Die 10 GEO-Checks, an denen die meisten Websites scheitern

Wer in Antworten von ChatGPT, Perplexity, Claude oder Google AI Overviews auftauchen will, braucht keine neue Disziplin, sondern belegbare, maschinenlesbare Angaben. Wir haben ausgewertet, woran das in der Praxis scheitert: 23.696 abgeschlossene Audits auf 13.327 Domains, geprüft mit dem AI Trust Audit. Diese zehn Kriterien fallen am häufigsten durch — und einige davon dürften Sie überraschen.

Das Wichtigste in Kürze

• Datenbasis statt Bauchgefühl: Alle Quoten in diesem Beitrag stammen aus 23.696 abgeschlossenen Audits auf 13.327 Domains (Stand August 2026), nicht aus einer Umfrage oder Schätzung.
• Die Klassiker sind erledigt, die Belege fehlen: Datenschutzerklärung, robots.txt und Sitemap sitzen zwischen 73 und 94 Prozent. Die Auszeichnung von Bewertungen dagegen bei 5 Prozent.
• Der größte Ausfall ist der unbekannteste: Die sameAs-Verknüpfung — die Verbindung der eigenen Marke mit ihren Profilen im Netz — fehlt bei zwei von drei geprüften Seiten vollständig.
• Aufwand und Wirkung passen selten zusammen: Sechs der zehn Punkte sind in wenigen Stunden umsetzbar, weil es um Auszeichnung geht, nicht um neue Inhalte.

So haben wir ausgewählt

Grundlage sind alle abgeschlossenen Audit-Läufe. Für jedes Kriterium liegt vor, wie oft es vollständig erfüllt, teilweise erfüllt oder nicht erfüllt wurde. Aufgenommen wurden Kriterien mit hoher Gewichtung und hoher Durchfallquote — also dort, wo viel Wirkung auf wenig Umsetzung trifft.

Bewusst nicht in der Liste stehen die No-Brainer: Datenschutzerklärung (73 Prozent erfüllen sie vollständig), erreichbare robots.txt (94 Prozent), Lesbarkeit (87 Prozent), XML-Sitemap (81 Prozent), Impressum (68 Prozent). Auch der Title-Tag fällt nur bei 5 Prozent der Seiten durch, und lediglich 6 Prozent sperren GPTBot aktiv aus. Das sind wichtige Grundlagen — aber keine Baustellen mehr.

Produktbezogene Kriterien laufen nur auf erkannten Shop-Seiten; deren Quoten beziehen sich auf 4.747 Läufe. Die Nummerierung ist alphabetisch und keine Rangfolge.

Vergleich auf einen Blick

Check	Kategorie	Vollständig erfüllt	Aufwand	Wirkung auf KI-Antworten
1. Bild-Alt-Texte	Inhalt	35 %	Mittel	Hoch
2. FAQ-Schema	Struktur	7 %	Gering	Sehr hoch
3. Organization-Schema	Struktur	46 %	Gering	Sehr hoch
4. Produkt-Identifikatoren	Produktdaten	27 %	Mittel	Sehr hoch
5. Qualität der Über-uns-Seite	Inhalt	25 %	Mittel	Hoch
6. Review-Schema	Reputation	5 %	Mittel	Sehr hoch
7. sameAs-Entitätsverknüpfung	Struktur	22 %	Gering	Hoch
8. Veröffentlichungsdatum	Inhalt	27 %	Gering	Hoch
9. Vollständige Angebotsdaten	Produktdaten	34 %	Mittel	Sehr hoch
10. Website-Schema mit Suchfunktion	Struktur	36 %	Gering	Mittel

1. Bild-Alt-Texte

Kategorie: Inhalt

Was geprüft wird: Ob die inhaltlich relevanten Bilder einer Seite beschreibende Alternativtexte tragen — und nicht nur Dateinamen oder leere Attribute.

Erfolgsquote: 35 Prozent erfüllen den Check vollständig, 26 Prozent gar nicht. Damit ist er der schwächste unter den hoch gewichteten Kriterien.

Warum es für KI-Antworten zählt: Textbasierte Crawler sehen kein Bild. Was im Alt-Text steht, ist alles, was vom Bild in die Antwort gelangen kann — bei Produktfotos also Farbe, Material, Variante.

Best Practice: alt="Espressomaschine Siebträger, 2 Brühgruppen, Edelstahl" statt alt="Produktbild". Dekorative Bilder bekommen ein leeres alt="", damit sie bewusst übersprungen werden.

Häufigster Fehler: Das Shop-System füllt den Alt-Text automatisch mit dem Produktnamen. Formal vorhanden, inhaltlich ohne Zusatzinformation.

2. FAQ-Schema

Kategorie: Struktur

Was geprüft wird: Ob Fragen und Antworten auf der Seite als FAQPage ausgezeichnet sind.

Erfolgsquote: 7 Prozent. Mehr als neun von zehn Seiten verschenken das Format, das dem Antwortformat von KI-Systemen am nächsten kommt.

Warum es für KI-Antworten zählt: Eine Frage-Antwort-Struktur liefert genau den Block, den ein Modell zitieren kann: eine abgegrenzte Frage und eine abgeschlossene Antwort — ohne dass es den Zusammenhang aus Fließtext rekonstruieren muss.

Best Practice: FAQ-Blöcke dort platzieren, wo die Frage entsteht — auf Produkt-, Versand- und Rückgabeseiten, nicht nur auf einer zentralen FAQ-Seite. Jede Antwort in zwei bis vier Sätzen, eigenständig verständlich.

Häufiger Fehler: Die Fragen stehen als Akkordeon auf der Seite, das Markup fehlt. Für Käufer sichtbar, für Maschinen nur ein Haufen div-Elemente.

3. Organization-Schema

Kategorie: Struktur

Was geprüft wird: Ob die Website ihre Betreiberidentität als Organization ausgibt — Name, Logo, Kontaktweg, Adresse.

Erfolgsquote: 46 Prozent. Auf mehr als der Hälfte der Seiten fehlt damit die Grundidentität, obwohl dieser Check zu den am höchsten gewichteten gehört.

Warum es für KI-Antworten zählt: Ohne eindeutige Organisation kann ein Modell Aussagen, Bewertungen und Produkte keiner Marke zuordnen. Alles andere baut darauf auf.

Best Practice: Ein Organization-Objekt global im Seitenkopf ausliefern, mit name, url, logo, contactPoint und address — identisch auf allen Seiten und identisch zu Impressum und Google-Unternehmensprofil.

Häufiger Fehler: Zwei widersprüchliche Firmierungen — eine im Markup, eine im Impressum. Das schwächt die Zuordnung, statt sie zu stärken.

4. Produkt-Identifikatoren

Kategorie: Produktdaten

Was geprüft wird: Ob Produkte eindeutige Kennungen tragen: GTIN beziehungsweise EAN, MPN, SKU und die Marke.

Erfolgsquote: 27 Prozent der geprüften Shop-Seiten erfüllen den Check vollständig, 62 Prozent gar nicht.

Warum es für KI-Antworten zählt: Einkaufende Agenten müssen erkennen, dass Ihr Angebot dasselbe Produkt betrifft wie das eines Wettbewerbers. Ohne Kennung ist Ihr Artikel für einen Preis- oder Verfügbarkeitsvergleich schlicht ein anderer Artikel.

Best Practice: gtin13, mpn, sku und brand im Product-Objekt ausgeben. Bei Eigenmarken ohne GTIN: MPN und Marke konsequent pflegen.

Häufiger Fehler: Die Kennungen liegen im Warenwirtschaftssystem und im Google-Merchant-Feed, aber nicht im HTML der Produktseite. Der Feed erreicht nur Google, die Produktseite alle anderen.

Überraschend daran: Dieser Punkt ist der klarste Vorbote des agentischen Einkaufens — und trotzdem der am schlechtesten gepflegte Produktdatensatz.

5. Qualität der Über-uns-Seite

Kategorie: Inhalt

Was geprüft wird: Nicht, ob eine Über-uns-Seite existiert, sondern ob sie belastbare Fakten enthält: Gründung, Standort, Team, Sortimentsschwerpunkt, Kontakt.

Erfolgsquote: 25 Prozent. Zum Vergleich: Eine Über-uns-Seite haben 89 Prozent.

Warum es für KI-Antworten zählt: Bei der Frage „Ist dieser Anbieter seriös?" ist die Über-uns-Seite die dichteste Faktenquelle auf der Domain. Marketing-Prosa liefert dafür nichts.

Best Practice: Konkret werden: Gründungsjahr, Rechtsform, Sitz, Mitarbeiterzahl, Ansprechpartner mit Namen, Auswahl der geführten Marken.

Häufiger Fehler: Drei Absätze über Leidenschaft und Qualität, ohne eine einzige überprüfbare Angabe.

Überraschend daran: Die Lücke zwischen „vorhanden" und „aussagekräftig" ist bei keinem anderen Kriterium so groß.

6. Review-Schema

Kategorie: Reputation

Was geprüft wird: Ob Kundenbewertungen als Review beziehungsweise AggregateRating ausgezeichnet sind.

Erfolgsquote: 5 Prozent. Das ist der auffälligste Wert im gesamten Datensatz — und er liegt nicht daran, dass die Shops keine Bewertungen hätten.

Warum es für KI-Antworten zählt: Bewertungen sind das am häufigsten zitierte Vertrauensmerkmal in KI-Antworten zu Anbietern. Eine Note ohne Herkunft und Anzahl ist dabei eine unbelegte Zahl.

Best Practice: Note, Anzahl und einzelne Bewertungstexte serverseitig ausliefern und auszeichnen. Trusted Shops Bewertungen — unser eigenes Angebot — stammen aus verifizierten Bestellungen und lassen sich so einbinden, dass sie im Quelltext stehen.

Häufiger Fehler: Das Bewertungs-Widget wird per JavaScript nachgeladen. Käufer sehen die Sterne, ein Großteil der KI-Crawler liest nur das reine HTML — dort steht nichts.

Überraschend daran: Der Abstand zwischen sichtbaren Bewertungen und ausgezeichneten Bewertungen ist die größte einzelne Sichtbarkeitslücke, die wir messen.

7. sameAs-Entitätsverknüpfung

Kategorie: Struktur

Was geprüft wird: Ob die Marke ihre offiziellen Profile — Google-Unternehmensprofil, LinkedIn, Wikidata, Branchenverzeichnisse — über sameAs mit der eigenen Domain verknüpft.

Erfolgsquote: 22 Prozent. Mit 67 Prozent klarem Durchfall ist das der größte Ausfall der gesamten Auswertung.

Warum es für KI-Antworten zählt: sameAs sagt einem Modell: Die Marke auf dieser Website und das Profil dort drüben sind dieselbe Entität. Ohne diese Brücke bleiben externe Belege unverknüpftes Rauschen.

Best Practice: Im Organization-Objekt ein sameAs-Array mit den offiziellen Profil-URLs pflegen. Nur Profile aufnehmen, die Ihnen tatsächlich gehören und aktiv sind.

Häufiger Fehler: Verlinkt werden Social-Buttons im Footer statt maschinenlesbarer Verknüpfungen im Markup.

Überraschend daran: Aufwand: rund fünfzehn Minuten. Trotzdem der am seltensten erfüllte Struktur-Check.

8. Veröffentlichungs- und Aktualisierungsdatum

Kategorie: Inhalt

Was geprüft wird: Ob Inhalte ein maschinenlesbares Erstellungs- und Änderungsdatum tragen.

Erfolgsquote: 27 Prozent, 73 Prozent erfüllen den Check gar nicht.

Warum es für KI-Antworten zählt: Bei Fragen mit Zeitbezug — Preise, Rechtslage, Verfügbarkeit, Jahreszahlen — bevorzugen Modelle nachweislich datierte Quellen. Ohne Datum bleibt Ihr Inhalt bei jeder Aktualitätsprüfung außen vor.

Best Practice: datePublished und dateModified im Markup führen und das Datum zusätzlich sichtbar ausgeben. dateModified nur ändern, wenn sich der Inhalt wirklich geändert hat.

Häufiger Fehler: Das Datum wird bei jedem Deployment automatisch hochgesetzt. Das erzeugt Aktualität, die keine ist — und entwertet das Signal.

9. Vollständige Angebotsdaten

Kategorie: Produktdaten

Was geprüft wird: Ob zum Produkt Preis, Währung, Verfügbarkeit sowie Versand- und Rückgabebedingungen maschinenlesbar vorliegen.

Erfolgsquote: 34 Prozent der geprüften Shop-Seiten, 64 Prozent fallen durch.

Warum es für KI-Antworten zählt: „Was kostet das inklusive Versand, und ist es lieferbar?" ist die typische Kaufabsichtsfrage. Fehlt eine der Angaben, kann ein Modell Ihr Angebot nicht in den Vergleich aufnehmen — es lässt Sie weg.

Best Practice: Im Offer-Objekt price, priceCurrency, availability, shippingDetails und hasMerchantReturnPolicy ausgeben und mit den Angaben auf der Seite synchron halten.

Häufiger Fehler: Preis und Verfügbarkeit sind ausgezeichnet, Versand und Rückgabe nicht. Genau diese beiden entscheiden aber im Vergleich.

10. Website-Schema mit Suchfunktion

Kategorie: Struktur

Was geprüft wird: Ob die Domain ein WebSite-Objekt samt SearchAction bereitstellt.

Erfolgsquote: 36 Prozent.

Warum es für KI-Antworten zählt: Damit sagen Sie einem System, wie es gezielt auf Ihrer Seite suchen kann, statt sich durch die Navigation zu hangeln. Für agentische Zugriffe wird das zunehmend relevant.

Best Practice: WebSite mit potentialAction und der eigenen Such-URL im Seitenkopf ausliefern — einmal global, nicht pro Seite unterschiedlich.

Häufiger Fehler: Die Such-URL im Markup zeigt auf einen alten Parameter, der ins Leere läuft.

Häufige Fragen

Was ist GEO überhaupt?

GEO steht für Generative Engine Optimization: die Optimierung einer Website darauf, in Antworten generativer KI-Systeme vorzukommen. Technisch überschneidet es sich stark mit SEO, gewichtet aber maschinenlesbare Belege und eindeutige Entitäten deutlich höher.

Reicht klassisches SEO nicht aus?

Für die Grundlagen ja — saubere Struktur, erreichbare Sitemap, gute Inhalte zahlen auf beides ein. Der Unterschied liegt in der Auszeichnung: Was ein Mensch auf der Seite sieht, muss zusätzlich als strukturierte Angabe vorliegen, sonst existiert es für einen HTML-Crawler nicht.

Womit fange ich an, wenn ich nur einen Tag Zeit habe?

Mit den Struktur-Checks: Organization, sameAs und die Datumsangaben sind in wenigen Stunden erledigt und betreffen die gesamte Domain. Die Auszeichnung von Bewertungen und Produktdaten folgt danach.

Wie oft sollte ich das prüfen?

Nach jedem größeren Relaunch und ansonsten quartalsweise. Strukturierte Daten gehen bei Template-Änderungen erfahrungsgemäß am schnellsten verloren.

Wo Ihre Website steht

Alle zehn Kriterien sind Teil des AI Trust Audit. Die Prüfung ist kostenlos, dauert wenige Minuten und zeigt für jeden Punkt, ob er erfüllt, teilweise erfüllt oder offen ist — inklusive konkreter Umsetzungshinweise für Ihre Domain.

Zur Methodik

Ausgewertet wurden alle abgeschlossenen Audit-Läufe im AI Trust Audit (Stand August 2026): 23.696 Läufe auf 13.327 eindeutigen Domains. Die Auswertungsbasis unterscheidet sich je Kriterium, weil einzelne Checks erst im Lauf der Zeit eingeführt wurden und produktbezogene Checks nur auf erkannten Shop-Seiten laufen — die jeweilige Basis reicht daher von rund 4.700 bis 23.300 Läufen. Detailergebnisse älter als zwölf Monate werden aus Datenschutzgründen gelöscht und fließen nicht in die Quoten ein.