KI-SEO-Optimierung — bestehende Seiten zitierfähig machen, ohne Rankings zu verlieren

Klassische SEO-Optimierung adressiert primär Suchmaschinen-Ranking-Faktoren: Keyword-Dichte, interne Links, Pagespeed, Backlinks. KI-SEO ergänzt drei neue Schichten — und entfernt einige alte Praktiken (Keyword-Stuffing, dünner Tail-Content) ganz.

Der zentrale Perspektiv-Wechsel: Ein Suchnutzer sieht 10 Snippets und entscheidet. Ein LLM-Nutzer sieht eine Antwort und vertraut. Optimierung verschiebt sich von 'auffallen' zu 'zitiert werden'.

Entity-Schicht: Organization-Schema vollständig, sameAs zu Wikidata, LinkedIn, Branchenverbänden. Ohne sauberen Entity-Layer disambiguieren LLMs falsch — Ihre Marke wird mit Namensvettern verwechselt.

Struktur-Schicht: Definition-Lead am Seitenanfang (40–60 W), Zusammenfassungs-Box, mindestens eine Vergleichstabelle, FAQPage-Schema mit echten Fragen. Diese Bausteine sind die häufigsten Zitat-Quellen in LLM-Antworten.

Crawl-Hygiene: robots.txt erlaubt GPTBot/PerplexityBot/ClaudeBot explizit (nicht nur 'allow all'), llms.txt listet kuratiert die zitierfähigsten URLs, JSON-LD ist auf jeder Seite vollständig und valide.

Priorisieren Sie nach Traffic × kommerziellem Wert. Top-20-Seiten zuerst — der Aufwand pro Seite (1–3 h) lohnt sich nur bei messbarem Hebel.

Pro Seite: 1. Definition-Lead einfügen. 2. Zusammenfassungs-Box. 3. Vergleichstabelle ergänzen (falls fehlt). 4. FAQPage-Schema mit 3–5 Fragen. 5. Schema-Validierung. 6. Internal Linking zum Content-Hub.

Tracking: Vor und nach Optimierung in 5 LLMs prompten, Brand-Mention-Häufigkeit und Snippet-Übernahme dokumentieren. Erfolgsmessung nach 6–8 Wochen.

Schritt 1 (15 Min): Definition-Lead schreiben. 40–60 Wörter direkt nach H1, antwortfähig, ohne Marketing-Sprache, mit zwei harten Fakten. Test: kann ein Außenstehender ihn ohne Kontext verstehen?

Schritt 2 (10 Min): Zusammenfassungs-Box mit 4–6 Bullets. Jeder Bullet ein eigenständig zitierbarer Satz.

Schritt 3 (30–60 Min): Vergleichstabelle ergänzen oder bestehende ausbauen. Mindestens 4 Kriterien, mindestens 3 Vergleichs-Objekte, kein versteckter Eigenwerbung-Bias.

Schritt 4 (20 Min): FAQPage-Schema mit 5–8 Fragen. Quelle der Fragen: Sales-Top-Fragen, Support-Top-Fragen, AlsoAsked-Daten aus Google.

Schritt 5 (10 Min): Schema-Validierung gegen Rich Results Test und Schema.org Validator. Fixe Errors sofort.

Schritt 6 (15 Min): interne Linktiefe prüfen — Link zum Content-Hub, mindestens 2 Sister-Links, 1 Link zu passender Money-Page. Anchor-Texte semantisch, nicht hier klicken.

Faustformel: Refactor lohnt für Seiten, die in Top-100-Google-Rankings für mindestens 5 Suchanfragen mit kombiniertem Volumen >300/Monat sind, ODER bereits messbar Traffic bringen (>100 Sessions/Monat), ODER kommerziell hoch relevant sind (Service-Seiten, Pricing, Lead-Magnete).

Nicht lohnen sich: dünne Tail-Inhalte ohne Traffic-Historie, abgelaufene Kampagnen-Landingpages, alte News-Beiträge ohne Evergreen-Substanz. Diese Seiten besser komplett entfernen oder per 301 auf Content-Hub redirecten.

Typische Wirkung pro refactorierter Top-Seite in unseren Mandaten: +25–60 % LLM-Mention-Rate auf relevanten Prompts binnen 6–8 Wochen, neutraler bis leicht positiver Effekt auf Google-Ranking.

Risiko 1: Ranking-Verlust durch zu radikales Kürzen. Wer einen 3.500-Wörter-Artikel auf 1.200 Wörter zusammenstreicht, verliert Long-Tail-Rankings. Refactor heißt strukturieren, nicht streichen — Substanz bleibt, Format wird klarer.

Risiko 2: Inkonsistente Author-Schema. Wenn drei Seiten denselben Autor erwähnen, muss das Person-Schema überall identisch sein — gleicher sameAs-Block, gleiche jobTitle, gleicher Beschreibungstext. Inkonsistenz erzeugt mehrere Entities, was die Trust-Bewertung verwässert.

Risiko 3: FAQ-Schema mit Lockfragen, die in der Seite nicht beantwortet werden. Google straft seit Q4/2024 FAQ-Schemas ab, deren Antworten nicht im Sichtbereich der Seite stehen. Antworten müssen vollständig im DOM sein, nicht nur im JSON-LD.

Pro refactorierte Seite: Vor-Messung (Mention-Rate und Zitat-Übernahme auf 8–15 relevanten Prompts), Nach-Messung nach 6 und 12 Wochen. Diff dokumentieren, mit Schema-Validität und Bot-Hit-Logs korrelieren.

Site-weit: monatliche Aggregation der Refactor-Effekte. Heatmap zeigt, welche Refactors überproportional wirken — meist Vergleichs- und Definitions-Seiten in Kern-Clustern, weniger generische How-to-Inhalte.

Reporting: pro Refactor-Welle 1-Pager mit drei Zahlen — Top-Performer, Underperformer, nächste Refactor-Welle. Konsumierbar für Geschäftsführung in 5 Minuten.