Case Study: SEO, AEO und GEO für einen Solaranbieter – von Seite 2 auf die Plätze 2–4 in sechs Monaten

Für einen Solaranbieter haben wir SEO, AEO und GEO als einen einzigen wöchentlichen Regelkreis aufgesetzt: 30 Fokus-Keywords und ein Set aus 100 realen Kundenfragen wurden Woche für Woche aus SERP-, Search-Console-, Ranking- und KI-Mention-Daten gesteuert statt aus einer Themenliste. Nach sechs Monaten standen die Fokus-Keywords auf Rang 2–4 statt 10–12, und die Marke wurde in 63 von 100 KI-Antworten genannt statt in 19. Der organische Traffic wuchs im selben Zeitraum um 500 %, und ein Solar- und Energiekostenrechner als Lead-Magnet konvertierte mit 12 %.

Der interessantere Teil der Geschichte ist nicht das Ranking, sondern der Mechanismus: Was den Ausschlag gab, war nicht mehr Content, sondern die wöchentliche Rückkopplung zwischen Messung und Produktion – und die Entscheidung, Fragen statt Keywords als Planungseinheit zu nehmen.

Ausgangslage: Seite 2 ist keine halbe Seite 1

Zu Projektbeginn rangierten die 30 Fokus-Keywords auf den Plätzen 10 bis 12 – also am unteren Ende von Seite 1 und am oberen Rand von Seite 2. Das ist die undankbarste Position im Suchmarkt: Die Inhalte waren gut genug, um von Google indexiert und bewertet zu werden, aber nicht sichtbar genug, um Anfragen zu erzeugen. Positionen am Übergang von Seite 1 zu Seite 2 erzeugen Impressionen, kaum aber Klicks.

Parallel dazu wurde zu Projektbeginn eine Baseline der KI-Sichtbarkeit erhoben: Über ein Set aus 100 realen Kundenfragen, wiederholt an mehrere Assistenten gestellt, wurde die Marke in 19 von 100 Fällen genannt. Damit war auch der zweite Kanal von Anfang an beziffert – und ein wachsender Teil der Nachfrage überhaupt erst beobachtbar.

Warum Solar eine anspruchsvolle Kategorie ist

Solar ist kein Impulskauf. Zwischen dem ersten Interesse und der Unterschrift liegen Wochen bis Monate, in denen Interessenten Anbieter vergleichen, Förderungen und Eigenverbrauch recherchieren, Referenzen prüfen und mehrere Offerten einholen. Vor der eigentlichen Anbietersuche entsteht dadurch eine grosse Menge informationsgetriebener Fragen – zu Wirtschaftlichkeit, Amortisation, Dachvoraussetzungen, Speicherlösungen, Bewilligungen und Fördermitteln.

Für die Content-Strategie hat das zwei Konsequenzen. Erstens: Der Wettbewerb um die reinen Anbieter-Keywords ist hart, die Fragen davor sind es deutlich weniger. Zweitens: Genau diese beratungsintensiven Fragen wandern zuerst zu KI-Assistenten ab, weil sie dort in einer Antwort beantwortet werden statt in acht offenen Tabs. Wer nur auf Anbieter-Keywords optimiert, verliert die Phase, in der die Auswahl überhaupt entsteht.

Das Setup: vier Datenquellen, eine Priorisierung

Die Grundlage war kein Redaktionsplan, sondern ein Datenbild, das wöchentlich neu ausgewertet wurde. Vier Quellen, die jeweils eine andere Frage beantworten:

Die vierte Zeile ist die, die dieses Projekt von einem reinen SEO-Projekt unterscheidet. Getrackt wurden nicht nur Nennungen, sondern die Fragen, bei denen sie auftraten. Damit wird sichtbar, in welchen Themenfeldern die Marke in KI-Antworten bereits existiert – und in welchen sie schlicht nicht vorkommt, obwohl die Website zum Thema rankt.

Der Wochenrhythmus

Der eigentliche Kern des Projekts war die Kadenz. Jede Woche lief derselbe Zyklus:

1. Auswerten. Rankings, Search-Console-Daten und KI-Nennungen der Vorwoche gegen die Vorwoche davor. Was hat sich bewegt, was nicht, und warum?
2. Priorisieren. Aus dem Datenbild entstand keine Wunschliste, sondern eine Rangfolge: Welcher Inhalt hat diese Woche den grössten erwartbaren Effekt? Seiten mit vielen Impressionen und schlechter Klickrate schlagen dabei fast immer neue Themen von null.
3. Produzieren. Ein Briefing pro Inhalt, abgeleitet aus der SERP-Analyse – Format, Suchintention, abzudeckende Fragen, interne Verlinkung.
4. Veröffentlichen und messen. Der Inhalt geht live, wird ins Tracking aufgenommen und ist in der Auswertung der Folgewoche wieder Datenpunkt.

Der Unterschied zu einem klassischen Redaktionsplan ist entscheidend: Ein Redaktionsplan legt im Januar fest, was im Mai erscheint. Dieser Zyklus entscheidet jede Woche neu – auf Basis dessen, was die Daten der Vorwoche zeigen. Genau daher kommt der Aufbau-Effekt: Kein Inhalt wird produziert, ohne dass die Wirkung des vorherigen bekannt ist.

Was gebaut wurde: Landingpages und ein Lead-Magnet

Der Output des Wochenzyklus waren nicht nur Ratgeberinhalte, sondern datenbasierte Landingpages, die drei Aufgaben gleichzeitig erfüllen mussten:

1. Ranken. Aufbau entlang der Suchintention, die die SERP-Analyse für den jeweiligen Begriff tatsächlich zeigte – nicht entlang einer Wunschstruktur.
2. Antworten. Die Fragen aus dem 100er-Set direkt und eigenständig beantworten, damit derselbe Inhalt auch als Antwort in Assistenten und AI Overviews funktioniert.
3. Konvertieren. Klare Angebotslogik, sichtbarer nächster Schritt und die Belege, die in einer beratungsintensiven Kategorie über Vertrauen entscheiden.

Der dritte Punkt wird in SEO-Projekten am häufigsten übersehen. Rang 2 auf einer Seite, die niemanden zur Anfrage führt, ist eine teure Kennzahl. Weil Ranking-, Fragen- und Conversion-Anforderungen von Anfang an in dasselbe Briefing flossen, entstand pro Seite ein Asset statt drei Baustellen – und die Anforderungen widersprechen sich weniger, als oft angenommen: Eine Seite, die eine Frage sofort und belegbar beantwortet, konvertiert in der Regel besser als eine, die den Nutzen erst nach 800 Wörtern andeutet.

Der entscheidende Baustein war jedoch der Lead-Magnet: ein Solar- und Energiekostenrechner. Denn eine gute Landingpage holt nur diejenigen ab, die bereits anfragebereit sind – und das ist in einer Kategorie mit monatelanger Entscheidungsdauer die Minderheit. Der weitaus grössere Teil des Traffics steckt noch in der Recherche: Menschen, die wissen wollen, ob sich das Vorhaben für ihr Dach und ihren Verbrauch überhaupt lohnt, bevor sie mit einem Anbieter sprechen.

Ein Rechner beantwortet genau diese Frage – individuell statt allgemein. Damit ist er die konsequente Fortsetzung des gesamten Ansatzes: Wenn die Planungseinheit die Frage ist, dann ist der beste Lead-Magnet das Werkzeug, das die meistgestellte Frage der Kategorie persönlich beantwortet. «Was kostet mich eine Anlage, und was spare ich damit?» lässt sich in keinem Ratgebertext abschliessend klären – in einem Rechner schon.

Für den Interessenten entsteht ein fairer Tausch: Er bekommt eine konkrete Zahl für seine Situation, das Unternehmen einen qualifizierten Kontakt mit bekanntem Bedarf – ohne den Sprung ins Verkaufsgespräch zu erzwingen, für den die meisten Besucher noch nicht bereit sind. 12 % der Besucher wurden darüber zu Leads, deutlich mehr als ein klassisches Kontaktformular in dieser Phase erreicht.

Der Rechner wirkte zudem doppelt: Er erfasst nicht nur, er zieht auch an. Rechner-Suchanfragen gehören in dieser Kategorie zu den nachfragestärksten überhaupt, und ein nützliches Werkzeug wird ungleich häufiger verlinkt und weiterempfohlen als ein Ratgebertext – was wiederum auf Rankings und, wie oben beschrieben, auf die Nennungswahrscheinlichkeit in KI-Antworten einzahlt. Genau diese Doppelrolle macht einen Rechner in beratungsintensiven Kategorien zum stärksten einzelnen Asset.

Wettbewerbsanalyse: Content-Lücken und Backlink-Chancen

Parallel zum Wochenzyklus lief eine laufende Wettbewerbsanalyse mit zwei Zielen.

Content-Lücken. Für jedes Fokusthema wurde erfasst, welche Wettbewerber ranken, welche Unterfragen sie abdecken – und welche sie auslassen. Die Lücken sind der Einstieg: Themen, für die es Nachfrage gibt, aber keine gute Antwort im Markt. In einer beratungsintensiven Kategorie wie Solar sind das typischerweise die unbequemen Fragen, um die Anbieter gern einen Bogen machen, weil sie Aufwand oder Einschränkungen thematisieren. Genau diese Inhalte bauen Vertrauen auf – und werden von KI-Assistenten überdurchschnittlich gern herangezogen, weil sie konkret und belegbar sind.

Backlink-Chancen. Aus den Backlink-Profilen der Wettbewerber ergab sich eine priorisierte Liste erreichbarer Quellen: Verzeichnisse, Fachportale, regionale Medien und Partnerseiten, die bereits auf mehrere Wettbewerber verlinken, aber nicht auf den Kunden. Diese Lücken sind der pragmatischste Einstieg in den Linkaufbau, weil die thematische Passung bereits nachgewiesen ist.

Beide Analysen wirken doppelt: Sie verbessern das klassische Ranking – und sie erhöhen zugleich die Wahrscheinlichkeit, in KI-Antworten genannt zu werden, weil Assistenten ihre Empfehlungen überwiegend aus Drittquellen bauen. Warum das so ist und welche Signale dabei zählen, haben wir in Empfehlungswahrscheinlichkeit in KI-Assistenten erhöhen ausführlich beschrieben.

Die AEO- und GEO-Ebene: Fragen statt Keywords

Der Perspektivwechsel, der das Projekt geprägt hat: Die Planungseinheit war die Frage, nicht das Keyword.

Ein Keyword wie «Photovoltaik Offerte» sagt, wonach jemand sucht. Eine Frage wie «Lohnt sich eine Photovoltaikanlage bei einem Dach mit Ostausrichtung?» sagt, warum – und liefert damit die Struktur für einen Inhalt, der sowohl in der Trefferliste rankt als auch als direkte Antwort zitierfähig ist. Aus dieser Logik folgten drei Prinzipien für jeden Inhalt:

• Antwort zuerst. Die Kernfrage wird in den ersten Sätzen beantwortet, nicht nach 800 Wörtern Einleitung.
• Eigenständige Abschnitte. Jeder Absatz muss ohne Kontext verständlich sein – so wird er zitierbar, wenn ein Assistent nur diesen Teil ausschneidet.
• Belegbarkeit. Konkrete Zahlen, Bedingungen und Einschränkungen statt Werbesprache. Was nicht überprüfbar ist, wird von Assistenten seltener übernommen.

Gemessen wurde diese Ebene über ein festes Set aus 100 realistischen Kundenfragen, das wiederholt an mehrere Assistenten gestellt wurde – unbranded («Welcher Solaranbieter eignet sich für …?»), thematisch («Wie funktioniert die Förderung für …?») und branded. Weil KI-Antworten nicht deterministisch sind, zählt dabei nie die Einzelabfrage, sondern die Nennungsrate über wiederholte Durchläufe. Wie ein solches Mess-Setup im Detail aufgebaut ist, steht in KI-Sichtbarkeit messen.

Das Ergebnis

Nach sechs Monaten standen beide Kanäle deutlich anders da:

Die letzten beiden Zeilen sind die geschäftlich relevanten. Rankings und Nennungen sind Zwischengrössen; sie zahlen sich erst aus, wenn daraus Reichweite und aus Reichweite kontaktierbare Interessenten werden. Genau diese Kette – Sichtbarkeit, Traffic, Lead – war der Grund, Landingpages und Lead-Magnet von Beginn an mitzudenken statt als spätere Optimierungsphase.

Der Sprung von Seite 2 in die Top 5 ist dabei nicht linear: Die ersten Wochen bringen kaum sichtbare Bewegung, weil zunächst die Grundlagen entstehen. Der Effekt setzt ein, sobald genügend thematisch verbundene Inhalte existieren, intern sauber verlinkt sind und erste externe Verweise dazukommen.

Bemerkenswert ist das Verhältnis der beiden Zeilen. Die Nennungsrate in KI-Antworten hat sich mehr als verdreifacht, während sich das Ranking «nur» um acht Plätze verbessert hat – der KI-Kanal reagierte also stärker auf dieselbe Arbeit. Das passt zur Marktlage: Im klassischen Suchergebnis konkurrieren alle Anbieter seit Jahren, in KI-Antworten sind die meisten schlicht noch nicht vorbereitet.

Drei Dinge waren ausschlaggebend:

• Konstanz vor Volumen. Der wöchentliche Rhythmus lief durch – auch in Wochen, in denen wenig passierte.
• Priorisierung aus Daten. Bearbeitet wurde zuerst, was laut Search Console bereits Impressionen erzeugte. Schärfen schlägt Neuanfang, solange die Substanz vorhanden ist.
• Fragen als Einheit. Dieselbe Arbeit bediente Ranking, direkte Antworten und KI-Nennungen – statt drei getrennter Massnahmenpakete.

Was sich auf andere Branchen übertragen lässt

Der Ansatz ist nicht solarspezifisch. Er passt überall dort, wo die Kaufentscheidung beratungsintensiv ist und vor der Anbieterwahl viele Sachfragen stehen – Bau und Handwerk, Gesundheit, Bildung, Finanz- und Versicherungsdienstleistungen, B2B-Industrie. Die drei übertragbaren Elemente:

1. Ein wöchentlicher Regelkreis statt eines Quartals-Redaktionsplans.
2. Vier Datenquellen statt einer – SERP, Search Console, Rank-Tracking und KI-Mentions ergeben zusammen eine Priorisierung, die keine einzelne davon liefert.
3. Fragen als Planungseinheit, weil dieselbe Arbeit damit klassisches Ranking und KI-Sichtbarkeit gleichzeitig bedient.
4. Ein Werkzeug als Lead-Magnet – ein Rechner, ein Konfigurator, ein Check –, das die meistgestellte Frage der Kategorie individuell beantwortet, statt den aufgebauten Traffic ungenutzt abfliessen zu lassen.

Der erste Schritt

Bevor eine Strategie entsteht, braucht es den Ausgangspunkt – und der ist bei KI-Sichtbarkeit fast nie bekannt. Unser gratis KI-Sichtbarkeits-Check stellt ChatGPT, Gemini und Claude live und mit Websuche die Fragen Ihrer Kundschaft, prüft zusätzlich, ob KI-Crawler Ihre Website überhaupt lesen können, und schickt Ihnen das Ergebnis als PDF-Report. Kostenlos und ohne Konto – das ist die Baseline, gegen die sich alles Weitere messen lässt.

Sie wollen Ihre Sichtbarkeit in Suche und KI-Assistenten planbar aufbauen? Lassen Sie uns sprechen – oder lesen Sie, wie wir Content als Prozess statt als Projekt aufsetzen.