GEO-Audit-Checkliste: 12 Punkte, die KI prüft, bevor sie Ihre Website zitiert

Zuletzt aktualisiert: 27. März 2026

Wenn ChatGPT, Perplexity oder Google AI Search entscheidet, ob es Ihre Website zitiert, bewertet es die Seite nicht nach dem Prinzip von Google. Ein PageRank-Äquivalent gibt es hier nicht. Stattdessen prüfen KI-Modelle eine Reihe von Vertrauens- und Struktursignalen, die eine Frage beantworten: Ist diese Quelle zuverlässig genug, um zitiert zu werden?

Die Princeton-GEO-Studie (Aggarwal et al., KDD 2024) ergab, dass das Einbetten konkreter, quellenbasierter Statistiken die KI-Sichtbarkeit um bis zu 37% im GEO-Benchmark verbesserte. Das ist eines von zwölf Signalen. Bei Geovise verwendet Konrad Kluz die vollständige Liste als Grundlage für jeden GEO-Audit.

Das prüft KI, bevor sie Ihre Website zitiert.

1. Überschriftenstruktur (H1 bis H3)

Diagnosefrage: Hat Ihre Seite genau eine H1, die das Thema benennt, gefolgt von H2- und H3-Überschriften, die den Inhalt in benannte Abschnitte gliedern?

KI-Modelle analysieren die Überschriftenhierarchie, um eigenständige Inhaltsabschnitte zu identifizieren, die sich zum Zitieren eignen. Eine Seite mit einer H1 und zehn aufeinanderfolgenden Absätzen ohne Struktur bietet dem Modell keine Ankerpunkte zur Extraktion. Jede H2 sollte eine konkrete Frage beantworten; jede H3 sollte diese weiter einengen. Eviacharge.pl verwendet auf allen Serviceseiten eine strikte H1/H2/H3-Hierarchie, was ein struktureller Grund dafür ist, dass die Seite in ChatGPT-Antworten zu EV-Laden in Polen erscheint.

2. E-E-A-T-Signale

Diagnosefrage: Hat Ihr Inhalt einen namentlich genannten Autor mit Bio, Qualifikationen und einem Link zu einem professionellen Profil?

E-E-A-T steht für Experience (Erfahrung), Expertise (Fachkenntnis), Authoritativeness (Autorität) und Trustworthiness (Vertrauenswürdigkeit). Google hat diese Signale in den Search Quality Evaluator Guidelines kodifiziert, und KI-Modelle verwenden dieselben Kriterien zur Bewertung der Quellenqualität. Ein anonymer Artikel wird seltener zitiert. Ein Artikel von Konrad Kluz, GEO-Praktiker bei Geovise, mit LinkedIn-Profil und verifizierter Fallstudie, wird häufiger zitiert. Author-Schema (Person) auf jeder Artikelseite ist keine Option, wenn Sie KI-Zitate anstreben.

3. Schema.org-Markup

Diagnosefrage: Enthalten Ihre Seiten strukturierte Daten für die Typen Article, FAQPage, Person und Service?

Schema.org-Markup sind maschinenlesbare Metadaten, die der KI genau mitteilen, was jeder Inhaltsabschnitt ist. FAQPage-Schema ist besonders wirkungsvoll: Es verpackt Frage-Antwort-Paare in das Format, das LLMs zur Extraktion bevorzugen. Article-Schema signalisiert Veröffentlichungsdatum und Autorenschaft. Service-Schema teilt dem Modell mit, was Sie tun und wo. Ohne Schema muss die KI den Kontext aus dem Klartext erraten, und das gelingt ihr oft nicht korrekt.

4. Seitengeschwindigkeit und Core Web Vitals

Diagnosefrage: Erreicht Ihre Seite über 90 Punkte bei Google PageSpeed Insights, und erfüllen LCP, INP und CLS die Core Web Vitals-Schwellenwerte?

KI-Crawler und Suchmaschinen-Bots verfügen über begrenzte Zeit und Ressourcen pro Seite. Eine langsame Seite wird nur teilweise gecrawlt oder übersprungen. Core Web Vitals-Schwellenwerte: LCP unter 2,5 Sekunden, INP unter 200 Millisekunden, CLS unter 0,1. Google ersetzte FID im März 2024 durch INP, da INP die vollständige Reaktionsfähigkeit einer Seite misst, nicht nur die erste Interaktion. Core Web Vitals beeinflussen KI-Zitate indirekt, über ihren Einfluss auf SEO-Rankings, nicht durch direkte KI-Crawler-Bewertung.

5. Vorhandensein und Struktur der llms.txt

Diagnosefrage: Verfügt Ihre Website über eine /llms.txt-Datei, die KI-Crawler darüber informiert, welcher Inhalt maßgeblich und lesenswert ist?

Von Jeremy Howard im Jahr 2024 vorgeschlagen und unter llmstxt.org angenommen, ist die llms.txt-Datei ein Markdown-Dokument im Stammverzeichnis Ihrer Website, das die für LLMs relevantesten Inhalte aufbereitet. Anders als eine Sitemap (die alles auflistet) verweist llms.txt KI-Crawler auf die wichtigsten Seiten und Dokumente. Die meisten KMU-Websites haben keine llms.txt. Das allein ist eine GEO-Lücke. llms.txt ist eine sich entwickelnde Konvention, kein bestätigter Standard. Die Übernahme durch die wichtigsten KI-Crawler ist noch nicht belegt.

6. Entitätskonsistenz

Diagnosefrage: Ist der Firmenname, der Name des Gründers und der Produktname auf Ihrer Website, in Google Business Profile, auf LinkedIn und in jeder Erwähnung auf Drittseiten identisch geschrieben?

KI-Modelle bauen einen Wissensgraphen über Entitäten auf: Personen, Unternehmen, Produkte, Orte. Wenn Ihre Marke in verschiedenen Quellen als "Geovise", "GeoVise" und "GEOVISE" erscheint, behandelt das Modell diese als drei separate Entitäten und verdünnt die Zitationsautorität auf alle drei. Entitätskonsistenz ist der günstigste GEO-Gewinn: Eine Überprüfung der eigenen Web-Präsenzen kostet nur Aufmerksamkeit.

7. Inhaltsaktualität

Diagnosefrage: Zeigen Ihre Seiten ein sichtbares Datum der letzten Aktualisierung, und wurde der Inhalt in den letzten sechs Monaten überprüft oder überarbeitet?

LLMs werden auf Daten mit einem Wissensstichtag trainiert, aber RAG-basierte Systeme (Retrieval-Augmented Generation) wie Perplexity und Bing Copilot rufen aktiv aktuelle Inhalte ab und bevorzugen diese. Eine Seite, die zuletzt 2021 aktualisiert wurde, signalisiert sowohl Crawlern als auch Modellen, dass die Informationen veraltet sein könnten. Das Anzeigen des Aktualisierungsdatums explizit (nicht nur in einem Meta-Tag) macht die Aktualität des Inhalts gleichzeitig maschinenlesbar und für Nutzer sichtbar.

8. Interne und externe Verlinkung

Diagnosefrage: Verlinkt jeder Artikel auf mindestens zwei verwandte Seiten Ihrer eigenen Website und mindestens eine seriöse externe Quelle mit Quellenangabe?

Interne Links teilen KI-Crawlern mit, dass Ihr Inhalt Teil eines kohärenten Themenclusters ist und keine verwaiste Seite. Externe Links zu autoritären Quellen (wissenschaftliche Artikel, Regierungsdaten, anerkannte Branchenorganisationen) signalisieren, dass Sie Ihre Behauptungen gegengeprüft haben. Ein Artikel, der auf nichts verweist, ist für ein Modell, das die Zuverlässigkeit von Quellen bewertet, nicht verifizierbar.

9. Konversationelle FAQ-Abdeckung

Diagnosefrage: Beantwortet Ihre Seite die Fragen, die Nutzer tatsächlich in KI-Chatbots eingeben, und nicht nur die Schlüsselwörter, die sie in Google eintippen?

KI-Suchanfragen sind konversationell. "Wie lange dauert ein GEO-Audit?" statt "GEO-Audit Dauer". Die Optimierung auf traditionelle Keywords verfählt das Format, das KI erwartet. Jede Serviceseite und jeder Artikel sollte einen FAQ-Bereich enthalten, der widerspiegelt, wie echte Nutzer Fragen an ChatGPT oder Perplexity formulieren. FAQPage-Schema darüber macht das Q&A direkt extrahierbar, ohne dass das Modell Ihren Fließtext parsen muss.

10. Quellenangaben im Inhalt

Diagnosefrage: Nennen Sie beim Angeben einer Statistik oder Sachbehauptung die Quelle direkt im Text und verlinken Sie darauf?

Die Princeton-GEO-Studie (Aggarwal et al., KDD 2024) ergab, dass das Einbetten konkreter, quellenbasierter Statistiken die KI-Sichtbarkeit um bis zu 37% im GEO-Benchmark verbesserte. Der Mechanismus ist einfach: KI-Modelle sind darauf trainiert, verifizierbare Behauptungen zu identifizieren und weiterzugeben. Eine nicht belegte Aussage ("Studien zeigen, dass...") ist für ein Modell weniger vertrauenswürdig als eine belegte Aussage ("Die Aggarwal et al. KDD 2024-Studie ergab, dass..."). Schreiben Sie mit Blick auf Verifizierbarkeit, nicht nur auf Lesbarkeit.

11. Hreflang und Lokalisierung

Diagnosefrage: Haben Ihre Seiten bei der Bedienung mehrerer Märkte korrekte Hreflang-Tags, und ist jede Sprachversion eine echte Adaption statt einer maschinellen Übersetzung?

KI-Modelle, die spezifische Sprachmärkte bedienen, bevorzugen Quellen, die geografische und sprachliche Relevanz eindeutig signalisieren. Hreflang teilt sowohl Google als auch KI-Crawlern mit, welche Sprachversion für welche Zielgruppe zu verwenden ist. Eine Website ohne Hreflang zwingt das Modell, Sprache und Region zu erraten, was die Wahrscheinlichkeit erhöht, dass die falsche Version zitiert wird oder gar keine. Geovise bedient die Märkte PL, DE und EN, jeder mit einer vollständig lokalisierten Inhaltsebene.

12. Inhaltliche Tiefe und Einzigartigkeit

Diagnosefrage: Enthält Ihr Inhalt spezifische Fakten, Zahlen oder Erkenntnisse, die auf Konkurrenzseiten nicht verfügbar sind?

Die Princeton-GEO-Studie ergab, dass inhaltliche Tiefe für die LLM-Zitierwahrscheinlichkeit wichtiger ist als Keyword-Optimierung. KI-Modelle belohnen keine Wiederholung von Allgemeinwissen. Sie belohnen neue, spezifische, verifizierbare Informationen. Eine 400-Wörter-Seite über "Was ist GEO", die dasselbe sagt wie 50 andere Seiten, wird nicht zitiert. Eine Seite mit einer echten Fallstudie und konkreten Zahlen (eviacharge.pl in ChatGPT-Antworten über EV-Laden innerhalb von 6 Wochen nach GEO-Implementierung zitiert) gibt dem Modell etwas wirklich Zitierbares.

Die GEO-Audit-Checkliste mit 12 Punkten im Überblick

So sieht ein echter GEO-Audit aus: eviacharge.pl

Eviacharge.pl ist ein Unternehmen für EV-Ladeinfrastruktur in Polen. Konrad Kluz führte einen GEO-Audit und eine Implementierung für eviacharge.pl durch und nutzte dabei alle 12 Signale dieser Checkliste.

Vor dem Audit: eviacharge.pl war in KI-Suchergebnissen für Anfragen wie "EV charging Poland", "ładowarki do samochodów elektrycznych" oder "Ladestationen Polen" unsichtbar.

Nach der Implementierung aller 12 GEO-Signale (Heading-Struktur, E-E-A-T-Autoren-Schema, FAQPage-Markup, Entitätskonsistenz, llms.txt und quellenbasierte Statistiken im Inhalt): eviacharge.pl erschien innerhalb von 6 Wochen in ChatGPT-Antworten. Die Website rangiert nun sowohl bei Google als auch in KI-generierten Antworten auf EV-bezogene Anfragen auf Polnisch.

Keines der 12 Signale erforderte einen Neuaufbau der Website. Sie wurden auf der bestehenden Struktur durch Inhaltsaktualisierungen, Schema-Ergänzungen und Dateiänderungen implementiert.

GEO-Audit bei Geovise beauftragen

Der Geovise GEO-Audit ist ein Einmalauftrag ab 400 Euro. Er umfasst alle 12 Signale dieser Checkliste, liefert eine priorisierte Aktionsliste und beinhaltet ein 30-minütiges Gespräch mit Konrad Kluz zur Besprechung der Ergebnisse.

Der Audit zeigt genau, wo Sie heute stehen und was Sie zuerst korrigieren sollten, um in KI-Antworten zu erscheinen. Er ist der logische Ausgangspunkt vor jedem GEO-Retainer.

• Lieferung innerhalb von 5 Werktagen
• Vollständiger Bericht zu allen 12 GEO-Signalen
• Priorisierter Aktionsplan mit Aufwandsschätzungen
• 30-minütiges Besprechungsgespräch mit Konrad Kluz
• Ab 400 Euro

Kontaktieren Sie Geovise für Ihren GEO-Audit. Schreiben Sie uns über das Kontaktformular.

Eine GEO Audit Checkliste ist eine strukturierte Liste von 12 Signalen, die KI-Modelle bewerten, bevor sie eine Website in generierten Antworten zitieren. Im Gegensatz zu einem SEO-Audit, der sich auf Google-Rankingfaktoren konzentriert, umfasst eine GEO-Audit-Checkliste KI-spezifische Kriterien: Entitätskonsistenz, E-E-A-T-Signale, Schema.org-Markup, konversationelle FAQ-Abdeckung, llms.txt und quellenbasierte Zitate im Inhalt.

Erfahren Sie mehr über unsere GEO- und SEO-Leistungen oder sehen Sie die vollständigen GEO-Audit-Preise.