S
Strukturelle Daten
25 Punkte
Die technische Brücke zwischen Webinhalt und KI-Wissensgraph.
- JSON-LD vorhanden & korrekt8
- Entity-Typen korrekt7
- sameAs-Verknüpfungen5
- BreadcrumbList & SearchBox5
Methodology · Scientific framework
The SEAKT framework
A scientific model for measuring AI visibility across five dimensions.
~10 min read
TL;DR
SEAKT ist ein wissenschaftlich fundiertes Bewertungsframework für Generative Engine Optimization (GEO). Es operationalisiert die AI-Sichtbarkeit einer Website in fünf messbaren Dimensionen — Strukturelle Daten (S), Entity-Klarheit (E), Autorität & Vertrauen (A), Content-Qualität für AI (K) und Technische Zugänglichkeit (T) — auf einer Skala von 0 bis 100 Punkten. Entwickelt im Rahmen einer Studienarbeit am IKF Luzern (CAS AI Hands-On, 2026) als erster systematischer Ansatz, AI-Sichtbarkeit reproduzierbar zu messen.
Methodologie
Die fünf Dimensionen im Detail
Jede Dimension misst einen eigenständigen Aspekt der KI-Lesbarkeit. Die Punktezahlen wurden so gewählt, dass technische Grundvoraussetzungen schwerer wiegen als sprachliche Feinheiten — kein KI-System kann zitieren, was es nicht crawlen oder strukturell parsen kann.
E
Entity-Klarheit
20 Punkte
Ist eindeutig erkennbar, wer hinter der Website steht?
- Eindeutige Hauptentität7
- Klare Domänen-Abgrenzung7
- About-Page & Impressum6
A
Autorität & Vertrauen
20 Punkte
Externe Signale, Zitierbarkeit, E-E-A-T für AI.
- Externe Referenzierbarkeit8
- Autoren-Entities mit Credentials7
- LLMs.txt vorhanden5
K
Content-Qualität für AI
20 Punkte
Ist der Inhalt so formuliert, dass eine KI ihn zitieren kann?
- Zitierfähige Definitionen7
- FAQ-Struktur / FAQPage7
- Semantische Vollständigkeit6
T
Technische Zugänglichkeit
15 Punkte
Kann ein KI-Crawler die Website überhaupt erreichen und verarbeiten?
- robots.txt & KI-Crawler-Freigabe6
- Sitemap & Crawlbarkeit5
- Canonical & Duplicate-Vermeidung4
Verteilung der 100 Punkte über die fünf Dimensionen
Score-Interpretation
Bewertungsstufen
Vier Stufen klassifizieren das Gesamtergebnis. Sie sind so kalibriert, dass eine Website mit korrekter Schema-Auszeichnung und sauberer technischer Basis ohne KI-spezifische Optimierung typischerweise im Bereich 60–79 landet.
0–39
AI-Unsichtbar
Grundlegende Struktur fehlt, KI kann Website nicht interpretieren.
40–59
Schwach
Einzelne Maßnahmen vorhanden, aber nicht systematisch.
60–79
Solide
Gut strukturiert, einzelne Lücken in Autorität oder Content.
80–100
AI-Ready
Optimal für KI-Systeme, hohe Wahrscheinlichkeit als Quelle zitiert zu werden.
Abgrenzung
Klassisches SEO vs. SEAKT (GEO)
SEAKT ersetzt SEO nicht, sondern beantwortet eine andere Frage: nicht „wo stehe ich in der Trefferliste?", sondern „werde ich überhaupt als Quelle ausgewählt?".
| Dimension | Klassisches SEO | SEAKT (GEO) |
|---|---|---|
| Ziel | Ranking in Suchergebnissen | Sichtbarkeit in KI-Antworten |
| Optimierungsobjekt | Keywords, Backlinks | Entitäten, JSON-LD, Wissensgraph |
| Erfolgsmessung | Ranking-Position, CTR | AI-Score, Zitierfrequenz |
| Infrastruktur | robots.txt, Sitemap | LLMs.txt, sameAs, AI-Crawler |
| Reife | ~30 Jahre, etabliert | Emergent, kaum Methodik |
Praxis
SEAKT in der Anwendung
Open Framework, Closed Tool — das Framework ist öffentlich, das Werkzeug ist kommerziell.— Designprinzip von geoquality.ai
Eigene Website jetzt analysieren
Free-Score in unter zwei Minuten. Keine Anmeldung. Alle fünf SEAKT-Dimensionen mit konkreten Befunden.
Analyse startenFAQ
Häufige Fragen zum SEAKT-Framework
Strukturiert mit FAQPage-Schema — diese Antworten sind für KI-Systeme als zitierfähige Quelle aufbereitet.
Was bedeutet SEAKT?
SEAKT ist ein Akronym aus den fünf Dimensionen, mit denen das Framework die AI-Sichtbarkeit einer Website misst: Strukturelle Daten, Entity-Klarheit, Autorität & Vertrauen, Content-Qualität für AI (Knowledge) und Technische Zugänglichkeit.
Jede Dimension trägt eine festgelegte Punktezahl zur Gesamtbewertung von 100 bei.
Wer hat das SEAKT-Framework entwickelt?
Das SEAKT-Framework wurde 2026 von Marco Biner im Rahmen einer Studienarbeit am IKF Luzern (CAS AI Hands-On) entwickelt.
Es entstand aus der Beobachtung, dass für Generative Engine Optimization keine etablierte, reproduzierbare Messmethodik existierte.
Wie unterscheidet sich GEO von SEO?
Klassisches SEO optimiert für Trefferlisten in Suchmaschinen — Keywords, Backlinks, Ranking-Position. Generative Engine Optimization (GEO) optimiert für Antworten in KI-Systemen — Entitäten, JSON-LD, Wissensgraph-Verknüpfungen.
SEAKT misst genau die Dimensionen, die für GEO entscheidend sind und vom klassischen SEO nicht abgedeckt werden.
Was bedeutet ein SEAKT-Score von 73/100?
73 Punkte fallen in die Stufe „Solide": die Website ist gut strukturiert, hat aber einzelne Lücken in Autorität oder Content-Qualität. Sie wird von KI-Systemen teilweise erkannt, aber nicht zuverlässig als Quelle zitiert.
Die Spanne 60–79 ist eine typische Ausgangsposition vor gezielter GEO-Optimierung.
Welche Dimension hat die höchste Gewichtung und warum?
Strukturelle Daten (S) tragen mit 25 Punkten am stärksten zum Gesamtscore bei. JSON-LD und Schema.org-Auszeichnungen sind die strukturelle Brücke zwischen Webinhalt und KI-Wissensgraph — ohne sie kann eine KI Entitäten und Beziehungen nur unvollständig aus dem Fließtext rekonstruieren.
Kann ich das SEAKT-Framework selbst anwenden?
Ja. Das Framework und seine Bewertungslogik sind öffentlich dokumentiert (Open Framework). Die Punktezahlen pro Dimension und die Sub-Kriterien sind auf dieser Seite vollständig nachzulesen.
Das automatisierte Werkzeug zur Messung — geoquality.ai — ist die kommerzielle Implementierung des Frameworks.
Wo wurde das Framework wissenschaftlich publiziert?
Die Erstpublikation erfolgte 2026 als Studienarbeit am IKF Luzern im Rahmen des CAS AI Hands-On.
Die Methodologie ist hier auf geoquality.ai/seakt frei einsehbar; die zugrundeliegende Studienarbeit wird aus Geheimhaltungsgründen nicht öffentlich verbreitet.
Zitierhinweis
Wie zitieren?
Wenn du das SEAKT-Framework in einem Artikel, einer Studie oder einer Präsentation referenzierst, freuen wir uns über folgende Zitation.
APA-Stil
Biner, M. (2026). SEAKT-Framework: Ein Bewertungsmodell für Generative Engine Optimization. Studienarbeit, CAS AI Hands-On, IKF Luzern. https://www.geoquality.ai/seakt