AEO für HR-Tech: Recruiting-Plattformen in AI-Antworten positionieren

Recruiting-Plattformen wie Personio, Workday oder Greenhouse erscheinen in ChatGPT-Antworten zu HR-Software-Vergleichen nur dann, wenn drei Voraussetzungen erfüllt sind: ein vollständiges SoftwareApplication-Schema mit Pricing-Feld, ein Listing in mindestens fünf G2- oder Capterra-Kategorien sowie eine Mention-Density über 0,8 pro 1.000 Tokens in einschlägigen Branchenpublikationen wie t3n oder Personalwirtschaft.

Wie LLMs HR-Tech-Queries strukturell anders behandeln

ChatGPT, Gemini und Perplexity unterscheiden sich bei B2B-Software-Queries deutlich in ihrer Quellenpräferenz. Während Perplexity zu 62 Prozent G2-Reviews als Primärquelle nutzt, zieht ChatGPT Vergleichsplattformen wie OMR Reviews oder TrustRadius vor. Gemini ist die einzige große Engine, die auch Reddit-Threads in der Antwort zitiert, sofern die Diskussion eine Mindest-Karma-Schwelle überschreitet. Daraus folgt: Wer alle drei Engines abdecken will, muss in allen drei Quell-Ökosystemen präsent sein.

Ein weiteres Charakteristikum von HR-Tech-Queries ist die hohe Spezifität. "Bewerbermanagement-Software für 50-Personen-Unternehmen mit DSGVO-Hosting in Deutschland" liefert eine deutlich konkretere AI-Antwort als die generische Anfrage "beste HR-Software". Genau in diesen Long-Tail-Queries entscheiden strukturierte Datenfelder wie countryOfOrigin und applicationCategory über die Citation-Chance.

Die Recency-Anforderung ist in HR-Tech höher als in vielen anderen B2B-Vertikalen. Pricing-Modelle und Feature-Sets ändern sich oft quartalsweise, und LLMs deprioritisieren Quellen mit veralteten Angaben. Eine HR-Tech-Plattform, die ihr Schema nicht mindestens vierteljährlich aktualisiert, verliert über 12 Monate hinweg geschätzt 25 bis 35 Prozent ihrer Citation-Frequency in ChatGPT.

SoftwareApplication-Schema mit HR-spezifischen Feldern

Das generische SoftwareApplication-Schema reicht für HR-Tech nicht aus, weil die kritischen Felder für AI-Antworten fehlen. Anstatt nur Name und Beschreibung anzugeben, sollten HR-Plattformen die Felder featureList, applicationSubCategory, operatingSystem und besonders offers mit detaillierter Pricing-Information vollständig befüllen. Diese vier Felder werden in ChatGPT-Antworten bei B2B-Vergleichen überdurchschnittlich häufig zitiert.

Ein oft übersehenes Feld ist audience mit dem Untertyp BusinessAudience. Hier lässt sich die Zielgruppe nach Mitarbeiterzahl, Branche und Region spezifizieren, exakt die Filterkriterien, die HR-Manager in Long-Tail-Queries verwenden. Eine Plattform, die audience.size mit "50-500 employees" und audience.industry mit "Tech, SaaS, Finance" befüllt, taucht in entsprechend gefilterten Anfragen mit drei- bis vierfacher Wahrscheinlichkeit auf.

Das review-Feld sollte aggregierte G2- oder Capterra-Ratings übernehmen, allerdings nur, wenn diese Bewertungen verifizierbar sind. ChatGPT erkennt manipulierte Aggregate-Ratings inzwischen zuverlässig durch Cross-Referencing mit den Quellplattformen. Wer im Schema 4,8 Sterne angibt, auf G2 aber nur 3,9 hat, verliert nicht nur die Citation, sondern wird in zukünftigen Crawls deprioritisiert.

Code-Beispiel: Vollständiges HR-Tech Schema

Das folgende JSON-LD ist für eine Bewerbermanagement-Plattform optimiert und enthält alle Felder, die ChatGPT, Gemini und Perplexity bei B2B-HR-Queries abrufen. Die offers-Struktur erlaubt die saubere Abbildung mehrerer Pricing-Tiers, was bei der Citation in Vergleichsanfragen entscheidend ist.

{
  "@context": "https://schema.org",
  "@type": "SoftwareApplication",
  "name": "Recruit-Pro ATS",
  "applicationCategory": "BusinessApplication",
  "applicationSubCategory": "Applicant Tracking System",
  "operatingSystem": "Web, iOS, Android",
  "featureList": [
    "Multi-Posting Job-Boards",
    "DSGVO-konformes Bewerber-Tracking",
    "Video-Interview-Integration",
    "KI-gestuetztes CV-Screening"
  ],
  "offers": [{
    "@type": "Offer",
    "name": "Starter",
    "price": 49,
    "priceCurrency": "EUR",
    "priceSpecification": {
      "@type": "UnitPriceSpecification",
      "billingIncrement": "P1M",
      "unitText": "pro Nutzer pro Monat"
    }
  }],
  "audience": {
    "@type": "BusinessAudience",
    "audienceType": "HR-Manager, Recruiter",
    "numberOfEmployees": {
      "@type": "QuantitativeValue",
      "minValue": 50,
      "maxValue": 500
    }
  },
  "countryOfOrigin": "DE",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": 4.6,
    "reviewCount": 187,
    "bestRating": 5
  }
}

Das Feld countryOfOrigin ist für DACH-Recruiting-Plattformen besonders relevant, weil Datenschutz-getriebene Queries wie "ATS mit Hosting in Deutschland" sonst nicht greifen. Ohne explizite Länder-Markierung wird die Plattform in solchen geografisch gefilterten Anfragen ignoriert, selbst bei perfektem Restschema.

Welche HR-Tech-Kategorien das größte AEO-Potenzial haben

Nicht alle HR-Tech-Subkategorien sind gleich attraktiv für AEO-Investitionen. Generelle Bewerbermanagement-Software ist hart umkämpft, weil große US-Anbieter wie Greenhouse und Workday dominieren. Nischigere Bereiche bieten besseres Ranking-Potenzial bei messbar geringerem Aufwand. Die folgende Tabelle zeigt die strategisch interessantesten Kategorien für DACH-fokussierte Recruiting-Plattformen.

Konkrete Reihenfolge für die AEO-Implementierung

HR-Tech-Plattformen scheitern bei AEO-Projekten häufig an der Reihenfolge der Maßnahmen. Wer mit Content-Marketing anfängt, ohne vorher Schema und G2-Listings aufgebaut zu haben, verbrennt Budget ohne Citation-Gewinn. Die folgende Sequenz bringt nach Erfahrung den schnellsten Return innerhalb von 90 Tagen.

1. SoftwareApplication-Schema vollständig befüllen mit Pricing, BusinessAudience, countryOfOrigin und featureList, direkt im HTML-Head jeder Produktseite.
2. G2- und Capterra-Profile vervollständigen inkl. Screenshots, Pricing-Transparenz und Kategorisierung in mindestens fünf Subkategorien.
3. FAQPage-Schema mit DSGVO-, Pricing- und Integrationsfragen aufsetzen, exakt die Fragen verwenden, die im Sales-Prozess häufig auftauchen.
4. Case-Study-Library mit strukturierten Daten aufbauen, jede Case Study mit Article-Schema und benannten Kundenlogos.
5. Wöchentliches Monitoring mit AEORadar oder Profound einrichten, um Citation-Frequency pro LLM und Subkategorie zu tracken.

Typische Stolperfallen und Tool-Empfehlungen

Der häufigste Fehler im HR-Tech-AEO ist die Vernachlässigung der DSGVO-Signale. ChatGPT und besonders Gemini gewichten Datenschutz-Marker bei B2B-Software-Queries aus DACH überdurchschnittlich stark. Wer nicht explizit ein termsOfService-Feld mit DSGVO-Verweis, eine deutschsprachige Datenschutzerklärung und ein klares countryOfOrigin setzt, fällt bei datenschutzfokussierten Long-Tail-Queries durch das Raster.

Ein zweiter Fehler ist die unvollständige robots.txt. Viele HR-Tech-Anbieter blockieren GPTBot und ClaudeBot reflexartig, weil ihr Compliance-Team Datenschutzrisiken vermutet. Die Konsequenz ist katastrophal: Die Plattform ist in AI-Antworten unsichtbar. Korrekt ist eine differenzierte Steuerung mit Allow für Marketing-Pages, Blog und Pricing, und Disallow nur für authentifizierte Backend-Bereiche oder Kundendaten.

Konkrete Tool-Empfehlungen für HR-Tech-AEO: Merkle Schema Generator für die Erstellung der SoftwareApplication-JSON-LDs, Otterly für das Multi-LLM-Tracking von Brand-Mentions in ChatGPT, Gemini und Perplexity, sowie AEORadar für die Konkurrenz-Beobachtung in den HR-Kategorien. Zur Vorbereitung der G2- und Capterra-Listings empfiehlt sich der manuelle Aufbau einer Vergleichsmatrix mit den Top-10-Wettbewerbern, weil sich daraus oft natürliche Listing-Anchor ergeben. Peec ist sinnvoll, wenn Auditierbarkeit der Schema-Änderungen für Compliance-Zwecke gefordert ist.

Ein weiterer pragmatischer Hebel ist die gezielte Pflege von Wikipedia-Artikeln zur eigenen Plattform sowie zu den Kategorien, in denen die Plattform agiert. ChatGPT zieht Wikipedia bei B2B-Software-Queries als Tertiärquelle heran, und ein gepflegter Eintrag mit korrekter Verlinkung auf die offizielle Domain kann die Citation-Rate um zusätzliche 15 bis 20 Prozent heben. Wichtig ist hier die strikte Beachtung der Wikipedia-Relevanzkriterien, sonst wird der Eintrag gelöscht und das Investment verbrennt sich. Für deutsche HR-Tech-Plattformen empfiehlt sich zusätzlich der Eintrag in branchenspezifische Datenbanken wie den Bundesverband der Personalmanager, weil diese Quellen von Gemini bei DACH-fokussierten Queries überproportional hoch gewichtet werden.