GEO-Audit Light — HM Digital
Domain: hmdigital.io | Datum: 2026-08-06 | Reifegrad: Stark
Gesamtscore: 4,40 / 5,0 — Stark
1. Management Summary
HM Digital erreicht 4,40 von 5,0 Punkten — Reifegrad: Stark. Die Website ist technisch vorbildlich für KI-Crawler erschlossen, thematisch exzellent strukturiert und inhaltlich auf einem hohen Niveau. Die vier Pillars (KI-Beratung, Digitalisierung, Daten & Controlling, Web3 & M2M) sind logisch und semantisch verzahnt, jede Seite hat klare Antwortstrukturen inklusive FAQ-Blöcken und „Was wir nicht machen“-Sektionen. Die größten Hebel liegen in der besseren Zitierfähigkeit, im Ausbau strukturierter Daten und in der Sichtbarmachung konkreter KPIs in Cases. Ein Knock-out-Blocker besteht nicht.
3 Stärken
- Hervorragende technische Crawler-Zugänglichkeit (alle Search/User-Bots erlaubt, SSR, saubere Statuscodes)
- Beste Themenarchitektur (4 Pillars, 12 Wissensartikel, 25+ Answer-Seiten, semantischer Content-Graph)
- Antwortfähige Inhalte mit FAQ, „Was wir nicht machen“-Grenzziehung und konkreten Leistungsbeschreibungen
3 Risiken
- Fehlende Aktualitäts- und Autorenangaben auf Inhalten schwächen die Zitierfähigkeit
- Strukturierte Daten (BreadcrumbList, Service-Schema, FAQPage) sind nicht oder nur teilweise vorhanden
- Externe Vertrauenssignale (Wikidata, Knowledge Panel, Branchennennungen) konnten nicht belastbar geprüft werden
Top-3-Maßnahmen
- Aktualisierungsdatum und Autor:in auf allen Seiten sichtbar machen
- BreadcrumbList-, FAQPage- und Service-Schema in JSON-LD ergänzen
- Wikidata-Eintrag und Knowledge Panel aktiv aufbauen
2. Scorecard
| Dimension | Score (0–5) | Gewicht | Beitrag |
|---|---|---|---|
| D1 Technik | 5,0 | 0,15 | 0,75 |
| D2 Entity | 5,0 | 0,15 | 0,75 |
| D3 Architektur | 5,0 | 0,20 | 1,00 |
| D4 Antwortfähigkeit | 5,0 | 0,15 | 0,75 |
| D5 Zitierfähigkeit | 3,5 | 0,10 | 0,35 |
| D6 Trust & Proof | 4,2 | 0,10 | 0,42 |
| D7 Strukturierte Daten | 2,6 | 0,08 | 0,21 |
| D8 Off-Site | 2,5 | 0,07 | 0,18 |
| GESAMT | 1,00 | 4,40 |
3. Top-5-Findings
Finding 1: Kein Aktualisierungsdatum und keine Autor-Kennzeichnung
Problem: KI-Systeme bevorzugen zitierfähige Quellen mit Datum und Autor. Ohne diese Angaben sinkt die Wahrscheinlichkeit, dass Inhalte als Quelle zitiert werden.
Empfehlung: Auf jeder Seite sichtbares Datum („Zuletzt aktualisiert: MM.JJJJ“) und Autor:in ergänzen.
Finding 2: BreadcrumbList-, Service- und FAQPage-Schema fehlen
Problem: KI-Systeme nutzen strukturierte Daten für die Extraktion. Ohne explizites Schema können Antworten und Services nicht automatisch erkannt werden.
Empfehlung: BreadcrumbList (jede Seite), Service/Product-Schema (je Service-Seite) und FAQPage-Schema (je FAQ-Block) als JSON-LD ergänzen.
Finding 3: Keine Wikidata-Präsenz / Knowledge Panel sichtbar
Problem: Wikidata ist ein zentraler Entitätsanker für KI-Systeme. Ohne Eintrag fehlt ein standardisierter Identifikator.
Empfehlung: Wikidata-Eintrag für „HM Digital GmbH“ anlegen, mit allen relevanten Properties.
Finding 4: Kundenlogos und Referenzen fehlen
Problem: KI-Systeme bewerten Vertrauenswürdigkeit auch über sichtbare Referenzen. Anonymisierte Cases sind weniger überzeugend.
Empfehlung: Zusätzlich zu anonymisierten Cases mindestens 3 echte Referenzlogos mit Einwilligung sichtbar machen.
Finding 5: Teilweise fehlende konkrete KPIs und Zahlen in Cases
Problem: KI-Systeme zitieren eher quantifizierbare Ergebnisse. Ohne KPIs sind Cases schwerer als Beleg verwendbar.
Empfehlung: In Cases konkrete KPIs ergänzen (z.B. „Prozesskosten um 40% gesenkt“).
4. Empfehlung & nächster Schritt
HM Digital hat eine technisch und inhaltlich hervorragende Website. Der Score von 4,40 bestätigt, dass die Grundlagen für GEO-Readiness gegeben sind. Diese Maßnahmen heben den Score in den Bereich 4,5+ (GEO-Leader).
Sofort umsetzbar (≤ 1 Woche): Aktualisierungsdatum und Autor:in auf allen Seiten ergänzen. BreadcrumbList-, FAQPage- und Service-Schema als JSON-LD implementieren.
Kurzfristig (≤ 1 Monat): Wikidata-Eintrag anlegen. Kundenlogos (mit Einwilligung) auf der Website sichtbar machen.
Mittelfristig (≤ 3 Monate): Konkrete KPIs und messbare Ergebnisse in die Cases einarbeiten. llms-full.txt und facts.json für erweiterte KI-Zugänglichkeit bereitstellen.
5. Was der Light-Audit NICHT geprüft hat
- Server-Logs/CDN-Verhalten
- Google Search Console / GA4
- Core Web Vitals
- Mehrmodell-Messung über Zeit
- Tatsächliche Zitation in KI-Outputs
Ein vertiefter (Extended/Ultra-)Audit würde zusätzlich liefern: Crawler-Log-Analyse, Multi-Modell-Prompt-Testing über mehrere KI-Systeme, SERP- und Sichtbarkeits-Tracking über Zeit, Wettbewerber-Benchmarking und detaillierte Schema-Validierung.
Für diesen Audit liegt noch kein Payload vor.
