KI für SEOs: Gestalte deine tägliche Arbeit neu.
Ein Kurs für SEOs, die mit LLMs und Agents Analysen und eigene Tools umsetzen wollen, für die sie sonst Dev-, Data- oder Agentur-Ressourcen gebraucht hätten. Kein GEO-Kurs: Es geht um das Fundament, das für organische Suche und für KI-Systeme gleichermaßen trägt.
Worum es geht - und worum nicht
GEO und AEO sind eine eigene Disziplin und ein neuer Kanal. SEO bleibt die Grundlage dafür: Wer in KI-Systemen sichtbar sein will, braucht zuerst gute Fundament-Arbeit in der organischen Suche. Genau da setzt der Kurs an, ob für organic search oder KIs.
Der Kurs ist ausdrücklich nicht "Wie ranke ich in LLMs", sondern "Wie werde ich ein besserer SEO im KI-Zeitalter und werde nicht abgehängt".
Er ist auch kein Content-Produktions-Kurs. Massenhafte Content-Produktion ist kein Differenzierungsmerkmal für gutes SEO. Der Hebel liegt woanders: Mit KI kannst du die tägliche Arbeit als SEO neu gestalten und Dinge umsetzen, für die du sonst externe Ressourcen gebraucht hättest.
Das behandelt der Kurs
- LLMs für SEO-Analysen bedienen
- Datenquellen anbinden: GSC, Crawls, Rankings
- Eigene Tools und Agents für deine Use-Cases
- Prüfprozess, bevor etwas live geht
Das behandelt er nicht
- Ranking-Taktiken für ChatGPT und Co.
- Massenhafte Content-Produktion
- Python von Grund auf
- Tool-Grundlagen von Semrush, Ahrefs oder Sistrix
Was sich verändert hat
Meine eigene Analyse-Arbeit hat in den letzten Jahren jede Stufe mitgemacht: von händischen Analysen in Tools über Excel-Analysen bis hin zu Python-Skripten und BigQuery-Analysen. Mit LLMs verschiebt sich jetzt die Grenze dessen, was sich rechnet.
Die Möglichkeiten, mit LLMs Analysen durchzuführen, sich eigene sehr spezielle Tools für eigene Use-Cases zu bauen und komplexe Analysen zu machen, die sonst nie wirtschaftlich waren, verändern die Art, wie man SEO macht, enorm.
- Händische Analysen
- Excel
- Python-Skripte
- BigQuery
- LLMs & Agents
"KI im Arbeitsalltag ist in einer gewissen Art und Weise Self-Empowerment."
Konkret heißt das: Du wartest nicht mehr auf Dev-, Data- oder Agentur-Kapazitäten, sondern setzt Analysen und Tools selbst um.
Ein Beispiel: mehrere tausend Seiten, jede einzeln bewertet
Ein großer Publisher mit viel Evergreen-Content und mehreren tausend Unterseiten. Die Frage: Welche Seiten sind auf andere Keywords ausgerichtet, als sie tatsächlich besetzen? So sah der Ablauf aus:
-
Website gecrawlt
Crawl mit headless Screaming Frog, alle Daten in BigQuery abgelegt.
-
Rankings angebunden
Rankings aus automatisierten Tools gezogen, ebenfalls in BigQuery.
-
GSC-Daten angebunden
Klicks, Impressionen und Queries aus der Google Search Console dazu.
-
Jede Seite qualitativ bewertet
Für jede einzelne Seite: Worauf ist sie inhaltlich ausgerichtet?
Dieser Schritt war vorher nie wirtschaftlich. Mehrere tausend Seiten einzeln qualitativ zu bewerten, hat vorher niemand bezahlt.
-
Gaps identifiziert
Abgleich zwischen ausgerichteter Absicht und real besetzten Keywords aus GSC und Rankings.
-
Gaps gegen die SERPs geprüft
Agents haben je Gap geprüft: Was rankt dort aktuell, welchen Intent bedienen die rankenden Seiten?
-
Vorschläge erarbeitet und händisch geprüft
Ein weiterer Agent hat Content-Anpassungen vorgeschlagen. Die haben wir händisch geprüft und über die Redaktion eingearbeitet.
Der Effekt: Rankingverbesserungen für fehloptimierte bestehende Inhalte. Agents liefern Analyse und Vorschlag, die Entscheidung bleibt beim Menschen.
Warum das für dich relevant ist
Der Kurs zielt auf die Stellen im SEO-Alltag, an denen du bisher auf andere warten musstest.
Unabhängig von Dev- und Data-Ressourcen
Datenexporte, Crawls und Auswertungen setzt du selbst auf, statt auf Tickets und Sprint-Kapazitäten zu warten.
Analysen, die sich vorher nicht gerechnet haben
Qualitative Bewertung über tausende Seiten, Intent-Abgleiche, SERP-Analysen: mit LLMs wirtschaftlich machbar.
Eigene Tools statt Tool-Limits
Standard-Toolsets decken Standard-Fragen ab. Für deine speziellen Use-Cases baust du dir eigene Auswertungen.
Anforderungen formulieren statt coden
Die Fähigkeit, die zählt: klar benennen, was du brauchst, und LLMs bedienen. Nicht alles selbst programmieren.
Datenanbindungen, die bleiben
GSC, Crawl-Daten und Rankings einmal sauber angebunden: Jede weitere Analyse wird damit schneller.
Wissen, das du weitergeben kannst
Die Patterns aus dem Kurs funktionieren auch als Vorlage für dein Team: einmal etabliert, mehrfach genutzt.
Für wen ist der Kurs?
Für jede SEO-Rolle, aber aus unterschiedlichen Gründen.
Content-SEO
Über den Tellerrand hinausblicken: bessere Datengrundlagen und Automatisierungen für deine Content-Entscheidungen, von Keyword-Gaps bis Intent-Abgleich.
Technical SEO
Analysen effizienter durchführen und Erkenntnisse gewinnen, für die im Alltag sonst keine Zeit war: Crawl-Abgleiche, Auswertungen über den ganzen Seitenbestand.
Head of SEO
Enablement für dein Team: Patterns etablieren, mit denen dein Team Analysen und Tools selbst umsetzt, statt sie extern einzukaufen.
Kurs-Inhalte
Vorläufiger Aufbau: Der Feinschnitt entsteht mit den Antworten aus der Warteliste.
LLMs im SEO-Alltag bedienen
Die Grundfähigkeit, auf der alles andere aufbaut
- Prompting für Analysen: Kontext, Datenübergabe, Nachfassen
- Was LLMs zuverlässig können und wo sie erfinden
- Typische Fehler beim Arbeiten mit SEO-Daten in LLMs
Datengrundlagen anbinden
GSC, Crawls und Rankings als Basis jeder Analyse
- GSC-Daten exportieren und nutzbar machen
- Crawl-Daten anbinden, z.B. aus Screaming Frog
- Rankings per API aus deinem Tool ziehen
Eigene Tools bauen
Vibe Coding für deine SEO-Use-Cases
- Anforderungen so formulieren, dass ein brauchbares Tool entsteht
- Funktion prüfen: Macht das Tool, was es soll?
- Security-Basics: Worauf du bei eigenen Tools achten musst
Agents für Analysen
Auswertungen über ganze Seitenbestände
- SERP-Abgleiche und Intent-Analysen mit Agents
- Qualitative Bewertung vieler Seiten strukturieren
- Gaps identifizieren und priorisieren
Prüfen und ausrollen
Vom KI-Vorschlag zur umgesetzten Änderung
- KI-Vorschläge prüfen, bevor etwas live geht
- Änderungen über Redaktion oder Dev einarbeiten
- Effekt messen und nachsteuern
Voraussetzungen
-
Zugang zur Google Search Console
Die GSC deiner Projekte ist die wichtigste Datenquelle im Kurs.
-
Ein SEO-Tool mit API-Anbindung ist sinnvoll
Etwa für Rankings. Welches Tool, ist zweitrangig; entscheidend ist der Datenzugriff.
-
Keine Programmierkenntnisse nötig
Es geht darum, ein Grundverständnis von Technologie zu haben und Anforderungen klar benennen zu können, statt alles selbst zu coden.
Über den Trainer
Justin Keirath, seit 2007 im SEO: erste Projekte und Konferenzen mit 13 Jahren. Als Autodidakt haben mir neue Technologien schon immer Spaß gemacht - von händischen Tool-Analysen über Excel und Python-Skripte bis zu BigQuery und LLMs.
Der Kurs verbindet die beiden Perspektiven, die im Alltag selten zusammenkommen: Führungserfahrung aus dem Konzern-E-Commerce (mobilezone Deutschland, heute freenet Group) und eigene Hands-on-Analysearbeit in SEO- und GEO-Projekten.
2007 · Start im SEO
Erste SEO-Projekte und Konferenzen mit 13 Jahren - seitdem nie damit aufgehört.
2014-2017 · Eigene Gründungen
TransformYourBody (Fitness-Web-App à la Yazio) und qltyfoods (Premium-Kaffee als D2C-Brand): eigene Produkte, aufgebaut mit SEO und Performance-Marketing.
2017-2019 · Interim-Rollen & Beratung
Interim SEO Manager bei Fressnapf, Interim Head of SEO bei SH Telekommunikation, External Product Owner bei YAY! Digital.
2021-2024 · Director Product & Innovation
Aufbau der Product- & Projektmanagement-Abteilung bei mobilezone Deutschland, Teil einer börsennotierten Gruppe.
2024-2026 · Director E-Commerce
E-Commerce-Verantwortung bei mobilezone Deutschland mit den Marken Sparhandy und DEINHANDY.
2026 · E-Commerce & Performance, freenet Group
Performance Marketing, Steuerung des Online-Vertriebs und SEO/GEO für freenet.de, klarmobil, Sparhandy und DEINHANDY.
SEO & GEO Freelancer
SEO- und GEO-Projekte mit eigenen Analyse-Setups: Crawls, GSC-Daten und Rankings zusammengeführt, ausgewertet mit LLMs und Agents.
Häufige Fragen zum Kurs
Abgrenzung, Voraussetzungen, Format und Zeitplan im Überblick.
Ist das ein GEO-Kurs?
Nein. GEO und AEO sind eine eigene Disziplin und ein neuer Kanal, SEO bleibt die Grundlage dafür. Der Kurs setzt am Fundament an: gute SEO-Arbeit, die für organische Suche und für KI-Systeme gleichermaßen trägt. Ranking-Taktiken für ChatGPT und Co. behandelt er nicht.
Brauche ich Programmierkenntnisse?
Nein. Die Fähigkeit, die zählt, ist eine andere: LLMs bedienen, Anforderungen klar benennen und beurteilen können, ob ein selbst gebautes Tool funktional und sicher ist. Wo Code entsteht, schreibt ihn das LLM; du lernst, die Ergebnisse einzuordnen.
Welche Tools und Zugänge brauche ich?
Wichtig ist Zugang zur Google Search Console deiner Projekte. Ein SEO-Tool mit API-Anbindung ist sinnvoll, etwa für Rankings. Dazu kommt ein Zugang zu einem aktuellen LLM.
Für welche SEO-Rolle ist der Kurs gedacht?
Für Content-SEOs, Technical SEOs und Heads of SEO, jeweils aus unterschiedlichen Gründen: bessere Datengrundlagen und Automatisierungen, effizientere Analysen oder Enablement des eigenen Teams. Auch Freelancer und Agentur-SEOs arbeiten mit denselben Bausteinen.
In welchem Format läuft der Kurs?
Als Selbstlern-Videokurs. Du arbeitest die Module in deinem Tempo durch und setzt die Analysen parallel an deinen eigenen Projekten um.
Was kostet der Kurs und wann startet er?
Preis und Starttermin stehen noch nicht fest. Der Kurs ist in Entwicklung; wer auf der Warteliste steht, erfährt beides zuerst. Die Antworten aus der Warteliste fließen in den Zuschnitt der Module ein.
Auf die Warteliste setzen
Der Kurs ist in Entwicklung. Wer auf der Warteliste steht, erfährt Preis und Starttermin zuerst. Die drei Fragen helfen mir, die Module auf deinen Alltag zuzuschneiden.