growResonance
Demo buchen
← Alle Artikel

GEO für Agenturen: Der technische Fahrplan zur KI‑Sichtbarkeit

GEO für Agenturen: Der technische Fahrplan zur KI‑Sichtbarkeit

Content-Strategin sieht sich die KI-Sichtbarkeit am Monitor an

GEO steht für Generative Engine Optimization: das Messen und Steuern der Sichtbarkeit einer Marke in Antworten von ChatGPT, Claude, Perplexity, Gemini und Google AI Overviews. Der erste Schritt für jede Agentur ist nicht Content, sondern Zugänglichkeit: Prüfen Sie, ob GPTBot, ClaudeBot und PerplexityBot die Kundenseite überhaupt lesen können. Erst danach folgen Content‑ und Entity‑Arbeit sowie ein laufendes Monitoring, das Ergebnisse belegt.

Kurz gesagt:

  • Verkehrs- und Zugriffsbarrieren müssen vor Content-Optimierung geprüft werden, da viele KI‑Crawler JavaScript nicht ausführen.
  • Die technische Prüfung umfasst curl-Vergleich, TTFB-Messungen, Server-Logs, WAF-Tests und Robots‑Dateien, um Zugangslücken zu identifizieren.
  • Für zuverlässige KI‑Extraktion sollten Inhalte in Answer‑First‑Form umgesetzt und schema-konform strukturiert sein.
  • Erfolgsmessung basiert auf gemeinsamen Probes, Log-Analysen, der Markenpräsenz und der Position im Antwortbeginn.
  • Agenturen können GEO‑Reporting unter eigener Marke anbieten, wobei automatisierte Tools die Prüfung, Analyse und Report-Erstellung vereinfachen.
growResonance
KI-Sichtbarkeit messbar machen
growResonance analysiert ChatGPT, Claude und Perplexity und erstellt konkrete Maßnahmen sowie Reports unter Ihrer Agenturmarke.
growResonance entdecken

Inhaltsverzeichnis

Technische GEO‑Prüfung: die unverzichtbaren Tests

Bevor eine Agentur auch nur eine Zeile Content anfasst, muss sie wissen, was KI‑Crawler tatsächlich sehen. Die meisten GEO‑Probleme liegen nicht am Text, sondern am Zugang. GPTBot, ClaudeBot und PerplexityBot führen in aller Regel kein JavaScript aus — eine Seite, die nur clientseitig gerendert wird, ist für diese Bots faktisch leer, egal wie gut der sichtbare Text im Browser aussieht.

Fünf Prüfungen gehören in jedes Audit:

  1. Raw‑HTML‑Vergleich per curl: Rufen Sie die Seite mit curl ab und vergleichen Sie den rohen Quelltext mit dem, was im Browser‑DOM sichtbar ist. Klafft hier eine Lücke, sehen KI‑Crawler nur ein leeres Gerüst.
  2. TTFB kalt versus warm: Messen Sie die Zeit bis zum ersten Byte einmal ohne Cache und einmal mit. Große Unterschiede deuten auf Serverprobleme hin, die bei Bot‑Zugriffen ohne Session‑Cookies besonders zuschlagen.
  3. Abbruch‑Signale im Server‑Log: 499‑Statuscodes zeigen abgebrochene Anfragen, häufig weil der Bot zu lange auf eine Antwort gewartet hat.
  4. WAF‑Differenziale: Firewalls und Bot‑Management‑Regeln blockieren AI‑Crawler oft standardmäßig mit Challenge‑Seiten oder 403‑Fehlern. Ein Vergleich zwischen normalem Nutzerzugriff und Bot‑User‑Agent deckt das auf.
  5. Robots.txt und llms.txt: Prüfen Sie, welche Agenten explizit erlaubt sind. Google‑Extended etwa ist ein reiner Trainings‑Agent ohne Live‑Retrieval‑Funktion, was die Priorisierung beim Freischalten beeinflusst.

Ein autoorientiertes Werkzeug wie geo‑crawl‑audit simuliert mehrere AI‑User‑Agents gleichzeitig, misst TTFB kalt und warm und klassifiziert HTML als SSR_FULL, SSR_THIN oder CSR_SHELL. Das spart Agenturen den manuellen Abgleich Seite für Seite.

Profi-Tipp: Prüfen Sie nie nur die Startseite. Kundenprojekte mit Headless‑CMS zeigen oft auf der Startseite sauberes Server‑Side‑Rendering, während tiefere Produktseiten oder Blogartikel klassisch clientseitig nachgeladen werden.

Darstellung von zwei Rendering-Methoden für Websites

Content und Entity‑Arbeit: So werden Inhalte zitierfähig

Sobald der Zugang steht, entscheidet die Struktur des Inhalts, ob ein Modell ihn zuverlässig extrahiert. Answer‑First‑Architektur bedeutet: Die direkte Antwort auf eine typische Nutzerfrage steht sichtbar am Anfang eines Abschnitts, nicht am Ende eines langen Absatzes. KI‑Modelle bevorzugen kurze, in sich geschlossene Aussagen, die sie ohne Kontextverlust zitieren können.

Vier Bausteine sollten in jedem Content‑Audit stehen:

  • Answer‑First‑Absätze mit klaren, kurzen Kernaussagen direkt unter jeder Überschrift.
  • Strukturierte Q&A‑Abschnitte, die Fragen und Antworten eindeutig trennen.
  • Validierte Schema‑Typen wie Article, FAQPage, HowTo, Organization und Review, die AI‑Systemen helfen, Inhalte sauber zu extrahieren.
  • Entity‑Konsistenz über Wikidata, den Knowledge Graph und Drittquellen hinweg, damit ein Modell die Marke eindeutig zuordnen kann.

Earned Mentions, also unabhängige Erwähnungen auf fremden Domains, zählen dabei mehr als reine On‑Page‑Signale, weil Modelle sie als externe Bestätigung werten. Konkrete Zahlen, Zitate und klar formulierte Aussagen erhöhen die Wahrscheinlichkeit, dass ein Modell den Satz direkt übernimmt, statt ihn umzuschreiben oder wegzulassen. GEO gliedert sich dabei in fünf zusammenhängende Workstreams: Prompt‑Tracking, Entity‑Optimierung, Schema‑Engineering, Citation‑Building und AI‑zitierfähigen Content. Wer nur einen dieser Bereiche bearbeitet, bleibt meist unter dem möglichen Ergebnis.

Wie messen Agenturen den Erfolg von GEO?

Zwei Messmethoden liefern unterschiedliche Wahrheiten, und Agenturen sollten beide kennen. Aktive Probes schicken Testabfragen an ein Modell und beobachten, ob und wie eine Marke genannt wird. Log‑Verifikation dagegen prüft echte Serverzugriffe von Bot‑IP‑Bereichen und bestätigt, dass ein Crawler tatsächlich da war. Beide Modi ergänzen sich: Probes zeigen mögliche Blockaden, Logs bestätigen reale Treffer und vermeiden Fehlmessungen durch nachgestellte Replay‑Zugriffe.

Für das Reporting bewähren sich vier Kernmetriken:

  • Share‑of‑Model: Wie oft erscheint die Kundenmarke im Vergleich zu Wettbewerbern über ein Set an Prompts?
  • Mention‑Frequency: Wie häufig taucht die Marke über Zeit in denselben Prompts auf?
  • Citation‑Diversity: Wie viele unterschiedliche Quellen zitiert ein Modell, wenn es die Marke erwähnt?
  • Synthesis‑Prominence: Steht die Marke am Anfang der Antwort oder wird sie nur beiläufig erwähnt?

Wöchentliche Prompt‑Sets über mehrere Engines hinweg sind Pflicht, und jede Engine gehört in eine eigene Spalte im Report. Ein Durchschnittswert über ChatGPT, Claude und Perplexity hinweg verschleiert genau die Unterschiede, die für Kunden interessant sind. Ein Audit‑Score mit Kategorien wie GEO‑Ready, Fixable und Gated funktioniert als klares, White‑Label‑fähiges Nachweisdokument gegenüber dem Kunden. Mehr zu passenden Reporting‑Ansätzen für mehrere Kundenprojekte gleichzeitig zeigt der Beitrag zum Management von KI‑Sichtbarkeit für mehrere Kundenprojekte.

Welche Maßnahmen sollten Agenturen zuerst umsetzen?

Nicht jede Baustelle hat dieselbe Priorität, und Agenturen mit begrenztem Budget brauchen eine klare Reihenfolge. Die folgende Einteilung hat sich in der Praxis bewährt.

  1. Sofort (Tage): curl‑Check gegen das Live‑System, robots.txt‑Fehler beheben, WAF‑Ausnahmen für bekannte AI‑User‑Agents testen, offensichtliche TTFB‑Bremsen patchen.
  2. Mittelfristig (Wochen bis Monate): Server‑Side‑Rendering oder Static‑Site‑Generation für zentrale Seiten einführen, strukturierte Daten vollständig validieren, gezieltes Citation‑Building über Fachmedien und Verzeichnisse aufbauen.
  3. Laufend: Entity‑Konsistenz pflegen, Prompt‑Sets erweitern, Wettbewerbsvergleiche aktualisieren.

Die Rollenverteilung folgt dieser Reihenfolge: DevOps beziehungsweise das Hosting‑Team kümmert sich um Rendering und WAF, ein Content‑ oder Schema‑Engineer um strukturierte Daten und Answer‑First‑Texte, PR‑ oder Off‑Page‑Verantwortliche um Earned Mentions. Erste messbare Citation‑Signale zeigen sich meist nach vier bis acht Wochen, während ein spürbarer, stabiler Share‑of‑Model‑Anstieg in der Regel drei bis sechs Monate durchgängige Arbeit braucht.

Profi-Tipp: Kommunizieren Sie diese Zeitspanne dem Kunden vor Projektstart schriftlich. Wer in Woche drei bereits einen Umsatzsprung verspricht, muss in Woche vier erklären, warum er ausbleibt.

Wo Agenturen typischerweise Vertrauen verspielen

Die häufigste Beobachtung in Kundenprojekten: Eine Seite rankt bei Google hervorragend und ist in generativen Modellen trotzdem unsichtbar. Das liegt fast immer an genau den Input‑Barrieren, die ein klassisches SEO‑Audit nicht abfragt, WAF‑Blockaden gegen Bots, clientseitiges Rendering, fehlende llms.txt. Agenturen, die diesen Unterschied nicht erklären können, verlieren beim Kunden schnell an Glaubwürdigkeit, sobald jemand fragt, warum ChatGPT die Marke nicht kennt.

Mein Rat: Verkaufen Sie das Audit‑Ergebnis selbst als Leistung, nicht nur als Vorstufe zur eigentlichen Arbeit. Ein sauber dokumentierter, weiterverwendbarer Report mit klarer GEO‑Ready‑Fixable‑Gated‑Einteilung ist ein greifbares Deliverable, das Kunden sofort verstehen und das sich unter der eigenen Agenturmarke ausliefern lässt.

— Harald Pfanner: SEO- und Content-Marketing-Experte, Redakteur bei growResonance

Wie growResonance die Umsetzung für Agenturen vereinfacht

growResonance ist die praktische Ergänzung zu den Audit‑Schritten aus diesem Artikel: Statt curl‑Checks, TTFB‑Messungen und Prompt‑Sets manuell über mehrere Tools zu verteilen, laufen Tracking, Wettbewerbsanalyse und technisches Audit an einer Stelle zusammen, ausgeliefert unter der eigenen Marke der Agentur.

growResonance

Die Plattform verfolgt, ob und wie Kunden in verschiedenen KI-Modellen erwähnt werden, ergänzt das durch Sentimentanalyse und Quellenauswertung und liefert technische GEO-Audits inklusive llms.txt-Prüfung, Bot-Zugriffstest und JSON-LD-Validierung. Mehrere Kundenprojekte lassen sich über rollenbasierte Zugriffssteuerung getrennt verwalten, Reports gehen im eigenen Layout der Agentur an den Kunden raus, und ein API-Zugang erlaubt den Export in Dashboards.

Wer erst einmal sehen will, wo ein Kunde aktuell steht, startet am besten mit dem gratis LLM‑Sichtbarkeits‑Check für ChatGPT. Für den laufenden Einsatz über mehrere Mandanten lohnt sich ein Blick auf die Preisstruktur für Agenturen, die auf skalierendes Multi‑Client‑Management ausgelegt ist.

Quellen

Für den technischen Einstieg lohnt sich das GEO Technical SEO Audit Playbook mit acht Prüfkategorien, ergänzt durch das Audit‑Repository geo‑crawl‑audit für automatisierte Bot‑Simulationen. Der Leitfaden zu AI‑Crawlability vertieft Performance‑Aspekte, während der GEO‑Guide von Allegiant Digital die fünf Workstreams erklärt. Ergänzend liefert der Blog von Stefano Mazzei technische Artikel zu Performance und Server‑Side‑Tracking.

FAQ

Was bedeutet GEO für Agenturen konkret?

GEO für Agenturen heißt, die Sichtbarkeit von Kundenmarken in generativen KI‑Modellen wie ChatGPT, Claude und Perplexity zu messen, technische Zugangsbarrieren zu beheben und Inhalte für Extraktion durch diese Modelle zu strukturieren.

Reicht gutes Google‑Ranking auch für KI‑Sichtbarkeit?

Nein. AI‑Crawler wie GPTBot führen kein JavaScript aus, weshalb clientseitig gerenderte Seiten für sie oft leer erscheinen, selbst wenn dieselbe Seite bei Google hervorragend rankt.

Wie lange dauert es, bis GEO‑Maßnahmen wirken?

Erste Citation‑Signale zeigen sich meist nach einigen Wochen, substanzielle Share‑of‑Model‑Veränderungen brauchen in der Regel mehrere Monate durchgängiger Arbeit.

Welche Metriken gehören ins Kundenreporting?

Share‑of‑Model, Mention‑Frequency, Citation‑Diversity und Synthesis‑Prominence, jeweils getrennt nach Engine statt als Durchschnittswert, plus ein Audit‑Score mit Einteilung in GEO‑Ready, Fixable und Gated.

Können Agenturen GEO‑Reporting unter eigener Marke anbieten?

Ja, es gibt Plattformen, die White-Label-Reports liefern, die Agenturen unter eigenem Namen an Kunden ausliefern können, inklusive Audit-Ergebnissen und Multi-Client-Verwaltung.

Empfehlungen

Transparenzhinweis (Art. 50 EU-KI-Verordnung): Die Texte und Bilder (Header-Grafiken) auf dieser Seite wurden mit Unterstützung von generativer KI (Large Language Models & Bildgeneratoren) erstellt und anschließend durch unsere SEO-Experten redaktionell geprüft und freigegeben.