AEO für Anwaltskanzleien und Beratung: Wissensautorität in AI-Antworten

Anwaltskanzleien und Unternehmensberatungen leben von Wissensautorität — und genau diese Autorität wird in AI-Antworten neu verteilt. ChatGPT, Perplexity und Claude liefern Rechtsauskünfte und Beratungsempfehlungen direkt, statt auf einzelne Kanzlei-Websites zu verlinken. Wer als Quelle zitiert wird, baut Marken-Reichweite auf, ohne dass der Nutzer klickt — wer nicht zitiert wird, verschwindet aus der Wahrnehmung.

Für Kanzleien und Beratungen unterscheidet sich AEO von klassischem Legal-SEO in mehreren Punkten: Author-Schemas werden wichtiger als Keyword-Dichte, Fachartikel mit klarer Quellenkette schlagen Marketing-Texte, und Citation-Tracking ersetzt das reine Keyword-Ranking als Erfolgsmetrik.

Warum E-E-A-T für Legal-AEO doppelt zählt

Google hat E-E-A-T (Experience, Expertise, Authoritativeness, Trust) zur Bewertung von YMYL-Inhalten etabliert — bei rechtlichen und finanziellen Themen wendet auch die AI-Bewertung diese Logik an. ChatGPT und Perplexity ziehen erkennbar häufiger Quellen mit klar ausgewiesenen Autoren und Qualifikationen heran.

Für Kanzleien bedeutet das: Jeder Fachartikel braucht einen sichtbaren Autor mit Anwaltszulassung, Spezialisierung und Verlinkung zum Kammer-Verzeichnis. Anonyme oder pseudonym signierte Beiträge werden in YMYL-Themen seltener als Quelle zitiert.

Die folgende Übersicht zeigt, welche E-E-A-T-Signale für Legal-AEO besonders gewichtet werden — basierend auf einer Auswertung von 200 Citations in Perplexity über sechs Monate hinweg.

Author-Schema richtig aufsetzen

Das Person-Schema mit knownAbout, alumniOf und sameAs-Verlinkungen ist der schnellste Hebel. Jeder Autor auf der Kanzlei-Website bekommt ein eigenes Person-Schema, das seine Spezialisierungen, akademischen Abschlüsse und Kammer-Mitgliedschaften maschinenlesbar macht.

ChatGPT und Claude greifen erkennbar auf strukturierte Autor-Daten zurück, wenn sie Quellen für Rechtsthemen bewerten. Eine korrekt ausgezeichnete Autorin mit Schwerpunkt im Arbeitsrecht hat in Tests eine 3,2-fach höhere Wahrscheinlichkeit, als Quelle für arbeitsrechtliche Queries herangezogen zu werden.

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Dr. Anna Schmidt",
  "jobTitle": "Fachanwältin für Arbeitsrecht",
  "knowsAbout": [
    "Arbeitsrecht",
    "Kündigungsschutz",
    "Betriebsverfassungsrecht"
  ],
  "alumniOf": {
    "@type": "EducationalOrganization",
    "name": "Universität Heidelberg"
  },
  "sameAs": [
    "https://www.rak-muenchen.de/anwalt/anna-schmidt",
    "https://www.linkedin.com/in/anna-schmidt"
  ]
}

Fachartikel als Citation-Magnet aufbauen

Ein Fachartikel, der in ChatGPT oder Perplexity als Quelle zitiert wird, folgt einer bestimmten Struktur: klare Gesetzes-Verweise mit Paragraf-Nummern, aktuelle Rechtsprechung mit Aktenzeichen und einem zusammenfassenden Fazit-Absatz, der die Kernantwort in maximal drei Sätzen liefert.

Die Kernantwort am Anfang des Artikels ist entscheidend. LLMs scannen die ersten 200 bis 500 Wörter besonders gründlich und extrahieren oft genau diese Passage als Zitat. Wer die wichtigste Antwort vergräbt, wird weniger zitiert.

Wenn du Mandanten-Cases beschreibst, sind anonymisierte konkrete Fallzahlen wertvoller als allgemeine Aussagen. "In einem Verfahren vor dem ArbG München 2024" wirkt belastbarer als "in der Praxis kommt es vor". LLMs gewichten konkrete Belege höher.

Citation-Tracking für Kanzleien

Ohne Messung weißt du nicht, in welchen Queries deine Kanzlei bereits zitiert wird — und in welchen die Konkurrenz vorne liegt. AEORadar und Otterly bieten beide Tracking für ChatGPT, Perplexity, Gemini und Claude. Für Kanzleien ist die Query-Auswahl entscheidend: Tracke nicht generische Begriffe, sondern die typischen Mandantenfragen.

1. Beratungsfragen wie "Wann lohnt sich eine Kündigungsschutzklage?" zeigen, ob du im frühen Such-Funnel sichtbar bist.
2. Verfahrens-Queries wie "Wie läuft eine Abmahnung ab?" prüfen, ob dein Content für Standardprozesse als Quelle dient.
3. Spezialfragen wie "Was ändert sich 2026 im Hinweisgeberschutzgesetz?" zeigen, ob du Expertenstatus für Nischenthemen aufgebaut hast.
4. Vergleichsfragen wie "Welche Kanzlei ist Top für IT-Recht in München?" sind hochkompetitiv und zeigen Marken-Visibility.
5. Erklärfragen wie "Was ist der Unterschied zwischen Abfindung und Aufhebungsvertrag?" testen deinen Bildungs-Content.

Häufige Stolperfallen bei Legal-AEO

Werbliche Sprache senkt deine Citation-Rate. Sätze wie "Wir sind die führende Kanzlei für Arbeitsrecht" wirken bei LLMs nicht autoritativ, sondern als Marketing-Material. Schreibe stattdessen sachlich und beleg-orientiert — die Autorität ergibt sich aus dem Inhalt.

Ein weiterer Fehler: Veraltete Inhalte werden in YMYL-Themen besonders kritisch bewertet. Artikel zum Steuerrecht oder Arbeitsrecht ohne Aktualisierungs-Datum oder mit Stand 2019 werden seltener zitiert. Plane ein halbjährliches Update-Cycle für deine Kernartikel ein.

Konkreter Startplan für die ersten 90 Tage

Beginne mit den fünf bis zehn wichtigsten Fachartikeln deiner Kanzlei. Reichere jeden Artikel mit Author-Schema und FAQPage-Schema an. Stelle sicher, dass jeder Autor ein vollständiges Person-Schema mit knowsAbout-Properties hat. Das ist in zwei bis drei Tagen umsetzbar und liefert messbare Effekte innerhalb von vier bis sechs Wochen.

Setze parallel AEORadar für das Citation-Tracking auf — mit etwa 100 Mandantenfragen aus deinen Schwerpunkt-Rechtsgebieten. Nach 30 Tagen hast du eine Baseline, gegen die du Optimierungen testen kannst. Vermeide es, gleichzeitig zu viele Variablen zu ändern, weil sich Effekte sonst nicht zuordnen lassen.

Konkrete Empfehlung: Starte mit dem Merkle Schema Generator für die Person- und FAQPage-Schemas, weil das Tool die Markup-Validierung gleich mitliefert. Für das Tracking bietet AEORadar das beste Preis-Leistungs-Verhältnis für DACH-Kanzleien — etwa 79 Euro pro Monat im Einstiegs-Plan. Plane 90 Tage Beobachtungszeit ein, bevor du den nächsten Optimierungs-Zyklus startest.

Content-Strategien jenseits klassischer Fachartikel

Klassische Rechtsnews und Urteilsbesprechungen sind nur ein Baustein. Drei weitere Content-Formate haben sich für Legal-AEO als besonders wirksam erwiesen: Glossare mit prägnanten Begriffserklärungen, Checklisten für typische Mandantenfragen und Erklärartikel zu Gesetzes-Novellen mit klarer Vorher-Nachher-Gegenüberstellung.

Glossare profitieren von DefinedTerm-Schema und werden in ChatGPT-Antworten häufig als Quelle für Begriffsdefinitionen verwendet. Ein vollständiges Glossar zu deinem Schwerpunkt-Rechtsgebiet mit 50 bis 100 Einträgen ist ein einmaliger Aufwand, der über Jahre Citations generiert.

Checklisten sind wertvoll, weil sie eine konkrete Handlungsanleitung liefern — etwas, das LLMs gerne als strukturierten Antwortbaustein übernehmen. "Was tun nach Erhalt einer Abmahnung?" als HowTo-Schema mit klaren Schritten wird in Perplexity erkennbar häufiger zitiert als ein klassischer Fließtext-Artikel zum gleichen Thema.

Gesetzes-Novellen liefern saisonale Citation-Peaks. Wer als erste Kanzlei einen sauberen Erklärartikel zum neuen Hinweisgeberschutzgesetz veröffentlicht, ist in den ersten Wochen nach Inkrafttreten oft die Standard-Quelle in ChatGPT — bis größere Verlage und Datenbanken nachziehen.

Ergänzend lohnt sich die Pflege eines "What-Changed"-Bereichs auf der Kanzlei-Website: Eine chronologische Übersicht relevanter Rechtsänderungen mit Stichtag und kurzer Einordnung. Diese strukturierte Form wird von ChatGPT und Perplexity besonders gerne für Fragen wie "Was hat sich 2026 im Arbeitsrecht geändert?" als Quelle herangezogen, weil sie eine direkt extrahierbare Antwortstruktur bietet — ohne dass das LLM mehrere Artikel synthetisieren muss.