Taucht Ihre Marke auf?
Je Engine erhebe ich, welche Marke in welcher KI-Antwort genannt und zitiert wird – auf Prompt-Ebene, an den Fragen, die Ihre Käufer tatsächlich stellen. Messwerkzeug ist Peec.ai, die Rohdaten bleiben nachvollziehbar.
Leistung · GEO-Audit
Wo Ihre Marke in KI-Antworten fehlt. Pro Engine gemessen.
Ein GEO-Audit misst auf Prompt-Ebene, ob ChatGPT, Perplexity, Google AI Overview, Gemini und Claude Ihre Marke nennen und zitieren. Und wo stattdessen der Wettbewerb steht.
GEO-Audit anfragen Business Case rechnen →
Gemessen in
Festes Paketfester Zeitrahmen, im Kickoff vereinbart
4 PrüffelderPrompt-Messung · Technik · Lücken · Plan
Ein Auditvom Business bis zur Technik: Prompt-Set, Messung, Entität, Plan
1 ErgebnisPriorisierungs-Matrix nach Wirkung und Aufwand, plus GEO-Wissensbasis fürs Team
Warum die KI-Sichtbarkeit pro Engine gemessen wird
12–21 %
Überlappung der zitierten Domain-Pools zwischen den Engines (Jaccard-Ähnlichkeit 0,12–0,21)
Portfolio-Studie, 8 B2B-ProjekteFünf Engines, fünf verschiedene Antworten auf dieselbe Kauffrage. Eine Marke, die Perplexity zitiert, taucht bei ChatGPT oft gar nicht auf. Wer nur eine Engine prüft, sieht ein Fünftel des Bildes. Deshalb misst das GEO-Audit alle fünf getrennt und stellt die Ergebnisse nebeneinander. Details zur Methode stehen im DACH KI-Quellenbenchmark 2026: 1.620 Läufe, 90 Anbieter, drei Märkte.
Ein Wort zur Einordnung: Bei Chat-Engines ist Ranking von Zitat entkoppelt, rund 12 Prozent Kopplung zu den Top-10 laut Ahrefs über 15.000 Anfragen. Google AI Overview verhält sich anders, dort hängen rund 94 Prozent der Zitate an den Top-20 der klassischen Suche (seoClarity). Diese Grenze nenne ich offen, weil sie die Priorisierung im Audit steuert. Wer zuerst die klassische Google-Sichtbarkeit prüfen will, findet das im SEO-Audit.
GEO-Audit · Methodik
Wie das Audit Zufall von Signal trennt
01 · Zufall
Dieselbe Frage, zweimal gestellt, ergibt bei einem Sprachmodell oft zwei verschiedene Antworten. Das liegt an der Funktionsweise: Das Modell zieht das nächste Wort aus einer Wahrscheinlichkeitsverteilung, gesteuert über Temperatur und Sampling. Ein einzelner Treffer beweist darum nichts. Ein einzelner Fehlschlag auch nicht.
02 · Häufigkeit
Deshalb misst das Audit gegen diesen Zufall an. Jeder Prompt läuft mehrfach je Engine über einen definierten Zeitraum. Gezählt wird nicht der einzelne Lauf, sondern die Häufigkeit: In wie viel Prozent der Läufe taucht Ihre Marke auf? Aus einem Ja oder Nein wird eine Rate, und erst eine stabile Rate über viele Läufe ist ein belastbares Signal.
03 · Zeitfaktor
Was einmal aufblitzt und dann verschwindet, notiere ich als Rauschen, nicht als Sichtbarkeit. Jede Messung trägt ihr Datum, weil die Engines sich ändern: Ein Wert von heute ist keine Zusage für nächsten Monat. Genau diese Schwankung ist der Grund, im laufenden Betrieb weiterzumessen statt einmalig ein Bild einzufrieren.
Ein einzelner Treffer ist Zufall. Belastbar wird die Messung erst als Trefferquote über viele Läufe, im Zeitverlauf wiederholt.
Ein Beispiel für stochastische Schwankungen und Halluzinationen.
Die Kaffeevollautomaten-Marke BaristaPro will wissen, wie sichtbar sie in der Antwort einer KI auf diesen Prompt ist:
»Nenne die Top-3 der zuverlässigsten Kaffeevollautomaten für zu Hause
01 – Die Falle des Einzeltests
Ein Test ist ein Würfelwurf
Der Marketer stellt den Prompt ein einziges Mal. Klicken Sie mit – und sehen Sie, wie die Antwort bei jedem Lauf kippt.
Lauf #1
1De'Longhi
2BaristaProIhre Marke
3Breville
Reaktion des Marketers: „Super, wir sind auf Platz 2!"
Ihre Marke erschien in 1 von 1 Läufen
Zurücksetzen Warum?
Das Modell arbeitet probabilistisch – Sampling / Temperature. Bei jedem Lauf würfelt es virtuell neu. Dass die Marke im ersten Lauf auftauchte, war ein glücklicher Wurf, kein Signal.
02 – Audit über Häufigkeit
Aus »Ja/Nein« wird »%«
Für ein echtes Signal läuft der Audit denselben Prompt 100× über eine Woche. Erst die Trefferquote zeigt die Wahrheit.
Gestrichelte Linie = Signal-Schwelle. Alles darunter ist statistisches Rauschen. Der erste Lauf hat den Marketer getäuscht: die 11 % von BaristaPro sind Zufallsschwankung, keine echte Sichtbarkeit.
03 – Der Zeitfaktor
Dynamik statt Momentaufnahme
Modelle werden laufend aktualisiert – RAG, Gewichte, Algorithmen. Derselbe 100×-Audit für BaristaPro, einen Monat später:
August
September
Das Modell wurde aktualisiert – BaristaPros Sichtbarkeit steigt von 11 % (Rauschen) auf 78 % (stabiles Signal). Nur regelmäßiges Monitoring fängt diese Bewegung ein.
Was ein GEO-Audit prüft: vier Felder
Jedes Prüffeld beantwortet eine eigene Frage.
Erreicht der Crawler Ihre Seite?
Was ein KI-Crawler nicht erreicht, rendert und parst, kann er nicht zitieren. Geprüft werden Crawler-Zugang, Server-Rendering und strukturierte Daten.
Wo steht der Wettbewerb?
Dieselben Prompts, dieselben Engines, verglichen mit Ihren Wettbewerbern. Aus einem diffusen „Wir sind zu wenig sichtbar“ wird eine konkrete Liste: Bei dieser Frage nennt ChatGPT drei Konkurrenten und Sie nicht.
Was ist zuerst zu tun?
Aus den Befunden wird eine sortierte Reihenfolge: zuerst das, was pro Aufwand am meisten Sichtbarkeit bringt, danach der Rest.
Welche technischen Faktoren über ein KI-Zitat entscheiden
Ein KI-Agent sieht nicht Ihr Design, sondern den Grundriss Ihrer Website. Bricht eine Stufe dieses Grundrisses, 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 Engine sieht Ihre Seite nie |
| 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 |
Kein Punkt für sich gewinnt ein Zitat. Aber jeder einzelne kann es verhindern.
GEO Audit · eullrich.com
Wie eine Webseite zur Quelle einer AI-Antwort wird
Der vollständige Weg der Information – vom Crawling durch GPTBot & PerplexityBot über die Vektorisierung und die Suche im Vektorraum bis zur Antwort des Sprachmodells.
01–07 · Offline Indexierung – läuft, bevor jemand eine Frage stellt.
01 Webseite HTML · Text · Metadaten · Struktur
→ 02 · Prüfung Zugriff erlaubt? robots.txt · HTTP · WAF · User-Agent Nein → Abbruch
→ 03 AI-Crawler OAI-SearchBot · PerplexityBot
→ 04 Fetch & Render HTML → DOM · Ressourcen laden
→ 05 Extraktion & Clean-up Haupttext, Metadaten · Boilerplate raus
→ 06 Chunking Seite → mehrere sinnvolle Fragmente
→ 07 Embedding Jeder Chunk → Vektor im Raum
Chunks, Vektoren & Metadaten werden gespeichert ↓
Hybrider Suchindex – gemeinsame Datenbasis für alle Anfragen
Vektor-Index
Vektor + chunk_id + Metadaten. Basis der semantischen Suche.
Text-Index
Begriffe, Namen, exakte Phrasen. Basis der Keyword-Suche.
Dokument-Speicher
Volltext, URL, Titel, Datum. Der Vektor ersetzt den Text nicht.
↑ Retrieval liest die passenden Fragmente
08–17 · Online Suche & Antwort – läuft, nachdem jemand fragt.
08 Nutzerfrage „Wie funktioniert Vektorsuche?“
→ 09 Query-Analyse Intent · Umformulierung · Filter
→ 10 Query-Embedding Frage → Vektor · selbes Modell
→ 11 Semantische Suche Top-K nächste Nachbarn
12 Keyword-Suche exakte Begriffe & Namen
13 Hybrid Retrieval beide Treffer zusammenführen
→ 14 Filter & Reranking beste, aktuellste Quellen wählen
→ 15 Kontext-Aufbau Frage + Fragmente + Regeln
→ 16 LLM-Generierung synthetisiert, kopiert nicht
→ 17 · Ergebnis Antwort mit Quellen Text + Zitate [1][2] → Ihre Seite
Alternative
Live-Fetch. Statt aus dem Index kann ChatGPT-User / Perplexity-User Ihre Seite während der Anfrage direkt laden und den relevanten Text sofort in den Kontext geben – nur, wenn die Seite dann erreichbar und schnell lesbar ist.
Separater Zweig · GPTBot Modelltraining – asynchron, kein direkter Weg zur aktuellen Antwort.
Quelle: Webseite GPTBot sammelt Inhalte
⇢ Trainingskorpus potenzielle Trainingsdaten
⇢ Datenaufbereitung filtern · bereinigen
⇢ Modelltraining künftige Modelle
⇢ Aktualisierte Gewichte allgemeines Wissen der LLM
GPTBot ≠ OAI-SearchBot. Wer nur GPTBot sperrt, bleibt in den ChatGPT-Suchfunktionen sichtbar – der Inhalt fließt dann nur nicht in ein künftiges Training.
Inhalts- & Indexfluss (offline) Frage → Antwort (online) indirekt · Modelltraining gemeinsamer Suchindex
Vereinfachte, allgemeine Darstellung von AI-Suche und Retrieval-Augmented Generation (RAG). Die internen Abläufe einzelner Anbieter (OpenAI, Perplexity u. a.) können abweichen und sind nicht vollständig offengelegt. Kernbotschaft: Gecrawlt zu werden ist nur der erste von acht Schritten – ein GEO Audit prüft jeden davon.
Versteht das Modell, wer Sie sind?
Das Ziel der Prüfung
Aus einer Ghost Entity, einer Marke, die in KI-Antworten nicht vorkommt, wird eine Referenced Entity: eine Quelle, die das Modell kennt und nennt.
Ein Sprachmodell zitiert nur, was es als Entität sauber erkennt. Heißt Ihre Marke auf jeder Quelle gleich (Named Entity Recognition)? Verwechselt das Modell Sie mit einer ähnlich benannten Firma (Entity Disambiguation)? Genau das prüft die Entitätsanalyse.
Ich gleiche die Namenskonsistenz über Ihre Quellen hinweg ab, kontrolliere Ihren Eintrag im Knowledge Graph und in Wikidata und bewerte die Autoritätssignale aus Drittquellen, also die E-E-A-T-Belege, die Ihre Fakten außerhalb der eigenen Website stützen. Dazu messe ich die semantische Nähe Ihrer Inhalte zu den Kaufprompts: ob Ihr Text als Vector Embedding überhaupt in der Nähe der Frage liegt, die ein Käufer stellt.
So läuft das Audit ab
Fünf Schritte, ein fester Zeitrahmen.
Der wichtigste Schritt ist das Prompt-Set. Wird an den falschen Fragen gemessen, sind auch Befunde und Maßnahmen falsch. Das richtige Prompt-Set entsteht aus Ihrem CRM, nicht aus dem Bauch. Wie ich Prompts aufbaue, zeigt die Prompt-Bibliothek.
01
Kickoff und Prompt-Set
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.
02
Messung
Alle fünf Engines, mehrere Läufe, gegen einen Wettbewerbs-Benchmark.
03
Technik- und Entitätsprüfung
Crawler-Zugang, strukturierte Daten, Entitätskonsistenz.
04
Gap-Analyse und Priorisierung
Die Befunde wandern in die Priorisierungs-Matrix, sortiert nach Wirkung und Aufwand.
05
Übergabe und Strategieplanung
Ergebnispräsentation und Maßnahmenplan, an dem Ihr Team oder eine Agentur direkt weiterarbeitet.
Was Sie am Ende in der Hand haben
Kein Foliensatz zum Ablegen, sondern drei Dinge, mit denen Ihr Team weiterarbeitet:
Die Priorisierungs-Matrix
Die Logik folgt dem öffentlichen 3-Ebenen-Framework: Presence (wo Sie auftauchen), Readiness (warum das so ist) und Business Impact (was es dem Umsatz bringt). Sie sehen auf einen Blick, was zuerst drankommt und was warten kann.
Den Maßnahmenplan (Roadmap)
Konkret genug, dass Ihr Marketing oder eine Agentur ohne Rückfragen umsetzt. Pro Maßnahme steht, welche Lücke sie schließt.
Die KPI-Baseline
Zitatrate und Citation Share je Engine als Nullmessung. Ab hier ist jede Veränderung Ihrer KI-Sichtbarkeit messbar, mit klarer Linie zur Pipeline.
Für Ihre Rolle
Was der Report für Ihre Rolle bedeutet
Ein GEO-Audit landet selten nur auf einem Schreibtisch. Drei Rollen lesen den Report verschieden, deshalb ist er für jede getrennt aufbereitet.
Wo Ihre Marke gegen den Wettbewerb steht, und was die Lücke kostet
Sie sehen, wo Ihre Marke in KI-Antworten steht, je Engine und je Kaufphase, ausgedrückt in Zitatrate und Citation Share. Dazu die Linie zur Pipeline: welche Lücke Anfragen kostet. Die Zahlen sind so aufbereitet, dass Sie im Vorstand ein Budget dafür vertreten können, ohne die Methode erklären zu müssen.
Ihr Ergebnis
Die Lücken auf Prompt-Ebene, als fertiger Arbeitsplan
Sie bekommen die Lücken auf Prompt-Ebene, kein Sammelurteil: Bei welcher Frage nennt ChatGPT drei Wettbewerber und Sie nicht, welche Themen fehlen, welche Drittquellen die Modelle zitieren. Die Priorisierungs-Matrix ist Ihr Arbeitsplan, aus dem Sie Briefings und Tickets ableiten.
Ihr Ergebnis
Technische Befunde mit Fundstelle, direkt ins Backlog
Sie erhalten die technischen Befunde mit Fundstelle: gesperrter Crawler-Zugang in der robots.txt, Inhalte, die erst nach JavaScript erscheinen, fehlendes oder fehlerhaftes JSON-LD, Ladezeiten über der Schwelle. Jeder Punkt ist konkret genug, um direkt als Ticket ins Backlog zu wandern.
Ihr Ergebnis
Audit oder Programm?
GEO-Audit
Steht für sich. Sie bekommen Klarheit über Ihre Lücke und einen Plan, den Sie selbst umsetzen können. Festes Paket, fester Zeitrahmen.
Audit anfragenGEO-Programm
Messen, priorisieren, umsetzen im Monatsrhythmus, mit Wettbewerbs-Benchmark und C-Level-Report. Am Ende steht eine interne GEO-Wissensbasis, mit der Ihr Team ohne mich weiterarbeitet.
Zum GEO-Programm →Ehrliche Absage
Wann ein GEO-Audit nichts bringt
Ich sage vorher ab, wenn das Audit Ihnen nichts bringt. Das ist ehrlich gemeint und spart uns beiden Zeit.
01
Kein eigener Content, nichts zu messen
Besteht Ihre Website aus ein paar Vertriebsseiten und keinem belastbaren Grundstock an Inhalten, fehlt die Substanz, auf die ein Modell sich beziehen könnte. Dann ist der erste Schritt Content, danach kommt die Messung.
02
Keine CRM- oder Vertriebsdaten
Ohne Vertriebswissen lässt sich das Prompt-Set nicht an echten Kaufentscheidungen ausrichten. Wer nicht sagen kann, welche Fragen zu gewonnenen Deals geführt haben, bekommt ein Audit auf geratenen Prompts. Das ist den Preis nicht wert.
03
Garantie auf Platz eins in ChatGPT
Niemand steuert die Ausgabe eines Sprachmodells direkt. Ich messe, diagnostiziere und verschiebe Wahrscheinlichkeiten mit Belegen, und ich sage offen, wo die Grenze liegt. Wer eine feste Zusage sucht, ist bei mir falsch.
04
Technisches Fundament steht nicht
Kommt der Crawler nicht durch und rendert die Seite erst nach Sekunden, dann ist das zuerst ein SEO-Projekt am Fundament, bevor GEO überhaupt greift.
Häufige Fragen zum GEO-Audit
Was kostet ein GEO-Audit?
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.
Was ist der Unterschied zwischen einem GEO-Audit und einem SEO-Audit?
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. Das ist nicht dasselbe: Bei Chat-Engines ist die Kopplung zwischen Google-Ranking und KI-Zitat schwach, rund 12 Prozent. Bei Google AI Overview liegt sie bei rund 94 Prozent. Ein GEO-Audit misst genau diese Differenz.
Wird auch Microsoft Copilot geprüft?
Gemessen werden ChatGPT, Perplexity, Google AI Overview, 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.
Reicht nicht llms.txt oder Schema-Markup?
Beides hilft, aber erst, wenn die Substanz stimmt. Ein Sprachmodell zitiert die beste Quelle, die es im offenen Web findet. Wären Sie diese Quelle nicht ohnehin, holt das weder ein llms.txt noch Schema-Markup allein nach, und ein schneller AEO-Kniff schon gar nicht. Das Audit zeigt, wo Sie als zitierbare Quelle stehen und welche Substanz zuerst fehlt. Fundament zuerst, Auszeichnung danach.
Wie lange dauert ein GEO-Audit?
Der Zeitrahmen ist fest und wird im Kickoff verbindlich vereinbart.
Für wen lohnt sich ein GEO-Audit?
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.
Was ist der Unterschied zwischen GEO und AEO?
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.
Wo steht Ihre Marke in KI-Antworten?
Schreiben Sie mir, ich melde mich mit den Konditionen für Ihr Prompt-Set und Ihre Märkte.