geoquality.ai · Working Paper

SEAKT™ Whitepaper

A Scientific Framework for Measuring AI Visibility in Generative Engines

Ein wissenschaftliches Framework zur Messung von AI-Sichtbarkeit in generativen Suchsystemen

Working Paper Version 1.0 Mai 2026 CC BY 4.0

Marco Biner · Founder, geoquality.ai · CCFE · Glis, Schweiz

DOI: 10.5281/zenodo.20101132

⬇ PDF herunterladen (0.6 MB) 📄 Auf Zenodo ansehen

Dieses Whitepaper ist unter Creative Commons Attribution 4.0 International (CC BY 4.0) lizenziert. Sie dürfen es frei teilen und bearbeiten — unter Namensnennung. SEAKT™ ist eine geschützte Wortmarke von Marco Biner / geoquality.ai.

Abstract

Mit dem Aufkommen generativer Suchsysteme vollzieht sich seit 2023 ein struktureller Wandel der Informationsbeschaffung im Web. Klassische Suchmaschinen- Optimierung (SEO) verliert an Erklärungskraft, da Nutzer zunehmend direkte Antworten von KI-Systemen wie ChatGPT, Perplexity und Google AI Overviews konsumieren statt Linklisten zu durchsuchen.

Diese Arbeit schlägt mit SEAKT ein fünfdimensionales, hybrides Bewertungsframework vor, das AI-Sichtbarkeit als Score auf einer Skala von 0–100 Punkten operationalisiert. Die fünf Dimensionen — Strukturelle Daten (S), Entity-Klarheit (E), Autorität & Vertrauen (A), Content-Qualität für AI (K) und Technische Zugänglichkeit (T) — kombinieren technische Audits mit LLM-basierten qualitativen Bewertungen.

Die empirische Validierung am Schweizer Bitcoin-Shop HODL.swiss zeigt eine Score-Verbesserung von 73 auf 89 Punkte über einen Zeitraum von 90 Tagen, verbunden mit einer messbaren Steigerung der Citation-Rate in vier von fünf getesteten LLM-Engines. Die Methodik ist reproduzierbar, transparent und unter Creative Commons Attribution 4.0 frei verfügbar.

Generative Engine Optimization AI Visibility SEAKT Framework Schema.org JSON-LD Knowledge Graph E-E-A-T Hybride Bewertungsmethodik

Inhaltsverzeichnis

  1. Einleitung und Problemstellung
  2. Forschungslücke und Relevanz
  3. Theoretische Grundlagen
  4. Das SEAKT-Framework — 5 Dimensionen, 100 Punkte
  5. Methodische Architektur
  6. Bewertungsstufen und Interpretation
  7. Empirische Validierung — Fallstudie HODL.swiss (73 → 89)
  8. Diskussion und Limitationen
  9. Forschungsausblick
  10. Trademark and Licensing Notice
  11. Literaturverzeichnis

Empfohlene Zitation (APA 7)

Biner, M. (2026). SEAKT — A scientific framework for measuring AI visibility in generative engines (Working Paper, Version 1.0). geoquality.ai. https://doi.org/10.5281/zenodo.20101132

BibTeX

@techreport{biner2026seakt, author = {Biner, Marco}, title = {SEAKT --- A Scientific Framework for Measuring AI Visibility in Generative Engines}, institution = {geoquality.ai}, type = {Working Paper}, number = {Version 1.0}, address = {Glis, Schweiz}, year = {2026}, month = {May}, url = {https://geoquality.ai/seakt-whitepaper}, doi = {10.5281/zenodo.20101132}, note = {SEAKT is a trademark of Marco Biner / geoquality.ai. Method licensed under CC BY 4.0.} }

Teste geoquality.ai

Dein SEAKT-Score in 30 Sekunden — kostenlos, ohne Login.

Jetzt analysieren →