Ich führe organische Suchanfragen über 91.000 Seiten bei Deluxe Astrology, 28.000 programmgesteuerte-SEO-Seiten auf HostList.io und über das größere Seahawk Media-Kundenportfolio aus. Die Audit-Arbeit, die mich früher einen ganzen Tag pro Website gekostet hat, dauert jetzt 90 Minuten in Claude Code, und die Ausgabe ist rigoroser als die manuelle Version. Das ist der tatsächliche Workflow, den ich nutze, der MCP-Stack dahinter, der Prompt, den ich verwende, und die Teile eines SEO-Audits, die Claude Code noch nicht gut kann.
Falls du abwägst, ob KI-unterstützte Audits real sind, gibt dieser Beitrag die operative Antwort: ja, mit Disziplin, und nur wenn du Claude als den Senior-Engineering-Partner und nicht als Senior-Strategen behandelst.
Warum Claude Code traditionelle Audit-Tools für die langweiligen 70 % schlägt
Ein traditionelles technisches SEO-Audit umfasst Screaming Frog, das eine Website crawlt, Search Console für die Indexierbarkeits- und CWV-Ansicht, Lighthouse mehrfach über repräsentative Templates ausgeführt, Schema-Markup manuell gegen einen Validator überprüft, und am Ende ein Mensch, der all das in eine priorisierte Abhilfenliste mit Schweregrad und Traffic-Auswirkung zusammenfasst. Das Crawlen und Parsen ist grob 70 Prozent der Wallclock-Zeit. Die Urteilsebene ist die restlichen 30 Prozent.
Claude Code mit dem richtigen MCP-Stack reduziert die 70 Prozent. Crawl-Ausführung, Parsing, Deduplizierung, Schema-Validierung und Report-Entwurf geschehen alle in einer einzigen Sitzung gegen dein Repository oder deine gehostete Website. Die 30 Prozent, die Senior-Urteilskraft erfordern (welche Probleme zählen wirklich für dieses spezifische Geschäft, was man angesichts von Laufzeit und Team-Kapazität priorisiert) bleiben human. Die kombinierte Wallclock-Zeit sinkt um grob das 6-Fache bei gleicher oder höherer Qualität.
Das ist das komplette Pitch. Alles darunter ist das operative Detail, um es tatsächlich umzusetzen.
Der MCP-Stack, den ich tatsächlich nutze
Andere Writeups zu Claude Code für SEO-Zwecke nutzen einen einzelnen MCP (meist Puppeteer) und stoppen da. Der ehrliche Stack für ernsthafte Audit-Arbeit ist breiter:
Filesystem MCP
In Claude Code standardmäßig eingebaut. Ich nutze ihn, um Audit-Outputs in ein Arbeitsverzeichnis zu dumpen, dann lässt ich Claude in derselben Session über sie hinweg reasonen. Der Filesystem MCP ist auch, wie ich Claude bestehende Reports, Sitemaps, robots.txt und vorhandene technische Dokumentation zuführe.
Puppeteer MCP
Browser-Automatisierung. Crawlt die Website, macht Screenshots von repräsentativen Templates, extrahiert gerendertes HTML für JavaScript-lastige Seiten, erfasst Core Web Vitals über die Performance API. Das Puppeteer-gesteuerte Rendering ist dem, was Google tatsächlich sieht, am nächsten – genauer als statisches HTML-Parsing.Core Web Vitals via the Performance API. The Puppeteer-driven render is the closest thing to what Google actually sees, more accurate than static HTML parsing.
Postgres MCP (oder SQLite für kleinere Jobs)
Kritisch für ernsthafte Audits. Search-Console-Daten, als CSV exportiert, werden in eine Postgres-Tabelle geladen. Claude führt dann SQL-Queries dagegen aus: welche URLs verlieren monatlich Traffic, welche Queries haben sich verschoben, welche Seiten sind aus dem Index gefallen. Die Aggregationsarbeit, die in Excel 20 Minuten dauert, dauert in SQL 30 Sekunden.
Brave Search oder ähnliches
Aktueller SERP-Vergleich. Bei der Prüfung auf Ranking-Rückgänge ist der Vergleich zwischen den aktuellen Rankings für die Zielabfragen und dem, was die geprüfte Site liefert, die halbe Diagnose. Ein SERP-fetching MCP macht daraus einen einzelnen Tool-Call statt einer manuellen Tab-Wechsel-Übung.
Bash / Shell
Claude Code führt Lighthouse CLI aus, curl-Tests für Redirect-Ketten und alle Custom-Scripts durch, die ich für das Projekt habe. Das Behandeln der Shell als weiteres Tool statt als separate Umgebung ist entscheidend; das Audit findet in einer durchgehenden Session statt.
Pre-Audit-Setup: 90 Sekunden Kontext
Bevor ein Crawl läuft, muss Claude wissen, um welche Art von Site es sich handelt und wofür das Audit bestimmt ist. Ich öffne Claude Code im Projektverzeichnis (oder einem neuen Verzeichnis, wenn ich eine externe Site prüfe) und bereite die Session mit einer kurzen Beschreibung vor:
Drei Sätze zum Business: was sie verkaufen, wer ihr Publikum ist, welches organische-Traffic-Ziel sie für die nächsten 12 Monate haben. Zwei Sätze zur Site-Struktur: Stack, Seitenzahl, Indexierbarkeits-Form, Content-Kadenz. Ein Satz zum Audit-Ergebnis: was am Ende des Audits wahr sein sollte, das heute nicht wahr ist.
Diese 90 Sekunden Kontext-Laden sind der Unterschied zwischen Claude, der ein generisches Checklisten-Audit generiert, und Claude, der ein Audit produziert, das auf das spezifische Business kalibriert ist. Überspring das und du bekommst denselben generischen Output wie jeder andere Claude Code SEO-Writeup zeigt.
Phase 1: Technisches Crawling
Claude führt Puppeteer gegen die Site aus, folgt internen Links zu einer konfigurierbaren Tiefe (ich nutze standardmäßig 3) und erfasst: gerenderte HTML pro URL, Response-Codes, Redirect-Ketten, Canonical-Tags, hreflang-Annotationen, Schema-Markup-Blöcke, Indexierungssignale (robots meta, X-Robots-Tag, robots.txt) und Core Web Vitals.
Output wird als eine JSON-Datei pro URL plus eine summary.json über das gesamte Corpus in ./audit-output/crawl/ abgelegt. Bei Sites unter 500 Seiten ist das in unter 10 Minuten erledigt. Bei größeren Sites begrenzte ich den Crawl auf 1.000 repräsentative URLs und sample den Rest.
Häufige Muster, die das Crawl sofort an die Oberfläche bringt: Weiterleitungsketten länger als 2 Hops, Canonical-Tags, die auf nicht-kanonische URLs verweisen, Hreflang-Reziprozitätsfehler, Schema-Validierungsfehler. Jedes einzelne davon erfordert im großen Maßstab Stunden manueller Arbeit; das Crawl findet sie in den ersten 10 Minuten.
Phase 2: Search-Console-Datenanalyse
Ich exportiere Search-Console-Daten als CSV (Suchanfragen, Seiten, Datumsangaben, Klicks, Impressionen, Position) und lade sie über die Postgres MCP. Claude führt dann eine Reihe von Abfragen durch, die spezifische Fragen des Betreibers beantworten:
Welche Seiten verlieren monatlich am meisten Traffic, sortiert nach absolutem Clickverlust.
Welche Suchanfragen sind in den letzten 90 Tagen aus den Top 20 herausgefallen.
Welche Seiten-Suchanfrage-Paare haben Impressionen, aber nahezu null Klicks (CTR-Gelegenheit).
Welche Seiten sind indexiert, erhalten aber in den letzten 30 Tagen null Impressionen (wahrscheinlich dünnhaltiger Inhalt oder Quality-Gate-Kandidaten).
Welche Seiten haben mehrere konkurrierende Canonical-Signale über den Index verteilt.
Jede dieser Abfragen war früher ein separater Tab mit Pivot-Tabellen in Excel. Sie sind jetzt eine Reihe von SQL-Abfragen, die Claude generiert, ausführt und in einem einzigen Abschnitt des Berichts synthetisiert.
Phase 3: Schema-Markup-Audit
Claude nimmt die in Phase 1 erfassten Schema-Blöcke, validiert sie gegen die von schema.org erwarteten Typen pro Seiten-Archetype (Organization, BreadcrumbList, Article, BlogPosting, Product, FAQPage, HowTo, LocalBusiness) und kennzeichnet Probleme:
Fehlende erforderliche Eigenschaften (sameAs bei Organization, image bei BlogPosting, aggregateRating ohne tatsächliche Rating-Daten).
Typkonflikt (LocalBusiness-Schema auf Seiten, die keine lokalen Unternehmen sind, Product-Schema auf Kategorieseiten).
Veraltete Referenzen (sameAs-URLs, die auf gelöschte Social-Profile verweisen, Image-URLs, die 404 zurückgeben).
Veraltete Entity-Beziehungen (about- und mentions-Arrays, denen die tatsächlichen Entitäten fehlen, die die Seite behandelt).
Ich habe auf diese Weise 30+ Schema-Fehler auf Sites gefunden, die dachten, ihr Schema sei in Ordnung. Der Validator findet die syntaktischen; Claude findet die semantischen.
Phase 4: Core Web Vitals via Lighthouse
Lighthouse läuft als CLI-Befehl, den Claude aufruft. Ich führe es standardmäßig über 8–12 repräsentative Templates pro Site aus, anstatt nur eine URL. Die Output-JSONs landen in ./audit-output/lighthouse/ und Claude synthetisiert sie in einen CWV-Abschnitt, der den Median von LCP, CLS, INP und TTFB über die Template-Menge zeigt, plus die am schlechtesten abschneidende einzelne Seite pro Metrik.
Die Synthese ist das, was manuelle Audits falsch machen. Ein einzelner Lighthouse-Lauf ist punktuelle Schwankung; 12 Läufe über Templates geben das echte Performance-Bild. Claude macht die Aggregation in Sekunden.
Phase 5: Report-Synthese
Nach den vier Phasen hat Claude grob 30 bis 80 Probleme identifiziert. Der Syntheseprompt bittet Claude um folgendes:
Probleme nach Schweregrad clustern (rote Blöcke blockieren Veröffentlichung, orange beeinflussen Rankings, grün ist Feinschliff).
Verkehrsauswirkung pro Cluster mit Search-Console-Daten schätzen.
Behebung nach Verkehrsauswirkung dividiert durch Engineering-Kosten ordnen.
Die Top 10 Probleme in einem Format eine Seite pro Problem ausgeben: Schweregrad, Anzahl betroffener URLs mit Traffic, Erklärung in einfachem Englisch, konkrete Lösung, geschätzte Verbesserung der Metrik in 90 Tagen.
Das ist die Liefergabe. 10 Probleme, die ein Senior-Team in 4 bis 8 Wochen beheben kann, priorisiert nach Auswirkung, bereit zur Übergabe an Engineering. Manuelle Audits erzeugen oft 200-Zeilen-Tabellen, die niemand behebt; die priorisierte 10er-Liste wird behoben.
Der Audit-Prompt, den ich tatsächlich nutze
Ein einziger Prompt, den ich nach der 90-Sekunden-Kontextübersicht ausführe. Ich habe diesen über etwa 12 Monate hinweg in dutzenden Audits iteriert:
"You are a senior technical SEO auditor working on the site described in the brief above. Run a 5-phase audit in this order: technical crawl via Puppeteer, Search Console analysis via the Postgres MCP, schema validation, Core Web Vitals via Lighthouse CLI, and prioritised report synthesis. Save outputs in ./audit-output/. After the synthesis phase, present the top 10 issues in a one-issue-per-page format. For each issue: severity (red / amber / green), traffic-affected URL count, plain-English explanation, concrete fix, estimated 90-day metric improvement. Wait for my approval before generating fix patches. Use British spelling. Avoid em-dashes."
Keine John-Wick-Rahmenerzählung, kein „du bist ein bezahlter Experte"-Theater. Die Anweisung ist direkt, die Struktur ist explizit, und das Ausgabeformat entspricht dem, das Kunden und Engineering-Teams lesen.
Was Claude Code hier nicht kann
Ehrliche Liste, wo die KI-gestützte Audit an ihre Grenzen stößt:
Strategische Priorisierung im geschäftlichen Kontext. Claude kann Probleme nach Traffic-Auswirkungen ordnen; er kann dir nicht sagen, dass ein Problem mit 5.000 Traffic-Verlust auf einer Marketing-Seite wichtiger ist als ein Problem mit 50.000 Traffic-Verlust auf einer veralteten Produktseite, die das Unternehmen ohnehin auslaufen lässt.
Wettbewerbliche Positionierung. Claude kann deine SERPs mechanisch mit Konkurrenten vergleichen; er kann dir nicht sagen, dass der Konkurrent wegen einer Kampagne gewinnt, die du in den Daten nicht siehst.
Redaktionelle Bewertung der Content-Qualität. Claude kann dünne Inhalte statistisch kennzeichnen. Ob die dünnen Inhalte gelöscht, erweitert oder als Low-Value-aber-Nischen-relevante Seite behalten werden sollten, ist eine menschliche Entscheidung.
Stakeholder-Kommunikation. Die Audit läuft gut oder schlecht, je nachdem wie sie für das Client-Team aufbereitet wird. Diese Aufbereitung ist menschliche Arbeit.
Behandle Claude Code als deinen Senior-Engineering-Collaborator bei der Audit, nicht als Senior-Strategist. Die 30 Prozent der Audit, die Urteilskraft erfordern, bleiben deine Verantwortung.
Die ehrlichen Kosten
Claude-API-Kosten für eine 1.000-Seiten-Audit liegen bei ungefähr 8 bis 25 USD auf Sonnet-Tier-Pricing. Das Puppeteer-Crawl, Lighthouse-Läufe und Postgres-Abfragen sind kostenlos; die Kosten entstehen vollständig durch die Model-Token. Eine traditionelle manuelle Audit zu Agentur-Sätzen kostet 5.000 bis 25.000 USD. Der Kostenunterschied ist real und er ist der Grund, warum dieser Workflow in 18 Monaten zum Standard wird.
Die Arbeit wurde verschoben, nicht abgeschafft. Die Audit erfordert immer noch einen Senior-SEO, um die Prompts auszuführen, die Outputs zu interpretieren und die strategische Priorisierung zu verantworten. Was verschwunden ist, sind die 6 Stunden Crawling, Parsing und Aggregation, die kein Senior-Mitarbeiter jemals hätte aufwenden sollen.
Fazit
Claude Code mit einem echten MCP-Stack reduziert 70 Prozent eines SEO-Audits auf eine 90-minütige Sitzung zusammen. Die verbleibenden 30 Prozent (Urteilsvermögen, Priorisierung, Kommunikation) bleiben eine menschliche Aufgabe und zahlen sich besser denn je aus, weil die Kosten für die langweiligen 70 Prozent gegen Null gefallen sind.
Die Agenturen, die diesen Workflow anpassen, werden die Preise der anderen innerhalb von 12 Monaten unterbieten. Die Senior-SEOs, die das lernen, werden wertvoller, nicht weniger wertvoll, weil ihr Urteilsvermögen der Engpass für die Ausgabemenge ist.
Bei Seahawk Media führen wir technische SEO-Audits mit genau diesem Workflow bei Kundenengagements ab 2.500 USD durch. Das erste Gespräch ist kostenlos und die Audit-Liefergabe ist die gleiche 10er-Liste mit Prioritäten, wie oben beschrieben, unabhängig davon, welche Agency-Stufe du wählst.
Empfohlene Lektüre
So führst du 2026 ein technisches SEO-Audit durch (die Methodologie-Säule)
SEO für Operateure 2026 (der Head-Term-Leitfaden)
Beste SERP-Tracking-Tools 2026
Häufig gestellte Fragen
Wie beschleunigt Claude Code SEO-Audits?
Es automatisiert die langweiligen 70% eines technischen Audits: Crawling, Search-Console-Analyse, Schema-Checks und Core Web Vitals über Lighthouse, unter Verwendung eines MCP-Stacks. Arbeiten, die früher einen ganzen Tag pro Website dauerten, brauchen jetzt etwa 90 Minuten, sodass menschliche Zeit für Urteilskraft und Strategie bleibt.
Welchen MCP-Stack verwendest du für SEO-Audits?
Der Workflow läuft auf Puppeteer, Filesystem, Postgres und Lighthouse MCP-Servern. Puppeteer crawlt, Filesystem und Postgres verwalten die Daten, und Lighthouse misst Core Web Vitals. Diese Kombination deckt die mechanischen Phasen eines technischen Audits ab.
Kann Claude Code einen SEO-Berater ersetzen?
Nein. Es reduziert die repetitiven 70% eines Audits, das Crawling, das Abrufen von Daten und die Checks, aber die Urteilskraft, Priorisierung und Strategie brauchen immer noch einen Menschen. Es ist ein Kraftmultiplikator für den Berater, kein Ersatz für die Erfahrung, die entscheidet, was wirklich zählt.
Wie lange dauert ein Claude Code SEO-Audit?
Etwa 90 Minuten für den technischen Teil, runter von einem ganzen Tag. Die fünf Phasen – Crawl, Search-Console-Analyse, Schema-Audit, Core Web Vitals und Report-Synthese – laufen schnell mit dem richtigen MCP-Stack und einem kurzen Schritt zur Kontexteinstellung am Anfang.