Case Study luisaharisch.com: GEO für eine lokale Personal Brand

Zu Projektbeginn war luisaharisch.com fachlich stark, aber für KI-Engines schwer lesbar. Luisa Harisch bringt ein Fachbuch beim Stadelmann Verlag mit, 86 Google-Bewertungen mit 5,0 von 5 und einen YouTube-Kanal mit 22.700 Abonnenten. Diese Substanz war vorhanden, nur nicht als maschinenlesbares Signal aufbereitet. Der GEO-Score der Seite lag bei 38 von 100.

Das größte Defizit lag bei den technischen Grundlagen: Schema Markup erreichte nur 13 Prozent, der AI-Crawler-Zugang lag bei 42 Prozent. Ohne strukturierte Daten und ohne saubere Crawler-Führung konnten die Engines die Fakten der Marke weder verstehen noch zuverlässig zitieren. Das Ziel war, aus vorhandener Autorität lesbare Signale zu machen.

Konkret hieß das: Ein Fachbuch mit 381 Seiten beim Stadelmann Verlag war für eine KI-Antwort nur ein Fließtext auf einer Unterseite, keine als Werk erkennbare Entität. Die 86 Bewertungen lagen im Google Business Profile, tauchten aber nirgends als maschinenlesbares Bewertungssignal auf der Website auf. Und die Kursangebote, das Herzstück des Geschäfts, waren als reiner Text formuliert, nicht als strukturierte Kurs-Information. Für einen Menschen war alles da, für eine Engine fast nichts.

Der GEO-Score stieg von 38 auf 59, ein Plus von 55 Prozent. Basis ist der Bavaria-AI-GEO-Audit über vier Engines, gemessen als Vorher-Nachher im April 2026, direkt vor und nach der Umsetzung. Die Umsetzung selbst lief in einer fokussierten Session direkt im CMS der Kundin.

Der Bavaria-AI-GEO-Audit bewertet vier Dimensionen: Content, Technik, Autorität und Sichtbarkeit. Den Sprung von 38 auf 59 trugen vor allem die technischen Grundlagen, also genau die Signale, die vorher fehlten. So sah die Bewegung je Dimension aus.

• Technik: der größte Hebel. Die Schema-Abdeckung stieg von 13 auf 92 Prozent, der AI-Crawler-Zugang von 42 auf 80 Prozent. Erst damit wurden die Fakten der Marke für Engines überhaupt lesbar.
• Content: deutlich verbessert. Die H1-Hierarchie wurde korrigiert, Answer Capsules stehen am Sektionsanfang, die Fachthemen sind als eigenständige, zitierfähige Blöcke aufbereitet.
• Autorität: Substanz war da, die Verknüpfung fehlte. Fachbuch, Bewertungen und YouTube-Kanal sind jetzt als Entitäts-Signale verankert. Externe Autorität über Erwähnungen und Verzeichnisse bleibt der offene Hebel.
• Sichtbarkeit: lokal sichtbar gedreht. Für den Raum Ulm wird Luisa Harisch bei Perplexity zuerst genannt. National dominieren weiterhin Plattformen mit breiter Signalbasis.

Der Sprung entstand durch ein Bündel technischer und inhaltlicher Maßnahmen, alle direkt umsetzbar ohne Website-Neubau. Im Zentrum stand das Übersetzen vorhandener Fakten in maschinenlesbare Signale.

• Strukturierte Daten: zwölf aufeinander abgestimmte Schema-Typen, darunter LocalBusiness, Person, Book für das Fachbuch, Course für die Kurse, FAQPage und AggregateRating für die Bewertungen.
• AI-Crawler-Zugang: llms.txt erstellt und die Crawler-Führung so gesetzt, dass GPTBot, PerplexityBot, Google-Extended und ClaudeBot die relevanten Inhalte erreichen.
• Content-Struktur: H1-Hierarchie korrigiert, Answer Capsules an den Sektionsanfang gesetzt und die Fachthemen als zitierfähige, eigenständige Textblöcke aufbereitet.
• Entitäts-Signale: Autoren-Bio und Fachbuch als Entität verankert, damit die Engines Person, Werk und Marke sauber verknüpfen.

Wichtig für die Einordnung: Keine dieser Maßnahmen ist ein Trick. Wir haben nichts erfunden und nichts behauptet, was nicht belegbar ist. Wir haben ausschließlich vorhandene, echte Fakten so aufbereitet, dass eine Engine sie verstehen, einordnen und zitieren kann. Das ist der Kern von GEO: nicht lauter werden, sondern lesbarer.

Bei bundesweiten Suchen ohne Ortsbezug greifen die Engines heute vor allem auf Anbieter mit sehr breiter externer Signalbasis zurück. Große Yoga-Plattformen bringen mehrere hundert Bewertungen, umfangreiche Content-Bibliotheken und teils Krankenkassen-Anerkennung mit. Diese Signale existieren außerhalb der eigenen Website und sind über Jahre gewachsen. Sie lassen sich nicht in einer Session nachbauen.

Genau deshalb trennt die Case Study lokale und nationale Sichtbarkeit sauber. Lokal, wo die Substanz einer echten Praxis vor Ort zählt, wirkt das GEO-Fundament sofort und Luisa Harisch wird für den Raum Ulm zuerst genannt. National, wo redaktionelle Reichweite und externe Autorität den Ausschlag geben, ist der Weg länger und läuft über Earned Media und Fachverzeichnisse. Diese Ehrlichkeit gehört zur Methode, weil eine seriöse GEO-Arbeit den Unterschied benennt statt ihn zu verschleiern.

Am deutlichsten wirkt das Fundament lokal. Bei Perplexity erscheint Luisa Harisch für die Suche „Schwangerschaftsyoga Ulm” heute als erste genannte Anbieterin, die eigene Website wird als Quelle zitiert. Getestet am 20.07.2026. National, bei allgemeinen Suchen ohne Ortsbezug, dominieren weiterhin große Plattformen mit breiter Review- und Autoritätsbasis. Genau hier liegt der nächste Hebel.

Die vier Engines verhalten sich dabei unterschiedlich. Perplexity zieht für lokale Fragen stark auf Karten- und Bewertungssignale und belohnt die saubere LocalBusiness-Auszeichnung unmittelbar. ChatGPT und Gemini gewichten für nationale Empfehlungen breitere Autoritätssignale und redaktionelle Erwähnungen höher, hier braucht es den externen Aufbau. Google AI Overviews liegt dazwischen und reagiert auf strukturierte Daten und Aktualität. Die Konsequenz für die Roadmap: lokal ist die Basis gelegt, national folgt über Entitäts- und PR-Arbeit. Für Unternehmen aus Ulm und Umgebung arbeiten wir mit demselben lokalen Fundament.

• GEO-Score und Detailwerte: Bavaria AI GEO-Audit, Vorher-Nachher-Messung April 2026, vier Engines.
• Perplexity-Nennung „Schwangerschaftsyoga Ulm”: eigener Test, 20.07.2026.
• 86 Google-Bewertungen, Schnitt 5,0: Google Business Profile, Stand 20.07.2026.
• Fachbuch: Luisa Harisch, Yoga für die Geburtsvorbereitung und in der Rückbildung, Stadelmann Verlag, ISBN 978-3-96914-017-8, 381 Seiten, Erstauflage Dezember 2024.