KI-Suche optimieren: Der 5-Schritte-Leitfaden für GEO und AEO – mit und ohne KI-Agent

Auf einen Blick

KI-Suche wirkt wie eine neue Disziplin, ist aber größtenteils keine. Laut Ahrefs sagt Google, dass seine KI-Suchfunktionen weiterhin auf den Kernsystemen der Suche aufbauen. Inhalte müssen also crawlbar, indexierbar und nützlich bleiben. Dazu kommt, dass Seiten Fakten liefern müssen, die KI-Systeme verstehen, ihnen vertrauen und zitieren können. Der Ahrefs-Leitfaden gliedert das in fünf Schritte: Zugänglichkeit, Relevanz, Extrahierbarkeit, Aktualität und Monitoring. KI-Agenten können die skalierbaren Prüfungen übernehmen. Was veröffentlicht wird, entscheidet weiterhin das Team.

Hinweis zur Datenlage: Dieser Artikel stützt sich auf eine einzige Quelle, den Ahrefs-Blogbeitrag von Mateusz Makosiewicz. Reddit-, HackerNews- oder YouTube-Stimmen lagen nicht vor, und es gibt keine Konkurrenzprodukte zum Vergleich. Die Aussagen sind deshalb die Position eines Anbieters, der selbst Tools in diesem Feld verkauft. Zahlen und Preise stammen ausschließlich aus dieser Quelle.

Warum KI-Suche keine völlig neue Disziplin ist

Die Quelle beginnt mit einer Entwarnung: „Es klingt nach einer komplett neuen Disziplin. Größtenteils ist es keine.“ Sie belegt das mit zwei Anbieteraussagen:

• Google: Die KI-Suchfunktionen stützen sich weiter auf die Kernsysteme der Suche. Inhalte müssen crawlbar, indexierbar und nützlich sein.
• Microsoft (Bing): Der Index entwickle sich „von einer Liste von Seiten zu einer Faktenquelle, die KI-Systeme nutzen können, um Antworten zu bauen“. Der Artikel verweist außerdem auf Microsofts Überlegungen zu Aktualität, Herkunft (Provenance), faktischer Treue, dem Umgang mit Widersprüchen und dem Verzicht auf eine Antwort, wenn die Faktenlage unklar ist.

Daraus ergibt sich die Leitidee. Die klassischen SEO-Grundlagen bleiben bestehen, und die Qualität der einzelnen Fakten auf der Seite gewinnt an Gewicht. Der Autor schließt ähnlich: Man solle für Menschen schreiben, den Wert für KI leicht erkennbar machen und Zitierungen überwachen.

Was die Quellen sagen

Da nur eine Quelle vorliegt, ist ein echter Konsens nicht messbar. Die Zählung ist deshalb trivial: 1 von 1 Quellen betont, dass klassische Grundlagen (Crawlbarkeit, Nützlichkeit, saubere Inhalte) die Basis bleiben. 1 von 1 Quellen empfiehlt, KI-Agenten für wiederkehrende Prüfungen einzusetzen, und 1 von 1 Quellen hält menschliche Kontrolle für unverzichtbar. Es gibt keine Gegenstimmen, die Widersprüche aufdecken könnten.

Innerhalb des Artikels stützt sich der Autor auf mehrere externe Datenpunkte. Sie sind keine eigenständigen Quellen im Paket, aber erwähnenswert:

• Kevin Indigs Untersuchung: 44,2 % der KI-Zitierungen stammten aus den ersten 30 % einer Seite.
• Freshness-Studie zu ChatGPT: 57,1 % der von ChatGPT zitierten Listenartikel wurden nach der Veröffentlichung aktualisiert. 79,1 % davon wurden zuletzt 2025 aktualisiert, im Jahr der Studie.
• Zweite Studie: KI-zitierte URLs waren im Schnitt 25,7 % frischer als Google-Organic-Ergebnisse.
• Ahrefs-Test: Fünf große KI-Systeme ignorierten JSON-LD, versteckte Microdata und versteckte RDFa. Sie stützten sich auf sichtbares HTML.
• HubSpot-Fallstudie: Hyperspezifische Seiten für neue Branchen und lokale Märkte brachten laut Artikel Zuwächse.

Mit „3 von 5“ lässt sich das nicht auszählen. Aber 4 von 4 genannten Datenpunkten zu Platzierung, Aktualität und Sichtbarkeit sprechen für klare, aktuelle und im sichtbaren Text stehende Fakten.

Community-Meinungen

Es liegen keine Community-Zitate mit Username vor. Ich erfinde keine Reddit- oder HackerNews-Stimmen. Belegt ist nur die Beobachtung des Autors zu seiner eigenen Arbeit: Bei einem Outreach-Experiment für Answer Engine Optimization (AEO) fand er veraltete Seiten auf der Ahrefs-Website. Ein Wettbewerber aktualisierte seine SEO-Preisstudie im Mai 2026 mit Daten für 2026 und überholte Ahrefs anschließend bei den KI-Zitierungen. Diese Fallbeispiele stehen für Aktualität als Wettbewerbsfaktor. Kritik an der Methodik fehlt in der Quelle.

Die fünf Schritte im Detail

Schritt 1: Seiten für KI-Bots zugänglich machen

Ohne Zugang keine Zitierung. Der Artikel nennt mehrere Prüfpunkte:

• Site Audit: Im Bereich „AI discoverability“ unter „All issues“ stehen KI-spezifische Probleme samt Lösungsvorschlägen.
• Bot Analytics: Der Status-Codes-Bericht zeigt fehlgeschlagene KI-Bot-Anfragen (404, 499, 5xx). Fehlende URLs, abgebrochene Anfragen und Serverfehler muss man getrennt betrachten.
• Web Analytics: Der Bericht „Possible 404“ zeigt kaputte URLs, die noch KI-getriebene Besuche erhalten. Diese sollten auf die passendste Live-Seite weiterleiten.
• Content-Chance: Ein wiederkehrender 404 zu einem Thema, das man nicht abdeckt, kann ein Hinweis sein, dass dort eine Seite fehlt.
• Server, Firewall, CDN: Normale Crawls übersehen manche Sperren. Der Autor verweist auf Cloudflare AI Crawl Control (unter „Security“), mit dem Seitenbetreiber den Zugriff von KI-Crawlern steuern.

Für die Automatisierung gibt es einen „AI crawler access audit“, einen Agent-Prompt in einem GitHub-Repository des Autors. Er prüft robots.txt, noindex, Statuscodes, Weiterleitungen, WAF-Regeln, Bot-Besuche und Seiten hinter Logins. Voraussetzung sind Ahrefs (mindestens Lite für den API-Zugang) und Cloudflare (die kostenlose Stufe genügt).

Schritt 2: Suchanfragen treffen, abrufbare Inhalte schaffen

Der Artikel rät zu eigenen Seiten für exakte Anfragen, etwa „AI visibility tools for startups“, statt Antworten in breiten Seiten zu vergraben. Weitere Empfehlungen:

• Vergleichsseiten gegen Wettbewerber, weil sie in markenbezogenen Gesprächen zitiert werden.
• Use-Case- und Branchenseiten, gestützt auf die HubSpot-Fallstudie.
• Mehrwert statt Allgemeinplätze: Generische Zusammenfassungen sind leicht ersetzbar. Stärker sind eigene Beispiele, Umfragedaten, Benchmarks, Workflows, Kundeneinblicke und Experteneinschätzungen.

Als Werkzeug beschreibt der Autor einen Query-Match-Audit als Skill. Er nimmt einen Entwurf und 3 bis 10 Ziel-Prompts, zeigt, welche davon Titel, Überschriften und Text abdecken, und markiert dünne oder generische Passagen.

Schritt 3: Fakten leicht extrahierbar machen

Dieser Abschnitt ist der praktischste. KI-Systeme zerlegen Seiten in Abschnitte und zitieren einzelne Passagen. Daraus folgen diese Regeln:

• Atomarer Content: Jeder Abschnitt macht einen vollständigen Punkt in sich.
• BLUF (Bottom Line Up Front): Die Kernaussage steht in den ersten ein bis zwei Sätzen jedes Abschnitts.
• Klare Überschriften und eigenständige Faktenaussagen.
• Platzierung: Wichtiges gehört nach oben (siehe die 44,2 % aus Indigs Daten).
• Spezifität: Zitierte Passagen enthielten mehr benannte Entitäten und klangen definitiv statt zögerlich.
• Struktur: Tabellen, Definitionen, Beispiele, Zusammenfassungen und FAQs helfen.
• Sichtbarer Text: Fakten, die nur in Bildern oder strukturierten Daten stehen, sollten zusätzlich als Text erscheinen.

Das Beispiel des Artikels: Unspezifisch ist „Unser Tool hilft Unternehmen, ihre Sichtbarkeit auf beliebten KI-Plattformen zu verbessern.“ Besser ist eine Version, die ChatGPT, Perplexity und Google AI Overviews nennt und die wöchentliche Aktualisierung erwähnt.

Als Beleg nennt der Autor die SEO-Preisumfrage von 2024. Sie blieb stark zitiert, ohne dass sie auf AEO optimiert wurde. Er führt das auf klare Antworten, eigenständige Abschnitte und mehrere Blickwinkel auf die Daten zurück. Er betont auch, es gehe nicht darum, „LLM-freundlich“ zu schreiben, sondern um saubere redaktionelle Arbeit. Ein Extractability-Audit als Skill zitiert Passagen, die Kontext brauchen, schlägt eigenständige Umformulierungen ohne neue Fakten vor und markiert vergrabene oder aus dem Kontext irreführende Antworten.

Eine Einordnung zu Schema-Markup: Der Artikel erwähnt es nur im Zusammenhang mit dem Test (strukturierte Daten werden ignoriert) und als Datumssignal. Für Details verweist er auf einen separaten Schema-Guide. Auch llms.txt kommt in der Quelle nicht vor, hier gibt es also keine Aussage.

Schritt 4: Fakten aktuell und konsistent halten

Veraltete oder widersprüchliche Fakten führen zu falschen KI-Antworten. Der Fokus liegt auf Preisen, Limits, Features, Einrichtungsschritten, Integrationen und Vergleichsaussagen. Praktisch beschreibt der Autor:

• Brand Radar: Unter „Cited pages → Yours“ lassen sich veraltete, aber noch zitierte Seiten finden. Priorisiert wird nach Zitierungen, Organic- und KI-Traffic sowie KI-Bot-Anfragen.
• Freshness-Prompt: Er listet die Top-100-Seiten, die älter als drei Monate sind und mehr als 10 Zitierungen haben, sortiert nach Zitierungen und ergänzt um Organic-Besuche. Der Export ist auf 1.000 Seiten begrenzt.
• Datumssignale: Zu prüfen sind dateModified (JSON-LD), article:modified_time (Open Graph), <time>-Elemente mit „Updated“ und sichtbare Daten. Vor der Analyse sollte man ein kanonisches Feld festlegen.
• Datenabruf: Für kleine Audits können Agenten Snapshots über Ahrefs Site Explorer ziehen. Für hohe Volumina nennt der Autor Apify oder Browserless.
• Source-of-Truth-Datei (SOT): Eine Datei mit je einer konkreten, überprüfbaren Aussage pro Zeile. Gegen sie lassen sich Entwürfe vor der Veröffentlichung und bereits zitierte Seiten prüfen, wobei Korrekturen nach Zitierungen sortiert werden.
• Erwähnte Tools: Letaidos AI Fact Checker und der Skill AI Citation Freshness Audit.

Schritt 5: KI-Performance überwachen

Der Bericht „Cited pages“ in Brand Radar liefert vier Bausteine:

1. Metriken: Zitierungen im Vergleich zu „found“-Seiten (zitiert oder abgerufen, aber nicht angezeigt), plus KI- und Organic-Besuche.
2. Verlaufsgrafik: Kleine Schwankungen sind normal, es geht um Stabilität über die Zeit.
3. Watchlist für Schlüsselseiten wie Kampagnenseiten.
4. Filter für AI Index und Prompt-Tags.

Für Wettbewerbslücken beschreibt der Autor einen Trick: In den KI-Antworten über die eigene Marke fahren und „Others only“ wählen. So findet man Antworten, die Konkurrenten zitieren, aber nicht einen selbst. Daraus entstehen Content-Ideen. Ein Agent kann zusätzlich die letzten 30 Tage mit den 30 davor vergleichen, Gewinne und Verluste je KI-Plattform hervorheben und 3 bis 5 Kernaussagen liefern. Digests sind per E-Mail, Slack oder WhatsApp möglich. Die Firehose kann Zitierungen und Seitenänderungen von Wettbewerbern beobachten, etwa über eine URL Watch auf eine Preisseite.

Vergleich: Die fünf Schritte und die genannten Werkzeuge

Konkurrenzprodukte enthält das Quellenpaket nicht. Die Tabelle vergleicht daher die fünf Schritte des Leitfadens mit den dort genannten Werkzeugen.

Preise und Kosten

Konkrete Preise nennt die Quelle nur für Ahrefs-Produkte, und zwar im Beispiel für die Source-of-Truth-Datei:

• Ahrefs Starter: ab 29 $/Monat.
• Brand Radar: ab 50 $/Monat, ohne bezahlten Ahrefs-Plan nutzbar.
• API-Zugang: ab dem Lite-Plan enthalten. Der Crawler-Audit-Prompt benötigt ihn.
• Cloudflare: Die kostenlose Stufe reicht für den beschriebenen Audit.

Für alle anderen Tools (Letaido, Apify, Browserless, Firehose) nennt die Quelle keine Preise. Ein Preistrend lässt sich aus dem Material nicht ableiten. Die Preise bitte vor einer Entscheidung auf den Anbieter-Websites prüfen, denn es handelt sich um die Angaben eines Anbieters in einem eigenen Blogbeitrag.

Der größere Kostenfaktor ist der Arbeitsaufwand. Die Prüfungen lassen sich automatisieren, aber die Source-of-Truth-Datei muss jemand pflegen. Aktualisierungen, Originaldaten und Fachwissen bleiben Teamarbeit.

Fazit: Für wen lohnt es sich?

Für Teams mit bestehender SEO-Basis ist der Leitfaden ein guter Fahrplan. Wer Crawlbarkeit, Nützlichkeit und Aktualität ohnehin beachtet, ergänzt vor allem die Extrahierbarkeit (BLUF, atomare Abschnitte, Fakten im sichtbaren Text) und das Zitierungs-Monitoring.

Für Betreiber großer Content-Bestände lohnt sich die Automatisierung. Freshness-Audits und Fact-Checks gegen eine Source-of-Truth-Datei sparen Zeit, wenn viele Seiten Preise, Limits oder Vergleichsaussagen enthalten.

Für kleine Seiten ohne Budget sind die Kernideen auch ohne bezahlte Tools umsetzbar: klare Überschriften, Kernaussage zuerst, Fakten als Text, veraltete Angaben korrigieren, Weiterleitungen für kaputte URLs.

Mit Vorsicht sind die Aussagen zu behandeln, weil sie von einem einzigen Anbieter stammen, der die genannten Tools verkauft. Unabhängige Bestätigung aus Community oder Video-Quellen fehlt in diesem Paket. Die zitierten Studien (Indig, Freshness-Daten) sind plausibel, aber hier nicht unabhängig geprüft.

Die Kernbotschaft deckt sich mit der Quelle: Fundamentale SEO-Arbeit bleibt die Basis. KI-Agenten übernehmen die Fleißarbeit, und Strategie, Originalität und Expertise bleiben beim Team.

Quellen

1. Ahrefs: How to Optimize for AI Search: A Guide for You and Your AI Agent – Hauptquelle (RSS, Autor: Mateusz Makosiewicz)

Tool-URLs (tool_urls) und Community-Diskussionen lagen im Quellenpaket nicht vor. Die genannten Werkzeuge (Ahrefs, Cloudflare, Letaido, Apify, Browserless) sind nur über den obigen Artikel belegt.