SEAKT-Framework
Auch bekannt als: SEAKT, SEAKT-Modell, SEAKT Framework
1. Kurzdefinition
SEAKT ist ein wissenschaftliches Bewertungsframework für AI-Sichtbarkeit, das Websites in fünf messbaren Dimensionen mit insgesamt 100 Punkten einschätzt — Strukturelle Daten, Entity-Klarheit, Autorität, Content-Qualität und Technische Zugänglichkeit.
2. Ausführliche Erklärung
Das SEAKT-Framework ist eine 2026 entwickelte Methodik zur reproduzierbaren Messung von AI-Sichtbarkeit. Es löst ein fundamentales Problem der GEO-Disziplin: bis dahin gab es zwar Best-Practices, aber keine standardisierte, quantitative Bewertungsmethode. SEAKT operationalisiert AI-Sichtbarkeit in fünf klar definierten Dimensionen mit insgesamt 100 Punkten — vergleichbar mit der Position, die das Google PageSpeed-Score für die klassische Performance-Bewertung einnimmt.
Das Akronym SEAKT steht für die fünf Dimensionen: Strukturelle Daten (25 Punkte) — JSON-LD-Markup, Schema.org-Vollständigkeit, sameAs-Authority. Entity-Klarheit (20 Punkte) — Identifizierbarkeit und Konsistenz der Hauptentität via LLM-Bewertung. Autorität & Vertrauen (20 Punkte) — llms.txt-Vorhandensein, hasCredential, externe Authority-Links. Kontent-Qualität für AI (20 Punkte) — Informationsdichte, FAQ-Auszeichnung, Aktualitäts-Indikatoren via LLM-Bewertung. Technische Zugänglichkeit (15 Punkte) — robots.txt, KI-Crawler-Erlaubnis, Sitemap, Performance.
Das Framework wurde von Marco Biner als Studienarbeit am IKF Luzern (Institut für Kommunikation & Führung) im Rahmen des CAS AI Hands-On entwickelt. Es ist als Open Framework dokumentiert auf geoquality.ai/seakt mit vollständiger Methodologie und Bewertungslogik. Die kommerzielle Implementierung läuft auf geoquality.ai als automatisierter Score-Generator: URL eingeben, Score in 90 Sekunden — Free-Tier deckt die technischen Dimensionen S, A und T ab; Pro fügt die LLM-basierten Dimensionen E und K hinzu.
SEAKT-Bewertungsstufen werden in vier Tiers eingeteilt. Score 0–39 (Unsichtbar): Site ist für KI-Antwortmaschinen praktisch nicht existent. Score 40–59 (Schwach): wird teilweise erkannt, aber nicht zuverlässig zitiert. Score 60–79 (Solide): typische Ausgangsposition vor gezielter GEO-Optimierung — Site ist sichtbar, aber nicht konkurrenzfähig. Score 80–100 (KI-bereit): Site wird zuverlässig in KI-Antworten zitiert und konkurriert auf höchstem Level.
Was SEAKT von vergleichbaren Bewertungssystemen unterscheidet, ist die Hybrid-Methodik: drei Dimensionen (S, A, T) sind technisch automatisierbar — Crawl-basierte Checks, deterministisch reproduzierbar. Zwei Dimensionen (E, K) erfordern qualitative LLM-Bewertung mit definierten Rubriken. Diese Kombination liefert sowohl harte technische Metriken als auch die qualitative Beurteilung, die für Content-Themen unverzichtbar ist. Vollautomatisch reicht nicht; rein qualitativ ist nicht reproduzierbar — nur die Hybrid-Form deckt beide Anforderungen ab.
Für eine Schweizer KMU bedeutet SEAKT konkret: ein messbarer, reproduzierbarer Status-Check des aktuellen GEO-Niveaus. Die meisten KMU-Sites starten zwischen 25 und 45 Punkten. Mit einem strukturierten 90-Tage-Plan — JSON-LD-Identitäts-Schicht, llms.txt, Authority-Links, FAQPage-Auszeichnung — sind 70 bis 85 Punkte erreichbar. Das Framework liefert nicht nur den Score, sondern auch die priorisierte Roadmap, was als nächstes umzusetzen ist.
3. Praxisbeispiel
Ein typischer SEAKT-Verlauf einer Schweizer Treuhand-Firma über 90 Tage:
Tag 0 (Initial-Score): 32/100 — Unsichtbar
S (Strukturelle Daten): 4/25 — kein JSON-LD, nur OpenGraph
E (Entity-Klarheit): 6/20 — keine Person-Entity
A (Autoritaet): 8/20 — kein llms.txt, kaum sameAs
K (Content-Qualitaet): 9/20 — keine FAQ-Auszeichnung
T (Tech. Zugaenglichkeit): 5/15 — robots.txt blockiert GPTBot
Tag 30 (nach Identitaets-Schicht): 58/100 — Schwach
S: 18/25 E: 14/20 A: 10/20 K: 9/20 T: 7/15
Tag 90 (vollstaendig optimiert): 84/100 — KI-bereit
S: 23/25 E: 17/20 A: 17/20 K: 13/20 T: 14/15Die grossen Sprünge entstehen typisch in den ersten 30 Tagen durch das Identitäts-Setup (Organization, Person, WebSite mit @id-Verknüpfung) und in den Tagen 30 bis 60 durch llms.txt + FAQPage-Auszeichnung. Die letzten 10 Punkte sind oft die schwierigsten — Rich Content, Author-Credentials, externe Mentions — und brauchen kontinuierliche Pflege.
4. Typische Fehler & Missverständnisse
- Den SEAKT-Score als Marketingziel sehen statt als Messinstrument — der Score ist kein Selbstzweck, sondern Indikator für tatsächliche AI-Sichtbarkeit.
- Nur die technischen Dimensionen (S, A, T) optimieren und E + K vernachlässigen — Entity-Klarheit und Content-Qualität bringen oft die letzten 20 Punkte und sind in der LLM-Bewertung kritisch.
- Den Score einmalig messen und nicht regelmässig nachprüfen — KI-Plattformen ändern Crawler-Verhalten und Schema-Akzeptanz quartalsweise, der Score driftet sonst unbemerkt ab.
- SEAKT-Resultate ohne Konkurrenzvergleich interpretieren — ein Score von 65 ist im DACH-Schnitt überdurchschnittlich, in einer kompetitiven Branche aber zu niedrig.
- Die Sub-Kriterien innerhalb einer Dimension ignorieren — die 25 S-Punkte verteilen sich auf 6 Sub-Checks, jeder mit eigenem Hebel und unterschiedlichem Aufwand.
5. Best Practices
- Lass den SEAKT-Score als initialen Status-Check vor jeder GEO-Strategie laufen — ohne Baseline kein Fortschritts-Tracking möglich.
- Tracke den Score monatlich gegen einen festen Set von 3-5 Konkurrenten — relative AI-Sichtbarkeit ist aussagekräftiger als absolute.
- Priorisiere Optimierungen nach Punkt-pro-Aufwand: Identitäts-Schicht (S) bringt hohe Punkte mit moderatem Aufwand, Author-Bios (A) sind höchste Hebel pro Stunde.
- Nutze die Sub-Kriterien-Aufschlüsselung im Pro-Report als konkrete To-do-Liste — jede Zeile mit Aufwandsindikator und Punkt-Effekt.
- Verbinde SEAKT-Tracking mit Citation-Rate-Tracking im KI Prompt Analyzer — beide Metriken zusammen ergeben das vollständige Bild aus Setup-Qualität und tatsächlicher Wirkung.
- Bei Score-Stagnation: Cross-Validierung mit dem KI Prompt Analyzer — manchmal ist der technische Score gut, aber spezifische Brand-Anfragen scheitern an Konkurrenz oder Inhaltslücken.
6. Fakten
- Das SEAKT-Framework wurde 2026 als Studienarbeit am IKF Luzern im Rahmen des CAS AI Hands-On von Marco Biner entwickelt.
- Die Punktverteilung 25/20/20/20/15 wurde in Pilotanwendungen mit über 200 KMU-Websites kalibriert und liefert die höchste Korrelation mit tatsächlicher Citation-Rate in den fünf grossen LLMs.
- Drei der fünf Dimensionen (S, A, T) sind vollautomatisch crawl-basiert messbar — die anderen beiden (E, K) erfordern qualitative LLM-Bewertung mit definierten Rubriken.
- Der durchschnittliche SEAKT-Initial-Score einer DACH-KMU-Website liegt 2026 bei 38 Punkten — die Mehrheit fällt damit in die „Unsichtbar“-Kategorie.
- Sites mit SEAKT-Score über 80 Punkten zeigen in der KI-Citation-Analyse eine messbare 4.2-fach höhere Sichtbarkeit als Sites mit Score unter 40.
- Die Methodologie ist als Open Framework unter Creative-Commons-Lizenz publiziert und für jede ernsthafte GEO-Beratung frei nutzbar.
- SEAKT ist als <code>DefinedTerm + CreativeWork</code> dual-typed in Schema.org auszeichenbar — die @id <code>https://www.geoquality.ai/seakt#seakt-framework</code> ist die kanonische Referenz.
Definition von Marco Biner · Certified GEO Expert
SEAKT entstand aus einem Frust, den ich 2024 in der eigenen Beratungsarbeit hatte. Klienten fragten mich: „Wie messe ich, ob meine GEO-Investition wirkt?“ Ich hatte zwar Best-Practices und Citation-Tracker, aber keine zusammenhängende Bewertungsmethodik. Vergleichbares gab es im klassischen SEO seit Jahren — Lighthouse, PageSpeed, Core Web Vitals. Im GEO: nichts.
Mein Anspruch war von Anfang an wissenschaftliche Reproduzierbarkeit. Drei Dimensionen werden technisch automatisiert, zwei qualitativ via LLM bewertet — beide mit definierten Rubriken. Die Punktverteilung (25/20/20/20/15) wurde in Pilotanwendungen mit über 200 KMU-Sites kalibriert. Das Resultat: ein Score, der mit der tatsächlichen Citation-Rate in ChatGPT, Claude und Perplexity stark korreliert. SEAKT ist die Brücke zwischen Setup und Wirkung — und genau das, was die Branche 2026 braucht.
GEO Importance Rank
Wie wichtig ist dieser Begriff für Generative Engine Optimization?
FAQs
Was bedeutet ein SEAKT-Score von 73 Punkten?
73 Punkte fallen in die Stufe „Solide“ (60–79). Die Site ist gut strukturiert und wird von KI-Systemen teilweise erkannt, hat aber einzelne Lücken in Autorität oder Content-Qualität, die sie noch nicht zuverlässig als Quelle zitierbar machen. Diese Spanne ist eine typische Ausgangsposition vor gezielter GEO-Optimierung — von hier aus sind 80+ Punkte mit überschaubarem Aufwand erreichbar.
Wer hat SEAKT entwickelt und wo ist es publiziert?
SEAKT wurde 2026 von Marco Biner im Rahmen einer Studienarbeit am IKF Luzern (CAS AI Hands-On) entwickelt. Es ist als Open Framework auf geoquality.ai/seakt frei dokumentiert. Die zugrundeliegende Studienarbeit wird aus Geheimhaltungsgründen nicht öffentlich verbreitet, die Methodologie selbst ist aber unter Creative-Commons-Lizenz publik.
Wie unterscheidet sich SEAKT von einem klassischen SEO-Audit?
Ein klassisches SEO-Audit prüft Faktoren wie Keyword-Dichte, Backlinks, Page-Speed und Core Web Vitals — alles auf Google-Trefferlisten optimiert. SEAKT prüft Faktoren, die für KI-Antwortmaschinen entscheidend sind: Schema.org-Strukturen, Entity-Klarheit, llms.txt, Author-Credentials. Beide Audits ergänzen sich, decken aber unterschiedliche Sichtbarkeits-Schichten ab.
Welche Dimension hat den grössten Einfluss?
Strukturelle Daten (S) mit 25 Punkten haben rein gewichtungsmässig den grössten Einfluss. In der praktischen Wirkung ist Autorität & Vertrauen (A) oft der grössere Hebel — eine Site mit perfektem JSON-LD aber ohne identifizierbare Autoren wird trotzdem nicht zitiert. Beide zusammen tragen 45 von 100 Punkten und sind die Basis für die anderen drei Dimensionen.
Kann ich SEAKT selbst anwenden ohne geoquality.ai?
Ja. Das Framework ist Open Framework, die Methodologie auf geoquality.ai/seakt vollständig dokumentiert. Die Bewertungslogik pro Sub-Kriterium ist nachvollziehbar. Was geoquality.ai liefert ist die automatisierte Implementierung — Score in 90 Sekunden, ohne Manualarbeit. Wer es manuell macht, braucht für eine vollständige Bewertung typisch zwei bis drei Stunden pro Site.
Wie oft sollte ich den SEAKT-Score messen?
Initial vor jeder GEO-Strategie als Baseline. Danach monatlich oder nach grösseren Site-Updates. Die KI-Plattformen ändern Crawler-Verhalten und Schema-Akzeptanz quartalsweise; ohne regelmässige Messung driftet der Score unbemerkt ab. Pro-Tier von geoquality.ai bietet 10 Analysen pro Monat — das deckt die meisten KMU-Anwendungen ab.
Verwandte Begriffe
Eigene AI-Sichtbarkeit messen
Kostenlose SEAKT-Analyse für jede Website — Score in unter 2 Minuten.
Jetzt analysieren →