GEO-Audit durchführen — die 8-Punkte-Checkliste für AI-Sichtbarkeit

Was ein GEO Audit prüft — und was nicht

Ein GEO Audit überschneidet sich teilweise mit einem technischen SEO-Audit, hat aber einen anderen Fokus. Es geht nicht darum, ob eine Seite auf Position 3 oder 7 rankt, sondern ob KI-Systeme die Inhalte als zitierwürdig einstufen. Das hängt von drei Faktoren ab: inhaltlicher Klarheit, technischer Strukturierung und wahrgenommener Autorität.

Der Unterschied zwischen klassischer Suchmaschinenoptimierung und GEO ist dabei grundlegend — GEO und SEO verfolgen zwar ähnliche Ziele, aber unterschiedliche Methoden. Während SEO auf Klicks optimiert, optimiert GEO auf Zitate. Ein Artikel, der in ChatGPT als Quelle genannt wird, muss nicht zwingend auf Seite 1 ranken — aber er muss eine Frage vollständig und präzise beantworten.

Der Audit deckt folgende Bereiche ab:

• Inhaltliche Struktur und Zitierbarkeit
• Schema Markup und strukturierte Daten
• Entitäten und Knowledge Graph-Signale
• Technische Crawlbarkeit für KI-Bots
• Autorität und Vertrauenssignale

Punkt 1: Inhaltliche Struktur und Zitierbarkeit

KI-Sprachmodelle extrahieren Antworten aus Texten. Damit das funktioniert, muss jede H2-Sektion eine in sich geschlossene Antwort auf eine konkrete Frage liefern. Texte, die nur im Gesamtkontext Sinn ergeben, werden seltener zitiert.

Was zu prüfen ist:

• Beginnt jede H2-Sektion mit der Kernaussage — nicht mit einer Einleitung?
• Sind Definitionen, Prozesse und Empfehlungen explizit ausformuliert, nicht nur impliziert?
• Gibt es Listen, Tabellen oder nummerierte Schritte, wo Aufzählungen natürlich wären?
• Sind Überschriften als Fragen oder klare Aussagen formuliert, nicht als vage Themen?

Ein Prüftest: Jede H2-Sektion sollte isoliert lesbar sein und eine vollständige Antwort liefern. Wenn das nicht funktioniert, ist die Struktur für KI-Zitate ungeeignet. Die strukturellen Voraussetzungen dafür, wie Inhalte in ChatGPT erscheinen, sind klar definiert und lassen sich direkt auf bestehende Texte anwenden.

Punkt 2: Schema Markup — Abdeckung und Typen

Strukturierte Daten sind das direkteste Signal, das eine Website an KI-Systeme senden kann. Sie machen Inhaltstypen, Entitäten und Beziehungen maschinenlesbar — ohne dass ein Sprachmodell den Text interpretieren muss.

Was zu prüfen ist:

• Ist Organization-Schema auf der Homepage vorhanden, mit Name, URL, Logo und Kontaktdaten?
• Haben Blogartikel und Ressourcen Article- oder BlogPosting-Markup mit Autor, Datum und Beschreibung?
• Sind FAQ-Sektionen mit FAQPage-Schema ausgezeichnet?
• Gibt es HowTo-Schema auf Anleitungsseiten?
• Sind Produkte oder Dienstleistungen mit passenden Schema-Typen ausgezeichnet?

Für eine vollständige Übersicht der relevanten Typen empfiehlt sich ein Blick auf die sechs Schema-Typen, die KI-Systeme bevorzugt zitieren. Besonders FAQPage hat direkten Einfluss auf die Zitierwahrscheinlichkeit — die Implementierung mit konkreten Code-Beispielen ist überschaubar und lässt sich schnell nachrüsten.

Zur Validierung: Google Search Console (Rich Results Test) und schema.org Validator zeigen Fehler und fehlende Pflichtfelder.

Punkt 3: Entitäten und Knowledge Graph-Signale

KI-Systeme arbeiten mit Entitäten — Personen, Unternehmen, Konzepten, Orten — nicht nur mit Keywords. Eine Website, die als klare Entität im Netz verankert ist, wird häufiger als vertrauenswürdige Quelle behandelt.

Was zu prüfen ist:

• Ist das Unternehmen in Google My Business, Wikidata oder relevanten Branchenverzeichnissen eingetragen?
• Sind Autoren auf der Website mit Namen, Foto und Expertise-Beschreibung ausgewiesen?
• Verlinken externe, thematisch relevante Quellen auf die Website?
• Ist sameAs-Property im Organization-Schema mit LinkedIn, Crunchbase oder anderen Profilen verknüpft?

Entity-basierte SEO und die Rolle von Knowledge Graph-Einträgen erklärt, warum diese Signale für KI-Sichtbarkeit wichtiger werden als klassische Linkmetriken.

Punkt 4: E-E-A-T und Autoritätssignale

Google AI Overviews und ähnliche Systeme bevorzugen Quellen, die Expertise, Erfahrung, Autorität und Vertrauenswürdigkeit signalisieren — das E-E-A-T-Framework aus Googles Quality Rater Guidelines. Das gilt auch für andere KI-Systeme, die bei der Quellenauswahl ähnliche Kriterien anlegen.

Was zu prüfen ist:

• Gibt es eine klare About-Seite mit Unternehmensgeschichte, Team und Expertise-Nachweis?
• Sind Autoren von Fachartikeln namentlich genannt, mit Kurzbiografie und Verlinkung auf externe Profile?
• Werden Quellen, Studien oder Daten im Text zitiert und verlinkt?
• Gibt es Kundenstimmen, Case Studies oder messbare Ergebnisse?
• Ist ein Impressum und eine Datenschutzerklärung vorhanden?

Für Inhalte zu medizinischen, rechtlichen oder finanziellen Themen (YMYL) sind diese Signale besonders kritisch. Aber auch im B2B-Bereich gilt: Anonyme Inhalte ohne Autorenangabe werden von KI-Systemen seltener als zitierwürdig eingestuft.

Punkt 5: Technische Crawlbarkeit für KI-Bots

KI-Systeme wie ChatGPT (GPTBot), Perplexity (PerplexityBot) und Google nutzen eigene Crawler. Wenn diese blockiert sind, kann die Website nicht als Quelle verwendet werden — unabhängig von der Inhaltsqualität.

Was zu prüfen ist:

• Ist GPTBot in der robots.txt erlaubt oder blockiert?
• Ist PerplexityBot explizit zugelassen?
• Sind wichtige Inhaltsseiten in der Sitemap enthalten?
• Laden Seiten schnell genug (Core Web Vitals: LCP unter 2,5 Sekunden)?
• Sind Inhalte im HTML-Quelltext vorhanden — nicht nur per JavaScript gerendert?

# Beispiel robots.txt — KI-Bots explizit erlauben
User-agent: GPTBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

Viele Websites haben KI-Bots versehentlich blockiert — entweder durch generische Disallow-Regeln oder durch veraltete robots.txt-Einträge. Das ist einer der häufigsten Befunde in einem GEO Audit.

Punkt 6: Keyword- und Frageabdeckung

KI-Systeme beantworten Fragen. Websites, die die relevanten Fragen ihrer Zielgruppe explizit adressieren, werden häufiger zitiert als Websites, die nur Themen beschreiben. Der Audit prüft, ob die wichtigsten Fragen im Content vorhanden sind.

Was zu prüfen ist:

• Welche Fragen stellen potenzielle Kunden zu den eigenen Produkten oder Themen — und sind diese Fragen auf der Website beantwortet?
• Gibt es FAQ-Sektionen auf wichtigen Seiten?
• Werden Long-Tail-Fragen (W-Fragen: Was, Wie, Warum, Wann) im Content aufgegriffen?
• Deckt der Content auch vergleichende Fragen ab (z.B. „X vs. Y")?

Zur Recherche eignen sich Tools wie Google Search Console (welche Fragen führen zu Impressionen?), Ahrefs oder Semrush (People Also Ask-Daten) sowie direkte Tests in ChatGPT und Perplexity: Welche Quellen werden bei relevanten Fragen zitiert — und warum nicht die eigene Website?

Für Perplexity gelten dabei spezifische Faktoren, die sich von Google unterscheiden. Die Faktoren für Sichtbarkeit in Perplexity AI zeigen, worauf dieses System besonders reagiert.

Punkt 7: Interne Verlinkung und thematische Autorität

KI-Systeme bevorzugen Quellen, die ein Thema umfassend abdecken — nicht einzelne isolierte Artikel. Eine kohärente interne Verlinkungsstruktur signalisiert thematische Tiefe und hilft Crawlern, den Zusammenhang zwischen Inhalten zu verstehen.

Was zu prüfen ist:

• Gibt es einen Pillar-Artikel pro Kernthema, der alle Sub-Themen verlinkt?
• Verlinken Cluster-Artikel zurück auf den Pillar-Artikel?
• Sind verwandte Artikel untereinander verlinkt — mit beschreibendem Anchor-Text?
• Gibt es verwaiste Seiten ohne interne Verlinkung?

Ein Content-Cluster-Modell ist dabei nicht nur eine SEO-Taktik, sondern ein direktes Signal für KI-Systeme: Diese Website behandelt dieses Thema mit Tiefe. Der vollständige Ansatz ist im kompletten GEO-Leitfaden beschrieben.

Punkt 8: Monitoring und Messung der KI-Sichtbarkeit

Ein Audit ist eine Momentaufnahme. Ohne kontinuierliches Monitoring lässt sich nicht feststellen, ob Maßnahmen wirken. Die Messung von KI-Sichtbarkeit ist noch kein standardisierter Prozess, aber es gibt praktikable Ansätze.

Was zu prüfen ist:

• Wird die Website in ChatGPT, Perplexity oder Google AI Overviews bei relevanten Fragen zitiert?
• Gibt es in der Google Search Console Daten zu AI Overview-Impressionen?
• Werden Änderungen an Inhalten und Schema Markup dokumentiert, um Auswirkungen zu messen?
• Gibt es ein regelmäßiges Intervall für manuelle Tests in KI-Systemen?

Für Google AI Overviews liefert die Search Console zunehmend Daten. Wie Inhalte in Google AI Overviews zitiert werden und welche Signale dabei ausschlaggebend sind, ist ein eigenes Thema — aber das Monitoring beginnt mit der Search Console und regelmäßigen manuellen Tests.

Spezialisierte Tools wie Semrush AI Toolkit oder BrightEdge Generative Parser bieten zunehmend Tracking-Funktionen für KI-Sichtbarkeit, sind aber noch im Aufbau. Manuelle Tests mit dokumentierten Prompts bleiben vorerst die zuverlässigste Methode.

Audit-Ergebnisse priorisieren — was zuerst angehen

Ein GEO Audit liefert typischerweise mehr Befunde als sofort umsetzbar sind. Die Priorisierung folgt einer klaren Logik: Technische Blocker zuerst, dann inhaltliche Grundlagen, dann Optimierungen.

1. Technische Blocker beseitigen: Blockierte KI-Bots in robots.txt, fehlende Sitemap, JavaScript-only-Rendering. Diese Punkte verhindern jede Sichtbarkeit — unabhängig von der Inhaltsqualität.
2. Schema Markup nachrüsten: Organization, Article und FAQPage sind schnell implementiert und haben direkten Einfluss. HowTo-Schema für B2B-Seiten lohnt sich zusätzlich auf Anleitungsseiten.
3. Inhaltliche Struktur verbessern: Bestehende Artikel auf Zitierbarkeit prüfen und H2-Sektionen so umschreiben, dass sie in sich geschlossene Antworten liefern.
4. Autoritätssignale stärken: Autorenprofile, About-Seite, externe Erwähnungen — das sind mittelfristige Maßnahmen mit langfristiger Wirkung.

Ein GEO Audit ist kein einmaliges Projekt. Da KI-Systeme sich weiterentwickeln und neue Signale gewichten, empfiehlt sich eine Wiederholung alle sechs bis zwölf Monate — oder nach größeren Änderungen an Inhalten oder Seitenstruktur.