SEOPRESSO PODCAST - Der SEO Podcast mit Björn Darko Archiv
269 Episoden
18 Minuten
Live from brightonSEO: Björn talks with Gus Pelogia, Product Manager at Indeed and advocate for product-led SEO, about his talk “When to use MCP and when not to use MCP”.
Gus explains why the real value of MCP comes from connecting several tools in a single flow: keyword research, People Also Ask data, prompt tracking and leadership reporting, all from one Claude conversation without exporting files. He walks through a practical example: clustering 4,000 headphone keywords into brand, feature and price buckets in minutes, then turning them into prompts for AI visibility tracking.
The episode also covers where MCP falls short. Gus explains why 15 parallel SERP checks are better handled by a script written with Claude Code, why MCP results can differ from API data, and how he checks whether outputs are accurate. Other topics include agents replacing website visits, the “death of the web” debate, and why you should never trust the numbers blindly.
Key Takeaways
MCP is strongest when it connects multiple tools in one workflow. Research, analysis, charts and reporting stay in one place.
Setup is easy: add the connector, log in to the tool, and start asking. You don’t need prompt engineering, just talk to it like an assistant.
Main KPI is time saved. Research that used to take a day now takes about 30 minutes.
Don’t use MCP for repetitive, large-scale jobs like live results for 15 cities. Have Claude Code write a script instead.
MCP does not always match API data, and token costs can add up quickly with complex tasks.
Daily monitoring (robots.txt changes, page-type update checks) still runs on scripts and Google Sheets, not MCP.
To build trust in results, ask the model to verify its own data and explain how it checked.
Agents will reduce website visits, but websites remain the source of truth for validation.
Chapters
00:00 Intro: Live from brightonSEO
00:22 Gus Pelogia, Indeed & product-led SEO
01:37 Talk recap: MCP is king
02:00 The magic of connecting multiple tools in one flow
02:46 Reporting to leadership with Claude
03:52 Use case: clustering 4,000 headphone keywords
04:55 Turning keywords into prompts for AI tracking
05:48 Setting up MCP connectors in Claude
07:00 Why prompt engineering isn’t the hard part
07:51 Ad-hoc vs. automated reporting & local results
08:51 Success KPI: time saved
09:36 When NOT to use MCP: 15 cities, 15 calls
10:09 Better: Claude Code writes the script
10:40 Testing the Gemini MCP for web search grounding
11:28 MCP vs. API: data quality & token costs
12:23 Agents & the future of websites
13:12 The “death of the web”?
14:01 Agents for job search on Indeed
15:07 What’s next: automation beyond MCP
15:45 Tracking robots.txt & page updates at scale
17:09 Can you trust the numbers?
18:20 Don’t stop using your judgment
18:37 Outro
Gus explains why the real value of MCP comes from connecting several tools in a single flow: keyword research, People Also Ask data, prompt tracking and leadership reporting, all from one Claude conversation without exporting files. He walks through a practical example: clustering 4,000 headphone keywords into brand, feature and price buckets in minutes, then turning them into prompts for AI visibility tracking.
The episode also covers where MCP falls short. Gus explains why 15 parallel SERP checks are better handled by a script written with Claude Code, why MCP results can differ from API data, and how he checks whether outputs are accurate. Other topics include agents replacing website visits, the “death of the web” debate, and why you should never trust the numbers blindly.
Key Takeaways
MCP is strongest when it connects multiple tools in one workflow. Research, analysis, charts and reporting stay in one place.
Setup is easy: add the connector, log in to the tool, and start asking. You don’t need prompt engineering, just talk to it like an assistant.
Main KPI is time saved. Research that used to take a day now takes about 30 minutes.
Don’t use MCP for repetitive, large-scale jobs like live results for 15 cities. Have Claude Code write a script instead.
MCP does not always match API data, and token costs can add up quickly with complex tasks.
Daily monitoring (robots.txt changes, page-type update checks) still runs on scripts and Google Sheets, not MCP.
To build trust in results, ask the model to verify its own data and explain how it checked.
Agents will reduce website visits, but websites remain the source of truth for validation.
Chapters
00:00 Intro: Live from brightonSEO
00:22 Gus Pelogia, Indeed & product-led SEO
01:37 Talk recap: MCP is king
02:00 The magic of connecting multiple tools in one flow
02:46 Reporting to leadership with Claude
03:52 Use case: clustering 4,000 headphone keywords
04:55 Turning keywords into prompts for AI tracking
05:48 Setting up MCP connectors in Claude
07:00 Why prompt engineering isn’t the hard part
07:51 Ad-hoc vs. automated reporting & local results
08:51 Success KPI: time saved
09:36 When NOT to use MCP: 15 cities, 15 calls
10:09 Better: Claude Code writes the script
10:40 Testing the Gemini MCP for web search grounding
11:28 MCP vs. API: data quality & token costs
12:23 Agents & the future of websites
13:12 The “death of the web”?
14:01 Agents for job search on Indeed
15:07 What’s next: automation beyond MCP
15:45 Tracking robots.txt & page updates at scale
17:09 Can you trust the numbers?
18:20 Don’t stop using your judgment
18:37 Outro
31 Minuten
Can you influence whether AI recommends your business? And which sources shape what it says about you?
Recorded at BrightonSEO, Björn Darko sits down with Dan M. Jones to explore how SEO, reputation management and AI visibility are coming together.
Dan shares how posts in public Facebook groups unexpectedly brought a local speaking club into Google’s AI Overviews—and attracted new members. We discuss his experiments with LinkedIn posts, third-party websites, PDFs and digital PR, plus why getting content indexed became a crucial part of his approach.
We also explore brand mentions, reviews, entity information and grounding pages. How do you build a consistent reputation across the web? How can you measure progress when answers change with every prompt? And what happens when AI agents start choosing businesses for us?
A practical conversation about the experiments working for Dan today, the limitations of measuring AI visibility, and why brand reputation deserves a bigger place in your search strategy.
️ This episode is in English.
KEY TAKEAWAYS
• Third-party mentions can help reinforce what your own website says about your business.
• Public Facebook groups and LinkedIn posts are worth testing as sources of search visibility.
• Publishing is only part of the process: check whether your content actually gets indexed.
• Communicate your business facts, expertise and genuine achievements consistently across platforms.
• Grounding pages can give AI systems a clear reference for who you are and what you do.
• AI visibility is difficult to measure: prompts, personalization and changing sources affect the answers.
• Dan’s experiments show current opportunities, but individual results are no guarantee of lasting performance.
CHAPTERS
00:00 Introduction: Dan M. Jones at BrightonSEO
01:36 How AI Overviews are changing SEO
02:54 Why third-party mentions matter
04:00 The Facebook groups experiment
06:55 “Post everywhere”: expanding your presence
10:11 LinkedIn, local search and indexing
13:36 Using PDFs and third-party websites
16:07 The role of indexing tools
17:32 Reputation management and digital PR
19:09 Consistent brand narratives across platforms
22:09 Reviews, business facts and grounding pages
24:17 Measuring AI visibility and query fan-out
26:49 AI agents and reputation
28:06 Building a search strategy on a limited budget
29:25 Dan’s prediction for the future of search
Recorded at BrightonSEO, Björn Darko sits down with Dan M. Jones to explore how SEO, reputation management and AI visibility are coming together.
Dan shares how posts in public Facebook groups unexpectedly brought a local speaking club into Google’s AI Overviews—and attracted new members. We discuss his experiments with LinkedIn posts, third-party websites, PDFs and digital PR, plus why getting content indexed became a crucial part of his approach.
We also explore brand mentions, reviews, entity information and grounding pages. How do you build a consistent reputation across the web? How can you measure progress when answers change with every prompt? And what happens when AI agents start choosing businesses for us?
A practical conversation about the experiments working for Dan today, the limitations of measuring AI visibility, and why brand reputation deserves a bigger place in your search strategy.
️ This episode is in English.
KEY TAKEAWAYS
• Third-party mentions can help reinforce what your own website says about your business.
• Public Facebook groups and LinkedIn posts are worth testing as sources of search visibility.
• Publishing is only part of the process: check whether your content actually gets indexed.
• Communicate your business facts, expertise and genuine achievements consistently across platforms.
• Grounding pages can give AI systems a clear reference for who you are and what you do.
• AI visibility is difficult to measure: prompts, personalization and changing sources affect the answers.
• Dan’s experiments show current opportunities, but individual results are no guarantee of lasting performance.
CHAPTERS
00:00 Introduction: Dan M. Jones at BrightonSEO
01:36 How AI Overviews are changing SEO
02:54 Why third-party mentions matter
04:00 The Facebook groups experiment
06:55 “Post everywhere”: expanding your presence
10:11 LinkedIn, local search and indexing
13:36 Using PDFs and third-party websites
16:07 The role of indexing tools
17:32 Reputation management and digital PR
19:09 Consistent brand narratives across platforms
22:09 Reviews, business facts and grounding pages
24:17 Measuring AI visibility and query fan-out
26:49 AI agents and reputation
28:06 Building a search strategy on a limited budget
29:25 Dan’s prediction for the future of search
42 Minuten
Diese Episode wird unterstützt von Localo, der Local SEO Plattform: https://localo.com/de/
Das Tool hilft Unternehmen und Agenturen, Google-Unternehmensprofile zu analysieren und ihre lokale Sichtbarkeit zu verbessern.
--------------------------
„GEO ist SEO.“ Aber was meint Google damit eigentlich?
Sören Bendig und Tobias Schwarz von Audisto waren bei Google Search Central in Barcelona dabei – mit eigenen Vorträgen und vielen Erkenntnissen aus drei Tagen Technical Deep Dive.
In dieser SEOPRESSO-Folge gehen wir den Weg einer Seite durch Googles Systeme: vom Crawling über die Indexierung bis zum Ranking. Warum werden manche URLs gar nicht erst gecrawlt? Was steckt hinter „Gefunden – zurzeit nicht indexiert“ und „Gecrawlt – zurzeit nicht indexiert“? Und wie verarbeitet Google Suchanfragen, bevor passende Ergebnisse ausgespielt werden?
Wir sprechen über JavaScript, Canonicals, Content-Qualität, Google Trends und Core Updates. Anschließend ordnen wir ein, welche SEO-Grundlagen auch für AI Search gelten – und wo GEO und Agenten zusätzliche Anforderungen mitbringen.
Ein Gespräch für alle, die verstehen wollen, was unter der Motorhaube passiert, bevor sie die nächste Optimierungsmaßnahme planen.
Takeaways:
• Die Auswahl beginnt vor dem Crawling: Google schätzt bereits anhand von URL-Mustern und weiteren Signalen ab, welche URLs sich lohnen.
• „Gefunden“ und „gecrawlt, zurzeit nicht indexiert“ beschreiben unterschiedliche Stationen im Prozess. Entsprechend unterschiedlich sollte die Analyse ausfallen.
• JavaScript, Content-Platzierung und Canonical-Konstellationen können komplexer sein, als ein oberflächlicher Audit vermuten lässt.
• Query Expansion ist kein neues KI-Phänomen. Google verarbeitet schon in der klassischen Suche Synonyme und weitere Varianten.
• Die besprochenen Prozesszeiten geben Orientierung, sind aber keine garantierten Fristen für jede Website.
• Core Updates sind Neubewertungen. Die Diskussion lenkt den Blick auf Seitenqualität statt auf schnelle Reparaturversprechen.
• Für Googles AI Search bleiben Crawling und Indexierung zentrale Grundlagen. Veränderungen liegen auch darin, wie Inhalte verarbeitet und ausgegeben werden.
• Seiten, die für die klassische Suche unwichtig erscheinen, können für Agenten relevant sein.
Kapitel:
00:00 Begrüßung und „GEO ist SEO“
01:29 Drei Tage Technical Deep Dive: die Einordnung
02:08 Tag 1: Crawling, URL-Auswahl und Crawl-Fehler
07:21 Googles Prozesszeiten richtig einordnen
10:40 Wie Seitenqualität die Verarbeitung beeinflusst
11:13 Search Console: Reports, Daten und Wünsche
12:46 Tag 2: Indexierung, JavaScript und Canonicals
20:46 Poster-Sessions, hreflang und Community
23:09 Tag 3: Query Processing und Query Expansion
26:19 Retrieval: Wie Google Suchergebnisse zusammenstellt
27:35 Google Trends und Suchanfragen innerhalb einer Session
28:34 Core Updates und Seitenqualität
30:55 GEO und SEO: gemeinsame technische Grundlagen
34:59 Was sich bei Verarbeitung und Ausgabe verändert
35:56 Agenten: Welche Seiten müssen zugänglich sein?
37:58 Praktische Learnings für Audits und große Websites
40:00 Fazit: Grundlagen statt hektischer Umbauten
Das Tool hilft Unternehmen und Agenturen, Google-Unternehmensprofile zu analysieren und ihre lokale Sichtbarkeit zu verbessern.
--------------------------
„GEO ist SEO.“ Aber was meint Google damit eigentlich?
Sören Bendig und Tobias Schwarz von Audisto waren bei Google Search Central in Barcelona dabei – mit eigenen Vorträgen und vielen Erkenntnissen aus drei Tagen Technical Deep Dive.
In dieser SEOPRESSO-Folge gehen wir den Weg einer Seite durch Googles Systeme: vom Crawling über die Indexierung bis zum Ranking. Warum werden manche URLs gar nicht erst gecrawlt? Was steckt hinter „Gefunden – zurzeit nicht indexiert“ und „Gecrawlt – zurzeit nicht indexiert“? Und wie verarbeitet Google Suchanfragen, bevor passende Ergebnisse ausgespielt werden?
Wir sprechen über JavaScript, Canonicals, Content-Qualität, Google Trends und Core Updates. Anschließend ordnen wir ein, welche SEO-Grundlagen auch für AI Search gelten – und wo GEO und Agenten zusätzliche Anforderungen mitbringen.
Ein Gespräch für alle, die verstehen wollen, was unter der Motorhaube passiert, bevor sie die nächste Optimierungsmaßnahme planen.
Takeaways:
• Die Auswahl beginnt vor dem Crawling: Google schätzt bereits anhand von URL-Mustern und weiteren Signalen ab, welche URLs sich lohnen.
• „Gefunden“ und „gecrawlt, zurzeit nicht indexiert“ beschreiben unterschiedliche Stationen im Prozess. Entsprechend unterschiedlich sollte die Analyse ausfallen.
• JavaScript, Content-Platzierung und Canonical-Konstellationen können komplexer sein, als ein oberflächlicher Audit vermuten lässt.
• Query Expansion ist kein neues KI-Phänomen. Google verarbeitet schon in der klassischen Suche Synonyme und weitere Varianten.
• Die besprochenen Prozesszeiten geben Orientierung, sind aber keine garantierten Fristen für jede Website.
• Core Updates sind Neubewertungen. Die Diskussion lenkt den Blick auf Seitenqualität statt auf schnelle Reparaturversprechen.
• Für Googles AI Search bleiben Crawling und Indexierung zentrale Grundlagen. Veränderungen liegen auch darin, wie Inhalte verarbeitet und ausgegeben werden.
• Seiten, die für die klassische Suche unwichtig erscheinen, können für Agenten relevant sein.
Kapitel:
00:00 Begrüßung und „GEO ist SEO“
01:29 Drei Tage Technical Deep Dive: die Einordnung
02:08 Tag 1: Crawling, URL-Auswahl und Crawl-Fehler
07:21 Googles Prozesszeiten richtig einordnen
10:40 Wie Seitenqualität die Verarbeitung beeinflusst
11:13 Search Console: Reports, Daten und Wünsche
12:46 Tag 2: Indexierung, JavaScript und Canonicals
20:46 Poster-Sessions, hreflang und Community
23:09 Tag 3: Query Processing und Query Expansion
26:19 Retrieval: Wie Google Suchergebnisse zusammenstellt
27:35 Google Trends und Suchanfragen innerhalb einer Session
28:34 Core Updates und Seitenqualität
30:55 GEO und SEO: gemeinsame technische Grundlagen
34:59 Was sich bei Verarbeitung und Ausgabe verändert
35:56 Agenten: Welche Seiten müssen zugänglich sein?
37:58 Praktische Learnings für Audits und große Websites
40:00 Fazit: Grundlagen statt hektischer Umbauten
54 Minuten
Diese Episode wird unterstützt von Localo, der Local SEO Plattform: https://localo.com/de/
Das Tool hilft Unternehmen und Agenturen, Google-Unternehmensprofile zu analysieren und ihre lokale Sichtbarkeit zu verbessern.
--------------------------
Reddit wird für SEO und AI Search immer relevanter. Doch wie schaffen es Unternehmen, dort sichtbar zu werden, ohne von der Community abgestraft zu werden? Und welchen Einfluss haben Reddit-Diskussionen tatsächlich auf Google, Gemini und ChatGPT?
In dieser SEOPRESSO-Folge spreche ich mit Benjamin Szturmaj, Head of SEO & GEO bei CarVia, über seine Reddit-Experimente, konkrete Learnings und erfolgreiche Strategien.
Wir diskutieren, warum Google Reddit häufiger zitiert als ChatGPT, weshalb Upvotes oft weniger wichtig sind als die semantische Relevanz eines Threads und wie Marken durch authentische Community-Arbeit ihre Sichtbarkeit steigern können.
Benjamin teilt Erfahrungen aus seiner Zeit bei Sixt und aktuelle Experimente bei CarVia. Außerdem sprechen wir über Reddit Pro, Brand Accounts, Crossposting, Customer Support und die Frage, wann Reddit SEO zur Manipulation wird.
Semantik schlägt Upvotes: Relevante Thread-Titel und Inhalte sind für AI Citations oft entscheidender als Popularität.
Google ≠ ChatGPT: Reddit spielt je nach Suchmaschine und LLM eine unterschiedliche Rolle.
Community first: Authentische Hilfe funktioniert besser als versteckte Markenwerbung.
Echte Kundenerfahrungen: Reviews, Diskussionen und Crossposts schaffen neue Chancen für AI Visibility.
Reddit SEO ist mehr als GEO: Customer Support, Produktfeedback und Community Management gehören dazu.
Manipulation funktioniert selten: Künstliche Upvotes und Spam können der Marke schaden.
Takeaways
00:00 Intro: Reddit SEO mit Benjamin Szturmaj
01:12 Sponsor: Localo
02:29 Warum ist Reddit ein SEO-Thema?
03:35 Welche Suchanfragen triggern Reddit?
05:37 Reddit vs. eigene Website
07:48 Reddit, Google und OpenAI
10:20 Warum Google Reddit häufiger zitiert
12:16 Reddit im Mid- und Bottom-Funnel
14:37 Warum Upvotes kaum entscheidend sind
16:48 Semantik und Thread-Titel
17:30 Der Porsche-Case: Crossposting
19:47 Warum kleine Communities gewinnen
21:22 Reddit für AI Retrieval optimieren
24:49 Community statt reiner SEO-Taktik
25:07 Reddit-Erfahrungen bei Sixt
27:48 Brand Accounts zurückbekommen
30:47 Authentische Brand Mentions
33:28 Kunden zu Reddit-Posts motivieren
35:17 Spam, Downvotes und der EA-Fail
38:10 Lohnt sich Reddit SEO langfristig?
40:05 Reddit Ask und die Zukunft
45:45 Reddit SEO für B2B und KMU
47:05 Wer verantwortet Reddit im Unternehmen?
48:48 Reddit als Quelle für Produktideen
49:10 Fazit: SEO, GEO und Community
Benjamin auf LinkedIn:
https://www.linkedin.com/in/szturmaj/
CarVia auf Reddit:
https://www.reddit.com/r/CarVia_official/
#RedditSEO #GEO #AISEO #SEOPRESSO
Key TakeawaysKapitelmarkenLinksSponsor: Localo
Das Tool hilft Unternehmen und Agenturen, Google-Unternehmensprofile zu analysieren und ihre lokale Sichtbarkeit zu verbessern.
--------------------------
Reddit wird für SEO und AI Search immer relevanter. Doch wie schaffen es Unternehmen, dort sichtbar zu werden, ohne von der Community abgestraft zu werden? Und welchen Einfluss haben Reddit-Diskussionen tatsächlich auf Google, Gemini und ChatGPT?
In dieser SEOPRESSO-Folge spreche ich mit Benjamin Szturmaj, Head of SEO & GEO bei CarVia, über seine Reddit-Experimente, konkrete Learnings und erfolgreiche Strategien.
Wir diskutieren, warum Google Reddit häufiger zitiert als ChatGPT, weshalb Upvotes oft weniger wichtig sind als die semantische Relevanz eines Threads und wie Marken durch authentische Community-Arbeit ihre Sichtbarkeit steigern können.
Benjamin teilt Erfahrungen aus seiner Zeit bei Sixt und aktuelle Experimente bei CarVia. Außerdem sprechen wir über Reddit Pro, Brand Accounts, Crossposting, Customer Support und die Frage, wann Reddit SEO zur Manipulation wird.
Semantik schlägt Upvotes: Relevante Thread-Titel und Inhalte sind für AI Citations oft entscheidender als Popularität.
Google ≠ ChatGPT: Reddit spielt je nach Suchmaschine und LLM eine unterschiedliche Rolle.
Community first: Authentische Hilfe funktioniert besser als versteckte Markenwerbung.
Echte Kundenerfahrungen: Reviews, Diskussionen und Crossposts schaffen neue Chancen für AI Visibility.
Reddit SEO ist mehr als GEO: Customer Support, Produktfeedback und Community Management gehören dazu.
Manipulation funktioniert selten: Künstliche Upvotes und Spam können der Marke schaden.
Takeaways
00:00 Intro: Reddit SEO mit Benjamin Szturmaj
01:12 Sponsor: Localo
02:29 Warum ist Reddit ein SEO-Thema?
03:35 Welche Suchanfragen triggern Reddit?
05:37 Reddit vs. eigene Website
07:48 Reddit, Google und OpenAI
10:20 Warum Google Reddit häufiger zitiert
12:16 Reddit im Mid- und Bottom-Funnel
14:37 Warum Upvotes kaum entscheidend sind
16:48 Semantik und Thread-Titel
17:30 Der Porsche-Case: Crossposting
19:47 Warum kleine Communities gewinnen
21:22 Reddit für AI Retrieval optimieren
24:49 Community statt reiner SEO-Taktik
25:07 Reddit-Erfahrungen bei Sixt
27:48 Brand Accounts zurückbekommen
30:47 Authentische Brand Mentions
33:28 Kunden zu Reddit-Posts motivieren
35:17 Spam, Downvotes und der EA-Fail
38:10 Lohnt sich Reddit SEO langfristig?
40:05 Reddit Ask und die Zukunft
45:45 Reddit SEO für B2B und KMU
47:05 Wer verantwortet Reddit im Unternehmen?
48:48 Reddit als Quelle für Produktideen
49:10 Fazit: SEO, GEO und Community
Benjamin auf LinkedIn:
https://www.linkedin.com/in/szturmaj/
CarVia auf Reddit:
https://www.reddit.com/r/CarVia_official/
#RedditSEO #GEO #AISEO #SEOPRESSO
Key TakeawaysKapitelmarkenLinksSponsor: Localo
51 Minuten
Diese Episode wird unterstützt von Localo, der Local SEO Plattform: https://localo.com/de/
--------------------------
What happens to the web when people get answers without visiting websites—and AI assistants start doing the shopping?
In this episode of SEOPRESSO, Björn Darko speaks with Simon Young about his provocative prediction: the death of the web as we know it.
Having written about Answer Engine Optimization back in 2019, Simon shares why he believes websites could evolve into knowledge bases that serve AI assistants. We explore what that shift could mean for publishers, marketplaces, local businesses, and the economics of online content.
We also debate where trusted platforms still matter, whether Google’s guidance tells the whole story across different AI engines, and why original knowledge could become a business’s most valuable asset.
A conversation about the future of discovery, the limits of familiar SEO tactics, and the work brands can start doing today.
Key Takeaways
SEO fundamentals still matter. Simon challenges agency models that sell promises without delivering the work needed to create results.
Zero-click answers put pressure on businesses that depend on referral traffic, advertising, and affiliate revenue.
Marketplace disruption may depend on the purchase: routine products and expensive decisions have different requirements for trust and experience.
Original expertise, proprietary data, and customer insights can fill knowledge gaps that generic content leaves behind.
Google’s guidance should not automatically become your strategy for every AI engine. Different platforms need observation and testing.
Simon argues for making useful content accessible to AI systems and building business knowledge bases that assistants can interact with.
Traffic volume alone is an incomplete measure of success. Better-qualified visitors and business outcomes deserve greater attention.
Chapters
00:00 Introduction: Simon Young and the death of the web
00:56 Sponsor message
02:12 Answer Engine Optimization before ChatGPT
03:26 Voice search, AI assistants, and the device question
06:36 Did SEO die—or did the old agency model?
09:05 From recommendations to implementation
11:09 SISTRIX newsflash
13:57 Zero-click answers and the economics of the web
17:31 Who wins and who loses in AI search?
20:38 Publishers, original perspectives, and information gain
22:14 Can AI replace marketplaces?
25:48 Websites as knowledge bases for AI
28:54 Google’s AI guidance: schema, content, and small gains
30:44 How AI engines differ
35:14 Personalization and the future of advertising
36:42 Should businesses block AI bots?
38:43 Focused content and better-qualified visitors
40:24 Building a business knowledge base
42:29 Finding knowledge gaps and earning visibility
45:48 AI search tactics, Reddit, and manipulation
47:58 What could the web look like in 2030?
50:32 Closing thoughts
--------------------------
What happens to the web when people get answers without visiting websites—and AI assistants start doing the shopping?
In this episode of SEOPRESSO, Björn Darko speaks with Simon Young about his provocative prediction: the death of the web as we know it.
Having written about Answer Engine Optimization back in 2019, Simon shares why he believes websites could evolve into knowledge bases that serve AI assistants. We explore what that shift could mean for publishers, marketplaces, local businesses, and the economics of online content.
We also debate where trusted platforms still matter, whether Google’s guidance tells the whole story across different AI engines, and why original knowledge could become a business’s most valuable asset.
A conversation about the future of discovery, the limits of familiar SEO tactics, and the work brands can start doing today.
Key Takeaways
SEO fundamentals still matter. Simon challenges agency models that sell promises without delivering the work needed to create results.
Zero-click answers put pressure on businesses that depend on referral traffic, advertising, and affiliate revenue.
Marketplace disruption may depend on the purchase: routine products and expensive decisions have different requirements for trust and experience.
Original expertise, proprietary data, and customer insights can fill knowledge gaps that generic content leaves behind.
Google’s guidance should not automatically become your strategy for every AI engine. Different platforms need observation and testing.
Simon argues for making useful content accessible to AI systems and building business knowledge bases that assistants can interact with.
Traffic volume alone is an incomplete measure of success. Better-qualified visitors and business outcomes deserve greater attention.
Chapters
00:00 Introduction: Simon Young and the death of the web
00:56 Sponsor message
02:12 Answer Engine Optimization before ChatGPT
03:26 Voice search, AI assistants, and the device question
06:36 Did SEO die—or did the old agency model?
09:05 From recommendations to implementation
11:09 SISTRIX newsflash
13:57 Zero-click answers and the economics of the web
17:31 Who wins and who loses in AI search?
20:38 Publishers, original perspectives, and information gain
22:14 Can AI replace marketplaces?
25:48 Websites as knowledge bases for AI
28:54 Google’s AI guidance: schema, content, and small gains
30:44 How AI engines differ
35:14 Personalization and the future of advertising
36:42 Should businesses block AI bots?
38:43 Focused content and better-qualified visitors
40:24 Building a business knowledge base
42:29 Finding knowledge gaps and earning visibility
45:48 AI search tactics, Reddit, and manipulation
47:58 What could the web look like in 2030?
50:32 Closing thoughts
45 Minuten
Diese Episode wird unterstützt von Localo, der Local SEO Plattform: https://localo.com/de/
--------------------------
Link zum besprochenen Artikel: https://searchengineland.com/geo-pillars-488782
---------------------
Ist GEO nur SEO mit neuem Namen? Olaf Kopp (Aufgesang) hat in seinem Search-Engine-Land-Artikel ein Modell mit drei Säulen für Generative Engine Optimization vorgestellt: LLM Readability, Brand Context und Agentic Commerce. Mit Björn Darko spricht er darüber, welche Säule klar SEO ist und wo SEO kaum noch Einfluss hat. Und er erklärt, warum GEO am Ende vor allem eine Frage der Organisation ist.
Es geht um Chunking und Passage Relevance, um eine Studie zum Zusammenhang zwischen Readability und Rankings, um Brand-Context-Audits und Prompt-Tracking und um MCP, UCP und ACP als Infrastruktur für KI-Agenten. Außerdem diskutieren die beiden, warum die LinkedIn-Debatte „GEO vs. SEO“ oft am Thema vorbeigeht.
Takeaways
LLM Readability ist die Säule, die am klarsten zu SEO gehört: Crawling, Indexierung, Informationsarchitektur und gut strukturierter Content bleiben die Basis. LLM-Bots rendern oft kein JavaScript und arbeiten noch effizienzgetriebener als klassische Crawler.
Grounding baut auf Rankings auf: Wer nicht in den Top 10 bis 20 steht, wird kaum zitiert. Auf Top-Positionen entscheiden Passage Relevance, Informationsdichte und Information Gain.
Brand Context entsteht vor allem außerhalb der eigenen Website: Reddit, Communities, Listicles und Third-Party-Mentions. Das liegt in PR, Kommunikation und Brand und nur begrenzt bei SEO.
Brand wird messbar: Mit Prompt-Tracking und Brand-Context-Audits lassen sich Positionierung, Attribute und Lücken konkret sichtbar machen.
Agentic Commerce braucht API- und MCP-First-Denken: Produktkontext, Feeds, Agent Experience (AX) sowie Hürden wie Login-Walls und Checkouts. Das sind Aufgaben für Product Management und Engineering.
Das eigentliche Problem sind organisatorische Silos. Digital Authority Management soll SEO, Content, PR und Brand zusammenbringen.
Kapitel
00:00 Intro: Olaf Kopp und die 3 GEO-Säulen
00:55 Sponsor
02:13 Ist GEO eine neue Disziplin?
02:57 Retrieval: Crawling, Indexierung und Document vs. Passage Relevance
03:50 Wie LLM-Bots arbeiten: Effizienz, kein Rendering, Vektordatenbanken
05:26 Brand Context, Reputation und Topical Authority
05:45 GEO als Kanal: LLMs als neue Interfaces
07:24 Säule 1: LLM Readability
08:11 Studie: Readability-Faktoren und ihre Korrelation mit Rankings
09:56 Passage-based Indexing, Featured Snippets und Chunking
11:23 SISTRIX Newsflash
14:11 Content als größter Hebel: Answer Structure und Information Gain
16:37 Säule 2: Brand Context
17:30 Citations, Mentions und Prompt-Tracking
19:53 Empfohlen werden: Listicles und Reputation
20:31 Warum SEO beim Brand Context wenig in der Hand hat
22:10 Aus der Praxis: Brand-Context-Audits
24:25 Silos, Ego und Digital Authority Management
27:48 „It's just SEO“? Warum SEO allein nicht reicht
29:32 Säule 3: Agentic Commerce
31:20 Agentic Readiness: Product Context, AX, MCP, UCP und ACP
33:59 Produktdaten, Feeds und Engineering-Hürden
37:22 Die GEO-vs.-SEO-Debatte
40:43 Name, Mindset und probabilistische Systeme
43:11 Bots unterscheiden: Training vs. User-triggered
43:33 Olafs Weg: vom Performance Marketing zur Brand
44:25 Outro
--------------------------
Link zum besprochenen Artikel: https://searchengineland.com/geo-pillars-488782
---------------------
Ist GEO nur SEO mit neuem Namen? Olaf Kopp (Aufgesang) hat in seinem Search-Engine-Land-Artikel ein Modell mit drei Säulen für Generative Engine Optimization vorgestellt: LLM Readability, Brand Context und Agentic Commerce. Mit Björn Darko spricht er darüber, welche Säule klar SEO ist und wo SEO kaum noch Einfluss hat. Und er erklärt, warum GEO am Ende vor allem eine Frage der Organisation ist.
Es geht um Chunking und Passage Relevance, um eine Studie zum Zusammenhang zwischen Readability und Rankings, um Brand-Context-Audits und Prompt-Tracking und um MCP, UCP und ACP als Infrastruktur für KI-Agenten. Außerdem diskutieren die beiden, warum die LinkedIn-Debatte „GEO vs. SEO“ oft am Thema vorbeigeht.
Takeaways
LLM Readability ist die Säule, die am klarsten zu SEO gehört: Crawling, Indexierung, Informationsarchitektur und gut strukturierter Content bleiben die Basis. LLM-Bots rendern oft kein JavaScript und arbeiten noch effizienzgetriebener als klassische Crawler.
Grounding baut auf Rankings auf: Wer nicht in den Top 10 bis 20 steht, wird kaum zitiert. Auf Top-Positionen entscheiden Passage Relevance, Informationsdichte und Information Gain.
Brand Context entsteht vor allem außerhalb der eigenen Website: Reddit, Communities, Listicles und Third-Party-Mentions. Das liegt in PR, Kommunikation und Brand und nur begrenzt bei SEO.
Brand wird messbar: Mit Prompt-Tracking und Brand-Context-Audits lassen sich Positionierung, Attribute und Lücken konkret sichtbar machen.
Agentic Commerce braucht API- und MCP-First-Denken: Produktkontext, Feeds, Agent Experience (AX) sowie Hürden wie Login-Walls und Checkouts. Das sind Aufgaben für Product Management und Engineering.
Das eigentliche Problem sind organisatorische Silos. Digital Authority Management soll SEO, Content, PR und Brand zusammenbringen.
Kapitel
00:00 Intro: Olaf Kopp und die 3 GEO-Säulen
00:55 Sponsor
02:13 Ist GEO eine neue Disziplin?
02:57 Retrieval: Crawling, Indexierung und Document vs. Passage Relevance
03:50 Wie LLM-Bots arbeiten: Effizienz, kein Rendering, Vektordatenbanken
05:26 Brand Context, Reputation und Topical Authority
05:45 GEO als Kanal: LLMs als neue Interfaces
07:24 Säule 1: LLM Readability
08:11 Studie: Readability-Faktoren und ihre Korrelation mit Rankings
09:56 Passage-based Indexing, Featured Snippets und Chunking
11:23 SISTRIX Newsflash
14:11 Content als größter Hebel: Answer Structure und Information Gain
16:37 Säule 2: Brand Context
17:30 Citations, Mentions und Prompt-Tracking
19:53 Empfohlen werden: Listicles und Reputation
20:31 Warum SEO beim Brand Context wenig in der Hand hat
22:10 Aus der Praxis: Brand-Context-Audits
24:25 Silos, Ego und Digital Authority Management
27:48 „It's just SEO“? Warum SEO allein nicht reicht
29:32 Säule 3: Agentic Commerce
31:20 Agentic Readiness: Product Context, AX, MCP, UCP und ACP
33:59 Produktdaten, Feeds und Engineering-Hürden
37:22 Die GEO-vs.-SEO-Debatte
40:43 Name, Mindset und probabilistische Systeme
43:11 Bots unterscheiden: Training vs. User-triggered
43:33 Olafs Weg: vom Performance Marketing zur Brand
44:25 Outro
1 Stunde 1 Minute
Der organische Traffic der größten deutschen Onlineshops ist innerhalb eines Jahres um rund 16 % gesunken. Ist das bereits der Effekt von Google AI Overviews und veränderten Suchgewohnheiten – oder haben viele Shops schlicht ihre SEO-Hausaufgaben nicht gemacht?
Darüber spreche ich mit Thomas Gruhle, Gründer und CEO der Digitalagentur LEAP. Grundlage unseres Gesprächs ist eine umfangreiche Studie zur Entwicklung der 2.500 größten deutschen Onlineshops.
Wir analysieren, welche Shops trotz des schwierigen Marktumfelds wachsen, warum SEO-Verluste nicht automatisch durch KI verursacht werden und weshalb technische Exzellenz, relevante Inhalte, Autorität und gute Nutzersignale wichtiger denn je sind.
Außerdem diskutieren wir, wie AI Overviews den Marketing-Funnel verändern, warum Informationssuchen besonders stark betroffen sind und wie Shops mit hochwertigen Kategorie- und Produktseiten, eigenen Daten, Reviews, Feed-Optimierung und konsequentem Testing reagieren können.
Eine Folge über die Zukunft von SEO im E-Commerce – ohne Untergangsszenarien, aber mit klaren Konsequenzen für Unternehmen, Marketingteams und Entscheider. Grundlage ist das vollständige Episodentranskript.
Takeaways
Der organische Traffic im deutschen E-Commerce ist rückläufig – aber nicht jeder Verlust lässt sich mit AI Overviews erklären.
Während der Gesamtmarkt verliert, gibt es weiterhin klare SEO-Gewinner. Entscheidend ist, die eigenen Hausaufgaben besser als der Wettbewerb zu erledigen.
AI Overviews treffen vor allem informationsorientierte Suchanfragen und verschieben die Recherchephase zunehmend in die Suchergebnisse.
Weniger messbare Klicks bedeuten nicht automatisch weniger Wirkung: Markenbekanntheit und indirekte Conversions werden wichtiger.
Technische Qualität, Autorität, relevante Inhalte und Nutzersignale bleiben die Grundlage für klassische Rankings und Sichtbarkeit in KI-Systemen.
Kategorie- und Produktseiten sollten nicht nur für Keywords, sondern konsequent für Suchintentionen und konkrete Use Cases optimiert werden.
Proprietäre Informationen, First-Party-Daten, Produktbewertungen und echte Erfahrungen schaffen einen Vorteil gegenüber austauschbarem KI-Content.
Shops sollten SEO, Conversion-Optimierung und Testing stärker miteinander verbinden und ihre wichtigsten Seitentypen kontinuierlich weiterentwickeln.
SEO bleibt ein wichtiger und vergleichsweise profitabler Kanal – benötigt aber klare Prioritäten, Ressourcen und Unterstützung aus dem Management.
Kapitelmarken
00:00 Intro und Vorstellung von Thomas Gruhle
03:39 So verändert sich der deutsche E-Commerce
05:20 Methodik und Datengrundlage der Studie
08:16 Welche Rolle spielt Organic Search im Kanalmix?
09:08 Rund 16 % weniger organischer Traffic
12:11 Warum einige Onlineshops trotzdem wachsen
14:55 SISTRIX Newsflash
17:42 Gewinner und Verlierer der Entwicklung
19:27 Die Grundlagen erfolgreicher SEO-Arbeit
21:08 Wie schnell AI Overviews wachsen
24:15 Auswirkungen auf Marktplätze und andere Branchen
25:19 Informationale und transaktionale Suchanfragen
29:40 Die indirekte Wirkung von SEO und KI-Sichtbarkeit
31:45 Wie sich der Marketing-Funnel verändert
35:57 Marken und Produkte proaktiv in KI-Systemen positionieren
39:31 AI Mode, Shopping und die Bedeutung von Produktfeeds
40:06 Lohnt sich die Investition in Content weiterhin?
43:32 Rankings, Erwähnungen und Citations
47:12 Was gute Kategorie- und Produktseiten ausmacht
49:19 First-Party-Daten, Reviews und einzigartige Informationen
50:47 Suchintention und Nutzerführung richtig verbinden
53:35 Warum Testing im E-Commerce unterschätzt wird
56:52 Wo ihr die vollständige Studie findet
58:50 Thomas’ wichtigste Empfehlungen für Unternehmen
61:07 Outro
Darüber spreche ich mit Thomas Gruhle, Gründer und CEO der Digitalagentur LEAP. Grundlage unseres Gesprächs ist eine umfangreiche Studie zur Entwicklung der 2.500 größten deutschen Onlineshops.
Wir analysieren, welche Shops trotz des schwierigen Marktumfelds wachsen, warum SEO-Verluste nicht automatisch durch KI verursacht werden und weshalb technische Exzellenz, relevante Inhalte, Autorität und gute Nutzersignale wichtiger denn je sind.
Außerdem diskutieren wir, wie AI Overviews den Marketing-Funnel verändern, warum Informationssuchen besonders stark betroffen sind und wie Shops mit hochwertigen Kategorie- und Produktseiten, eigenen Daten, Reviews, Feed-Optimierung und konsequentem Testing reagieren können.
Eine Folge über die Zukunft von SEO im E-Commerce – ohne Untergangsszenarien, aber mit klaren Konsequenzen für Unternehmen, Marketingteams und Entscheider. Grundlage ist das vollständige Episodentranskript.
Takeaways
Der organische Traffic im deutschen E-Commerce ist rückläufig – aber nicht jeder Verlust lässt sich mit AI Overviews erklären.
Während der Gesamtmarkt verliert, gibt es weiterhin klare SEO-Gewinner. Entscheidend ist, die eigenen Hausaufgaben besser als der Wettbewerb zu erledigen.
AI Overviews treffen vor allem informationsorientierte Suchanfragen und verschieben die Recherchephase zunehmend in die Suchergebnisse.
Weniger messbare Klicks bedeuten nicht automatisch weniger Wirkung: Markenbekanntheit und indirekte Conversions werden wichtiger.
Technische Qualität, Autorität, relevante Inhalte und Nutzersignale bleiben die Grundlage für klassische Rankings und Sichtbarkeit in KI-Systemen.
Kategorie- und Produktseiten sollten nicht nur für Keywords, sondern konsequent für Suchintentionen und konkrete Use Cases optimiert werden.
Proprietäre Informationen, First-Party-Daten, Produktbewertungen und echte Erfahrungen schaffen einen Vorteil gegenüber austauschbarem KI-Content.
Shops sollten SEO, Conversion-Optimierung und Testing stärker miteinander verbinden und ihre wichtigsten Seitentypen kontinuierlich weiterentwickeln.
SEO bleibt ein wichtiger und vergleichsweise profitabler Kanal – benötigt aber klare Prioritäten, Ressourcen und Unterstützung aus dem Management.
Kapitelmarken
00:00 Intro und Vorstellung von Thomas Gruhle
03:39 So verändert sich der deutsche E-Commerce
05:20 Methodik und Datengrundlage der Studie
08:16 Welche Rolle spielt Organic Search im Kanalmix?
09:08 Rund 16 % weniger organischer Traffic
12:11 Warum einige Onlineshops trotzdem wachsen
14:55 SISTRIX Newsflash
17:42 Gewinner und Verlierer der Entwicklung
19:27 Die Grundlagen erfolgreicher SEO-Arbeit
21:08 Wie schnell AI Overviews wachsen
24:15 Auswirkungen auf Marktplätze und andere Branchen
25:19 Informationale und transaktionale Suchanfragen
29:40 Die indirekte Wirkung von SEO und KI-Sichtbarkeit
31:45 Wie sich der Marketing-Funnel verändert
35:57 Marken und Produkte proaktiv in KI-Systemen positionieren
39:31 AI Mode, Shopping und die Bedeutung von Produktfeeds
40:06 Lohnt sich die Investition in Content weiterhin?
43:32 Rankings, Erwähnungen und Citations
47:12 Was gute Kategorie- und Produktseiten ausmacht
49:19 First-Party-Daten, Reviews und einzigartige Informationen
50:47 Suchintention und Nutzerführung richtig verbinden
53:35 Warum Testing im E-Commerce unterschätzt wird
56:52 Wo ihr die vollständige Studie findet
58:50 Thomas’ wichtigste Empfehlungen für Unternehmen
61:07 Outro
31 Minuten
SEO verändert sich gerade grundlegend: Google ist längst nicht mehr der einzige Ort, an dem Menschen suchen. Sichtbarkeit entsteht heute auch auf Social Media, YouTube, in ChatGPT, Perplexity und anderen KI-Systemen. Doch was bedeutet diese Fragmentierung für die Rolle von SEO im Marketing-Mix?
In dieser Live-Ausgabe des SEOPRESSO Podcasts diskutiere ich mit Aline Kunz und Vanessa Wurster darüber, warum SEO und GEO nicht länger als isolierte Disziplinen funktionieren können. Wir sprechen über die Zusammenarbeit mit Branding, PR, Social Media, UX und Produkt – und darüber, wem das Thema Sichtbarkeit im Unternehmen eigentlich gehören sollte.
Außerdem werfen wir einen Blick auf die Agentur von morgen: Werden klassische Retainer und stundenbasierte Abrechnungsmodelle verschwinden? Brauchen Kunden künftig weniger operative Unterstützung und dafür mehr erfahrene Sparringspartner? Und wie entwickeln wir Junior Talents, wenn KI bereits viele Einstiegsaufgaben übernimmt?
Eine Diskussion über neue Rollen, veränderte Geschäftsmodelle, automatisierte Prozesse und die Frage, welche Fähigkeiten im Zeitalter von AI Search wirklich wertvoll bleiben.
Takeaways
SEO entwickelt sich von einem spezialisierten Kanal zu einer zentralen Disziplin für digitale Sichtbarkeit.
GEO betrifft nicht nur Websites, sondern ebenso Brand, PR, Social Media, Content, UX und Produkt.
Unternehmen müssen Silos aufbrechen, ohne dabei die fachliche Tiefe der einzelnen Disziplinen zu verlieren.
Nicht jede Marke muss auf jedem Kanal vertreten sein: Entscheidend sind Zielgruppe, Customer Journey und der konkrete Nutzen.
Generative AI kann skalierbaren Content ermöglichen – Expertise, Differenzierung und Vertrauen entstehen jedoch nicht automatisch.
Agenturen werden stärker zu strategischen Sparringspartnern und Begleitern bei Prozessen, Automatisierung und Implementierung.
Klassische Retainer und die Abrechnung nach Stunden geraten durch AI zunehmend unter Druck.
Wenn Einstiegsaufgaben automatisiert werden, braucht es neue Wege, um Junior Talents auszubilden und zu erfahrenen Berater zu entwickeln.
Kapitelmarken
00:00 Intro: Live-Podcast mit Aline Kunz und Vanessa Wurster
01:30 Wie AI Search SEO und Agenturen verändert
03:00 Vom SEO-Kanal zur zentralen Marketingdisziplin
04:30 Zusammenarbeit mit Brand, PR, UX und Produkt
06:00 Wem gehört GEO im Unternehmen?
08:15 Skalierbarer Content durch generative AI
09:30 Expertise, Vertrauen und Differenzierung
11:20 SISTRIX Newsflash
13:35 Die Fragmentierung der Suche
14:45 Zielgruppen und Customer Journeys verstehen
16:00 Testen statt überall präsent sein zu wollen
17:00 Brauchen Unternehmen neue Visibility Teams?
19:30 Wie AI das Geschäftsmodell von Agenturen verändert
21:00 Warum guter AI-Output weiterhin Expertise braucht
22:30 Agenturen als erfahrene Sparringspartner
24:00 Was passiert mit Junior Talents?
25:30 Die Agentur der Zukunft
27:00 Welche Prognosen sind überhaupt noch möglich?
28:30 Prozesse, Automatisierung und neue Partnerschaften
30:00 Fazit
In dieser Live-Ausgabe des SEOPRESSO Podcasts diskutiere ich mit Aline Kunz und Vanessa Wurster darüber, warum SEO und GEO nicht länger als isolierte Disziplinen funktionieren können. Wir sprechen über die Zusammenarbeit mit Branding, PR, Social Media, UX und Produkt – und darüber, wem das Thema Sichtbarkeit im Unternehmen eigentlich gehören sollte.
Außerdem werfen wir einen Blick auf die Agentur von morgen: Werden klassische Retainer und stundenbasierte Abrechnungsmodelle verschwinden? Brauchen Kunden künftig weniger operative Unterstützung und dafür mehr erfahrene Sparringspartner? Und wie entwickeln wir Junior Talents, wenn KI bereits viele Einstiegsaufgaben übernimmt?
Eine Diskussion über neue Rollen, veränderte Geschäftsmodelle, automatisierte Prozesse und die Frage, welche Fähigkeiten im Zeitalter von AI Search wirklich wertvoll bleiben.
Takeaways
SEO entwickelt sich von einem spezialisierten Kanal zu einer zentralen Disziplin für digitale Sichtbarkeit.
GEO betrifft nicht nur Websites, sondern ebenso Brand, PR, Social Media, Content, UX und Produkt.
Unternehmen müssen Silos aufbrechen, ohne dabei die fachliche Tiefe der einzelnen Disziplinen zu verlieren.
Nicht jede Marke muss auf jedem Kanal vertreten sein: Entscheidend sind Zielgruppe, Customer Journey und der konkrete Nutzen.
Generative AI kann skalierbaren Content ermöglichen – Expertise, Differenzierung und Vertrauen entstehen jedoch nicht automatisch.
Agenturen werden stärker zu strategischen Sparringspartnern und Begleitern bei Prozessen, Automatisierung und Implementierung.
Klassische Retainer und die Abrechnung nach Stunden geraten durch AI zunehmend unter Druck.
Wenn Einstiegsaufgaben automatisiert werden, braucht es neue Wege, um Junior Talents auszubilden und zu erfahrenen Berater zu entwickeln.
Kapitelmarken
00:00 Intro: Live-Podcast mit Aline Kunz und Vanessa Wurster
01:30 Wie AI Search SEO und Agenturen verändert
03:00 Vom SEO-Kanal zur zentralen Marketingdisziplin
04:30 Zusammenarbeit mit Brand, PR, UX und Produkt
06:00 Wem gehört GEO im Unternehmen?
08:15 Skalierbarer Content durch generative AI
09:30 Expertise, Vertrauen und Differenzierung
11:20 SISTRIX Newsflash
13:35 Die Fragmentierung der Suche
14:45 Zielgruppen und Customer Journeys verstehen
16:00 Testen statt überall präsent sein zu wollen
17:00 Brauchen Unternehmen neue Visibility Teams?
19:30 Wie AI das Geschäftsmodell von Agenturen verändert
21:00 Warum guter AI-Output weiterhin Expertise braucht
22:30 Agenturen als erfahrene Sparringspartner
24:00 Was passiert mit Junior Talents?
25:30 Die Agentur der Zukunft
27:00 Welche Prognosen sind überhaupt noch möglich?
28:30 Prozesse, Automatisierung und neue Partnerschaften
30:00 Fazit
19 Minuten
Was unterscheidet gute SEO von schlechter SEO? Nicht die neuesten Tools, geheimen Hacks oder besonders komplexen Audits. Entscheidend ist, ob SEO innerhalb eines Unternehmens tatsächlich etwas bewegt – oder lediglich Rankings, Reports und eine lange Liste an Tickets produziert.
In dieser Solo-Folge stellt Björn zehn Bereiche gegenüber, in denen sich Good SEO und Bad SEO unterscheiden: von Strategie, Nutzerverständnis und Priorisierung über Zusammenarbeit und Testing bis hin zu Enablement, Reporting und professioneller Disziplin.
Die zentrale These: Die meisten SEO-Probleme sind keine reinen SEO-Probleme – sie sind Produktprobleme.
Wenn Kategorien den Search Intent nicht erfüllen, wichtige Seiten nicht auffindbar sind oder Nutzer nach dem Klick nicht weiterkommen, reicht eine rein technische Betrachtung nicht aus. Moderne SEO muss Nutzerprobleme verstehen, Lösungen mit Produkt und Engineering entwickeln, Business Value erzeugen und SEO skalierbar in der Organisation verankern.
Eine Folge für alle, die SEO nicht nur als Traffic-Kanal, sondern als strategische Produktdisziplin verstehen wollen.
Takeaways
Gute SEO optimiert auf Business Outcomes statt nur auf Rankings, Sichtbarkeit und Traffic.
Keyword Research wird erst durch Nutzerverständnis und „Search and then“ zur Produktentwicklung.
Rankingverluste sind Symptome – gute SEO sucht nach den eigentlichen Ursachen.
Priorisierung und Fokus sind wichtiger als möglichst viele Audits, Tickets und Trends.
Fachlich recht zu haben reicht nicht: SEO muss verständlich kommunizieren und andere Teams befähigen.
Maßnahmen sollten als Hypothesen mit klarer Erfolgsmessung behandelt werden.
SEO muss Roadmaps frühzeitig beeinflussen, statt Produkte erst kurz vor dem Launch abzunehmen.
Standards, Playbooks und automatisiertes Monitoring skalieren besser als heroische Einzelaktionen.
Gute Reports liefern Orientierung und führen zu einer Entscheidung.
Technische Expertise bleibt wichtig, erzeugt aber erst durch Priorisierung, Umsetzung und Business-Bezug echten Wert.
Kapitelmarken
00:00 Intro: Was unterscheidet Good SEO von Bad SEO?
01:04 Warum die meisten SEO-Probleme Produktprobleme sind
02:24 1. Strategie: Outcomes statt Output
04:05 2. Nutzerverständnis und „Search and then“
05:36 3. Symptome, Ursachen und richtiges Problem Framing
07:02 4. Priorisierung, Fokus und Business Value
08:39 5. Zusammenarbeit und verständliche Kommunikation
10:12 6. Umsetzung, Tests und systematisches Lernen
11:33 7. Crossfunktionaler Einfluss auf Produkt und Roadmap
12:58 8. Dokumentation, Enablement und skalierbare Systeme
14:21 9. Storytelling und entscheidungsorientiertes Reporting
15:35 10. Professionalität und realistische Erwartungen
16:43 Warum modernes SEO eine Produktdisziplin ist
18:05 Fazit: Welches Nutzer- oder Produktproblem steckt dahinter?
In dieser Solo-Folge stellt Björn zehn Bereiche gegenüber, in denen sich Good SEO und Bad SEO unterscheiden: von Strategie, Nutzerverständnis und Priorisierung über Zusammenarbeit und Testing bis hin zu Enablement, Reporting und professioneller Disziplin.
Die zentrale These: Die meisten SEO-Probleme sind keine reinen SEO-Probleme – sie sind Produktprobleme.
Wenn Kategorien den Search Intent nicht erfüllen, wichtige Seiten nicht auffindbar sind oder Nutzer nach dem Klick nicht weiterkommen, reicht eine rein technische Betrachtung nicht aus. Moderne SEO muss Nutzerprobleme verstehen, Lösungen mit Produkt und Engineering entwickeln, Business Value erzeugen und SEO skalierbar in der Organisation verankern.
Eine Folge für alle, die SEO nicht nur als Traffic-Kanal, sondern als strategische Produktdisziplin verstehen wollen.
Takeaways
Gute SEO optimiert auf Business Outcomes statt nur auf Rankings, Sichtbarkeit und Traffic.
Keyword Research wird erst durch Nutzerverständnis und „Search and then“ zur Produktentwicklung.
Rankingverluste sind Symptome – gute SEO sucht nach den eigentlichen Ursachen.
Priorisierung und Fokus sind wichtiger als möglichst viele Audits, Tickets und Trends.
Fachlich recht zu haben reicht nicht: SEO muss verständlich kommunizieren und andere Teams befähigen.
Maßnahmen sollten als Hypothesen mit klarer Erfolgsmessung behandelt werden.
SEO muss Roadmaps frühzeitig beeinflussen, statt Produkte erst kurz vor dem Launch abzunehmen.
Standards, Playbooks und automatisiertes Monitoring skalieren besser als heroische Einzelaktionen.
Gute Reports liefern Orientierung und führen zu einer Entscheidung.
Technische Expertise bleibt wichtig, erzeugt aber erst durch Priorisierung, Umsetzung und Business-Bezug echten Wert.
Kapitelmarken
00:00 Intro: Was unterscheidet Good SEO von Bad SEO?
01:04 Warum die meisten SEO-Probleme Produktprobleme sind
02:24 1. Strategie: Outcomes statt Output
04:05 2. Nutzerverständnis und „Search and then“
05:36 3. Symptome, Ursachen und richtiges Problem Framing
07:02 4. Priorisierung, Fokus und Business Value
08:39 5. Zusammenarbeit und verständliche Kommunikation
10:12 6. Umsetzung, Tests und systematisches Lernen
11:33 7. Crossfunktionaler Einfluss auf Produkt und Roadmap
12:58 8. Dokumentation, Enablement und skalierbare Systeme
14:21 9. Storytelling und entscheidungsorientiertes Reporting
15:35 10. Professionalität und realistische Erwartungen
16:43 Warum modernes SEO eine Produktdisziplin ist
18:05 Fazit: Welches Nutzer- oder Produktproblem steckt dahinter?
37 Minuten
Google erweitert die Search Console um zwei spannende Funktionen: Social-Profile-Properties und einen neuen Bericht zu Impressionen in generativen Suchergebnissen.
Gemeinsam mit GSC-Experte Stephan Czysch analysiert Björn, welche Daten Google jetzt für YouTube, Instagram, TikTok und X bereitstellt – und wie SEOs erkennen können, mit welchen Videos und Beiträgen sie in der Google-Suche erscheinen.
Im zweiten Teil geht es um den neuen „Generative AI“-Report. Er zeigt Impressionen von URLs in AI Overviews und AI Mode, liefert aktuell jedoch weder Klicks noch die auslösenden Prompts. Was bringen diese Daten also wirklich? Björn und Stephan diskutieren, wie sich die neuen Impressionen mit klassischen GSC-Daten, SERP-Features und den Bing Webmaster Tools verbinden lassen.
Außerdem sprechen sie darüber, ob AI Overviews tatsächlich Klicks kosten, warum die Auswirkungen stark vom Suchintent abhängen und welche Funktionen Google noch ergänzen müsste, damit der Bericht für SEOs wirklich wertvoll wird.
Takeaways
Social Profiles zeigen, über welche Suchanfragen Inhalte von YouTube, Instagram, TikTok und X in Google gefunden werden.
Durch den Vergleich mit der eigenen Website lassen sich Keyword-Überschneidungen und Content-Lücken identifizieren.
Internationale Impressionen können Hinweise auf Potenziale für Übersetzungen und lokalisierte Videos geben.
Der neue Generative-AI-Bericht umfasst Impressionen aus AI Overviews und AI Mode – rückwirkend ab dem 18. Mai.
Aktuell zeigt Google nur URLs, Länder, Geräte und Zeiträume, aber keine Klicks oder Prompts.
Erst die Verknüpfung mit klassischen GSC-Daten und SERP-Feature-Tracking liefert den notwendigen Kontext.
Viele AI-Impressionen bei gleichzeitig sinkenden Klicks können ein Indiz für einen möglichen AI-Overview-Effekt sein – sind aber noch kein Beweis.
Ob AI Overviews Klicks kosten, hängt stark vom Suchintent und vom Geschäftsmodell ab. Bei Marktplätzen können Nutzer weiterhin auf Listings klicken, um Angebote zu vergleichen.
Statt ausschließlich historische Reports auszuwerten, sollten SEOs definieren, für welche Themen und Suchsituationen sie künftig sichtbar sein wollen.
Google sollte Themencluster, Verhaltensdaten, eine klare Trennung der Suchfunktionen und vollständige API-Zugänge ergänzen.
Kapitelmarken
00:00 Intro und Vorstellung von Stephan Czysch
01:12 Die zwei neuen Features der Google Search Console
01:35 Was sind Social-Profile-Properties?
03:49 Welche Suchdaten Google für YouTube & Co. zeigt
05:26 Prompts in den Search-Console-Daten
06:17 Warum stellt Google diese Daten bereit?
09:54 Instagram: Bilder, Videos und zusätzliche SERP-Fläche
12:55 Keyword-Overlap und Content-Lücken erkennen
13:46 Der neue Generative-AI-Bericht
16:24 AI Overviews, AI Mode und verfügbare Dimensionen
17:04 Was bringen reine Impressionen wirklich?
17:58 Generative Daten mit klassischen GSC-Daten verbinden
19:13 Warum SERP-Feature-Tracking unverzichtbar bleibt
21:55 Kosten AI Overviews organische Klicks?
24:42 Warum Marktplätze anders betroffen sein können
26:37 Optimierungspotenziale für Videos und Produktdaten
27:44 Export- und API-Limitierungen der Search Console
29:14 Lassen sich Prompt-Volumina ableiten?
31:30 Core Updates und Veränderungen der AI-Impressionen
33:22 Welche Daten im Bericht noch fehlen
34:33 Fazit und Verabschiedung
Gemeinsam mit GSC-Experte Stephan Czysch analysiert Björn, welche Daten Google jetzt für YouTube, Instagram, TikTok und X bereitstellt – und wie SEOs erkennen können, mit welchen Videos und Beiträgen sie in der Google-Suche erscheinen.
Im zweiten Teil geht es um den neuen „Generative AI“-Report. Er zeigt Impressionen von URLs in AI Overviews und AI Mode, liefert aktuell jedoch weder Klicks noch die auslösenden Prompts. Was bringen diese Daten also wirklich? Björn und Stephan diskutieren, wie sich die neuen Impressionen mit klassischen GSC-Daten, SERP-Features und den Bing Webmaster Tools verbinden lassen.
Außerdem sprechen sie darüber, ob AI Overviews tatsächlich Klicks kosten, warum die Auswirkungen stark vom Suchintent abhängen und welche Funktionen Google noch ergänzen müsste, damit der Bericht für SEOs wirklich wertvoll wird.
Takeaways
Social Profiles zeigen, über welche Suchanfragen Inhalte von YouTube, Instagram, TikTok und X in Google gefunden werden.
Durch den Vergleich mit der eigenen Website lassen sich Keyword-Überschneidungen und Content-Lücken identifizieren.
Internationale Impressionen können Hinweise auf Potenziale für Übersetzungen und lokalisierte Videos geben.
Der neue Generative-AI-Bericht umfasst Impressionen aus AI Overviews und AI Mode – rückwirkend ab dem 18. Mai.
Aktuell zeigt Google nur URLs, Länder, Geräte und Zeiträume, aber keine Klicks oder Prompts.
Erst die Verknüpfung mit klassischen GSC-Daten und SERP-Feature-Tracking liefert den notwendigen Kontext.
Viele AI-Impressionen bei gleichzeitig sinkenden Klicks können ein Indiz für einen möglichen AI-Overview-Effekt sein – sind aber noch kein Beweis.
Ob AI Overviews Klicks kosten, hängt stark vom Suchintent und vom Geschäftsmodell ab. Bei Marktplätzen können Nutzer weiterhin auf Listings klicken, um Angebote zu vergleichen.
Statt ausschließlich historische Reports auszuwerten, sollten SEOs definieren, für welche Themen und Suchsituationen sie künftig sichtbar sein wollen.
Google sollte Themencluster, Verhaltensdaten, eine klare Trennung der Suchfunktionen und vollständige API-Zugänge ergänzen.
Kapitelmarken
00:00 Intro und Vorstellung von Stephan Czysch
01:12 Die zwei neuen Features der Google Search Console
01:35 Was sind Social-Profile-Properties?
03:49 Welche Suchdaten Google für YouTube & Co. zeigt
05:26 Prompts in den Search-Console-Daten
06:17 Warum stellt Google diese Daten bereit?
09:54 Instagram: Bilder, Videos und zusätzliche SERP-Fläche
12:55 Keyword-Overlap und Content-Lücken erkennen
13:46 Der neue Generative-AI-Bericht
16:24 AI Overviews, AI Mode und verfügbare Dimensionen
17:04 Was bringen reine Impressionen wirklich?
17:58 Generative Daten mit klassischen GSC-Daten verbinden
19:13 Warum SERP-Feature-Tracking unverzichtbar bleibt
21:55 Kosten AI Overviews organische Klicks?
24:42 Warum Marktplätze anders betroffen sein können
26:37 Optimierungspotenziale für Videos und Produktdaten
27:44 Export- und API-Limitierungen der Search Console
29:14 Lassen sich Prompt-Volumina ableiten?
31:30 Core Updates und Veränderungen der AI-Impressionen
33:22 Welche Daten im Bericht noch fehlen
34:33 Fazit und Verabschiedung
59 Minuten
Nur weil sich ein Prozess mit KI automatisieren lässt, heißt das noch lange nicht, dass wir ihn automatisieren sollten.
AI Agents, Claude Code, Codex, MCPs und Skills versprechen enorme Effizienzgewinne. Doch was passiert, wenn wir diesen Systemen zu viel Autonomie geben und irgendwann niemand mehr genau hinschaut?
In dieser Live-Episode spricht Björn Darko mit Kai Spriestersbach, Head of AI bei ReachX, über die Risiken agentischer Systeme. Sie diskutieren, weshalb überzeugend klingender AI-Output besonders gefährlich sein kann, wie sich kleine Fehler entlang komplexer Prozessketten multiplizieren und warum technische Kontrollmechanismen das Risiko zwar reduzieren, aber niemals vollständig eliminieren.
Kai erklärt, warum Unternehmen zwischen deterministischer Automatisierung und echter Autonomie unterscheiden müssen. Er zeigt, wie Skills, Skripte, Input- und Output-Gates sowie menschliche Freigaben eingesetzt werden können, um AI-Workflows stabiler und verlässlicher zu gestalten.
Außerdem geht es um die Verantwortung von Agenturen, neue Pricing-Modelle, den möglichen Wegfall klassischer Junior-Aufgaben und die Frage, ob vollständig autonome Unternehmen überhaupt funktionieren können.
TAKEAWAYS
AI sollte nur Aufgaben übernehmen, die der verantwortliche Mensch auch ohne AI fachlich beurteilen könnte.
Deterministische Automatisierung ist nachvollziehbar – agentische Systeme bleiben variabel und schwer kontrollierbar.
Je länger eine Entscheidungskette, desto größer das Risiko, dass sich kleine Fehler fortpflanzen.
Skills, MCPs und mehrere prüfende Modelle senken das Risiko, beseitigen es aber nicht.
Je komplexer der Output, desto aufwendiger ist seine fachliche Verifikation.
Im Agenturgeschäft sollte kein AI-generierter Inhalt ungeprüft das Unternehmen verlassen.
AI schafft den größten Wert nicht durch mehr Output, sondern durch Leistungen, die vorher nicht möglich waren.
Für Agenturen sind ergebnisbasierte Modelle oft sinnvoller als reine Stundenabrechnung.
Der Mensch sollte Ziele, Qualitätsmaßstäbe und kritische Entscheidungen bestimmen – AI bleibt das Werkzeug.
KAPITELMARKEN
00:00 Intro: Wer kontrolliert die AI Agents?
03:09 Kais Kritik an hochautomatisierten Agenturen
07:15 Werden Effizienzgewinne überschätzt?
10:09 Nur weil es automatisierbar ist, ist es nicht automatisch gut
13:15 Automatisierung vs. agentische Systeme
15:20 Wie sich AI-Fehler fortpflanzen
17:18 Das Kontrollparadox und Automation Bias
18:39 Warum Fachwissen weiterhin unverzichtbar bleibt
22:40 Was passiert mit Juniors und Nachwuchskräften?
25:30 Automatisierung oder Autonomie?
27:03 Kais zwei Grundregeln für den AI-Einsatz
28:18 Von der Exploration zum stabilen Workflow
29:24 Skills, Skripte sowie Input- und Output-Gates
31:16 Warum sich AI nicht vollständig selbst kontrollieren kann
32:55 So sieht ein verantwortungsvolles Setup aus
33:45 Wo der Mensch zwingend im Loop bleiben muss
36:24 AI als Werkzeug für Expertinnen und Experten
38:30 Effizienzgewinn oder akzeptiertes Fehlerrisiko?
40:14 Darf AI selbstständig Code veröffentlichen?
42:22 Verantwortung und Transparenz in Agenturen
44:25 Wie verändert AI das Pricing von Agenturen?
48:11 Spezialisierung als Wettbewerbsvorteil
50:04 Sind vollständig autonome Unternehmen realistisch?
52:56 Wann Kai AI in der Praxis einsetzt
54:09 Warum Agents kein eigenes Bewusstsein brauchen, um gefährlich zu werden
55:39 Verifikation, Monitoring und Modellwechsel
57:32 Praktische Automatisierung im Podcast-Alltag
58:14 Fazit und Verabschiedung
AI Agents, Claude Code, Codex, MCPs und Skills versprechen enorme Effizienzgewinne. Doch was passiert, wenn wir diesen Systemen zu viel Autonomie geben und irgendwann niemand mehr genau hinschaut?
In dieser Live-Episode spricht Björn Darko mit Kai Spriestersbach, Head of AI bei ReachX, über die Risiken agentischer Systeme. Sie diskutieren, weshalb überzeugend klingender AI-Output besonders gefährlich sein kann, wie sich kleine Fehler entlang komplexer Prozessketten multiplizieren und warum technische Kontrollmechanismen das Risiko zwar reduzieren, aber niemals vollständig eliminieren.
Kai erklärt, warum Unternehmen zwischen deterministischer Automatisierung und echter Autonomie unterscheiden müssen. Er zeigt, wie Skills, Skripte, Input- und Output-Gates sowie menschliche Freigaben eingesetzt werden können, um AI-Workflows stabiler und verlässlicher zu gestalten.
Außerdem geht es um die Verantwortung von Agenturen, neue Pricing-Modelle, den möglichen Wegfall klassischer Junior-Aufgaben und die Frage, ob vollständig autonome Unternehmen überhaupt funktionieren können.
TAKEAWAYS
AI sollte nur Aufgaben übernehmen, die der verantwortliche Mensch auch ohne AI fachlich beurteilen könnte.
Deterministische Automatisierung ist nachvollziehbar – agentische Systeme bleiben variabel und schwer kontrollierbar.
Je länger eine Entscheidungskette, desto größer das Risiko, dass sich kleine Fehler fortpflanzen.
Skills, MCPs und mehrere prüfende Modelle senken das Risiko, beseitigen es aber nicht.
Je komplexer der Output, desto aufwendiger ist seine fachliche Verifikation.
Im Agenturgeschäft sollte kein AI-generierter Inhalt ungeprüft das Unternehmen verlassen.
AI schafft den größten Wert nicht durch mehr Output, sondern durch Leistungen, die vorher nicht möglich waren.
Für Agenturen sind ergebnisbasierte Modelle oft sinnvoller als reine Stundenabrechnung.
Der Mensch sollte Ziele, Qualitätsmaßstäbe und kritische Entscheidungen bestimmen – AI bleibt das Werkzeug.
KAPITELMARKEN
00:00 Intro: Wer kontrolliert die AI Agents?
03:09 Kais Kritik an hochautomatisierten Agenturen
07:15 Werden Effizienzgewinne überschätzt?
10:09 Nur weil es automatisierbar ist, ist es nicht automatisch gut
13:15 Automatisierung vs. agentische Systeme
15:20 Wie sich AI-Fehler fortpflanzen
17:18 Das Kontrollparadox und Automation Bias
18:39 Warum Fachwissen weiterhin unverzichtbar bleibt
22:40 Was passiert mit Juniors und Nachwuchskräften?
25:30 Automatisierung oder Autonomie?
27:03 Kais zwei Grundregeln für den AI-Einsatz
28:18 Von der Exploration zum stabilen Workflow
29:24 Skills, Skripte sowie Input- und Output-Gates
31:16 Warum sich AI nicht vollständig selbst kontrollieren kann
32:55 So sieht ein verantwortungsvolles Setup aus
33:45 Wo der Mensch zwingend im Loop bleiben muss
36:24 AI als Werkzeug für Expertinnen und Experten
38:30 Effizienzgewinn oder akzeptiertes Fehlerrisiko?
40:14 Darf AI selbstständig Code veröffentlichen?
42:22 Verantwortung und Transparenz in Agenturen
44:25 Wie verändert AI das Pricing von Agenturen?
48:11 Spezialisierung als Wettbewerbsvorteil
50:04 Sind vollständig autonome Unternehmen realistisch?
52:56 Wann Kai AI in der Praxis einsetzt
54:09 Warum Agents kein eigenes Bewusstsein brauchen, um gefährlich zu werden
55:39 Verifikation, Monitoring und Modellwechsel
57:32 Praktische Automatisierung im Podcast-Alltag
58:14 Fazit und Verabschiedung
57 Minuten
Search findet längst nicht mehr nur bei Google statt. Nutzer suchen auf YouTube, TikTok, Social Media – und bewegen sich während ihrer Journey zwischen Websites, Videos, Social Content und inzwischen auch KI-Systemen.
In dieser SEOPRESSO-Spezialfolge spreche ich mit Christian B. Schmidt über Social SEO, YouTube und das Search Flywheel: Wie schaffen Unternehmen Content, der nicht nur auf einer Plattform funktioniert, sondern über Google, YouTube, TikTok und Co. hinweg Sichtbarkeit, Brand und Conversions aufbaut?
Wir sprechen darüber, warum Social SEO nichts mit den alten „Social Signals“ zu tun hat, weshalb Google Social Content immer stärker in die Suche integriert und warum die eigentliche Chance nicht darin liegt, für jede Plattform separat Content zu produzieren. Stattdessen geht es darum, aus einem starken Content Asset viele relevante Touchpoints zu schaffen.
Christian zeigt anhand konkreter Beispiele, wie aus einem Website-Artikel ein YouTube-Video, daraus Shorts und TikToks und wiederum neue Search-Touchpoints entstehen können. Das Ziel: nicht nur Position 1 bei Google, sondern Search Domination über mehrere Formate und Plattformen.
Außerdem geht es um Evergreen Content vs. Trends, die Rolle von YouTube und TikTok, Content Repurposing, Creator vs. Corporate Content und die Frage, wie sich Social SEO am Ende überhaupt messen und monetarisieren lässt.
Takeaways:
Social SEO bedeutet: mit nativem Content in den Suchsystemen von Social-Plattformen sichtbar zu werden.
Denkt nicht mehr in einzelnen Kanälen, sondern in einer Search Journey über Google, Website, YouTube, TikTok & Co.
Ein Thema kann über mehrere Assets die SERPs dominieren: Website, Video, Bilder und Social Content.
Website YouTube Shorts/TikTok weitere Formate: vorhandener Content ist oft der beste Ausgangspunkt für neue Formate.
Evergreen Search Content kann über Jahre Views, Leads und Sales generieren.
TikTok ist nicht nur eine Entertainment-, sondern zunehmend auch eine Suchplattform.
Erfolgreichen Content darf und sollte man recyceln und erneut veröffentlichen.
Creator Content funktioniert häufig besser als klassischer Corporate Content: Menschen folgen Menschen.
Social SEO sollte nicht nur über Reichweite gemessen werden – sondern über Impressions, Leads, Sales und Conversions.
Christians wichtigste Empfehlung: Macht aus eurem Web Content Video Content.
Kapitelmarken
00:00 Intro: Social SEO direkt vom Campingplatz
01:03 Was ist Social SEO eigentlich?
02:44 Warum Social SEO gerade jetzt wichtiger wird
04:26 Das Search Flywheel: Weg vom Plattformdenken
06:18 Search Domination statt nur Position 1
10:10 SISTRIX Newsflash
12:41 Social Content, Google und KI-Systeme
13:59 Wie Google, Website, YouTube & TikTok zusammenspielen
16:09 Vom Blogartikel zum YouTube-Video und TikTok
19:43 Content Recycling statt ständig neuen Content produzieren
21:30 Welche Plattform passt zu welcher Zielgruppe?
26:38 Wann YouTube besonders sinnvoll ist
30:03 LinkedIn & Instagram im Social-SEO-Mix
34:38 Kann Social SEO wirklich verkaufen?
39:31 Content für Search und KI optimieren
45:10 Content Stacking & erfolgreiches Republishing
48:37 Creator vs. Corporate Content
51:57 Warum Authentizität entscheidend ist
55:11 Wie misst man den Erfolg von Social SEO?
55:37 Rapid Fire: Google oder YouTube? SEO oder GEO?
56:14 Der wichtigste Tipp aus der Folge
In dieser SEOPRESSO-Spezialfolge spreche ich mit Christian B. Schmidt über Social SEO, YouTube und das Search Flywheel: Wie schaffen Unternehmen Content, der nicht nur auf einer Plattform funktioniert, sondern über Google, YouTube, TikTok und Co. hinweg Sichtbarkeit, Brand und Conversions aufbaut?
Wir sprechen darüber, warum Social SEO nichts mit den alten „Social Signals“ zu tun hat, weshalb Google Social Content immer stärker in die Suche integriert und warum die eigentliche Chance nicht darin liegt, für jede Plattform separat Content zu produzieren. Stattdessen geht es darum, aus einem starken Content Asset viele relevante Touchpoints zu schaffen.
Christian zeigt anhand konkreter Beispiele, wie aus einem Website-Artikel ein YouTube-Video, daraus Shorts und TikToks und wiederum neue Search-Touchpoints entstehen können. Das Ziel: nicht nur Position 1 bei Google, sondern Search Domination über mehrere Formate und Plattformen.
Außerdem geht es um Evergreen Content vs. Trends, die Rolle von YouTube und TikTok, Content Repurposing, Creator vs. Corporate Content und die Frage, wie sich Social SEO am Ende überhaupt messen und monetarisieren lässt.
Takeaways:
Social SEO bedeutet: mit nativem Content in den Suchsystemen von Social-Plattformen sichtbar zu werden.
Denkt nicht mehr in einzelnen Kanälen, sondern in einer Search Journey über Google, Website, YouTube, TikTok & Co.
Ein Thema kann über mehrere Assets die SERPs dominieren: Website, Video, Bilder und Social Content.
Website YouTube Shorts/TikTok weitere Formate: vorhandener Content ist oft der beste Ausgangspunkt für neue Formate.
Evergreen Search Content kann über Jahre Views, Leads und Sales generieren.
TikTok ist nicht nur eine Entertainment-, sondern zunehmend auch eine Suchplattform.
Erfolgreichen Content darf und sollte man recyceln und erneut veröffentlichen.
Creator Content funktioniert häufig besser als klassischer Corporate Content: Menschen folgen Menschen.
Social SEO sollte nicht nur über Reichweite gemessen werden – sondern über Impressions, Leads, Sales und Conversions.
Christians wichtigste Empfehlung: Macht aus eurem Web Content Video Content.
Kapitelmarken
00:00 Intro: Social SEO direkt vom Campingplatz
01:03 Was ist Social SEO eigentlich?
02:44 Warum Social SEO gerade jetzt wichtiger wird
04:26 Das Search Flywheel: Weg vom Plattformdenken
06:18 Search Domination statt nur Position 1
10:10 SISTRIX Newsflash
12:41 Social Content, Google und KI-Systeme
13:59 Wie Google, Website, YouTube & TikTok zusammenspielen
16:09 Vom Blogartikel zum YouTube-Video und TikTok
19:43 Content Recycling statt ständig neuen Content produzieren
21:30 Welche Plattform passt zu welcher Zielgruppe?
26:38 Wann YouTube besonders sinnvoll ist
30:03 LinkedIn & Instagram im Social-SEO-Mix
34:38 Kann Social SEO wirklich verkaufen?
39:31 Content für Search und KI optimieren
45:10 Content Stacking & erfolgreiches Republishing
48:37 Creator vs. Corporate Content
51:57 Warum Authentizität entscheidend ist
55:11 Wie misst man den Erfolg von Social SEO?
55:37 Rapid Fire: Google oder YouTube? SEO oder GEO?
56:14 Der wichtigste Tipp aus der Folge
55 Minuten
Wer bist du für Google und KI? So funktioniert Entitätenoptimierung
Was genau ist eigentlich eine Entität – und warum wird das Thema durch AI Search, ChatGPT, Google AI Overviews und GEO plötzlich wieder so relevant?
In dieser Folge spreche ich mit Maximilian D. Muhr über Entitätenoptimierung, Knowledge Graphs und die Frage, wie Google und generative KI-Systeme Personen, Unternehmen, Marken, Orte und Themen verstehen und miteinander verknüpfen.
Dabei wird schnell klar: Entitätenoptimierung bedeutet nicht einfach, eine neue „Entität zu erschaffen“. Viel wichtiger ist es, bestehende Entitäten, Beziehungen und Kontexte konsistent abzubilden. Google versucht nicht nur Begriffe zu verstehen, sondern Beziehungen zwischen Organisationen, Personen, Themen, Produkten und Orten.
Wir schauen uns unter anderem an, warum bei einer Marke häufig eigentlich die dahinterstehende Organisation die relevante Entität ist, wie man überprüft, ob Google eine Person oder ein Unternehmen bereits im Knowledge Graph kennt, und welche Rolle Co-Citations, strukturierte Daten und konsistente Erwähnungen spielen.
Besonders spannend wird es beim Thema AI Search: Maximilian zeigt, warum er davon ausgeht, dass auch ChatGPT Informationen zu bestimmten Entitäten strukturiert und wie sich diese Informationen von dynamisch generierten Antworten unterscheiden.
Am Ende wird es sehr praktisch: Wie sollte eine About-Us- oder Grounding-Page aufgebaut sein? Welche Informationen sollten Unternehmen über alle Plattformen hinweg konsistent verwenden? Und was kannst du konkret tun, um deine Organisation oder deine Autorenentität für Suchmaschinen und KI-Systeme klarer positionierbar zu machen?
Takeaways
Entitäten sind mehr als Keywords: Entscheidend sind Bedeutung, Kontext und Beziehungen zu anderen Entitäten.
Eine Organisation ist häufig die stärkere Entität als die eigentliche Marke.
Entitätenoptimierung bedeutet vor allem, Personen, Unternehmen, Themen und Orte logisch miteinander zu verknüpfen.
Prüfe, ob deine Organisation oder Person bereits eine Google Knowledge Graph ID besitzt.
Sorge auf Website, LinkedIn, YouTube, GitHub, Medienprofilen und anderen Quellen für konsistente Unternehmensnamen und Beschreibungen.
Nutze einfache, maschinenverständliche Aussagen: Subjekt – Prädikat – Objekt.
About-Us- und Grounding-Pages können zentrale Quellen für die Beschreibung deiner Organisation sein.
Wiederkehrende Brand Identity Blocks können je nach B2B-, B2C- oder Recruiting-Kontext variiert werden, während die Kerninformationen konsistent bleiben.
E-E-A-T, Autorität und Entitätenoptimierung hängen eng zusammen.
Ziel sollte nicht nur sein, Traffic von Google oder ChatGPT zu bekommen – sondern selbst Teil der Antwort und der relevanten Informationslandschaft zu werden.
Kapitelmarken
00:00 Intro & Vorstellung Maximilian D. Muhr
02:10 Was ist eigentlich eine Entität?
05:00 Keyword vs. Entität: Wo liegt der Unterschied?
07:20 Sind Marken eigenständige Entitäten?
11:20 Kann man als Marketer eine Entität „erschaffen“?
14:00 Beziehungen, Co-Citations & Entity Mapping
17:00 Entitäten für Taxonomien und interne Verlinkung
19:40 Wie erkenne ich Entitäten im Google Knowledge Graph?
22:40 Virtuelle Influencer als Entitäten
27:45 Woher stammen die Daten im Google Knowledge Graph?
32:10 Knowledge Graph 2012 vs. AI Search heute
34:15 Hat ChatGPT einen eigenen Knowledge Graph?
38:40 Autorenentitäten gezielt stärken
41:55 Wie verknüpft man Entitäten richtig?
46:20 Grounding Pages vs. About-Us-Pages
48:30 Konkrete Maßnahmen für Unternehmen
52:50 E-E-A-T, Entity Building & externe Erwähnungen
53:25 Brand Identity Blocks & konsistente Positionierung
54:45 Fazit & Outro
Was genau ist eigentlich eine Entität – und warum wird das Thema durch AI Search, ChatGPT, Google AI Overviews und GEO plötzlich wieder so relevant?
In dieser Folge spreche ich mit Maximilian D. Muhr über Entitätenoptimierung, Knowledge Graphs und die Frage, wie Google und generative KI-Systeme Personen, Unternehmen, Marken, Orte und Themen verstehen und miteinander verknüpfen.
Dabei wird schnell klar: Entitätenoptimierung bedeutet nicht einfach, eine neue „Entität zu erschaffen“. Viel wichtiger ist es, bestehende Entitäten, Beziehungen und Kontexte konsistent abzubilden. Google versucht nicht nur Begriffe zu verstehen, sondern Beziehungen zwischen Organisationen, Personen, Themen, Produkten und Orten.
Wir schauen uns unter anderem an, warum bei einer Marke häufig eigentlich die dahinterstehende Organisation die relevante Entität ist, wie man überprüft, ob Google eine Person oder ein Unternehmen bereits im Knowledge Graph kennt, und welche Rolle Co-Citations, strukturierte Daten und konsistente Erwähnungen spielen.
Besonders spannend wird es beim Thema AI Search: Maximilian zeigt, warum er davon ausgeht, dass auch ChatGPT Informationen zu bestimmten Entitäten strukturiert und wie sich diese Informationen von dynamisch generierten Antworten unterscheiden.
Am Ende wird es sehr praktisch: Wie sollte eine About-Us- oder Grounding-Page aufgebaut sein? Welche Informationen sollten Unternehmen über alle Plattformen hinweg konsistent verwenden? Und was kannst du konkret tun, um deine Organisation oder deine Autorenentität für Suchmaschinen und KI-Systeme klarer positionierbar zu machen?
Takeaways
Entitäten sind mehr als Keywords: Entscheidend sind Bedeutung, Kontext und Beziehungen zu anderen Entitäten.
Eine Organisation ist häufig die stärkere Entität als die eigentliche Marke.
Entitätenoptimierung bedeutet vor allem, Personen, Unternehmen, Themen und Orte logisch miteinander zu verknüpfen.
Prüfe, ob deine Organisation oder Person bereits eine Google Knowledge Graph ID besitzt.
Sorge auf Website, LinkedIn, YouTube, GitHub, Medienprofilen und anderen Quellen für konsistente Unternehmensnamen und Beschreibungen.
Nutze einfache, maschinenverständliche Aussagen: Subjekt – Prädikat – Objekt.
About-Us- und Grounding-Pages können zentrale Quellen für die Beschreibung deiner Organisation sein.
Wiederkehrende Brand Identity Blocks können je nach B2B-, B2C- oder Recruiting-Kontext variiert werden, während die Kerninformationen konsistent bleiben.
E-E-A-T, Autorität und Entitätenoptimierung hängen eng zusammen.
Ziel sollte nicht nur sein, Traffic von Google oder ChatGPT zu bekommen – sondern selbst Teil der Antwort und der relevanten Informationslandschaft zu werden.
Kapitelmarken
00:00 Intro & Vorstellung Maximilian D. Muhr
02:10 Was ist eigentlich eine Entität?
05:00 Keyword vs. Entität: Wo liegt der Unterschied?
07:20 Sind Marken eigenständige Entitäten?
11:20 Kann man als Marketer eine Entität „erschaffen“?
14:00 Beziehungen, Co-Citations & Entity Mapping
17:00 Entitäten für Taxonomien und interne Verlinkung
19:40 Wie erkenne ich Entitäten im Google Knowledge Graph?
22:40 Virtuelle Influencer als Entitäten
27:45 Woher stammen die Daten im Google Knowledge Graph?
32:10 Knowledge Graph 2012 vs. AI Search heute
34:15 Hat ChatGPT einen eigenen Knowledge Graph?
38:40 Autorenentitäten gezielt stärken
41:55 Wie verknüpft man Entitäten richtig?
46:20 Grounding Pages vs. About-Us-Pages
48:30 Konkrete Maßnahmen für Unternehmen
52:50 E-E-A-T, Entity Building & externe Erwähnungen
53:25 Brand Identity Blocks & konsistente Positionierung
54:45 Fazit & Outro
57 Minuten
Product Feeds entwickeln sich vom SEA-Werkzeug zu einem zentralen Hebel für SEO, AI Search und den gesamten E-Commerce. Doch was entscheidet darüber, ob ChatGPT ein Produkt findet, versteht und tatsächlich empfiehlt?
Björn spricht mit Jannik Schubert, SEO- und GEO-Freelancer sowie Co-Host des Search Effect Podcasts, über das Zusammenspiel von Product Feeds, Produktdetailseiten und starken Marken.
Sie diskutieren, warum PDPs in AI Search an Bedeutung gewinnen, welche Produktdaten für ChatGPT Shopping entscheidend sind und weshalb Konsistenz zwischen Feed, Shop und Marktplätzen unverzichtbar ist. Außerdem geht es um die Peec-AI-Erkenntnisse zur Rolle von Google Shopping, den von On beobachteten Traffic-Anstieg nach der ACP-Integration sowie die Zukunft von ACP und Googles UCP.
Eine praxisnahe Folge über Produktdatenqualität, AI Visibility und die Frage, ob KI-Systeme künftig nicht nur Produkte empfehlen, sondern den kompletten Einkauf übernehmen.
Takeaways
Produktdetailseiten gewinnen in AI Search gegenüber Kategorieseiten deutlich an Bedeutung.
ChatGPT Shopping greift derzeit offenbar stark auf organische Google-Shopping-Ergebnisse zurück.
Ein vollständiger Product Feed ist die Grundlage dafür, dass KI-Systeme Produkte korrekt verstehen und zuordnen können.
Titel und Beschreibungen sollten neben Keywords auch Einsatzbereiche, Zielgruppen und relevante Produkteigenschaften abbilden.
Preise, Verfügbarkeit, Versandinformationen, GTINs und SKUs müssen zwischen Feed, PDP und Marktplätzen konsistent sein.
PDPs liefern zusätzlichen Kontext, Erfahrungswerte und Vertrauen, die ein standardisierter Feed allein nicht abdecken kann.
ACP und UCP könnten Discovery, Produktempfehlung und Checkout direkt innerhalb von AI-Plattformen verbinden.
Langfristig gewinnen Händler mit hoher Datenqualität und einer vertrauenswürdigen Marke.
Kapitelmarke
00:00 Intro und Vorstellung von Jannik Schubert
01:43 Wie AI Search den E-Commerce verändert
04:14 Warum Produktdetailseiten wichtiger werden
08:57 PDP, Kategorie oder Ratgeber: Welche Seite nutzt die KI?
12:29 Wie ChatGPT Produkte berät und auswählt
15:03 Product Feed oder PDP: Was hat Priorität?
16:50 Google Shopping als Quelle für ChatGPT
19:07 Konsistenz zwischen Feed und Produktseite
23:10 ACP, On und 133 % mehr ChatGPT-Traffic
25:32 Was einen guten Product Feed ausmacht
29:17 Die Bedeutung von GTIN, SKU und Produktvarianten
32:32 Eine zentrale Quelle für alle Produktdaten
34:04 Wer sollte den Product Feed verantworten?
37:25 Wie ACP das AI Shopping verändern könnte
40:22 Wird die PDP künftig nur noch zum Kontroll-Layer?
42:48 Googles Vorteil durch Shopping Graph und UCP
46:25 AI Commerce zwischen Revolution und Hype
51:16 Wer gewinnt im zukünftigen AI Commerce?
53:02 Warum SEO, GEO und Social zusammengedacht werden müssen
Björn spricht mit Jannik Schubert, SEO- und GEO-Freelancer sowie Co-Host des Search Effect Podcasts, über das Zusammenspiel von Product Feeds, Produktdetailseiten und starken Marken.
Sie diskutieren, warum PDPs in AI Search an Bedeutung gewinnen, welche Produktdaten für ChatGPT Shopping entscheidend sind und weshalb Konsistenz zwischen Feed, Shop und Marktplätzen unverzichtbar ist. Außerdem geht es um die Peec-AI-Erkenntnisse zur Rolle von Google Shopping, den von On beobachteten Traffic-Anstieg nach der ACP-Integration sowie die Zukunft von ACP und Googles UCP.
Eine praxisnahe Folge über Produktdatenqualität, AI Visibility und die Frage, ob KI-Systeme künftig nicht nur Produkte empfehlen, sondern den kompletten Einkauf übernehmen.
Takeaways
Produktdetailseiten gewinnen in AI Search gegenüber Kategorieseiten deutlich an Bedeutung.
ChatGPT Shopping greift derzeit offenbar stark auf organische Google-Shopping-Ergebnisse zurück.
Ein vollständiger Product Feed ist die Grundlage dafür, dass KI-Systeme Produkte korrekt verstehen und zuordnen können.
Titel und Beschreibungen sollten neben Keywords auch Einsatzbereiche, Zielgruppen und relevante Produkteigenschaften abbilden.
Preise, Verfügbarkeit, Versandinformationen, GTINs und SKUs müssen zwischen Feed, PDP und Marktplätzen konsistent sein.
PDPs liefern zusätzlichen Kontext, Erfahrungswerte und Vertrauen, die ein standardisierter Feed allein nicht abdecken kann.
ACP und UCP könnten Discovery, Produktempfehlung und Checkout direkt innerhalb von AI-Plattformen verbinden.
Langfristig gewinnen Händler mit hoher Datenqualität und einer vertrauenswürdigen Marke.
Kapitelmarke
00:00 Intro und Vorstellung von Jannik Schubert
01:43 Wie AI Search den E-Commerce verändert
04:14 Warum Produktdetailseiten wichtiger werden
08:57 PDP, Kategorie oder Ratgeber: Welche Seite nutzt die KI?
12:29 Wie ChatGPT Produkte berät und auswählt
15:03 Product Feed oder PDP: Was hat Priorität?
16:50 Google Shopping als Quelle für ChatGPT
19:07 Konsistenz zwischen Feed und Produktseite
23:10 ACP, On und 133 % mehr ChatGPT-Traffic
25:32 Was einen guten Product Feed ausmacht
29:17 Die Bedeutung von GTIN, SKU und Produktvarianten
32:32 Eine zentrale Quelle für alle Produktdaten
34:04 Wer sollte den Product Feed verantworten?
37:25 Wie ACP das AI Shopping verändern könnte
40:22 Wird die PDP künftig nur noch zum Kontroll-Layer?
42:48 Googles Vorteil durch Shopping Graph und UCP
46:25 AI Commerce zwischen Revolution und Hype
51:16 Wer gewinnt im zukünftigen AI Commerce?
53:02 Warum SEO, GEO und Social zusammengedacht werden müssen
47 Minuten
SEO verändert sich grundlegend. Rankings und Keywords allein reichen nicht mehr aus. Mit AI Search, Google AI Overviews und LLMs rücken Customer Journey, Positionierung und Business-Verständnis in den Mittelpunkt.
Gemeinsam mit Ann-Kathrin Reitmeyer sprechen wir darüber, warum moderne SEOs heute nicht mehr nur Suchmaschinen verstehen müssen, sondern auch Produkte, Zielgruppen und Unternehmensstrategie.
Wir diskutieren, warum das Ideal Customer Profile (ICP) wichtiger wird als Suchvolumen, weshalb viele Unternehmen ihre eigenen USPs nicht klar kommunizieren und wie LLMs Marken heute als Spiegel ihrer Außenwahrnehmung dienen.
Außerdem sprechen wir über Customer Journey Audits, Messaging-Analysen, den Einsatz von AI zur Identifikation von Content-Lücken sowie darüber, welche KPIs in einer Welt mit sinkenden Klickzahlen wirklich noch relevant sind.
Eine Folge für alle, die SEO nicht mehr als Traffic-Kanal, sondern als strategische Disziplin verstehen wollen.
Takeaways
Warum AI Search SEO näher an Produkt, Marketing und Positionierung bringt.
Weshalb Suchvolumen allein keine gute Priorisierung mehr ermöglicht.
Warum das Ideal Customer Profile (ICP) zur Grundlage jeder SEO-Strategie werden sollte.
Wie Customer Journey Audits Content-Lücken sichtbar machen.
Welche Rolle Sales, Customer Success und Produktteams für modernes SEO spielen.
Warum LLMs wie ChatGPT oder Claude ein hervorragender Spiegel für die eigene Markenwahrnehmung sind.
Welche Informationen Unternehmen heute auf ihrer Website häufig vergessen.
Wie AI hilft, Messaging und Customer Journey automatisiert zu analysieren.
Welche KPIs in Zeiten von AI Search wichtiger werden als reine Rankings.
Warum SEO heute eine echte Business-Disziplin ist.
️ Kapitelmarken
00:00 Intro & Vorstellung von Ann-Kathrin Reitmeier
02:00 Warum AI Search SEO grundlegend verändert
05:00 SEO braucht Produktverständnis statt nur Keywords
09:00 ICP statt Suchvolumen – warum Zielgruppen wichtiger werden
13:00 Customer Journey statt Search Intent
19:30 Warum Unternehmen nicht für alle gleichzeitig optimieren sollten
23:00 LLMs als Spiegel der Markenwahrnehmung
26:00 Wo SEO organisatorisch im Unternehmen hingehört
30:00 Neue SEO-KPIs für AI Search und GEO
33:00 Customer Insights aus Sales, Reviews und Reddit gewinnen
38:00 AI für Customer Journey Audits und Messaging-Analysen nutzen
42:00 Low Hanging Fruits, typische Fehler und konkrete Empfehlungen
45:00 Fazit & Verabschiedung
Gemeinsam mit Ann-Kathrin Reitmeyer sprechen wir darüber, warum moderne SEOs heute nicht mehr nur Suchmaschinen verstehen müssen, sondern auch Produkte, Zielgruppen und Unternehmensstrategie.
Wir diskutieren, warum das Ideal Customer Profile (ICP) wichtiger wird als Suchvolumen, weshalb viele Unternehmen ihre eigenen USPs nicht klar kommunizieren und wie LLMs Marken heute als Spiegel ihrer Außenwahrnehmung dienen.
Außerdem sprechen wir über Customer Journey Audits, Messaging-Analysen, den Einsatz von AI zur Identifikation von Content-Lücken sowie darüber, welche KPIs in einer Welt mit sinkenden Klickzahlen wirklich noch relevant sind.
Eine Folge für alle, die SEO nicht mehr als Traffic-Kanal, sondern als strategische Disziplin verstehen wollen.
Takeaways
Warum AI Search SEO näher an Produkt, Marketing und Positionierung bringt.
Weshalb Suchvolumen allein keine gute Priorisierung mehr ermöglicht.
Warum das Ideal Customer Profile (ICP) zur Grundlage jeder SEO-Strategie werden sollte.
Wie Customer Journey Audits Content-Lücken sichtbar machen.
Welche Rolle Sales, Customer Success und Produktteams für modernes SEO spielen.
Warum LLMs wie ChatGPT oder Claude ein hervorragender Spiegel für die eigene Markenwahrnehmung sind.
Welche Informationen Unternehmen heute auf ihrer Website häufig vergessen.
Wie AI hilft, Messaging und Customer Journey automatisiert zu analysieren.
Welche KPIs in Zeiten von AI Search wichtiger werden als reine Rankings.
Warum SEO heute eine echte Business-Disziplin ist.
️ Kapitelmarken
00:00 Intro & Vorstellung von Ann-Kathrin Reitmeier
02:00 Warum AI Search SEO grundlegend verändert
05:00 SEO braucht Produktverständnis statt nur Keywords
09:00 ICP statt Suchvolumen – warum Zielgruppen wichtiger werden
13:00 Customer Journey statt Search Intent
19:30 Warum Unternehmen nicht für alle gleichzeitig optimieren sollten
23:00 LLMs als Spiegel der Markenwahrnehmung
26:00 Wo SEO organisatorisch im Unternehmen hingehört
30:00 Neue SEO-KPIs für AI Search und GEO
33:00 Customer Insights aus Sales, Reviews und Reddit gewinnen
38:00 AI für Customer Journey Audits und Messaging-Analysen nutzen
42:00 Low Hanging Fruits, typische Fehler und konkrete Empfehlungen
45:00 Fazit & Verabschiedung
