AEO-Audit-Vorlage: So prüfst du die KI-Sichtbarkeit jedes Kunden

Ein KI-Such-Audit beantwortet genau eine Frage: Warum wird diese Website von KI-Engines so oft zitiert, wie sie zitiert wird, und was müsste sich ändern, damit diese Rate steigt? Ohne strukturiertes Audit wird AEO-Optimierung zum Ratespiel: hier ein bisschen Schema-Markup, dort eine umgeschriebene Überschrift, ohne klares Bild davon, was die Zitierungen tatsächlich ausbremst.

Hier bekommst du die Audit-Vorlage, die wir in Projekten zur KI-Sichtbarkeit einsetzen. Sie deckt jeden Bereich ab, der die KI-Zitierrate beeinflusst, liefert eine priorisierte Liste von Befunden und lässt sich bei Kunden aus jeder Branche wiederholen. Geh die Abschnitte der Reihe nach durch, denn jeder baut auf dem vorherigen auf.

Bevor du loslegst: den Umfang festlegen

Kläre diese Punkte, bevor du mit dem Audit startest:

• Ziel-KI-Engines: Welche der vier (ChatGPT, Gemini, Perplexity, Claude) sind für die Zielgruppe dieses Kunden am wichtigsten? Bei B2B-Kunden zählen alle vier. Bei Consumer-Marken haben ChatGPT und Perplexity Vorrang. Das vollständige Audit läuft trotzdem über alle vier.

• Kern-Keyword-Set: 10-20 Suchanfragen, die abbilden, wie potenzielle Kunden des Kunden ihre Kategorie in KI-Engines recherchieren. Nimm Anfragen zur Kategorie-Recherche, Wettbewerbsvergleiche und Problem-Lösungs-Anfragen auf.

• Wichtigste Wettbewerber: 3-5 direkte Wettbewerber als Vergleichsmaßstab. Erst die KI-Sichtbarkeitsdaten der Konkurrenz machen die Performance des Kunden einordbar.

• Audit-Zeitraum: Baseline-Zitierraten werden über 2-4 Wochen gemessen, weil KI-Antworten schwanken. Schnelle Stichproben sind hilfreich, aber für statistisch belastbare Raten brauchst du wiederholte Messungen.

Abschnitt 1: Baseline-Zitierrate messen

Das ist das Fundament des Audits. Ohne Baseline fehlt allem anderen der Kontext.

1.1 Aktuelle Zitierrate pro Engine

Halte für jede der 10-20 Ziel-Suchanfragen fest, ob die Marke des Kunden in der Antwort der KI-Engine zitiert wird. Führe jede Anfrage mindestens 3 Mal in verschiedenen Sessions aus, um die Schwankungen der Antworten abzufangen. Berechne die Zitierrate so: (Anzahl der Anfragen mit Zitierung / Gesamtzahl der gemessenen Anfragen) x 100.

Trag das Ergebnis in eine Tabelle ein: Suchanfrage | Rate ChatGPT | Rate Gemini | Rate Perplexity | Rate Claude | Notizen

1.2 Aufschlüsselung nach Art der Zitierung

Halte bei Anfragen, in denen der Kunde zitiert wird, fest, wie er auftaucht:

• Direkte Empfehlung: Die KI nennt die Marke des Kunden als empfohlenes Tool oder empfohlenen Dienstleister

• Quellenzitat: Die KI zitiert Inhalte des Kunden als Quelle, empfiehlt die Marke aber nicht direkt

• Erwähnung im Vergleich: Die KI erwähnt den Kunden in einem Vergleich („Marke X vs. Marke Y“)

• Negative Erwähnung: Der Kunde wird in einem Kontext zitiert, der der Marke nicht nützt (selten, aber einen Hinweis wert)

1.3 Zitierraten der Wettbewerber

Führe dieselben Anfragen für jede der 3-5 Wettbewerbsmarken aus und halte die Zitierraten pro Engine fest. So entsteht die Karte der Wettbewerbssichtbarkeit: Wo steht der Kunde im Vergleich zur Konkurrenz, für jede KI-Engine und jeden Anfragetyp?

Die entscheidende Frage: Bei welchen Anfragen werden Wettbewerber empfohlen, während der Kunde fehlt? Genau das sind die Optimierungsziele mit der höchsten Priorität.

1.4 Präsenz in AI Overviews (Google)

Prüf die Google AI Overviews (Übersicht mit KI) für das Kern-Keyword-Set. Halte fest, welche Anfragen eine AI Overview auslösen, ob der Kunde darin zitiert wird und ob Inhalte von Wettbewerbern zitiert werden. Nutze ein Inkognito-Fenster, um Personalisierungseffekte möglichst klein zu halten.

Abschnitt 2: Content-Struktur analysieren

KI-Engines zitieren Inhalte, die Fragen direkt beantworten. In diesem Abschnitt prüfst du, ob die Inhalte des Kunden so aufgebaut sind, dass sie zitierfähig sind.

2.1 Audit der Überschriftenstruktur

Für jede wichtige Seite (Produktseiten, Leistungsseiten und die erfolgreichsten Blogbeiträge):

• Entsprechen die H2- und H3-Überschriften dem Frageformat der Ziel-Suchanfragen? („Was ist X“ statt „Über X“)

• Liefert jeder H2-Abschnitt in den ersten 1-2 Sätzen unter der Überschrift eine direkte Antwort?

• Sind die Überschriften konkret genug, um zitiert zu werden? („So verbesserst du deine KI-Zitierrate“ ist zitierfähig, „Tipps für bessere Ergebnisse“ nicht)

2.2 Audit der Direktantwort-Absätze

KI-Engines ziehen sich Antwort-Snippets heraus. Prüf, ob der Content Folgendes enthält:

• Definitionsabsätze, die schon im ersten Satz sagen, was etwas ist

• Prozessabsätze, die gleich zu Beginn sagen, wie viele Schritte es gibt oder was am Ende herauskommt

• Vergleichsinhalte, die Optionen ausdrücklich gegenüberstellen (statt jede Option separat zu beschreiben)

• Statistiken und Datenaussagen mit Quellenangabe (KI-Engines bevorzugen Inhalte mit belegten Fakten)

2.3 Abdeckung dialogorientierter Suchanfragen

Ordne jede der 10-20 Ziel-Suchanfragen vorhandenen Inhalten zu. Für jede Anfrage gilt:

• Gibt es eine Seite oder einen Abschnitt, der diese Anfrage direkt beantwortet?

• Verwendet diese Seite den genauen Wortlaut der Anfrage oder enge Varianten davon in den Überschriften?

• Ist die Antwort auf der Seite vollständig, oder muss der Nutzer dafür woanders hinklicken?

Anfragen ohne passenden Content sind Chancen für neue Inhalte. Anfragen mit schwachen Treffern sind Chancen, bestehende Inhalte zu verbessern.

2.4 Aktualität der Inhalte prüfen

KI-Engines bevorzugen aktuelle Inhalte. Prüfe:

• Das Datum der letzten Änderung auf wichtigen Seiten

• Ob Statistiken, Produktfunktionen oder Marktdaten aktuell sind (nicht auf dem Stand von 2022)

• Ob die Seiten ein ausdrückliches Veröffentlichungs- oder Aktualisierungsdatum enthalten, das Crawler sehen können

Abschnitt 3: Schema-Markup prüfen

Schema-Markup ist der technische Hebel mit der größten Wirkung auf KI-Zitierungen. Dieser Abschnitt ist Pflicht.

3.1 Bestandsaufnahme des vorhandenen Schemas

Prüf mit dem Google Rich Results Test oder einem Schema-Validator, welche Schema-Typen auf den wichtigen Seiten aktuell umgesetzt sind. Halte fest: Seiten-URL | vorhandene Schema-Typen | Validierungsfehler.

3.2 Audit des FAQPage-Schemas

FAQPage-Schema ist der Schema-Typ mit dem größten Einfluss auf KI-Zitierraten. Prüfe:

• Ist FAQPage-Schema auf Produktseiten, Leistungsseiten und wichtigen Blogbeiträgen vorhanden?

• Entsprechen die FAQ-Fragen im Schema den tatsächlichen dialogorientierten Anfragen, die Nutzer in KI-Engines stellen?

• Sind die FAQ-Antworten vollständig und direkt (also verständlich, ohne die Seite zu besuchen)?

• Sind die FAQ-Fragen wirklich unterschiedlich, oder sind es Varianten derselben Frage?

3.3 Article- und Organization-Schema

Prüfe auf:

• Article-Schema auf allen Blog-Inhalten (inklusive datePublished, dateModified, author, publisher)

• Organization-Schema auf Website-Ebene (Name, URL, Logo, Beschreibung, sameAs mit Social-Media-Profilen)

• Person-Schema für namentlich genannte Autoren mit Angaben zur Expertise (relevant für E-E-A-T-Signale)

• Product- oder Service-Schema, wo es passt

3.4 Schema-Lücken priorisieren

Bewerte Schema-Lücken nach ihrer Wirkung: FAQPage-Lücken auf Seiten mit viel Traffic = Kritisch; Lücken beim Article-Schema = Hoch; fehlendes Organization-Schema = Hoch; andere Schema-Typen = Mittel.

Abschnitt 4: Technische Zugänglichkeit prüfen

KI-Crawler können keine Inhalte zitieren, an die sie nicht herankommen. In diesem Abschnitt prüfst du, ob technische Hürden die Zitierungen bremsen.

4.1 Zugriff für KI-Crawler

Durchsuche die robots.txt nach Disallow-Regeln, die bekannte KI-Crawler blockieren könnten. Achte auf ausdrückliche Sperren für:

• GPTBot (OpenAI)

• PerplexityBot

• ClaudeBot (Anthropic)

• Google-Extended

• Bingbot (wird von einigen KI-Systemen genutzt)

Viele Websites haben breite Disallow-Regeln oder Wildcard-Sperren, die diese Crawler ungewollt aussperren. Stell sicher, dass die Crawler, die du zulassen willst, ausdrücklich erlaubt sind.

4.2 JavaScript-Rendering

Prüf, ob wichtige Inhalte auf Produkt- und Leistungsseiten per JavaScript gerendert werden. Inhalte, die erst nach Ausführung von JavaScript erscheinen, werden von KI-Crawlern weniger zuverlässig indexiert als serverseitig gerenderte oder statische HTML-Inhalte. Mach den Quelltext-Test: Taucht der Inhalt im rohen HTML-Quelltext nicht auf, wird er per JavaScript gerendert.

4.3 Ladezeit und Core Web Vitals

KI-Zitierraten hängen mit Signalen für Content-Qualität zusammen, und die Ladezeit ist eines davon. Prüf mit PageSpeed Insights Largest Contentful Paint, Cumulative Layout Shift und Interaction to Next Paint für die wichtigen Seiten. Markiere Seiten unter dem Schwellenwert (LCP über 4 Sekunden, CLS über 0,25) zur Nachbesserung.

4.4 Vorhandensein einer LLMs.txt

Prüf, ob die Website im Root-Verzeichnis eine llms.txt-Datei hat. Falls nicht, notiere das als Empfehlung mit geringem Aufwand und mittlerer Priorität. Falls ja, prüf, ob die Datei aktuell ist und die wichtigen Seiten mit zutreffenden Beschreibungen enthält.

Abschnitt 5: Signale von Drittanbietern prüfen

KI-Engines greifen auf das gesamte Web zurück, also auf Bewertungsportale, Erwähnungen in den Medien und Branchenverzeichnisse, nicht nur auf die eigenen Inhalte des Kunden. In diesem Abschnitt bewertest du die Signale außerhalb der Website.

5.1 Präsenz auf Bewertungsplattformen

Prüf die Präsenz und Anzahl der Bewertungen des Kunden auf Plattformen, auf die KI-Engines zugreifen: G2, Capterra, Trustpilot, Google-Rezensionen, Clutch (für Agenturen), TripAdvisor (für Gastgewerbe und Hotellerie), Healthgrades (für das Gesundheitswesen). Wenige Bewertungen auf den großen Plattformen drücken die Zitierrate.

5.2 Erwähnungen in Presse und Fachmedien

Such nach Markenerwähnungen in Fachpublikationen, Nachrichtenquellen und anerkannten Verzeichnissen. KI-Engines gewichten Erwähnungen aus autoritativen Quellen stärker. Bewerte die Anzahl der Erwähnungen, die Qualität der Quellen und wie aktuell sie sind.

5.3 Präsenz in Wikipedia und im Knowledge Graph

Prüf, ob die Marke, Mitglieder des Gründerteams oder wichtige Produkte Wikipedia-Seiten oder Einträge im Google Knowledge Panel haben. Etablierte Einträge im Knowledge Graph erhöhen die Wahrscheinlichkeit von KI-Zitierungen bei Marken-Suchanfragen deutlich.

Abschnitt 6: Die priorisierte Maßnahmenliste

Die Ergebnisse des Audits fließen in eine priorisierte Maßnahmenliste. Nutze dafür diesen Rahmen:

Kritisch (innerhalb von 2 Wochen beheben):

• KI-Crawler in der robots.txt blockiert

• Kein FAQPage-Schema auf wichtigen kommerziellen Seiten

• Wichtige Inhalte nicht zugänglich (JavaScript-Rendering verhindert das Crawling)

Hoch (innerhalb von 30 Tagen beheben):

• Organization-Schema fehlt

• Wichtige Anfragetypen ohne passenden Content

• Article-Schema fehlt in Blogbeiträgen

• Zitierungslücke gegenüber Wettbewerbern bei Anfragen mit hoher Kaufabsicht

Mittel (innerhalb von 60 Tagen angehen):

• Überschriftenstruktur nicht auf dialogorientierte Suchanfragen ausgerichtet

• Veraltete Inhalte auf wichtigen Seiten

• Geringe Präsenz auf Bewertungsplattformen

• LLMs.txt fehlt

Niedrig (laufende Verbesserung):

• Mehr inhaltliche Tiefe bei Themen, die nur teilweise abgedeckt sind

• Erwähnungen in Presse und Fachmedien aufbauen

• Statistiken und Daten in bestehenden Inhalten aktualisieren

So berichtest du die Audit-Ergebnisse

Ein gut aufgebauter Audit-Bericht enthält: die Tabelle mit den Baseline-Zitierraten im Wettbewerbskontext, eine Zusammenfassung der Befunde nach Abschnitt und Priorität, die priorisierte Maßnahmenliste mit Verantwortlichen und Zeitplan für jede Maßnahme sowie den Messplan, also wie und wann der Fortschritt der Zitierrate gegenüber der Baseline gemessen wird.

Der Messplan ist unverzichtbar. Ohne vorab vereinbarten Messrhythmus kannst du nicht belegen, dass die Optimierungen wirken. Leg die Baseline im Audit fest, definiere den nächsten Messzeitpunkt (in der Regel 60 Tage nach der Umsetzung) und einigt euch darauf, was als spürbare Verbesserung gilt.

Für die Baseline-Messung und das laufende Tracking liefert das Zitierungs-Tracking von AI Rank Lab über ChatGPT, Gemini, Perplexity und Claude die automatisierte Mess-Infrastruktur, mit der sich Audits wirklich wiederholen lassen. Starte mit einer kostenlosen Baseline-Messung, bevor du die übrigen Abschnitte des Audits durchgehst.