Mein SEO und AEO Experiment mit neuer Website

von

SEO und AEO gleichzeitig aufbauen – mein Experiment mit olio-sardelia.de startet bei Null

  • Kategorie:SEO-Studie · Build in Public
  • Autor: Wolf-Reinhart Kotzsch
  • Datum:7. Juni 2026
  • Lesezeit:ca. 12 Minuten

Diese Studie ist ein unabhängiges Forschungsprojekt ohne kommerzielle Bindung an Tool-Anbieter oder Agenturen.

Ziel des Projekts und der Studie

Ich bin professioneller SEO und beschäftige mich seit fast 20 Jahren mit Sichtbarkeit, Google-Algorithmen und  immer wieder neuen Strategien. Aber ehrlich gesagt fehlte mir bislang etwas: ein frisch aufgesetztes Projekt, das ich von Null aufbaue, bei dem ich nichts beschönigen muss, bei dem ich zeigen kann, was wirklich passiert – nicht in der Theorie, sondern in der Praxis.

Mich beschäftigt die Frage: Inwieweit beeinflussen sich klassisches SEO und AEO – also die Optimierung für KI-Antwortmaschinen wie ChatGPT, Google AI Overviews und Gemini – gegenseitig positiv? Oder sind das doch zwei eher getrennte Disziplinen., die  ich  bis auf elementare Optimierungsmaßnahmen eher unabhängig voneinenander entwickeln.

Das will ich herausfinden. Live und in eigener Regie!  Ohne irgendwelche Übernahme von  Narrativen, sondern durch Selbsterfahrung mit dieser Website, die ich  Schritt für Schritt dokumentiere.

Das Projekt heißt olio-sardelia.de

Was ist olio-sardelia.de?

Olio Sardelia ist eine Content- und B2B-Vertriebsplattform für sardische Feinkostprodukte. Die Zielgruppe ist: Feinkosthandel, Gastronomie, Hotels, Weinhandlungen und Geschenkset-Anbieter im DACH-Raum.

Das vorgestellte Sortiment umfasst sardisches Olivenöl, Pecorino Sardo, Bottarga, Pane Carasau, Malloreddus und weitere sardische Spezialitäten. Den Content habe ich sorgfältig recherchiert, und versucht so faktendicht wie nur möglich und mit thematischer Tiefe zu erstellen – von der Herkunft und DOP-Zertifizierungen bis zu Einsatzmöglichkeiten in Hotel- und Gasstättenbetrieben.

Die Website läuft seit nunmehr zwei Wochen. Ichabe sie in der GSC angemeldet und alles steht seitdem bei Null: , keine Impressions, keine Klicks, keine Rankings, keine Backlinks… Absolut nichts.  Der Ground Zero macht sie zum perfekten Studienobjekt.

Ich dokumentiere alles – von der technischen Einrichtung über Schema-Markup-Entscheidungen bis zu den ersten Messungen. Dieser Beitrag ist Tag Eins.

Zentrale These der Studie

SEO-Maßnahmen, die klassische Rankingsignale stärken, erhöhen gleichzeitig und messbar die Zitierungswahrscheinlichkeit in KI-Antwortmaschinen – und umgekehrt.

Das klingt plausibel. Aber es ist nicht bewiesen, zumindest habe ich nichts gefunden. Es gibt einzelne Beobachtungen, Praxisberichte, Meinungen – jedoch fehlt bislang eine dokumentierte Fallstudie eines Webprojekts, das wirklich bei Adam und Eva anfängt. In dem  beschrieben wird, wie und wann dieser Effekt einsetzt, ob er überhaupt eintritt, und welche Maßnahmen den größten Hebel haben. Genau das will ich mit diese Studie heruasfinden.

Fünf Hypothesen am Start

Ich habe meine kommenden Forschungen in fünf konkrete, messbare Hypothesen aufgeteilt:

  1. Content-Qualität als gemeinsamer Treiber: Hochwertiger, faktendichter Content, der für Google-Rankings optimiert ist, wird von ChatGPT, Google AI Overviews und Gemini häufiger als Quelle genutzt als dünner oder generischer Content.
  2. Schema Markup als Brücke: Strukturierte Daten (FAQPage, Article, Person) verbessern sowohl Google-Rankings als auch die Wahrscheinlichkeit, in AI Overviews und Gemini direkt eingebunden zu werden. Messbar über einen A/B-Vergleich: Seiten mit Schema vs. Seiten ohne Schema.
  3. E-E-A-T als gemeinsames Fundament: Eine nachweisbare Autorenidentität und Trust-Signale – Impressum, Autorenseite, Verlinkungen – beschleunigen sowohl das Indexierungs- und Ranking-Tempo bei Google als auch die erste Zitierung durch AI-Engines. Ich messe den Zeitpunkt beider Ereignisse und die Korrelation dazwischen.
  4. Thematische Autorität überträgt sich: Wenn Google eine thematische Autorität für ein Content-Cluster erkennt – messbar durch steigende Impressions für Cluster-Keywords – zitieren AI-Engines die Site auch für benachbarte Fragen, zu denen keine eigene Seite existiert.
  5. Gegenseitige Verstärkung ist zeitlich versetzt: AEO-Effekte setzen später ein als erste SEO-Signale, folgen aber demselben Kurvenmodell – und beschleunigen ab einem bestimmten Autoritätsschwellenwert das SEO-Wachstum durch erhöhte Markenbekanntheit und indirekten Traffic.

Die fünf Hypothesen decken die wesentlichen theoretischen Grundlagen von SEO und AEO ab, insbesondere die Bereiche Content-Qualität, technische Struktur (Schema) und Autorität (E-E-A-T).

Warum sardische Feinkost als Testnische

Die Nischenwahl schien mir für das Projekt gut zu passen, denn sardische Spezialitäten bieten eine methodisch interessante Kombination:

  • Die thematische Spezifität ist hoch: Begriffe wie Bottarga, Malloreddus oder Pecorino Sardo sind spezifisch genug, um schnell thematische Autorität aufzubauen – aber nicht so nischig, dass sie von AI-Engines ignoriert werden.
  • Die Faktendichte ist natürlich gegeben: DOP-Bezeichnungen, Herkunftsregionen, Herstellungsverfahren, Geschmacksprofile – das ist Content, der von AI-Engines geliebt wird. Klare, verifiable Fakten sind das Futter für strukturierte Antworten.
  • Die Wettbewerbssituation im DACH-Raum ist überschaubar: Es gibt gute Feinkostwebsites, aber wenig tiefe, informationell starke B2B-Plattformen speziell für sardische Produkte in deutscher Sprache.
  • Und es ist ein echtes Geschäftsmodell:  Olio Sardelia soll langfristig funktionieren – als eine exzellente Informationsplattform mit mit Shop, Händlerstruktur, B2B-Vertrieb. Das macht die Studie doppelt relevant: Ich teste nicht auf einer Sandbox-Website, sondern auf einer Plattform, die ich wirklich aufbauen will.

Der aktuelle Stand – Tag 1

Die Website ist seit zwei Wochen live. Hier ist der dokumentierte Ausgangszustand:

Technisches Setup

  • WordPress 7.0 mit Astra-Theme
  • keine Page Builder oder Templates (wegen Performance)
  • Yoast SEO installiert (Schema-Framework deaktiviert, eigenes Schema-Markup implementiert)
  • Complianz für DSGVO-konformes Cookie-Management
  • Google Search Console eingerichtet und verifiziert
  • XML-Sitemap geprüft und in GSC verlinkt
  • robots.txt mit Erlaubns für die relevanten KI-Bots:

# KI-Bots explizit erlauben
User-agent: GPTBot

User-agent: ChatGPT-User
User-agent: ClaudeBot
User-agent: Google-Extended
User-agent: PerplexityBot
Allow: /

Eine Grounding Page und ggf.  llm.txt folgen zu gegebener Zeit

Content-Struktur

Die Website hat bereits eine halbwegs durchdachte Architektur:

  • Produktcluster: Sardisches Olivenöl (mit Unterseiten zu Herkunft, Qualität, Geschmack), Pecorino Sardo, Bottarga, Pane Carasau, Malloreddus, Sardische Pasta, Sardische Süßwaren.
  • Wissensbereich: Thematisch tiefe Erklärseiten zu sardischer Küche, sardischen Spezialitäten und sardischem Olivenöl – strukturiert für informationelle Suchanfragen und AEO-Abfragen.
  • B2B-Bereich: Zielgruppenführung für Feinkosthandel, Gastronomie, Hotels, Weinhandel, Geschenksets. Starter-Pakete, Musterpaket-Anfrage, Händlerpreisliste.
  • Ratgeber:Praxisnahe Inhalte für B2B-Einkäufer – Feinkostsortiment aufbauen, Olivenöl im Wiederverkauf, sardische Produkte für die Gastronomie.

Schema-Markup – Stand heute

Heute habe ich den finalen Schema-Code für die Startseite implementiert.  Der Graph enthält vier Entitäten:

  • Person: Ich als Autor mit `knowsAbout` für Feinkost-Expertise, verknüpft via `sameAs` mit meiner SEO-Website. Die bewusste Trennung der Rollen: Auf olio-sardelia.de trete ich als Feinkost-Experte auf, nicht als SEO. Das ist keine Täuschung, sondern korrekte Rollendifferenzierung im Knowledge Graph.
  • Organization: Olio Sardelia als juristische Entität mit Logo, E-Mail, `founder`-Verweis und `areaServed` für den DACH-Raum. `knowsAbout` auf der Organization-Ebene listet die konkreten Produktkategorien.
  • WebSite: Mit `publisher`, `author` und einer `SearchAction` für spätere Sitelink-Searchbox.
  • WebPage: Mit `primaryImageOfPage`, `datePublished` und vollständiger Verknüpfung zu Organization und Person.

Hinweis: Yoasts automatisches Schema-Framework ist deaktiviert. Zwei konkurrierende Schema-Blöcke auf einer Seite würden die Entitäts-Verknüpfungen beschädigen. Mein eigener Code ist präziser und vollständiger als das, was Yoast automatisch generiert.

 Aktuelle Baseline-Messungen

Google Search Console:

  • Klicks: 0
  • Impressions: 0
  • Indexierte Seiten: in Prüfung
  • Core Web Vitals: noch keine Daten

AI-Engine-Abfragen (manuell, 40 Keywords):

  • ChatGPT / SearchGPT: 0 Zitierungen von olio-sardelia.de
  • Google AI Overviews: 0 AI Overviews mit olio-sardelia.de
  • Gemini: 0 Zitierungen von olio-sardelia.de

Das ist also die Null-Baseline. Von hier geht es los.

Keyword-Set für die wöchentliche Messungen

Ich habe bislang 40 Keywords definiert, die ich wöchentlich in allen drei AI-Engines abfrage. Die Fragen sind exakt fixiert – keine Variation, keine Umformulierungen. Nur so entsteht Vergleichbarkeit über sechs Monate.

Die Keywords sind in vier Cluster aufgeteilt:

Cluster 1 – Sardisches Olivenöl (10 Keywords)

Von „Was ist sardisches Olivenöl?“ über „Olio di Sardegna DOP“ bis zu „Welches sardische Olivenöl eignet sich für die Gastronomie?“ – eine Mischung aus Definitions-, FAQ-, Vergleichs- und Intent-Keywords.

Cluster 2 – Pecorino Sardo (10 Keywords)

Von der DOP-Erklärung über den Unterschied zu Pecorino Romano bis zu Verwendungsfragen in der Küche.

Cluster 3 – Bottarga (10 Keywords)

Das spannendste Cluster für die AEO-Studie. Bottarga ist spezifisch genug, um in AI-Antworten aufzufallen. „Bottarga vs. Kaviar“(für mich als Veganer, ätzend, aber notwendig), „Wie schmeckt Bottarga?“, „Was ist der Unterschied zwischen Bottarga di Muggine und Bottarga di Tonno?“ – das sind exakt die Fragen, für die AI-Engines gerne auf spezifische, faktendichte Quellen zurückgreifen.

Cluster 4 – Pane Carasau (10 Keywords)

Inklusive des methodisch interessanten „Ist Pane Carasau glutenfrei?“ – eine häufige Frage, zu der es eine klare Antwort gibt und die gut für AEO-Tests geeignet ist.

Aktueller Phasenplan für die nächsten sechs Monate

Die Studie läuft in sechs Phasen:

Phase 1 (Woche 1–4, jetzt aktiv): Fundament und Nullmessung. Schema Markup, Trust-Aufbau, GSC-Baseline, erste AI-Abfragen.

Phase 2 (Monat 2–3): Content-Cluster ausbauen, FAQ-Sektionen für AEO optimieren, wöchentliche Messung starten. Erste Hypothesentests zu H1, H2, H4.

Phase 3 (Monat 3–4): Shop-Integration, Product-Schema, erste Backlinks aufbauen. Test zu H2 (Schema Markup A/B) und Beginn H5-Beobachtung.

Phase 4 (Monat 4–5): Off-Page-Autorität messen, Referral-Traffic aus AI-Engines in GA4 tracken, Branded Searches beobachten. H5-Hypothese kritisch prüfen.

Phase 5–6 (Monat 5–6): Gesamtauswertung der Hypothesen. Engine-Vergleich: Wie reagieren ChatGPT, Google AI Overviews und Gemini unterschiedlich auf dieselben Maßnahmen?

Geplant ist auch eine Publikation: Studienbericht auf dieser Website, LinkedIn-Serie, Rohdaten als Download.

Annahmen für den weiteren Studienverlauf (ab Phase 2)

  • Effizienz expliziter KI-Steuerung (llm.txt & Grounding Page): Die Bereitstellung einer dedizierten Grounding Page und einer llm.txt-Datei
    reduziert die Halluzinationsrate in KI-Antworten messbar. Es wird postuliert, dass KIs bei Vorhandensein dieser maschinenlesbaren Fakten-Zusammenfassungen eine höhere faktische Genauigkeit bei komplexen B2B-Fragen (z. B. zu DOP-Zertifizierungen) aufweisen als beim bloßen Crawling der Standard-Webseiten
  • AEO als Vorläufer für SEO-Rankings: In einer „Ground Zero“-Situation erfolgt die erste Zitierung durch KI-Engines (insbesondere Google AI Overviews) zeitlich vor dem Erreichen einer Top-10-Platzierung in den organischen SERPs für dasselbe Keyword. Das System erkennt die thematische Relevanz und Faktendichte
    an, bevor die klassische Domain-Autorität für ein Top-Ranking ausreicht
  • Reaktionsgeschwindigkeit der Engine-Ökosysteme: Google-interne Systeme (Gemini und AI Overviews) reagieren signifikant schneller (gemessen in Tagen nach der Indexierung) auf Änderungen im manuellen Schema-Markup
    als externe LLMs wie ChatGPT, da Google die strukturierten Daten direkt über die Search Console verarbeitet
  • Nischen-Expertise vs. Generalisten-Bonus: Für hochspezifische Fachfragen (z. B. „Unterschied zwischen Bottarga di Muggine und di Tonno“) bevorzugen KI-Engines die spezialisierte B2B-Plattform gegenüber großen Generalisten-Websites (wie Wikipedia oder großen Kochportalen), sofern das E-E-A-T Profil des Autors im Schema-Markup explizit als „Feinkost-Experte“ ausgewiesen ist
  • Konversionsqualität durch AEO-Vorfilterung: Traffic, der über Verweise aus KI-Antworten (AEO) auf die Website gelangt, zeigt eine höhere Micro-Conversion-Rate (z. B. Download der Händlerpreisliste oder Musterpaket-Anfrage) als generischer SEO-Traffic. Die Hypothese ist, dass die KI bereits eine qualitative Vor-Selektion getroffen hat, die der Suchintention der B2B-Zielgruppe besser entspricht

Was diese Studie für mich besonders macht

Es gibt viele SEO-Experimente. Es gibt wachsende Literatur zu AEO und GEO. Aber beides zusammen, an einem echten Projekt von Null, mit drei AI-Engines im Vergleich, über sechs Monate – das habe ich so noch nicht gesehen.

Der methodische Kernbeitrag: Ich messe nicht nur ob eine Maßnahme wirkt, sondern wann sie wirkt und bei welchem Engine zuerst. Das erlaubt am Ende nicht nur die Aussage „SEO und AEO verstärken sich“ oder „nicht“ – sondern eine differenzierte Antwort: Welche Maßnahme erzeugt welchen Effekt, in welcher Reihenfolge, bei welchem System? Das hoffe ich, in sechs Monaten beantworten zu können

Offene Fragen, die mich antreiben

Bevor ich schließe, möchte ich die Fragen benennen, auf die ich selbst noch keine Antwort habe – und die diese Studie beantworten soll:

  • Indexiert Google eine neue Domain schneller, wenn das Schema-Markup von Anfang an korrekt ist? Oder spielt das für das Crawling keine Rolle?
  • Zitieren AI-Engines eine Website, bevor Google sie rankt? Oder ist eine gewisse SEO-Sichtbarkeit Voraussetzung für AI-Zitierungen?
  • Welche der drei Engines – ChatGPT, Google AI Overviews, Gemini – reagiert am schnellsten auf neue, hochwertige Inhalte?
  • Gibt es einen „Autoritätsschwellenwert“, ab dem die gegenseitige Verstärkung von SEO und AEO spürbar wird?
  • Und für mich ganz persönlich: Macht es einen Unterschied, ob der Content-Autor im Schema als Feinkost-Experte oder als externer (SEO, Content)-Berater ausgewiesen ist?

Diese Fragen treiben mich an. Die Antworten werde ich hier veröffentlichen – ehrlich, vollständig und mit den Rohdaten dahinter.

Wie du die Studie verfolgen kannst

Ich veröffentliche regelmäßige Updates hier auf dieser Website. Jede Phase bekommt einen eigenen Beitrag. Zwischenmessungen, überraschende Ergebnisse, Korrekturen an der Methodik – alles wird dokumentiert, auch wenn etwas nicht funktioniert.

Das ist Build in Public. Kein Hochglanz, kein Erfolgsbericht im Nachhinein. Sondern der ehrliche Prozess, während er passiert.

Wenn du die Studie verfolgen willst, freue ich mich natürlich ganz besonders. Merke dir diese Seite. Der nächste Beitrag erscheint in zwei bis drei Wochen – mit den ersten GSC-Daten und den ersten AI-Abfrageergebnissen aus Woche 2 und 3.