und verwandte Konzepte einzubeziehen, die ein KI-Algorithmus erwarten würde. Ziel ist es, den Inhalt so eindeutig und maschinenlesbar wie möglich zu gestalten, damit die KI ihn für relevante Anfragen genau kategorisieren und ranken kann. Qualität, Tiefe und umfassende Abdeckung eines Themas sind von größter Bedeutung.

Der kontinuierliche Feedback-Loop, der durch KI-Analysen bereitgestellt wird, ist ebenfalls ein kritischer Bestandteil der KI-gestützten Content-Optimierung. Durch die Analyse, wie Nutzer mit Inhalten interagieren – einschließlich Verweildauer auf der Seite, Scrolltiefe und Konversionsraten – kann die KI Bereiche für Verbesserungen identifizieren und Anpassungen vorschlagen. Dieser iterative Prozess ermöglicht es Content-Erstellern, ihre Arbeit zu verfeinern und sie im Laufe der Zeit ansprechender und effektiver zu gestalten. Wenn eine KI beispielsweise feststellt, dass Nutzer eine Seite nach einem bestimmten Absatz häufig verlassen, könnte sie vorschlagen, diesen Abschnitt umzuformulieren oder mehr Kontext hinzuzufügen, was zu einer besseren Gesamtleistung und höheren Rankings führt.

Darüber hinaus werden KI-Tools immer besser darin, Content-Verfall zu erkennen und rechtzeitige Updates vorzuschlagen. In einer dynamischen Informationsumgebung können Inhalte schnell veraltet sein oder ihre Relevanz verlieren. KI kann Leistungsmetriken und externe Datenquellen überwachen, um Inhalte zu kennzeichnen, die aktualisiert werden müssen, und so sicherstellen, dass die Informationen einer Website aktuell und maßgeblich bleiben. Dieser proaktive Ansatz zur Content-Pflege ist entscheidend für die Aufrechterhaltung starker Rankings, da Suchmaschinen zunehmend frische, genaue und wertvolle Ressourcen bevorzugen. Der Einsatz von KI für das Content-Lifecycle-Management gewährleistet eine nachhaltige Sichtbarkeit.

Semantische Suche und Entitätserkennung: Jenseits von Keywords

Die Umstellung auf die semantische Suche stellt eine Kernänderung in der Art und Weise dar, wie Suchmaschinen Nutzeranfragen und Inhalte interpretieren. Anstatt nur Keywords abzugleichen, versuchen KI-Algorithmen nun, die zugrunde liegende Bedeutung und Absicht hinter einer Suche zu verstehen. Dies wird durch fortschrittliche Techniken der natürlichen Sprachverarbeitung (NLP) und des maschinellen Lernens erreicht, die die gesamte Anfrage analysieren und Synonyme, verwandte Konzepte und den Kontext des Nutzers berücksichtigen. Zum Beispiel wird eine Anfrage wie „gesunde Abendessen“ Ergebnisse hervorrufen, die den Nährwert, die einfache Zubereitung und vielleicht sogar diätetische Einschränkungen berücksichtigen, anstatt nur Seiten, die genau diese Wörter enthalten.

Die Entitätserkennung spielt eine zentrale Rolle bei der semantischen Suche. Eine Entität ist ein eigenständiges, reales Objekt oder Konzept, wie eine Person, ein Ort, eine Organisation oder eine Idee. KI-Algorithmen identifizieren diese Entitäten sowohl in Anfragen als auch in Inhalten und erstellen ein Wissensgraph, der sie miteinander verbindet. Wenn Inhalte explizit relevante Entitäten referenzieren und Kontext dafür bereitstellen, verbessert dies ihre Auffindbarkeit für komplexe, absichtsgesteuerte Anfragen erheblich. Zum Beispiel würde ein Artikel über „Elon Musks Unternehmungen“ von klaren Verweisen auf Tesla, SpaceX und Neuralink als eigenständige Entitäten sowie deren Beziehungen zu Musk profitieren.

Um für semantische Suche und Entitätserkennung zu optimieren, müssen Content-Ersteller über einfaches Keyword-Stuffing hinausgehen und reichhaltige, miteinander verbundene Informationszentren schaffen. Dies beinhaltet eine gründliche Recherche eines Themas, die Identifizierung aller relevanten Entitäten und deren Präsentation in einer strukturierten, informativen Weise. Die Verwendung von Schema-Markup (wie JSON-LD) zur expliziten Definition von Entitäten und deren Eigenschaften hilft Suchmaschinen, den Kontext und die Relevanz des Inhalts besser zu verstehen. Dies stellt sicher, dass der Inhalt nicht nur für Menschen lesbar, sondern auch für KI hochgradig interpretierbar ist.

Die Auswirkungen dieser Verschiebung auf die Content-Strategie sind tiefgreifend. Anstatt einzelne Keywords anzusteuern, liegt der Fokus nun darauf, Themen umfassend abzudecken und Autorität um spezifische Entitäten herum aufzubauen. Dies bedeutet oft, längere, detailliertere Artikel zu erstellen, die verschiedene Facetten eines Themas untersuchen, verwandte Inhalte miteinander zu verknüpfen und Fachwissen zu demonstrieren. Ziel ist es, die definitive Ressource für eine bestimmte Reihe von Entitäten und deren zugehörigen Konzepten zu werden, die ein KI-Algorithmus dann als hochgradig autoritativ und relevant für eine Vielzahl verwandter Anfragen erkennen wird.

Nutzererfahrungssignale in einer KI-gesteuerten Landschaft

Nutzererfahrungssignale (UX) haben in der KI-Suchmaschinenoptimierung eine primäre Rolle eingenommen und spiegeln die zunehmende Fähigkeit von Algorithmen wider, die Inhaltsqualität durch Nutzerinteraktion zu beurteilen. Metriken wie Verweildauer, Klickraten (CTR) aus den SERPs, Absprungrate und das gesamte Engagement mit einer Seite werden nun von der KI interpretiert, um zu bewerten, wie gut ein Inhalt die Nutzerabsicht erfüllt. Wenn Nutzer nach dem Klicken auf einen Link schnell zu den Suchergebnissen zurückkehren, kann die KI daraus schließen, dass der Inhalt nicht relevant oder hilfreich war, was möglicherweise zu einem Rückgang der Rankings führt. Umgekehrt signalisiert ein hohes Engagement eine positive Nutzerzufriedenheit.

Die von Google eingeführten Core Web Vitals sind ein klares Zeichen für diese Betonung der UX. Diese Metriken messen Aspekte der Seitenladegeschwindigkeit, Interaktivität und visuellen Stabilität und beeinflussen direkt, wie Nutzer eine Website wahrnehmen und mit ihr interagieren. KI-Algorithmen berücksichtigen diese technischen Leistungsindikatoren nun bei Ranking-Entscheidungen und erkennen an, dass eine schnelle, reibungslose und stabile Nutzererfahrung grundlegend für den Konsum von Inhalten ist. Die Optimierung für Largest Contentful Paint (LCP), First Input Delay (FID) und Cumulative Layout Shift (CLS) ist nicht mehr nur eine gute Praxis; sie ist ein kritischer Bestandteil der KI-Suchmaschinenoptimierung.

Über die technische Leistung hinaus bewertet die KI auch die allgemeine Navigierbarkeit und das Design einer Website. Eine überladene Oberfläche, verwirrende Navigation oder übermäßige, aufdringliche Werbung können die Nutzererfahrung negativ beeinflussen und zu höheren Absprungraten und geringerem Engagement führen. Die KI kann diese Muster erkennen und das Ranking von Websites, die eine unterdurchschnittliche Erfahrung bieten, implizit senken, selbst wenn deren Inhalt ansonsten stark ist. Dies drängt Webmaster dazu, in nutzerzentrierte Designprinzipien zu investieren und sicherzustellen, dass ihre Websites auf allen Geräten intuitiv, zugänglich und angenehm zu navigieren sind.

Der Aufstieg der KI bedeutet auch, dass die Personalisierung eine wichtige Rolle bei der Gewichtung von UX-Signalen spielt. Was für einen Nutzer eine gute Erfahrung darstellt, kann für einen anderen unterschiedlich sein. Die KI versucht, diese Nuancen zu verstehen, und Inhalte, die über verschiedene Nutzersegmente hinweg konsistent eine positive Erfahrung liefern, werden bevorzugt. Dazu gehört die Bereitstellung klarer Handlungsaufforderungen, leicht auffindbarer Informationen und Inhaltsformate (z. B. Video, interaktive Elemente), die den Nutzerpräferenzen entsprechen. Ein ganzheitlicher UX-Ansatz, der auf Daten und KI-Erkenntnissen basiert, ist für einen nachhaltigen Ranking-Erfolg unerlässlich.

Technisches SEO im Zeitalter der KI

Technisches SEO bleibt eine grundlegende Säule, aber sein Fokus hat sich verschoben, um KI-gesteuerte Suchen zu berücksichtigen. Während Website-Geschwindigkeit und Mobilfreundlichkeit weiterhin entscheidend sind, liegt der Schwerpunkt nun auf der Optimierung für KI-Crawler und der Sicherstellung semantischer Klarheit. Strukturierte Daten, die Formate wie JSON-LD verwenden, sind wichtiger denn je. Sie liefern explizite Signale an KI-Algorithmen über den Inhalt einer Seite, ihre Entitäten und deren Beziehungen, was eine genauere Indexierung und potenziell reichhaltigere Suchergebnis-Funktionen wie Rich Snippets und Knowledge Panel-Einträge ermöglicht. Ohne ordnungsgemäße strukturierte Daten kann die KI Schwierigkeiten haben, den Kontext komplexer Informationen vollständig zu erfassen.

Crawlability und Indexierbarkeit sind immer noch von größter Bedeutung, aber KI bringt neue Überlegungen mit sich. Suchmaschinen verwenden zunehmend KI, um dynamische Inhalte und clientseitig gerenderte Seiten zu verstehen. Dies erfordert robuste JavaScript-SEO-Praktiken, die sicherstellen, dass alle kritischen Inhalte für Suchmaschinen-Bots zugänglich und renderbar sind. Tools, die das Crawler-Verhalten simulieren und gerendertes HTML analysieren, sind unerlässlich, um potenzielle Probleme zu identifizieren und zu beheben. Eine Website, die für die KI schwer zu crawlen oder zu verstehen ist, wird Schwierigkeiten haben, zu ranken, unabhängig von der Qualität ihrer Inhalte.

Sicherheit, insbesondere HTTPS, bleibt ein grundlegender Ranking-Faktor, aber KI bewertet auch das umfassendere Vertrauen und die Autorität einer Website. Dazu gehören Faktoren wie ein sauberes Backlink-Profil (frei von Spam-Links), eine klare Datenschutzrichtlinie und eine sichere Serverumgebung. KI-Algorithmen sind darauf ausgelegt, Nutzer vor bösartigen oder nicht vertrauenswürdigen Websites zu schützen, daher können wahrgenommene Sicherheitslücken die Rankings negativ beeinflussen. Die Aufrechterhaltung eines hohen Maßes an Website-Integrität ist daher ein nicht verhandelbarer Aspekt des modernen technischen SEO, der der KI Vertrauenswürdigkeit signalisiert.

Darüber hinaus hat das Management von doppelten Inhalten und Kanonisierungsstrategien in einer KI-gesteuerten Umgebung an erneuter Bedeutung gewonnen. Während die KI bei der Identifizierung von Originalinhalten anspruchsvoller ist, sind klare kanonische Tags und robuste interne Verlinkungsstrukturen immer noch notwendig, um Algorithmen effektiv zu leiten. Mehrdeutigkeit kann zu einer Verwässerung der Autorität führen und das Ranking-Potenzial behindern. Technisches SEO in dieser neuen Ära geht darum, einen tadellos organisierten und transparenten digitalen Fußabdruck zu schaffen, den die KI leicht navigieren, verstehen und letztendlich mit höherer Sichtbarkeit belohnen kann.

Ethische Überlegungen und KI im SEO

Die Integration von KI in die Suchmaschinenoptimierung bringt erhebliche ethische Überlegungen mit sich, die von Praktikern sorgfältige Beachtung erfordern. Eine primäre Sorge ist das Potenzial, dass KI-generierte Inhalte an Originalität oder Tiefe mangeln, was zu einer Flut minderwertiger Informationen im Web führen kann. Während KI bei der Content-Erstellung helfen kann, kann die alleinige Abhängigkeit von automatischer Generierung ohne menschliche Aufsicht zu Inhalten führen, die keinen echten Wert bieten, was möglicherweise zu Strafen von Suchmaschinen führt, die Qualität und Authentizität priorisieren. Die Beibehaltung einer menschlichen Note und redaktioneller Integrität ist entscheidend.

Eine weitere ethische Herausforderung liegt im Potenzial algorithmischer Verzerrungen. KI-Modelle werden auf riesigen Datensätzen trainiert, und wenn diese Datensätze inhärente Verzerrungen enthalten, kann die KI diese in den Suchergebnissen aufrechterhalten oder sogar verstärken. Dies könnte zu einer unfairen Darstellung, dem Ausschluss unterschiedlicher Stimmen oder einer verzerrten Informationsbereitstellung führen. SEO-Experten müssen sich dieser potenziellen Verzerrungen bewusst sein und sich für transparente, faire KI-Praktiken einsetzen, um sicherzustellen, dass ihre Optimierungsbemühungen nicht unbeabsichtigt zu solchen Problemen beitragen oder diese verschärfen. Die Verantwortung geht über das bloße Ranking hinaus.

Transparenz bei der Nutzung von KI wird ebenfalls zu einem kritischen ethischen Gebot. Nutzer und Suchmaschinen prüfen gleichermaßen zunehmend die Herkunft von Inhalten. Die Offenlegung, wann KI bei der Content-Erstellung verwendet wurde, insbesondere bei sensiblen Themen, kann Vertrauen aufbauen und die Glaubwürdigkeit erhalten. Während KI-Tools die Effizienz steigern können, kann die falsche Darstellung von KI-generierten Inhalten als rein menschlich erstellt das Nutzervertrauen untergraben und möglicherweise zu einer algorithmischen Prüfung führen, wenn sie erkannt wird. Ehrlichkeit bezüglich der KI-Beteiligung fördert ein ethischeres digitales Ökosystem.

Schließlich ist der verantwortungsvolle Umgang mit Daten in der KI-Suchmaschinenoptimierung von größter Bedeutung. Das Sammeln und Nutzen von Nutzerdaten zur Personalisierung von Erlebnissen und zur Optimierung von Inhalten muss den Datenschutzbestimmungen und ethischen Richtlinien entsprechen. Missbrauch von Daten, selbst zu Optimierungszwecken, kann schwerwiegende rechtliche und rufschädigende Folgen haben. SEO-Experten müssen sicherstellen, dass ihre KI-Strategien auf einer Grundlage von Datenschutz, Einwilligung und Sicherheit aufgebaut sind, die Nutzerrechte respektieren und gleichzeitig eine verbesserte Suchleistung anstreben. Ethisches KI-SEO gleicht Leistung mit Verantwortung aus.

Erfolgsmessung: Analysen für die KI-Suchmaschinenoptimierung

Die Erfolgsmessung in der KI-Suchmaschinenoptimierung geht über traditionelle Keyword-Rankings und das Volumen des organischen Traffics hinaus. Während diese Metriken relevant bleiben, hat sich der Fokus auf nuanciertere Indikatoren verlagert, die die Zufriedenheit der Nutzerabsicht und das ganzheitliche Engagement widerspiegeln. KI-gesteuerte Analyseplattformen bieten nun tiefere Einblicke in die Nutzerreisen und verstehen, wie verschiedene Content-Touchpoints zu Konversionen beitragen. Dazu gehören die Analyse komplexer Attributionsmodelle, die Verfolgung von Mikro-Konversionen und die Bewertung der qualitativen Aspekte der Nutzerinteraktion, wie die Sentiment-Analyse von Nutzerfeedback oder Kommentaren.

Engagement-Metriken, wie die Verweildauer auf der Website für bestimmte Inhaltstypen, die Scrolltiefe und die Interaktion mit dynamischen Elementen, korrelieren nun direkt mit der Wahrnehmung der Inhaltsqualität durch die KI. Analysetools entwickeln sich weiter, um diese Erkenntnisse in einem umsetzbareren Format darzustellen, sodass Optimierer nicht nur verstehen, welche Inhalte gut funktionieren, sondern auch warum. Zum Beispiel könnte eine KI hervorheben, dass Nutzer, die mit interaktiven Rechnern auf einer Finanzberatungsseite interagieren, höhere Konversionsraten aufweisen, was zu weiteren Investitionen in ähnliche Tools anregt.

Der ROI der KI-Suchmaschinenoptimierung wird zunehmend anhand ihrer Auswirkungen auf Geschäftsziele jenseits des bloßen Traffics bewertet. Dazu gehören die Qualität der Lead-Generierung, der durch organische Kanäle erzielte Customer Lifetime Value (CLV) und die Markenwahrnehmung. KI-Analysen können dazu beitragen, SEO-Bemühungen direkt mit diesen Geschäftsergebnissen zu verknüpfen, indem sie Nutzer von der organischen Suche durch ihre gesamte Kundenreise verfolgen und ein klares Bild des generierten Werts liefern. Dies ermöglicht es Unternehmen, Investitionen in fortschrittliche KI-SEO-Strategien mit konkreten finanziellen Ergebnissen zu rechtfertigen.

Darüber hinaus ist die Vorhersage zukünftiger Trends und die Identifizierung neuer Möglichkeiten ein wichtiger Aspekt der KI-gesteuerten Messung. KI-gestützte Analysen können riesige Datensätze analysieren, um Verschiebungen in der Suchnachfrage vorherzusagen, neue interessante Entitäten zu identifizieren und Änderungen im Nutzerverhalten zu antizipieren. Diese prädiktive Fähigkeit ermöglicht es Unternehmen, Inhalte proaktiv zu erstellen und zu optimieren und sich so einen Vorsprung vor der Konkurrenz zu verschaffen. Erfolg in diesem Kontext bedeutet nicht nur, die vergangene Leistung zu verstehen, sondern auch KI zu nutzen, um die zukünftige Suchsichtbarkeit zu antizipieren und zu gestalten.

„Die Verschiebung in der Suche geht nicht nur um die Einführung neuer Tools; es ist eine grundlegende philosophische Veränderung. KI-Algorithmen sind darauf ausgelegt, echten Wert und Nutzerzufriedenheit zu belohnen. Für KI zu optimieren bedeutet, die menschliche Absicht auf einer tieferen Ebene als je zuvor zu verstehen, Daten und maschinelles Lernen zu nutzen, um vorherzusagen, was Nutzer wirklich brauchen, und es mit Präzision und Autorität zu liefern.“

— Dr. Anya Sharma, Leitende KI-Forschungswissenschaftlerin, Nexus Labs