Start › Methodik

So misst klarava GEO/AEO

GEO/AEO ist ein junges Feld, voller Meinung und mit wenig Messung. Genau das will klarava ändern: Statt zu raten, ob KI eine Website versteht, messen wir es, entlang einer definierten Methode mit einem deterministischen, reproduzierbaren Kern. Diese Seite erklärt offen, wie wir denken und bewerten. Was sie nicht tut: das genaue Rezept herausgeben, und diese Grenze ist bewusst gesetzt.

Auf einen Blick

Jeder Check nutzt bis zu drei Ebenen: zwei laufen immer und sind deterministisch und reproduzierbar (gleiche erfasste Inhalte + gleicher Bewertungsstand am gleichen Stichtag → gleiches Ergebnis), dazu kommt, wo verfügbar, eine KI-Analyse für die Nuancen. Ein Score ist Orientierung, keine Sichtbarkeitsgarantie. Und die zwei Dinge, mit denen man das System kopieren oder austricksen könnte, das exakte Gewichtungsmodell und die fertigen Fixes, bleiben unser.

Messung statt Meinung

Die meisten GEO-Ratschläge sind eine Checkliste, an die jemand glaubt. Das ist eine schwache Grundlage für Entscheidungen und Budgets. Unser Ansatz ist das Gegenteil: Die KI-Verständlichkeit einer Website soll gleich zweimal gleich quantifiziert werden, damit man sie vergleichen, über Zeit verfolgen und das Wirksame priorisieren kann. Es geht um Strenge, nicht um eine längere Checkliste.

Die drei Ebenen, die wir messen

Jede Ebene beantwortet eine andere Frage, die eine KI implizit an eine Seite stellt.

Technik / GEO (deterministisch). Kann eine Maschine die Seite überhaupt abrufen, lesen und extrahieren? Wir bewerten Signale wie KI-Crawler-Zugang, Server- vs. reines JavaScript-Rendering, strukturierte Daten, Antwortstruktur, Sitemap und agent-lesbare Dateien. Das sind Fakten über die Seite, also ist das Ergebnis reproduzierbar.
Markenbild (deterministisch). Lässt sich aus strukturell belegbaren Signalen ein vollständiges, aktuelles Bild des Unternehmens bilden? Entitäts-/Organization-Daten (Schema), Personen- und Team-Signale, Belege und Quellen (Profile, Bewertungs-/Autoritätsplattformen) und Aktualität (Datumssignale), je an definierten Kriterien. Diese Ebene bewertet die Struktur, nicht die inhaltliche Klarheit — Letztere prüft die KI-Ebene.
KI-Analyse. Über die Mechanik hinaus, hier geht es um den Inhalt: Wie gut versteht ein Sprachmodell die Seite wirklich — kommen Wer/Was/Für-wen klar rüber —, was würde ein Interessent eine KI fragen, und wo sind die Lücken? Diese Ebene liefert Nuancen, die reine Regeln verpassen, deshalb halten wir sie getrennt und weisen sie als den modellbasierten Teil aus.

Warum deterministisch und KI

Die deterministischen Ebenen liefern Zahlen, denen man vertrauen und die man wiederholen kann, das Rückgrat jedes Benchmarks und jedes Monitorings über Zeit. Die KI-Ebene fängt das, was Regeln nicht können: Mehrdeutigkeit, Ton, ob die Geschichte für einen Leser, der eine Maschine ist, tatsächlich aufgeht. Zusammen ergibt das einen Score, der zugleich stabil und aussagekräftig ist, statt nur eines von beidem.

Was ein Score bedeutet, und was nicht

Ein hoher Score heißt: Eine KI kann deine Seite zuverlässig abrufen, lesen und verstehen und ein korrektes Bild deines Unternehmens bilden. Das ist die Grundlage dafür, in KI-Antworten korrekt aufzutauchen. Er ist keine Zusage für eine bestimmte Platzierung in ChatGPT oder Perplexity: Diese Systeme ändern sich, gewichten viele Signale und liegen außerhalb der direkten Kontrolle. Wir behandeln den Score als Entscheidungshilfe und Richtung, und wir sagen das klar. Vorsicht bei jedem, der hier eine Garantie verkauft.

Was wir bewusst nicht offenlegen

Transparenz über unser Vorgehen ist eine Vertrauensfrage. Zwei Dinge bleiben aber bewusst hinter der Leistung:

Das exakte Scoring-Modell. Die genauen Gewichte, Schwellen und Formeln sind unser Kern-IP. Sie zu veröffentlichen hieße, dass der Score sich austricksen und kopieren lässt, und macht aus einer Messung eine Checkliste zum Vortäuschen. Du bekommst das Ergebnis und das, was es treibt, nicht die Maschine dahinter.
Die maßgeschneiderten Fixes. Zu wissen, dass eine Lücke existiert, ist nicht dasselbe, wie sie gut zu schließen. Die konkreten, seitenspezifischen Bausteine, die genauen strukturierten Daten, die FAQ- und Profil-Texte, das priorisierte Maßnahmen-Briefing, sind die Arbeit, und der Wert. Das machen wir für Kunden, keine Vorlage zum Abschreiben.

Anders gesagt: Wir sind keine Blackbox, aber das Modell ist unser Handwerk. Eine vollständig veröffentlichte Methode ist keine Methode mehr, sondern Massenware.

Von der Messung zum Ergebnis

Messen ist der Anfang, nicht das Ende. Sind die Lücken klar, geht es darum, sie zu schließen, und geschlossen zu halten, während sich KI-Systeme weiterentwickeln. Dort liegt die Arbeit: einsatzfertige, auf eine konkrete Seite zugeschnittene Bausteine, und Monitoring, das die Verständlichkeit über die Zeit verfolgt, statt einer einmaligen Momentaufnahme.

Sieh in Sekunden, wie gut eine KI deine Website versteht, gemessen, kostenlos.

Kostenlosen Check starten

Häufige Fragen

Ist klarava eine Blackbox?

Nein. Wir erklären die drei Ebenen, was jede bewertet und welche Teile deterministisch bzw. KI-basiert sind. Was wir nicht veröffentlichen, ist das exakte Gewichtungsmodell, damit sich der Score nicht austricksen oder kopieren lässt. Transparente Methode, privates Rezept.

Warum nicht die genauen Gewichte und Schwellen veröffentlichen?

Weil ein vollständig veröffentlichtes Scoring-Modell aufhört, eine Messung zu sein, und zu einer Checkliste zum Vortäuschen wird. Die Gewichtung ist unser Kern-IP, und sie privat zu halten macht den Score erst aussagekräftig und schwer manipulierbar.

Ist ein guter Score eine Garantie, dass KI mich empfiehlt?

Nein. Ein guter Score heißt, dass eine KI deine Seite zuverlässig lesen und verstehen kann, das ist die Grundlage. Die tatsächliche Platzierung in KI-Antworten hängt von Systemen ab, die sich ändern und viele Signale gewichten. Wir behandeln den Score als Orientierung, nicht als Garantie.

Was macht das Ergebnis reproduzierbar?

Zwei der drei Ebenen sind deterministisch: Sie bewerten Fakten über die Seite an definierten Kriterien. Bei gleichem erfassten Inhalt und gleichem Stichtag liefern sie dasselbe Ergebnis (Aktualitätssignale beziehen sich naturgemäß auf das Prüfdatum, ändern sich also mit der Zeit). Das macht Benchmarking und Monitoring über Zeit vertrauenswürdig. Die KI-Ebene ist getrennt als modellbasierter Teil ausgewiesen.

Kann ich das nach dem Lesen nicht einfach selbst machen?

Die Grundlagen kannst du absolut verbessern, und diese Seite sagt dir, worauf es ankommt. Was sie dir nicht gibt: deinen eigenen gemessenen Score, das exakte Modell oder die maßgeschneiderten Fixes und das laufende Monitoring. Das ist der Teil, den wir machen.