Technical GEO / SEO Seminar

Crawler, Browser und KI-Agent gehen beim Aufruf deiner Website exakt denselben Weg. Hier lernst du diesen Weg Station für Station kennen und erkennst sofort, an welcher Station ein Bot scheitert.

• Der Weg jeder Maschine durchs Web: DNS, TCP/TLS, HTTP-Anfrage und -Antwort, HTML-Parsing, DOM-Aufbau, Rendering
• Protokolle und ihr GEO/SEO-Impact: HTTP/1.1, HTTP/2 und HTTP/3 (QUIC)
• Status Codes im Detail: 301/308, 404/410 und Server-Fehler (5xx)
• Setup der Arbeitsumgebung: Chrome DevTools, SEO-Extensions, Google Search Console, Screaming Frog
• Workshop: HTTP-Response-Header lesen und eine URL als Googlebot und GPTBot (KI-Suchsystem) abrufen

Bevor eine Suchmaschine ranken oder eine KI zitieren kann, muss sie deine Inhalte erreichen dürfen. Du lernst, die Kommunikation mit klassischen Bots und KI-Crawlern zu steuern und im Server-Log zu überprüfen, wer wirklich kommt.

• Grundlagen des Crawling und Indexing bei Google (Rendering Pipeline)
• robots.txt-Steuerung: Wildcards, Allow/Disallow und der Umgang mit KI-Crawlern GPTBot, ClaudeBot, PerplexityBot und CCBot
• Gecrawlt ist nicht trainiert, trainiert ist nicht zitiert: was KI-Bot-Zugriffe wirklich bedeuten
• XML-Sitemaps vs. HTML-Sitemaps, Canonical-Tags bei Varianten und Parametern
• Site-Architektur und interne Verlinkung als Crawl-Steuerung
• Logfile-Analyse: KI-Crawler-Zugriffe sichtbar machen, die kein Tool zeigt
• Workshop: robots.txt-Audit der eigenen Website inklusive KI-Bot-Strategie

Die meisten KI-Crawler führen kein JavaScript aus, was nicht im Server-HTML steht, existiert für sie nicht. Du lernst, Rendering-Probleme zu diagnostizieren und deine Entitäten mit JSON-LD maschinenlesbar zu machen.

• Der HTML-Head: Title, Meta Robots, Canonical und die Reihenfolge, die zählt
• Raw HTML vs. Rendered DOM: was Googlebot rendert und was KI-Bots sehen
• Rendering-Strategien im Vergleich: SSR, CSR und die KI-sichere Entscheidung
• Accessibility Tree und actionable HTML: was KI-Agenten laut Googles „Build agent-friendly websites“ tatsächlich nutzen
• Schema.org-Vokabular und JSON-LD-Syntax verstehen, Entitäten verschachteln (Knowledge-Graph-Optimierung)
• Validierung mit dem Rich Results Test und Schema-Visualisierung als Entitäten-Graph
• Workshop: Manuelles Schreiben eines fehlerfreien JSON-LD-Blocks für eine eigene Kern-Entität

Performance entscheidet dreifach: über Rankings, über Nutzererlebnis und darüber, ob ein KI-Bot deine Seite beim Echtzeit-Abruf überhaupt vollständig lädt. Wir analysieren den Ladevorgang im Detail.

• Metriken verstehen: Lab Data vs. Field Data (CrUX Report)
• Deep Dive: LCP, CLS und INP (Interaction to Next Paint) optimieren
• Timeout-Verhalten von KI-Bots beim Live-Abruf
• Hosting, CDNs und das <picture>-Element für responsive Bilder
• Workshop: Analyse eines Wasserfall-Diagramms zur Identifikation von Render-Blockern

GEO (Generative Engine Optimization) heißt: Deine Inhalte werden von KI-Systemen als Quelle ausgewählt und zitiert, nicht nur gerankt. Du lernst die RAG-Pipeline hinter ChatGPT, Perplexity und Google AI Overviews kennen und baust Seiten in zitierfähige Passagen um.

• Wie AI Overviews, AI Mode, ChatGPT, Perplexity und Claude Quellen abrufen und zitieren
• Die RAG-Pipeline: Retrieval, Ranking, Generation, Citation
• Query-Fan-out: Eine Frage wird zu vielen Teilfragen und wie du Fan-outs clusterst statt einzeln zu optimieren
• Passage-Optimierung: klare, deklarative Absätze, die für sich allein verständlich sind (BLUF-Prinzip)
• llms.txt ehrlich eingeordnet: von Google für die Suche abgelehnt, für Agenten relevant
• AI-Sichtbarkeit messen: Grounding-URLs in AI Overviews, zitierte Quellen vergleichen
• Workshop in drei Stufen: Quellen vergleichen · eine Seite zitierfähig umbauen · Query-Fan-out mappen

Vom Rich Snippet zur Wissensbasis: Dieselben Entitäten, die heute deine Suchergebnisse anreichern, machen dein Wissen morgen für KI-Agenten abfragbar. Du verpackst das Wissen deiner Website in agentenlesbare Formate.

• schema.org als Fundament der semantischen und agentischen Web-Schicht
• Knowledge-Graph-Analyse: Entitäten- und Relationen-Lücken gegenüber den Top-10 finden
• NLWeb: die eigene Website per natürlicher Sprache abfragbar machen, jede Instanz ist zugleich ein MCP-Server
• Das Open Knowledge Format (OKF): Wissen als Markdown-Bundle mit YAML-Struktur
• Workshop: Ein OKF-Konzept-File für eine eigene Kern-Entität schreiben

KI-Agenten lesen nicht nur, sie handeln: Sie suchen, vergleichen, buchen und kaufen. Du lernst die Protokolle kennen, über die deine Website für Agenten auffindbar und bedienbar wird, und ordnest ihren Reifegrad ehrlich ein.

• MCP (Model Context Protocol) als universelle Schnittstelle zwischen Agenten und Tools
• WebMCP: der Website eigene Tools geben (navigator.modelContext), damit Agenten zuverlässig handeln
• ARD (Agentic Resource Discovery): mit ai-catalog.json unter /.well-known/ die Fähigkeiten deiner Domain veröffentlichen
• Identität und Vertrauen: did:web für verifizierbare Domain-Identität
• Für Shops: Agentic Commerce mit ACP (Instant Checkout in ChatGPT) und AP2 einordnen
• Workshop: Eine ai-catalog.json für die eigene Domain entwerfen oder ein WebMCP-Tool aus einem Formular ableiten

Am Ende steht deine eigene Analyse: Kann deine Website von allen drei Konsumenten, also Crawler, Sprachmodell und Agent, gelesen, zitiert und genutzt werden? Du führst die Instrumente zusammen und sicherst Rankings wie Citations über den nächsten Relaunch.

• Die drei Konsumenten deiner Seite: der Crawler rankt, das LLM zitiert, der Agent wählt
• Agent-Readiness-Scorecard: zugänglich, renderbar, schnell, strukturiert, bewertbar, auffindbar, mit Beleg je Kriterium
• Monitoring: Server-Log als ehrlichste Quelle, Share of Citations, AI-Sichtbarkeits-Tools per MCP anbinden
• Workshop: Daten-Fusion, Screaming-Frog-Crawl mit GSC-Daten zusammenführen („Quality Audit“)
• Relaunch & Migration im KI-Kontext: Redirects erhalten nicht nur Rankings, sondern auch Citations (301 vs. 410)
• Post-Live-Checklisten und deine persönliche Technical-GEO/SEO-Roadmap