GEO Case Study: Content-Qualität über dem Durchschnitt — KI-Sichtbarkeit darunter

Das Unternehmen

D2C-Hersteller von Nahrungsergänzungsmitteln im Premium-Segment. Fokus auf natürliche Inhaltsstoffe, transparente Dosierung. Vertrieb über den eigenen Online-Shop. Die Website hat über 300 indexierbare HTML-Seiten, davon über 100 Produktseiten, zahlreiche Blog-Artikel und mehrere Informationsseiten.

Die Produktseiten sind die Content-Schwergewichte: durchschnittlich 3.000 Wörter, mit strukturierten FAQ-Sektionen, Inhaltsstoff-Erklärungen und Dosierungshinweisen. Das ist für E-Commerce überdurchschnittlich — die meisten Online-Shops im NEM-Segment liegen bei 300–800 Wörtern pro Produktseite.

Die Diagnose — drei überraschende Befunde

Befund 1: Schema-Blindheit

Die erste Zahl im Audit sah beeindruckend aus: 99,7 % Schema Coverage. Fast jede Seite hat JSON-LD-Markup. Bei näherem Hinsehen zeigte sich: Es handelt sich um ein einziges globales Organization-Schema, das auf allen Seiten eingebunden ist. Die GEO-relevanten Schema-Typen fehlten komplett.

Article oder BlogPosting Schema auf den Blog-Artikeln: null. FAQPage Schema auf den Produktseiten mit FAQ-Sektionen: null. BreadcrumbList: null. AggregateRating trotz vorhandener Kundenbewertungen: null. Person Schema für die Autoren: null.

Für Google AI Overviews bedeutet das: Die Blog-Artikel sind als Content-Typ nicht identifizierbar — kein Autor, kein Datum, keine Headline-Struktur im Schema. Die FAQ-Antworten auf den Produktseiten existieren für Google im strukturierten Datenformat nicht. Die 99,7 % Schema Coverage sind eine Vanity Metric — sie messen Quantität, nicht Relevanz.

Befund 2: Das Authoritativeness-Gate

Die E-E-A-T-Bewertung zeigte das zentrale Problem:

• Experience: 5/10 — Produktseiten haben Substanz, aber keine eigenen Studien oder Case Studies
• Expertise: 4/10 — Autoren ohne formale Credentials im Fachgebiet, keine LinkedIn-Profile verlinkt
• Authoritativeness: 3/10 — unter der Gate-Schwelle von 4. Kein Wikipedia-Eintrag, kein Knowledge Panel, keine Pressepräsenz
• Trustworthiness: 6/10 — Impressum vorhanden, HTTPS, aber wenig Quellenangaben im Content

Authoritativeness bei 3/10 bedeutet nach unserem Framework: Gate-Risiko. Die Produktseiten werden möglicherweise gar nicht als Kandidaten für KI-Antworten berücksichtigt — unabhängig davon, wie gut der Content strukturiert ist.

Ein zusätzlicher Befund verschärfte das Problem: Die Seite, die Expertise und Credentials der Personen hinter der Marke zeigen sollte, war für Suchmaschinen aktiv gesperrt — ein selbst gebauter E-E-A-T-Blocker.

Befund 3: Die How-To-Lücke

Die AI Mention Baseline testete Fragen in drei Kategorien: Brand-Fragen (wird die Marke erkannt?), Produkt-Fragen (wird die Marke bei Produktvergleichen empfohlen?) und How-To-Fragen (wird die Marke bei Ratgeber-Fragen als Quelle zitiert?).

Bei How-To-Fragen — „Wann sollte man Nahrungsergänzungsmittel einnehmen?", „Wie erkennt man hochwertige Supplements?", „Was hilft bei Vitamin-D-Mangel?" — lag die AMCR bei exakt 0 %. Keine einzige Erwähnung.

Das Überraschende: Der direkte Wettbewerber, eine andere Premium-NEM-Marke, lag bei How-To-Fragen ebenfalls bei 0 %. Das bedeutete: Die gesamte Fragekategorie war unbesetzt. Wer hier zuerst hochwertigen Content liefert, besetzt freies Land — ohne gegen die Brand Authority des Massenmarkt-Marktführers antreten zu müssen.

Das zentrale Paradox

Die Zahlen auf einen Blick:

Das Unternehmen hatte objektiv besseren Content als der Marktführer. Längere Produktseiten, detailliertere Erklärungen, mehr FAQ-Fragen. Trotzdem wurde der Marktführer 2,3-mal häufiger in KI-Antworten erwähnt.

Die Erklärung liegt nicht im Content, sondern in der Autorität. Der Massenmarkt-Marktführer hat Wikipedia-Präsenz, Pressemeldungen in Fachmedien, Einträge auf Dutzenden Vergleichsportalen und eine jahrzehntelange Markenbekanntheit. All das erzeugt Multi-Source Corroboration — die Information „der Marktführer ist ein Nahrungsergänzungsmittel-Hersteller" ist auf Hunderten unabhängiger Quellen bestätigt. KI-Systeme vertrauen dieser Bestätigung mehr als der Content-Qualität einer einzelnen Website.

Eine aktuelle Analyse von 113 Brands über sechs Branchen bestätigt dieses Muster systematisch: Es gibt eine Kategorie von Marken — sogenannte „Overachievers" — deren KI-Sichtbarkeit deutlich über dem liegt, was ihre Markenstärke erwarten ließe. Spezialisierter Fokus und strukturierter informativer Content können Brand Authority kompensieren (Similarweb, 2026). Dieses Unternehmen hat die Substanz eines Overachievers — aber die Autoritätssignale fehlen, um das Potenzial freizusetzen.

Content-Optimierung ohne Authoritativeness-Aufbau ist wie ein besseres Outfit für eine Party, zu der man nicht eingeladen wurde.

Die Empfehlung — priorisiert nach Impact

Aus der Diagnose ergaben sich drei Prioritäten, die aufeinander aufbauen:

Priorität 1: E-E-A-T-Gate-Risiko beseitigen. Authoritativeness von 3/10 auf mindestens 5/10 bringen. Konkret: Die gesperrte Expertise-Seite für Suchmaschinen freigeben. Autorenprofile mit Credentials aufbauen. Fachexperten personalisieren — „Dr. [Name], [Fachgebiet], Universität [X]" ist ein verifizierbares E-E-A-T-Signal, generische Team-Zuschreibungen sind es nicht. Zeithorizont: 3–6 Monate für messbare Wirkung.

Priorität 2: How-To-Content aufbauen. Drei Pillar Pages für die unbesetzten Fragekategorien — Einnahme-Ratgeber, Qualitätskriterien, produktspezifische Ratgeber. Jede Seite 1.500–2.000 Wörter, mit Quellenangaben, Answer-First-Struktur und eigenständigen Chunks. Zeithorizont: 1–3 Monate.

Priorität 3: Schema-Implementierung. Article Schema auf allen Blog-Artikeln (ein einziger Template-Edit im CMS). FAQPage Schema auf den Top-20-Produktseiten. BreadcrumbList global. H1-Tags auf allen Produktseiten — fast die Hälfte der Seiten hatte kein H1-Tag, ein technisch einfacher Fix mit direktem Impact. Zeithorizont: 1–2 Monate.

Unsere konservative Schätzung für den Gesamteffekt bei vollständiger Umsetzung: AMCR in Richtung 30–35 % innerhalb von 6 Monaten. Authoritativeness auf 5–6/10. How-To-Coverage von 0 % auf 30–40 %. Diese Prognose basiert auf den identifizierten Lücken und den in unseren bisherigen Audits beobachteten Verbesserungsraten — sie ist keine Garantie, sondern eine datenbasierte Einschätzung.

Was dieser Fall für andere Unternehmen bedeutet

Drei Erkenntnisse, die branchenübergreifend gelten:

Schema Coverage ≠ Schema-Qualität. Eine hohe Coverage-Zahl bedeutet nichts, wenn es sich um ein einziges globales Schema handelt. Entscheidend ist, ob die GEO-relevanten Schema-Typen (Article, FAQPage, BreadcrumbList, Person) auf den richtigen Seiten implementiert sind.

Content-Qualität ist notwendig, aber nicht hinreichend. Dieses Unternehmen hatte besseren Content als der Marktführer — und trotzdem eine 2,3-mal niedrigere KI-Sichtbarkeit. Eine Analyse von 75.000 Brands bestätigt das Muster: Die Korrelation zwischen der Anzahl der Seiten einer Website und KI-Sichtbarkeit liegt bei nur 0,194, während externe Markenerwähnungen eine Korrelation von 0,664 aufweisen (Ahrefs, 2025). Nicht die Menge des Contents entscheidet, sondern ob die Marke auf unabhängigen Quellen erwähnt wird.

Die größten Chancen liegen in unbesetzten Fragekategorien. Bei How-To-Fragen standen sowohl das Unternehmen als auch sein direkter Wettbewerber bei 0 %. Solche Lücken sind der schnellste Weg zu KI-Sichtbarkeit — freies Land, das ohne Frontalangriff auf die Brand Authority der Großen besetzt werden kann.

Verwandte Themen

Wie sichtbar ist Ihre Marke?

Dieser Fall zeigt: Die Frage ist nicht „Wie gut ist unser Content?" — sondern „Warum werden wir trotzdem nicht zitiert?" Ein GEO-Audit liefert die Antwort.