AI Visibility Audit (AEO & GEO Audit)

Jahrelang war der Ablauf in Agenturen identisch: Ein potenzieller Kunde klopft an, man lässt einen Crawler wie Screaming Frog über die Domain laufen, exportiert hunderte Fehler (fehlende Alt-Texte, 404-Fehler, zu lange Title-Tags) und präsentiert ein 50-seitiges PDF. Das klassische SEO Audit war geboren.

Doch seit dem Aufstieg von Answer Engines wie Perplexity, ChatGPT Search und Google AI Overviews greift dieser Ansatz schlichtweg zu kurz. Wenn dein Kunde im B2B-Umfeld agiert und seine Käufer komplexe Fragen an KI-Systeme stellen, hilft es wenig, wenn die Meta-Description auf den Buchstaben genau 155 Zeichen lang ist.

Was wir heute brauchen, ist ein AI Visibility Audit (oft auch GEO-Audit oder AEO-Audit genannt). Es prüft nicht nur, ob Google deine Seite indexiert, sondern ob moderne Large Language Models (LLMs) deine Inhalte lesen, verstehen und – das ist der entscheidende Punkt – als vertrauenswürdige Quelle (Citation) zitieren können.

Jörg Zimmer

Senior SEO & AI Search Consultant

„Ein 80-seitiges PDF voller Alt-Tag-Warnungen bringt dir im KI-Zeitalter keinen einzigen Neukunden mehr. Ein AI Visibility Audit prüft die harte Realität: Versteht das Sprachmodell deine Kernleistungen als verifizierte Entität und wirst du in Perplexity und ChatGPT als Primärquelle zitiert? Wer dieses Audit überspringt, optimiert für einen Googlebot von gestern und bleibt in den Antwortmaschinen von morgen unsichtbar.“

Was ist ein AI Visibility Audit?

Ein AI Visibility Audit ist eine strategische und technische Untersuchung einer Website mit dem Ziel, ihre Sichtbarkeit und Autorität innerhalb von KI-gestützten Suchsystemen zu maximieren.

Im Gegensatz zu traditionellen Suchmaschinen, die eine Liste von Links (SERPs) ausgeben, arbeiten KI-Systeme nach dem Prinzip der Retrieval-Augmented Generation (RAG). Das bedeutet, dass sie das Web in Echtzeit nach Informationen durchsuchen, diese extrahieren, zusammenfassen und eine direkte, konversationelle Antwort generieren.

Ein AI Audit beantwortet drei fundamentale Fragen:

1. Accessibility (Zugänglichkeit): Können die KI-Bots (z.B. OAI-SearchBot von OpenAI oder der PerplexityBot) deine Inhalte technisch überhaupt abrufen?
2. Entity Confidence (Entitäten-Vertrauen): Weiß die KI zweifelsfrei, wer du bist, was dein Produkt ist und dass du ein Branchenexperte bist?
3. Citation Readiness (Zitierfähigkeit): Ist dein Text so strukturiert, dass eine KI die Kernaussagen einfach isolieren und als Fakten-Beleg nutzen kann?

Der 3-Phasen-Prozess eines AI Visibility Audits

Ein professionelles AI Audit für B2B-Kunden ist kein Knopfdruck-Report. Es erfordert eine methodische Herangehensweise, die menschliche Analytik mit modernen Tool-Daten verbindet. Ich strukturiere diese Audits (siehe auch meinen Beitrag zum GEO Audit) in drei klare Phasen:

Phase 1: Strategisches Prompt-Mapping & Baseline

Bevor wir tief in den Quellcode eintauchen, müssen wir die strategische Ausgangslage (die Baseline) definieren. Bei Google haben wir Keywords recherchiert, bei KI-Systemen mappen wir Prompts:

• Identifikation von Core-Prompts: Welche Fragen stellen deine Kunden, bevor sie kaufen? (Beispiel B2B-Software: „Was sind die Nachteile von SAP gegenüber Salesforce für mittelständische Logistikunternehmen?“). Wir definieren ein Set von 20 bis 50 geschäftskritischen Prompts.
• Baseline-Tracking: Wir nutzen spezielle AI Tracking Tools, um den aktuellen Status Quo zu messen. Taucht deine Marke in den Antworten auf? Wenn ja, in welchem Kontext (Sentiment)?
• Tool-Setup: Für das exakte Monitoring dieser KI-Erwähnungen eignet sich Rankscale, das sich komplett auf die Auswertung von LLMs spezialisiert hat. Um dies mit traditionellen Suchdaten abzugleichen, bietet SE Ranking ein leistungsstarkes Modul.

Phase 2: Technische Crawlability für KIs

KI-Crawler arbeiten unter strengen Latenzgrenzen und parsen selten aufwendiges JavaScript:

• Robots.txt & Bot-Ausschluss: Blockierst du unbewusst KI-Crawler? Viele Unternehmen haben aus Panik vor Datendiebstahl rigoros alle LLM-Bots per robots.txt gesperrt. Das ist ein fataler Fehler, wenn man Sichtbarkeit in Answer Engines anstrebt. Ein Audit prüft diese Direktiven.
• Maschinenlesbare Formate: Bietest du deine Inhalte maschinengerecht an? Ein entscheidendes Instrument ist die llms.txt, die es KI-Systemen extrem erleichtert, die wichtigsten Inhalte deiner Domain ohne störendes Design-Markup zu konsumieren.
• Strukturierte Daten (Schema.org): KIs benötigen semantischen Kontext. Ein AI Audit prüft, ob Strukturierte Daten wie Organization, Product, FAQPage und Article fehlerfrei implementiert sind.

Phase 3: Content-Architektur & Zitierfähigkeit

In dieser Phase prüfen wir den eigentlichen Textkörper (Payload) der Website:

• Das BLUF-Prinzip (Bottom Line Up Front): Sind deine Inhalte so geschrieben, dass die wichtigste Information zuerst kommt? KI-Systeme hassen es, wenn die Antwort auf eine Kernfrage im letzten Absatz versteckt ist.
• Chunking (Modularität): Kann man deinen Text in logische Blöcke (Chunks) zerlegen? Ein AI Audit prüft die Heading-Struktur (H2, H3). Jede Überschrift sollte idealerweise als direkte Frage formuliert sein, gefolgt von einer prägnanten Antwort.
• Beweisführung (Citations): Nutzt du selbst Quellen, Statistiken und Daten, um deine Aussagen zu untermauern? KI-Systeme bevorzugen Informationsquellen mit hohem Information Gain.

Fallbeispiel B2B: Warum das AI Audit Leads rettet

Stell dir vor, du verkaufst eine hochpreisige HR-Software. Dein klassisches SEO-Audit sagt dir: Alles ist grün, du rankst auf Platz 1 für “HR Software”.

Doch deine Leads brechen ein. Warum? Weil IT-Leiter heute ChatGPT oder Perplexity öffnen und prompten: „Erstelle mir einen Vergleich der besten HR-Softwares für deutsches Arbeitsrecht mit Vor- und Nachteilen.“

Wenn deine Website technisch nicht für RAG optimiert ist, keine klaren FAQs zu Vor- und Nachteilen besitzt und deine Marke auf Dritt-Plattformen nicht als Entität etabliert ist, wird ChatGPT deine Software in diesem Bericht komplett ignorieren. Ein Mitbewerber, der auf Position 8 bei Google steht, aber perfekte KI-Crawlability aufweist, wird stattdessen als Top-Empfehlung zitiert. Ein AI Visibility Audit deckt genau diesen blinden Fleck auf.

Zusammenfassung: Das Audit als Startschuss für Generative Engine Optimization

Wer heute noch glaubt, dass ein paar grüne Haken in einem traditionellen Tool ausreichen, um die digitale Zukunft zu dominieren, wird ein böses Erwachen erleben. Ein AI Visibility Audit ist kein Ersatz für ein technisches Onpage-Audit, sondern dessen logische und zwingend notwendige Evolution. Es verlagert den Fokus von der bloßen Indexierbarkeit auf die aktive Zitierfähigkeit und bildet das Fundament für zukunftssichere AEO und GEO Strategien.

Verwandte Glossar-Begriffe

• GEO Audit: Der umfassende Prüfbericht für generative KIs
• AI Tracking Tools: Wahre Sichtbarkeit messen
• AI Visibility Report: Statusberichte für Vorstände und Teams
• llms.txt: Der Inklusions-Leitfaden für KI-Agenten
• Generative Engine Optimization (GEO): Sichtbarkeit in KI-Modellen
• Answer Engine Optimization (AEO): Optimierung für direkte Antworten
• RAG: Retrieval-Augmented Generation im Detail
• Strukturierte Daten: Fakten für Wissensgraphen auszeichnen
• SEO Audit: Das klassische Fundament