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
Ich habe geo-lint gebaut, weil jedes Audit für KI-Sichtbarkeit bei uns manuell ablief und die Ergebnisse je nach prüfender Person stark schwankten — ein unhaltbarer Zustand für skalierbare Prozesse. Als ich bei IJONIS (Agentur in Hamburg) unsere GEO-Content-Strategie aufgebaut habe, war jede Prüfung Handarbeit: Gibt es einen FAQ-Bereich? Beantwortet der erste Absatz die Suchanfrage direkt? Existieren Vergleichstabellen? Wie hoch ist die Quelldichte? Arbeit, die Sekunden dauern sollte, kostete Stunden — und produzierte ungleichmäßige Ergebnisse je nachdem, wer die Prüfung durchführte.
Also habe ich den Linter gebaut, den ich haben wollte.
Was geo-lint tut
Das Tool prüft Texte automatisch gegen 92 Regeln in vier Kategorien und liefert sowohl menschenlesbare als auch maschinenlesbare Ergebnisse — ideal für den Einsatz in automatisierten Workflows mit KI-Agenten. Die folgende Tabelle zeigt, was jede Kategorie abdeckt und warum sie für die Sichtbarkeit in KI-Suche wichtig ist:
- 35 GEO-Regeln — Bereitschaft für KI-Zitation: Aufbau des ersten Satzes, FAQ-Bereich, Frage-Überschriften, Quelldichte, Direktantworten, Begriffsklarheit, strukturierte Antwortblöcke
- 32 SEO-Regeln — Titellänge, Beschreibung, Überschriften-Hierarchie, Duplikate, fehlerhafte interne Links, Bild-Alternativtexte, Wortanzahl
- 14 Qualitätsregeln — Lesbarkeit, Passivanteil, Übergänge, Absatzlängen
- 8 technische Regeln — Schema-Hinweise, Crawler-Signale, llms.txt, Canonical-Prüfung
- 3 Sprach-Regeln — Locale-Vollständigkeit, Übersetzungsschlüssel, 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
Der eigentliche Mehrwert liegt im JSON-Modus: Ein KI-Agent liest die strukturierte Ausgabe, behebt jeden Verstoß automatisch und startet den Linter erneut — ohne menschliches Eingreifen. Die menschenlesbare Ausgabe ist nützlich für Stichproben, doch 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
GEO-Regeln messen, wie gut Texte Fragen beantworten und ob die Struktur für die Auswahl durch Sprachmodelle optimiert ist — ein grundlegend anderer Ansatz als klassische SEO-Prüfungen, die vor allem technische Signale validieren.
"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, Stand 2026 weiterhin die meistzitierte Studie
Klassische SEO-Prüfungen sind größtenteils strukturell: Existiert der Titel, hat er die richtige Länge, ist die Überschriften-Hierarchie intakt. Das lässt sich leicht validieren, weil es auf diskrete, messbare Eigenschaften abbildbar ist.
GEO-Regeln betreffen dagegen, wie ein Text Fragen beantwortet — was schwieriger deterministisch zu validieren ist, aber nicht unmöglich. Die zentrale Erkenntnis aus der Princeton-Forschung ist, dass spezifische strukturelle Muster mit höheren Zitatraten korrelieren: Direktantwort in den ersten zwei Sätzen eines Abschnitts, Vergleichstabellen, FAQ-Bereiche mit schema-gerechter Struktur, Quellenangaben mit überprüfbaren Aussagen.
Diese Muster sind messbar. Sie sind keine perfekten Stellvertreter für die tatsächliche Zitatrate — das ist nichts — aber sie sind konsistent, automatisierbar und spiegeln wider, was die Forschung über KI-Abrufsysteme zeigt.
Wie wir es bei IJONIS einsetzen
Bei IJONIS ist geo-lint fester Bestandteil jedes Veröffentlichungsprozesses: Kein Blogbeitrag und keine Service-Seite geht live, ohne vorher alle 92 Regeln bestanden zu haben. 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
Wichtig ist, die Grenzen klar zu benennen: geo-lint ersetzt weder eine vollständige Strategie noch kann es garantieren, dass ein Sprachmodell den Text zitiert — es validiert ausschließlich die strukturellen Voraussetzungen dafür. Das Tool wird nicht vorhersagen, ob der Text ranken wird. Es wird nicht sagen, ob ChatGPT ihn zitieren wird. Jedoch entfernt es die „Ich denke, das ist wahrscheinlich okay"-Ambiguität, die jedes Team bei der Optimierung für KI-Suche verlangsamt.
Was es tut: Es ersetzt subjektive Einschätzungen durch deterministische Prüfungen. Ein Text erfüllt die strukturellen Kriterien für Auffindbarkeit durch Sprachmodelle oder er erfüllt sie nicht. Der FAQ-Bereich existiert und verwendet das richtige Überschriften-Muster — oder nicht. Der erste Absatz liegt unter 150 Wörtern oder überschreitet diesen Wert.
Zusammenfassend: Dieser Determinismus ist der gesamte Sinn des Tools.
Ausprobieren und beitragen
geo-lint steht als Open-Source-Projekt unter MIT-Lizenz auf GitHub und npm bereit — Installation, erster Lauf und Ergebnisse in unter zwei Minuten. Das Tool ist 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 Prüfwerkzeug, das Texte 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 ein Text so aufgebaut ist, dass Sprachmodelle ihn zitieren: Direktantworten, FAQ-Bereich, Vergleichstabellen, Quelldichte und Begriffsklarheit.
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 die Prüfung von KI-Sichtbarkeit entwickelt wurde — also die Teilmenge der Signale, die laut Forschung darüber entscheiden, ob ein Sprachmodell einen Text als Quelle auswählt. Zusätzlich bietet es einen JSON-Modus, der explizit für automatisierte Workflows konzipiert ist, bei denen ein KI-Agent Verstöße liest, Korrekturen vornimmt und das Tool in einer 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 prüft die Struktur von Texten unabhängig davon, wie sie entstanden sind. Von Hand geschriebene Texte scheitern oft genauso an den Regeln wie maschinell erzeugte — manchmal noch häufiger, weil menschliche Autoren für narrativen Fluss statt für Auffindbarkeit durch Sprachmodelle optimieren.
Wo kann ich Bugs melden oder neue Regeln anfragen?
Ein Issue auf GitHub öffnen — das Team reagiert in der Regel innerhalb weniger Tage. Für neue Regelanfragen: das zu validierende Muster beschreiben, die zugrundeliegende Forschung oder Begründung angeben und ein Beispiel für bestehenden und nicht bestehenden Content liefern.