GEO-Checkliste mit 38 Punkten: Das vollstaendige technische KI-Audit

Warum eine GEO-Checkliste 2026 unverzichtbar ist

Die digitale Sichtbarkeitslandschaft hat sich grundlegend veraendert. Mit ueber 800 Millionen aktiven Nutzern auf ChatGPT und der massiven Verbreitung KI-gestuetzter Antwortmaschinen koennen sich Unternehmen nicht mehr allein auf die Optimierung fuer traditionelle Suchmaschinen verlassen. Generative Engine Optimization (GEO) ist zu einem strategischen Imperativ geworden.

Doch woher wissen Sie, ob die Website eines Kunden wirklich fuer das KI-Zeitalter bereit ist? Genau das beantwortet die GEO-Checkliste mit 38 Punkten. Dieses technische Audit-Tool analysiert systematisch jeden Aspekt der Online-Praesenz einer Marke, der beeinflusst, wie Sprachmodelle (LLMs) sie wahrnehmen, verstehen und zitieren.

Artikel aktualisiert am 16. September 2026: Die Checkliste umfasst nun 38 Punkte (29 automatisierte Pruefungen, 9 Expertenempfehlungen). Die llms.txt-Datei wird seit Juni 2026 nicht mehr bewertet (nur informativ erkannt).

Im Gegensatz zu einem traditionellen Audit, das sich auf die Positionierung in Suchergebnissen konzentriert, bewertet die GEO-Checkliste die Bereitschaft einer Website, von kuenstlicher Intelligenz referenziert zu werden. Sie unterscheidet 29 automatisch verifizierte Punkte und 9 Expertenempfehlungen und liefert eine umfassende und umsetzbare Bewertung.

Die 29 automatisch verifizierten Punkte

Diese Pruefungen werden bei jedem Audit programmatisch ausgefuehrt. Jeder Punkt erhaelt einen Status (konform, nicht konform, teilweise konform) und traegt zum gesamten Sichtbarkeits-Score bei.

1. KI-Bot-Zugaenglichkeit ueber robots.txt

Die robots.txt-Datei ist das erste Tor fuer KI-Crawler. Das Audit prueft nicht nur, ob diese Datei existiert und zugaenglich ist, sondern auch, ob sie die wichtigsten KI-Bots nicht blockiert: GPTBot, ChatGPT-User, ClaudeBot, PerplexityBot, Google-Extended, Bytespider und Meta-ExternalAgent. Eine falsch konfigurierte robots.txt kann Ihre Website fuer Sprachmodelle komplett unsichtbar machen.

2. AQA-Markup (AI Question Answer)

Das AQA-Markup (offener Standard, aqa-spec.org, MIT-Lizenz) strukturiert Fragen und Antworten mit dedizierten KI-Metadaten: Datum pro Frage, Quelle pro Antwort und Aenderungshistorie. KI-Engines zitieren bevorzugt Inhalte mit nachweisbarer Herkunft. In der Plattform wiegt dieser Punkt mit 10 % im AEO-Score.

3. Schema.org Organization

Strukturierte Daten vom Typ Organization sind grundlegend fuer die Markenidentitaet. Das Audit ueberprueft Vorhandensein und Vollstaendigkeit des JSON-LD-Markups: Name, Logo, URL, Social-Media-Profile, Adresse, Telefonnummer und Beschreibung.

4. Schema.org FAQPage

FAQPage-Markup strukturiert Fragen und Antworten, damit KI sie direkt nutzen kann. Das Audit erkennt dieses Schema-Markup auf relevanten Seiten, prueft Fragequalitaet und Antwort-Vollstaendigkeit. Gut strukturierte FAQ-Seiten haben eine 3-fach hoehere Zitierrate in KI-Antworten.

5. Schema.org BreadcrumbList

Strukturierte Breadcrumb-Navigation hilft LLMs, die Hierarchie Ihrer Website zu verstehen. Das Audit prueft die BreadcrumbList-Praesenz auf allen Seiten, Ebenen-Konsistenz und zugehoerige URLs.

6. Open-Graph-Tags

Open Graph-Tags (og:title, og:description, og:image, og:type, og:url) werden von zahlreichen KI-Indexierungssystemen gelesen. Das Audit prueft deren Vorhandensein, Eindeutigkeit pro Seite, Beschreibungsqualitaet und Bild-Konformitaet.

7. HTTPS / SSL

Ein gueltiges SSL-Zertifikat ist eine grundlegende Voraussetzung. Das Audit prueft Zertifikatgueltigkeit, automatische HTTP-zu-HTTPS-Umleitung, Abwesenheit von Mixed Content und die vollstaendige Zertifizierungskette.

8. Server-Side Rendering (SSR)

Serverseitiges Rendering stellt sicher, dass KI-Bots auf den vollstaendigen Seiteninhalt zugreifen, ohne JavaScript ausfuehren zu muessen. Das Audit vergleicht das server-gelieferte HTML mit dem clientseitig gerenderten DOM und erkennt SPA-Frameworks ohne SSR.

9. XML-Sitemap mit hreflang

Die XML-Sitemap ist essenziell, um KI-Bots zu Ihren wichtigen Seiten zu leiten. Das Audit prueft Sitemap-Validitaet, Einbeziehung aller Schluessel-URLs, hreflang-Tags fuer mehrsprachige Inhalte und Konsistenz mit tatsaechlich zugaenglichem Inhalt.

10. Canonical-Tags

Canonical-Tags verhindern Duplicate-Content-Probleme, die LLMs verwirren. Das Audit prueft seitenweise Canonical-Praesenz, Konsistenz zwischen Canonical und tatsaechlicher URL sowie Abwesenheit von Schleifen oder Ketten.

11. Meta-Robots-Direktiven

Meta-Robots-Direktiven (index/noindex, follow/nofollow) steuern die Seitenzugaenglichkeit fuer Bots. Das Audit stellt sicher, dass wichtige Seiten indexierbar sind und Direktiven nicht dem robots.txt widersprechen.

12. Tiefe der strukturierten Daten

Ueber die blosse Praesenz hinaus bewertet das Audit die Tiefe strukturierter Daten. Ein Organization-Markup mit nur Name und URL ist unzureichend. Gemessen werden die Anzahl ausgefuellter Eigenschaften, verschachtelte Typen und die semantische Gesamtreichhaltigkeit.

13. Seitengeschwindigkeit fuer Bots

Die Server-Antwortgeschwindigkeit beeinflusst direkt die Faehigkeit von KI-Crawlern, Ihre Inhalte zu indexieren. Das Audit misst TTFB, Gesamtantwortzeit und HTML-Groesse.

14. Mobiles Rendering

Viele KI-Bots simulieren einen mobilen User-Agent. Das Audit prueft Site-Responsivitaet, Viewport-Meta-Praesenz und Inhaltsparitaet zwischen Desktop- und Mobilversionen.

15. Interne Verlinkungsstruktur

Eine robuste interne Verlinkung hilft LLMs, die thematische Architektur Ihrer Website zu verstehen. Das Audit analysiert Navigationstiefe, interne Links pro Seite, verwaiste Seiten und die interne PageRank-Verteilung.

16. Frische-Signale und dateModified

LLMs bevorzugen aktuelle Quellen. Das Audit prueft sichtbare Veroeffentlichungs- und Aktualisierungsdaten, die dateModified-Eigenschaft im JSON-LD-Markup, lastmod-Tags in Sitemaps und HTTP-Last-Modified-Header -- die technischen Signale, mit denen KI-Engines erkennen, dass Inhalte gepflegt werden.

17. Semantische HTML-Struktur

Korrekte Verwendung semantischer HTML5-Elemente (header, nav, main, article, section, aside, footer) verbessert das LLM-Inhaltsverstaendnis.

18. Ueberschriften-Hierarchie und Alt-Text

Eine kohaerente H1-H6-Hierarchie und beschreibende Alt-Attribute bei Bildern sind essenziell. Das Audit prueft H1-Einzigartigkeit, logische Ebenenfolge, Abwesenheit von Spruengen und Alt-Text-Qualitaet.

19. Meta-Title und Meta-Description

Der Meta-Title ist das erste Signal, das KI-Engines lesen, um das Thema einer Seite zu verstehen; die Meta-Description liefert eine strukturierte Zusammenfassung. Das Audit prueft ihre Praesenz, ihre Eindeutigkeit pro Seite und ihre beschreibende Qualitaet -- zwei einfache automatische Signale, die die Auswahl als Quelle stark beeinflussen.

20. Rechtliche Transparenz des Unternehmens

Drei regulatorische Pruefungen, zusammengefasst in einem Punkt: sichtbare Registrierungsnummer (Handelsregister-ID), direkte Kontaktdaten (E-Mail und Telefon) sowie Benennung des Geschaeftsfuehrers oder verantwortlichen Herausgebers im Impressum. Diese Transparenzsignale, gefordert von der E-Commerce-Richtlinie, ermoeglichen es KI-Engines, Existenz und Legitimitaet des Unternehmens zu validieren -- ein Kernpfeiler von E-E-A-T.

21. Abwesenheit des noai-Meta-Tags

Das Tag <meta name="robots" content="noai"> zieht Ihre Inhalte aus der KI-Nutzung heraus. Wenn es gesetzt ist, ist die Website fuer generative KI-Engines unsichtbar. Das Audit erkennt es und meldet es sofort.

22. RSS- oder Atom-Feed

Ein RSS- oder Atom-Feed zeigt KI-Crawlern an, dass eine Website regelmaessig Inhalte veroeffentlicht. Perplexity und OAI-SearchBot nutzen Feeds, um frische Inhalte zu entdecken: Inhalte unter 30 Tagen erhalten 3,2-mal mehr Zitationen.

23. Inhaltsfrische (unter 90 Tagen)

Seiten, die in den letzten 90 Tagen aktualisiert wurden, erhalten 3,2-mal mehr Zitationen von LLMs. Das Audit liest die dateModified-Eigenschaft (Schema.org) und den Last-Modified-HTTP-Header; ueber 90 Tagen hinaus wird ein sichtbares Update empfohlen (aktuelle Zahlen, frische Quellen). Inhalte, die 13 Wochen lang nicht aktualisiert werden, verlieren ihre Zitationsfaehigkeit.

24. Antwortdichte (Absaetze mit 40-50 Woertern)

LLMs extrahieren bevorzugt kurze Absaetze von 40 bis 50 Woertern, die eine implizite Frage direkt beantworten. Ein Text, der nur aus langen beschreibenden Absaetzen besteht, ist nicht antwortbereit. Das Audit misst den Anteil der Absaetze im Antwortformat: Das empfohlene Ziel sind mindestens 30 %.

25. Zitierfaehige Bloecke (LLM-bevorzugte Formate)

Blockquotes, Definitionslisten (<dl>), Statistiktabellen und Faktenboxen (stat/tldr/fact) werden von KI-Engines mit Attribution zitiert. Eine Seite aus langen fortlaufenden Absaetzen ohne diese Bloecke ist schwerer zitierfaehig -- das Audit prueft ihre Praesenz.

26. Konsistenz des Markennamens (Entity Resolution)

Wenn eine Marke in mehreren Varianten auftritt ("Marke", "Marke GmbH", "Marke Schweiz"...), fusionieren LLMs diese Entitaeten nicht und die Zitationen werden verwaessert. Das Audit zaehlt die Varianten; das Ziel ist maximal zwei unterschiedliche Varianten auf der gesamten Website.

27. Dichte der Top-30-Begriffe

LLMs bilden eine semantische Repraesentation einer Marke aus den 30 am haeufigsten ko- vorkommenden Begriffen ihrer Seiten. Fehlen diese strategischen Begriffe oder sind sie zu duenn, existiert die Marke fuer KI-Engines auf diesen Themen faktisch nicht. Das Audit misst diese lexikalische Abdeckung.

28. Blog- oder News-Bereich

Ein Blog- oder News-Bereich belegt fortlaufende redaktionelle Aktivitaet. Das Audit prueft das Vorhandensein dieses Bereichs, seine Struktur und seine Verbindung zum Rest der Website.

29. Ueber-uns-Seite

Eine vollstaendige Ueber-uns-Seite (Geschichte, Team, Mission, Kontaktdaten) staerkt das Vertrauen der KI-Engines in die Entitaet. Das Audit prueft ihre Praesenz, ihre Erreichbarkeit aus der Hauptnavigation und die Reichhaltigkeit der enthaltenen Informationen.

Die 9 Expertenempfehlungen

Diese Punkte erfordern eine differenziertere qualitative Bewertung und werden als gewichtete Empfehlungen praesentiert.

1. E-E-A-T-Signale

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist ein Hauptkriterium fuer LLMs. Das Audit bewertet detaillierte Autorenseiten, Expertenbios, Qualifikationshinweise und Kundentestimonials. Lesen Sie unseren Artikel ueber E-E-A-T und KI-Autoritaet 2026.

2. Wikidata-/Wikipedia-Praesenz

Sprachmodelle stuetzen sich stark auf Wissensgraphen. Das Audit prueft, ob Ihre Entitaet einen Wikidata-Eintrag und eine Wikipedia-Seite hat. Die Praesenz auf diesen Plattformen steigert den Entity Health erheblich.

3. Citation-Readiness-Score

Citation Readiness misst, wie leicht ein LLM Ihre Inhalte zitieren kann. Das Audit bewertet Aussagenklarheit, quantifizierte Daten und Frage-Antwort-Strukturen.

4. Backlink-Autoritaetsprofil

Qualitaet und Vielfalt der Backlinks beeinflussen das Vertrauen, das LLMs Ihrem Inhalt entgegenbringen. Das Audit analysiert verweisende Domains, thematische Relevanz und Gesamtautoritaet des Linkprofils.

5. Thematische Inhaltstiefe

Die thematische Abdeckung misst, wie erschoepfend Ihr Inhalt Ihre Fachgebiete abdeckt.

6. Social-Proof-Signale

Kundenbewertungen, Testimonials, Fallstudien und Presseerwahnungen staerken die LLM-wahrgenommene Glaubwuerdigkeit.

7. Markenkonsistenz im Web

LLMs gleichen Informationen aus mehreren Quellen ab. Das Audit bewertet NAP-Konsistenz und Einheitlichkeit der Markenbeschreibung.

8. Strukturierter FAQ-Inhalt

Ueber das technische FAQPage-Markup hinaus bewertet das Audit die Qualitaet und Relevanz der Q&As.

9. Multi-Plattform-Praesenz (3+)

Marken, die auf mindestens drei Plattformen ueber ihre eigene Website hinaus praesent sind (LinkedIn, Wikipedia, Crunchbase, Trustpilot...), werden von konversationellen KIs deutlich haeufiger zitiert. Jeder sameAs-Link im Schema.org staerkt die Entitaets-Disambiguierung. Das Audit bewertet diese externe Praesenz und ihre Konsistenz.

Wie KI Aktionsplaene aus den Checklisten-Ergebnissen generiert

Eine der groessten Staerken der GEO-Checkliste ist ihre Faehigkeit, Ergebnisse in konkrete Aktionen umzuwandeln. Nach der Analyse aller 38 Punkte generiert das System automatisch einen priorisierten Aktionsplan.

Jede identifizierte Aktion wird in drei Prioritaetsstufen eingeteilt:

• Hohe Prioritaet (rot): Blockierende Aktionen mit direktem Einfluss auf Ihre KI-Sichtbarkeit. Beispiele: robots.txt blockiert KI-Bots, voelliges Fehlen strukturierter Daten, kein SSR. Geschaetzte Umsetzungszeit: 1 bis 5 Tage.
• Mittlere Prioritaet (orange): Signifikante Verbesserungen zur Score-Optimierung. Beispiele: Schema.org anreichern, Open-Graph-Tags optimieren. Geschaetzte Zeit: 1 bis 2 Wochen.
• Niedrige Prioritaet (gruen): Feinabstimmungs-Optimierungen zur Potenzialmaximierung. Beispiele: Thematische Abdeckung verbessern, E-E-A-T-Signale staerken, strukturierte FAQs hinzufuegen. Geschaetzte Zeit: 2 bis 4 Wochen.

Vorher-/Nachher-Beispiele

Um den konkreten Einfluss der GEO-Checkliste zu veranschaulichen, hier beobachtete Ergebnisse unserer Nutzer:

Eine E-Commerce-Website, die die 9 identifizierten Hochprioritaets-Punkte korrigierte, verzeichnete einen Anstieg der Erwahnungsrate um 34% in 6 Wochen. Hauptaktionen: Entsperrung der robots.txt fuer GPTBot, Hinzufuegen von angereichertem Schema.org-Product-Markup und SSR-Implementierung.

Eine Digitalagentur, die das Anbieter-Dashboard nutzt, setzte die Checklisten-Empfehlungen fuer 12 Kunden gleichzeitig um. Durchschnittliches Ergebnis: +28% Sichtbarkeits-Score in 3 Monaten, mit besonders starker Verbesserung beim nativen Score.

Integration mit geplanten Audits

Die GEO-Checkliste integriert sich nahtlos in geplante Audits. Durch die Konfiguration wiederkehrender Audits (woechentlich oder monatlich) koennen Sie die Entwicklung jedes Checklisten-Punktes ueber die Zeit verfolgen. Das Dashboard zeigt Trends, identifiziert Regressionen und hebt Fortschritte hervor.

Fuer Agenturen ist diese Funktion besonders wertvoll: Sie demonstriert objektiv den Wert durchgefuehrter Optimierungen und rechtfertigt AEO-Investitionen. Jeder generierte PDF-Bericht enthaelt den Checklisten-Status und erleichtert die Stakeholder-Kommunikation.

Fazit: Audits als Wettbewerbsvorteil nutzen

Die GEO-Checkliste mit 38 Punkten ist nicht nur ein Diagnosewerkzeug: Sie ist ein vollstaendiges methodisches Framework fuer KI-Sichtbarkeit. Durch die Kombination automatisierter Pruefungen mit Expertenempfehlungen bietet sie eine klare Roadmap fuer jede gepruefte Website. Fuer SEO-/GEO-Agenturen und Consultants ist sie auf die Praxis ausgerichtet: Auditieren Sie Ihre Kunden, priorisieren Sie Massnahmen und weisen Sie Fortschritte nach -- auch ueber das Anbieter-Dashboard.

Entdecken Sie auch unsere KI-Sichtbarkeits-Audit-Methodik, um zu verstehen, wie diese 38 Punkte in eine globale GEO-Strategie integriert werden. Und die Ihrer Kunden? Testen Sie die Methodik an einem ersten Kunden, um die Luecke konkret zu messen.