Mit ChatGPT und Claude SEO-Audit-Ergebnisse auswerten

Wer schon einmal einen Lighthouse-Bericht oder ein vollständiges SEO-Audit exportiert hat, kennt das Gefühl: 60, 70, manchmal 80 Punkte in einem einzigen Dokument, jeder einzelne in technischer Kurzschrift verfasst, die Hälfte davon überschneidet sich, und eine eingebaute "Priorisierung", die meist die Meinungen des Audit-Tools widerspiegelt und nicht die tatsächliche Situation des Kunden. Es Zeile für Zeile durchzulesen, dauert Stunden. Es einem nicht-technischen Kunden zu erklären, dauert noch länger.

Genau das ist die Art von Aufgabe, in der moderne KI-Assistenten — ChatGPT und Claude insbesondere — am besten sind. Nicht weil sie den Auditor ersetzen, sondern weil sie die langsame, repetitive Triage-Arbeit auf 15 Minuten statt drei Nachmittage zusammendampfen. Dieser Artikel zeigt, wie das geht, welche Prompts funktionieren und worauf man achten muss.

---

Das Audit-Überlastungsproblem

Öffnen Sie einen typischen Lighthouse-Bericht für eine mittelgroße E-Commerce-Website und Sie sehen so etwas: 12 Performance-Möglichkeiten, 18 Diagnosepunkte, 14 SEO-Prüfungen, 9 Barrierefreiheitsverstöße plus weitere 20-odd Best-Practice-Hinweise. Insgesamt: deutlich über 70 Einzelpunkte. Die Hälfte davon sind Varianten derselben Grundursache (übergroßes JavaScript-Bundle, langsames LCP-Bild, renderblockierende Skripte), und die Bewertung des Tools selbst stuft häufig "kleine Cache-Header" mit "Ihr größtes Bild ist 4 MB" als ähnliche Prioritäten ein.

Für eine Agentur oder Freelancer schafft das zwei Probleme gleichzeitig. Erstens ist die kognitive Belastung, jeden Punkt zu lesen, real — selbst ein erfahrener SEO-Berater verbringt zwei bis drei Stunden mit einem gründlichen ersten Durchgang. Zweitens ist die Ausgabe in einer Sprache, die kein Kunde tatsächlich spricht. Einem Kleinunternehmer mitzuteilen, dass seine "kumulative Layoutverschiebung 0,25 überschreitet", ist keine nützliche Information, es sei denn, Sie erklären auch, was das bedeutet, warum es wichtig ist und was dagegen zu tun ist.

Das Audit ist nicht das Deliverable. Die Interpretation des Audits ist das Deliverable. Und die Interpretation ist genau dort, wo KI die meiste Zeit spart.

Warum KI für genau diese Aufgabe gut ist

Es gibt drei Gründe, warum KI-Assistenten ungewöhnlich gut für die Interpretation von Audit-Ergebnissen geeignet sind.

Erstens Mustererkennung. Sowohl ChatGPT als auch Claude wurden auf riesigen Mengen an technischem SEO-, Web-Performance- und Barrierefreiheitsinhalten trainiert. Wenn Sie eine Lighthouse-JSON oder eine Liste von Problemen einfügen, hat das Modell im Wesentlichen Hunderte ähnlicher Berichte in seinen Trainingsdaten gesehen. Es erkennt, dass "renderblockierendes CSS" plus "hoher LCP" plus "Largest Contentful Paint-Element ist ein Bild" normalerweise auf dieselbe Lösung hindeuten — auch wenn das Audit-Tool sie separat auflistet.

Zweitens Übersetzung von Jargon. KI ist hervorragend darin, technische Befunde in einfache Sprache umzuformulieren. "Ungenutztes JavaScript reduzieren" wird zu "Ihre Website lädt Code, den sie nie verwendet, was den ersten Seitenaufbau für Besucher verlangsamt". Das ist langweilige, mechanische Arbeit für einen Menschen; für das Modell kostet es nichts.

Drittens Priorisierung unter Einschränkungen. Sie können das Modell bitten, Abwägungen zu berücksichtigen — "alles überspringen, was eine Framework-Migration erfordert", "wir haben nur einen Entwicklungssprint", "der Kunde ist auf Shopify, also nur Theme-Level-Änderungen" — und es erstellt eine Liste, die diese Einschränkungen respektiert. Das ist für ein Audit-Tool wirklich schwierig, weil das Tool den Kontext Ihres Kunden nicht kennt.

Der 5-Schritte-Workflow mit KI-Unterstützung

Hier ist der Workflow, der durchgängig gute Ergebnisse liefert.

Schritt 1 — Audit-Daten exportieren

Bringen Sie das Audit in eine Form, die Sie einfügen können. Lighthouse-JSON funktioniert gut für Claude (mit großzügigem Kontextfenster). Für ChatGPT ist ein strukturierter Copy-Paste der Problemliste oft praktischer, da das Einfügen einer 200-KB-JSON-Last übertrieben ist. WebSEO-Auditor-Berichte exportieren ebenfalls eine strukturierte Befundliste, die sauber kopiert werden kann.

Schritt 2 — Mit Kontext an die KI füttern

Der Kontext-Prompt ist wichtiger als die Daten. Sagen Sie dem Modell, was die Website ist, auf welcher Plattform sie läuft, was dem Kunden wichtig ist und was außerhalb des Scope liegt. Ein 60-Sekunden-Kontext-Prompt erspart dem Modell, Next.js-Refaktorierungen auf einer Drupal-Site vorzuschlagen.

Schritt 3 — Eine priorisierte Top 5-10 anfordern

Fragen Sie nicht "was sollte ich beheben". Bitten Sie um eine geordnete Liste mit einer bestimmten Größe. "Top 5 Fixes für LCP in diesem Sprint" ist ein viel besserer Prompt als "was sollten wir tun". Die Einschränkung ist, was die Ausgabe nützlich macht.

Schritt 4 — Gegen die tatsächliche Website validieren

Dieser Schritt ist nicht verhandelbar. Öffnen Sie die Website, machen Sie eine schnelle manuelle Überprüfung jeder Top-Empfehlung der KI und bestätigen Sie, dass sie mit der Realität übereinstimmt. Diesen Schritt zu überspringen, ist die Art, wie Sie am Ende eine Lösung für ein Problem empfehlen, das nicht existiert.

Schritt 5 — Kundenbericht erstellen

Sobald Sie eine validierte Top-10 haben, bitten Sie die KI, jeden Punkt für ein nicht-technisches Publikum umzuschreiben, sie nach Teamverantwortlichen zu gruppieren und eine einsätzige "Warum ist das wichtig"-Erklärung hinzuzufügen. Die Ausgabe ist Ihr erster Entwurf des Kunden-Deliverables.

Prompt-Vorlagen, die Sie heute verwenden können

Diese fünf Prompts decken den Großteil der Arbeit ab, die eine Agentur mit Audit-Ergebnissen leistet. Passen Sie den in Klammern stehenden Kontext an Ihre Situation an.

Gegeben dieser Lighthouse-Bericht für eine deutsche
E-Commerce-Site auf Shopify, welche 5 Fixes würden den
Largest Contentful Paint am stärksten innerhalb eines
zweiwöchigen Sprints verbessern? Überspringen Sie alles,
was eine Framework-Migration oder einen Theme-Neubau
erfordert. Nehmen Sie einen Entwickler mit 50% Kapazität an.

Übersetzen Sie die folgenden technischen SEO-Probleme in
eine Liste, die ein nicht-technischer Geschäftsinhaber
verstehen kann. Verwenden Sie einen kurzen Satz pro Problem,
einfache Sprache, und erklären Sie die geschäftliche
Auswirkung statt des technischen Details.

Sehen Sie sich diese Barrierefreiheitsbefunde aus einem
Audit einer deutschen B2B-Dienstleistungssite an. Welche
sind gesetzlich erforderlich nach BFSG und EN 301 549, und
welche sind nette Verbesserungen über das gesetzliche Minimum
hinaus? Markieren Sie jeden mit P (Pflicht) oder N (Nice-to-have)
und erklären Sie warum.

Gruppieren Sie die folgenden Audit-Probleme nach
Teamverantwortlichen. Kategorien: Entwickler, Inhalt, Design,
SEO-Spezialist. Für Probleme, die sich über zwei Teams
erstrecken, markieren Sie beide. Geben Sie als Markdown-Tabelle
mit den Spalten Problem, Verantwortlich, Einzeilige Beschreibung
aus.

Schätzen Sie für jedes der folgenden Probleme den Aufwand
auf einer 1-5-Skala (1 = unter einer Stunde, 5 = mehrere
Sprints) und die erwartete nutzersichtbare Auswirkung auf
einer 1-5-Skala (1 = kaum bemerkbar, 5 = transformativ).
Geben Sie eine sortierbare Tabelle mit den Spalten Problem,
Aufwand, Auswirkung, Aufwand/Auswirkung-Verhältnis aus.

Der letzte Prompt ist insbesondere das Arbeitspferd. Aufwand/Auswirkung-Scoring ist das Gespräch, das jeder Kunde tatsächlich führen will, und die KI um den ersten Durchgang zu bitten, erspart Ihnen, es manuell für jedes Audit zu machen.

Was KI falsch macht (und wie man es erkennt)

Das Modell ist schnell, aber es ist auch selbstbewusst auf eine Weise, die in die Irre führen kann. Die vier häufigsten Fehler:

Halluzinierte Framework-Empfehlungen. Fragen Sie Claude oder ChatGPT, wie man einen langsamen LCP behebt, und es könnte "auf Next.js 14 aktualisieren" oder "auf Astro wechseln" vorschlagen. Wenn die Site auf WordPress oder Drupal läuft, ist das nicht umsetzbar. Sagen Sie dem Modell die Plattform immer im Voraus und ignorieren Sie Framework-Migrationsratschläge, es sei denn, Sie haben ausdrücklich danach gefragt.

Erfundene Core-Web-Vitals-Schwellenwerte. Modelle erfinden gelegentlich numerische Schwellenwerte, die autoritativ aussehen, aber falsch sind. Die tatsächlichen aktuellen Schwellenwerte (LCP unter 2,5 s, INP unter 200 ms, CLS unter 0,1) sollten Ihre Referenz sein, nicht die von der KI zitierte Zahl. Wenn eine Zahl verdächtig aussieht, überprüfen Sie sie auf web.dev.

Überzeugte Zeitschätzungen. "Das dauert 2 Stunden" ist ohne Kontext bedeutungslos. Behandeln Sie KI-Aufwandsschätzungen als relativ (Problem A ist größer als Problem B) und nicht absolut (Problem A ist 2 Stunden).

Veraltetes Plattformwissen. Die Trainingsdaten des Modells haben einen Stichtag. Wenn Sie nach der neuesten Version eines CMS oder einer Analyseplattform fragen, prüfen Sie noch einmal. Besonders für Shopify, dessen Storefront-Architektur sich in den letzten Jahren mehrfach geändert hat.

ChatGPT vs Claude für diese Arbeit

Beide Tools sind leistungsfähig. Die ehrlichen Unterschiede:

Kontextfenster. Claudes Kontextfenster ist deutlich größer, was wichtig ist, wenn Sie eine vollständige Lighthouse-JSON (oft 100-300 KB) einfügen möchten. ChatGPT verarbeitet kleinere Einfügungen oder zusammengefasste Eingaben bequemer.

Ton und Struktur. Claude neigt dazu, standardmäßig strukturiertere, listenbasierte Ausgaben zu produzieren, was nützlich ist, wenn Sie eine Triage-Tabelle wollen. ChatGPT produziert oft fließenderen Prosatext, was nützlich ist, wenn Sie eine kundenseitige Erzählung wollen.

Tool-Nutzung. ChatGPT kann die Live-Site durchsuchen, wenn Sie ihm die URL und den richtigen Plan geben. Claude kann über die Desktop-App browsen. Für die Audit-Interpretation ist Browsing selten notwendig — die Audit-Daten sagen Ihnen alles.

Verwenden Sie Claude für das schwere Parsing und die Priorisierung. Verwenden Sie ChatGPT für das kundenseitige Umschreiben. Viele Agenturen verwenden beide im gleichen Workflow.

KI und menschliches Urteilsvermögen kombinieren

Die richtige Arbeitsteilung:

KI macht die Triage — liest jede Zeile, gruppiert Duplikate, übersetzt Jargon, produziert die erste priorisierte Liste. Das ist der Teil, der mühsam, zeitaufwendig und genau die Art von Aufgabe ist, in der Modelle gut sind.

Menschen treffen die Implementierungsentscheidungen und sind für das Kundenvertrauen verantwortlich. KI kann Ihnen nicht sagen, welche von zwei Fixes für Ihren spezifischen Kunden in diesem Quartal wichtiger ist, ob das Budget einen bestimmten Eingriff erlaubt oder wie man mit der politischen Dynamik eines Kunden umgeht, der auf irrelevanten Prioritäten besteht. Diese Urteile bleiben bei Ihnen.

Behandeln Sie die KI-Ausgabe als Entwurf, den ein Junior-Analyst erstellt hat. Überprüfen Sie ihn, korrigieren Sie ihn, unterschreiben Sie mit Ihrem Namen. Das ist der Workflow, der sowohl die Geschwindigkeit des Tools als auch die Verantwortung des Beraters respektiert.

Ein konkretes Beispiel

Stellen Sie sich eine fiktive Site vor, nordrhein-eisenwaren.de: eine mittelgroße E-Commerce-Site auf Shopify mit einem kundenspezifischen Theme, 1.200 Produkten und einer Lighthouse-Mobile-Bewertung von 38. Der Inhaber ist ein nicht-technischer Kleinunternehmer. Die Agentur wurde für ein einmaliges Audit und einen einzigen Sprint für Behebungen beauftragt.

Das Audit gibt 64 Probleme zurück. Der Auditor fügt die strukturierten Befunde mit diesem Prompt in Claude ein:

Dies ist die Lighthouse-Ausgabe für eine Shopify-E-Commerce-Site
mit kundenspezifischem Theme, 1.200 SKUs, hauptsächlich
mobilem Traffic, Inhaber nicht-technisch. Budget: ein Sprint,
ein Entwickler mit 50% Kapazität, kein Theme-Neubau, keine
Framework-Änderungen. Identifizieren Sie die 7 wichtigsten
Fixes, geordnet nach kombinierter Auswirkung auf mobiles LCP
und SEO-Crawlbarkeit.

Claude liefert eine geordnete Liste. Die Top drei: überdimensioniertes Hero-Bild (4 MB JPEG, in 1200x800 ausgeliefert), renderblockierende App-Einbettungsskripte synchron geladen, und fehlende Bild-Alt-Attribute auf 240 Produktseiten. Der Auditor validiert jedes manuell — ja, das Hero-Bild ist tatsächlich das LCP-Element; ja, die App-Skripte blockieren; ja, die Alt-Attribute fehlen.

Ein zweiter Prompt bittet Claude, die Top-Sieben als kundenseitige Liste umzuschreiben. Die Ausgabe: "Das Hauptbanner Ihrer Startseite ist viel größer, als es sein müsste, was der einzelne größte Grund dafür ist, warum Ihre Site auf Handys langsam lädt. Eine 2-Stunden-Behebung würde Ihre Seitenladezeit halbieren." Das ist jetzt ein Satz, auf den der Inhaber reagieren kann.

Gesamtzeit vom Audit-Export bis zum validierten Kundenbericht: 35 Minuten. Dieselbe Arbeit von Hand hätte einen halben Tag gedauert.

Wo das in Ihren Agenturworkflow passt

Es gibt drei Stellen, an denen dieser Workflow für eine Agentur Geld verdient.

Vor dem Verkauf. Sie können ein Audit während eines 30-minütigen Erstgesprächs durchführen, die Ergebnisse in Echtzeit in Claude einfügen und den Prospekt durch die Top 5 Probleme führen, bevor das Gespräch endet. Diese Art von Geschwindigkeit ist in dieser Branche selten und schließt Aufträge ab.

Lieferung. Schnellere Berichte bedeuten bessere Margen. Wenn Ihre Agentur normalerweise sechs Stunden für ein Audit-Deliverable berechnet und der KI-Workflow es auf zwei reduziert, verdoppelt sich Ihr effektiver Stundensatz.

Bindung. Monatliche Audit-Zusammenfassungen sind eine arbeitsintensive, ertragsarme Aufgabe, die Agenturen oft fallen lassen. Mit KI, die die Triage und das Umschreiben übernimmt, werden monatliche Zusammenfassungen trivial — und Kunden, die sie erhalten, bleiben in der Regel.

Häufige Stolperfallen, die zu vermeiden sind

Die Einführung eines KI-Workflows besteht nicht nur aus dem Schreiben von Prompts. Mehrjährige Erfahrung zeigt, dass die folgenden Stolperfallen in nahezu jeder Agentur wiederkehren, die damit beginnt.

Zu vager Kontext. Wenn Sie dem Modell nur sagen "hier ist Lighthouse-Daten", erhalten Sie eine generische Antwort, die für jede Site gelten könnte. Je spezifischer der Kontext, desto praktischer das Ergebnis. Erzählen Sie von der Plattform, dem Kundenbudget, der Teamgröße und davon, was der Kunde selbst priorisiert.

Validierungsschritt überspringen. Die KI-Liste sieht immer überzeugend aus. Es ist verlockend, ihr direkt zu vertrauen und sie an den Kunden weiterzuleiten. Das ist ein Fehler. Eine manuelle Überprüfung mindestens der drei wichtigsten Punkte ist das Minimum, das Ihr Kundenvertrauen verdient.

Direkt an den Kunden kopieren. Text, den die KI geschrieben hat, ist ein erster Entwurf, nicht die endgültige Lieferung. Kunden erkennen sofort, ob der Text maschinell übersetzt oder zu generisch klingt. Fügen Sie immer Ihre eigene Stimme, kundenspezifisches Verständnis und konkrete Beispiele hinzu.

Den gleichen Prompt für jedes Audit verwenden. Eine E-Commerce-Site und eine Dienstleistungssite erfordern eine andere Priorisierung. B2B- und B2C-Sites kümmern sich um unterschiedliche Metriken. Passen Sie die Prompts an den Site-Typ an, anstatt blind zu wiederholen.

Die Rolle der KI wächst

Vor nur zwei Jahren hätte sich die Beschreibung dieses Workflows futuristisch angefühlt. Heute, im Jahr 2026, ist es bei immer mehr SEO-Agenturen tägliche Praxis. In den nächsten Jahren wird sich die Situation weiter entwickeln: Kontextfenster wachsen, Modelle erhalten Zugriff auf Echtzeit-Site-Daten, und spezialisierte Tools beginnen, KI direkt in die Audit-Tools einzubinden.

Das bedeutet, dass Agenturen, die den Workflow jetzt lernen, einen Vorsprung bekommen. Nicht weil die Tools Raketenwissenschaft wären, sondern weil das Schreiben von Prompts, die Validierung von Ergebnissen und die Integration des Workflows in die eigenen Prozesse Übung erfordert. Je früher Sie beginnen, desto geschickter werden Sie, wenn die Tools noch besser werden.

Probieren Sie es bei Ihrem nächsten Audit aus

Der schnellste Weg, diesen Workflow zu testen, ist, ein Audit mit WebSEO Auditor durchzuführen, die Befunde zu exportieren und sie mit den obigen Prompts in Claude oder ChatGPT einzufügen. Wenn Sie das noch nie zuvor getan haben, spart die erste Sitzung normalerweise mehr Zeit als die Kosten eines ganzen Monats Audit-Tools. Probieren Sie es bei Ihrer nächsten Site aus und sehen Sie, wie 15 Minuten KI-Triage im Vergleich zu einem halben Tag manueller Arbeit aussehen.