KI-SEO-Spezialist: Werden Sie die Antwort in KI

Viele Geschäftsführer im Mittelstand merken die Veränderung zuerst im Vertrieb. Ein Interessent sagt nicht mehr: „Ich habe Sie bei Google gefunden“, sondern: „ChatGPT hat Sie als Anbieter genannt“ oder „Perplexity hat Ihre Checkliste zitiert“. Das klingt nach Randphänomen, ist aber ein echter Verschiebungspunkt. KI-Systeme wie ChatGPT, Perplexity, Gemini und Copilot beantworten Fragen direkt, vergleichen Anbieter, verdichten Quellen und empfehlen nächste Schritte. Wer dort nicht als verlässliche Quelle auftaucht, verliert Sichtbarkeit genau in der Phase, in der Kunden Anforderungen formulieren, Budgets grob prüfen und Shortlists bauen.

KI-SEO, oft auch GEO, Generative Engine Optimization, genannt, ersetzt klassisches SEO nicht. Es erweitert es. Google bleibt in Deutschland, Österreich und der Schweiz zentral, besonders bei transaktionalen Suchen, lokalen Anfragen und Navigation. Aber die Informationssuche wandert teilweise in Antwortmaschinen. Eine Marketingleiterin eines Maschinenbauzulieferers aus Baden-Württemberg erzählte in einem Workshop, dass ihr Vertrieb immer öfter mit sehr gut vorbereiteten Leads spricht. Diese Leads hatten vor dem Erstkontakt bereits KI-generierte Anbieterlisten, technische Kriterien und Preisindikationen. Das Unternehmen war fachlich stark, wurde in diesen Listen aber selten erwähnt, weil seine Website viele PDF-Datenblätter hatte, aber kaum zitierfähige Erklärseiten.

Ein KI-SEO-Spezialist übersetzt diese Veränderung in konkrete Arbeit. Er fragt nicht nur, welches Keyword auf Position 3 rankt. Er prüft, welche Entitäten eine Marke mit sich verbindet, ob Inhalte als Quelle taugen, ob Aussagen eindeutig und belegbar sind, ob strukturierte Daten mit schema.org implementiert sind und ob Crawler wie GPTBot oder PerplexityBot relevante Inhalte erreichen können. Für KMU ist das besonders wichtig, weil sie häufig starke Expertise haben, aber diese Expertise nicht maschinenlesbar, aktuell oder systematisch genug darstellen.

Die Führungsaufgabe entsteht, weil KI-SEO mehrere Bereiche berührt. Marketing liefert Content und Positionierung. IT verantwortet Crawlbarkeit, Performance, robots.txt und CMS-Strukturen. Vertrieb weiß, welche Fragen echte Kunden stellen. Produktmanagement kennt technische Grenzen und Differenzierungsmerkmale. Die Geschäftsführung entscheidet, welche Themen strategisch besetzt werden sollen. Wenn KI-SEO nur als neues Content-Projekt behandelt wird, entstehen nette Artikel ohne Wirkung. Wenn es als Sichtbarkeits- und Vertrauenssystem geführt wird, kann es die digitale Nachfrage deutlich stabilisieren.

Ein KI-SEO-Spezialist ist kein Prompt-Spieler, der ein paar Texte mit ChatGPT schreibt. Seine Hauptaufgabe ist, ein Unternehmen für Suchmaschinen und KI-Antwortsysteme verständlich, vertrauenswürdig und zitierfähig zu machen. Dazu gehören Analysen, technische Prüfungen, Content-Architektur, Themenpriorisierung, strukturierte Daten, interne Verlinkung, Quellenarbeit und Monitoring. In der Praxis sitzt diese Rolle zwischen SEO, Redaktion, Data Analytics und Produktmarketing. Sie muss genug Technik verstehen, um mit Entwicklern über Indexierung, JavaScript-Rendering oder Serverlogs zu sprechen, und genug Fachlichkeit, um falsche oder schwammige Aussagen im Content zu erkennen.

Ein typischer Arbeitstag beginnt nicht mit dem Schreiben eines Artikels, sondern mit Fragen. Welche Prompts stellen potenzielle Käufer? Welche Quellen nutzt Perplexity für Antworten in unserer Branche? Taucht unser Unternehmen in Gemini bei „beste Anbieter für ERP-Beratung Schweiz“ auf? Welche Wettbewerber werden genannt, obwohl ihre Produkte objektiv nicht besser sind? Werden unsere PDFs überhaupt gecrawlt? Gibt es Autorenprofile, Referenzen, Daten, Zertifizierungen und klare Kontaktpunkte? Aus diesen Fragen entsteht eine Prioritätenliste, die deutlich operativer ist als ein klassischer Redaktionsplan.

Zur Rolle gehört auch eine nüchterne Einschätzung von Grenzen. Kein seriöser Spezialist verspricht, dass ChatGPT eine Marke in drei Wochen dauerhaft empfiehlt. LLM-Antworten sind volatil, personalisiert, versionsabhängig und quellengetrieben. Ein KI-SEO-Spezialist arbeitet deshalb mit Wahrscheinlichkeiten und Signalen. Er stärkt Inhalte, die häufig als Quelle dienen können, baut eindeutige Entitäten auf, sorgt für konsistente Unternehmensdaten und verknüpft Fachwissen mit nachvollziehbaren Belegen. Das Ziel ist nicht Manipulation, sondern Anschlussfähigkeit: Wenn ein System eine Frage beantworten will, soll Ihre Website eine der besten, klarsten und am leichtesten verwertbaren Quellen sein.

In KMU ist die Rolle oft pragmatischer als in Konzernen. Ein externer Spezialist führt zum Beispiel einen 30-Tage-Audit durch, priorisiert zehn Quick Wins und entwickelt drei Pilot-Cluster. Danach übernimmt ein Inhouse-Marketer die Pflege, während der Spezialist monatlich promptbasierte Tests, technische Checks und Content-Reviews macht. In einem B2B-SaaS-Unternehmen aus München bedeutete das konkret: Statt 40 Blogposts pro Jahr wurden 12 zentrale Antwortseiten, 6 Vergleichsseiten, 4 Branchenlösungen und ein sauberer Glossarbereich erstellt. Weniger Output, aber mehr zitierfähige Substanz.

Der wichtigste Skill ist Suchintention unter KI-Bedingungen zu verstehen. Klassisches SEO unterscheidet informational, commercial, transactional und navigational. KI-Suchen sind oft dialogischer: „Welche Anbieter für technische Dokumentation im Maschinenbau sind in Deutschland stark?“ oder „Was muss ich bei der Auswahl eines DMS für 120 Mitarbeitende beachten?“ Ein Spezialist muss solche Fragen in Antwortbausteine übersetzen: Definition, Kriterien, Vergleich, Risiken, Kosten, Implementierung, Anbietermerkmale, Checkliste. Gute KI-SEO-Arbeit beginnt deshalb bei echten Fragen aus Vertriebsgesprächen, Supporttickets, CRM-Notizen und Messekontakten, nicht nur bei Keyword-Tools.

Technische Skills sind Pflicht. Der Spezialist sollte robots.txt, XML-Sitemaps, Canonicals, Statuscodes, interne Verlinkung, Core Web Vitals und JavaScript-Probleme sicher beurteilen können. Für KI-SEO kommen Crawler-Fragen hinzu: Dürfen GPTBot, PerplexityBot, ClaudeBot oder Google-Extended Inhalte abrufen? Welche Inhalte sind hinter Cookie-Bannern, Formularen oder PDF-Silos versteckt? Welche Seiten liefern klare HTML-Strukturen statt nur visuelle Komponenten? Tools wie Screaming Frog, Sitebulb, Google Search Console, Bing Webmaster Tools, Logfile-Analyzer und einfache curl-Tests sind hier oft wertvoller als das nächste KI-Dashboard.

Redaktionelle Kompetenz entscheidet, ob Inhalte zitiert werden können. LLMs bevorzugen keine magischen Formulierungen, aber sie verarbeiten klare, gut strukturierte, faktisch belastbare Inhalte besser. Ein KI-SEO-Spezialist erkennt dünne Absätze, unbelegte Superlative und unklare Begriffe. Er fordert konkrete Daten: „ISO 9001 zertifiziert seit 2018“, „Lieferzeit für Ersatzteile im DACH-Raum meist 24 bis 48 Stunden“, „Integrationen zu SAP S/4HANA, Microsoft Dynamics 365 und DATEV“. Solche Angaben helfen Menschen und Maschinen. Gleichzeitig muss er juristische Grenzen kennen, besonders bei Medizin, Finanzen, Arbeitsrecht und sicherheitskritischen B2B-Produkten.

Dazu kommen Entity- und Datenkompetenz. KI-Systeme arbeiten stark mit Entitäten, also erkennbaren Dingen wie Unternehmen, Personen, Produkten, Standorten, Normen, Branchen und Technologien. Der Spezialist sorgt dafür, dass diese Entitäten konsistent erscheinen: gleiche Firmierung, gleiche Adressen, klare Produktnamen, Autorenprofile, LinkedIn-Daten, Handelsregisterbezug, Presseprofile, Brancheneinträge und strukturierte Daten nach schema.org. Bei einem Schweizer Softwareanbieter führte allein die Bereinigung widersprüchlicher Produktnamen auf Website, LinkedIn, G2, Capterra und Partnerseiten dazu, dass Perplexity die Marke in Antworten deutlich konsistenter einordnete. Das war keine Zauberei, sondern Datenhygiene.

Ein belastbares KI-SEO-Projekt startet mit einem Audit, nicht mit Content-Produktion. Der Spezialist prüft zuerst, wo das Unternehmen heute steht. Dazu gehören klassische Sichtbarkeit, indexierte Seiten, technische Fehler, Content-Lücken, Backlink- und Erwähnungsprofil, strukturierte Daten, lokale Signale und Branchenverzeichnisse. Danach folgen KI-Tests mit standardisierten Prompts in ChatGPT, Perplexity, Gemini und Copilot. Wichtig ist, Ergebnisse zu dokumentieren: Datum, Tool, Modell oder Oberfläche, Prompt, Antwort, genannte Quellen, genannte Wettbewerber, Fehler. Ohne diese Basis wird jede spätere Verbesserung zur gefühlten Erfolgsgeschichte.

Im zweiten Schritt entsteht eine Prompt- und Themenlandkarte. Für ein mittelständisches Unternehmen im Anlagenbau könnten das 60 bis 120 reale Fragen sein: „Welche Normen gelten für Absauganlagen in Österreich?“, „Wie vergleiche ich zentrale und dezentrale Absaugung?“, „Welche Anbieter liefern Ersatzteile in der Schweiz?“ Diese Fragen werden nach Funnel-Stufe, Umsatzpotenzial, Fachbereich und vorhandenen Inhalten sortiert. Häufig zeigt sich, dass Unternehmen für zentrale Entscheidungsfragen keine gute öffentliche Antwort haben. Sie haben Präsentationen, Datenblätter und Vertriebserfahrung, aber keine indexierbare Seite, die eine KI als Quelle verwenden kann.

Dann wird gebaut. Nicht wahllos, sondern in Clustern. Ein Cluster kann aus einer Hauptseite, mehreren Unterseiten, FAQ-Abschnitten, Glossarartikeln, Case Studies, Vergleichsseiten und Download-Assets bestehen. Ein KI-SEO-Spezialist achtet darauf, dass jede Seite eine klare Aufgabe hat. Die Hauptseite erklärt das Thema umfassend. Eine FAQ beantwortet konkrete Einzelfragen in 40 bis 90 Wörtern. Eine Case Study belegt mit Zahlen, was in der Praxis passiert ist. Strukturierte Daten wie FAQPage, Article, Organization, Product, BreadcrumbList oder LocalBusiness werden dort eingesetzt, wo sie inhaltlich passen. schema.org ist kein Ranking-Trick, sondern ein Verständlichkeitsstandard.

Der vierte Schritt ist Validierung. Inhalte werden nicht nur veröffentlicht, sondern getestet. Kann Perplexity die Seite crawlen und zitieren? Erscheint sie in Google und Bing? Wird die Marke bei relevanten Prompts genannt? Versteht ChatGPT die Produktkategorie richtig, wenn es mit Webzugriff arbeitet? Stimmen Snippets und Zusammenfassungen? In einem Handelsunternehmen aus NRW zeigte ein Test, dass Copilot veraltete Öffnungszeiten aus einem Branchenverzeichnis nutzte, obwohl die Website korrekt war. Die Lösung lag nicht im nächsten Blogartikel, sondern in konsistenter Datenpflege bei Bing Places, Google Unternehmensprofil, lokalen Portalen und der eigenen Organization-Auszeichnung.

KI-SEO-Content muss nicht künstlich nach KI klingen. Im Gegenteil: Die besten Seiten sind oft die, die ein guter Fachexperte auch einem Kunden schicken würde. Sie erklären Begriffe sauber, nennen Voraussetzungen, zeigen Entscheidungslogiken und sprechen Risiken an. Ein Beispiel: Eine Seite über „ERP-Einführung im Mittelstand“ sollte nicht nur Vorteile aufzählen. Sie sollte Phasen, typische Kostenblöcke, Datenmigration, Change Management, Schnittstellen, Rollen im Projektteam und häufige Gründe für Verzögerungen erklären. Solche Inhalte sind für Marketingleiter, Geschäftsführer und KI-Systeme gleichermaßen nützlich.

Zitierfähigkeit entsteht durch konkrete Informationseinheiten. Ein Absatz wie „Wir bieten innovative Lösungen für höchste Ansprüche“ ist wertlos. Ein Absatz wie „Ein ERP-Projekt mit 80 bis 250 Mitarbeitenden dauert im DACH-Mittelstand häufig 9 bis 18 Monate, wenn Finanzbuchhaltung, Warenwirtschaft, CRM und BI angebunden werden“ ist verwertbar, sofern er fachlich haltbar ist. KI-Systeme brauchen klare Aussagen, die sich in Antworten integrieren lassen. Das bedeutet nicht, dass jedes Unternehmen Zahlen erfinden soll. Es bedeutet, vorhandenes Erfahrungswissen sauber zu formulieren, mit Einschränkungen zu versehen und bei Bedarf als eigene Projekterfahrung zu kennzeichnen.

Ein KI-SEO-Spezialist arbeitet eng mit Fachleuten. Die besten Informationen liegen selten im Marketingordner. Sie liegen bei Servicetechnikern, Key Account Managern, Projektleitern, Produktentwicklern und Geschäftsführern. In einem österreichischen B2B-Unternehmen für Industriekomponenten kam der entscheidende Content-Input aus dem Ersatzteillager: Dort wusste man, welche Bauteile bei Kälte, Staub oder Schichtbetrieb zuerst ausfallen. Daraus entstand eine Wartungs-Checkliste, die später in Perplexity bei mehreren Fachfragen als Quelle auftauchte. Die Website hatte keine höhere Textmenge als vorher, aber deutlich bessere Nutzinformation.

Formate sollten bewusst gewählt werden. Für KI-Antworten funktionieren Definitionsseiten, Entscheidungsratgeber, Vergleichstabellen, Normen-Übersichten, Kostenleitfäden, Implementierungspläne, Fehlerlisten, Glossare, Case Studies und FAQ sehr gut. Videos und PDFs können ebenfalls hilfreich sein, aber sie sollten durch HTML-Zusammenfassungen begleitet werden. Viele KMU verstecken ihr bestes Wissen in Messe-PDFs oder Produktbroschüren. Ein Spezialist extrahiert daraus indexierbare Abschnitte, ergänzt Kontext und verlinkt intern. Wichtig ist außerdem Aktualität: Seiten mit Preisen, Normen oder Softwareversionen brauchen ein sichtbares Aktualisierungsdatum und klare Verantwortliche.

KI-SEO scheitert in KMU oft nicht an fehlender Expertise, sondern an technischen Kleinigkeiten. Ein Relaunch blockiert Verzeichnisse, eine Cookie-Lösung verdeckt Inhalte, Canonicals zeigen auf falsche URLs, PDFs sind nicht sinnvoll verlinkt oder Produktseiten laden zentrale Informationen erst per JavaScript nach. Für Nutzer mag die Seite noch gut aussehen, für Crawler ist sie schwer lesbar. Ein KI-SEO-Spezialist prüft deshalb nicht nur die Oberfläche, sondern den ausgelieferten HTML-Code, Serverantworten, interne Linktiefe und Indexierbarkeit. Gerade bei Headless-CMS und internationalen Setups entstehen hier schnell Lücken.

Die robots.txt ist ein strategisches Dokument geworden. Unternehmen müssen entscheiden, welche Bots sie zulassen. GPTBot, PerplexityBot, ClaudeBot, Google-Extended und andere User Agents werden in vielen Diskussionen pauschal blockiert oder geöffnet. Eine pauschale Antwort gibt es nicht. Wer Inhalte vor Training schützen will, trifft andere Entscheidungen als ein B2B-Anbieter, der als Quelle in KI-Antworten erscheinen möchte. Wichtig ist, dass die Entscheidung bewusst erfolgt und dokumentiert wird. Ein Spezialist spricht hier mit IT, Datenschutz und Geschäftsführung, statt allein eine Zeile in der robots.txt zu ändern.

Strukturierte Daten helfen, Informationen eindeutig zu markieren. Organization-Daten nennen Firmierung, Logo, URL, Kontaktpunkte, Gründer, Standorte und SameAs-Profile. Product-Daten können Produktnamen, Kategorien, technische Merkmale und Herstellerbezug auszeichnen. Article- und FAQPage-Daten strukturieren Wissensinhalte. LocalBusiness ist für regionale Anbieter, Filialen und Dienstleister relevant. Dabei gilt: Markup muss zum sichtbaren Inhalt passen. Falsche oder übertriebene schema.org-Auszeichnungen sind riskant und bringen wenig. Der Nutzen liegt in Konsistenz. Wenn Website, Google Unternehmensprofil, LinkedIn, Handelsregister, Branchenverzeichnisse und Fachportale dieselben Kerndaten tragen, wird die Entität stabiler.

Auch Monitoring ist technische Pflichtarbeit. Google Search Console zeigt Impressionen, Klicks, Indexierung und Crawling-Probleme. Bing Webmaster Tools gewinnt an Bedeutung, weil Copilot und ChatGPT mit Websuche teilweise auf Bing-Infrastruktur und Webdaten zurückgreifen. Serverlogs zeigen, welche Bots wirklich kommen. Ein einfaches Dashboard kann monatlich erfassen: indexierte strategische Seiten, Fehlerseiten, Bot-Zugriffe, Seiten mit strukturierten Daten, Änderungen in Prompt-Tests, Erwähnungen in Perplexity und neue externe Quellen. Für viele Mittelständler reicht am Anfang ein sauberes Google Sheet. Entscheidend ist Regelmäßigkeit, nicht Tool-Prestige.

Ein KI-SEO-Spezialist trägt Verantwortung für Faktenqualität. KI-Antworten können Fehler verbreiten, aber Unternehmen dürfen diesen Fehlern nicht mit ungenauen Inhalten Vorschub leisten. Besonders in regulierten oder haftungsnahen Bereichen wie Medizintechnik, Finanzberatung, Arbeitssicherheit, Steuerberatung, Bauchemie oder Maschinenrichtlinien braucht jeder veröffentlichte Ratgeber eine fachliche Prüfung. Wenn ein Artikel Normen erwähnt, müssen Versionsstand, Geltungsbereich und nationale Unterschiede klar sein. Für DACH heißt das oft: Deutschland, Österreich und Schweiz haben ähnliche Begriffe, aber unterschiedliche Behörden, Gesetze, Förderprogramme und Zertifizierungswege.

Governance beginnt mit Rollen. Wer darf Inhalte freigeben? Wer prüft technische Aussagen? Wer aktualisiert Preisbeispiele, Normen und Produktdaten? Wer reagiert, wenn ChatGPT oder Perplexity falsche Informationen über das Unternehmen ausgeben? Ohne diese Zuständigkeiten bleibt KI-SEO ein loses Experiment. Ein sinnvolles Modell für KMU ist ein kleiner Steuerkreis: Marketing, Vertrieb, Fachexperte, IT und Geschäftsführung. Der KI-SEO-Spezialist bereitet Analysen und Empfehlungen vor, aber die fachliche Wahrheit muss aus dem Unternehmen kommen. Externe Dienstleister dürfen keine Produktversprechen erfinden.

Rechtlich relevant sind Urheberrecht, Datenschutz, Wettbewerbsrecht und Kennzeichnung. KI-generierte Inhalte dürfen nicht ungeprüft übernommen werden, besonders wenn sie fremde Formulierungen, falsche Quellen oder personenbezogene Daten enthalten. Aussagen wie „führender Anbieter“ oder „beste Lösung“ brauchen Belege oder sollten vermieden werden. Bei Kundenreferenzen müssen Freigaben vorliegen. Bei Tracking und Prompt-Monitoring sind keine personenbezogenen Daten aus CRM oder Support in öffentliche KI-Tools zu kopieren. Ein KI-SEO-Spezialist muss diese Grenzen kennen und Mitarbeitende dafür sensibilisieren. Praktisch hilft eine einfache KI-Policy mit Beispielen, was erlaubt ist und was nicht.

Ein weiteres Risiko ist Over-Optimization. Manche Unternehmen versuchen, Seiten für KI-Systeme mit künstlichen Frage-Antwort-Blöcken, Wiederholungen und Keyword-Listen zu füllen. Das verschlechtert die Nutzererfahrung und macht Inhalte austauschbar. Gute KI-SEO-Governance fragt bei jeder Maßnahme: Hilft diese Information einem echten Entscheider? Ist sie korrekt? Ist sie aktuell? Ist sie klar zuordenbar? Wenn ja, ist sie meistens auch für Such- und Antwortsysteme sinnvoll. Wenn nein, sollte sie nicht veröffentlicht werden. Diese Disziplin schützt die Marke langfristig stärker als jeder kurzfristige Sichtbarkeitstrick.

Ob ein KI-SEO-Spezialist extern oder inhouse arbeiten sollte, hängt von Ausgangslage, Tempo, Budget und internem Know-how ab. Externe Spezialisten lohnen sich besonders, wenn ein Unternehmen schnell Klarheit braucht: Audit, Strategie, technische Prüfung, Wettbewerbsanalyse, Prompt-Set, Content-Architektur und Pilotumsetzung. Sie sehen Muster aus mehreren Branchen und erkennen typische Fehler schneller. Für einen Maschinenbauer, eine Kanzlei, ein Softwarehaus oder einen Industriegroßhändler kann ein externer Blick in den ersten 60 bis 90 Tagen viel sparen, weil nicht erst intern experimentiert wird.

Inhouse wird wichtig, sobald KI-SEO dauerhaft in Prozesse eingebettet werden soll. Niemand kennt Produkte, Kundenfragen und interne Prioritäten besser als das Unternehmen selbst. Ein Inhouse-Profil kann Redaktionspläne pflegen, Fachinterviews organisieren, Freigaben steuern, neue Referenzen aufnehmen und Vertriebserkenntnisse in Content übersetzen. In vielen KMU muss das keine Vollzeitstelle sein. Häufig reicht ein SEO- oder Content-Verantwortlicher, der 20 bis 40 Prozent seiner Zeit gezielt für KI-SEO nutzt, sofern externe Unterstützung für Spezialthemen verfügbar bleibt. Entscheidend ist, dass diese Person Mandat und Zugriff auf Fachwissen bekommt.

Ein hybrides Modell ist für den Mittelstand oft am sinnvollsten. Extern übernimmt Strategie, Setup, Schulung, technische Spezialanalysen und vierteljährliche Reviews. Intern übernimmt Themeninput, Aktualisierung, Fachfreigabe, Content-Pflege und Vertriebsschleifen. Ein Beispiel aus der Praxis: Ein Schweizer B2B-Dienstleister startete mit einem externen 8-Wochen-Projekt. Danach gab es monatlich zwei Stunden Sparring, ein gemeinsames Prompt-Monitoring und quartalsweise Content-Reviews. Nach sechs Monaten wurden nicht nur mehr organische Leads gemessen, sondern auch bessere Erstgespräche, weil Kunden über konkrete Ratgeberseiten kamen und bereits verstanden hatten, welche Lösung zu ihnen passt.

Budgetseitig sollten KMU realistisch planen. Ein einmaliger KI-SEO-Audit kann je nach Umfang im niedrigen bis mittleren vierstelligen Bereich liegen, komplexe Setups mit technischer Umsetzung und Content-Clustern deutlich höher. Eine Inhouse-Stelle kostet inklusive Nebenkosten, Tools und Weiterbildung schnell 60.000 bis 90.000 Euro pro Jahr, in Ballungsräumen auch mehr. Wer nur drei Produktseiten hat, braucht keine Vollzeitrolle. Wer mehrere Märkte, viele erklärungsbedürftige Leistungen und starken Wettbewerb hat, sollte KI-SEO als dauerhafte Kompetenz aufbauen. Die Entscheidung sollte nicht lauten „Agentur oder Mitarbeiter“, sondern „welche Fähigkeiten brauchen wir wann und wie oft?“

In den ersten 30 Tagen geht es um Transparenz. Der KI-SEO-Spezialist sammelt Daten, führt Interviews und dokumentiert Ausgangswerte. Dazu gehören Search Console, Bing Webmaster Tools, Crawling mit Screaming Frog, robots.txt-Check, Sitemap-Analyse, strukturierte Daten, Top-Landingpages, wichtigste Wettbewerber und vorhandene Content-Assets. Parallel werden 30 bis 50 echte Prompts getestet. Der Vertrieb liefert typische Kundenfragen, Marketing liefert Personas und Produktmanagement prüft fachliche Prioritäten. Am Ende steht kein 80-seitiges PDF, sondern eine klare Liste: technische Blocker, Content-Lücken, strategische Chancen, Risiken und die ersten umsetzbaren Maßnahmen.

Zwischen Tag 31 und 60 wird priorisiert und umgesetzt. Quick Wins können sein: veraltete Titel und Beschreibungen korrigieren, wichtige Seiten intern stärker verlinken, Autorenprofile ergänzen, Organization-Markup bereinigen, FAQ-Abschnitte für zentrale Fragen erstellen, PDFs mit HTML-Zusammenfassungen verbinden und lokale Daten konsistent machen. Gleichzeitig beginnt die Arbeit an ein bis drei Themenclustern. Für ein IT-Systemhaus könnten das „Microsoft 365 Migration“, „IT-Sicherheit für KMU“ und „Managed Services Kosten“ sein. Jeder Cluster bekommt eine Hauptseite, mehrere präzise Unterseiten, konkrete Beispiele und eine klare Conversion-Möglichkeit.

Von Tag 61 bis 90 folgt die Messung. Der Spezialist wiederholt Prompt-Tests, prüft Indexierung, beobachtet Bot-Zugriffe, misst Impressionen, Klicks und erste Leads. Nicht jede Wirkung zeigt sich sofort. Gerade KI-Erwähnungen können schwanken. Deshalb sind qualitative Signale wichtig: Werden neue Seiten von Perplexity zitiert? Taucht die Marke in Anbieterlisten häufiger auf? Verkürzen sich Rückfragen im Vertrieb? Kommen Anfragen mit Bezug auf konkrete Ratgeber? Ein deutsches Beratungsunternehmen bemerkte nach drei Monaten, dass Interessenten im Erstgespräch dieselben Kriterien nannten, die auf einer neuen Vergleichsseite erklärt wurden. Das war ein starkes Signal.

Der wichtigste Erfolgsfaktor in diesen 90 Tagen ist Fokus. Viele Unternehmen wollen gleichzeitig Glossar, Blog, Whitepaper, YouTube, LinkedIn, Newsletter, Relaunch und KI-Chatbot starten. Das überfordert Teams und verwässert Ergebnisse. Ein guter KI-SEO-Spezialist begrenzt bewusst: erst die Crawlbarkeit sichern, dann die wichtigsten Entscheidungsfragen beantworten, dann strukturierte Daten und Entity-Signale stärken, dann Monitoring etablieren. Danach kann skaliert werden. Wer diese Reihenfolge einhält, baut kein Strohfeuer, sondern ein System, das klassische Suche, KI-Antworten und Vertriebsgespräche zugleich verbessert.