KI-Sichtbarkeits-Gap-Assessment

Spielwaren Heinzhttps://spielwarenheinz.at · Spielwaren-Einzelhandel (Online-Shop & Filialen) 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 16:34

Engine(s)claude_cli

Wiederholungen3×

Branche (angenommen)E-Commerce / Online-Handel

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: E-Commerce / Online-Handel — daraus die Gewichtung organisch↔agentisch je Jahr (α_org): 2026 0.62 · 2027 0.48 · 2028 0.38. 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)

43.9

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)

22.4

Ergebnis auf einen Blick

Organic Search Reach

directional (Cold Audit)

AI Answer Presence

Mention Rate 0.0

Competitive Gap

3.4

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

35.7

α_org 0.62

2027

32.7

α_org 0.48

2028

30.6

α_org 0.38

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 (±0.0, 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

⚠ Crawl unvollständig. Body-Struktur (H1/Tabellen) wurde nicht erkannt — die Website-Achsen sind mit Vorsicht zu lesen (möglicher JS-Render-/Truncation-Effekt).

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?

SEO-Grundlagen teilweise vorhanden (6/10 Checks · 199 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.

Floor-Effekt (KI-Antwort-Achse). Sowohl die Marke (0) als auch der Peer-Median (4) liegen niedrig — in dieser Nische wird das ganze Feld in KI-Antworten selten genannt. Die AVI-Achsen daher relativ zum Peer-Median lesen, nicht als absolute 0–100-Note.

① Organic SEO Benchmark · OVI 43.9

Spielwaren Heinz (Ist) Peer-Median Leader Grau = gemessen, aber für diese Linse nicht gewichtet

② KI-Mode Readiness · AVI 22.4

Spielwaren Heinz 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 Rein directional: robots.txt ok, Sitemap vorhanden, HTTPS und HTTP-Status ok — technische Crawlbarkeit gegeben. Kategorietiefe (Alters-/Themensegmente) deutet a	40	50.0	50 ROFU Kinderland	−10	C 🔌 Google Search Console verbinden → A
AI Answer Presence KI-Antwort Mention Rate 0.0 · Share of Voice 0.0 Source-Link 0.0 · Rec 0.0	0	3.7	7 ROFU Kinderland	−4	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 ROFU Kinderland / Spielwaren Heinz · geteilt	0	B
Offer & Entity Clarity Website Organization entity ✗ · Product/Service entity ✗ · sameAs entity graph ✗ · meta description ✗ · single clear H1 ✗ → 0 \| LLM: Marke/Rechtsform klar (Titel + wied	22	32.0	32 ROFU Kinderland	−10	B 🔌 Google Business Profile verbinden → A
Evidence & Trust Website author byline ✗ · dated content ✗ · https ✓ · outbound citations ✓ · imprint/about ✓ → 55 \| LLM: Impressum und Kontaktweg vorhanden (Basis-Transparenz), aber ke	49	47.0	49 Spielwaren Heinz	0	B
Content & Journey Coverage Website Sichtbar ist nur Header/Navigation mit solider Kategorie-Taxonomie (Alters- und Themenstufen), aber keine Fließtext-/Ratgeberinhalte, kein FAQ-Markup, kein Datu	42	38.0	42 Spielwaren Heinz	0	C 🔌 GA4 + Google Ads verbinden → A
Actionability & Agentic Viability Website clear next step ✓ · potentialAction schema ✗ · machine-readable contact ✓ · feed/API for agents ✓ · CTA density ✓ → 75	75	40.0	75 Spielwaren Heinz	0	B 🔌 Google Analytics 4 verbinden → A

MODUL · OPTIONAL Agentic / Knowledge-Catalog 7

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 22.0 · Leader 22 (ROFU Kinderland) · Confidence B

JSON-LD-Vielfalt 0/30 · Endpoints 7/25 · Transactability 0/25 · Commerce-Daten 0/20 → 7

Wettbewerber-Detailwerte

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

Dimension	Spielwaren Heinz	ROFU Kinderland	Spiele Max	Spielzeug24
Organic Search Reach	40	50.0	—	—
AI Answer Presence	0	6.7	2.2	3.7
Technical Discoverability	80	80.0	—	—
Offer & Entity Clarity	22	32.0	—	—
Evidence & Trust	49	47.0	—	—
Content & Journey Coverage	42	38.0	—	—
Actionability & Agentic Viability	75	40.0	—	—
Modul · Knowledge-Catalog Readiness	7	22.0	—	—

Prioritätenmatrix

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

1 Organization- und Product-Schema (JSON-LD) implementieren (Score 57.8, Aufwand mittel)
2 Commerce-Daten strukturiert auszeichnen (Preis, Verfügbarkeit) (Score 57.2, Aufwand mittel)
3 Meta-Description und eindeutige H1 je Seite ergänzen (Score 51.5, Aufwand gering)
4 Feed/API-Endpunkte für Produktdaten ausbauen (Score 46.0, Aufwand mittel)
5 Zitierfähige Entity- und Produktdaten für KI-Suchsysteme bereitstellen (Score 41.5, Aufwand mittel)
6 Social-Media-Platzhalterlinks korrigieren und Autoren-/Datumssignale ergänzen (Score 38.8, Aufwand gering)
7 Google Search Console / GA4 für belastbare Messung anbinden (Score 37.8, Aufwand gering)
8 Ratgeber-/Vergleichsinhalte zu Alters- und Themensegmenten ausbauen (Score 36.5, 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.

Organization- und Product-Schema (JSON-LD) implementieren Priority 58

Organic SEO ↑10KI-Mode ↑10

Organization/LocalBusiness-Schema mit Name, Rechtsform, Filialen und sameAs (echte Social-Profile) sowie Product-Schema für Kernkategorien einbinden — schließt die Lücke bei Entity- und Produkt-Markup, die trotz WooCommerce-Shop komplett fehlt.

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

Erfolgsmetrik: JSON-LD fehlerfrei im Rich-Results-Test; erkannte Entity-Typen von 0 auf ≥2

🔌 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.

Commerce-Daten strukturiert auszeichnen (Preis, Verfügbarkeit) Priority 57

Organic SEO ↑5KI-Mode ↑20

Product/Offer-Schema mit Preis, Lagerverfügbarkeit (inkl. Click&Collect je Filiale) und Produkt-URL ergänzen, um den bestehenden WooCommerce-Bestand maschinenlesbar zugänglich zu machen.

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

Erfolgsmetrik: Commerce-Daten-Teilscore (aktuell 0/20) im nächsten Audit-Lauf messbar über 0

🔌 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.

Meta-Description und eindeutige H1 je Seite ergänzen Priority 52

Organic SEO ↑10KI-Mode ↑10

Für Kategorie- und Produktseiten individuelle Meta-Descriptions sowie je eine klar erkennbare H1-Überschrift setzen (aktuell 0 erkannt trotz guter menschlicher Struktur).

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

Erfolgsmetrik: Anteil Crawl-Sample-Seiten mit vorhandener Meta-Description und eindeutiger H1 von 0% auf >90%

Feed/API-Endpunkte für Produktdaten ausbauen Priority 46

Organic SEO ↑5KI-Mode ↑20

Bestehenden Feed-Ansatz (aktuell 7/25 Endpoint-Teilscore) um einen vollständigen, öffentlich erreichbaren Produktkatalog-Feed (z. B. Google-Merchant-XML oder REST-Endpoint) erweitern.

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

Erfolgsmetrik: Endpoint-Teilscore von 7/25 auf ≥15/25 im Folge-Audit

Social-Media-Platzhalterlinks korrigieren und Autoren-/Datumssignale ergänzen Priority 39

Organic SEO ↑10KI-Mode ↑15

Platzhalter-URLs ('http://url') im Footer durch echte Social-Profile ersetzen; bei Ratgeberinhalten Autor und Veröffentlichungs-/Aktualisierungsdatum sichtbar ausweisen.

Aufwand: gering Erwarteter Beitrag: gering ↳ Evidence & Trust Owner: Content ⏱ 0–3 Monate

Erfolgsmetrik: 0 Platzhalter-Links im Footer; Anteil Content-Seiten mit sichtbarem Datum/Autor von 0% auf >50%

✓ ohne Datenanbindung belastbar

🔍 Organic SEO Benchmark — schwerpunktmäßig klassische Suche

Google Search Console / GA4 für belastbare Messung anbinden Priority 38

Organic SEO ↑40

GSC- und GA4-Zugang einrichten bzw. freigeben, damit reale Klick-/Impressionsdaten statt der aktuellen directional-Schätzung (Confidence C) vorliegen.

Aufwand: gering Erwarteter Beitrag: gering ↳ Organic Search Reach Owner: SEO ⏱ 0–3 Monate

Erfolgsmetrik: Confidence-Grade der Achse steigt von C auf B/A im Folge-Audit durch verifizierte GSC-Daten

🔌 Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Search Console ließe sich echte Klicks, CTR & Position je Query messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.

Ratgeber-/Vergleichsinhalte zu Alters- und Themensegmenten ausbauen Priority 36

Organic SEO ↑40

Zur bestehenden Kategorietiefe (Alters-/Themensegmente) ergänzende Ratgeberartikel erstellen, die typische Long-Tail-Suchanfragen abdecken und gleichzeitig Journey-Tiefe (Beratung, Vergleich) belegbar machen.

Aufwand: hoch Erwarteter Beitrag: mittel ↳ Organic Search Reach Owner: Content ⏱ 6–12 Monate

Erfolgsmetrik: Anzahl indexierter Ratgeberseiten und Sichtbarkeitsindex im Zeitverlauf (z. B. Sistrix/Ahrefs)

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

Zitierfähige Entity- und Produktdaten für KI-Suchsysteme bereitstellen Priority 42

KI-Mode ↑40

Durch die oben genannten Organization-/Product-Schemas und einen konsistenten Content-Korpus die Grundlage schaffen, dass KI-Suchsysteme die Marke überhaupt als Quelle referenzieren können.

Aufwand: mittel Erwarteter Beitrag: gering ↳ AI Answer Presence Owner: SEO ⏱ 3–6 Monate

Erfolgsmetrik: Anzahl Nennungen der Marke in KI-Antwort-Stichprobe (Prompt-Test) im Folge-Audit

🔌 Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Search Console (AI-Overviews-/AI-Mode-Impressionen) ließe sich reale KI-Antwort-Impressionen und die ‚rankt-aber-nicht-zitiert‘-Lücke messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.

Die Wette dieses Assessments

WETTE · datiert & falsifizierbar HYPOTHESIS

Wenn Maßnahme #1 („Organization- und Product-Schema (JSON-LD) implementieren") umgesetzt wird, dann verringert sich die Lücke der Dimension Offer & Entity Clarity zum Peer-Median (heute 10.0 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 16:10 · 2026-07-20 16:10 · 2026-07-20 16:10), 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.