Fallstudie: wöchentliches SEO-Reporting automatisiert
Wie die wöchentliche SEO-Auswertung dieser Website automatisch läuft: fünf Datenquellen, Vergleich mit der Vorwoche, belegte Korrekturen als geprüfter Änderungsvorschlag. Zwölf Berichte, Befunde und Grenzen.

Wigandt Technology
Webentwicklung & Automatisierung
St. Georgenstr. 17, 56751 Polch, Deutschland
Wigandt Technology ist der Auftritt des freiberuflichen Softwareentwicklers Johannes Wigandt aus Polch. Der Schwerpunkt liegt auf der Automatisierung von Abläufen in Unternehmen: Schnittstellen zwischen Shop, Warenwirtschaft und Buchhaltung, Dashboards und interne Anwendungen. Websites, Online-Shops und Webanwendungen gehören ebenfalls zum Angebot.
Fallstudie
Was wurde automatisiert?
Für diese Website läuft die wöchentliche SEO-Auswertung automatisch: Ein geplanter, KI-gestützter Ablauf liest jede Woche Suchdaten, Crawl-Ergebnisse und Ladezeiten aus fünf Werkzeugen, vergleicht sie mit der Vorwoche, schreibt einen Bericht und setzt belegte Korrekturen als geprüften Änderungsvorschlag um. Zwischen dem 31.08. und dem 16.11.2026 sind so zwölf Berichte entstanden.
Die Fallstudie zeigt ein eigenes Projekt, kein Kundenprojekt. Sie beschreibt, was die Automatisierung leistet, was sie gefunden hat und wo ihre Grenzen liegen.
Ausgangslage
Warum reichte die Auswertung von Hand nicht?
Eine vollständige Auswertung braucht Zahlen aus der Google Search Console, den Bing Webmaster Tools, Ahrefs, Seobility und PageSpeed Insights, dazu einen eigenen Abruf aller Seiten der Sitemap. Jedes Werkzeug hat eine andere Oberfläche, andere Zeiträume und andere Grenzen. Von Hand entsteht daraus selten jede Woche derselbe Bericht, und Vergleiche mit der Vorwoche bleiben lückenhaft.
Dazu kommt die Nachprüfung: Ob eine Korrektur gewirkt hat, zeigt sich erst Wochen später. Ohne festen Ablauf fragt dann niemand mehr nach.
Umsetzung
Wie läuft der automatisierte Bericht ab?
- Ausgangsstand lesen: der Bericht und die offenen Punkte der Vorwoche aus dem Repository
- Daten erheben: Klicks, Impressionen und Positionen über 28 Tage, Indexierung, Crawling-Statistik, Zitationen in KI-Antworten, Backlinks, Ladezeiten für die Seiten mit den meisten Impressionen
- Eigener Crawl: alle Seiten der Sitemap mit Titel, Beschreibung, Überschriften, Wortzahl, strukturierten Daten und Alt-Texten
- Vergleichen: jede Kennzahl gegen die Vorwoche; widersprechen sich zwei Quellen, stehen beide Werte im Bericht
- Maßnahmen ableiten: nur, was eine gemessene Zahl belegt, jeweils mit erwarteter Wirkung für die nächste Nachprüfung
- Umsetzen: Änderungen als Pull Request mit automatischen Tests, Build und Code-Review; veröffentlicht wird erst, wenn alles besteht
- Dokumentieren: Bericht als Markdown, Word und PDF im Repository
Entscheidungen über Preise, Positionierung und rechtliche Seiten trifft der Ablauf nicht. Sie stehen als Empfehlung im Bericht.
Ergebnis
Was hat die Automatisierung gefunden?
| Befund | Wirkung der Korrektur |
|---|---|
| Auf 16 von 64 Seiten ersetzte der Browser nach dem Laden Titel und Beschreibung durch Platzhalter. Kein Crawler ohne JavaScript sah den Fehler. | Nach der Korrektur 0 abweichende Seiten im Render-Vergleich |
| Layout-Verschiebung (CLS) von 0,09 bis 0,13 auf vier Seiten | CLS 0 bis 0,001 auf allen vier Seiten |
| Eine alte Kontaktadresse erzeugte 23 bis 24 Fehlabrufe im Monat | Nach der Weiterleitung kein Fehlabruf mehr |
| Ein Logo wurde als 1728×972-Bild in ein 56×32-Feld geladen | 508 Byte statt rund 45 KiB |
| Drei Sitemap-Einträge ohne Änderungsdatum | Alle 64 Einträge mit Datum |
Der erste Befund ist der wichtigste. Er erklärt sehr wahrscheinlich, warum der Wissensbereich Ende Oktober aus den Suchergebnissen verschwand, und wurde erst durch einen Vergleich gefunden, den von Hand niemand jede Woche macht: Server-HTML gegen die im Browser gerenderte Fassung, für alle Seiten. Ob die Impressionen zurückkommen, zeigt sich erst nach dem nächsten Crawl durch Google (Stand 16. November 2026).
Einordnung
Was leistet automatisiertes Reporting nicht?
Ein Bericht erzeugt keine Nachfrage. Die Klicks aus der Google-Suche stiegen im Zeitraum von 7 auf 20 in 28 Tagen und blieben damit niedrig, obwohl die Technik durchgehend sauber war. Die Berichte haben gezeigt, woran das liegt: an der Ausrichtung der Inhalte, nicht an Meta-Angaben. Diese Entscheidung musste ein Mensch treffen.
Auch die Datenquellen setzen Grenzen. Kostenlose Zugänge zeigen nur Ausschnitte, einzelne Werkzeuge verlangen eine Anmeldung, und Messwerte für Ladezeiten schwanken zwischen zwei Läufen. Der Bericht nennt deshalb in jeder Ausgabe, was nicht erhoben werden konnte.
Übertragbarkeit
Für welche Berichte eignet sich derselbe Aufbau?
Das Muster passt auf jeden Bericht, der regelmäßig aus mehreren Quellen entsteht: Marketing-Kennzahlen aus Werbekonten und Shop, Monatsübersichten aus Warenwirtschaft und Buchhaltung, Kundenreports einer Agentur. Feste Quellen, feste Definitionen, Vergleich mit dem Vorzeitraum und eine Liste dessen, was nicht gemessen werden konnte.
Wie ein solcher Bericht für dein Unternehmen aussehen kann, beschreiben die Seiten zu Dashboards und automatisierten Berichten und zur Prozessautomatisierung. Die Ausbaustufen erklärt der Ratgeber Reporting automatisieren. Die technische Seite dieser Website zeigt die Nuxt-Fallstudie.
Technologien
Technologie
Nuxt.js
Ich entwickle mit Nuxt und Vue Websites, Headless-Frontends und Webanwendungen. Inhalte, Rendering und API-Anbindung werden auf dein Projekt abgestimmt.
Lösungen
Verwandte Lösung
KPI-Dashboards und automatisierte Berichte
Ich führe Daten aus Shop, CRM und weiteren Quellen zusammen. Daraus entstehen nachvollziehbare Kennzahlen, aktuelle Dashboards und automatisierte Berichte.
Verwandte Lösung
Prozessautomatisierung für Unternehmen
Ich automatisiere wiederkehrende Abläufe in Unternehmen: Daten zwischen Systemen abgleichen, Berichte erzeugen, Belege übergeben und Freigaben abbilden. Mit n8n, eigener Entwicklung und KI, wo sie hilft.