Die meisten „KI für SEO“-Workflows beginnen und enden noch in einem Chatfenster. Sie bitten um eine Keyword-Liste, eine Gliederung oder eine Audit-Zusammenfassung. Das Modell antwortet, und ein Mensch trägt das Ergebnis in das nächste Tool. Agentic SEO, der praktische Einsatz von KI-Agenten für SEO-Arbeit, verlagert einen Teil dieser Arbeit aus der Antwortbox heraus. Der Agent kann ein Tool wählen, aktuelle Daten abrufen, eine Regel anwenden, das Ergebnis prüfen und entscheiden, welcher Schritt als Nächstes kommt. Ahrefs beschreibt Agentic SEO als den Einsatz von KI-Agenten in Workflows, sodass sie handeln, sich anpassen und sich erholen können, statt nur Text zu erzeugen. Diese Unterscheidung ist besonders in der Domain-Recherche nützlich, wo die Arbeit repetitiv ist, die finale Entscheidung aber nicht. (Ahrefs: What Is Agentic SEO?)
Ich finde, Domain-Recherche ist einer der klareren Orte für dieses Modell. Die Evidenz ist strukturiert, die Sequenz lässt sich beschreiben, und jede teure Aktion kann hinter menschlicher Freigabe bleiben.
Inhaltsverzeichnis
- Inhaltsverzeichnis
- Was Agentic SEO verändert: Chatbot, Automatisierung und Agent
- Warum Domain-Recherche zu einem Agenten passt
- Der Stack hinter agentischer Domain-Recherche
- Ein vollständiger agentischer Domain-Recherche-Workflow
- 1. Das Briefing in strukturierte Kriterien übersetzen
- 2. Aktuelles Inventar durchsuchen
- 3. Die frühere Identität der Domain prüfen
- 4. Fehlende Daten bewusst behandeln
- 5. Überlebende vergleichen und Zustand bewahren
- 6. Premium-Daten auf eine kurze Liste verwenden
- 7. Die Datensätze überwachen, die zählen
- 8. Einen Menschen entscheiden lassen
- MCP, API und Webhooks haben getrennte Rollen
- Guardrails machen den Agenten nützlich
- So starten Sie, ohne ein großes Agentensystem zu bauen
- FAQ
Was Agentic SEO verändert: Chatbot, Automatisierung und Agent
| Ansatz | Was den nächsten Schritt steuert | Guter Einsatz in der Domain-Recherche | Haupteinschränkung |
|---|---|---|---|
| Chatbot | Die nächste Nachricht des Nutzers | Einen Bericht erklären oder Filter mitentwerfen | Er stoppt, wenn das Gespräch stoppt |
| Feste Automatisierung | Vordefinierte Bedingungen | Jeden Morgen eine gespeicherte Suche ziehen und Zeilen in eine Datenbank schreiben | Ausnahmen handhabt sie schlecht |
| KI-Agent | Ein Ziel, Tools, Zustand und Betriebsregeln | Suchen, prüfen, vergleichen, annotieren, überwachen und eine Shortlist vorbereiten | Er braucht starke Datenverträge und klare Autoritätsgrenzen |
Ein Agent verdient seinen Platz, wenn er auf dem Recherche-System arbeiten kann: das Such-Tool aufrufen, Berichte öffnen, Zustand speichern und Evidenz zurückgeben, die ein anderer Mensch prüfen kann. Ahrefs macht denselben Punkt im Agentic-SEO-Leitfaden: Ein Agent begründet nicht besser als das Modell im Chatfenster, der Gewinn kommt also von Tools, Kontext und der Fähigkeit, sich von einem fehlgeschlagenen Schritt zu erholen.
Agentic SEO lässt sich auch leicht mit GEO verwechseln. Agentic SEO betrifft, wie Arbeit ausgeführt wird; GEO betrifft Sichtbarkeit in KI-generierten Sucherlebnissen. Die Begriffe überschneiden sich im Gespräch, beschreiben aber unterschiedliche Probleme.
Warum Domain-Recherche zu einem Agenten passt
Expired-Domain-Recherche hat vier Eigenschaften, mit denen Agenten gut umgehen.
Erstens ändert sich der Kandidatenpool ständig. Neue Domains kommen hinzu, Auktionspreise bewegen sich, Gebote ändern sich, Listings enden. Der Prozess profitiert von geplanten oder ereignisgesteuerten Läufen.
Zweitens ist der erste Screening-Durchlauf regelbasiert. Ein Team kann TLDs, Sprachen, Themen, Preisobergrenzen, Mindestalter, Authority-Signale, verbotene Themen, Auktionsquellen und Zeit bis zum Ende festlegen.
Drittens kommt Evidenz aus mehreren Schichten. Eine Domain kann nach Domain Rating stark aussehen und trotzdem eine unzusammenhängende oder toxische Historie haben. Eine andere kann ein sauberes Archiv und einen kommerziellen Namen haben, aber zu wenig Linkwert für das geplante Projekt.
Schließlich gibt es einen klaren Übergabepunkt. Ein Agent kann Tausende Datensätze auf fünf Kandidaten reduzieren. Ein Mensch entscheidet weiterhin, ob einer dieser fünf gekauft werden soll.
Der Stack hinter agentischer Domain-Recherche
Ein praktischer Stack hat fünf Teile.
- Eine Agenten-Umgebung. Das kann ChatGPT, Claude, Cursor, eine Orchestrierungsplattform oder ein gehosteter Agent sein, der nach Zeitplan läuft.
- Professionelle Daten-Tools. MCP-Server (Model Context Protocol) und APIs verbinden den Agenten mit aktuellen Domain-, Backlink-, Traffic-, Auktions- und Suchdaten.
- Wiederverwendbare Betriebsanweisungen. Ein Skill oder Workflow definiert die Kriterien des Teams, das Ausgabeformat, Budgetregeln und Eskalationsbedingungen. Der Leitfaden von Search Engine Land zu SEO-Agent-Skills macht denselben Punkt: dem Agenten Tools, Vorlagen und einen Reviewer geben statt eines längeren Prompts. (Search Engine Land: How to build SEO agent skills that actually work)
- Zustand. Gespeicherte Filter, Report-IDs, Notizen, Tags und eine externe Review-Warteschlange verhindern, dass der Agent jeden Tag von vorn beginnt.
- Menschliche Freigabe. Eine benannte Person besitzt Gebot, Kauf, Markenprüfung und jede Ausnahme von den Regeln.
Karma.Domains besetzt in diesem Stack die Domain-Intelligence-Schicht. Es ist kein universeller KI-SEO-Agent für Content, technische Fixes oder Publishing. Das Produkt gibt Agenten Zugang zu dem Teil, den sie für Domain-Akquise brauchen: Discovery, historisches Screening, aktuelle Auktionsdaten und einen Review-Workflow.
Die Datenbank hält 13M+ Domains aus 40 Auktionsquellen und fügt im Schnitt mehr als 400.000 neue Domains pro Tag hinzu. Die Suche hat 90+ Filter über Auktions-, Expired-, Backorder- und Buy-now-Inventar, und der MCP-Server stellt 31 Tools für Suche, vollständige Berichte, gespeicherte Filter, Notizen und Tags, Share-Links, SEO Enrich und Live-Checks bereit. Berichte kombinieren Wayback-basierte Historienanalyse mit verfügbaren Daten von Ahrefs, Majestic, Moz, Semrush, Similarweb und anderen Quellen. (Karma.Domains)
Die Größe zählt, weil ein Agent keine Kandidaten zurückholen kann, die nie in seine Tools gelangen. Die Filter zählen, weil „finde gute Domains“ keine Betriebsregel ist.
Ein vollständiger agentischer Domain-Recherche-Workflow
Stellen Sie sich eine SEO-Agentur vor, die englischsprachige Domains für B2B-SaaS-Kunden beschafft. Ihr tägliches Briefing könnte so lauten:
Finde jeden Morgen neue
.com- und.io-Auktionsdomains, deren archivierter Content B2B-Software, SaaS-Tools oder Business-Technologie abdeckte. Halte den aktuellen Preis unter $1.000 und mindestens 24 Stunden vor dem Ende. Schließe Adult, Gambling, Pharma, Piraterie und offensichtliche Themenwechsel aus. Gib höchstens fünf Kandidaten mit Report-Links, historischem Thema, den stärksten SEO-Signalen, dem Hauptbedenken und dem aktuellen Auktionsstatus zurück. Biete nicht und kaufe nicht.
So läuft es hinter diesem Prompt ab.
1. Das Briefing in strukturierte Kriterien übersetzen
Der Agent wandelt Nische, TLDs, Sprache, Preis, Timing und Risikoregeln in unterstützte Filter um. Er sollte diese Entscheidungen in der Ausgabe sichtbar machen. Versteckte Kriterien sind schwer zu debuggen.
Der Agent kann den Filter dann unter einem stabilen Namen wie b2b-saas-agency-v1 mit save_saved_filter speichern. Wenn das Team nächste Woche das Mindestalter ändert, aktualisiert der Agent diese gespeicherte Definition, statt bei jedem Lauf eine neue Suche zu erfinden.
2. Aktuelles Inventar durchsuchen
Der Agent ruft search_reports über Auktions- und Expired-Datensätze auf, statt das offene Web zu durchsuchen. Jedes Ergebnis trägt eine stabile report_id und einen Link zum vollständigen Bericht, sodass jeder spätere Schritt auf dieselbe Evidenz zeigen kann.
In dieser Phase würde ich breite Schwellen nutzen. Eine strenge Anforderung an jede mögliche Metrik kann gute Kandidaten verzögern oder löschen, weil unterschiedliche Felder zu unterschiedlichen Zeiten eintreffen.
3. Die frühere Identität der Domain prüfen
Für jeden Kandidaten ruft der Agent get_domain auf, das Report-Link, Metriken und eine Wayback-Zusammenfassung zurückgibt, und prüft archivierte Themen, Sprachen, Redirects, Serververhalten, Content-Änderungen und Risikokategorien. Ein Reviewer öffnet den Report-Link für die Snapshot-für-Snapshot-Historie. Hier scheitert ein plausibler Domainname oft.
SEO-Metriken bleiben nützlich, beantworten aber nicht die Identitätsfrage. Die alte Site kann als SaaS- oder Tech-Blog begonnen und dann zu einer Coupon-Farm oder Casino-Affiliate-Site geworden sein. Ein einzelner aktueller Score komprimiert diese Historie zu aggressiv.
4. Fehlende Daten bewusst behandeln
Die meisten Karma.Domains-Berichte enthalten bereits SEO-Daten. Fehlt in einem Shortlist-Bericht ein Feld, das die Entscheidung braucht, kann der Agent SEO Enrich mit enrich_report_seo starten und get_enrich_report_seo_job pollen, bis der Job fertig ist. Enrich ist ein Ausnahmeweg für fehlende Daten, kein Routine-Refresh für jeden Datensatz.
5. Überlebende vergleichen und Zustand bewahren
Der Agent taggt die überlebenden Berichte mit Projekt und Review-Stufe über set_report_annotation und fügt eine kurze Notiz mit dem Hauptgrund hinzu, jede Domain zu prüfen oder abzulehnen. create_share_link gibt einem Senior-Reviewer oder Kunden einen Gast-Link zum selben Bericht.
Diesen Schritt unterschätzt man leicht. Ohne gespeicherten Zustand taucht dieselbe Domain im morgigen Lauf wieder auf und verbraucht einen weiteren Review-Zyklus.
6. Premium-Daten auf eine kurze Liste verwenden
Ahrefs, Semrush und DataForSEO bieten alle SEO-MCP-Server, sodass derselbe Agent tiefere Backlink- und Keyword-Daten ziehen kann. Nutzen Sie sie nach dem history-first Screening, wenn vielleicht fünf oder zehn Domains übrig sind. Der Agent kann dann Anchors, Referring-Domain-Konzentration, verlorene Links, Ranking-Historie, Demand oder Competitor-Fit genauer prüfen.
Die Reihenfolge steuert Kosten und Aufmerksamkeit. Teure Reports für jeden Roh-Match zu ziehen, verschwendet beides. Live-Checks von Karma.Domains folgen derselben Logik: spam_score_checker, whois_lookup oder check_domain_expiry liefern einen aktuellen Wert für einen gelieferten Namen und verbrauchen Credits (Cache-Hits sind kostenlos), gehören also ebenfalls auf die Shortlist.
7. Die Datensätze überwachen, die zählen
Karma.Domains-Webhooks können signiertes JSON an n8n, Zapier, Make, IFTTT oder einen anderen HTTPS-Endpunkt senden, wenn ein Bericht die mit dem Abonnement gesendeten Filterbedingungen zu erfüllen beginnt, sodass der Workflow nicht von einem in der UI gespeicherten Filter abhängt. Ein zweiter Abonnementtyp überwacht bis zu 100 bestimmte Berichte auf Preis, Gebotsanzahl, Ending-soon- und Ended-Ereignisse. Ein Konto kann 30 Abonnements halten und 5.000 Deliveries pro Tag empfangen. (Expired-Domain-Webhooks)
Ein Agent kann diese Ereignisse nutzen, um die Review-Warteschlange zu aktualisieren, eine Zeile in ein geteiltes Sheet zu schreiben oder ein neues Entscheidungsbriefing für Slack, Telegram oder E-Mail vorzubereiten. Er sollte das Team nicht bei jeder Änderung eines niedrigwertigen Felds benachrichtigen. Das Attention-Budget gehört in den Workflow: fünf neue Kandidaten, ein Ending-soon-Alert oder eine materielle Preisbewegung.
8. Einen Menschen entscheiden lassen
Das finale Briefing sollte die Report-Links, die angewendeten Regeln, aktuelle Auktionsdaten, Evidenz für die Empfehlung, fehlende Felder und das Hauptbedenken des Agenten enthalten. Ein Kandidateneintrag könnte Domain und report_id, Auktionsquelle, Endzeit und aktuellen Preis, das archivierte Thema nach Periode, das stärkste Link-Signal, Risikokategorien und noch fehlende Felder auflisten.
Der Reviewer prüft dann Archiv, Backlinks, Marketplace-Listing, Markenrisiko, Fit zur Produktkategorie des Kunden und Preisobergrenze. Ein selbstsicherer Absatz vom Agenten ist keine Freigabe.
MCP, API und Webhooks haben getrennte Rollen
Karma.Domains stellt denselben Domain-Workflow über mehrere Schnittstellen bereit.
- MCP passt zu interaktiver Recherche. Ein Analyst kann das Briefing in Alltagssprache ändern, fragen, warum ein Kandidat überlebt hat, und Notizen oder Tags zurück in den Bericht schreiben.
- Die Expired Domains API passt zu deterministischen Skripten, geplanten Jobs, internen Dashboards und CRM-Integrationen.
- Webhooks passen zu persistentem Monitoring. Sie schieben einen neuen Match oder eine Auktionsänderung in die Automatisierung, statt auf einen weiteren Polling-Zyklus zu warten.
Ein reifer Workflow nutzt oft alle drei. Die API baut oder synchronisiert die Warteschlange. MCP hilft einem Analysten beim Review. Webhooks wecken den Prozess, wenn sich etwas ändert.
Guardrails machen den Agenten nützlich
Agentische Workflows werden unzuverlässig, wenn Anweisungen das Ziel definieren, aber Betriebsgrenzen ignorieren. Ich würde mindestens diese Kontrollen dokumentieren:
- eine maximale Ergebnisanzahl und ein maximales Tool-Call-Budget pro Lauf;
- erforderliche Evidenzfelder für eine Empfehlung;
- klare Behandlung von null-, veralteten und widersprüchlichen Werten;
- Deduplizierung über stabile Report-ID;
- getrennte Berechtigungen für Lesen, Annotation und externe Aktionen;
- eine Regel, dass Gebote, Käufe und Budgetausnahmen Bestätigung brauchen;
- einen Audit-Eintrag der genutzten Kriterien und Tools.
Der Agent braucht auch einen Fehlerweg. Ist eine Quelle nicht verfügbar, ist die korrekte Ausgabe „nicht verifiziert“ mit den betroffenen Kandidaten. Er sollte keine plausible Zahl einsetzen.
So starten Sie, ohne ein großes Agentensystem zu bauen
Beginnen Sie mit einer gespeicherten Suche und einem Ausgabeformat.
Verbinden Sie den Karma.Domains MCP-Server mit ChatGPT oder Claude per OAuth-Anmeldung, oder nutzen Sie einen Bearer-Key in Cursor, Claude Code oder einem anderen IDE-Client. Ihr eigener Karma.Domains-API-Schlüssel erfordert Pro, und derselbe Schlüssel betreibt API und Webhooks; ein kostenloses Konto startet mit 5 Bonus-Credits (10 mit Einladung). Bitten Sie den Assistenten, den Filter zu erstellen, ihn auszuführen und eine Shortlist mit fünf Domains, Report-Links und Bedenken zurückzugeben. Prüfen Sie diese Ausgabe eine Woche lang manuell.
Sobald die Kriterien stabil sind, verschieben Sie die repetitive Sammlung in die API oder einen geplanten Agenten. Fügen Sie einen Webhook erst hinzu, wenn eine Person oder ein System bereit ist, auf das Ereignis zu reagieren.
Diese Reihenfolge hält die Recherche prüfbar. Die Regeln leben im gespeicherten Filter und in den Betriebsanweisungen, sodass jeder im Team lesen kann, warum eine Domain behalten oder verworfen wurde, und ein Mensch weiterhin jede Entscheidung trifft, die Geld kosten oder SEO-Risiko erzeugen kann.
FAQ
Was ist Agentic SEO?
Agentic SEO ist der Einsatz von KI-Agenten, die Tools aufrufen, Ergebnisse prüfen und den nächsten Schritt in einem SEO-Workflow wählen können, während ein Mensch die wichtigen Entscheidungen freigibt. In der Domain-Recherche bedeutet das: Der Agent sucht, screenet und annotiert Kandidaten, und ein Spezialist entscheidet, was gekauft wird.
Ist Agentic SEO dasselbe wie GEO?
Nein. Agentic SEO beschreibt, wie die Arbeit erledigt wird. GEO, oder Generative Engine Optimization, betrifft Sichtbarkeit in KI-generierten Antworten. Ein Team kann Agenten für GEO-Arbeit nutzen, aber die beiden Begriffe beantworten unterschiedliche Fragen.
Kann ein KI-Agent Expired Domains allein kaufen?
Das sollte er nicht. Der Karma.Domains MCP-Server hat kein Kauf- oder Biet-Tool, und ein solider Workflow hält Gebote, Käufe und Budgetausnahmen hinter der Freigabe einer benannten Person.
Was braucht ein agentischer SEO-Workflow für Domain-Recherche?
Strukturierte Daten, die er abfragen kann, etwa einen Expired-Domain-MCP-Server oder eine API, schriftliche Kriterien für Nische und Risiken, einen Ort für Zustand wie gespeicherte Filter, Notizen und Tags, und eine Regel, was bei fehlenden oder veralteten Daten zu tun ist.