Frage 1 (Modul 1) Was ist der fundamentale Unterschied zwischen SEO und GEO?
Bei GEO ist Zitation statt Position das Ziel.
Frage 2 (Modul 1) Warum ist GEO gerade jetzt strategisch wichtig?
Wer heute Fakten maschinenlesbar verankert, gewinnt den KI-Vorteil.
Frage 3 (Modul 1) Wie verhalten sich SEO und GEO zueinander?
~60% Overlap (Content Quality, E-E-A-T, Structured Data).
Frage 4 (Modul 1) Was ist der gemeinsame Nenner aller KI-Engines?
Trotz unterschiedlicher Methoden ist dies der gemeinsame Nenner.
Frage 5 (Modul 1) Warum scheitern viele GEO-Initiativen?
Diagnose allein löst das Problem nicht — Execution ist entscheidend.
Frage 6 (Modul 2) Welche drei Dimensionen vereint ein AI Visibility Score?
Die 3 Dimensionen des AI Visibility Scores.
Frage 7 (Modul 2) Welche Audit-Kategorie ist für Management-Präsentationen am wirkungsvollsten?
Live demonstrieren, dass die KI den Konkurrenten empfiehlt = Handlungsdruck.
Frage 8 (Modul 2) Was ist das Anti-Bot-Paradox?
60% seriöser Sites blockieren KI-Crawler, aber nur 9% von Misinfo-Sites.
Frage 9 (Modul 2) Was bedeutet ein Score von 45 (Note C)?
Note C = unterdurchschnittlich. Wettbewerber werden bevorzugt.
Frage 10 (Modul 2) Warum ist sameAs so wirkungsvoll?
sameAs verknüpft mit Wikipedia, LinkedIn → KI kann Fakten unabhängig verifizieren.
Frage 11 (Modul 3) Was passiert, wenn robots.txt eine 404 zurückgibt?
Laut RFC 9309 gilt eine fehlende robots.txt (404) als „keine Einschränkungen“ — Crawler dürfen die gesamte Website crawlen. Nur 5xx-Fehler führen zu konservativem Verhalten. Eine explizite robots.txt bleibt trotzdem Best Practice.
Frage 12 (Modul 3) Was sind die 4 goldenen Regeln für die llms.txt?
Faktendichte statt Marketing, zitierbar, konsistent, max. 4.000 Tokens.
Frage 13 (Modul 3) Wie lautet die Alt-Text-Formel für Visual GEO?
[Subjekt] + [Kontext] + [Material/Eigenschaft] + [Markenname].
Frage 14 (Modul 3) Welche JSON-LD-Schema-Typen sind Pflicht?
Das Basis-Set: Organization, WebSite, BreadcrumbList, FAQPage.
Frage 15 (Modul 3) Was ist Answer Density?
Faktendichte am Seitenanfang — die ersten 50-100 Wörter entscheiden.
Frage 16 (Modul 4) Was können Kontext-Marker, das Standard-Schema nicht kann?
Kontext-Marker beantworten: In welcher Situation soll die KI empfehlen?
Frage 17 (Modul 4) Welche 3 Kernfragen beantworten Kontext-Marker?
Markenpersönlichkeit, Wann empfehlen, Wann NICHT empfehlen.
Frage 18 (Modul 4) Warum sind Negative Markers strategisch wertvoll?
Präzisere Empfehlungen, fachliche Integrität, verhindert halluzinierte Szenarien.
Frage 19 (Modul 4) Welcher Layer erreicht Browsing-Agents wie ChatGPT-User?
Layer 3 (sr-only) wird von Browsing-Agents gelesen, die den DOM durchsuchen.
Frage 20 (Modul 4) Was passiert bei Inkonsistenz zwischen sr-only und sichtbarem Content?
Inkonsistenz = KI erkennt den Widerspruch → Seite wird als unzuverlässig eingestuft.
Frage 21 (Modul 5) Was ist das Grundprinzip von KI-Bot Middleware?
KI-Crawler → optimierten Code, Menschen → normale Seite.
Frage 22 (Modul 5) Wie erkennt die Middleware KI-Crawler?
User-Agent-String = digitaler Ausweis im HTTP-Header.
Frage 23 (Modul 5) Was bedeutet Zero-Code-Optimierung?
Zero-Code = Schema-Injection direkt im CDN/Edge-Netzwerk.
Frage 24 (Modul 5) Welches Problem löst Endpoint Routing?
llms.txt aus Edge-Cache liefern, wenn CMS keine .txt-Uploads erlaubt.
Frage 25 (Modul 5) Wann ist Edge Routing zwingend nötig?
Legacy-CMS und SaaS-Systeme erlauben keine direkten Code-Änderungen.
Frage 26 (Modul 6) Was unterscheidet ein ImageObject-Schema von einem Alt-Text?
Ein Alt-Text sagt "Hier ist X". Ein ImageObject liefert strukturierte Metadaten: Ersteller, Lizenz, Datum, Authentizität.
Frage 27 (Modul 6) Was bewirkt Speakable Schema?
Speakable ist ein Highlighter: "Lies DIESE Passagen vor" — entscheidend für Google Search Live.
Frage 28 (Modul 6) Warum ist Lazy Loading problematisch für Visual GEO?
Viele Bots laden Seiten ohne zu scrollen → Bilder mit loading="lazy" werden nie geladen.
Frage 29 (Modul 6) Wofür dient Clip-Schema bei Videos?
Clip-Schema erlaubt der KI, exakt die 30 Sekunden zu zitieren, die die Frage beantworten.
Frage 30 (Modul 6) Was verändert Google Personal Intelligence für GEO?
Je granularer Ihre Daten (Teamgröße, Preisstufe, Region, Compliance), desto besser das Matching.
Frage 31 (Modul 7) Wie viele Phasen hat ein professionelles GEO-Audit?
5 Phasen: Discovery, Schema Deep Dive, E-E-A-T, Brand Accuracy, Competitive Benchmark.
Frage 32 (Modul 7) Was gehört in die Priorität 🔴 „Sofort" (Woche 1)?
🔴 Sofort = KI-Zugang blockiert oder falsche Infos im Schema.
Frage 33 (Modul 7) Welche Phase des Audits beginnt im Code?
Phase 2 analysiert JSON-LD, Kontext-Marker, Answer Density und Alt-Texte.
Frage 34 (Modul 7) Was ist der wichtigste Fehler bei Audit-Reports?
CTO braucht keine JSON-LD-Erklärung, Marketing-Manager keine Code-Snippets.
Frage 35 (Modul 7) Was ist die Bestehensgrenze für die Zertifizierung?
70% = 25 von 35 Fragen korrekt beantwortet.
🎓 Prüfung abgeben