Python für SEO: Einsteiger-Leitfaden zum Schreiben von Skripten mit ChatGPT oder Claude

Python für SEO bedeutet, mit kurzen Skripten die repetitiven Teile der Suchmaschinenarbeit zu erledigen: Hunderte URLs prüfen, Titles und Meta Descriptions auslesen und Search-Console-Exporte schneller auswerten, als es eine Tabellenkalkulation erlaubt. Sie müssen kein Entwickler werden, um davon zu profitieren. 2026 können Sie ChatGPT oder Claude die Aufgabe in einfachen Worten beschreiben, ein funktionierendes Skript zurückbekommen, es ausführen und das Ergebnis prüfen.

Die entscheidende Fähigkeit ist nicht, Syntax auswendig zu lernen. Es geht darum zu wissen, wonach Sie fragen, wie Sie den Code sicher ausführen und wie Sie erkennen, ob die Ausgabe stimmt. Ein Einsteiger, der ein Skript mit 20 Zeilen lesen und einen falschen Spaltennamen erkennen kann, schafft mehr als jemand, der Code blind kopiert.

Dieser Leitfaden bietet Ihnen ein Setup, das etwa zehn Minuten dauert, ein Prompt-Muster, das brauchbare Skripte liefert, und vier getestete Beispiele, die Sie heute ausführen können: einen Statuscode-Checker, ein Tool zum Auslesen von Title und Meta Description, einen Finder für “Striking Distance”-Keywords in Search-Console-Daten und einen Zeitraumvergleich, der zeigt, welche Seiten Klicks verloren haben.

Jedes der folgenden Skripte wurde vor der Veröffentlichung mit Beispieldaten ausgeführt. Sie können es also als Ausgangspunkt kopieren und mit Ihrem KI-Assistenten anpassen.

Was kann Python für SEOs tatsächlich leisten?

Python ist dort am nützlichsten, wo Sie dieselbe Prüfung für viele Datenzeilen wiederholen. Wenn eine Aufgabe in der Tabellenkalkulation länger als eine Stunde dauert oder Sie sie jeden Monat erledigen, ist sie ein Kandidat für ein Skript.

Typische einsteigerfreundliche Aufgaben:

• Statuscodes und Weiterleitungen für eine URL-Liste nach einer Migration prüfen
• Titles, Meta Descriptions, H1-Überschriften oder Canonical-Tags vieler Seiten auslesen
• Search-Console-Exporte nach Suchanfrage, Seite oder Muster filtern und gruppieren
• Zwei Zeiträume vergleichen, um Seiten oder Suchanfragen mit Traffic-Verlust zu finden
• Daten aus verschiedenen Tools über eine gemeinsame URL-Spalte zusammenführen
• Mehr Zeilen aus der Search Console abrufen, als die Oberfläche exportieren lässt

Python ersetzt keinen Crawler wie Screaming Frog und keine All-in-one-Plattform. Es füllt die Lücken dazwischen: die einmalige Frage, die Ihr Tool nicht beantwortet, oder den Bericht, den Sie jeden Monat gleich erstellen. Unsere Liste der SEO-Tools, die wir nutzen, deckt die kommerzielle Seite des Stacks ab.

Müssen Sie programmieren können, bevor Sie anfangen?

Nein, aber Sie müssen Code gut genug lesen können, um ihn zu prüfen. KI-Assistenten schreiben schnell plausiblen Code, und plausibel ist nicht dasselbe wie korrekt. Ein Skript kann ohne Fehler laufen und trotzdem die falsche Spalte zählen oder die Hälfte Ihrer URLs überspringen.

Ein realistisches Ziel für Einsteiger: Sie können ein Skript öffnen, die Stelle finden, an der es die Eingabedatei liest, sehen, welche Spalten es nutzt, und verstehen, was es ausgibt. Dafür reichen ein paar Abende, nicht Monate. Bitten Sie den Assistenten, jeden Block zu kommentieren, und lassen Sie sich jede Zeile erklären, die Sie nicht verstehen.

Drei Gewohnheiten schützen Sie vor den meisten Fehlern:

1. Testen Sie zuerst mit einer kleinen Stichprobe. Führen Sie das Skript mit 10 URLs oder 20 Zeilen aus, bei denen Sie die Antwort bereits kennen.
2. Prüfen Sie die Ausgabe stichprobenartig. Öffnen Sie drei Ergebnisse manuell im Browser oder im Originalexport und vergleichen Sie.
3. Geben Sie niemals Zugangsdaten preis. Fügen Sie in einen KI-Chat keine API-Keys, Kundenpasswörter oder personenbezogenen Daten aus Exporten ein.

Was ist das einfachste Setup für SEO-Skripte?

Sie haben zwei gute Optionen: ein Notebook im Browser ohne Installation oder Python auf Ihrem eigenen Computer.

Die Beispiele in diesem Leitfaden nutzen drei Bibliotheken. requests ruft Webseiten ab. Beautiful Soup (Paketname beautifulsoup4) liest HTML und findet Tags. pandas arbeitet mit Tabellen, und die meisten SEO-Daten sind Tabellen. Alle drei sind kostenlos, umfassend dokumentiert und KI-Assistenten bestens bekannt, weshalb generierter Code, der sie nutzt, meist zuverlässig ist.

Wie sollten Sie ChatGPT oder Claude prompten, um ein SEO-Skript zu schreiben?

Beschreiben Sie Eingabe, Ausgabe und Sonderfälle, nicht nur das Ziel. “Schreib ein Python-Skript, das meine URLs prüft” liefert generischen Code. Ein konkreter Prompt liefert etwas, das Sie beim ersten Versuch ausführen können.

Eine Prompt-Struktur, die gut funktioniert:

1. Kontext: “Ich bin SEO, kein Entwickler. Ich führe Python 3 lokal aus.”
2. Eingabe: “Ich habe eine Datei urls.txt mit einer URL pro Zeile.” Oder fügen Sie die Kopfzeile und zwei Beispielzeilen Ihrer CSV ein.
3. Aufgabe: “Erfasse für jede URL den HTTP-Statuscode, ohne Weiterleitungen zu folgen, und das Weiterleitungsziel, falls vorhanden.”
4. Ausgabe: “Speichere eine CSV mit den Spalten url, status, redirect_to_or_error und gib die Ergebnisse aus.”
5. Sonderfälle: “Brich nicht ab, wenn eine URL ein Timeout hat oder die Domain nicht aufgelöst wird. Verwende ein Timeout von 10 Sekunden.”
6. Vorgaben: “Verwende nur requests, Beautiful Soup und pandas. Füge über jedem Block einen Kommentar ein.”

Wenn das Skript fehlschlägt, fügen Sie die vollständige Fehlermeldung in den Chat ein und sagen Sie, was Sie ausgeführt haben. ChatGPT und Claude können ihren eigenen Code gut korrigieren, wenn sie den genauen Traceback sehen. Wenn die Ausgabe falsch aussieht, statt abzustürzen, beschreiben Sie, was Sie erwartet und was Sie bekommen haben, mit einer Beispielzeile.

Die vier folgenden Beispiele sind auf diese Weise entstanden und wurden anschließend gekürzt und getestet.

Beispiel 1: Wie prüfen Sie Statuscodes für eine URL-Liste?

Dieses Skript liest URLs aus einer Textdatei, ruft jede ab, ohne Weiterleitungen zu folgen, und speichert die Statuscodes in einer CSV. Es ist das Erste, was Sie nach einer Migration, einer aktualisierten Weiterleitungsliste oder einer Sitemap-Bereinigung ausführen sollten.

Erstellen Sie eine Datei namens urls.txt mit einer URL pro Zeile, speichern Sie das Skript daneben als check_status.py und führen Sie es aus.

import csv
import requests

HEADERS = {"User-Agent": "Mozilla/5.0 (compatible; MySEOCheck/1.0)"}

with open("urls.txt", encoding="utf-8") as f:
    urls = [line.strip() for line in f if line.strip()]

results = []
for url in urls:
    try:
        r = requests.get(url, headers=HEADERS, timeout=10, allow_redirects=False)
        results.append([url, r.status_code, r.headers.get("Location", "")])
    except requests.RequestException as e:
        results.append([url, "ERROR", type(e).__name__])

with open("status_report.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["url", "status", "redirect_to_or_error"])
    writer.writerows(results)

for row in results:
    print(*row, sep="\t")

Worauf Sie in der Ausgabe achten sollten:

• 200: Die Seite lädt. Gut für URLs, die live und indexierbar sein sollen.
• 301 oder 308: permanente Weiterleitung. Prüfen Sie, ob das Ziel in der dritten Spalte die richtige Seite ist und nicht pauschal die Startseite.
• 302 oder 307: temporäre Weiterleitung. Oft ein Zeichen, dass eine permanente Weiterleitung falsch eingerichtet wurde.
• 404 oder 410: Die Seite existiert nicht mehr. In Ordnung, wenn beabsichtigt, ein Problem, wenn die URL in Ihrer Sitemap oder in internen Links steht.
• 5xx oder ERROR: Server- oder Verbindungsproblem. Später erneut ausführen; besteht es weiter, sprechen Sie Ihren Entwickler an.

Das Skript setzt allow_redirects=False bewusst. Wenn Sie requests Weiterleitungen folgen lassen, erscheint eine 301-Kette als 200, und Sie übersehen die Weiterleitung komplett. Bitten Sie Ihren Assistenten um eine Version, die der Kette folgt und jeden Schritt auflistet, wenn Sie Weiterleitungsketten prüfen.

Gehen Sie mit der Anzahl der Anfragen rücksichtsvoll um. Für einige Hundert URLs auf Ihrer eigenen Website ist das unproblematisch. Bei Tausenden bitten Sie den Assistenten, eine kurze Pause zwischen den Anfragen einzubauen, und richten Sie ein solches Skript niemals auf eine Website, für die Sie keine Testerlaubnis haben.

Beispiel 2: Wie lesen Sie Titles und Meta Descriptions in großer Menge aus?

Dieses Skript ruft jede URL ab, liest das HTML mit Beautiful Soup und erfasst Title, Meta Description und deren Längen. So finden Sie schnell fehlende, leere oder doppelte Snippets auf einer Gruppe von Seiten, zum Beispiel bei allen Produkten einer Kategorie.

import csv
import requests
from bs4 import BeautifulSoup

HEADERS = {"User-Agent": "Mozilla/5.0 (compatible; MySEOCheck/1.0)"}

def get_title_and_description(html):
    soup = BeautifulSoup(html, "html.parser")
    title = soup.title.get_text(strip=True) if soup.title else ""
    tag = soup.find("meta", attrs={"name": lambda v: v and v.lower() == "description"})
    description = tag.get("content", "").strip() if tag else ""
    return title, description

with open("urls.txt", encoding="utf-8") as f:
    urls = [line.strip() for line in f if line.strip()]

with open("meta_report.csv", "w", newline="", encoding="utf-8") as out:
    writer = csv.writer(out)
    writer.writerow(["url", "title", "title_length", "description", "description_length"])
    for url in urls:
        try:
            r = requests.get(url, headers=HEADERS, timeout=10)
        except requests.RequestException:
            continue
        if r.status_code != 200:
            continue
        title, desc = get_title_and_description(r.text)
        writer.writerow([url, title, len(title), desc, len(desc)])
        print(url, "|", title or "MISSING TITLE", "|", desc or "MISSING DESCRIPTION")

Zwei Details machen es robuster als den ersten Entwurf, den die meisten Assistenten liefern. Erstens findet es die Meta Description unabhängig von Groß- und Kleinschreibung, weil manche CMS-Templates name="Description" ausgeben. Zweitens überspringt es Antworten, die nicht 200 sind, damit Fehlerseiten den Bericht nicht mit Titles wie “Seite nicht gefunden” verfälschen.

Öffnen Sie meta_report.csv in Ihrer Tabellenkalkulation und sortieren Sie nach title_length und description_length. Null bedeutet: fehlt. Sortieren Sie dann nach Title, um Duplikate zu finden. Die Länge ist nur ein grober Richtwert: Google schreibt Snippets um, wenn ein anderer Text besser zur Suchanfrage passt. Betrachten Sie das also als Hygieneprüfung, nicht als Ranking-Lösung. Unser Leitfaden zur Onpage-Optimierung erklärt, was Sie schreiben sollten, sobald Sie wissen, welche Seiten Arbeit brauchen.

Eine Einschränkung: requests lädt das rohe HTML herunter, Titles, die erst nach dem Laden per Skript eingefügt werden, erscheinen also nicht. Für stark skriptbasierte Websites brauchen Sie unter Umständen einen Headless-Browser, einen Schritt jenseits des Einsteigerniveaus.

Beispiel 3: Wie finden Sie “Striking Distance”-Keywords in einem Search-Console-Export?

Dieses Skript liest die Datei mit den Suchanfragen aus einem Search-Console-Export und listet Suchanfragen mit nennenswerten Impressionen auf, bei denen Ihre durchschnittliche Position zwischen 4 und 15 liegt. Das sind oft die schnellsten Erfolge: Google hält die Seite bereits für relevant, sie steht aber knapp unterhalb oder am unteren Ende der ersten Seite.

Öffnen Sie in der Search Console den Leistungsbericht, wählen Sie einen Zeitraum, klicken Sie auf Exportieren und wählen Sie CSV. Sie erhalten eine ZIP-Datei mit mehreren CSVs. Dieses Skript nutzt Queries.csv.

import pandas as pd

df = pd.read_csv("Queries.csv")
df.columns = ["query", "clicks", "impressions", "ctr", "position"]
df["ctr"] = df["ctr"].str.rstrip("%").astype(float)

opportunities = df[
    df["position"].between(4, 15) & (df["impressions"] >= 500)
].sort_values("impressions", ascending=False)

print(opportunities.to_string(index=False))
opportunities.to_csv("striking_distance.csv", index=False)

Das Skript benennt die Spalten beim Einlesen um, weil der Export Bezeichnungen wie “Top queries” verwendet und die CTR als Text mit Prozentzeichen speichert. Wenn Sie die CTR in eine Zahl umwandeln, können Sie danach sortieren und filtern. Ist Ihre Search-Console-Oberfläche in einer anderen Sprache, ändern sich die Spaltenbezeichnungen, die Reihenfolge bleibt aber gleich. Deshalb vergibt das Skript die Namen nach Position.

Passen Sie die beiden Schwellenwerte an Ihre Website an. Ein kleines lokales Unternehmen nimmt vielleicht 50 statt 500 Impressionen. Ein großer Shop grenzt den Bereich vielleicht auf die Positionen 5 bis 12 ein. Suchen Sie für jede Suchanfrage in der Ausgabe die rankende Seite und prüfen Sie, ob die Suchanfrage im Title, in der H1 und in den ersten Absätzen tatsächlich beantwortet wird.

Eine wichtige Grenze: Laut Google werden Search-Console-Exporte aus der Oberfläche auf 1.000 Zeilen gekürzt. Für größere Websites liefert die Search Console API bis zu 25.000 Zeilen pro Anfrage, und über den Parameter startRow können Sie weitere Seiten abrufen. Die Einrichtung des API-Zugangs erfordert ein Google-Cloud-Projekt und Zugangsdaten, ein gutes zweites Projekt, sobald Sie sich mit diesen Skripten wohlfühlen.

Beispiel 4: Wie sehen Sie, welche Seiten zwischen zwei Zeiträumen Klicks verloren haben?

Dieses Skript vergleicht zwei Seiten-Exporte aus der Search Console und listet die Seiten mit dem größten Klickverlust auf, neben ihrer durchschnittlichen Position vorher und nachher. Es ist der Kern eines monatlichen SEO-Checks und viel schneller, als Zeilen von Hand abzugleichen.

Exportieren Sie den Seitenbericht zweimal: einmal für den aktuellen Zeitraum (gespeichert als Pages_last.csv) und einmal für den vorherigen Zeitraum (Pages_prev.csv). Verwenden Sie gleich lange Zeiträume, und wenn Ihr Geschäft saisonal ist, vergleichen Sie mit denselben Wochen des Vorjahres.

import pandas as pd

cols = ["page", "clicks", "impressions", "ctr", "position"]
now = pd.read_csv("Pages_last.csv", names=cols, header=0)
before = pd.read_csv("Pages_prev.csv", names=cols, header=0)

merged = now.merge(before, on="page", how="outer", suffixes=("_now", "_before"))
merged[["clicks_now", "clicks_before"]] = merged[["clicks_now", "clicks_before"]].fillna(0).astype(int)
merged["click_change"] = merged["clicks_now"] - merged["clicks_before"]

losers = merged.sort_values("click_change").head(10)
print(losers[["page", "clicks_before", "clicks_now", "click_change",
              "position_before", "position_now"]].to_string(index=False))

Der Outer Merge ist entscheidend. Eine Seite, die aus dem aktuellen Export verschwunden ist, erscheint mit clicks_now als 0 und leerem position_now, genau die Art von Seite, die Sie finden wollen. Eine neue Seite erscheint mit clicks_before als 0. Ein einfacher SVERWEIS in der Tabellenkalkulation verdeckt oft beide Fälle.

Lesen Sie die Ausgabe paarweise. Verlorene Klicks bei schlechterer Position deuten auf ein Ranking-Problem hin: Prüfen Sie die Seite, ihre Wettbewerber und kürzliche Änderungen. Verlorene Klicks bei stabiler Position bedeuten meist weniger Suchen oder eine veränderte Ergebnisseite, etwa eine neue AI Overview oder mehr Anzeigen. Unser Leitfaden zum Tracking von SEO-Ergebnissen zeigt, wie Sie diese Ursachen trennen.

Welche SEO-Aufgaben sollten Sie als Nächstes skripten, und welche überlassen Sie Tools?

Skripten Sie Aufgaben, die speziell für Ihre Website oder Ihr Reporting sind; kaufen Sie Tools für Aufgaben, die Skalierung oder Infrastruktur brauchen.

Gute nächste Projekte: Suchanfragen nach einem enthaltenen Wort gruppieren, etwa “Preis” oder einem Stadtnamen, und Seitendaten aus der Search Console mit GA4-Conversions über die URL verknüpfen.

Wie nutzen Sie KI-Assistenten, um Code zu verstehen und nicht nur zu schreiben?

Fragen Sie nach Erklärungen auf dem Niveau, das Sie brauchen, und testen Sie Ihr Verständnis, indem Sie eine Sache ändern. Fügen Sie ein Skript ein und fragen Sie: “Erkläre das Zeile für Zeile für jemanden, der Excel kennt, aber kein Python.” Stellen Sie dann eine konkrete Frage, etwa “Was müsste ich ändern, um auch die H1 auszulesen?”, und nehmen Sie die Änderung selbst vor, bevor Sie nach der Lösung fragen.

Die wertvollste Nachfrage lautet: “Was könnte dazu führen, dass dieses Skript ohne Fehlermeldung falsche Ergebnisse liefert?” Sie bringt den Assistenten dazu, stille Fehlerquellen aufzulisten, etwa falsche Zeichenkodierung, doppelte Zeilen oder einen Filter, der mehr entfernt als erwartet.

Wann ist es sinnvoll, Marketer Coffee hinzuzuziehen?

Skripte beantworten Fragen; sie entscheiden nicht, welche Fragen wichtig sind. Marketer Coffee ist eine Agentur für AI SEO und GEO, und wir nutzen diese Art von Automatisierung innerhalb größerer Projekte: technische Bereinigungen, Content-Programme und Arbeit an der KI-Sichtbarkeit. Zwei Ergebnisse unserer Kunden, aus Branchen ohne Bezug zu den Beispielen in diesem Leitfaden:

• Aldi.pl (Einzelhandel). Die organischen Klicks stiegen in 12 Monaten von 367.127 auf 852.724 pro Monat (+132 %), durch Produktinhalte, Product-Schema, eine schlankere Architektur und einheitliche Filialdaten. Zur Aldi-Fallstudie.
• Planika (Designkamine). Sieben für die USA lokalisierte Artikel brachten eine Website, die Google nicht indexiert hatte, auf 1.052 monatliche Besuche aus den USA. Ahrefs verzeichnete 401 Erwähnungen in Google AI Overviews, 136 in Perplexity und 20 in ChatGPT. Zur Planika-Fallstudie.

Zu wem wir passen: Unternehmen mit großen oder internationalen Websites, bei denen Datenarbeit, Content und KI-Suche einen gemeinsamen Plan brauchen. Zu wem wir nicht passen: wer nur ein einzelnes Skript braucht; ein KI-Assistent und dieser Leitfaden helfen Ihnen dann besser und kosten nichts.

Wenn Sie sehen wollen, wie KI-Engines Ihre Website derzeit beschreiben, nutzen Sie unser kostenloses KI-Sichtbarkeits-Audit. Mehr zur Leistung auf unserer Seite zu AI SEO.

Häufige Fragen zu Python für SEO

Lohnt es sich 2026, Python für SEO zu lernen?

Ja, auf Grundlagenniveau. Wenn ChatGPT oder Claude den Großteil des Codes schreiben, liegt der Wert darin zu wissen, wonach Sie fragen und wie Sie das Ergebnis prüfen. Ein paar Abende Übung reichen, um Statusprüfungen, Metadaten-Audits und Search-Console-Berichte zu automatisieren.

Können ChatGPT oder Claude SEO-Skripte schreiben, die beim ersten Versuch funktionieren?

Oft, wenn Sie Eingabedatei, Ausgabespalten und Sonderfälle beschreiben. Testen Sie immer zuerst mit einer kleinen Stichprobe, bei der Sie die Antwort kennen, und fügen Sie die vollständige Fehlermeldung beim Assistenten ein, wenn etwas schiefgeht.

Welche Python-Bibliotheken sollten SEO-Einsteiger zuerst lernen?

requests zum Abrufen von Seiten, Beautiful Soup zum Lesen von HTML und pandas für CSV- und Tabellendaten. Diese drei decken die meisten SEO-Skripte für Einsteiger ab.

Wie bekomme ich mehr als 1.000 Zeilen aus der Search Console?

Der Export aus der Oberfläche wird auf 1.000 Zeilen gekürzt. Die Search Console API liefert bis zu 25.000 Zeilen pro Anfrage und unterstützt das Blättern mit startRow, sodass ein Python-Skript mit der API deutlich größere Datensätze abrufen kann.

Ist es sicher, SEO-Skripte auf beliebige Websites anzuwenden?

Führen Sie sie auf Websites aus, die Ihnen gehören oder für die Sie eine Testerlaubnis haben, halten Sie die Zahl der Anfragen moderat, setzen Sie ein Timeout und bauen Sie bei großen Listen Pausen ein. Teilen Sie niemals API-Keys oder Kundendaten in einem KI-Chat.

Was sollten Sie sich zu Python für SEO merken?

Fangen Sie klein an, testen Sie mit Daten, die Sie kennen, und lassen Sie den KI-Assistenten tippen, während Sie denken. Die vier Skripte in diesem Leitfaden decken die häufigsten Einsteigerbedürfnisse ab: Statuscodes, Metadaten, Striking-Distance-Suchanfragen und Zeitraumvergleiche. Jedes ersetzt eine wiederkehrende Aufgabe in der Tabellenkalkulation und lässt sich Prompt für Prompt erweitern.

Wenn Sie lieber ein Team möchten, das diese Art von Analyse mit Content- und KI-Suchstrategie verbindet: Kostenlose Beratung buchen.

Quellen: Google Search Console Hilfe, “Daten direkt aus einem Search-Console-Bericht exportieren” (Exportlimit von 1.000 Zeilen); Google for Developers, Search Console API, Search Analytics: query reference (rowLimit 1 bis 25.000, startRow); offizielle Dokumentation von requests, Beautiful Soup und pandas; von Marketer Coffee mit Beispieldaten und Python 3.13 getestete Skripte (November 2026); Marketer Coffee, Fallstudien zu Aldi und Planika (andere Branchen).