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

Der medienpark AI-Readiness-Check prüft zehn klar definierte Punkte, bevor er ein Urteil fällt: ob ein Online-Shop in ChatGPT, Perplexity und Google AI Overviews überhaupt als Quelle infrage kommt. Diese zehn Punkte zeigen wir hier im Detail.

40 % mehr Sichtbarkeit in KI-Antworten durch gezielte GEO-Maßnahmen, belegt von Aggarwal et al. (Princeton University / IIT Delhi, ACM SIGKDD 2024).

Wenn ein Kunde ChatGPT fragt, welcher Online-Shop ein bestimmtes Produkt am besten im Sortiment führt, entscheidet sich in Sekunden, wessen Marke genannt wird und wessen nicht. Diese Entscheidung fällt nicht mehr auf der Ergebnisseite, sondern in der Antwort selbst. Ob ein Shop dort überhaupt eine Chance hat, lässt sich nicht raten, sondern nur prüfen.

Genau das leistet der medienpark AI-Readiness-Check, unser GEO-Audit für Websites und Online-Shops. Gartner rechnet bis 2026 mit einem Rückgang des klassischen Suchvolumens um 25 Prozent, zugunsten von KI-Chatbots und virtuellen Assistenten. Gleichzeitig zeigt die wissenschaftliche GEO-Studie von Aggarwal et al., dass sich die Sichtbarkeit in KI-Antworten durch gezielte Optimierung um bis zu 40 Prozent steigern lässt. Zwischen diesen beiden Zahlen entscheidet sich, ob ein Unternehmen in den kommenden Jahren Reichweite verliert oder gewinnt.

Der AI-Readiness-Check ist keine grobe Einschätzung, sondern eine strukturierte Tiefenanalyse mit zehn Prüfpunkten. Wir haben sie in der Reihenfolge sortiert, in der sie im Audit tatsächlich geprüft werden, von der technischen Grundlage bis zur Wettbewerbseinordnung.

Strukturierte Daten und JSON-LD

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.

Konkret prüfen wir, 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.

Chunk-Fähigkeit: in sich geschlossene Passagen

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 Merkmalen, Material und Lieferzeit eines Produkts 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.

Zitierfähige Kernaussagen und Faktenboxen

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 Online-Shop bedeutet das zum Beispiel eine klar ausformulierte Antwort auf die Frage, wie lange die Lieferung eines individuell konfigurierten Produkts dauert, statt eines Absatzes, der diese Information irgendwo im Text versteckt.

Nachprüfbare Fakten und Quellenverweise

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.

EEAT-Signale: Autorität und Vertrauen

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.

FAQ-Module und Antwortbausteine

Wiederkehrende Kundenfragen lassen sich zu kompakten Antwortmodulen verdichten, vom kurzen FAQ bis zur Mini-Anleitung. Typischerweise sind das Fragen zu Lieferung, Versand, Retoure oder Nutzung des Produkts. 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.

AI-Crawler-Direktiven und llms.txt

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.

Brand-Präsenz und Entitäten

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.

Technischer Wettbewerbsvergleich

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.

AIO-Trigger-Rate und Content-Eignung nach Seitentyp

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 Produktauswahl. Der AI-Readiness-Check befundet deshalb bis zu fünf Seitentypen einzeln, statt eine pauschale Bewertung über die gesamte Website zu treffen.

Ablauf, Umfang und Kosten des AI-Readiness-Checks

Der medienpark AI-Readiness-Check (unser GEO-Audit) kostet 1.500 € zzgl. MwSt. zum Festpreis und liefert innerhalb von 10 Werktagen einen ausführlichen PDF-Bericht mit konkreten Quick-Wins, ohne Folgeverpflichtung und DSGVO-konform. Enthalten sind:

• Strukturierte-Daten-Audit (JSON-LD und Schema.org Ihrer Seitentemplates)
• Content-Analyse zu Zitierfähigkeit, Chunk-Fähigkeit und Faktendichte
• EEAT-Signal-Bewertung von Autoren, Quellenlage und Markenkonsistenz
• Individuelle Befundung von bis zu 5 Seitentypen
• Technischer Vergleich mit 2 Mitbewerbern
• Ausführlicher Audit-Bericht mit Quick-Wins und persönlicher Rückfragemöglichkeit

Beauftragt wird der Check rechtsverbindlich per unterschriebenem Auftragsformular: Sie fordern es mit Name und E-Mail an, füllen Firma, Anschrift und die zu prüfende Website aus und senden es unterschrieben per E-Mail an mueller@medienpark.net zurück. Mit Zahlungseingang startet die Analyse.

Häufige Fragen

Was kostet der AI-Readiness-Check und was ist enthalten?

Der medienpark AI-Readiness-Check kostet 1.500 € zzgl. MwSt. zum Festpreis. Geprüft werden strukturierte Daten, Content-Eignung und EEAT-Signale von bis zu 5 Seitentypen, ergänzt um einen technischen Vergleich mit 2 Mitbewerbern. Lieferung erfolgt in 10 Werktagen, ohne Folgeverpflichtung.

Wir betreiben bereits SEO, reicht das nicht aus?

Klassisches SEO bleibt die Grundlage und wird nicht ersetzt. Der AI-Readiness-Check setzt zusätzlich dort an, wo sich das Nutzerverhalten verändert, bei den KI-generierten Antwortflächen, die bei vielen Suchanfragen bereits vor den klassischen Treffern stehen.

Lässt sich der Effekt eines GEO-Audits überhaupt messen?

Direkte Citation-Messung in ChatGPT oder Perplexity ist mit heutigen Tools noch nicht zuverlässig möglich. Messbar sind aber die technische GEO-Reife vor und nach der Umsetzung, die AIO-Trigger-Rate bei relevanten Suchanfragen sowie qualifizierter Traffic aus KI-bezogenen Suchen über die eigene Webanalyse.

Wie lange dauert es, bis Maßnahmen aus dem Audit wirken?

Erste Effekte zeigen sich typischerweise innerhalb von 4 bis 8 Wochen, abhängig davon, wie häufig KI-Systeme die betroffenen Inhalte neu indexieren. Strukturierte Daten und klare Kernaussagen wirken meist am schnellsten, Autoritäts-Aufbau ist eher mittelfristig angelegt.

Braucht unser Team dafür neue Tools oder zusätzliches Personal?

In der Regel nicht. Der AI-Readiness-Check arbeitet mit Ihren bestehenden Strukturen aus Redaktion, Web-Team und CMS und liefert konkrete Quick-Wins, die sich in den bestehenden Workflow integrieren lassen.