Loading audit…
GEO Audit ReportKaufman AIS
Sprache
GEO Score
Nachbesserung nötig
Audit-Verlauf für diese Domain
Jeder Lauf erzeugt einen eigenen Report — ältere Audits bleiben gespeichert und sind weiterhin abrufbar.
Erster Audit für diese Domain — nach einem erneuten Lauf erscheint hier der Verlauf.
Eingeschränkte Crawl-Abdeckung
Kategorie- und/oder Produktseiten konnten nicht zuverlässig gefunden werden. Es wurde nur die Startseite bewertet — wie ein LLM-Crawler ohne Katalogkarte.
ChatGPT, Perplexity und ähnliche Bots crawlen selten Ihren gesamten Shop. Ohne erkennbare Kategorie-/PDP-URLs, Sitemap und llms.txt fehlen ihnen Struktur, Angebote und GEO-Signale.
Der Gesamtscore ist auf maximal 40 Punkte begrenzt und spiegelt keine vollständige 7-Seiten-Stichprobe wider.
Fehlende Signale für KI-Crawler
- Nur Startseite analysiert (keine Kategorie-/Produkt-Stichprobe)
- Keine Produktseiten (PDP) erkannt
- Keine gültige llms.txt im Domain-Root
Übersicht
Der Gesamtscore setzt sich aus fünf gewichteten Bereichen zusammen. Jede Dimension beantwortet eine andere Frage: Kann Google und KI Ihren Shop finden, verstehen, zitieren und vertrauen?
AI Technical
Gewichtung 25%
Technische KI-Signale: HTML-Struktur, llms.txt, JSON-LD, Sitemap. Fehlende llms.txt oder zu wenig JSON-LD führen zu harten Abzügen im Gesamtscore.
GEO Readiness
Gewichtung 35%
Antwortfähige Inhalte für generative Suche: sichtbare FAQs, klare Produktfakten, gut strukturierte Textabschnitte. Wichtigste Dimension — hier entscheidet sich, ob Ihr Shop in KI-Antworten zitiert wird; skalierbare Produktwissen-Pipelines bauen viele Teams mit RAG-Systemen.
Entity Layer
Gewichtung 25%
Strukturierte Daten (Schema.org): Product, Organization, BreadcrumbList, FAQPage, Offer. Fehlen Product- oder FAQ-Schema siteweit, sinkt diese Dimension und der Gesamtscore stark.
SEO Basis
Gewichtung 10%
Klassische Suchmaschinen-Signale: Title-Tags, Meta-Descriptions, Überschriften (H1–H3), interne Verlinkung und Canonicals. Sie geben Crawlern und KI-Systemen eine klare Seitenstruktur.
Authority
Gewichtung 5%
Vertrauen und Glaubwürdigkeit: Impressum, Kontakt, Über-uns- und Markensignale. KI-Systeme bevorzugen Quellen, die seriös und eindeutig identifizierbar sind — oft ergänzt durch souveräne KI-Architekturen in Europa.
Seiten im Detail
Startseite
Gewichtung 20%
/51
Kategorien
Gewichtung 30%
—
Produkte
Gewichtung 50%
—
Dimensionen (Radar)
Stichprobe
Repräsentative Shop-Stichprobe (max. 7 Seiten):
- 1× Startseite
- 3× Kategorie (Top / Median / Long-Tail)
- 3× Produkt (Top / Median / Long-Tail)
Startseite(1)
- Startseitehttps://www.schlossberg-switzerland.com/
Probleme & Befunde
21 Checks bestanden · 12 brauchen Aufmerksamkeit
- entity
Organization- / WebSite-Schema fehlt
Was wir gefunden haben
Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.
Warum das wichtig ist
JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.
So beheben Sie es
Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.
Schritte
- Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
- Optional WebSite mit SearchAction für interne Suche
- Im Quelltext unter <script type="application/ld+json"> prüfen
- Mit Google Rich Results Test validieren
- entity
FAQ-Inhalt / FAQ-Schema fehlt
Was wir gefunden haben
Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.
Warum das wichtig ist
Viele KI-Antworten sind fragebasiert. Fehlen FAQs siteweit, zieht der Audit deutlich Punkte ab — Schema oder sichtbare Q&A-Abschnitte sind Pflicht für GEO.
So beheben Sie es
Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.
Schritte
- Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
- Sichtbarer FAQ-Block + strukturiertes Markup
- Antworten kurz, sachlich, im ersten Satz die Kernaussage
- entity
Zu wenige Produktattribute im Schema
Was wir gefunden haben
Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).
Warum das wichtig ist
KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.
So beheben Sie es
Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.
Schritte
- Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
- Offers-Objekt mit price, priceCurrency, availability prüfen
- Refurbished/B2B: Zustand und Garantie als additionalProperty
- Rich Results Test: Warnungen zu fehlenden Feldern beheben
- entity
Wenig strukturierte Daten (JSON-LD) auf der Seite
Was wir gefunden haben
Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.
Warum das wichtig ist
JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.
So beheben Sie es
Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.
Schritte
- In „Seitenquelltext anzeigen“ nach application/ld+json suchen
- Pro Template definieren, welche @type Pflicht sind
- Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
- Nach Deploy Stichprobe mit Rich Results Test
- geo
Inhalt zu dünn für KI-Antworten
Was wir gefunden haben
Wenig extrahierbarer Fließtext — unter der Schwelle für „answerable“ Content.
Warum das wichtig ist
Generative Engines brauchen ausreichend Text, um Produkte und Policies korrekt zu beschreiben, nicht nur Bilder oder Tabs.
So beheben Sie es
Erweitern Sie sichtbare Texte: Kurzsummary, Nutzen, Specs, FAQ — auch für refurbished/B2B-Nischen.
Schritte
- Einleitungsabsatz: Was ist es, für wen, Hauptvorteil
- Specs als HTML-Liste, nicht nur PDF/Bild
- Unique Copy pro SKU, keine leeren Template-PDPs
- geo
Inhalte schlecht in Abschnitte zerlegbar
Was wir gefunden haben
Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.
Warum das wichtig ist
Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.
So beheben Sie es
Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).
Schritte
- Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
- Keine leeren H2 nur für Design
- Listen und Absätze statt einer Textwüste
- Stichprobe: jede H2 im Quelltext lesbar?
- geo
Semantische Tiefe gering
Was wir gefunden haben
Meta-Description, Überschriften und Fließtext liefern zusammen zu wenig Kontext (wenig Überschriften, dünner Text oder fehlende Meta).
Warum das wichtig ist
KI braucht mehrere Signale (Meta, H1–H3, Body), um Thema und Intent sicher zu erkennen.
So beheben Sie es
Kombination aus Meta-Description, klarer H1, mindestens 3 Überschriften und ausreichend Body-Text.
Schritte
- Meta-Description mit Nutzen + Zielgruppe pflegen
- H1 = Seitenthema, H2/H3 für Unterthemen
- Mindestens ~300 Wörter sichtbarer Text auf Money-Pages
- Kurzfassung oben auf der Seite (2–3 Sätze)
- geo
FAQ-Abdeckung für GEO unzureichend
Was wir gefunden haben
Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).
Warum das wichtig ist
Ohne FAQ-Abdeckung verlieren Sie KI-Sichtbarkeit zu Garantie, Versand und Zustand — und der Gesamtscore wird zusätzlich abgezogen.
So beheben Sie es
Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.
Schritte
- FAQ aus Returns-, Versand- und Produktseiten konsolidieren
- Schema FAQPage nur für echte Q&A-Inhalte
- Interne Verlinkung von FAQs zu Policies
- ai
Zu wenig JSON-LD für KI-Crawler
Was wir gefunden haben
Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.
Warum das wichtig ist
Ohne ausreichend JSON-LD fehlen KI-Systemen maschinenlesbare Fakten — der Gesamtscore wird zusätzlich abgezogen, nicht nur diese Teilprüfung.
So beheben Sie es
Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.
Schritte
- Quelltext: Anzahl <script type="application/ld+json"> zählen
- PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
- Syntax mit JSON-Lint / Rich Results Test prüfen
- ai
llms.txt fehlt oder ungültig
Was wir gefunden haben
Unter /llms.txt ist keine gültige Textdatei erreichbar (404, leer oder HTML-Fehlerseite).
Warum das wichtig ist
llms.txt ist ein zentrales Signal für KI-Crawler (Shop-Kontext, Pfade, Policies). Fehlt sie, sinkt der Gesamtscore stark — neben den Scanner-Punkten gibt es eine zusätzliche Abzugsphase.
So beheben Sie es
llms.txt im Domain-Root bereitstellen (text/plain), mit Kurzbeschreibung des Shops, wichtigen URLs und optional Hinweisen für LLM-Crawler; von der Startseite oder robots.txt verlinken.
Schritte
- Datei https://ihre-domain/llms.txt anlegen (Markdown oder Plain Text)
- Shop-Beschreibung, Kategorien, Support- und Policy-URLs auflisten
- Optional in robots.txt oder Footer verlinken
- Mit curl oder Browser prüfen, dass kein HTML zurückkommt
- GEO
Product detail pages (PDP) not discoverable
Was wir gefunden haben
Auf der analysierten Seite weicht ein SEO-Basissignal vom empfohlenen Zustand ab (Details siehe Titel des Befunds).
Warum das wichtig ist
SEO-Basics sind die Grundlage, damit Suchmaschinen und KI Ihre Seiten korrekt einordnen.
So beheben Sie es
Title, Meta-Description, Überschriften und technische Signale template-weise prüfen.
Schritte
- Im CMS das betroffene Template öffnen und das genannte Feld (z. B. Title, Meta-Description, H1) korrigieren
- Nach Livegang erneuten GEO-Audit starten und Fortschritt vergleichen
- AI
Limited audit — structure not machine-readable
Was wir gefunden haben
Auf der analysierten Seite weicht ein SEO-Basissignal vom empfohlenen Zustand ab (Details siehe Titel des Befunds).
Warum das wichtig ist
SEO-Basics sind die Grundlage, damit Suchmaschinen und KI Ihre Seiten korrekt einordnen.
So beheben Sie es
Title, Meta-Description, Überschriften und technische Signale template-weise prüfen.
Schritte
- Im CMS das betroffene Template öffnen und das genannte Feld (z. B. Title, Meta-Description, H1) korrigieren
- Nach Livegang erneuten GEO-Audit starten und Fortschritt vergleichen
Top 10 To-Dos
- #1GEOAufwand: hochWirkung: 5/10
Clarify category and PDP URL patterns
Was wir gefunden haben
Auf der analysierten Seite weicht ein SEO-Basissignal vom empfohlenen Zustand ab (Details siehe Titel des Befunds).
Warum das wichtig ist
SEO-Basics sind die Grundlage, damit Suchmaschinen und KI Ihre Seiten korrekt einordnen.
So beheben Sie es
Title, Meta-Description, Überschriften und technische Signale template-weise prüfen.
Schritte
- Im CMS das betroffene Template öffnen und das genannte Feld (z. B. Title, Meta-Description, H1) korrigieren
- Nach Livegang erneuten GEO-Audit starten und Fortschritt vergleichen
Priorität: 10.00
- #2aiAufwand: geringWirkung: 8/10
llms.txt fehlt oder ungültig
Was wir gefunden haben
Unter /llms.txt ist keine gültige Textdatei erreichbar (404, leer oder HTML-Fehlerseite).
Warum das wichtig ist
llms.txt ist ein zentrales Signal für KI-Crawler (Shop-Kontext, Pfade, Policies). Fehlt sie, sinkt der Gesamtscore stark — neben den Scanner-Punkten gibt es eine zusätzliche Abzugsphase.
So beheben Sie es
llms.txt im Domain-Root bereitstellen (text/plain), mit Kurzbeschreibung des Shops, wichtigen URLs und optional Hinweisen für LLM-Crawler; von der Startseite oder robots.txt verlinken.
Schritte
- Datei https://ihre-domain/llms.txt anlegen (Markdown oder Plain Text)
- Shop-Beschreibung, Kategorien, Support- und Policy-URLs auflisten
- Optional in robots.txt oder Footer verlinken
- Mit curl oder Browser prüfen, dass kein HTML zurückkommt
Priorität: 8.00
- #3entityAufwand: geringWirkung: 7/10
Organization- / WebSite-Schema fehlt
Was wir gefunden haben
Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.
Warum das wichtig ist
JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.
So beheben Sie es
Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.
Schritte
- Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
- Optional WebSite mit SearchAction für interne Suche
- Im Quelltext unter <script type="application/ld+json"> prüfen
- Mit Google Rich Results Test validieren
Priorität: 7.00
- #4aiAufwand: geringWirkung: 7/10
Zu wenig JSON-LD für KI-Crawler
Was wir gefunden haben
Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.
Warum das wichtig ist
Ohne ausreichend JSON-LD fehlen KI-Systemen maschinenlesbare Fakten — der Gesamtscore wird zusätzlich abgezogen, nicht nur diese Teilprüfung.
So beheben Sie es
Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.
Schritte
- Quelltext: Anzahl <script type="application/ld+json"> zählen
- PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
- Syntax mit JSON-Lint / Rich Results Test prüfen
Priorität: 7.00
- #5geoAufwand: mittelWirkung: 9/10
Antwortfähigen Produkt- und Kategorietext ausbauen
Was wir gefunden haben
Zu wenig sichtbarer Text für KI-Zusammenfassungen.
Warum das wichtig ist
Modelle können nur zitieren, was sie lesen. Dünne PDPs verlieren gegen Wettbewerber mit klaren Facts.
So beheben Sie es
Pflicht-Blöcke: Summary, Specs, FAQ, Versandhinweis — alles im HTML, nicht nur in Bildern.
Schritte
- 100–200 Wörter Einleitung pro PDP (Was, Für wen, Zustand, Garantie)
- Spec-Tabelle als <ul> oder <table> im Quelltext
- Kategorien: Sortimentsbeschreibung + Kaufberatung
Priorität: 4.50
- #6entityAufwand: mittelWirkung: 8/10
FAQ-Inhalte und FAQ-Schema aufbauen
Was wir gefunden haben
Käuferfragen werden nicht strukturiert beantwortet oder markiert.
Warum das wichtig ist
GEO lebt von Frage-Antwort-Paaren. FAQs sind der schnellste Weg, in KI-Antworten zitiert zu werden.
So beheben Sie es
Sichtbare FAQs + FAQPage JSON-LD auf PDP und Top-Kategorien.
Schritte
- Support-Tickets / Sales: Top-Fragen je Kategorie listen
- Kurze Antworten (2–4 Sätze), erste Zeile = Kernaussage
- FAQPage JSON-LD nur wenn Frage+Antwort im HTML stehen
- Intern von PDP zur passenden Policy verlinken
Priorität: 4.00
- #7entityAufwand: mittelWirkung: 8/10
Zu wenige Produktattribute im Schema
Was wir gefunden haben
Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).
Warum das wichtig ist
KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.
So beheben Sie es
Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.
Schritte
- Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
- Offers-Objekt mit price, priceCurrency, availability prüfen
- Refurbished/B2B: Zustand und Garantie als additionalProperty
- Rich Results Test: Warnungen zu fehlenden Feldern beheben
Priorität: 4.00
- #8geoAufwand: mittelWirkung: 8/10
Semantische Tiefe gering
Was wir gefunden haben
Meta-Description, Überschriften und Fließtext liefern zusammen zu wenig Kontext (wenig Überschriften, dünner Text oder fehlende Meta).
Warum das wichtig ist
KI braucht mehrere Signale (Meta, H1–H3, Body), um Thema und Intent sicher zu erkennen.
So beheben Sie es
Kombination aus Meta-Description, klarer H1, mindestens 3 Überschriften und ausreichend Body-Text.
Schritte
- Meta-Description mit Nutzen + Zielgruppe pflegen
- H1 = Seitenthema, H2/H3 für Unterthemen
- Mindestens ~300 Wörter sichtbarer Text auf Money-Pages
- Kurzfassung oben auf der Seite (2–3 Sätze)
Priorität: 4.00
- #9entityAufwand: mittelWirkung: 7/10
Wenig strukturierte Daten (JSON-LD) auf der Seite
Was wir gefunden haben
Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.
Warum das wichtig ist
JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.
So beheben Sie es
Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.
Schritte
- In „Seitenquelltext anzeigen“ nach application/ld+json suchen
- Pro Template definieren, welche @type Pflicht sind
- Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
- Nach Deploy Stichprobe mit Rich Results Test
Priorität: 3.50
- #10geoAufwand: mittelWirkung: 7/10
Inhalte schlecht in Abschnitte zerlegbar
Was wir gefunden haben
Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.
Warum das wichtig ist
Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.
So beheben Sie es
Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).
Schritte
- Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
- Keine leeren H2 nur für Design
- Listen und Absätze statt einer Textwüste
- Stichprobe: jede H2 im Quelltext lesbar?
Priorität: 3.50
Schnelle Erfolge
- #1aiAufwand: geringWirkung: 8/10
llms.txt fehlt oder ungültig
Was wir gefunden haben
Unter /llms.txt ist keine gültige Textdatei erreichbar (404, leer oder HTML-Fehlerseite).
Warum das wichtig ist
llms.txt ist ein zentrales Signal für KI-Crawler (Shop-Kontext, Pfade, Policies). Fehlt sie, sinkt der Gesamtscore stark — neben den Scanner-Punkten gibt es eine zusätzliche Abzugsphase.
So beheben Sie es
llms.txt im Domain-Root bereitstellen (text/plain), mit Kurzbeschreibung des Shops, wichtigen URLs und optional Hinweisen für LLM-Crawler; von der Startseite oder robots.txt verlinken.
Schritte
- Datei https://ihre-domain/llms.txt anlegen (Markdown oder Plain Text)
- Shop-Beschreibung, Kategorien, Support- und Policy-URLs auflisten
- Optional in robots.txt oder Footer verlinken
- Mit curl oder Browser prüfen, dass kein HTML zurückkommt
Priorität: 8.00
- #2entityAufwand: geringWirkung: 7/10
Organization- / WebSite-Schema fehlt
Was wir gefunden haben
Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.
Warum das wichtig ist
JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.
So beheben Sie es
Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.
Schritte
- Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
- Optional WebSite mit SearchAction für interne Suche
- Im Quelltext unter <script type="application/ld+json"> prüfen
- Mit Google Rich Results Test validieren
Priorität: 7.00
- #3aiAufwand: geringWirkung: 7/10
Zu wenig JSON-LD für KI-Crawler
Was wir gefunden haben
Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.
Warum das wichtig ist
Ohne ausreichend JSON-LD fehlen KI-Systemen maschinenlesbare Fakten — der Gesamtscore wird zusätzlich abgezogen, nicht nur diese Teilprüfung.
So beheben Sie es
Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.
Schritte
- Quelltext: Anzahl <script type="application/ld+json"> zählen
- PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
- Syntax mit JSON-Lint / Rich Results Test prüfen
Priorität: 7.00