KI-Sichtbarkeits-Gap-Assessment

La Roche-Posayhttps://larocheposay.de · Dermokosmetik / Apotheken-Hautpflege für empfindliche Haut Search & AI Visibility Gap Assessment — Organic Search, AI Answer Presence & Agentic Viability im Wettbewerbsvergleich. Zwei Checks in einem Cold Audit: klassische Google-Suche (OVI) & KI-Suche (AVI) — explorative Stichprobe über eine dokumentierte Engine (Claude + WebSearch), kein Multi-Engine-Zensus.

Erstellt2026-07-20 06:36

Engine(s)claude_cli

Wiederholungen3×

Branche (angenommen)Allgemein (Default-Annahme)

COLD AUDIT Bewertet ausschließlich öffentlich beobachtbare Signale — Web-Crawl der Website + Stichproben echter KI-Suchantworten. Kein Zugriff auf First-Party-Daten (Google Search Console / GA4). Klicks, Impressionen, Rankings je Query und Conversions werden daher nur directional geschätzt, nicht gemessen.

Was eine Anbindung an Google Search Console & GA4 zusätzlich liefern würde

＋ Google Search Console (GSC)

Echte Impressionen, Klicks, CTR & Position je Query — nach Seite, Land, Gerät, Datum.
Reale Index-Abdeckung (welche URLs Google indexiert hat / warum nicht) statt nur Crawlbarkeit.
Seit Juni 2026 dedizierte „Search Generative AI"-Reports: echte Impressionen in AI Overviews / AI Mode je URL (Roll-out beginnt).
Reale Striking-Distance-Queries (Position 5–20) — im Cold Audit unsichtbar.
Vorbehalt: auch GSC anonymisiert/filtert je nach Property ~38–75 % der Queries.

＋ Google Analytics 4 (GA4)

Echte Conversions & Umsatz pro Kanal statt directionaler Schätzung.
KI-Referral-Attribution: Sessions von chatgpt.com, perplexity.ai, gemini (teils via GA4-Kanal „AI Assistant").
Belegt den höheren Geschäftswert von KI-Traffic (Marktdaten: ~4,4× höhere Conversion vs. klassisch organisch).
Engagement-Tiefe & Multi-Touch-Journey je Quelle — kanalübergreifend rekonstruierbar.
Vorbehalt: Standard-Channel-Grouping unterzählt KI-Traffic ~30–40 % ohne Custom-Setup.

Ein Cold Audit bleibt valide, weil er genau die kontrollierbaren On-Site-/Content-Hebel (technische Auffindbarkeit, Struktur, E-E-A-T, Antwort-Formate) bewertet, die ein Unternehmen selbst verändern kann. GSC/GA4 ändern nicht, welche Maßnahmen hier abgeleitet werden — wohl aber deren Priorisierung nach echtem Geschäftswert. Maßnahmen, deren Erfolg sich erst mit First-Party-Daten belegen lässt, sind unten mit 🔌 „Mit Kundendaten schärfer beurteilbar" markiert; crawl-deterministische Maßnahmen tragen ✓ „ohne Datenanbindung belastbar".

Annahme zur Branche: Allgemein (Default-Annahme) — daraus die Gewichtung organisch↔agentisch je Jahr (α_org): 2026 0.7 · 2027 0.55 · 2028 0.45. HYPOTHESIS Evidenzbasierte Hypothese (HYPOTHESIS), KEIN Fakt. Gestützt auf: AI Overviews 6,5%→25%→16% der Queries (Semrush/eMarketer 2025), Zero-Click 56%→69% (Similarweb), CTR-Einbruch 34,5%→58% bei AIO (Ahrefs), KI-Referral +16× 2024→2026 aber noch ~0,32% vs 42,75% organisch (SE Ranking), ~31% US nutzen genAI-Suche 2026. α pro Branche überschreibbar; Report ohne erneutes Audit neu berechenbar. Diese Annahme ist anpassbar — der Report kann mit anderer Branche/α ohne erneutes Audit neu erzeugt werden (rebuild_report.py).

Eigenschaft

Stellhebel

7 Kern-Dimensionen + Agentic-Modul

→

Vorteil

Sichtbarkeit

OVI · AVI · Overall

→

Nutzen

Auffindbarkeit

vom Kunden gefunden werden

Die Stellhebel (die 7 Kern-Dimensionen + Agentic-Modul unten) erzeugen den Vorteil Sichtbarkeit (OVI/AVI) — und damit den Nutzen Auffindbarkeit.

① Organic SEO Benchmark

Organic SEO Benchmark

Klassische Google-Suche heute · Organic Visibility Index (OVI)

60.3

② KI-Mode Readiness Check

KI-Mode Readiness Check

KI-Suche (AI Overviews / AI-Mode-Ökosystem) — explorative Stichprobe über eine dokumentierte Engine · Agentic Visibility Index (AVI)

53.3

Ergebnis auf einen Blick

Organic Search Reach

directional (Cold Audit)

AI Answer Presence

Mention Rate 88.9

Competitive Gap

0.7

Ø Rückstand zum Peer-Median

Actionability / Conversion

Können Mensch & Agent handeln?

Szenario-Projektion: Overall Visibility 2026–2028 HYPOTHESIS

Denkmodell, keine Messung: Overall Visibility = α_org·OVI + (1−α_org)·AVI — das Gewicht verschiebt sich über die Jahre von organischer zu agentischer Sichtbarkeit. Die Hauptwerte dieses Assessments sind OVI und AVI oben; diese Projektion zeigt nur, was die Branchen-Annahme (α) daraus machen würde.

2026

58.2

α_org 0.7

2027

57.1

α_org 0.55

2028

56.5

α_org 0.45

Gewicht organisch Gewicht agentisch Overall Visibility (Szenario)

Die zwei Checks im 7-Dimensionen-Radar

Defence-Status: Stark Auf den meisten Achsen auf oder über Peer-Median. Volatilität AI Answer Presence: niedrig (±0.3, 3 Läufe)

Beide Radars zeigen dieselben 7 Kern-Dimensionen, aber je Linsen-Gewicht gewichtet (Achsen-Score × relative Bedeutung der Achse für die jeweilige Linse). Eine Achse, die in einer Linse nicht zählt, wird grau gepunktet mit ihrem Rohwert gezeigt — sie fällt nicht auf 0 und ist keine schlechte Leistung, sie wird in dieser Linse nur nicht gewertet.

Validität & Aussagekraft — vor der Interpretation lesen

Schätz-Profil (Cold Audit). Alle 8 Achsen sind Confidence B/C — directional geschätzt aus öffentlichen Signalen, nicht gemessen (kein GSC/GA4). Die Radarfläche ist eine Richtungsangabe, kein präziser Messwert; Achsen-Differenzen unter ~10 Punkten sind nicht belastbar.

SEO-Grundpräsenz · macht die Seite überhaupt SEO?

Solides SEO-Fundament vorhanden (10/10 Checks · 195 interne Links)

✓ Title-Tag✓ Meta-Description✓ Canonical-URL✓ Indexierbar (kein noindex)✓ Body-H1 vorhanden✓ Strukturierte Daten (Schema/JSON-LD)✓ sitemap.xml erreichbar✓ Open-Graph-Tags✓ Mobile-Viewport✓ Interne Verlinkung (≥5)

Deterministischer Crawl-Check (kein LLM, kein Schätzwert). Beantwortet die Grundfrage vor den fein bewerteten Achsen — und entlarvt, wenn ein Score auf einer nicht voll gecrawlten Seite fußt.

① Organic SEO Benchmark · OVI 60.3

La Roche-Posay (Ist) Peer-Median Leader Grau = gemessen, aber für diese Linse nicht gewichtet

② KI-Mode Readiness · AVI 53.3

La Roche-Posay KI-Mode-Ist Organic-Ist (Referenz) Grau = gemessen, aber für diese Linse nicht gewichtet

Die Fläche zwischen der blauen Referenz (Organic heute) und dem roten KI-Mode-Polygon ist die Organisch→Agentisch-Readiness-Lücke: wo die KI-Suche schon zählt, die Website aber noch nicht liefert.

Dimension	Ist	Peer-Median	Leader	Lücke	Conf.
Organic Search Reach directional Ohne GSC/GA4-Zugang nur directional einschätzbar: technische Grundvoraussetzungen sind gegeben (robots.txt ok, Sitemap vorhanden, HTTPS, Seite erreichbar), was	65	48.0	65 La Roche-Posay	0	C 🔌 Google Search Console verbinden → A
AI Answer Presence KI-Antwort Mention Rate 88.9 · Share of Voice 33.8 Source-Link 55.6 · Rec 100.0	78	5.2	78 La Roche-Posay	0	B 🔌 Google Search Console (AI-Overviews-/AI-Mode-Impressionen) verbinden → A
Technical Discoverability Website indexable ✓ · robots-ok ✓ · http-ok ✓ · sitemap ✓ · canonical ✓ · no JSON-LD ✗ · viewport ✓ · hreflang (monolingual) neutral · title ✓ → 81 (Cold-Deckel 80: str	80	80.0	80 sun matters / Ultrasun / Eucerin / La Roche-Posay · geteilt	0	B
Offer & Entity Clarity Website Organization entity ✗ · Product/Service entity ✗ · sameAs entity graph ✗ · meta description ✓ · single clear H1 ✓ → 25 \| LLM: Bekannte Marke (dermatologisches L	39	39.0	71 Eucerin	0	B 🔌 Google Business Profile verbinden → A
Evidence & Trust Website author byline ✗ · dated content ✗ · https ✓ · outbound citations ✓ · imprint/about ✓ → 55 \| LLM: Solide Transparenz-Basis (Impressum, Kontaktpfad, HTTPS) und im	54	47.0	66 Eucerin	0	B
Content & Journey Coverage Website Nav zeigt thematisch tiefe, spezifische Journey-Abdeckung (z.B. hormonelle Akne, Akne am Rücken, Mitesser) von Discovery bis Action (proprietäres Tool 'Effaclar	65	45.0	65 La Roche-Posay	0	B 🔌 GA4 + Google Ads verbinden → A
Actionability & Agentic Viability Website clear next step ✓ · potentialAction schema ✗ · machine-readable contact ✓ · feed/API for agents ✗ · CTA density ✓ → 60	60	65.0	75 sun matters	−5	B 🔌 Google Analytics 4 verbinden → A

MODUL · OPTIONAL Agentic / Knowledge-Catalog 0

Misst, ob Angebot, Preise, Verfügbarkeit und Schnittstellen maschinenlesbar bereitstehen (JSON-LD-Vielfalt, Feeds/APIs, potentialAction, maschinenlesbare Policies) — relevant für Shops, Buchungen, SaaS, APIs und Plattformen; weniger für Magazine, Kanzleien oder reine Content-Sites. Das Modul gehört zu Actionability & Agentic Viability und fließt gewichtet in die KI-Mode-Readiness (AVI) ein — es ist bewusst keine eigene Kern-Dimension.

Peer-Median 20.0 · Leader 22 (sun matters) · Confidence B

JSON-LD-Vielfalt 0/30 · Endpoints 0/25 · Transactability 0/25 · Commerce-Daten 0/20 → 0

Wettbewerber-Detailwerte

Peer-Median & Leader werden automatisch aus diesen Werten berechnet (Leader = höchster Wert je Achse). Inkl. Website-Achsen der Wettbewerber.

Dimension	La Roche-Posay	sun matters	Ultrasun	Eucerin
Organic Search Reach	65	48.0	35.0	54.0
AI Answer Presence	78	5.2	3.7	75.8
Technical Discoverability	80	80.0	80.0	80.0
Offer & Entity Clarity	39	39.0	20.0	71.0
Evidence & Trust	54	47.0	35.0	66.0
Content & Journey Coverage	65	45.0	25.0	64.0
Actionability & Agentic Viability	60	75.0	65.0	60.0
Modul · Knowledge-Catalog Readiness	0	22.0	7.0	20.0

Prioritätenmatrix

Alle Maßnahmen nach Priority Score und Aufwand — oben links zuerst. Farbe = Linse (blau Organic, rot KI-Mode, braun Doppel-Hebel).

1 Product/Offer-Schema für Kernprodukte (Score 61.8, Aufwand mittel)
2 Organization-Entity sitewide verankern (Score 58.8, Aufwand gering)
3 Service/Tool-Schema für Effaclar Spotscan & Anliegen-Seiten (Score 53.8, Aufwand mittel)
4 Machine-readable Produktfeed für Partner/Agenten (Score 48.0, Aufwand hoch)
5 Baseline-JSON-LD als Fundament (WebSite + Breadcrumb) (Score 47.5, Aufwand gering)
6 potentialAction-Markup für Kern-Handlungsschritte (Score 44.5, Aufwand mittel)
7 Autor:in-Byline und Datumsangaben für Ratgeber-Content (Score 42.5, Aufwand mittel)
8 Leichtgewichtiger Feed/API-Zugang für agentische Assistenten (Score 39.5, Aufwand hoch)

Priorisierte Maßnahmen — nach Value für beide Checks

Gruppiert nach Wirkung auf die zwei Checks: zuerst die Doppel-Hebel, die heute den Organic SEO Benchmark pushen und zugleich die KI-Mode Readiness stärken — danach die je einseitig wirkenden. Innerhalb jeder Gruppe nach Priority Score (35% Business Impact + 25% Evidence Strength + 20% Competitive Gap + 10% Feasibility + 10% Time Sensitivity). Die Badges Organic SEO ↑ KI-Mode ↑ zeigen, in welche Linse(n) eine Maßnahme einzahlt (↑ = relatives Achsen-Gewicht). Formuliert als erwarteter Beitrag, nicht als Garantie. Jede Maßnahme zeigt zudem, ob sie ohne Datenanbindung belastbar ist (✓) oder mit einer Kundendatenanbindung schärfer beurteilbar würde (🔌) — der Cold Audit diagnostiziert die Handlungsnotwendigkeit, die Priorisierung der datenabhängigen Maßnahmen wird mit First-Party-Daten belegt.

🏆 Doppel-Hebel — pusht Organic SEO und KI-Mode Readiness

Hier zuerst investieren: wirkt sofort in der klassischen Google-Suche und baut zugleich KI-Mode-Readiness auf.

Product/Offer-Schema für Kernprodukte Priority 62

Organic SEO ↑5KI-Mode ↑20

JSON-LD Product/Offer-Markup (Preis, Verfügbarkeit, SKU) für die wichtigsten Effaclar-/Kernprodukte einbinden, Basis über Rich-Results-Test validieren.

Aufwand: mittel Erwarteter Beitrag: hoch ↳ Knowledge-Catalog Readiness Owner: Dev ⏱ 3–6 Monate

Erfolgsmetrik: Anteil Produktseiten mit fehlerfrei validiertem Product-Schema im Rich-Results-Test

🔌 Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Schema.org / Discoverability-API / Feeds ließe sich maschinenlesbarer, verifizierter Datensatz, den ein Agent direkt konsumieren kann messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.

Organization-Entity sitewide verankern Priority 59

Organic SEO ↑10KI-Mode ↑10

Organization-JSON-LD (Name, Logo, sameAs zu L'Oréal, offiziellen Social-Profilen, Wikipedia/Wikidata) auf allen Seiten einbinden — schließt die Entity-Lücke direkt.

Aufwand: gering Erwarteter Beitrag: mittel ↳ Offer & Entity Clarity Owner: Dev ⏱ 0–3 Monate

Erfolgsmetrik: Organization-Entity validiert in Google Rich Results Test / Schema-Validator

🔌 Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Business Profile ließe sich lokale Sichtbarkeit, Bewertungen und Map-Pack-Insights messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.

Service/Tool-Schema für Effaclar Spotscan & Anliegen-Seiten Priority 54

Organic SEO ↑10KI-Mode ↑10

Product/Service-Markup auf den granularen Anliegen-Seiten (z. B. Akne-Unterthemen) und für das proprietäre Hautanalyse-Tool ergänzen.

Aufwand: mittel Erwarteter Beitrag: mittel ↳ Offer & Entity Clarity Owner: Dev ⏱ 3–6 Monate

Erfolgsmetrik: Anteil Top-Anliegen-Seiten mit gültigem Product/Service-Schema

Machine-readable Produktfeed für Partner/Agenten Priority 48

Organic SEO ↑5KI-Mode ↑20

Strukturierten Produkt-/Verfügbarkeitsfeed (JSON/XML) für Apotheken-Partner und agentische Systeme bereitstellen, inkl. Preis- und Bestandsdaten.

Aufwand: hoch Erwarteter Beitrag: mittel ↳ Knowledge-Catalog Readiness Owner: Dev ⏱ 6–12 Monate

Erfolgsmetrik: Anzahl aktiver, validierter Feed-Endpoints mit Uptime-Monitoring

Baseline-JSON-LD als Fundament (WebSite + Breadcrumb) Priority 48

Organic SEO ↑15KI-Mode ↑5

WebSite- und BreadcrumbList-Schema sitewide einbinden — technisches Fundament, auf dem die Entity-/Produkt-Markups aufsetzen.

Aufwand: gering Erwarteter Beitrag: gering ↳ Technical Discoverability Owner: Dev ⏱ 0–3 Monate

Erfolgsmetrik: Anzahl Seiten mit validem WebSite/Breadcrumb-JSON-LD ohne Validierungsfehler

✓ ohne Datenanbindung belastbar

Autor:in-Byline und Datumsangaben für Ratgeber-Content Priority 42

Organic SEO ↑10KI-Mode ↑15

Dermatologische Fachautor:innen sichtbar auszeichnen (Byline, Qualifikation) und Veröffentlichungs-/Aktualisierungsdatum auf Ratgeber-Artikeln ergänzen.

Aufwand: mittel Erwarteter Beitrag: mittel ↳ Evidence & Trust Owner: Content/Legal-Fachreview ⏱ 3–6 Monate

Erfolgsmetrik: Anteil Ratgeber-Artikel mit sichtbarer Autor:in-Byline und Datum

✓ ohne Datenanbindung belastbar

🤖 KI-Mode Readiness — schwerpunktmäßig KI-Antwort-Sichtbarkeit

potentialAction-Markup für Kern-Handlungsschritte Priority 44

KI-Mode ↑10

potentialAction-Schema für Apothekenfinder, Online-Doctor und Effaclar-Spotscan hinterlegen, damit der nächste Schritt auch maschinell auslösbar wird.

Aufwand: mittel Erwarteter Beitrag: mittel ↳ Actionability & Agentic Viability Owner: Dev ⏱ 3–6 Monate

Erfolgsmetrik: potentialAction-Markup validiert für mindestens 2 Kern-Tools

🔌 Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Analytics 4 ließe sich echte Conversion-Pfade und -Raten je Quelle messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.

Leichtgewichtiger Feed/API-Zugang für agentische Assistenten Priority 40

KI-Mode ↑10

Store-Locator- bzw. Verfügbarkeits-Feed als einfache, dokumentierte Schnittstelle für externe Assistenten/Agenten öffnen.

Aufwand: hoch Erwarteter Beitrag: gering ↳ Actionability & Agentic Viability Owner: Dev ⏱ 6–12 Monate

Erfolgsmetrik: Verfügbarkeit/Uptime des Feeds sowie dokumentierte externe Nutzung, soweit messbar

Die Wette dieses Assessments

WETTE · datiert & falsifizierbar HYPOTHESIS

Wenn Maßnahme #1 („Product/Offer-Schema für Kernprodukte") umgesetzt wird, dann verringert sich die Lücke der Dimension Knowledge-Catalog Readiness zum Peer-Median (heute 20.0 Punkte) bis zum 18.10.2026 um mindestens 5 Punkte.

Falsifikator: Ist die Lücke am Stichtag nicht mindestens 5 Punkte kleiner, gilt die Wette als verloren und wird genau so ausgewiesen. Aufgelöst wird beim nächsten Re-Audit derselben Gruppe — Ehrlichkeit ist Teil der Methodik: wir prognostizieren nicht, wir wetten überprüfbar.

Beobachtete Stichprobe über 3 Läufe (2026-07-20 06:23 · 2026-07-20 06:23 · 2026-07-20 06:23), Engine(s): claude_cli. Methodik: Organic SEO Benchmark + KI-Mode Readiness Check v2.0 — Cold Audit (nur öffentlich beobachtbare Signale, ohne GSC/GA4), 7 Kern-Dimensionen + Agentic-Modul, zwei Linsen (OVI/AVI), Benchmark als Overlay. Guardrails:

Keine Ranking-/Citation-/Traffic-/Revenue-Garantien
Keine willkürlichen generischen Zukunfts-Ziel-Polygone (kein 'Target 2027' im Radar)
Keine direkten llms.txt/Schema/FAQ/H1 KI-Sichtbarkeits-Versprechen — nur 'erwarteter Beitrag / Hypothese'
Knowledge-Catalog/potentialAction/Feed sind Readiness-Sub-Signale, KEINE Garantie für Agent-Inklusion oder A2A-Transaktion
Menschliche Validierung vor Client-Auslieferung
Bei fehlenden Daten: 'not measured' statt Score 0
Benchmark-Label automatisch aus denselben Werten (leader=argmax, peer=median), keine manuellen Labels

Hintergrund: Googles KI-Modus (AI Mode / AI Overviews) beantwortet Suchen zunehmend direkt — klassisches Googeln nimmt ab. „Agentische Sichtbarkeit" ist unsere Rahmung dieses realen SEO→GEO/AEO-Wandels, kein etablierter Branchenstandard. Menschliche Review vor Auslieferung empfohlen.