Von SEO-Score 39 auf 94 — KI-Audit, echte Fixes, messbare Ergebnisse

Die Site funktionierte. Produkte waren gelistet, Bestellungen kamen rein, und das Team war mit der Lage nicht unzufrieden. Aber die organische Suchperformance erzählte eine andere Geschichte. Der SEO-Score lag bei 39 — nicht kaputt, aber weit unter dem, was die Website mit ihrem Inhalt und ihrer Domain-Autorität erreichen könnte. Organischer Traffic ließ erhebliches Potenzial ungenutzt.

Das Problem war kein Mangel an Inhalten oder Links. Es war das angesammelte Gewicht technischer Schulden: Konfigurationsentscheidungen, die vor Jahren getroffen worden waren, eine Bildverwaltung, die nie überprüft wurde, inkonsistente Metadaten über alle Seiten hinweg und Open-Graph-Tags, die schlicht fehlten. Keines dieser Probleme war von innen offensichtlich. Alle wurden sichtbar, sobald man einen sauberen Audit durchführte.

Die Website des Kunden war mit Laravel und React gebaut — dem Stack, mit dem wir täglich arbeiten. Das war entscheidend. Das Verständnis der Architektur ermöglichte es uns, Fixes präzise einzuschätzen und umzusetzen, ohne den laufenden Shop zu gefährden.

Die Frage war, wo man anfangen sollte. Ein roher Audit einer ausgereiften E-Commerce-Website liefert eine lange Fehlerliste. Ohne Priorisierung behebt man zuerst die einfachsten Dinge — nicht die wirkungsvollsten. So bleibt eine Website bei 39 stecken.

Bevor wir diesen Prozess bei Kunden eingesetzt haben, haben wir ihn auf unserer eigenen Website erprobt — conimext.co.rs. Unser Score startete bei 34 und erreichte 87, nachdem wir die Audit-Ergebnisse systematisch abgearbeitet hatten. Dieser interne Durchlauf hat das Tool und den Workflow validiert. Als wir ihn beim Kunden eingesetzt haben, wussten wir, was zu erwarten war — und was zu ignorieren ist.

Das Tool, das wir eingesetzt haben, war claude-seo — ein Claude-Code-Skill, der einen vollständigen technischen SEO-Audit durchführt und etwas tut, das Screaming Frog nicht tut: Es priorisiert Probleme nach ihrem geschäftlichen Wirkung und liefert für jedes Problem eine konkrete Lösungsempfehlung. Das Ergebnis ist keine CSV-Datei, die man interpretieren muss. Es ist eine priorisierte Liste mit dem, was zu beheben ist — und wie.

Wir haben den Audit gegen die Produktionseite des Kunden ausgeführt. Das Tool lieferte eine strukturierte Übersicht — kritische Probleme, mittlere Prioritäten und Punkte mit geringerer Einfluss — mit einer Empfehlung für jeden Punkt. Wir haben sie der Reihe nach abgearbeitet und mit den Änderungen begonnen, die den Score am stärksten bewegen würden.

Die wirkungsstärksten Probleme fielen in drei Kategorien.

Erstens fehlten Open-Graph-Tags im gesamten Produktkatalog. Jede Produktseite hatte weder OG-Image, noch OG-Title, noch OG-Description. Das bedeutete: Jedes Mal, wenn ein Produktlink geteilt wurde, erschien er ohne Vorschau auf Social-Messaging-Plattformen — kein Bild, kein Titel, kein Klikanreiz. Die Lösung war systematisch: Eine einzige Änderung an den Laravel-Templates propagierte korrekte OG-Tags automatisch auf alle Produktseiten.

Zweitens fehlten Meta-Beschreibungen oder waren dupliziert auf Kategorieseiten. Suchmaschinen generierten eigene Beschreibungen aus dem Seiteninhalt — oft mit irrelevantem Text. Wir haben strukturierte Meta-Beschreibungs-Templates pro Seitentyp entwickelt und über das CMS eingespielt.

Drittens fehlten Alt-Texte für Bilder im gesamten Katalog. Das betraf sowohl die Barrierefreiheit als auch die Indexierung in der Bildersuche. Wir haben eine Fallback-Regel implementiert — Produktname als Alt-Text, wenn kein manueller Alt-Text gesetzt wurde — und damit das Problem über tausende Produktbilder gelöst, ohne jedes einzeln bearbeiten zu müssen.

Der Qualitätssicherungs-Durchlauf nach jeder Fix-Runde bestätigte, dass die Änderungen korrekt deployed wurden und der Score sich in die erwartete Richtung bewegte, bevor wir zur nächsten Prioritätsstufe übergingen.

Der SEO-Score stieg von 39 auf 94.

Diese Verbesserung um 55 Punkte kam durch das systematische Abarbeiten einer priorisierten Fix-Liste — nicht durch den Versuch, alles auf einmal zu beheben. Die kritischen Probleme — jene, die der KI-Audit als wirkungsstärkste markiert hatte — wurden zuerst behoben. Der Score spiegelte diese Reihenfolge wider.

Der organische Traffic stieg im Zeitraum nach den Fixes um über 60 %. Suchmaschinen, die Produktseiten zuvor ohne korrekte Metadaten, Bilder ohne Alt-Texte und geteilte Links ohne Vorschau getroffen hatten, erhielten nun saubere, konsistente Signale zum Indexieren und Ranken.

Allein die Open-Graph-Fix veränderte, wie die Website erscheint, wenn ein Produktlink geteilt wird. Das ist kein Ranking-Signal, aber ein Klick-Signal — und die Klickrate wirkt sich langfristig auf die Suchperformance aus.

Die Architektur des Kunden machte die Fixes schnell umsetzbar. Da der Kunde Laravel und React einsetzte — einen Stack, den wir genau kennen — konnten wir Template-Änderungen implementieren, die sich in einem einzigen Deployment über tausende Seiten propagierten. Eine Website auf einem weniger vertrauten Stack hätte länger gedauert, sicher zu auditieren und korrekt zu beheben.

Der Effizienter-Coding-Ansatz war dabei derselbe wie immer: zuerst die Architektur verstehen, dann gezielt Änderungen auf der richtigen Ebene vornehmen, jeden Fix vor dem nächsten verifizieren. Kein massenhaftes Rewrite, kein Plattformwechsel, kein Risiko für den laufenden Shop.

Das Wichtigste, was der KI-Audit veränderte, war nicht die Liste der Probleme — es war die Reihenfolge.

Jeder SEO-Audit liefert eine lange Liste. Der Unterschied zwischen einer Liste, die abgearbeitet wird, und einer, die in einem Ordner verstaubt, ist Priorisierung. Wenn das Tool sagt "behebe zuerst drei Dinge und du wirst den Score mehr bewegen als mit den nächsten zwanzig zusammen" — dann verändert das, wie ein Team seine Zeit einsetzt.

Der OG-Tags-Fund ist ein gutes Beispiel. Er war kein Ranking-Faktor. Er würde in einem klassischen Audit, sortiert nach technischer Schwere, nicht nahe oben auftauchen. Aber er wurde als wirkungsstark eingestuft, weil er sich auf Social Sharing und Klickraten auswirkte — und als wir uns die Traffic-Quellen des Kunden anschauten, war offensichtlich, dass Social-Referrals ein bedeutender Kanal waren. Die Behebung hatte einen überproportionalen Effekt im Verhältnis zum Aufwand.

Diesen Prozess würden wir bei künftigen Projekten früher einsetzen — idealerweise bei der initialen Site-Review, nicht erst nachdem eine Website jahrelang live war. Technische SEO-Schulden häufen sich still an. Ein KI-Audit auf einer neuen Website braucht genauso lange wie auf einer etablierten — aber der Weg ist einfacher, wenn die Muster noch nicht über Jahre hinweg propagiert haben.