GEO-Audit: Die 10 Punkte, die wir bei jedem KI-Sichtbarkeits-Check prüfen

KI-Suchsysteme lesen eine Website nicht wie ein Mensch, sondern wie eine Datenbank. JSON-LD und Schema.org-Markup liefern dafür die Legende: Was ist ein Produkt, was ist der Preis, was ist eine Bewertung, was ist eine Kategorie. Fehlt diese Auszeichnung oder ist sie unvollständig, muss die KI raten, und geratene Inhalte werden seltener zitiert.

Im Möbelhandel prüfen wir konkret, ob Produktseiten (Product, Offer, AggregateRating), Kategorieseiten und Ratgeberinhalte (Article, FAQPage) sauber ausgezeichnet sind, und ob diese Auszeichnung mit den sichtbaren Inhalten übereinstimmt. Widersprüche zwischen Markup und Seiteninhalt gehören zu den häufigsten Fehlern, die wir im Audit finden.

Die meisten KI-Antworten folgen dem RAG-Prinzip: Eine Anfrage wird semantisch verstanden, passende Textabschnitte werden aus dem Web abgerufen und zu einer Antwort zusammengesetzt. Entscheidend ist dabei nicht die ganze Seite, sondern der einzelne Absatz, der abgerufen wird.

Ein Absatz zu Maßen, Material und Lieferzeit eines Sofas muss deshalb für sich stehen können, ohne dass vorherige Absätze gelesen werden müssen. Seiten, die ihre wichtigsten Informationen über mehrere Abschnitte verteilen oder erst am Seitenende auflösen, sind für generative Suchsysteme schwer verwertbar, selbst wenn sie inhaltlich korrekt sind.

Eine KI zitiert bevorzugt Sätze, die sie ohne Interpretationsaufwand übernehmen kann: klar formuliert, mit einer belastbaren Zahl oder Aussage im Kern. Faktenboxen, Vergleichstabellen und kompakte Antwortblöcke erfüllen diese Anforderung deutlich besser als lange, beschreibende Fließtextabsätze.

Für einen Möbel-Onlineshop bedeutet das zum Beispiel eine klar ausformulierte Antwort auf die Frage, wie lange die Lieferung eines Sofas mit Sonderanfertigung dauert, statt eines Absatzes, der diese Information irgendwo im Text versteckt.

Behauptungen ohne Beleg verlieren im generativen Suchumfeld an Gewicht. Aussagen zu Materialherkunft, Zertifizierungen, Retourenquoten oder Garantiebedingungen sollten deshalb, wo sinnvoll, auf eine nachprüfbare Quelle verweisen. Das erhöht nicht nur die Zitierwahrscheinlichkeit, sondern auch das Vertrauen der Kundschaft selbst.

Experience, Expertise, Authoritativeness, Trust: Google und generative Suchsysteme bewerten, ob hinter einem Inhalt erkennbare Kompetenz steht. Das gelingt am besten mit sichtbaren Autoren- und Berater-Profilen, konsistenten Unternehmensangaben und einer nachvollziehbaren Quellenlage.

Wiederkehrende Kundenfragen lassen sich zu kompakten Antwortmodulen verdichten, vom kurzen FAQ bis zur Mini-Anleitung. Für den Möbelhandel sind das typischerweise Fragen zu Lieferung, Aufbauservice, Retoure oder Pflegehinweisen. Solche Module sind sofort zitierfähig und stärken zugleich die eigene Marke als kompetente Antwortquelle, unabhängig davon, ob die Antwort in einer KI-Suche oder direkt auf der Seite gelesen wird.

Bevor Inhalte überhaupt zitiert werden können, müssen sie zugänglich sein. Wir prüfen, ob die robots.txt gezielte Direktiven für KI-Crawler wie GPTBot, ClaudeBot und Google-Extended enthält, und ob eine llms.txt beziehungsweise llms-full.txt vorhanden ist.

Der stärkste einzelne Prädiktor für Zitationen in KI-Antworten ist nicht der klassische Backlink, sondern das Brand-Search-Volumen, mit einer gemessenen Korrelation von 0,334 laut der zugrunde liegenden Studie. Wikipedia ist mit rund 48 Prozent die häufigste Quelle in ChatGPT-Antworten. Wir prüfen deshalb, wie klar eine Marke als eindeutige Entität in Wikipedia, Wikidata und im Google Knowledge Panel verankert ist.

Sichtbarkeit in KI-Antworten ist relativ: Es reicht nicht, gut zu sein, ein Shop muss besser dastehen als die Quellen, die eine KI stattdessen zitieren könnte. Deshalb gehört zum AI-Readiness-Check ein struktureller Vergleich mit zwei benannten Mitbewerbern, mit Blick auf strukturierte Daten, Content-Aufbereitung und EEAT-Signale. So wird sichtbar, wo der eigene Shop tatsächlich vorne liegt und wo Nachholbedarf besteht.

Nicht jede Suchanfrage löst überhaupt eine KI-generierte Antwort aus. Über Tools wie Semrush lässt sich messen, wie hoch diese sogenannte AIO-Trigger-Rate bei den relevanten Ziel-Suchanfragen ausfällt. Zusätzlich unterscheiden sich die Anforderungen je nach Seitentyp deutlich: Eine Produktseite braucht andere Signale als eine Kategorieseite oder ein Ratgeberartikel zur Sofaauswahl. Der AI-Readiness-Check befundet deshalb bis zu fünf Seitentypen einzeln, statt eine pauschale Bewertung über die gesamte Website zu treffen.