Die eigene Website mit generativer KI + GSC-Daten prüfen

Wer seine Google-Search-Console-Daten als CSV exportiert und sie ChatGPT oder Claude mit einem strukturierten Prompt übergibt, erhält innerhalb weniger Minuten eine priorisierte Liste technischer Korrekturen — vorausgesetzt, man kombiniert mehrere Exporte und prüft jede Empfehlung, bevor man sie umsetzt.

Warum GSC-Daten durch eine generative KI laufen lassen

Google Search Console zeigt Rohdaten: Tabellen mit Suchanfragen, Seiten, Indexierungsstatus. Nichts darin zeigt automatisch, was zuerst behoben werden sollte. Eine generative KI ist hier nützlich — nicht weil sie deine Website "kennt", sondern weil sie schnell mehrere Datenspalten miteinander kombinieren, wiederkehrende Muster erkennen kann (etwa eine Seitenvorlage, die bei nicht indexierten URLs immer wieder auftaucht) und eine technische Diagnose in klare Sprache für ein Team übersetzen kann, das nicht aus SEO-Experten besteht.

Das ersetzt die menschliche Analyse nicht, sondern beschleunigt sie: Was in einer Tabellenkalkulation eine Stunde manuelles Sortieren bräuchte, lässt sich in wenigen Minuten erledigen — vorausgesetzt, man liefert saubere Daten und einen präzisen Prompt.

Die richtigen Daten aus der Search Console exportieren

Bevor du eine KI einbeziehst, bereite deine Exporte vor. Drei Berichte reichen für eine erste Prüfung:

1. Bericht Seiten (Indexierung): exportiere die vollständige Liste der URLs mit Status und Ausschlussgrund. Hier stecken die meisten Signale für technische Blockaden.
2. Bericht Leistung: exportiere die Daten nach Seite (nicht nur nach Suchanfrage), über einen Zeitraum von mindestens 3 Monaten, mit Impressionen, Klicks, CTR und durchschnittlicher Position.
3. Bericht Core Web Vitals: exportiere die Aufschlüsselung nach URL-Gruppe, sofern das Volumen es zulässt.

Jeder Export erfolgt über die Schaltfläche "Exportieren" oben rechts in jedem Bericht, als CSV oder Google Sheets. Bereinige die Dateien bei Bedarf (leere Spalten, Duplikate), bevor du sie weitergibst.

Einen wirksamen Audit-Prompt formulieren

Ein vager Prompt liefert ein vages Ergebnis. Strukturiere deine Anfrage mit Kontext, Ziel und erwartetem Format. Zum Beispiel:

"Hier ist ein Export meines Seiten-Berichts aus Google Search Console für die Website [Domainname], eine [Art der Tätigkeit]. Analysiere die Ausschlussstatus und identifiziere die häufigsten Gründe. Erkläre für jeden wiederkehrenden Grund die wahrscheinliche Ursache und schlage eine konkrete Korrektur vor. Ordne die Ergebnisse nach Anzahl der betroffenen URLs, vom größten zum kleinsten Einfluss."

Für den Bericht Leistung ist ein nützlicher Prompt, nach Seiten mit hohem Potenzial zu fragen: "Identifiziere Seiten mit mehr als 500 Impressionen und einer durchschnittlichen Position zwischen 8 und 20: Das sind Kandidaten für eine gezielte Optimierung statt einer kompletten Überarbeitung."

Vermeide Prompts, die eine generische Antwort wie "wie verbessere ich mein SEO" verlangen: ohne angehängte Daten und ohne Formatvorgaben bleibt die Antwort theoretisch und wenig umsetzbar.

Was eine KI gut erkennt — und was nicht

Eine generative KI ist stark darin: statistische Muster in einer großen Zeilenzahl zu erkennen, URLs nach Vorlage oder Website-Bereich zu gruppieren und einen technischen Bericht für ein Marketingteam verständlich zu machen.

Sie ist dagegen eingeschränkt bei: der Echtzeit-Überprüfung, ob eine Korrektur tatsächlich umgesetzt wurde (sie hat keinen Zugriff auf deine Website, es sei denn, du gibst ihn ihr ausdrücklich), der Einschätzung der tatsächlichen Schwere eines Problems ohne Geschäftskontext (eine schwach indexierte Seite kann völlig normal sein, wenn sie wenig Wert hat), und dem Ersetzen eines echten technischen Tests (sie kann zum Beispiel nicht an deiner Stelle PageSpeed Insights ausführen). Jede generierte Empfehlung sollte daher vor der Umsetzung überprüft werden, insbesondere wenn sie robots.txt oder Weiterleitungen betrifft, wo ein Fehler wichtige Seiten aus dem Index werfen kann.

Von der Analyse zu einem priorisierten Aktionsplan

Sobald die Analyse vorliegt, fordere konsequent ein nutzbares Format an: eine Tabelle mit den Spalten "Problem", "Anzahl betroffener URLs", "vorgeschlagene Korrektur", "geschätzter Aufwand". Diese Tabelle — nicht der rohe Antworttext — wird zu deiner technischen Roadmap.

Diese Methode knüpft direkt an den Ansatz zum Lesen von Berichten aus der vorherigen Lektion an, wie man seine Daten in Google Search Console liest. Sobald die technischen Korrekturen laufen, lohnt es sich zu prüfen, ob Website-Geschwindigkeit und Core Web Vitals Schritt halten, bevor man sich vertieft mit wie eine Suchmaschine eine Seite liest befasst, um die Grundlagen hinter diesen Diagnosen zu verstehen.