SEO mit KI: KI als Arbeitswerkzeug

Nach diesem Level setzt du Claude, ChatGPT, Gemini und Perplexity als Arbeitswerkzeuge im SEO ein – und, was mehr wiegt, du kannst nachweisen, ob das Ergebnis taugt. SEO mit KI ist hier kein Prompt-Vorrat, sondern eine Prüfdisziplin: zu jeder Aufgabe gehört ein Test, den du auf deine eigenen Daten anwendest, bevor eine Weiterleitungskarte, ein Cluster oder ein Text live geht.

Eine Abgrenzung gleich vorweg, weil genau sie ständig durcheinandergeht. Dieses Level behandelt die Modelle als Werkzeug in deiner Hand. Wie KI-Suchmaschinen dich zitieren – Google AI Overviews, Google AI Mode, ChatGPT, Perplexity –, ist eine völlig andere Frage und steht in Level 4: GEO und AIO. Beides läuft unter dem Stichwort „KI und SEO“, aber die Arbeitsschritte haben nichts miteinander gemein: das eine ist Werkzeugbedienung, das andere ist Sichtbarkeit. Wer die beiden vermischt, optimiert Passagen, obwohl er ein Skript braucht – oder umgekehrt.

Die Zahl, die dieses Level zusammenfasst, stammt aus der Umfrage „State of AI and Automation in SEO“ von Keyword.com (veröffentlicht am 1. Januar 2026, n = 97): 1 % der befragten Teams automatisieren überhaupt eine SEO-Aufgabe vollständig. 57 % nennen als Grund mangelnde Qualität, 36 % mangelnde Genauigkeit. Die Stichprobe ist klein und selbstselektiert – 56 % der Antwortenden arbeiten in Teams von ein bis fünf Personen –, die Zahlen sind also eine Rangfolge und keine Hochrechnung. Die Richtung ist trotzdem eindeutig, und sie ist der Bauplan dieses Levels: das Erzeugen ist gelöst, das Prüfen nicht.

Was dieses Level abdeckt

• Claude, ChatGPT, Gemini und Perplexity nach Aufgabe auswählen statt nach Markenvorliebe – mit einer Entscheidungstabelle, die sagt, was jede Engine im SEO nachweislich nicht kann.
• Die Modelle an echte Daten hängen: Google Search Console und GA4 per MCP, Screaming Frog ab Version 24.0 mit eigenem MCP-Server, WordPress mit Rank Math – und dabei den Lesezugriff vom Schreibzugriff trennen.
• Erkennen, warum jedes Sprachmodell Suchvolumina erfindet, und wissen, welche Datenquelle das abstellt.
• Maschinenergebnisse abnehmen wie eine Warenlieferung: Gold-Set, Stichprobengröße, Freigabeschwelle, Dry-Run – statt „liest sich gut“.
• Die laufenden Kosten einer KI-gestützten SEO-Produktion vorher ausrechnen, inklusive der Posten, die erst auf der Rechnung auftauchen.
• Entscheiden, welche Aufgaben du überhaupt abgibst – und begründen können, warum du bestimmte nicht abgibst.

Erzeugen ist gelöst, Prüfen ist die Arbeit

Das Web ist voll von Anleitungen, wie man mit KI etwas erzeugt, und fast leer an Anleitungen, wie man prüft, was dabei herauskam. Genau diese Lücke ist der Grund, warum in diesem Level jede Lektion aus Gruppe C ein Prüfverfahren liefert und kein Erzeugungsrezept. Die Umfrage von Keyword.com (1. Januar 2026, n = 97) zeigt beide Seiten derselben Münze: hohe Nutzung bei fast allen Aufgaben, gleichzeitig verbreitete Weigerung, dieselben Aufgaben vollständig abzugeben.

Lies die Tabelle als Rangfolge, nicht als Marktanteil: n = 97 ist zu klein für eine Hochrechnung, und die Ablehnungsquoten wurden nur für vier Aufgaben erhoben. Die dritte Spalte ist trotzdem die interessanteste Zahl der Umfrage. Dort, wo ein falsches Ergebnis teuer wird – Texte, Linkaufbau, technisches SEO –, behalten die Befragten den Menschen im Ablauf. Dieses Level formalisiert diese Intuition zu einem Test, den du wiederholen und dokumentieren kannst.

Warum dieses Level nicht nach Engines sortiert ist

Die naheliegende Gliederung wäre eine Seite pro Modell. Die Nachfragedaten sprechen dagegen, und das ist die unbequemste Aussage dieses Levels. Bei den Google-Autocomplete-Abfragen, die am 20. September 2026 für diesen Kurs erhoben wurden, lieferten die drei Vergleichsstämme „chatgpt vs gemini for“, „is gemini better than chatgpt for“ und „perplexity vs chatgpt for“ zusammen 30 Vorschläge, in denen SEO kein einziges Mal vorkam – gefragt wird nach Bildgenerierung, Programmieren, Recherche, Studium, Beziehungsratschlägen. Die Vergleichsseite, die die SEO-Branche für riesig hält, existiert als Nachfrage schlicht nicht.

Umgekehrt trugen die engine-neutralen Stämme „best ai for seo“ und „ai for keyword research“ jeweils volle zehn von zehn themenbezogenen Vorschlägen. Die Frage lautet nicht „ChatGPT oder Gemini“, sondern „welche von allen“ – und die beantwortet eine Entscheidungstabelle, nicht ein Dutzend Duellseiten. Deshalb gibt es in diesem Level genau fünf engine-spezifische Lektionen, und zwar dort, wo eine Fähigkeit wirklich nur eine Engine hat: ChatGPT-Prompt-Muster, Custom GPTs mit Actions, Gemini in Sheets, Geminis Grounding-API und Perplexity Pages.

Zur Einordnung dieser Belege gehört ihre Grenze: Autocomplete zeigt, ob eine Anfrage existiert, und liefert kein Suchvolumen. In diesem Level steht deshalb keine einzige Volumenzahl, weil keine aus einer benannten Quelle zu beschaffen war. Erfunden wurde stattdessen nichts.

Was über KI-Texte und Google belegt ist – und was offen bleibt

Googles Spam-Richtlinien enthalten in der Fassung mit dem Stand 28. August 2026 weiterhin den entscheidenden Halbsatz „no matter how it’s created“ – der Text richtet sich gegen Inhalte ohne Mehrwert in großer Zahl, ausdrücklich unabhängig von der Erstellungsmethode. Nachzulesen in den Spam-Richtlinien der Google Search Central. Die Produktionsweise ist also nicht das Kriterium; Zweck, Menge und Nutzen sind es.

Dazu passt die größte veröffentlichte Messung: Ahrefs untersuchte rund 331.000 Seiten aus Googles Top 10 (Ryan Law und Xibeijia Guan, 27. Juli 2026) und fand, dass 9 % der top-rankenden Seiten zu mindestens 80 % KI-generiert waren und 5,3 % zu 100 %. Seiten mit weniger als 50 % KI-Anteil stellten 82,2 % der Positionen 1 bis 3. Die Autoren nennen ihre Grenzen selbst: die eigene KI-Erkennung sei nicht perfekt und arbeite anders als Google, und die Studie ist korrelativ. Die Auswertung steht offen im Netz.

Was daraus nicht folgt, ist eine Antwort auf die Frage, ab wann Produktion in großer Zahl zu „scaled content abuse“ wird. Darüber ist sich die Branche nicht einig, und dieser Kurs entscheidet die Frage nicht für dich. Lektion 123 liefert stattdessen einen Go/No-Go-Test pro Template, der sich am Wortlaut der Richtlinie orientiert, und benennt, welche Teile der Grenze unbeantwortet sind. Wer wissen will, was Google zum Tempo sagt: John Mueller am 14. Februar 2022, wörtlich, „more content definitely does not mean more traffic“ – eine Aussage darüber, dass Menge nichts kauft, nicht darüber, dass Menge etwas kostet. Der Unterschied wird in der Branche regelmäßig eingeebnet.

Was dieses Level nicht ist

Es ist keine Prompt-Sammlung. Prompt-Listen sind die am dichtesten besetzte Content-Gattung dieses Themas und altern, sobald sich eine Oberfläche ändert; Lektion 114 behandelt Prompt-Muster deshalb nach Aufgabe und erklärt, warum paketierte Skills eine gepflegte Liste ablösen.

Es ist keine Erfolgsgeschichtensammlung. Zu den belastbarsten Belegen über Grenzen gehört der dokumentierte Fehlschlag, den Will Scott am 28. August 2026 in Search Engine Land beschrieb: Claude klonte eine Startseite nach /seo-grader und /content-grader und änderte nur die Title-Tags – Ergebnis null Impressionen und null Klicks auf beiden Seiten, auf einer zweiten Website unabhängig reproduziert. Das sind zwei Websites ohne Kontrollgruppe, also ein Warnsignal und keine Quote; genau so wird es in Lektion 101 behandelt.

Und es ist kein zweites Level 4. Zwei Lektionen sehen trotzdem danach aus. Lektion 109 und 110 behandeln, wie Claude überhaupt an Webseiten kommt: Anthropics Trust Center führt Brave Search seit dem 19. März 2025 als Subunternehmer, und wer nicht in Braves Index steht, kann von Claude nicht zitiert werden. MERJ hat den offenen Client des Brave Web Discovery Project am Commit f25eb3d (Juni 2026) analysiert und dabei harte Aufnahmebedingungen dokumentiert: JavaScript wird nie ausgeführt, für noindex und Canonical zählt ausschließlich die Angabe im HTML-meta-Element, X-Robots-Tag-Header werden ignoriert, Weiterleitungen führen zum Ausschluss, es gilt ein Limit von 2 MB und 10 Sekunden, und Query-Strings über 22 Zeichen werden ohne Canonical auf denselben Host verworfen. Das ist eine Frage von technischem SEO, nicht von Formulierungen.

Wie stark Claudes Zitate an Braves Ranking hängen, ist dagegen dünn belegt, und das gehört dazugesagt. Profound maß am 21. März 2025 eine Überschneidung von 86,7 % zwischen Claude-Zitaten und Braves obersten unbezahlten Ergebnissen bei p < 0,0001 – aber mit n = 15 Anfragen. MERJ nennt für 2026 79,2 % der von Claude zitierten URLs in Braves Top 10 gegenüber 34 % in Googles Top 10 und veröffentlicht dazu keine Stichprobengröße. Zwei kleine oder unbelegte Stichproben ergeben eine Arbeitshypothese, keine Kennzahl.

Die 30 Lektionen dieses Levels

Die Lektionen sind in drei Gruppen geordnet: Claude für SEO (Lektion 1 bis 11), die anderen Engines (12 bis 19) und Verifikation und Delegation (20 bis 30). Gruppe A baut die Werkzeugkette auf, Gruppe B ordnet die übrigen Modelle nach Fähigkeit ein, und Gruppe C ist der Teil, der deine Arbeit am stärksten verändert, weil dort aus Ergebnissen abnahmefähige Ergebnisse werden.

1. Was Claude im SEO leisten kann – und was nicht
2. Claude Skills für SEO: installieren, nutzen, selbst schreiben
3. Claude Code für technisches SEO
4. Claude mit deinen eigenen Daten verbinden: Search Console und GA4 per MCP
5. Die kostenpflichtigen Konnektoren: Ahrefs, Semrush – und ob sich der Aufwand lohnt
6. Claude und dein Crawler: der MCP-Server von Screaming Frog
7. Claude und dein CMS: WordPress, Rank Math und Schreibrechte
8. Die drei Claude-Crawler und deine robots.txt
9. Von Claude zitiert werden: die Brave-Abhängigkeit
10. Im Brave-Index landen: das Web Discovery Project
11. Claude Cowork für SEO
12. Welche KI für welche SEO-Aufgabe: die Entscheidungstabelle
13. Warum jede KI Suchvolumina erfindet – und was stattdessen hilft
14. ChatGPT-Prompt-Muster für SEO, nach Aufgabe
15. Custom GPTs mit Actions: echte Keyword-Daten in ChatGPT holen
16. Gemini für SEO: Sheets, Workspace und wo es streikt
17. Geminis Grounding-API mit Google Search für SEO-Recherche
18. Perplexity für SEO-Recherche und Quellenprüfung
19. Perplexity Pages und die Parasite-SEO-Frage
20. Eine KI-Weiterleitungskarte prüfen, bevor du sie ausrollst
21. Den Ähnlichkeitswert für automatische interne Verlinkung wählen
22. Warum KI-Detektoren nichts in deinem Redaktionsprozess verloren haben
23. Ein Go/No-Go-Test für KI-Seiten in großer Zahl
24. Was kaputtgeht, wenn ein Agent deinen Crawler steuert
25. Woran du erkennst, ob deine Keyword-Cluster taugen
26. Ein Prüfstand für Suchintentions-Klassifikation im großen Stil
27. Stichprobenprüfung für KI-Entwürfe
28. Delegations-Triage: welche SEO-Aufgaben an die KI gehen – und welche nicht
29. Was KI-SEO in großem Umfang wirklich kostet
30. Anomalie-Erkennung in Search-Console-Daten

Wie du dieses Level durcharbeitest

Arbeite Gruppe A zuerst durch, aber nur bis Lektion 104. Ohne angebundene Datenquelle bleibt jedes Modell auf geschätzte Zahlen angewiesen, und genau dort entsteht der teuerste Fehler dieses Themas: ein Sprachmodell behandelt Drittanbieter-Schätzungen wie Messwerte. Lektion 113 zeigt das an einem Fall, den ContextBolt am 23. Juni 2026 dokumentiert hat, und liefert den Ersatz.

Richte danach für jede Aufgabe, die du abgeben willst, ein Gold-Set ein, bevor du sie abgibst. 100 bis 200 von Hand beurteilte Fälle, das Modell darüberlaufen lassen, Übereinstimmung messen, eine Freigabeschwelle festlegen. Der einzige veröffentlichte Schwellenwert, den diese Recherche gefunden hat, sind rund 80 % Genauigkeit als Prototyp-Marke von Gus Pelogia (erhoben bei Athens SEO, 23. April 2026) – ein Anhaltspunkt für deine eigene Messung, keine Norm.

Lass jeden schreibenden Ablauf zuerst im Dry-Run laufen. Für Weiterleitungen und interne Verlinkung gibt es veröffentlichte Ausgangswerte: Screaming Frog nennt für das Redirect-Mapping über Vektoren eine Standardschwelle von 0,95 (Stand 20. Oktober 2025), Niko Alho für automatische interne Verlinkung ein Band von 0,78 bis 0,85 (20. Mai 2026). Beide sind domänenabhängig, also kalibrierst du sie – die Lektionen 120 und 121 zeigen, wie. Was bei der Agentensteuerung schiefgeht, ist ebenso dokumentiert: Rich Voller beschrieb am 26. Mai 2026 einen Screaming-Frog-Lauf über MCP, der auf einer auf 1 URL/s konfigurierten Shopify-Website 500 URLs in 20 Sekunden abrief, weil der MCP-Server die Oberflächeneinstellung nicht übernahm.

Rechne die Kosten vorher, nicht nachher. Geminis Grounding mit Google Search ist bis 5.000 Anfragen pro Monat kostenlos und kostet danach 14 $ pro 1.000 Anfragen (Gemini 3.x); Perplexitys Sonar berechnet 5 bis 12 $ pro 1.000 Anfragen zusätzlich zu den Tokens. Lektion 129 stellt die Posten zusammen, und die Ergebnisse gehören in dein Reporting – wie das aussieht, steht in Level 5: SEO-Analytics.

Und behandle alles hier Genannte als datiert. Konnektoren, Kontextfenster, Werkzeugversionen und Preise dieses Themas haben eine Haltbarkeit von Monaten. Jede Lektion trägt ihr Datum, damit du dieselbe Regel auf sie anwenden kannst: alles, was älter als ein Quartal ist, ist ein Hinweis zum Nachprüfen, kein Fakt.

Dieses Level steht am Ende eines längeren Wegs, der bei den Grundlagen beginnt und über On-Page-SEO und Grey Hat, Black Hat und Parasite SEO führt – Letzteres ist die Nachbarschaft, in der Lektion 119 die Frage nach Perplexity Pages einordnet. Wenn du direkt hier eingestiegen bist: das vollständige Verzeichnis mit allen Leveln und der empfohlenen Reihenfolge steht im kostenlosen SEO-Kurs von doctor-seo.net. Ein Werkzeug beschleunigt Arbeit, die du beherrschst, und vervielfacht Fehler in Arbeit, die du nicht beherrschst.