geo-lint: Der Open-Source-GEO-Linter für KI-Sichtbarkeit
Das Problem war einfach zu beschreiben und schwer zu ignorieren: Alle sprachen über Generative Engine Optimization (GEO), aber niemand hatte ein Werkzeug gebaut, das eindeutig anzeigt, ob ein Content-Stück tatsächlich für KI-Suche bereit ist.
SEO hat seit Jahren Linter. Ein Tool läuft, es meldet fehlerhafte Links, fehlende Meta-Beschreibungen, Verletzungen der Heading-Hierarchie. Verstöße werden behoben. Das Tool läuft erneut. Danach wird veröffentlicht. Diese Feedback-Schleife ist schnell, deterministisch und automatisierbar.
GEO hatte nichts Vergleichbares.
Warum ich dieses Tool gebaut habe
Als ich bei IJONIS (KI-Agentur in Hamburg) unsere GEO-Content-Strategie aufgebaut habe, war jedes Audit manuell: Gibt es eine FAQ-Sektion? Beantwortet der Einleitungsabsatz die Suchanfrage direkt? Existieren Vergleichstabellen? Wie hoch ist die Zitationsdichte? Arbeit, die Sekunden dauern sollte, kostete Stunden — und produzierte inkonsistente Ergebnisse je nachdem, wer das Audit durchführte.
Also habe ich den Linter gebaut, den ich haben wollte.
Was geo-lint tut
@ijonis/geo-lint ist ein CLI-Tool, das Content-Dateien gegen 92 Regeln in vier Kategorien validiert. Die folgende Tabelle zeigt, was jede Kategorie abdeckt und warum sie für die Sichtbarkeit in KI-Suche wichtig ist:
- 35 GEO-Regeln — KI-Zitierbereitschaft: Lead-Sentence-Struktur, FAQ-Präsenz, Frage-Headings, Zitationsdichte, Direktantwort-Muster, Entity-Disambiguierung, strukturierte Antwortblöcke
- 32 SEO-Regeln — Titel-Länge, Beschreibungs-Länge, Heading-Hierarchie, Duplikat-Erkennung, fehlerhafte interne Links, Bild-Alt-Texte, Wortanzahl
- 14 Content-Qualitäts-Regeln — Lesbarkeit, Passiv-Dichte, Übergangsstruktur, Absatzlängen-Varianz
- 8 technische Regeln — Schema-Markup-Hinweise, Crawler-Zugriffs-Signale, llms.txt-Präsenz, Canonical-Link-Validität
- 3 i18n-Regeln — Locale-Vollständigkeit, Translation-Key-Paarung, hreflang-Konsistenz
# Installation
npm install -g @ijonis/geo-lint
# Menschenlesbare Ausgabe
npx geo-lint
# Maschinenlesbar JSON (für KI-Agenten)
npx geo-lint --format=json
# Alle 92 Regeln auflisten
npx geo-lint --rules
Keine Peer-Dependencies. Node >= 18. MIT (Massachusetts Institute of Technology) lizenziert.
Die Agentic Loop
Die menschenlesbare Ausgabe ist nützlich für Stichproben. Der JSON-Output ist der eigentlich interessante Teil.
npx geo-lint --format=json
Die Ausgabe ist ein strukturiertes Array von Verstößen: Regel-ID, Schweregrad (Fehler oder Warnung), Dateipfad, Zeilennummer und eine klartextliche Beschreibung des Problems sowie wie man es behebt.
Ein KI-Agent — Claude Code, Cursor, was auch immer man verwendet — kann diesen JSON lesen, jeden Verstoß beheben und den Linter erneut ausführen. Die Schleife läuft, bis keine Verstöße mehr vorhanden sind.
geo-lint → violations.json → Agent behebt → geo-lint → violations.json → ...
Das ist der Workflow, den wir intern verwenden. Content geht in die Pipeline. Der Agent lintet, behebt, lintet erneut. Ein Mensch überprüft den Diff und den finalen Bericht ohne Verstöße. Kein manuelles Audit. Keine Inkonsistenz zwischen verschiedenen Prüfenden.
Warum JSON-Output wichtig ist
Menschenlesbare Terminal-Ausgabe ist nützlich für Entwicklende. Maschinenlesbarer JSON macht das Tool mit jedem Agent-Framework kombinierbar. Die beiden Ausgabemodi sind keine Redundanz — sie bedienen unterschiedliche Zielgruppen im selben Workflow.
Warum GEO-Regeln sich von SEO-Regeln unterscheiden
"Das Hinzufügen von Statistiken, Zitaten und Quellenangaben führte zu den bedeutendsten Steigerungen der Sichtbarkeit in generativen Suchmaschinen." — Aggarwal et al., Princeton / Georgia Tech, GEO Research Paper 2023
SEO-Regeln sind größtenteils strukturell: Existiert der Titel, hat er die richtige Länge, ist die Heading-Hierarchie intakt. Das lässt sich leicht validieren, weil es auf diskrete, messbare Eigenschaften abbildbar ist.
GEO-Regeln betreffen, wie der Content Fragen beantwortet — was schwieriger deterministisch zu validieren ist, aber nicht unmöglich. Die zentrale Erkenntnis aus der Princeton-GEO-Forschung ist, dass spezifische strukturelle Muster mit höheren Zitationsraten korrelieren: Direktantwort in den ersten zwei Sätzen einer Sektion, Präsenz von Vergleichstabellen, FAQ-Sektionen mit schema-gerechter Struktur, Zitation externer Quellen mit überprüfbaren Aussagen.
Diese Muster sind messbar. Sie sind keine perfekten Proxys für Zitationsrate — das ist nichts — aber sie sind konsistent, automatisierbar und spiegeln wider, was die Forschung tatsächlich über KI-Retrieval-Systeme zeigt.
Wie wir es bei IJONIS einsetzen
Jeder Blogbeitrag und jede Service-Seite auf dieser Website läuft vor dem Veröffentlichen durch geo-lint. Der Workflow besteht aus vier Schritten:
- Schreiben — Content wird von einem Menschen oder Agenten erstellt und als MDX gespeichert
- Linten —
npx geo-lint --format=jsonläuft; Verstöße werden in eine JSON-Datei geschrieben - Beheben — der Agent liest den JSON, wendet Korrekturen Datei für Datei an und führt den Linter erneut aus
- Freigeben — ein Mensch überprüft den Diff und den abschließenden Bericht ohne Verstöße
Der Linter ist außerdem Teil des Build-Schritts:
bun run build # geo-lint läuft automatisch; Fehler blockieren das Deploy
Kurz zusammengefasst: Das erzwingt einen Qualitäts-Baseline bei jedem Content-Push, ohne dass ein Mensch eine manuelle Checkliste durchgehen muss.
Das ist Agentic SEO in der Praxis: nicht menschliches Urteil ersetzen, sondern die deterministischen Teile vollständig aus der menschlichen Arbeit herausnehmen.
Was das Tool nicht tut
geo-lint wird nicht vorhersagen, ob der Content ranken wird. Es wird nicht sagen, ob ChatGPT zitieren wird. Es ersetzt keine vollständige Content-Strategie. Jedoch entfernt es die „Ich denke, das ist wahrscheinlich okay"-Ambiguität, die jedes Content-Team bei der GEO-Arbeit verlangsamt.
Was es tut: Es ersetzt subjektive Einschätzungen durch deterministische Prüfungen. Der Content erfüllt die strukturellen Kriterien für KI-Zitierbereitschaft oder er erfüllt sie nicht. Die FAQ-Sektion existiert und verwendet das richtige Heading-Muster — oder sie tut es nicht. Der Einleitungsabsatz liegt unter 150 Wörtern oder überschreitet diesen Wert.
Zusammenfassend: Dieser Determinismus ist der gesamte Punkt des Tools.
Ausprobieren und beitragen
Das Tool ist Open Source, MIT-lizenziert und ab sofort verfügbar.
- GitHub: github.com/IJONIS/geo-lint
- npm: @ijonis/geo-lint
- Hacker-News-Diskussion: news.ycombinator.com/item?id=47086977
Wer Regeln ergänzen möchte — insbesondere domänenspezifische GEO-Muster für bestimmte Branchen oder Content-Typen — kann gerne ein Issue oder einen PR öffnen. Das Regelformat ist einfaches TypeScript; eine neue Regel hinzuzufügen dauert etwa 15 Minuten, sobald man die Struktur versteht.
Das Ziel ist, dass dies das kanonische Tool für Content-Validierung vor KI-Suche wird. Wer GEO-Arbeit macht, sollte dies in der Pipeline haben.
Häufige Fragen zu geo-lint
Was ist ein GEO-Linter?
Ein GEO-Linter ist ein Tool, das Content gegen Regeln validiert, die darauf ausgelegt sind, die Sichtbarkeit in KI-gestützten Suchmaschinen (ChatGPT, Perplexity, Google AI Overviews) zu verbessern. Im Gegensatz zu SEO-Lintern, die sich auf strukturelle und technische Signale konzentrieren, prüft ein GEO-Linter, ob der Content so strukturiert ist, dass er von großen Sprachmodellen zitiert wird: Direktantwort-Muster, FAQ-Präsenz, Vergleichstabellen, Zitationsdichte und Entity-Klarheit.
Wie unterscheidet sich geo-lint von bestehenden SEO-Tools?
Die meisten SEO-Tools konzentrieren sich auf Rankings in traditionellen Suchmaschinen. geo-lint ist das erste Tool, das speziell für GEO-Validierung entwickelt wurde — die Teilmenge der Content-Signale, die die Forschung mit der Zitationsauswahl durch KI-Retrieval-Systeme verbindet. Es enthält außerdem einen JSON-Ausgabemodus, der explizit für KI-Agent-Workflows konzipiert ist, bei denen der Agent Verstöße liest, Korrekturen vornimmt und den Linter in einer automatisierten Schleife erneut ausführt.
Funktioniert geo-lint mit jedem Content-Format?
Die aktuelle Version validiert MDX- und Markdown-Dateien. Unterstützung für HTML und Klartext ist geplant. Die Regel-Engine ist formatunabhängig — neue Format-Parser lassen sich daher unkompliziert ergänzen. Das ist auch ein guter Einstieg für alle, die zum Projekt beitragen möchten.
Kann ich geo-lint in meine CI/CD-Pipeline integrieren?
Ja. npx geo-lint --format=json ausführen und den Exit-Code parsen: 0 bedeutet sauber, 1 bedeutet Verstöße. Den JSON-Output an jedes nachgelagerte System weiterleiten — Slack-Alerts, PR-Kommentare, Agent-Pipelines. Das JSON-Format erleichtert den Aufbau eigener Integrationen, die gezielt nach Regelkategorien oder Schweregraden filtern.
Ist geo-lint nur für KI-generierten Content nützlich?
Nein. geo-lint validiert die Struktur von Content unabhängig davon, wie er geschrieben wurde. Manuell erstellter Content scheitert oft genauso an GEO-Regeln wie KI-generierter — manchmal noch häufiger, weil menschliche Autoren für narrativen Fluss statt für Zitierbereitschaft optimieren.
Wo kann ich Bugs melden oder neue Regeln anfragen?
Issue auf GitHub öffnen. Für neue Regelanfragen: das zu validierende Muster beschreiben, die zugrundeliegende Forschung oder Begründung angeben und ein Beispiel für bestehenden und nicht bestehenden Content liefern.
