Der Ausgangspunkt: Sichtbarkeit verständlich machen
Unsere Projektgespräche begannen mit einem vertrauten Wunsch: Die Qualität einer Website sollte leichter einzuordnen sein. Unternehmensprofile, SEO-Signale und die Vorbereitung auf generative Suche sollten gemeinsam verständlich werden. Der Name AISEO™ PageRank griff diese Idee auf – als eigenständiges QLABS-Modell, ohne Gleichsetzung mit dem historischen Google PageRank.
Beim Übergang von der Idee zur Implementierung wurde die entscheidende Frage konkreter: Welche Aussage dürfen wir aus welchen Daten tatsächlich ableiten? Dieser Bericht fasst die dokumentierten technischen Entscheidungen aus dem Entwicklungsverlauf zusammen. Er veröffentlicht keine privaten Gesprächsinhalte und ist keine empirische Studie.
Sechs Erkenntnisse, die das Modell verändert haben
Die Gestaltung der Unternehmensprofile machte eine wichtige Unterscheidung sichtbar: Eine redaktionelle Einschätzung, die Vollständigkeit eines Profils und eine berechnete Domain-Metrik sind verschiedene Aussagen. Ein Ring mit einer Zahl darf diese Unterschiede nicht verdecken. Deshalb trennen wir Status, Herkunft und Berechnungsgrundlage.
Die Frage nach einer gemeinsamen Oberfläche führte nicht zu einer gemeinsamen Formel. GEO untersucht sieben Dimensionen auf einer Skala von 0 bis 100. AISEO™ PageRank betrachtet sechs Dimensionen auf einer Skala von 0 bis 10. Backlinkautorität und organische Sichtbarkeit sind dort Pflichtsignale. GEO durch zehn zu teilen wäre keine PageRank-Berechnung.
Fehlende Daten dürfen weder als schlechtes Ergebnis gelten noch durch Hochrechnung unsichtbar werden. Das wurde zum zentralen Prinzip unserer Evidence Engine. Wir zeigen Einzelbefunde oder Teilanalysen, wenn die Grundlage für einen vollständigen Wert fehlt.
Die 85-Prozent-Regel allein kann einen vollständigen Score nicht freigeben. Kritische Anforderungen und alle vorgesehenen Dimensionen müssen ebenfalls erfüllt sein. Unsere konservative Implementierung verlangt deshalb vollständige zulässige Dimensionsabdeckung.
Öffentliches HTML zeigt Titel, Überschriften, interne Links und strukturierte Daten. Daraus lassen sich weder eine verifizierte Backlinkautorität noch tatsächliche organische Sichtbarkeit ableiten. Diese Daten müssen aus geeigneten, dokumentierten Quellen kommen.
Die Arbeit am GEO Check zeigte die Grenze zwischen Darstellung und Betrieb. Ein sicherer Crawler benötigt einen erreichbaren Server, DNS- und IP-Prüfung, Redirect-Kontrolle, Timeouts und begrenzte Abrufe. Ein echter öffentlicher Ende-zu-Ende-Test gehört zur Freigabe.
Von Formeln zu reproduzierbarem Code
Im Whitepaper sind die festen Gewichte dokumentiert. Die Faktoren werden auf Werte zwischen 0 und 1 normalisiert. GEO skaliert die gewichtete Summe mit 100, PageRank mit 10. Beide Ausgaben werden auf eine Dezimalstelle gerundet.
P = round(10 × ∑(wᵢ × xᵢ), 1)
Unterschiedliche Modelle, unterschiedliche Faktoren. Eine öffentliche Ausgabe setzt die jeweilige Evidenzfreigabe voraus.
Die Implementierung musste auch scheinbar kleine Details klären: In welcher Reihenfolge werden Gleitkommazahlen addiert? Wie wird die Python-Rundung in der Weboberfläche nachgebildet? Welche Version gehört zu einem Ergebnis? Die gemeinsame Spezifikation hält Gewichte, Schwellen und Versionen zusammen. Synthetische Beispielrechnungen demonstrieren die Regeln; sie sind keine echten Domainbewertungen.
Die vorhandene HTML-Analyse berechnet vier Heuristiken. Ihre einfache Auswertung kann zum Beispiel durch viele Überschriften oder vorhandenes JSON-LD beeinflusst werden. Solche Merkmale belegen noch keine fachliche Qualität. Deshalb bleibt die manuelle Plausibilitätsprüfung wichtig.
Conversation Intents: nützlich, aber keine gemessene Nachfrage
In den Profilseiten haben wir Probleme in konkrete Fragen, direkte Antworten und sinnvolle Folgepfade übersetzt. Dieser Ansatz trägt LONG TAIL GEO™, Query Fan-out und den Conversation Intent Graph. Er hilft, Inhalte aus Sicht einer Entscheidung aufzubauen.
Die methodische Grenze ist ebenso wichtig: Eine redaktionell formulierte Frage ist kein Beleg dafür, dass Nutzer sie tatsächlich gestellt haben. Ein vorgeschlagener Pfad ist keine Beobachtung eines internen Suchmaschinenprozesses. Solche Hypothesen müssen von gemessenen Suchanfragen und echten Zitationen getrennt bleiben.
GEO Check als Neuheit – mit offenem Entwicklungsstand
Die GEO-Check-Unterseite macht den Ansatz zugänglich. Oberfläche, Berichtskonzept und geschützte Crawler-Vorbereitung sind vorhanden. Die öffentliche Domainanalyse bleibt bis zur produktiven Backend-Anbindung und einem erfolgreichen Ende-zu-Ende-Test deaktiviert. Eine erreichbare Seite ist kein Nachweis für einen bereits laufenden Analysedienst.
Als nächstes Entwicklungsziel sollen GEO- und PageRank-Auswertungen in einem gemeinsamen Ablauf parallel bereitgestellt werden. Die Ergebnisse behalten getrennte Berechnungen und Freigaben. Ein verifizierter PageRank benötigt weiterhin passende Backlink- und Sichtbarkeitsdaten; eine technische Parallelisierung beseitigt diese Anforderung nicht.
Ein verbindlicher Starttermin steht nicht fest. Den aktuellen Planungsstand zeigt die Neuheitentabelle „In progress“.
Was wir daraus mitnehmen
Die wichtigste Entwicklung war keine zusätzliche Nachkommastelle. Es war die Entscheidung, Datenlücken sichtbar zu lassen. Ein hilfreiches Analysewerkzeug soll nachvollziehbar erklären, was geprüft wurde, welche Quelle vorliegt und warum ein Gesamtwert gegebenenfalls fehlt.
Die Gewichte bleiben Forschungsannahmen ohne behauptete empirische Validierung. Ob sie belastbare Diagnosen ermöglichen, muss mit geeigneten Stichproben, unabhängigen Zielgrößen und dokumentierten Vergleichen untersucht werden. Weder Rankings noch KI-Zitationen werden garantiert.
Fragen aus dem Entwicklungsprozess
Warum zeigt QLABS nicht für jede Domain sofort einen Score?
Weil ein belastbarer Wert geeignete Daten voraussetzt. Fehlende Pflichtsignale oder unvollständige Dimensionen sperren die Veröffentlichung eines vollständigen Scores.
Ist AISEO PageRank dasselbe wie Google PageRank?
Nein. Es ist ein eigenständiges QLABS-Forschungsmodell mit sechs gewichteten Dimensionen.
Sind die Ergebnisse bereits empirisch validiert?
Eine empirische Validierung der vorgeschlagenen Modellgewichte wird derzeit nicht behauptet.
Wo sind Methodik und Entwicklungsstand dokumentiert?
Das technische Whitepaper dokumentiert Formeln und Freigaben. Der Formelartikel ergänzt die Roadmap; der GEO Check zeigt die Verfügbarkeit der Anwendung.
Quellen & weitere Einordnung
Grundlage dieses redaktionellen Berichts sind der dokumentierte QLABS-Projektverlauf, die veröffentlichte Spezifikation V1.0 und der Implementierungsstand 1.0-alignment.1. Nicht belegte Erfolgszahlen, Kundenaussagen oder Leistungsversprechen wurden nicht ergänzt.