Was Claude im SEO leisten kann – und was nicht

Von den Texten, die diese Lektion zitiert, nennt genau einer Zeitersparnisse, und er verrechnet keine davon mit der Einrichtung, dem Abonnement oder der menschlichen Prüfung, auf der er selbst besteht. Diese Lektion stellt die Rechnung auf und übersetzt sie in eine Tabelle: zehn SEO-Aufgaben, vier Spalten, und zu jeder Zeile die Angabe, was angebunden sein muss.

Die unbequemste Zahl dazu steht in einer Umfrage. Keyword.com veröffentlichte am 1. Januar 2026 „State of AI and Automation in SEO“ mit 97 verwertbaren Antworten, und genau eine davon, 1 von 97, beschreibt überhaupt einen vollständig automatisierten SEO-Ablauf. 57 % nennen mangelnde Qualität als Grund, auf Automatisierung zu verzichten. 97 Antworten bei selbst gewählter Teilnahme: daran lässt sich ablesen, welche Aufgaben die Befragten unterschiedlich behandeln, und nichts über die Branche insgesamt.

Damit klar ist, wovon hier nicht die Rede ist: Claude für SEO heißt in dieser Lektion Claude als Werkzeug in deiner Hand, nicht als Suchmaschine, die dich zitiert – Letzteres steht in Level 4 zu GEO und AIO. Jede Zahl steht hier mit dem Datum ihrer Erhebung, und das ist keine Höflichkeit: Modellgrenzen, Konnektoren und Versionsnummern gehören zu dem Teil des Themas, der zwischen zwei Lektionen umkippen kann.

Was du lernst

• An zwei veröffentlichten Fällen erkennen, wo Claude im SEO scheitert – und was die Quellen nicht sagen.
• Chat, Terminal oder API nach Aufgabe wählen – und wissen, warum Einstellungen nicht mitwandern.
• Ausrechnen, ob ein Crawl-Export in eine Unterhaltung passt – über die Spalten, nicht über die URLs.
• Zehn Aufgaben an zwei Mustern lesen: wann in Spalte zwei ein „nein“ steht und wann in Spalte vier ein „alles“.
• Für eine fehlende Aufgabe eine eigene Zeile ergänzen – Spalte drei zuerst.
• Einrichtung, Abonnement und Abnahme gegen die genannte Zeitersparnis rechnen.

Die Rechnung, die kein Workflow-Artikel aufmacht

Die kursierenden Zeitersparnisse gehen auf einen Autor zurück und beschreiben dessen eigene Arbeit. Lawrence Hitches nennt in „How to Use Claude Code for SEO Automation“ auf dem Blog von StudioHawk, 12. Mai 2026, zwei Werte: das Umschreiben von Metadaten fällt von 6 bis 8 Stunden auf Minuten, die interne Verlinkung von 3 bis 5 Tagen auf unter eine Stunde. Dazu gibt es keine Stichprobe, keine offengelegte Ausgangsmessung und keine unabhängige Wiederholung – und so gehört die Zahl jedes Mal zitiert.

Vier Posten fehlen darin: die Zeit, bis eine Datenquelle angebunden und ihre Berechtigungen geklärt sind; das Abonnement oder die Abrechnung nach Token; der Kontext, den die Werkzeugdefinitionen eines Konnektors belegen, bevor du die erste Frage stellst – eine veröffentlichte Messung dafür ließ sich nicht finden, der Posten bleibt unquantifiziert; und die Abnahme vor jedem Schreibzugriff.

Daraus folgt eine Arbeitsregel: eine Zeitersparnis zählt erst, wenn du den dritten Durchlauf misst und die Abnahme mitrechnest. Der erste Durchlauf enthält das Lernen, der zweite die Korrektur der Einrichtung.

Die Gegenprobe steht in derselben Umfrage. Bei Keyword.com (1. Januar 2026, n = 97) setzen 38 % der Befragten KI für technische SEO-Audits ein. Unter den 79 %, die Aufgaben nannten, die sie automatisieren könnten und bewusst nicht automatisieren, nannten 40 % technisches SEO – eine Teilzahl einer Teilgruppe, nicht 40 % aller Befragten. Dieser Unterschied verschwindet in der Berichterstattung regelmäßig.

Null Impressionen, null Klicks: zwei belegte Fehlschläge

Null Impressionen und null Klicks auf zwei neuen URLs. Das ist die Zahl aus dem Fall, den Will Scott am 28. August 2026 in Search Engine Land unter „Use Claude for SEO. Don’t let Claude do SEO.“ veröffentlicht hat. Unter /seo-grader und /content-grader entstanden Kopien der Startseite, verändert war allein der Title-Tag. Keine der beiden sammelte eine Impression oder einen Klick, und die Startseite stand weiter auf Position 9 oder schlechter. Auf einer zweiten Website wiederholte sich die Duplizierung unabhängig; der Autor liest das als systematisches Verhalten und nicht als Einzelfall. Zwei Websites, keine Kontrollgruppe, keine Stichprobenangabe: eine Warnung, keine Quote. Die Quelle steht hier ohne Link.

Eine Woche, eine Website, keine Kontrollgruppe. Mit diesen Grenzen beginnt, was ContextBolt am 23. Juni 2026 unter „Claude SEO Experiment: A Week of Running My Real SEO“ veröffentlicht hat; als Autor steht dort nur „David“, ohne Nachnamen. Drei Beobachtungen hängen an derselben Mechanik: eine Zahl ohne Herkunft wird behandelt, als hätte sie eine. Fremde Schätzungen gingen als Messwerte weiter. Ein Keyword blieb empfohlen, obwohl sein eigener Schwierigkeitswert sichtbar dagegen stand. Und unter den Vorschlägen fand sich ein „AI-ranking markup“, das es nicht gibt. Locker formulierte Anweisungen führten zusätzlich zu Keyword-Häufung.

Mehr als diese beiden Fälle sind in den hier zitierten Quellen nicht dokumentiert – eine Aussage über diese Quellen, nicht über die Häufigkeit. Beide verbindet nicht schlechtes Schreiben, sondern derselbe fehlende Posten aus der Rechnung in dieser Lektion: die Prüfung, die ein Ergebnis gegen eine Quelle hält, bevor es wirkt.

Chat, Terminal, API: welche Oberfläche welche Grenze setzt

Welche der drei Claude-Oberflächen du öffnest, entscheidet weniger über die Qualität der Antwort als darüber, welche Daten überhaupt herankommen – und Einstellungen wandern nicht mit. Die Anthropic-Plattformdokumentation, geprüft am 20. September 2026, hält drei Grenzen fest: eigene Skills synchronisieren nicht zwischen API, claude.ai und Claude Code; auf claude.ai gelten sie pro Nutzer, nicht organisationsweit; über die API haben sie keinen Netzzugriff. Dieselbe Audit-Routine muss also zweimal existieren, und eine, die etwas live nachsehen soll, läuft über die API gar nicht.

Praktisch verteilt sich die Arbeit auf drei Zuständigkeiten. Im Chat auf claude.ai liegen Projects, Artifacts und die MCP-Konnektoren, also alles, was Kontext festhält oder eine Datenquelle anbindet. Claude Code wird zuständig, sobald eine Datei zu groß zum Lesen ist. Die Claude API trägt die Fälle ohne Leser, und bringt drei Posten mit, alle aus derselben Dokumentation vom 20. September 2026: die Models API gibt max_input_tokens pro Modell zurück, die Batch API rechnet asynchrone Stapel mit 50 % der Standardkosten ab, und das Prompt-Caching verbilligt denselben langen Kontext beim zweiten Senden. Nachfrage hat das Thema nicht: claude api seo lieferte am 20. September 2026 null Varianten, nur das Echo der Eingabe.

Die härteste Grenze über alle drei Oberflächen hat Lawrence Hitches am 2. April 2026 in „Claude for Technical SEO“ in einen Satz gefasst: Claude analysiert Crawl-Daten, es crawlt keine Websites. Bemerkenswert ist weniger das Verbot als seine Form: das Übertreten fällt nicht auf. Eine Auswertung ohne Datei liest sich wie eine mit Datei: gleich bestimmt im Ton, gleich geordnet, mit deinem Markennamen darin. Die Prüfung ist deshalb keine Lesefrage, sondern eine Herkunftsfrage: nicht „klingt das plausibel“, sondern „welche Datei hat das geliefert“.

Der am stärksten unterschätzte Teil ist das Projekt im Chat. Hitches beschreibt in „Claude Projects for SEO“ vom 2. April 2026, was hineingehört: Markenstimme, Seitenstruktur, Keyword-Strategie pro Seite, CMS-Vorgaben. Als Praxismaß nennt er 10 bis 20 Dokumente pro Projekt und Anweisungen unter 500 Wörtern, dazu die oft übersehene Grenze: der Chatverlauf fängt in jeder neuen Unterhaltung bei null an. Artifacts brauchen einen Satz: sie sind eine Ansicht der Daten, die du geliefert hast, und fügen keine Information hinzu. Ein Dashboard auf erfundenen Volumina bleibt erfundene Volumina, nur mit Farben.

Die Obergrenze ist dokumentiert, der Verbrauch nicht

Die Decke des Kontextfensters steht in der Dokumentation, was ein konkreter Crawl-Export davon belegt, steht nirgends. Dokumentiert ist sie doppelt: die Models API gibt max_input_tokens pro Modell zurück, und die Anthropic-Plattformdokumentation, geprüft am 20. September 2026, nennt die Werte direkt.

Den Verbrauch liest du dagegen an deiner eigenen Anfrage ab – eine veröffentlichte Dokumentation dieses Feldes liegt für diese Lektion nicht vor, deshalb steht hier keine Quelle dafür. Ein Probelauf über ein paar Dutzend Zeilen deiner echten Datei liefert den Wert pro Zeile, hochgerechnet auf die Zeilenzahl den der ganzen Datei. Weil dieser Wert an den Spalten hängt und nicht an den URLs, sind 50.000 Zeilen mit vier Spalten und 50.000 Zeilen mit vierzig Spalten zwei Aufgaben, von denen bei 1M Token nur die zweite scheitert – ohne Vorwarnung, mitten in der Arbeit.

Als Obergrenze setze ich ein Drittel des Fensters an; diese Zahl stammt von mir und aus keiner Dokumentation von Anthropic, denn über dem Export wächst die Unterhaltung noch weiter. Bei Millionen URLs rät Hitches am 2. April 2026 vom Einfügen ganz ab: im Terminal filtern, aggregieren, nur die Zusammenfassung weitergeben.

Vier Aufgaben, einmal ausgeführt: der Vergleich mit ChatGPT

Vier Aufgaben, je einmal ausgeführt – das ist der Umfang des einen Aufgabenvergleichs, der in den hier zitierten Quellen dokumentiert ist und Claude mit ChatGPT an SEO-Arbeit misst. SE Ranking, „Claude AI vs. ChatGPT: Which AI Tool is Better for SEO?“ von Yulia Deda, veröffentlicht am 7. Juli 2025 und aktualisiert am 24. Juni 2026, legt die Ergebnisse offen und die Messung nicht: der Text veröffentlicht keine Metriken und über die vier Aufgaben hinaus keine Stichprobengröße. Beim JSON-LD ergab das Markup von Claude 1 nicht kritische Beanstandung im Test für Rich-Suchergebnisse, das von ChatGPT 5; bei Content-Briefings fiel der Vergleich zugunsten von Claude aus, bei Blog-Titeln zugunsten von ChatGPT.

Wer daraus eine Produktempfehlung macht, verrechnet sich an der Grundgesamtheit: ein Durchgang pro Aufgabe sagt, wo man zuerst nachsieht. Vorher entscheidet die Anbindung – welche Datenquellen eine Oberfläche erreicht und zu welchem Einrichtungspreis. Bei Claude führt der Weg über MCP-Konnektoren zu SEO-Werkzeugen, deren Aufwand dieses Level gesondert betrachtet.

Als Nachfrage ist die Vergleichsfrage ohnehin klein. Der Stamm is claude better than chatgpt for lieferte am 20. September 2026 zehn Vorschläge; sieben davon lauteten Programmieren, Schreiben, Studium, Recherche, Beruf, Bewerbung und Schule, und SEO war in keinem davon. can claude do seo trug am selben Tag sieben Varianten in Frageform. Gefragt wird also nicht, wer gewinnt, sondern ob es überhaupt geht – wobei ein Autocomplete-Vorschlag auf eine vorhandene Frage hinweist und über deren Menge nichts aussagt.

Die Tabelle: zehn Aufgaben, vier Spalten, zwei Muster

Die folgende Tabelle fasst diese Lektion in zehn Zeilen zusammen. Spalte zwei fragt, ob Claude die Aufgabe ohne Anbindung erledigt; Spalte drei, was angebunden sein muss; Spalte vier, was beim Menschen bleibt. Gegenstand ist ein Modell über mehrere Aufgaben, kein Vergleich von Engines.

Zwei Muster laufen durch die Spalten, und sie sind der eigentliche Inhalt der Tabelle. Das erste: ein „nein“ in Spalte zwei steht dort, wo das gebrauchte Datum außerhalb der Unterhaltung liegt – Suchvolumen, Crawling, Search Console. Das zweite: wo eine Korrektur nicht in einer Minute erledigt ist, steht in Spalte vier „alles“, und in dieser Tabelle trifft das auf den Schreibzugriff auf das CMS zu. Dazwischen liegt der abgebbare Teil der Arbeit. Ob ein Crawl belastbar ist, entscheidest du mit Level 2 zu technischem SEO, ob ein Klickeinbruch etwas bedeutet mit Level 5 zu Analytics und Messung.

Spalte drei entscheidet: so ergänzt du eine eigene Zeile

Für jede SEO-Aufgabe, die in der Tabelle dieser Lektion fehlt, füllst du die vier Spalten in dieser Reihenfolge aus: dritte, zweite, vierte, erste. Die Reihenfolge ist der Trick: wer mit der ersten anfängt, beschreibt die Aufgabe, wer mit der dritten anfängt, prüft, ob sie auf Daten trifft. Notiere die fertige Zeile mit dem Datum.

1. Spalte 3 zuerst: benenne das Artefakt. Welche Datei, welcher Export, welche API-Antwort enthält das Datum, das die Aufgabe braucht, und wer legt sie in die Unterhaltung? Lässt sich das nicht benennen, bleibt Spalte 3 leer – und die Aufgabe ist entschieden, bevor du sie stellst.
2. Spalte 2: stelle die Aufgabe absichtlich ohne das Artefakt. Kommt eine Antwort, lautet der Eintrag „nein – es antwortet trotzdem“. Dieser Eintrag frisst später die eingesparte Zeit, weil jede Zahl daraus einzeln nachgeprüft werden muss.
3. Spalte 4: bemiss die Rücknahme, nicht den Fehler. Drei Stufen: in einer Minute rückholbar (ein Entwurf), per Deployment rückholbar (Metadaten, Weiterleitungen), nicht rückholbar (eine indexierte URL, eine verschickte E-Mail). Stufe drei bleibt beim Menschen, auch wenn Spalte 2 „ja“ sagt.
4. Spalte 1 zuletzt: formuliere die Aufgabe so eng, wie die drei Antworten es erlauben. „Content machen“ ist keine Zeile. „Aus einem Export mit 500 URLs Vorschläge für Meta-Descriptions erzeugen“ ist eine.

Ein Beispiel, weil Schritt vier sonst abstrakt bleibt. Aufgabe: 500 Meta-Descriptions umschreiben. Spalte 3 verlangt einen Export mit URL, bestehender Description, Zielanfrage und Klickdaten. Spalte 2 lautet „ja, aber“: Vorschläge kommen auch ohne Export, dann für Seiten, die das Modell nie gesehen hat. Spalte 4 bemisst sich am Einspielen – ein Deployment ist rückholbar, also genügt eine Stichprobe, und was eine Description leisten soll, steht in Level 1 zu On-Page-SEO und Content.

Zitiert werden ist eine andere Arbeit – Level 4 übernimmt sie

Wie eine KI-Suchmaschine entscheidet, wen sie zitiert, steht nicht in dieser Lektion, sondern in Level 4 zu GEO und AIO. Ein Datum aus den Quellen gehört hierher: ContextBolt protokollierte am 23. Juni 2026 unter Claudes Vorschlägen ein „AI-ranking markup“, das es nicht gibt – eine Woche, eine Website, keine Kontrollgruppe. ContextBolt protokolliert den Vorschlag, nicht seine Ursache; die Deutung ist die dieser Lektion: nach der Mechanik einer Suchoberfläche gefragt, in der es selbst nicht steckt, liefert ein Werkzeug Antworten, für die es keine prüfbare Quelle gibt. Deshalb trennt dieser Kurs die beiden Level: es ist eine Frage der Prüfbarkeit, nicht nur der Gliederung.

Ob Generative Engine Optimization ein eigenes Fach ist oder Suchmaschinenoptimierung unter neuem Namen, ist in der Branche echt umstritten. Das eine Lager hält GEO für eine Erfindung von Anbietern; sein bestes Argument ist, dass eine KI-Antwort auf gewöhnlichen Suchergebnissen weitgehend belohnt, was organische Suche vorher belohnte. Das andere Lager verkauft GEO als eigene Disziplin; sein bestes Argument ist, dass ein Assistent, der aus einem eigenen Index zitiert, auf dieses Vorgehen nicht reagiert. Beide stützen sich auf Überschneidungszahlen von verschiedenen Oberflächen und gegen verschiedene Vergleichsmengen; eine gepaarte Messung ist nicht veröffentlicht. Diese Lektion druckt deshalb keine der beiden Zahlen, und dieser Kurs entscheidet die Frage nicht.

Der Rest von Level 8, SEO mit KI arbeitet die dritte Spalte der Tabelle dieser Lektion ab: Datenquellen anbinden, Schreibzugriff trennen, Ergebnisse abnehmen. Weil das Level Lektion für Lektion erscheint, stehen hier keine Verweise auf Seiten, die es noch nicht gibt.

Häufige Fehler

• Die Ersparnis ohne die Einrichtung rechnen. Die kursierenden Werte stammen von einem Autor über seine eigene Arbeit, ohne Stichprobe und ohne unabhängige Wiederholung (StudioHawk, 12. Mai 2026). Die Korrektur: den dritten Durchlauf stoppen und die Abnahmezeit addieren.
• Eine Antwort ohne Datei für eine Auswertung halten. Sie liest sich so bestimmt wie eine mit Datei (Lawrence Hitches, 2. April 2026). Die Korrektur: zu jeder Aussage über deine Website die Datei nennen können.
• Suchvolumen im Chat erfragen und die Antwort glauben. Eine Volumenzahl aus einer Unterhaltung ist Text in der Form eines Datums. Die Korrektur: eine echte Quelle anbinden – oder gruppieren lassen und niemals messen (ContextBolt, 23. Juni 2026, eine Website, eine Woche, keine Stichprobe).
• Schreibrechte vergeben, bevor man die Arbeit kennt. Das Feld mit der schwersten dokumentierten Folge: zwei URLs mit null Impressionen und null Klicks (Search Engine Land, Will Scott, 28. August 2026, zwei Websites, ohne Stichprobenangabe). Die Korrektur: Schreibzugriff als eigene Entscheidung behandeln, nicht als Einstellung.

Kurzfassung

• Die zitierten Zeitersparnisse – Metadaten von 6 bis 8 Stunden auf Minuten, interne Verlinkung von 3 bis 5 Tagen auf unter eine Stunde (StudioHawk, 12. Mai 2026) – sind Angaben eines Praktikers zu eigenen Projekten, ohne Stichprobe, und verrechnen weder Einrichtung noch Abonnement noch Abnahme.
• Die zwei Fehlschläge, die in den hier zitierten Quellen belegt sind, liegen dort, wo ungeprüft gehandelt oder geglaubt wird: zwei geklonte URLs mit null Impressionen und null Klicks (Will Scott, Search Engine Land, 28. August 2026, zwei Websites) und fremde Schätzungen als Messwerte (ContextBolt, 23. Juni 2026, eine Woche, eine Website).
• Claude analysiert Crawl-Daten, es crawlt keine Websites (Lawrence Hitches, 2. April 2026). Liegt das Datum außerhalb der Unterhaltung – Suchvolumen, Crawling, Search Console –, antwortet es trotzdem und klingt gleich sicher.
• Ob ein Export hineinpasst, entscheiden die Spalten. Opus 5, Sonnet 5 und Fable 5.1 nehmen 1M Token Eingabe bei 128K Ausgabe, Haiku 4.5 200K bei 64K (Anthropic, geprüft am 20. September 2026).
• Der eine Aufgabenvergleich, der in den hier zitierten Quellen dokumentiert ist (SE Ranking, 7. Juli 2025), gab JSON-LD mit 1 gegen 5 nicht kritische Beanstandungen und die Briefings an Claude, die Blog-Titel an ChatGPT – qualitativ, ohne Stichprobengröße.
• 1 von 97 Befragten nennt einen vollständig automatisierten Ablauf, 57 % mangelnde Qualität als Grund, auf Automatisierung zu verzichten (Keyword.com, 1. Januar 2026, n = 97, Teilnahme selbst gewählt).

Häufige Fragen

Kann Claude meine Search-Console-Daten lesen?

Nur, wenn du sie hineingibst. Ohne Anbindung hat Claude keinen Zugriff auf deine Messdaten – weder auf die Search Console noch auf eine Analytics-Oberfläche. Hinein führen ein Export, den du anhängst, oder ein MCP-Server, den du selbst einrichtest; die Einrichtung behandelt dieses Level gesondert. Entscheidend ist, was ohne Anbindung passiert: keine Fehlermeldung, sondern eine Deutung nie gelesener Daten. Was eine Zahl daraus aussagt, gehört zu Level 5 zu Analytics und Messung.

Rechnet sich das für ein Team von zwei Personen?

Aus veröffentlichten Zahlen nicht, und jede Antwort, die es behauptet, sollte verdächtig wirken. Vorhanden sind Zeitangaben eines Autors zu eigenen Projekten (StudioHawk, 12. Mai 2026), ohne Stichprobe und ohne unabhängige Wiederholung, sowie ein Hinweis aus der Umfrage von Keyword.com (1. Januar 2026, n = 97): 1 von 97 Befragten nennt einen vollständig automatisierten Ablauf. Rechne selbst: dritter Durchlauf plus Abnahme gegen die Stunden von heute.

Gilt „Claude analysiert Crawl-Daten, es crawlt nicht“ auch für Claude Code?

Ja, denn die Grenze liegt bei den Daten, nicht bei der Oberfläche. Claude Code arbeitet auf den Dateien und Skripten, die du ihm gibst; der Crawl kommt von einem Crawler oder aus einem Export (Lawrence Hitches, 2. April 2026). Verwechselt wird das mit etwas anderem: Anthropic dokumentiert in seinem Hilfeartikel zu den eigenen Crawlern drei getrennte Agenten, die Seiten aus dem Web abrufen – ohne absolutes Datum, nur mit relativer Angabe. Das ist eine Frage für deine robots.txt.

Quellen

• Keyword.com, „State of AI and Automation in SEO“, 1. Januar 2026. n = 97 verwertbare Antworten, Teilnahme selbst gewählt: 1 von 97 mit vollständig automatisiertem Ablauf, 57 % „Qualität nicht gut genug“ als Grund gegen Automatisierung, 38 % KI-Einsatz bei technischen Audits, 40 % für technisches SEO innerhalb der 79 %, die bewusst nicht automatisieren.
• Lawrence Hitches, „How to Use Claude Code for SEO Automation“, StudioHawk, 12. Mai 2026. Zeitangaben eines Praktikers zu eigenen Projekten, ohne Stichprobe, ohne offengelegte Ausgangsmessung und ohne unabhängige Wiederholung.
• Lawrence Hitches, beide vom 2. April 2026: „Claude for Technical SEO“ und „Claude Projects for SEO“ – 10 bis 20 Dokumente pro Projekt, Anweisungen unter 500 Wörtern, Chatverlauf setzt aus.
• SE Ranking, „Claude AI vs. ChatGPT: Which AI Tool is Better for SEO?“, Yulia Deda, 7. Juli 2025, aktualisiert 24. Juni 2026. Vier Aufgaben, qualitativ, ohne Metriken und ohne Stichprobengröße.
• ContextBolt, „Claude SEO Experiment: A Week of Running My Real SEO“, 23. Juni 2026. Eine Woche, eine Website, keine Kontrollgruppe; Autor nur als „David“ genannt.
• Will Scott, „Use Claude for SEO. Don’t let Claude do SEO.“, Search Engine Land, 28. August 2026. Zwei Websites, keine Kontrollgruppe, keine Stichprobenangabe; ohne Link aufgeführt.
• Anthropic-Plattformdokumentation, geprüft am 20. September 2026, ohne Link: Kontextfenster, Batch API zu 50 % der Standardkosten, Prompt-Caching, max_input_tokens und die Grenzen zwischen den Oberflächen.
• Anthropic, Hilfeartikel zu den eigenen Web-Crawlern. Ohne absolutes Veröffentlichungsdatum, nur mit relativer Angabe – deshalb steht hier keines.
• Eigene Erhebung von Google Autocomplete, 20. September 2026, über suggestqueries.google.com: can claude do seo sieben Varianten in Frageform, is claude better than chatgpt for zehn Vorschläge ohne SEO, claude api seo null Varianten. Die Vorschläge weisen auf vorhandene Fragen hin, nicht auf deren Menge. Zu keinem dieser Begriffe ließ sich eine Volumenangabe finden, die einen Urheber nennt; in dieser Lektion steht daher keine.

Weiter im Kurs

Dies ist die erste Lektion des Levels, eine vorherige gibt es nicht. Die jeweils aktuelle Übersicht steht im Index von SEO mit KI: KI als Arbeitswerkzeug. Alle neun Level liegen im kostenlosen SEO-Kurs von doctor-seo.net.