ChatGPT ist fuer SEO laengst mehr als ein Schreibassistent. Fuer SEO-Teams, Berater und kleine Unternehmen kann es zur Arbeitsoberflaeche fuer Audits, Crawl-Analysen, Content-Planung und technische Entscheidungen werden. Entscheidend ist aber, ob ChatGPT nur aus allgemeinem Wissen antwortet oder ob es mit echten Daten aus den Tools arbeiten kann, die du ohnehin nutzt.
Dieser Leitfaden zeigt, wie ich ChatGPT fuer SEO auf automatedweb.net eingerichtet habe. Das Setup verbindet ChatGPT ueber eigene Connectoren und MCP-Server mit externen SEO-Systemen wie Screaming Frog, SISTRIX und Web-Crawling-Tools. Ziel ist keine reine Demo. Ziel ist ein Workflow, in dem ChatGPT Crawl-Daten lesen, technische Probleme verstehen und daraus konkrete SEO-Aufgaben ableiten kann.
Welches Problem dieses Setup loest
Viele SEO-Workflows sind ueber mehrere Tools verteilt. Der Crawl laeuft in Screaming Frog. Sichtbarkeitsdaten liegen in SISTRIX. Inhalte stecken im CMS. Notizen entstehen in einem Dokument. Empfehlungen werden spaeter in einem separaten Report formuliert. ChatGPT sitzt dabei oft ausserhalb der eigentlichen Arbeitskette und wird erst am Ende genutzt, um etwas umzuschreiben, zusammenzufassen oder zu erklaeren.
Das ist hilfreich, verschenkt aber den groesseren Nutzen. ChatGPT wird deutlich staerker, wenn es auf die Datenquelle selbst zugreifen kann. Statt zufaellige Exporte in einen Chat zu kopieren, kann der Assistent definierte Aktionen aufrufen, eine Crawl-Uebersicht abfragen, Reports vergleichen, Statuscodes pruefen, Titles und Meta Descriptions ansehen, Canonicals untersuchen, hreflang-Daten auswerten und anschliessend erklaeren, was wirklich wichtig ist.
Die praktische Frage lautet deshalb nicht: Kann ChatGPT SEO-Texte schreiben? Das kann es. Die bessere Frage lautet: Kann ChatGPT der Ort werden, an dem SEO-Daten gesammelt, interpretiert und in Entscheidungen uebersetzt werden? Mit dem richtigen Setup lautet die Antwort ja.
Die wichtigsten Bausteine
Das Setup besteht aus vier Bausteinen. Jeder Baustein hat eine eigene Aufgabe. Stabil wird der Workflow erst dann, wenn diese Aufgaben klar getrennt bleiben.
| Baustein | Aufgabe im SEO-Workflow | Warum das wichtig ist |
|---|---|---|
| ChatGPT Entwicklermodus | Eigene Connectoren anlegen und testen | Ohne Entwicklermodus lassen sich eigene MCP-Endpunkte in ChatGPT Desktop nicht sauber einrichten und pruefen. |
| Screaming Frog MCP | Crawls starten und technische Reports exportieren | Hier entstehen die Daten zu Statuscodes, Titles, Descriptions, H1, Canonicals, hreflang, Bildern und strukturierten Daten. |
| SISTRIX MCP | Sichtbarkeit, Keywords und Wettbewerber einordnen | Technische Befunde lassen sich besser priorisieren, wenn klar ist, welche URLs und Themen Suchwert haben. |
| Firecrawl oder Web Scraper | Seiteninhalte strukturiert auslesen | Hilfreich, wenn ChatGPT sichtbaren Text, Templates, Headings oder Content-Bloecke direkt vergleichen soll. |
Schritt 1: Entwicklermodus in ChatGPT aktivieren
Der erste Schritt passiert direkt in ChatGPT Desktop. Oeffne die Einstellungen, gehe in den Bereich fuer Apps oder Connectoren und aktiviere den Entwicklermodus. Genau dieser Punkt wird oft uebersehen. Ohne Entwicklermodus kannst du zwar installierte Apps verwenden, aber eigene MCP-Endpunkte nicht wirklich sauber hinzufuegen und die von ChatGPT erkannten Aktionen nicht gut kontrollieren.
Nach dem Aktivieren zeigt ChatGPT bei einem Connector die URL, die Autorisierungsoptionen und die verfuegbaren Aktionen. Diese Aktionsliste ist entscheidend. Sie zeigt, ob ChatGPT die Werkzeuge des MCP-Servers wirklich sieht. Wenn der Connector gruen ist, aber keine sinnvollen Aktionen auftauchen, ist die Verbindung noch nicht fertig.
- ChatGPT-Einstellungen oeffnen.
Gehe in ChatGPT Desktop in den Bereich fuer Apps und Connectoren. - Entwicklermodus aktivieren.
Damit wird der Bereich freigeschaltet, in dem eigene MCP-Connectoren hinzugefuegt und aktualisiert werden koennen. - MCP-URL eintragen.
Verwende die oeffentliche HTTPS-URL deines MCP-Endpunkts, nicht eine lokale Adresse. - Aktionen aktualisieren.
Pruefe, ob ChatGPT echte Aktionen wie Crawl starten, Export abrufen, Crawl loeschen oder Reports ausgeben sieht. - Mit einer kleinen Aufgabe testen.
Frage zuerst einen einfachen Status oder Report ab, bevor du einen vollstaendigen Crawl startest.
Schritt 2: Den MCP-Server erreichbar machen
ChatGPT kann keinen Connector aufrufen, der nur lokal unter localhost laeuft. Fuer lokale Experimente ist das der groesste Reibungspunkt. Der MCP-Server muss ueber einen oeffentlichen HTTPS-Endpunkt erreichbar sein. In meinem Setup nutze ich Cloudflare-Infrastruktur und eine oeffentliche Connector-URL, damit ChatGPT Desktop den MCP-Server sicher erreichen kann.
An dieser Stelle entstehen auch viele Meldungen wie "unsafe URL" oder "not reachable". ChatGPT erwartet eine gueltige HTTPS-URL und eine Antwort, die zum Connector-Protokoll passt. Ein lokaler HTTP-Endpunkt, ein Tunnel mit falschem Ziel oder ein Endpunkt mit unerwarteten Redirects kann die Verbindung scheitern lassen, obwohl der MCP-Server lokal funktioniert.
Schritt 3: Screaming Frog mit ChatGPT verbinden
Screaming Frog ist fuer technische SEO der wichtigste Teil dieses Setups. Der SEO Spider versteht Crawls, Statuscodes, Canonicals, Indexierbarkeit, Headings, Metadaten, Bilder, strukturierte Daten und viele weitere Signale bereits sehr gut. Die MCP-Schicht stellt diese Funktionen als Aktionen bereit, die ChatGPT aufrufen kann.
Das Ziel ist nicht, Screaming Frog zu ersetzen. Das Ziel ist, ChatGPT den Crawl steuern und die Ergebnisse interpretieren zu lassen. Ein typischer Ablauf sieht so aus:
- Crawl fuer eine Domain starten.
ChatGPT ruft die Crawl-Aktion mit einer Start-URL wiehttps://automatedweb.netauf. - Bis zum Abschluss pollen.
Der Assistent wartet, bis der Crawl fertig ist, statt Reports zu frueh abzufragen. - Crawl-Uebersicht abrufen.
Dazu gehoeren URL-Anzahl, interne URLs, HTML-Seiten, Indexierbarkeit und Statuscode-Verteilung. - Fokussierte Reports exportieren.
Statuscodes, Titles, Meta Descriptions, H1, Canonicals, hreflang, Bilder und strukturierte Daten werden getrennt ausgewertet. - Findings priorisieren.
ChatGPT trennt kritische technische Probleme von niedriger priorisierten Verbesserungen.
Genau beim letzten Schritt wird ChatGPT nuetzlich. Ein Screaming-Frog-Export kann schnell hunderte Zeilen enthalten. ChatGPT kann die Befunde nach Wirkung gruppieren, erklaeren, warum ein Problem relevant ist, und daraus eine Aufgabenliste machen, die sich leichter umsetzen laesst.
Schritt 4: SISTRIX fuer Suchkontext ergaenzen
Ein Crawl zeigt, was technisch auf der Website passiert. SISTRIX hilft einzuschaetzen, welche Themen, URLs und Wettbewerber in der Suche wichtig sind. Die Kombination ist stark: Ein technisches Problem auf einer rechtlichen Pflichtseite ist nicht automatisch so wichtig wie ein Canonical- oder Title-Problem auf einer Seite mit Rankings oder Business-Wert.
Mit SISTRIX kann ChatGPT Fragen beantworten wie:
- Fuer welche Keywords rankt diese Domain bereits?
- Welche Wettbewerber haben fuer ein Thema mehr Sichtbarkeit?
- Welche URLs sollten nach einem technischen Crawl zuerst optimiert werden?
- Wo sollte Content-Optimierung beginnen?
- Welche Keyword-Cluster brauchen einen eigenen Artikel oder eine eigene Landingpage?
Das bedeutet nicht, dass ChatGPT SEO-Entscheidungen blind treffen sollte. Es bedeutet, dass der Assistent Daten zusammenfuehren kann, die sonst zwischen mehreren Tools kopiert werden.
Schritt 5: Firecrawl oder Scraper fuer Content-Pruefungen nutzen
Screaming Frog ist stark fuer technische Crawls. Ein Web Scraper wie Firecrawl ist hilfreich, wenn der Assistent Seiteninhalte in strukturierter Form lesen soll. ChatGPT kann damit sichtbaren Text pruefen, Headings vergleichen, duenne Inhaltsbereiche erkennen, Seitenintentionen zusammenfassen oder wiederkehrende Template-Muster extrahieren.
In der Praxis ist Firecrawl fuer mich ein unterstuetzendes Werkzeug. Screaming Frog bleibt der technische Kern-Crawler. SISTRIX liefert Suchkontext. Firecrawl hilft, wenn Inhalte direkt gelesen, zusammengefasst oder verglichen werden sollen.
Was angepasst werden musste
Der Screaming Frog MCP lief nicht komplett ohne Anpassungen. Bevor er in ChatGPT Desktop verlaesslich nutzbar war, waren mehrere praktische Schritte noetig.
- Der Endpunkt musste oeffentlich sein. Lokales HTTP reicht nicht. Der Connector braucht eine erreichbare HTTPS-URL.
- Das Action-Schema musste klar sein. ChatGPT braucht Aktionsnamen und Beschreibungen, die konkret genug sind, um das richtige Werkzeug zu waehlen.
- Der Crawl-Workflow musste explizit sein. Crawl starten, Status pollen, Reports exportieren und erst dann zusammenfassen. Wenn diese Reihenfolge nicht klar ist, fragt der Assistent Reports zu frueh ab.
- Die Session musste stabil bleiben. Ein Fehler wie "No valid session ID provided" bedeutet meist, dass Crawl-Zustand nicht sauber uebergeben oder wiederhergestellt wird.
- Reports sollten nach Thema getrennt sein. Ein riesiger Export ist weniger hilfreich als getrennte Checks fuer Statuscodes, Titles, Descriptions, H1, Canonicals, hreflang, Bilder und strukturierte Daten.
Das sind keine exotischen Engineering-Probleme. Es sind vor allem Workflow-Probleme. ChatGPT braucht Werkzeuge, die die richtigen Aktionen bereitstellen, und genug Kontext, um diese Aktionen in der richtigen Reihenfolge zu nutzen.
Beispiel-Workflow fuer einen technischen SEO-Crawl
Wenn der Connector stabil laeuft, wird der eigentliche SEO-Workflow einfach. Ich bitte ChatGPT, die Domain zu crawlen, bis zum Abschluss zu warten und danach einen strukturierten Report zu erstellen. Ein guter Prompt nennt die Exporte und das erwartete Ergebnis sehr konkret.
Starte einen Screaming-Frog-Crawl fuer https://automatedweb.net.
Warte, bis der Crawl abgeschlossen ist.
Hole danach die Uebersicht und fokussierte Reports fuer:
- Statuscodes
- Titles
- Meta Descriptions
- H1
- Canonicals
- hreflang
- Bilder
- strukturierte Daten
Fasse die Findings nach Prioritaet zusammen.
Trenne kritische technische Probleme von Nice-to-have-Verbesserungen.
Gib mir eine konkrete Umsetzungsliste.Dieser Prompt macht den Ablauf vorhersehbar. Er sagt ChatGPT, dass es nicht nach dem ersten Crawl-Status stoppen und keinen Report auf Basis unvollstaendiger Daten schreiben soll.
Was ChatGPT in diesem Setup gut kann
ChatGPT ist stark beim Zusammenfuehren von Informationen. Es kann mehrere Exporte lesen, wiederkehrende Muster erkennen und die praktische Bedeutung erklaeren. Zum Beispiel kann es verstehen, dass ein Canonical-Problem, ein hreflang-Fehler und eine Sitemap-Inkonsistenz alle auf dasselbe Grundproblem bei der URL-Normalisierung hinweisen.
Auch bei der Uebersetzung technischer Daten in Aufgaben ist ChatGPT nuetzlich. Statt nur zu sagen "Meta Descriptions sind zu lang", kann es betroffene URLs auflisten, kuerzere Vorschlaege machen und erklaeren, welche Seiten zuerst bearbeitet werden sollten.
In einem reifen Workflow kann ChatGPT unterstuetzen bei:
- technischen SEO-Audits
- Crawl-Zusammenfassungen
- hreflang- und Canonical-Pruefungen
- Empfehlungen fuer strukturierte Daten
- Content-Qualitaetspruefungen
- Checks der internen Verlinkung
- SEO-Briefings fuer neue Artikel
- priorisierten Umsetzungsliste
Wo weiterhin menschliche Pruefung noetig ist
Dieses Setup ersetzt keine SEO-Erfahrung. ChatGPT kann Daten falsch interpretieren, kleine Warnungen ueberbewerten oder Business-Kontext uebersehen. Es kann auch Empfehlungen geben, die technisch korrekt, aber strategisch unwichtig sind.
Ich nutze den Assistenten deshalb als Arbeitsebene, nicht als letzte Instanz. Die besten Ergebnisse entstehen, wenn ChatGPT die Analyse vorbereitet und ein Mensch die Priorisierung prueft. Besonders wichtig ist das bei Canonical-Regeln, internationalem SEO, Migrationen, Noindex-Entscheidungen und Content-Strategie.
Empfohlenes Tool fuer die Umsetzung
Fuer die technische Umsetzung selbst empfehle ich Codex. In diesem Setup hat Codex geholfen, das lokale Projekt, Cloudflare-Deployment, D1-Content-Updates, statische Assets, Video-Einbindung und Template-Fixes miteinander zu verbinden. Genau dort ist ein Coding-Assistent stark: nicht nur Text schreiben, sondern die Website wirklich anpassen, den Build pruefen und das Ergebnis deployen.
ChatGPT ist die SEO-Arbeitsoberflaeche. Codex ist das Umsetzungswerkzeug. Screaming Frog, SISTRIX und Firecrawl liefern die Daten. Wenn diese Rollen klar getrennt sind, bleibt der Workflow kontrollierbar.
Fazit
Ja, der neue Screaming Frog MCP laeuft auch unter ChatGPT. Aber es reicht nicht, einfach nur eine Connector-URL einzutragen. Noetig sind Entwicklermodus, ein oeffentlicher HTTPS-Endpunkt, saubere Action-Beschreibungen, stabile Session-Verarbeitung und ein klarer Crawl-Ablauf.
Wenn diese Bausteine stehen, wird ChatGPT zu einer praktischen SEO-Oberflaeche. Es kann Crawls starten oder interpretieren, technische Daten mit Suchkontext verbinden und lange Exporte in einen priorisierten Aktionsplan uebersetzen. Genau darin liegt der Wert: weniger verstreute Tools, weniger manuelles Copy-and-paste und ein klarerer Weg von Crawl-Daten zur Umsetzung.