Leistung · GEO-Audit
Kurz gefasst
Ein GEO-Audit – ein Audit für Generative Engine Optimization (GEO) – analysiert, wie sichtbar Ihre Marke in den Antworten von ChatGPT, Perplexity, Google AI Overviews, Gemini und Claude ist.
Gemessen wird auf Prompt- und Engine-Ebene, wie häufig Ihre Marke genannt, empfohlen und mit einer Quelle belegt wird. Wiederholte Läufe trennen einzelne Treffer von stabileren Mustern und zeigen, welche Wettbewerber und Quellen stattdessen erscheinen.
Zusätzlich prüft das Audit technischen Zugriff, Content-Extrahierbarkeit, Markenentität und Lücken im Quellenökosystem. Das Ergebnis ist eine dokumentierte Baseline mit priorisierter Roadmap und einem Plan für die erneute Messung.
Fünf Engines, fünf verschiedene Antworten auf dieselbe Kauffrage. Wer nur eine Engine prüft, sieht nur einen Ausschnitt. Ein einzelner Treffer beweist nichts; belastbar wird die Messung erst über wiederholte Läufe und Zeitpunkte.
12–21 %Überlappung der zitierten Domain-Pools zwischen den Engines in einer Research Note aus acht anonymisierten B2B-Projekten. Kundenstichprobe, kein DACH-Benchmark.
Sechs Bereiche – von Nachfrage und Retrieval über Technik und Entity bis zu Citations, Wettbewerb und Business Impact.
Kein Foliensatz, den drei Monate später niemand mehr öffnet. Sechs Ergebnisse, mit denen Ihr Team direkt arbeitet.
Berechnen Sie das wirtschaftliche Potenzial Ihrer KI-Sichtbarkeit mit transparenten Annahmen und drei Szenarien.
Business Case rechnenFünf Schritte, typischer Zeitrahmen 2–4 Wochen ab Kickoff. Bei mehreren Märkten, umfangreichen Wettbewerbssets oder großen Websites wird der Zeitrahmen vorab verbindlich erweitert.
Grundlage ist Ihr CRM: gewonnene und verlorene Deals, Vertriebsgespräche, Support-Anfragen. Die Prompts gruppiere ich nach Themencluster, entlang der Fragen, mit denen Ihre Kunden eine Kaufentscheidung beginnen.
Alle fünf Engines, mehrere Läufe, gegen einen Wettbewerbs-Benchmark.
Crawler-Zugang, strukturierte Daten, Entitätskonsistenz.
Die Befunde wandern in die Priorisierungs-Matrix, sortiert nach Wirkung und Aufwand.
Ergebnispräsentation und Maßnahmenplan, an dem Ihr Team oder eine Agentur direkt weiterarbeitet.
Der wichtigste Schritt ist das Prompt-Set. Das richtige Prompt-Set entsteht aus Ihrem CRM, nicht aus dem Bauch. Wie ich Prompts aufbaue, zeigt die Prompt-Bibliothek.
Der Einstieg
GEO-Audit. Steht für sich. Sie bekommen Klarheit über Ihre Lücke und einen Plan, den Sie selbst umsetzen können. Festes Paket, fester Zeitrahmen.
GEO-Programm. Messen, priorisieren und umsetzen im Monatsrhythmus, mit Wettbewerbs-Benchmark und C-Level-Report. Am Ende steht eine interne GEO-Wissensbasis.
Nach dem Audit
Ihr Team erhält Backlog, Vorlagen und Regeln zur erneuten Prüfung und arbeitet die Roadmap eigenständig ab.
Sie führen eine Handover-Session durch und beantworten die technischen Fragen Ihrer aktuellen Agentur.
Einmalige Begleitung oder GEO-Programm mit monatlichen Messungen.
Fachliche Vertiefung
Methodik, technische Prüfungen, Kennzahlen und Grenzen – vollständig und nachvollziehbar.
Ein einzelner Lauf ist nicht belastbar. Belastbar wird die Messung erst als Auftretenshäufigkeit über viele Läufe, im Zeitverlauf wiederholt.
Dieselbe Frage ergibt bei einem Sprachmodell oft unterschiedliche Antworten, gesteuert über Temperatur und Sampling. Ein einzelner Treffer beweist darum nichts. Ein einzelner Fehlschlag auch nicht.
Jeder Prompt läuft mehrfach je Engine über einen definierten Zeitraum. Gezählt wird die Häufigkeit, mit der eine Marke erscheint, empfohlen oder zitiert wird – erst eine stabile Rate ist ein Signal.
Jede Messung trägt ihr Datum, weil die Engines sich ändern. Ein Wert von heute ist keine Zusage für nächsten Monat; nur laufendes Monitoring macht die Bewegung sichtbar.
Illustrative Simulation
„Nenne die Top-3 der zuverlässigsten Kaffeevollautomaten für zu Hause“
Lauf #1. Jeder Lauf kann kippen. Ein einzelner Treffer ist kein belastbares Signal.
Die Zahl 100 und die Werte dienen nur der Veranschaulichung. Der tatsächliche Messumfang wird nach Prompt-Set, Engine, Markt und gewünschter Belastbarkeit festgelegt.
Ein Käufer tippt eine Frage, doch die KI-Engine sucht selten nur einmal. Sie zerlegt den Prompt in Teilabfragen und holt für jede eigene Quellen: Produkt, Vergleiche, Preise, Einschränkungen, Region und Alternativen. Dieser Vorgang heißt Query Fan-Out.
Ihre Seite kann zur ursprünglichen Frage passen und in einzelnen Teilabfragen trotzdem fehlen. Das Audit prüft deshalb, für welche Teilabfragen Sie abgerufen werden – und für welche nicht. Wie ein Prompt sich auffächert, zeige ich in Query Fan-Out und Teilabfragen.
Sechs Bereiche, von der Nachfrage bis zur Priorisierung. Jeder liefert einen Teil der Antwort, warum Ihre Marke in KI-Antworten auftaucht oder fehlt.
Welche Fragen Ihre Käufer wirklich stellen, aus echten Quellen statt aus einem Keyword-Tool: reale Kundenfragen aus CRM, Sales und Support, die Kaufphasen der Customer Journey, Markt und Sprache, Marken- und markenfreie Prompts.
Welche Teilabfragen ein Prompt auslöst und ob Ihre Seite dabei abgerufen wird: wahrscheinliche Teilabfragen je Prompt, Vergleiche und Alternativen, geografische Abfragen, Prüfung des Retrievals.
Ob ein KI-Crawler Ihre Seite erreicht und die Antwort sauber herauslösen kann: robots.txt, Server-Rendering statt reines JavaScript, semantisches HTML und strukturierte Daten, Extrahierbarkeit einzelner Fakten.
Mit welchen Themen die Modelle Ihre Marke verknüpfen und welche fremden Quellen das tragen: assoziierte Kategorien, Produkte, Märkte und Wettbewerber, externe Bestätigung, Lücken im Source Ecosystem.
Wo Sie zitiert, genannt oder übergangen werden: Citation Rate, Mention Rate, Recommendation Rate, AI Share of Voice, Zitate ohne Markennennung, Nennungen ohne Link. Gemessen mit Peec.ai, die Rohdaten bleiben nachvollziehbar.
Was zuerst drankommt, gemessen an Wirkung des Problems, Aufwand der Behebung, Priorität und möglichem Effekt auf Leads und Umsatz.
Von der Frage bis zur Empfehlung durchläuft Ihre Marke mehrere Stufen. Das Audit findet die Stufe, an der die Kette bricht.
| Zustand | Bedeutung | Zu prüfen |
|---|---|---|
| Nicht im Retrieval | Die Engine hat Ihre Seite nicht gefunden oder nicht gewählt | Zugang, Relevanz, Indexierung |
| Retrieved, aber nicht zitiert | Seite gefunden, gegen andere Quellen verloren | Qualität des Textabschnitts, Belege, Autorität |
| Zitiert, aber Marke nicht genannt | Inhalt genutzt, ohne Ihre Marke zuzuordnen | Entity Clarity, Markenbezüge |
| Genannt, aber nicht zitiert | Modell kennt die Marke, nutzt Ihre Seite aber nicht | eigener Content und externe Bestätigung |
| Genannt und zitiert | volle Sichtbarkeit | das erfolgreiche Muster skalieren |
Ein KI-Agent sieht nicht Ihr Design, sondern den Grundriss Ihrer Website. Bricht eine Stufe, endet die Kette vor dem Zitat.
| Prüfpunkt | Frage | Wenn es fehlt |
|---|---|---|
| Crawler-Zugang | Dürfen GPTBot, ClaudeBot, PerplexityBot und Bingbot in die robots.txt? Blockt eine Firewall sie? | Die Seite kann über diesen Zugriffspfad nicht abgerufen werden |
| Server-HTML | Steht der Inhalt im HTML oder erst nach JavaScript-Rendering? | Was der Crawler nicht rendert, existiert für ihn nicht |
| Semantisches HTML | Echte Überschriften, echte Tabellen, saubere Struktur? | Das Modell findet die Antwort nicht im Text |
| JSON-LD und Schema.org | Sind Ihre Entitätsdaten maschinell extrahierbar? | Fakten zu Ihrer Marke bleiben unlesbar |
| Ladezeit, Core Web Vitals | Lädt die Seite schnell genug für den Crawl? | Rahmenbedingung, kein Selbstzweck |
Ein vereinfachtes Referenzmodell einer Retrieval-Augmented-Generation-Pipeline – eine typische Abfolge, keine herstellerspezifische Architektur.
Aus einer Ghost Entity wird eine Referenced Entity: eine Quelle, die das Modell kennt und nennt.
Geprüft werden Markenname, Kategorie, Produkte, Märkte, Wettbewerber und Führungsprofile sowie die Konsistenz der Entitätsdaten – Named Entity Recognition und Entity Disambiguation inklusive.
Entscheidend ist, ob unabhängige Quellen dieselben Fakten bestätigen und die Marke eindeutig mit ihrer Kategorie verbinden. Dazu messe ich die semantische Nähe Ihrer Inhalte zu den Kaufprompts.
Branchenpublikationen, Vergleichsportale, unabhängige Reviews, Fachverzeichnisse, Communities, Partnerseiten, Marktplätze, LinkedIn, Wikidata und Wettbewerberseiten prägen die Antworten. Das Audit prüft für jeden Typ, ob Ihre Marke vorkommt und wie sie beschrieben wird.
| Quelle | Nutzung | Problem | Aktion |
|---|---|---|---|
| Vergleichsportal | Grundlage der Empfehlung | Marke fehlt | Outreach und Aufnahme |
| Branchenmagazin | bestätigt die Expertise | veraltete Beschreibung | Daten aktualisieren |
| prägt die Wahrnehmung | häufige Beschwerde ohne Antwort | Produktfakt richtigstellen | |
| bestätigt die Entität | Firmenname weicht ab | Daten vereinheitlichen |
Je vollständiger die Ausgangsdaten, desto schärfer die Befunde. Fehlt etwas, halten wir es als eigene Unsicherheit fest.
Fehlende Daten werden als eigene Unsicherheit dokumentiert.
Die Arbeitsdefinitionen werden konsistent über alle Engines und Läufe angewandt und mit Erhebungsdatum dokumentiert.
| Kennzahl | Definition | Bezugsgröße |
|---|---|---|
| Mention Rate | Anteil der Läufe eines Prompt-Sets, in denen Ihre Marke in der Antwort namentlich genannt wird – unabhängig davon, ob eine Quelle verlinkt ist. | Läufe je Engine |
| Recommendation Rate | Anteil der Läufe, in denen Ihre Marke nicht nur genannt, sondern als Option empfohlen oder in eine Auswahl aufgenommen wird. | Läufe je Engine |
| Citation Rate | Anteil der Läufe, in denen mindestens eine Ihrer URLs als Quelle der Antwort zitiert bzw. verlinkt wird. | Läufe je Engine |
| Citation Share | Anteil Ihrer zitierten Quellen an allen in einer Antwort zitierten Quellen – wie groß Ihr Anteil an den herangezogenen Belegen ist. | zitierte Quellen je Antwort |
| AI Share of Voice | Anteil Ihrer Marke an allen genannten Marken eines Prompt-Sets, gemittelt über die Läufe – Ihre Präsenz relativ zum Wettbewerb. | genannte Marken je Prompt-Set |
Die wichtigsten Prompts, die dahinterliegenden Suchintentionen und die Teilabfragen, die KI-Systeme daraus erzeugen.
Wo Ihre Seite abgerufen wird, wo sie zitiert wird und wo Ihre Marke genannt wird, je Engine. Zitatrate und Citation Share dienen als Nullmessung für alles Weitere.
Mit welchen Entitäten Ihre Marke verknüpft ist und welche externen Quellen die KI-Antworten speisen.
Welche Seiten schon gut extrahierbare Antworten, Fakten und Belege liefern und welche dafür überarbeitet werden müssen.
Für jede Maßnahme das Problem, die betroffenen Seiten, der erwartete Effekt, der Aufwand, die Priorität, die zuständige Rolle und der Umsetzungsmodus. Sortiert nach dem 3-Ebenen-Framework: Presence, Readiness, Business Impact. Was der Business Case für AI Visibility vorab überschlägt, wird hier zur konkreten Reihenfolge.
Wir gehen die Befunde gemeinsam durch, erklären die Messgrenzen und priorisieren die nächsten Schritte. Ihr Team klärt methodische, technische und organisatorische Fragen direkt.
Laut dem G2 AI Search Insight Report 2026 geben 51 Prozent der befragten B2B-Softwarekäufer an, ihre Software-Recherche häufiger in einem AI-Chatbot als in Google zu beginnen. Die Zahl beschreibt das Verhalten der Befragten und ist kein Umrechnungsfaktor zwischen Google-Suchvolumen und der Zahl von AI-Prompts.
Die Berechnung ist eine szenariobasierte Modellierung, keine Messung des tatsächlichen Prompt-Volumens und keine Umsatzprognose.
Ein GEO-Audit landet selten nur auf einem Schreibtisch. Drei Rollen lesen den Report verschieden.
CMO / Geschäftsführung
KI-Sichtbarkeit je Engine und Kaufphase, ausgedrückt in Zitatrate und Citation Share, dazu die Linie zur Pipeline: welche Lücke Anfragen kostet – so aufbereitet, dass Sie im Vorstand ein Budget dafür vertreten können.
Marketing / SEO
Bei welcher Frage ChatGPT drei Wettbewerber nennt und Sie nicht, welche Themen fehlen, welche Drittquellen die Modelle zitieren. Die Priorisierungs-Matrix wird zum Arbeitsplan für Briefings und Tickets.
IT / Entwicklung
Gesperrter Crawler-Zugang in der robots.txt, Inhalte erst nach JavaScript, fehlendes oder fehlerhaftes JSON-LD, Ladezeiten über der Schwelle – jeder Punkt konkret genug fürs Backlog.
Ich sage vorher ab, wenn das Audit Ihnen nichts bringt. Das spart uns beiden Zeit.
Ohne belastbaren Grundstock an Inhalten fehlt die Substanz, auf die ein Modell sich beziehen kann. Dann ist der erste Schritt Content, danach kommt die Messung.
Ohne Vertriebswissen lässt sich das Prompt-Set nicht an echten Kaufentscheidungen ausrichten. Ein Audit auf geratenen Prompts ist den Preis nicht wert.
Niemand steuert die Ausgabe eines Sprachmodells direkt. Ich messe, diagnostiziere und verschiebe Wahrscheinlichkeiten mit Belegen und sage offen, wo die Grenze liegt.
Kommt der Crawler nicht durch und rendert die Seite erst nach Sekunden, ist das zuerst ein SEO-Projekt am Fundament, bevor GEO greift.
Beide Audits messen Sichtbarkeit, aber in verschiedenen Räumen.
| Kriterium | SEO-Audit | GEO-Audit |
|---|---|---|
| Hauptziel | Die Ursachen finden, die Positionen und organischen Traffic in der klassischen Google-Suche verhindern. | Die Ursachen finden, warum eine Marke in den Antworten generativer Systeme nicht genannt, empfohlen oder zitiert wird. |
| Was genau geprüft wird | Die klassische Trefferliste und die Fähigkeit der Website, für Zielsuchbegriffe zu ranken. | Die generierten Antworten auf echte Kauffragen und die Präsenz der Marke darin. |
| Leitfrage des Audits | Warum rankt die gewünschte Seite nicht? | Warum landet die Marke oder Seite nicht in der Antwort und den Quellen des KI-Systems? |
| Analyseeinheit | Suchbegriff, Position und Ziel-URL. | Prompt, einzelner Lauf, KI-Engine, Markennennung und Zitat beziehungsweise Quelle. |
| Zentrale Kennzahlen | Positionen der Zielseiten, Impressionen, Klicks, CTR, organischer Traffic, Indexierbarkeit. | Nennungsrate (Mention Rate), Zitatrate (Citation Rate), Citation Share und AI Share of Voice, getrennt je Engine. |
| Messumgebungen | Vor allem Google Search, bei Bedarf weitere klassische Suchmaschinen. | ChatGPT, Perplexity, Google AI Overviews, Gemini und Claude; Copilot lässt sich separat ergänzen. |
| Daten und Werkzeuge | Google Search Console, Crawling, Server-Logs, Ahrefs oder Sistrix, Link- und Wettbewerbsanalyse. | Wiederholte Prompt-Messungen über mehrere Engines, Peec.ai und die Rohantworten, ein Wettbewerbs-Benchmark auf Prompt-Ebene. |
| Umgang mit schwankenden Ergebnissen | Positionen und Klicks werden als Zeitreihe betrachtet, doch derselbe Suchbegriff liefert meist eine vergleichsweise stabile Trefferliste. | Eine einzelne Antwort gilt nicht als Beleg. Jeder Prompt läuft mehrfach je Engine; gemessen werden die Häufigkeit des Auftauchens und die Veränderung über die Zeit. |
| Content-Schwerpunkt | Passung zum Suchintent, ein Suchbegriff je URL, Kannibalisierung und Dubletten beseitigen, Title und Description optimieren, schwache Seiten aktualisieren oder zusammenlegen. | Extrahierbarkeit der Antwort: klare semantische Struktur, eigenständige Textabschnitte, Fakten, Statistiken, Vergleiche, Aktualität und inhaltliche Nähe zu echten Kaufprompts. |
| Rolle der Google-Position | Die Position ist eines der zentralen Ergebnisse der Optimierung. | Eine hohe Position garantiert kein Zitat in einer Chat-Engine, und eine schwächer platzierte Seite kann ebenso als Quelle gewählt werden. In einer Ahrefs-Studie mit 15.000 Prompts lag die URL-Überschneidung zitierter Quellen von ChatGPT, Gemini, Copilot und Perplexity mit den Google Top 10 bei durchschnittlich rund 12 % (Claude nicht untersucht). In der seoClarity-Stichprobe enthielten 94 % der untersuchten AI Overviews mindestens eine Quelle aus den organischen Top 20 – kein Beleg dafür, dass 94 % aller Zitate von dort stammen. |
| Autorität | Analysiert werden interne Verlinkung, externe Links, Qualität der verweisenden Domains und Verteilung des Linkgewichts. | Analysiert werden Markennennungen, die die Marke stützenden unabhängigen Quellen, die Entitäts-Konsistenz, Knowledge Graph und Wikidata sowie der Zitier-Graph. |
| Nennungen gegen Links | Backlinks und verweisende Domains bleiben ein eigenständiger Prüfgegenstand. | Nicht verlinkte Nennungen gelten als eigenes Signal der KI-Sichtbarkeit. Im vorgelegten Material liegt die Korrelation bei 0,664 für Markennennungen gegenüber 0,326 für das Domain Rating. Das ist das Ergebnis eines einzelnen Datensatzes, keine belegte Kausalität und kein allgemeingültiges Faktorgewicht. |
| Technisches Fundament | Crawling, Indexierung, robots.txt, Canonical und Noindex, Statuscodes und Redirects, XML-Sitemap, Crawl-Budget, Rendering, mobile Version und Core Web Vitals. | Zugang für KI- und Suchbots, WAF und robots.txt, serverseitiges HTML, semantisches HTML, Extraktion und Chunking der Inhalte, strukturierte Daten, Ladezeit und technische Zuverlässigkeit. |
| Besonderheit der Google-KI-Funktionen | Ein SEO-Audit ist besonders wichtig, wenn das Problem die Google AI Overviews betrifft: Diese Funktion hängt eng am klassischen Index und an der Trefferliste. | Für die Google AI Overviews gibt es keinen eigenen technischen Standard; Google empfiehlt dieselben SEO-Grundlagen. Die GEO-Ebene dient hier der Analyse des tatsächlichen Auftauchens in Antworten und Zitaten, nicht als Ersatz für SEO. |
| Prüfung der Markenentität | Kann Teil von E-E-A-T und strukturierten Daten sein, ist aber selten die zentrale Achse des Audits. | Einer der Kernblöcke: einheitlicher Name, Entitätserkennung, Auflösung von Mehrdeutigkeit, Bestätigung der Fakten durch externe Quellen und die Verbindung der Marke mit ihrer Kategorie. |
| Wettbewerbsanalyse | Vergleich von Positionen, Content-Lücken, Linkprofilen und Seitenarchitektur. | Vergleich auf Prompt-Ebene: wen die Engine anstelle der Marke nennt, wen sie zitiert und welche Drittquellen die Antwort prägen. Die Ergebnisse werden je Engine getrennt bewertet, weil sich ihre Quellenpools deutlich unterscheiden. |
| Typische Ergebnis-Artefakte | Priorisierungs-Matrix, technischer Ticket-Backlog und KPI-Baseline zu Positionen, Impressionen, Klicks und Indexabdeckung. | Priorisierungs-Matrix nach Presence, Readiness und Business Impact, Roadmap und KPI-Baseline zu Zitatrate und Citation Share je Engine. |
| Wann durchführen | Vor einem Relaunch, nach einem Traffic-Einbruch oder großen Google-Update, bei stagnierenden Positionen oder Sichtbarkeitsverlust gegenüber einem Wettbewerber. | Wenn Käufer bereits KI-Systeme zur Auswahl nutzen, die Website eine inhaltliche Basis hat und Vertrieb oder CRM echte Kaufprompts liefern. |
| Grenzen | Alle Anforderungen zu erfüllen garantiert weder Indexierung noch eine hohe Position. | Ein „erster Platz in ChatGPT“ lässt sich nicht garantieren: Die Ausgabe ist stochastisch, die Engines ändern sich, und das Audit misst und erhöht die Wahrscheinlichkeit der Präsenz, steuert die Antwort aber nicht direkt. |
| Wann damit beginnen | Wenn die Website schlecht indexiert wird, technisch instabil ist, klassischen Traffic verliert oder in den Google AI Overviews fehlt. | Wenn das SEO-Fundament bereits trägt, die Marke aber in ChatGPT, Perplexity, Claude oder Gemini fehlt, oder wenn der Abstand zwischen Ranking und Zitat gemessen werden soll. |
Festes Paket, fester Zeitrahmen. Die Konditionen hängen vom Umfang des Prompt-Sets und der Zahl der geprüften Märkte ab und nenne ich Ihnen auf Anfrage. Wenn Sie den geschäftlichen Hebel vorab abschätzen wollen, rechnet der Business Case auf eullrich.com/business-case drei Szenarien in zwei Minuten.
Ein SEO-Audit prüft die Ranking-Faktoren der klassischen Trefferliste. Ein GEO-Audit prüft, ob Ihre Marke in der generierten KI-Antwort genannt und zitiert wird. Die URL-Überschneidung ist unterschiedlich: In einer Ahrefs-Studie mit 15.000 Prompts erschienen rund 12 Prozent der von ChatGPT, Gemini, Copilot und Perplexity zitierten URLs zugleich in Googles Top 10 (Claude war nicht Teil der Untersuchung). In der seoClarity-Stichprobe mit 362.000 Keywords enthielten 94 Prozent der untersuchten AI Overviews mindestens eine Quelle, die zugleich in den organischen Top 20 rankte; das heißt nicht, dass 94 Prozent aller Zitate aus den Top 20 stammen. Ein GEO-Audit misst genau diese Differenz.
Gemessen werden ChatGPT, Perplexity, Google AI Overviews, Gemini und Claude. Copilot greift auf den Bing-Index zu, und die Technik-Prüfung deckt den Bingbot-Zugang mit ab. Auf Wunsch nehme ich Copilot ins Prompt-Panel auf.
Nein. Für Google AI Overviews und AI Mode gelten weiterhin die grundlegenden SEO-Anforderungen; Google verlangt weder eine spezielle AI-Datei noch ein besonderes Schema.org-Markup (Google-Leitfaden für generative Search-Funktionen). Strukturierte Daten können Entitäten und Inhalte maschinell eindeutiger beschreiben, müssen aber zum sichtbaren Seiteninhalt passen. Ob andere KI-Systeme eine llms.txt abrufen oder berücksichtigen, muss anhand der jeweiligen Dokumentation und eigener Server-Logs geprüft werden. Das GEO-Audit bewertet deshalb zuerst Content-Substanz, technischen Zugriff, Retrieval, Quellen und Markenentität – nicht einzelne vermeintliche GEO-Abkürzungen.
Der typische Zeitrahmen liegt bei 2–4 Wochen ab Kickoff. Bei mehreren Märkten, umfangreichen Wettbewerbssets oder großen Websites wird er vorab verbindlich erweitert.
Für B2B-Marken und E-Commerce im DACH-Raum, deren Käufer ihre Entscheidung zunehmend in ChatGPT, Perplexity oder den AI Overviews beginnen. Sinnvoll wird das Audit ab einer bestehenden Website mit belastbarem Content-Grundstock, weil es sonst wenig zu messen gibt.
Answer Engine Optimization (AEO) und Generative Engine Optimization (GEO) zielen auf dasselbe Ergebnis: in der KI-Antwort vorzukommen statt nur in der Trefferliste. GEO ist der geläufigere Begriff und schließt die Optimierung für generative Systeme wie ChatGPT und Gemini ausdrücklich ein. Ich arbeite unter dem Begriff GEO.
Schreiben Sie mir, ich melde mich mit den Konditionen für Ihr Prompt-Set und Ihre Märkte.