Baseline für SEO und AI Search: Ohne Ausgangsmessung ist jede Optimierung Raten

Was eine Baseline ist

Eine Baseline ist der dokumentierte Ausgangszustand, gegen den du jede Veränderung prüfst. Sie ist nicht die Startnummer eines Projekts, sondern der Referenzpunkt, der dir ermöglicht zu sagen: "Diese Veränderung geht auf unsere Maßnahmen zurück – und jene nicht."

Ohne Baseline hast du Daten. Mit Baseline hast du Interpretation.

Der Unterschied ist nicht akademisch. In der Praxis bestimmt er, ob du nach einem Rückgang sinnvoll reagierst oder ob du in hektischen Stakeholder-Meetings auf Basis von Einzelbeobachtungen diskutierst.

SEO-Baseline vs. AI Search Baseline

Beide haben dieselbe Grundlogik, aber unterschiedliche Messqualität.

Die SEO-Baseline arbeitet mit deterministischen Messwerten. Eine URL rankt auf Position 7 für eine bestimmte Suchanfrage. Das ist reproduzierbar, überprüfbar, timestampable. Du kannst eine Momentaufnahme nehmen, einen Monat warten, erneut messen und die Differenz belastbar benennen.

Die AI Search Baseline arbeitet mit probabilistischen Outputs. Ein LLM nennt deine Marke für einen Prompt heute, morgen nicht, übermorgen wieder, aber in einem anderen Kontext. Dieselbe Frage an ChatGPT und an Perplexity ergibt unterschiedliche Antworten. Dieselbe Frage an ChatGPT heute und in drei Wochen ebenfalls. Das ist kein Bug, das ist das Designprinzip dieser Systeme.

Das bedeutet nicht, dass AI Search nicht messbar ist. Es bedeutet, dass du Stichproben-Logik statt Ranking-Logik brauchst. Der Einzelwert zählt wenig; der Trend über einen repräsentativen Prompt-Pool zählt.

GEO, AEO – und warum die Kürzel weniger wichtig sind als das Fundament

GEO (Generative Engine Optimization) und AEO (Answer Engine Optimization) beschreiben den Optimierungsansatz für Systeme, die generative Antworten produzieren. Die Abgrenzung zwischen den Begriffen ist in der Praxis fließend, und verschiedene Autoren verwenden sie unterschiedlich. Was bleibt: Beide setzen ein solides SEO-Fundament voraus. Wer technische Schwächen, schlechte Content-Struktur oder unklare Autorität hat, wird in keinem dieser Systeme gut abschneiden – unabhängig davon, welches Kürzel gerade in Mode ist.

Interpretationsschutz nach Updates

Google verteilt Core Updates mehrfach pro Jahr. Jedes Update ist ein potenzielles Stakeholder-Gespräch darüber, warum der Traffic eingebrochen ist und was jetzt zu tun ist. Ohne Baseline läuft dieses Gespräch nach einem Muster, das du kennst: Jemand zieht einen Screenshot aus dem Analytics-Dashboard, jemand anderes zitiert einen LinkedIn-Post über das Update, und die Gruppe einigt sich auf Maßnahmen, für die es keine Hypothese gibt.

Mit Baseline läuft es anders. Du kannst prüfen: Welche Seitentypen sind betroffen? Welche Suchintentionen? Haben Wettbewerber systematisch gewonnen? Gibt es parallele technische Änderungen, die mit dem Update-Zeitraum zusammenfallen? Google empfiehlt bei Traffic-Veränderungen ausdrücklich, Zeiträume zu vergleichen und Daten nach Suchanfragen, URLs, Ländern, Geräten und Suchdarstellungen zu segmentieren, bevor Maßnahmen ergriffen werden. Das setzt voraus, dass diese Segmentierungsdaten als Baseline vorhanden sind.

Eine SEO-Baseline ist deshalb kein Dokumentationsprojekt. Sie ist dein Schutz gegen Aktionismus.

Das Korrelationsproblem ohne Baseline

Ein Beispiel aus der Praxis, das sich regelmäßig wiederholt:

Jede dieser Fehlinterpretationen ist ohne Baseline plausibel. Mit Baseline ist keine davon notwendig.

Sichtbarkeit mit Geschäftsergebnis verbinden

Ein häufiges Problem in SEO-Projekten: Berichtet wird entweder zu technisch oder zu oberflächlich. Rankings allein sagen zu wenig, Traffic allein ist zu weit vom Geschäftsziel entfernt, Umsatz allein ist zu schwach mit dem SEO-Hebel verbunden.

Google selbst beschreibt den Unterschied zwischen Search Console und Analytics so: Die Search Console zeigt, was vor dem Klick passiert, Analytics zeigt, was danach passiert. Eine belastbare Baseline verbindet mindestens drei Ebenen:

Erst wenn alle drei Ebenen dokumentiert sind, kannst du nach einer Maßnahme erklären, was sich warum verändert hat.

Vor Relaunches und Migrationen ist die Baseline keine Option

Bei CMS-Wechseln, URL-Migrationen oder strukturellen Änderungen ist eine Baseline keine Empfehlung, sondern Grundvoraussetzung. Nach dem Relaunch muss überprüfbar sein, ob Indexierung, Rankings, Crawlability und Conversions stabil bleiben.

Eine technische SEO-Baseline vor größeren Änderungen enthält mindestens:

• Welche wichtigen URLs sind indexiert, welche nicht?

• Welche URLs ranken für welche Hauptqueries?

• Welche Seiten erzeugen organischen Traffic und Conversions?

• Welche alten URLs benötigen Weiterleitungen?

• Welche Statuscodes gibt es (200, 3xx, 4xx, 5xx)?

• Welche Canonical-Struktur konsolidiert Signale korrekt?

• Welche Markups sind vorhanden und valide?

• Welche Core Web Vital-Werte haben welche Templates?

Ohne diese Ausgangsdaten lässt sich nach einem Relaunch kaum unterscheiden, ob ein Sichtbarkeitsverlust durch Redirect-Fehler, Template-Änderungen, Content-Kürzungen oder externe Veränderungen entstanden ist.

Was Tools messen – und was nicht

Sistrix schreibt in der eigenen Dokumentation: "Quellen werden selten genannt, Antworten variieren stark und basieren je nach Modell nicht immer auf aktuellen Daten." Das ist eine ehrliche Einschätzung, die in den meisten Artikel über AI Search Tracking nicht zu finden ist.

Rankscale gehört zu den stärkeren Tools für AI Visibility Tracking, arbeitet aber primär outputbasiert: Es zeigt, wie KI-Systeme auf definierte Prompts antworten und, soweit vom jeweiligen System offengelegt, welche Quellen oder URLs dabei sichtbar zitiert werden. Was Rankscale nicht leisten kann, ist die vollständige Rekonstruktion des internen Retrieval-, Crawl- oder Reasoning-Pfads eines LLMs. Das ist keine Produktschwäche, sondern eine grundsätzliche Black-Box-Grenze externer Beobachtung. Beobachtbar sind Teilaspekte: sichtbare Zitate, wo das System sie ausgibt, und Bot-Zugriffe auf die eigene Website, soweit diese im Server-Log auftauchen.

Konkret bedeutet das: Du kannst messen, ob deine Marke in einer Antwort erscheint. Du kannst nicht direkt messen, warum sie erscheint oder welche Seite dafür verantwortlich war. Die Korrelation zwischen "Seite X wurde gecrawlt" und "Marke Y erscheint in Antwort auf Prompt Z" bleibt eine Hypothese, keine gesicherte Kausalität.

Das ist der zentrale Unterschied zur klassischen SEO: Dort weißt du, dass URL A auf Position 3 für Suchanfrage B steht. In der AI Search weißt du, dass deine Marke bei Prompt C in etwa X Prozent der Antworten erscheint. Der Mechanismus dazwischen ist eine Black Box, und das wird auf absehbare Zeit so bleiben.

Das probabilistische Problem ernst nehmen

Gängige AI Visibility Tools simulieren Prompts täglich oder stündlich, erfassen die Antworten und aggregieren daraus Sichtbarkeitsverläufe. Das funktioniert – aber nur unter einer Bedingung: Die Prompt-Sets müssen repräsentativ, konsistent und kuriert sein. Andernfalls misst du das Rauschen des Modells, nicht die Sichtbarkeit deiner Marke.

Was "repräsentativ" in diesem Kontext bedeutet:

• Die Prompts spiegeln echte Nutzerfragen in deiner Kategorie wider, nicht dein Wunschbild.

• Sie decken verschiedene Fragetypen ab: Markenfragen, Kategoriefragen, Problemfragen, Vergleichsfragen, Empfehlungsfragen.

• Sie sind sprachlich so formuliert, wie tatsächliche Nutzerinnen und Nutzer fragen, nicht wie du dein Angebot beschreiben würdest.

Was "konsistent" bedeutet:

• Du verwendest dieselben Prompts über Zeit hinweg. Wer Prompts nachträglich ändert, bricht seine eigene Zeitreihe.

• Du trackst auf denselben Plattformen. Die Antworten von ChatGPT und Perplexity sind nicht substituierbar, weil sie unterschiedliche Trainingsdaten und Retrievalsysteme nutzen.

Was "kuriert" bedeutet:

• Die Prompts wurden gegen reale Nutzerintentionen geprüft, nicht aus dem Bauch heraus formuliert.

• Sie wurden mindestens einmal manuell getestet, bevor sie ins automatisierte Tracking wandern.

Warum Training Data mehr zählt als Retrieval – und was das für deine Baseline bedeutet

Ein wichtiger Punkt, der in den meisten GEO/AEO-Guides unterrepräsentiert ist: Die meisten AI-Antworten basieren nicht primär darauf, was das Modell im Moment abruft (Retrieval), sondern darauf, was im Training eingearbeitet wurde. Das gilt vor allem für ältere Fakten, etablierte Marken und wiederkehrende Fragetypen.

Das bedeutet für deine AI Search Baseline: Was du heute misst, spiegelt oft wider, was das Modell in den letzten Trainingszyklen über dich gelernt hat. Maßnahmen, die du heute umsetzt, ob neue Inhalte, bessere Struktur oder mehr Erwähnungen in Fachmedien, wirken sich in der Baseline möglicherweise erst in Monaten aus, weil sie den nächsten Trainingszyklus erreichen müssen.

Das ist keine Entmutigung. Es ist ein Argument dafür, frühzeitig mit dem Aufbau einer Datenbasis anzufangen und realistische Erwartungen an die Geschwindigkeit der Wirkung zu haben.

Das "zwölf Monate"-Argument richtig verstehen

Der oft zitierte Satz, wer jetzt anfange zu messen, habe in zwölf Monaten belastbare Daten, die Wettbewerber nicht hätten, stimmt unter einer Bedingung: Das, was gemessen wird, ist sinnvoll aufgesetzt.

Zwölf Monate Tracking mit willkürlichen Prompts, ohne Snapshot-Protokoll und ohne Kontextsystem produzieren zwölf Monate uninterpretierbarer Messwerte. Das ist kein Wettbewerbsvorteil, das ist ein aufgeräumtes Dashboard mit schlechten Daten dahinter.

Wenn du jetzt anfängst, dann richtig: Prompt-Set kurieren, Snapshot-Protokoll anlegen, Kontextveränderungen dokumentieren. Erst dann zählt die Zeitreihe.

Problem 1: Die Baseline wird angelegt und nie wieder angeschaut

Eine Baseline ist kein Ablagedokument. Sie wird erst sinnvoll, wenn du sie aktiv als Referenzpunkt nutzt: nach Updates, nach Maßnahmen, in Kundengesprächen, bei der Budgetplanung. Eine Baseline, die im Google Drive liegt und einmal pro Jahr geöffnet wird, ist kein Steuerungsinstrument.

Problem 2: Der Snapshot ist zu kurz

Baselines mit weniger als vier Wochen Datenbasis sind in der klassischen SEO unzuverlässig, weil saisonale Schwankungen und kurzfristige Volatilität das Bild verzerren. In der AI Search kommt die Modellvolatilität dazu: Einige Modelle ändern ihre Antwortmuster mit Updates, ohne dass du davon erfährst. Ein einzelner AI-Snapshot ist daher noch weniger aussagekräftig als ein kurzer GSC-Export.

Problem 3: Die Prompt-Sets werden nachträglich angepasst

Das zerstört die Zeitreihe. Wenn du im Monat drei neue Prompts ergänzt, weil du feststellst, dass die bisherigen nicht gut performt haben, vergleichst du ab sofort Äpfel mit Birnen. Der richtige Weg: Kernprompts bleiben stabil. Neue Prompts werden in einem separaten Set geführt, mit eigenem Startdatum.

Problem 4: Kein Kontextprotokoll

Ein Rückgang in der AI Visibility im Monat X kann viele Ursachen haben: ein Modell-Update, ein Wettbewerber, der neu citet wird, eine negative Erwähnung in einem Fachmedium, eine veränderte Crawling-Frequenz. Ohne Protokoll, das festhält, wann was außerhalb der eigenen Maßnahmen passiert ist, kannst du Ursachen nicht zuordnen. Ein einfaches Textdokument oder eine Tabelle mit Datum und Ereignis reicht.

Problem 5: Die KI beschreibt die Marke falsch, und es fehlt die Baseline zum Nachweis der Korrektur

Das ist ein Sonderfall, der aber regelmäßig vorkommt: Ein LLM ordnet ein Unternehmen falsch ein, beschreibt die Leistungen ungenau oder nennt veraltete Informationen. Um zu beweisen, dass eine Korrekturmaßnahme gewirkt hat, brauchst du einen dokumentierten Snapshot des alten Zustands.

Dieses Szenario basiert auf einem typischen Projektverlauf. Namen und Zahlen sind anonymisiert, alle Annahmen sind transparent.

Ein IT-Beratungsunternehmen mit 45 Mitarbeitenden und einer Website, die über Jahre organischen Traffic aufgebaut hat, bemerkt im Januar 2025 einen Rückgang von etwa 22 Prozent im organischen Traffic über drei Monate. Das Unternehmen hat keine Baseline. Der Geschäftsführer fragt die Agentur nach der Ursache.

Die Agentur liefert drei Hypothesen: ein Google Update, ein neuer Wettbewerber, eine technische Veränderung nach einem CMS-Update im Oktober. Alle drei sind plausibel. Keine kann belegt werden. Es wird beschlossen, Inhalte zu überarbeiten, Backlinks aufzubauen und die technischen Grundlagen zu verbessern.

Sechs Monate später hat sich der Traffic stabilisiert. Ob das auf die Maßnahmen zurückgeht oder auf die saisonale Erholung der Branche, kann niemand sagen. Die Agentur zieht einen Vergleich zum Tief im Januar und nennt das einen Erfolg.

Zum selben Zeitpunkt fragt der Vertriebsleiter: "Werden wir eigentlich bei ChatGPT oder Perplexity empfohlen, wenn Kunden nach IT-Beratung in unserer Region suchen?" Niemand weiß es. Es gibt keine Baseline, keinen Prompt-Test, keine Dokumentation.

So läuft das, ohne Baseline.

Mit einer Baseline wäre das Szenario anders verlaufen:

• Der GSC-Export vor dem CMS-Update hätte die technische Hypothese sofort prüfbar gemacht.

• Der Sichtbarkeitsverlust hätte mit dem Timeline-Protokoll datiert werden können.

• Ein initialer AI-Snapshot mit 30 kuratierten Prompts hätte die Ausgangslage in AI-Systemen dokumentiert.

• Nach sechs Monaten Maßnahmen wäre eine Vergleichsmessung möglich gewesen, die mehr zeigt als den Vergleich zum Monatstief.

Der Unterschied im Aufwand: ein bis zwei Arbeitstage zu Projektbeginn. Der Unterschied im Informationsgewinn über sechs Monate: erheblich.