SEO und GEO zusammen: ein praktisches Audit in 6 Schritten
Die meisten Audits, die ich sehe, sind entweder ein SEO-Export mit 200 Seiten, den niemand liest, oder eine Folie mit 'in ChatGPT sichtbar werden'. Beides verändert nichts. Das hier ist das Audit, das ich tatsächlich mache: sechs Schritte, immer in derselben Reihenfolge, von 'erreichen Maschinen Sie überhaupt' bis 'werden Sie zitiert, und wird es besser'. Jeder Schritt endet mit einer kurzen, nach Wirkung sortierten Liste von Korrekturen.
11 Min. Lesezeit
1. Zugang: Erreichen Suchmaschinen und KI-Crawler Sie?
Alles Weitere ist verschwendet, wenn dieser Schritt scheitert, und er scheitert öfter, als man denkt. Lesen Sie die robots.txt Zeile für Zeile und notieren Sie pro Crawler, was Sie erlauben: Googlebot für die Suche (die auch AI Overviews und den KI-Modus speist), OAI-SearchBot für die ChatGPT-Suche, PerplexityBot für Perplexity, Bingbot für Bing und die darauf aufbauenden Assistenten. Prüfen Sie dann, was die robots.txt nicht zeigt: Bot-Regeln in CDN und Firewall, Rate-Limits und Geo-Blocking liefern genau diesen Crawlern regelmässig ein 403, während jeder Browser eine normale Website sieht. Öffnen Sie in der Google Search Console den Bericht zur Seitenindexierung und den Sitemap-Bericht: Sind Ihre wichtigen Templates indexiert, und wenn nicht, warum? Prüfen Sie Canonical-Tags auf paginierten und gefilterten Seiten und stellen Sie sicher, dass wichtige Inhalte im HTML stehen oder zuverlässig gerendert werden, nicht erst nach einem Klick geladen. Auf einer grossen Website crawlen Sie eine Stichprobe pro Template statt jeder URL; ein Template-Fehler ist eine Korrektur für Tausende Seiten. Schauen Sie zum Schluss auf Bing: Die Bing Webmaster Tools zeigen, wie Bingbot Ihre Website sieht, und mehrere Assistenten bauen auf dem Bing-Index auf; wer in Bing schwach ist, startet dort ebenfalls im Nachteil. Jeden Blocker mit betroffenem Template und Anzahl Seiten ins Backlog schreiben.
# Does each crawler get the same answer as a browser?
# (A firewall may also check IP ranges; this catches user-agent rules.)
URL="https://www.example.com/"
for UA in "Mozilla/5.0" "Googlebot" "OAI-SearchBot" "PerplexityBot" "bingbot"; do
CODE=$(curl -s -o /dev/null -w "%{http_code}" -A "$UA" "$URL")
echo "$CODE $UA"
doneTipp aus der Praxis
Testen Sie mit dem User-Agent des Crawlers von ausserhalb Ihres Netzwerks. Ein 200 für Ihren Browser und ein 403 für OAI-SearchBot ist der häufigste stille GEO-Killer, den ich finde.
2. Tempo und Nutzererlebnis
Google nennt ein gutes Nutzererlebnis auch bei seinen KI-Funktionen als Grundlage, und langsame Seiten verlieren Menschen lange bevor ein Algorithmus urteilt. Messen Sie die Core Web Vitals mit echten Nutzerdaten, nicht nur im Labortest: Der Largest Contentful Paint sollte innerhalb von 2,5 Sekunden erfolgen, Interaction to Next Paint unter 200 Millisekunden bleiben und der Cumulative Layout Shift unter 0,1. Die Search Console gruppiert URLs in ihrem Core-Web-Vitals-Bericht nach Template und zeigt so, welchen Seitentyp Sie zuerst angehen sollten. Die Ursachen sind fast immer dieselben: zu grosse Bilder im Kopfbereich, blockierende Drittanbieter-Skripte und Schriften, Layout-Sprünge durch spät ladende Banner und zu viel JavaScript auf Seiten, die vor allem Text sind. Auf dieser Website hat das Selbst-Hosten der Schrift und das Aufteilen des JavaScripts pro Seite den ersten Bildaufbau auf dem Handy von rund 3 Sekunden auf unter 1 Sekunde gesenkt, ohne sichtbare Änderung. Template korrigieren, nach 28 Tagen Felddaten neu messen, erst dann weiter.
3. Strukturierte Daten und Fakten zur Entität
Als Nächstes prüfe ich, ob Maschinen ohne Raten lesen können, wer Sie sind und was jede Seite anbietet. Listen Sie für jedes Template die schema.org-Typen auf, die es tragen sollte, und vergleichen Sie mit dem, was tatsächlich ausgeliefert wird: Organization oder LocalBusiness auf der Startseite, Product mit Angeboten auf Produktseiten, Article mit Autor und Datum im Blog, Event für Veranstaltungen, BreadcrumbList überall. Validieren Sie eine Stichprobe mit dem Rich-Results-Test von Google und dem Schema Markup Validator, und behandeln Sie Warnungen als Backlog, nicht als Rauschen. Vergleichen Sie dann die Fakten im Markup mit der sichtbaren Seite und mit Ihren Einträgen anderswo: Name, Adresse, Telefon, Öffnungszeiten, Preise. Widersprüche zwischen Website, Google-Unternehmensprofil und den grossen Portalen sind ein häufiger Grund, warum KI-Antworten ein Unternehmen übergehen oder veraltete Angaben zeigen. Die Korrektur gehört in die Datenquelle, nicht von Hand an fünf Stellen: Markup und Einträge aus demselben Datensatz erzeugen.
Tipp aus der Praxis
Nehmen Sie Ihre zehn wichtigsten Suchanfragen und schauen Sie, wen die KI-Antworten heute zitieren. Taucht immer wieder dasselbe Portal auf, bringt eine Korrektur Ihres Eintrags dort vielleicht mehr als jede Änderung auf der eigenen Website.
4. Inhaltslücken: die Fragen beantworten, die Menschen wirklich stellen
Jetzt die Inhalte. Starten Sie in der Search Console: Suchanfragen mit vielen Impressionen und wenigen Klicks sowie lange Fragen zeigen, wo Menschen Sie suchen und unzufrieden gehen. In Semrush zeigt eine Keyword- und Themenlücke gegenüber zwei, drei echten Wettbewerbern, was diese abdecken und Sie nicht. Weil AI Overviews und der KI-Modus Query Fan-out nutzen, denken Sie in Clustern: die Hauptfrage plus die Folgefragen, die eine sorgfältige Käuferin als Nächstes stellt, etwa Preis, Vergleich, Alternativen, 'passt das für meinen Fall' und 'wie läuft das in der Praxis'. Jede wichtige Seite sollte ihre Frage in den ersten zwei Sätzen beantworten und dann mit konkreten Zahlen, Beispielen und einer kurzen FAQ in die Tiefe gehen. Führen Sie dünne Seiten zusammen, die um dieselbe Absicht konkurrieren; Googles Anleitung sagt ausdrücklich, dass mehr Seiten eine Website nicht relevanter machen. Und ergänzen Sie, was nur Sie sagen können: eigene Daten, Ihr Vorgehen, Ihre Preise, Ihre Ergebnisse. Das zitieren Suchmaschinen wie KI-Assistenten am liebsten. Für ein lokales Unternehmen heisst das oft sehr praktische Seiten: Anfahrt, Parken, Barrierefreiheit, Gruppenbuchungen, Allergene, Preise für typische Bestellungen. Genau diese Details schreiben Menschen in Prompts, und genau sie fehlen auf allgemeinen Seiten.
# Search Console > Performance > Query > Custom (regex):
# question-style queries, often the ones AI assistants answer directly
^(who|what|where|when|why|how|which|can|does|is|are|should)\b5. Prompt-Research: Was fragen Kunden KI-Assistenten?
Keywords zeigen, was Menschen in ein Suchfeld tippen; Prompts zeigen, was sie einen Assistenten fragen, und die sind länger, genauer und voller Kontext ('ein ruhiges Restaurant für ein Geschäftsessen nahe dem Bahnhof, das Reservierungen für acht Personen annimmt'). Das AI Visibility Toolkit von Semrush enthält Prompt-Research und Wettbewerbsansichten, die zeigen, bei welchen Fragen Sie oder Ihre Wettbewerber auf Plattformen wie ChatGPT und dem KI-Modus von Google genannt werden. Bei Peec AI legen Sie eigene Prompts an, versehen sie mit Tags nach Thema, Absicht oder Land, und jeder Prompt läuft einmal täglich auf jedem ausgewählten KI-Modell. Für ein echtes Bild brauchen Sie Prompts pro wichtiger Seite oder Absicht, nicht zehn allgemeine. Auf einer europäischen Gastro-Plattform habe ich das für rund 150 Landingpages aufgesetzt: Prompts pro Seite mit einem Sprachmodell erzeugt, geprüft und ins Tracking geladen. Diesen Ablauf mit einem offenen Modell, das lokal läuft, beschreibe ich in einem eigenen Artikel. Trennen Sie Marken- und Nicht-Marken-Prompts: Letztere zeigen, ob Sie empfohlen werden, erstere, ob stimmt, was die KI über Sie sagt.
Tipp aus der Praxis
Formulieren Sie Prompts so, wie Kundschaft mit einem Assistenten spricht, mit Situation und Bedingungen. 'bestes CRM' sagt nichts; 'CRM für eine Agentur mit 12 Leuten, die schon Google Workspace nutzt' zeigt, wer gewinnt.
Interaktiv
Wie bereit ist Ihre Marke für KI-Antworten?
Haken Sie ab, was schon stimmt. Der Rest ist Ihre GEO-To-do-Liste, das Wichtigste zuerst.
0/10 bereit
Ihre nächsten drei Schritte
- Markenfakten sind identisch auf Website, Google-Unternehmensprofil, LinkedIn und Verzeichnissen
- Wichtige Seiten beantworten die Hauptfrage im ersten Absatz
- Organization- oder LocalBusiness-Daten auf den wichtigen Seiten
6. Tracking und ein Backlog von Experimenten
Ein Audit zählt nur, wenn es Zahlen verändert. Ich richte drei Ansichten ein und prüfe sie monatlich. Die Google Search Console für die klassische Suche und, über ihren Leistungsbericht für generative KI, für Googles KI-Funktionen. Einen Prompt-Tracker, Semrush oder Peec AI je nach Budget und je nachdem, welche Assistenten in Ihrem Markt zählen, für Sichtbarkeit, Position, Tonalität und Share of Voice gegenüber benannten Wettbewerbern; Semrush aktualisiert das Prompt-Tracking täglich und die Brand-Performance-Berichte wöchentlich, und sein AI Search Site Audit meldet technische Probleme, die KI-Bots aussperren. Und Ihre Webanalyse mit einem eigenen Kanal für KI-Besuche. Dann wird jeder Befund aus den Schritten 1 bis 5 zu einem Experiment mit Hypothese, Verantwortlichem, Kennzahl und Datum, sortiert nach erwarteter Wirkung und Aufwand. Auf der Gastro-Plattform ergab das zehn priorisierte Experimente in drei Phasen: eine Analyse, ein Workshop, in dem das Team auswählte, was zuerst kommt, und kurze Sprints. Lesen Sie den Trend über mehrere Wochen; KI-Antworten schwanken, und ein einzelner Tag beweist nichts. Der Bericht fürs Management passt auf eine Seite: Sichtbarkeit und Share of Voice pro Absicht, KI-Besuche und Anfragen, die drei meistzitierten Drittquellen und die abgeschlossenen Experimente mit Ergebnis. Alles Längere wird nicht gelesen, und ein Audit, das niemand liest, bekommt keine zweite Runde.
# One experiment card per finding; the backlog is a list of these.
id: geo-07
hypothesis: >
Answer-first openings on the 20 top location pages raise our
share of voice for "decide" prompts in ChatGPT and AI Mode.
change: Rewrite the first two sentences only; nothing else on the page.
owner: content lead
metric: share of voice, "decide" prompts, location template (Peec AI / Semrush)
baseline: 2026-11-01 to 2026-11-28
check_after: 4 weeks
impact: high
effort: low
status: runningTipp aus der Praxis
Ändern Sie pro Experiment nur eine Sache und schreiben Sie die erwartete Wirkung vorher auf. Sonst wird jeder Anstieg im Nachhinein erklärt, und niemand lernt, welche Änderung gewirkt hat.
Fazit
Erst Zugang, dann Qualität, dann Prompts und Tracking: In dieser Reihenfolge wird ein SEO- und GEO-Audit zu einer kurzen, messbaren Liste von Korrekturen statt zu einem Bericht, der verstaubt.
Echte Projekte dazu
Selbst ausprobieren
Quellen und offizielle Leitfäden
- Google Search Central: Optimizing your website for generative AI features on Google Search
- Google Search Central: AI features and your website
- Google Search Console
- Google Search Central: Introduction to robots.txt
- Google Search Central: Core Web Vitals
- web.dev: Web Vitals
- Google Search Central: Introduction to structured data
- Google Search Central: Creating helpful, reliable, people-first content
- Semrush Knowledge Base: AI Visibility Toolkit
- Peec AI: AI search analytics
- OpenAI: Overview of OpenAI crawlers
- Bing Webmaster Tools
Weitere Artikel
- 3'025 Pull Requests in zehn Monaten: ein KI-gestützter Delivery-Prozess von innen
- Der EU AI Act für den Mittelstand: was für Sie gilt, und ab wann
- FinOps für KI-Kosten: Tokens, Caching, Routing und Budgets, die halten
- Ein Restaurant-Netzwerk in KI-Antworten sichtbar machen: ein GEO-Projekt Schritt für Schritt
- Wie diese Website gebaut ist: statisch, wo es geht, streamend, wo es muss
- Kubernetes-Kosten auf EKS und GKE: dasselbe Playbook, andere Hebel
- Eine Landing Zone für den Mittelstand, in Terraform oder Bicep: die Teile, die zählen
- Das Playbook für Legacy-Migrationen: Wellen, Parallelbetrieb und identische Zeilenzahlen und Prüfsummen
- MCP-Sicherheit im Detail: KI-Assistenten ins Produkt lassen, ohne die Türen zu öffnen
- Monitoring auf Geschäftsergebnisse: grüne Dashboards, leere Kasse
- KI-Agenten am Telefon: die Architektur, und die Stolperfallen, die keine Demo zeigt
- Restore-Tests: Ein Backup, das nie wiederhergestellt wurde, ist nur eine Hoffnung
- KI-Antworten auf Azure Static Web Apps streamen: der eine Header, der alles zurückhielt
- Einen KI-Assistenten für WhatsApp bauen, von Anfang bis Ende: was es über die Demo hinaus braucht
- Air-gapped-Systeme: kritische Software ganz ohne Internet betreiben
- Produktive KI auf AWS: Amazon Bedrock und AgentCore in einem privaten Setup
- Produktive KI auf Microsoft Foundry: ein privates Referenz-Setup für Agenten
- /goal, /loop oder Routines: Hören Sie auf, Ihren Coding-Agenten zu babysitten
- Claudes neue Pläne: Max, Ultra und was sie für Teams bedeuten
- OpenAI Codex Ende 2026: Goal Mode, Dots und wie man es absichert
- GitHub Copilot, Claude Code oder Codex? So würde ich für ein Unternehmen entscheiden
- GEO-Grundlagen: So erscheinen Sie in KI-Antworten
- Produktive KI auf Google Cloud: von Vertex AI zur Gemini Enterprise Agent Platform
- Lokale LLMs im Air-Gap-Netz: KI für Ihre sensibelsten Daten
- Ich will ein lokales LLM betreiben: Welchen Server soll ich kaufen?
- MiniMax M3: ein offenes Spitzenmodell zum Selbstbetreiben?
- Prompt-Research im grossen Stil mit einem offenen Modell
- Kubernetes richtig dimensionieren: das Playbook, mit dem ein Cluster von 7 auf 4 Nodes kam
- Private KI für sensible Daten: ein lokales LLM-Setup, das durch die Sicherheitsprüfung kommt
- Vom KI-Prototyp zur Produktion: die acht Schichten, die ich ergänze, in dieser Reihenfolge
