JPKCom DB

SEO & GEO Analyzer — Anwendungsbeispiele

Praxisnahe Durchläufe mit dem SEO & GEO Analyzer: eine Seite prüfen, einen schwachen Score deuten und beheben, Structured Data und KI-Readiness testen.

Zurück zur Übersicht: SEO & GEO Analyzer · Tool live öffnen: www.jpkc.com/tools/seo/

Das Manual erklärt jeden Tab und jede Score-Gewichtung im Detail. Diese Seite ergänzt das um konkrete Arbeitsabläufe: typische Aufgaben, Schritt für Schritt durchgespielt, mit dem Fokus darauf, wie du das Ergebnis liest und was du danach tust. Die Oberfläche des Tools ist auf Englisch — Tab- und Button-Namen stehen deshalb in ihrer englischen Original-Schreibweise, bei Bedarf mit deutscher Erläuterung.

Beispiel 1: Erster vollständiger Audit einer echten Seite

Der Klassiker — du willst wissen, wo eine Seite überhaupt steht.

  1. Öffne den Analyzer, füge eine absolute URL in das Eingabefeld ein (z. B. eine Produkt- oder Artikelseite, nicht nur die Startdomain) und klick auf Analyze.
  2. Du landest automatisch im Overview-Tab. Ganz oben stehen drei Badges: der HTTP-Status samt Protokoll, SEO: x/100 und GEO: x/100, jeweils mit Buchstabennote. Darunter folgen die harten Eckwerte: HTTP-Version, Seitengröße, TTFB, Redirect-Anzahl und die wichtigsten On-Page-Werte (Titel, Description, H1, Structured Data) als Ampel-Symbole. Steht dort ein gelber Hinweis, war die Seite größer als 5 MB und wurde nur teilweise analysiert.
  3. Lies zuerst die Farbe, dann die Zahl. Ab 80 sind Badge und Gauge grün, ab 50 gelb, darunter rot — dazu gibt es eine Buchstabennote von A bis F. Ein Wert wie SEO: 67/100 (C) heißt: solide Basis, aber spürbar Luft nach oben. Wichtig ist nicht die eine Zahl, sondern welche Prüfungen die Punkte kosten.
  4. Geh dazu in den Issues & Warnings-Block (ebenfalls im Overview) — er listet alle nicht bestandenen SEO-Prüfungen mit Notiz. Ein Klick auf einen Eintrag bringt dich direkt in den Tab, in dem du das Problem nachprüfst, etwa Meta Tags oder SSL / Security. Für die Priorisierung wechselst du in den SEO Score-Tab: Dort ist der Score nach Kategorien aufgeschlüsselt, jede Einzelprüfung mit Status pass, partial oder fail und der Spalte Points (erreicht / möglich).
  5. Arbeite am größten Hebel zuerst. Eine fehlende Meta Description (70–160 chars) kostet bis zu 8 Punkte, ein fehlendes og:image 3 — die Spalte Points sagt dir, was sich zuerst lohnt. Mit Copy Report nimmst du die komplette Liste als Klartext mit, etwa ins Ticket-System.

Ein mittlerer Score ist also kein Urteil, sondern eine To-do-Liste. Genau diese Liste arbeitest du in den nächsten Beispielen ab.

Beispiel 2: Einen schwachen SEO-Score gezielt heben

Angenommen, der SEO-Score steht bei gelb und im SEO Score-Tab fallen mehrere Prüfungen als fail oder partial auf. Nimm die typischen Kandidaten der Reihe nach:

  • Meta Description (70–160 chars) ist fail. Die Seite hat keine Description, der Tab Meta Tags zeigt das Feld leer. Schreib eine 70–160 Zeichen lange Description, bau sie ein — und du holst die vollen 8 Punkte. Jede nicht-leere Description außerhalb von 70–160 Zeichen bringt 4 Punkte (partial), die volle Punktzahl gibt es erst im Zielkorridor.
  • Single H1 Heading ist partial. Im Meta Tags-Tab (Karte Heading Structure) siehst du zwei <h1>. Mehr als eine H1 gibt nur 2 statt 5 Punkten. Mach die zweite zu einer <h2> — das räumt oft gleich die Prüfung Heading Hierarchy mit auf, falls dadurch keine Ebene mehr übersprungen wird.
  • Security Headers ≥ 4 ist partial. Die Notiz im SEO Score-Tab nennt dir, wie viele der acht geprüften Header gesetzt sind (z. B. „2/8 security headers present"). Geprüft werden HSTS, CSP, X-Frame-Options, X-Content-Type-Options, Referrer-Policy, Permissions-Policy, Cross-Origin-Opener-Policy und Cross-Origin-Resource-Policy. Welche fehlen und ob die vorhandenen sinnvoll belegt sind, zeigt die Karte Security Headers im SSL / Security-Tab — dort meldet das Tool etwa ein HSTS ohne includeSubDomains. Ergänzt du auf dem Server mindestens vier davon, springt die Prüfung von 1 auf 3 Punkte.
  • Canonical URL ist partial. Das Canonical zeigt auf eine andere Adresse, die Notiz nennt sie. Für eine echte Dublette ist das richtig — für die Hauptseite heißt es, dass Suchmaschinen eine andere URL indexieren. Setz das Canonical auf die eigene URL, dann gibt es die vollen 3 Punkte.

Danach kommt der wichtigste Schritt: Seite erneut analysieren. Füge dieselbe URL noch einmal ein und klick wieder auf Analyze — die Gauge bewegt sich nach oben, und du siehst schwarz auf weiß, dass die Fixes greifen. (Wie du Vorher und Nachher sauber gegenüberstellst, zeigt Beispiel 6.)

Beispiel 3: KI-Readiness prüfen — kann ein LLM die Seite zitieren?

Der GEO-Score beantwortet die Frage, ob generative Systeme (ChatGPT, Claude, Perplexity, Google AI) deine Seite gut erfassen und zitieren können. So gehst du vor:

  1. Wechsle nach dem Lauf in den GEO Score-Tab. Er ist nach vier Kategorien gegliedert: Structured Data, AI Discoverability, Content Structure und Machine Readability. Beachte: Eine Prüfung (Content Signals Declared) erscheint immer als reiner info-Hinweis ohne Punktwirkung; eine zweite (Markdown via Content Negotiation) nur im Expert Mode.
  2. Schau zuerst auf AI Discoverability. Hier zählt die Prüfung AI Crawlers Allowed: Sie testet die robots.txt gegen 16 namentliche KI-Bots — Trainings-Crawler wie GPTBot, ClaudeBot, Google-Extended oder CCBot, Such-Crawler wie OAI-SearchBot, Claude-SearchBot und PerplexityBot sowie Abrufe im Auftrag von Nutzern wie ChatGPT-User oder Claude-User. „Gut" heißt hier: 0 blockiert → volle 3 Punkte. Welcher Bot an welcher Regel hängen bleibt, zeigt dir die Tabelle Per-Bot Access im Robots Analysis-Tab: Die KI-Bots tragen dort das Typ-Badge AI, die Spalte Matched Rule nennt die greifende Regel. So erkennst du etwa, dass du Training bewusst sperrst (GPTBot, ClaudeBot), die KI-Suche aber zulässt (OAI-SearchBot, Claude-SearchBot) — eine legitime Entscheidung, die nur einen Teil der Punkte kostet.
  3. Prüf llms.txt Present und llms.txt Valid Structure. Fehlt die Datei, fehlen beide. „Gut" sieht so aus: eine erreichbare, nicht-leere und strukturell saubere llms.txt (zusammen 5 Punkte). Eine vorhandene, aber fehlerhafte Datei bekommt nur Teilpunkte. Die Karte llms.txt im GEO-Score-Tab listet die einzelnen Fehler und Warnungen mit Zeilennummer — eine fehlende Blockquote-Zusammenfassung ist dabei nur eine Warnung, eine fehlende H1 ein Fehler.
  4. Wirf einen Blick auf die Karte Content Signals. Hast du Content-Signal-Direktiven gesetzt, siehst du hier, aus welcher Quelle sie kommen, was jedes Signal bedeutet und ob es pfadbezogene Regeln gibt. Erscheint ein gelber Konflikt-Hinweis, erlauben deine Signale KI-Nutzung, während die robots.txt KI-Crawler sperrt — eine der beiden Stellen solltest du angleichen.
  5. In Structured Data zählen JSON-LD Present, Schema Variety, FAQ Schema und Author / Organization Schema. Letzteres ist dein E-E-A-T-Signal: Markiert dein JSON-LD eine Person/Organization oder ein author-Feld, weiß die KI, wem sie die Aussage zuschreiben kann.

Was tun, wenn es rot ist? Genau dafür gibt es passende Generatoren:

  • llms.txt-Generator — erzeugt eine strukturell gültige llms.txt, die direkt die beiden llms.txt-Prüfungen grün macht.
  • Meta-Tags-Generator — liefert saubere Open-Graph- und Twitter-Daten, die sowohl im SEO- als auch im GEO-Score zählen.

Lädst du danach die Seite neu in den Analyzer, kannst du den GEO-Score-Sprung direkt ablesen.

Beispiel 4: Structured Data und Rich-Result-Readiness validieren

Du willst wissen, ob deine Auszeichnung für Rich Results und KI-Zitate taugt:

  1. Öffne nach dem Lauf den Structured Data-Tab. Er listet jeden gefundenen JSON-LD-Block als eigene Karte. Über Explorer klappst du die Daten als Baum auf, über Raw siehst du den Rohtext.
  2. Prüf, welche @type erkannt wurden. Der Analyzer sammelt die Typen rekursiv. Für die GEO-Prüfung Schema Variety gilt: ≥ 3 verschiedene Typen → volle 3 Punkte, 2 → 2, 1 → 1. Eine Seite mit nur WebPage schöpft das Potenzial nicht aus — kommen z. B. BreadcrumbList, Article und Organization dazu, steigt der Wert.
  3. Achte gezielt auf zwei Signale: ein FAQPage-Block (Prüfung FAQ Schema, 3 Punkte — und ein direkter Hebel für FAQ-Rich-Results) und ein Autor-/Organisations-Schema (Author / Organization Schema, 3 Punkte). Beide tauchen im Tab als erkannte Blöcke auf, wenn sie korrekt eingebaut sind.
  4. Findet der Tab erwartete Typen nicht, liegt es meist an ungültigem JSON-LD — der Block erscheint dann als „Invalid JSON" mit der Fehlermeldung des Parsers. Schlag die betreffende Stelle im Source Code-Tab nach und korrigier sie im Markup.
  5. Gegenprobe: Der Button Schema.org Validator in der Karte External Validation öffnet die analysierte URL direkt in validator.schema.org. Der Analyzer zählt Typen und GEO-Signale, die inhaltliche Prüfung gegen das Schema.org-Vokabular übernimmt der Validator.

Beispiel 5: Mit den Demo-Modi lernen — ohne Live-Seite

Du musst keine echte URL prüfen, um den Analyzer kennenzulernen. Im Export / Import-Tab liegen drei Demo-Buttons, die fertige Beispiel-Analysen laden (dieser Tab funktioniert auch ohne vorherigen Lauf):

  • Perfect (grün) — eine Seite, bei der alles passt: HTTPS, sechs der acht bewerteten Security-Header (Prüfung bestanden) plus Content-Signal, gültiges SSL, reichhaltige Meta-/OG-/Twitter-/hreflang-Daten, JSON-LD (WebPage, Organization, FAQPage), wohlgeformte llms.txt, sauberer Überschriften-Baum, vollständige Landmarks, gut lesbarer Text.
  • Broken (rot) — alles, was schiefgehen kann: nur HTTP, Redirect-Kette mit zwei Weiterleitungen (301 → 302 → 200), Titel „Untitled", keine Description, doppelte H1 plus übersprungene Ebenen, fehlende alt-Texte, leere/Spam-Links, robots.txt mit Disallow: /, fehlerhafte llms.txt, render-blockierende Ressourcen.
  • Empty (grau) — eine komplett leere Seite, robots.txt und llms.txt beide 404, alle Felder null/0.

So lernst du am meisten: Lade erst Perfect, dann Broken und vergleiche dieselben Tabs. Im SEO-Score- und GEO-Score-Tab siehst du Prüfung für Prüfung, was den Unterschied zwischen grün und rot ausmacht. Das Entscheidende: Die Demo-Dateien enthalten Rohdaten und Extrakte, aber keine vorberechneten Scores — die Extrakte entstehen beim Laden neu aus dem HTML, die Bewertung läuft beim Laden client-seitig genau wie bei einer Live-Analyse. Du siehst also keine Attrappe, sondern echte Scoring-Logik an einem bekannten Datensatz.

Beispiel 6: Vorher/Nachher sauber vergleichen

Wenn du Fixes belegen willst (etwa gegenüber einer Kundin), brauchst du einen reproduzierbaren Vorher-Zustand. Der echte Mechanismus dafür ist Export / Import:

  1. Vorher festhalten. Analysiere die Seite und klick im Export / Import-Tab auf Download JSON. Die Datei (seo-analysis-<host>-<datum>.json) enthält die Rohdaten der Analyse samt HTML-Quelltext, robots.txt und llms.txt und die daraus extrahierten Werte — aber keinen eingefrorenen Score. Für die Kundin legst du zusätzlich per HTML Summary einen lesbaren Bericht ab.
  2. Fixes umsetzen. Arbeite die fail/partial-Prüfungen ab (siehe Beispiele 2 und 3) und deploye die Änderungen.
  3. Nachher analysieren. Füge dieselbe URL erneut in den Analyzer ein und klick auf Analyze.
  4. Gegenüberstellen. Lies die alte JSON-Datei jederzeit über Import JSON → Import & Render wieder ein — das Tool wertet das gespeicherte HTML neu aus und berechnet die Scores, exakt wie beim Live-Lauf, ohne die Seite erneut abzurufen. So hast du den alten Stand und den neuen nebeneinander und kannst belegen: SEO von 67 auf 88, GEO von 31 auf 74.

Weil der Export nie einen vorberechneten Score sichert und das Tool die Extrakte beim Import neu aus dem gespeicherten HTML zieht, bleibt der Vergleich fair — alte und neue Datei werden nach derselben, aktuellen Logik bewertet. Ändert sich die Bewertung des Tools zwischendurch, gilt das für beide Dateien gleichermaßen.

Einzelne Links prüfst du in jedem Modus mit dem gelben Prüf-Button in der Tabellenzeile — das Fenster URL Status Check zeigt Status, Antwortzeit und Weiterleitungen. Für eine komplette Linkliste ist das im Standard-Modus mühsam, weil zwischen zwei Checks rund 2,5 Sekunden Pause liegen. Mit dem Expert Mode und einem lokal laufenden Proxy geht es in einem Durchgang:

  1. Schalte oben im Tool Expert ein und analysiere die Seite.
  2. Im Links-Tab trägt die Karte Internal Links jetzt den Button Check all. Das Bestätigungsfenster listet alle eindeutigen URLs; stell Parallel auf 2 und Delay auf 1 s, wenn du einen kleinen Server nicht belasten willst, und klick Continue.
  3. Die Kopfzeile zählt mit: grün für 2xx, gelb für Weiterleitungen, rot für Fehler. Weiterleitungen sind oft der eigentliche Fund — interne Links, die noch auf http:// oder auf alte Pfade zeigen, kosten bei jedem Klick einen Hop.
  4. Exportier das Ergebnis per Download CSV. Die Datei enthält URL, Final URL, Status, Content-Type, Anzahl und Kette der Weiterleitungen und die Antwortzeit — eine fertige Arbeitsliste für die Redaktion.
  5. Dieselbe Prüfung für die ganze Website: Im Robots Analysis-Tab lädt Crawl Sitemaps alle in der robots.txt deklarierten Sitemaps samt Unter-Sitemaps und übergibt die gesammelten URLs an denselben Sammel-Check. Fehlt die Sitemap:-Zeile, sucht Discover Sitemap an den üblichen Pfaden wie /sitemap.xml oder /wp-sitemap.xml.

Analog funktioniert Check Internal Pages im Structured Data-Tab: Es lädt alle intern verlinkten Seiten und fasst zusammen, welche JSON-LD-Typen wie oft vorkommen — praktisch, um zu sehen, ob dein Article- oder BreadcrumbList-Markup wirklich überall ankommt. Jede Seite lässt sich in der Ergebnisliste aufklappen.

Noch tiefer: die Übersicht zum großen Bild, das Manual für jede Score-Gewichtung im Detail. Ausprobieren kannst du alles direkt im Tool.