GEO Content Engineering: die Methode als offener Agent-Skill

Ausgangslage: Der Engpass ist nicht das Schreiben

KI-Agenten können ganze Seiten in Minuten schreiben. Das allein macht einen Text noch nicht auffindbar oder zitierfähig. Generative Engine Optimization (GEO) untersucht, welche technischen, semantischen und redaktionellen Signale die Sichtbarkeit in Antwortsystemen beeinflussen. Der Skill übersetzt diese Arbeit in ein Format, das ein Agent Schritt für Schritt ausführen kann.

Was der Skill macht

Der Skill gibt einem generalistischen Agenten einen spezialisierten Arbeitsablauf. Als vereinfachtes Arbeitsmodell nutzt er die Kette chunk, embed, retrieve, ground, cite: Inhalte werden zerlegt, eingebettet, abgerufen, mit Belegen verbunden und gegebenenfalls zitiert. Schwächen an einer Stufe senken die Chance, dass ein Inhalt in einer Antwort verwendet wird; sie beweisen nicht, warum ein einzelnes System eine Quelle auslässt.

Der Skill wendet diese Mechanik als wiederholbaren Arbeitsablauf an: Crawler-Zugang prüfen, Text in eigenständig extrahierbare Blöcke strukturieren, Aussagen mit konkreten Daten zitierfähig machen, den Query-Fan-out einer Frage abdecken, Inhalte nachweisbar aktuell halten, überprüfbare Autorschaft ergänzen, semantisches Markup und JSON-LD korrekt setzen, maschinentypische Sprachmuster entfernen, mit einem Input-Register publizieren. Gemessen wird am Ende eine Zahl: der Share of Mentions gegen einen Wettbewerbs-Benchmark.

Zwei Modi, eine Reihenfolge

Der Skill kennt zwei Betriebsarten: neue Inhalte erstellen und bestehende Seiten umbauen. Für den Umbau gilt: Baseline zuerst. Erst messen, wo die Seite heute steht, dann verändern. Es ist dieselbe Reihenfolge, mit der ich in Kundenprojekten arbeite – messen, priorisieren, umsetzen.

Aufbau

geo-content-engineering/
├── SKILL.md        Workflow-Kern + Referenzkarte
├── references/     Konzepttiefe, geladen bei Bedarf
├── assets/         einsatzfertige Vorlagen und JSON-LD
└── LICENSE.md      CC BY 4.0

SKILL.md trägt den Arbeitsablauf und verweist auf die Referenzen; die Konzeptdateien lädt der Agent nur, wenn er sie braucht. In assets/ liegen Vorlagen und JSON-LD zum direkten Einsetzen. Die Lizenz ist CC BY 4.0: nutzen, anpassen, weitergeben – mit Namensnennung.

Ich nutze denselben Ablauf auch für neue und überarbeitete Inhalte auf dieser Website. Das ist eine Arbeitsregel, keine Garantie für jede ältere Seite.

Am Anfang stand die Frage, welche prüfbaren Schritte zwischen einem fertigen Text und seiner Sichtbarkeit in KI-Antworten liegen. Die Antwort ist jetzt ein offenes Werkzeug: Laden Sie den Skill auf GitHub oder öffnen Sie den ChatGPT-Katalogeintrag, und lassen Sie Ihren Agenten damit arbeiten. Und wenn Sie wissen wollen, was die Methode für Ihre Marke ergibt: Schreiben Sie mir.