Mein GEO-Audit Prozess: So analysiere ich Websites für KI-Sichtbarkeit

Wie sieht ein professioneller GEO-Audit aus? Ich zeige meinen persönlichen Prozess von der technischen Basis bis zur KI-Sichtbarkeit, Schritt für Schritt.

Schon in meinen ersten GEO-Audits tauchte ein Befund auf, der in einen Satz passt: Die Website blockiert die KI-Bots, von denen sie zitiert werden will.

Klingt absurd, ist aber erstaunlich verbreitet. Viele robots.txt-Dateien wurden vor Jahren aufgesetzt, oft mit restriktiven Vorlagen, und seitdem hat niemand mehr reingeschaut. OAI-SearchBot und PerplexityBot stehen dann auf der Sperrliste, während das Marketing-Team sich wundert, warum die Konkurrenz in ChatGPT auftaucht und man selbst nicht.

Solche Dinge findet ein strukturierter Audit in der ersten Stunde. In diesem Artikel lege ich den Prozess offen, den ich mir dafür erarbeitet habe: fünf Phasen, die aufeinander aufbauen, inklusive der Stellen, an denen es typischerweise hakt.

Eine Vorbemerkung zur Erwartungshaltung: Ein GEO-Audit ist unschärfer als ein SEO-Audit. Als ich diesen Artikel im Sommer 2026 zum ersten Mal geschrieben habe, gab es noch keine Search Console für KI-Antworten. Inzwischen hat Google nachgelegt: Ein eigener Bericht zeigt, wie oft deine Seiten in AI Overviews und im AI Mode auftauchen. Allerdings nur als Impressionen, ohne Klicks und ohne Suchanfragen, und für ChatGPT oder Perplexity gibt es nichts Vergleichbares. Was es außerdem gibt: Tools, die mit hinterlegten Prompts arbeiten, sie aktiv in die jeweiligen LLMs eingeben und die Antworten analysieren und vergleichen. In gewisser Hinsicht lässt sich GEO also messen, aber eben nur begrenzt, und das meiste ist noch nicht in endgültige Zahlen zu fassen. Was man verlässlich kann: systematisch prüfen, dokumentieren und vergleichen. Das reicht, um bessere Entscheidungen zu treffen als die Konkurrenz.

Phase 1: Technische Basis

Hier entscheidet sich, ob KI-Crawler die Website überhaupt erreichen. Drei Prüfpunkte:

robots.txt. Hier lohnt sich eine Unterscheidung, die viele noch nicht auf dem Schirm haben. Die Such-Crawler entscheiden, ob du in KI-Antworten auftauchen kannst: OAI-SearchBot (ChatGPT-Suche), PerplexityBot, Claude-SearchBot (Anthropic) und für Google ganz normal der Googlebot, denn AI Overviews und AI Mode bauen auf dem regulären Index auf. Die Trainings-Crawler sammeln dagegen Material für künftige Modelle: GPTBot (OpenAI), ClaudeBot (Anthropic), CCBot (Common Crawl) und das Steuerungs-Token Google-Extended (Gemini). Die Such-Crawler sollten auf keinen Fall gesperrt sein. Bei den Trainings-Crawlern ist es eine bewusste Entscheidung, die dich nicht aus der Suche wirft. Der Klassiker, siehe oben, ist die pauschale Sperre von allem, was nach KI klingt. Der zweite Klassiker: Ein User-agent: *-Block mit Disallow-Regeln, die versehentlich auch die KI-Bots treffen.

Search-Console-Einstellung. Seit 2026 gibt es in der Google Search Console eine Einstellung, mit der Websites sich aus AI Overviews, AI Mode und den KI-Funktionen in Discover ausschließen können. Standardmäßig ist die Website dabei. Ein kurzer Blick lohnt trotzdem, falls jemand im Team den Schalter umgelegt hat.

Core Web Vitals. LCP unter 2,5 Sekunden, CLS unter 0,1, INP unter 200 ms. Langsame Seiten werden von Crawlern seltener und flacher gecrawlt. Nichts Neues für SEO-Leute, aber für GEO genauso relevant.

Interne Verlinkung. KI-Systeme folgen Links, um Themenzusammenhänge zu verstehen. Wichtige Inhalte sollten maximal drei Klicks von der Startseite entfernt sein. Verwaiste Seiten existieren für Maschinen praktisch nicht.

Phase 2: Content-Analyse

Jetzt wird es handwerklich. Ich lese die wichtigsten Seiten mit einer einzigen Testfrage: Wenn ich nur den ersten Satz jedes Abschnitts lese, verstehe ich dann die Kernaussagen?

Mach diesen Test mal mit einer beliebigen Unternehmens-Website: Die Antwort lautet erstaunlich oft Nein. Die Information ist da, aber vergraben: unter Einleitungsfloskeln, unter “In diesem Abschnitt erfahren Sie”, unter Marketing-Prosa. KI-Systeme graben nicht. Sie nehmen, was vorne steht.

Worauf ich außerdem achte:

Zitierfähigkeit. “GEO wird immer wichtiger” kann niemand zitieren. “Laut BrightEdge zeigten im Februar 2026 rund 48 % der beobachteten Suchanfragen eine AI Overview” schon. Konkrete, belegbare Aussagen sind die Währung.
Formate. Definitionssätze, Tabellen, nummerierte Schritte, FAQ-Blöcke. Alles, was einer Maschine die Extraktion erleichtert.
Content-Lücken. Welche Fragen der Zielgruppe beantwortet die Website nicht? Die Lückenliste wird später zum Redaktionsplan.

Phase 3: Schema Markup

Der Check ist schnell, die Befunde sind meist eindeutig. Eine Einordnung vorab: Google sagt in seinem offiziellen Leitfaden von Mai 2026 klar, dass für AI Overviews und AI Mode kein spezielles Schema nötig ist. Ich prüfe strukturierte Daten trotzdem, weil sie Autorschaft und Datum eindeutig machen, Rich Results ermöglichen und für andere Systeme nicht schaden. Prioritätenliste für die üblichen B2B-Websites und Blogs:

Schema-Typ	Wo	Warum
`Article` / `BlogPosting`	Alle Artikel	Autorschaft und Datum maschinenlesbar
`Person`	Autorenprofil	E-E-A-T-Signal, mit `sameAs` zu LinkedIn
`Organization`	Startseite	Unternehmenskontext
`FAQPage`	FAQ-Sektionen	Klare Frage-Antwort-Struktur (Google-Rich-Results gibt es dafür seit Mai 2026 nicht mehr)
`HowTo`	Anleitungen	Schritt-Extraktion
`BreadcrumbList`	Unterseiten	Seitenstruktur

Zwei Fehler tauchen dabei besonders oft auf. Erstens: Schema nur auf der Startseite, der Rest der Website ist nackt. Zweitens: Schema-Angaben, die nicht mit dem sichtbaren Seiteninhalt übereinstimmen. Letzteres ist nicht nur wirkungslos, sondern riskant, weil es als Manipulationsversuch gewertet werden kann. Validiert wird alles mit dem Schema Markup Validator.

Wer tiefer einsteigen will: Ich habe dem Thema einen eigenen Artikel gewidmet.

Phase 4: E-E-A-T

Die weichste Phase, aber nicht die unwichtigste. Ich prüfe im Kern drei Dinge:

Ist erkennbar, wer schreibt? Echter Name, Rolle, Foto, Autorenseite. Anonymer Content hat es schwer, zitiert zu werden.

Wird die Person außerhalb der eigenen Website bestätigt? LinkedIn-Profil, Gastbeiträge, Erwähnungen. KI-Systeme führen Signale aus verschiedenen Quellen zusammen. Eine Person, die nur auf der eigenen Website existiert, ist ein schwaches Signal.

Stimmen die Basics? Impressum, Datenschutz, Kontaktmöglichkeit, belegte Behauptungen. In Deutschland ohnehin Pflicht, für Vertrauenssignale unverzichtbar.

Phase 5: KI-Sichtbarkeit direkt testen

Die einzige Phase, die es im SEO-Audit nicht gibt, und ehrlich gesagt meine liebste. Ich stelle den relevanten Systemen (ChatGPT mit Websuche, Perplexity, Google AI Overviews, Copilot) systematisch Fragen aus drei Kategorien:

Branded: “Was macht [Unternehmen]?” Taucht die eigene Website als Quelle auf?
Thematisch: die zehn wichtigsten Fachfragen der Zielgruppe. Wer wird zitiert?
Wettbewerb: dieselben Fragen mit Blick auf die Konkurrenz. Wer dominiert das Thema bisher?

Jedes Ergebnis wird mit Screenshot und Datum dokumentiert. Ohne diese Baseline lässt sich später kein Fortschritt nachweisen, und genau daran scheitert die Erfolgsmessung sonst.

Mein Werkzeugkasten

Unspektakulär, aber funktional: Google Search Console (inklusive des neuen Berichts zur generativen KI) und Sistrix für die SEO-Seite, Screaming Frog fürs Crawling, PageSpeed Insights für die Vitals, Schema Markup Validator für strukturierte Daten.

Für den KI-Teil nutze ich hauptsächlich Rankscale: Das Tool hinterlegt Prompts, stellt sie automatisiert an ChatGPT, Perplexity, Google AI Overviews, Gemini, Copilot und über ein Dutzend weitere Systeme und wertet die Antworten aus. Drei Metriken sind dabei für den Audit besonders wertvoll. Der Visibility Score zeigt, wie oft eine Marke über alle getrackten Prompts und Modelle hinweg in KI-Antworten auftaucht. Die Unterscheidung zwischen Mentions (die Marke wird in der Antwort genannt) und Citations (die Website wird als Quelle verlinkt) trennt Bekanntheit von Zitierfähigkeit, genau die Unterscheidung, um die es bei GEO geht. Und der AI Readiness Score prüft die eigene Website auf Struktur, Klarheit und Autoritätssignale, also darauf, ob KI-Systeme die Inhalte überhaupt zuverlässig übernehmen können. Dazu kommt der Wettbewerbsvergleich: Wer wird bei denselben Prompts zitiert, und gewinnt oder verliert er gerade?

Für Stichproben und Detailfragen gehe ich trotzdem manuell in die Systeme. Aber die laufende Beobachtung, die sich per Hand kaum stemmen lässt, übernimmt das Tool. Wichtig bei allen solchen Tools: Sie stellen Fragen von außen und werten die Antworten aus. Einblick in Googles Ranking- oder KI-Systeme hat keins davon, darauf weist Google in seinem Leitfaden auch ausdrücklich hin.

Ehrlich: Wo sind die Fallstudien?

An dieser Stelle stünde in vielen Blogs jetzt eine anonymisierte Fallstudie mit beeindruckenden Prozentzahlen. Die findest du hier nicht, denn ich habe noch keine, die diesen Namen verdient. Ich stehe mit GEO-Audits am Anfang: Die ersten Analysen sind gemacht, die Langzeit-Messungen laufen noch.

Was sich aus dokumentierten Erfahrungsberichten und der Funktionsweise der Systeme aber ableiten lässt: Wer die typischen Blocker behebt (gesperrte KI-Bots, fehlende Autorenprofile, Schema Markup nur auf der Startseite) und die wichtigsten Artikel nach dem Antwort-zuerst-Prinzip überarbeitet, kann nach etwa 90 Tagen mit ersten messbaren Erwähnungen in KI-Antworten rechnen. Garantien gibt es keine, dafür ist das Feld zu jung.

Sobald ich eigene Vorher-Nachher-Daten habe, die belastbar sind, dokumentiere ich sie genau hier. Das ist der Deal auf dieser Website: keine ausgedachten Erfolgsgeschichten, dafür ein Prozess, den du komplett nachvollziehen kannst.

Zum Selbermachen

Die komplette Prüfliste aus diesem Prozess gibt es kompakt als PDF: GEO-Checkliste herunterladen. 36 Punkte, 6 Bereiche, direkt abhakbar.

Und falls du beim Durchgehen feststellst, dass deine robots.txt seit 2019 niemand mehr angefasst hat: Willkommen im Club. Genau dafür macht man Audits.