SEO Manager:in

Fähigkeit, ein Update als Diagnose-Übung und nicht als Naturkatastrophe zu rahmen. Konkrete Schritte: betroffene URLs identifiziert, Logfiles oder Search-Console-Daten zur Eingrenzung genutzt, Hypothese formuliert (Content-Qualität, E-E-A-T, technisches Issue, Backlink-Profil), Korrektur priorisiert. Bonus: die:der Kandidat:in beschreibt, was strukturell geändert wurde, um zukünftige Updates besser zu überstehen. Wer kein Update-Erlebnis benennen kann oder nur Google ist mal so antwortet, hat selten echte SEO-Praxis und neigt zu Confirmation Bias bei der Auswertung.

Fähigkeit zur eigenständigen Datenarbeit (SQL, Spreadsheet, Search Console API, Logfile-Analyse) und zur Kommunikation eines unbequemen Ergebnisses ohne defensive Haltung. Bonus: die:der Kandidat:in beschreibt, wie sie:er die Hypothese ursprünglich gerahmt hat (Konkurrenzbeobachtung, Branchen-Lehrsatz, Bauchgefühl) und wie die Validierung den eigenen Prozess geändert hat. Wer Daten nur aus Sistrix oder Ahrefs übernimmt und ohne Validierung gegen Search Console oder GA4 präsentiert, ist auf dieser Position zu schwach.

Strukturiertes Vorgehen: Business-Case mit Traffic- und Umsatz-Impact gerechnet, technische Komplexität ehrlich eingeschätzt (nicht heruntergespielt), Alternativen aufgezeigt (vollständige Lösung versus Übergangslösung). Bonus: die:der Kandidat:in beschreibt, wie sie:er mit dem Tech-Lead direkt gesprochen hat und nicht über Tickets eskaliert, oder wie sie:er Engineering-Aufwand durch eigene Implementierung (z. B. Schema-Markup via GTM, hreflang-Patch im CMS) reduziert hat. Wer beschreibt, gegen die Mauer des Engineering-Teams angerannt zu sein, ohne den eigenen Anteil zu reflektieren, zeigt eine cross-funktionale Schwäche.

Audit vor Aktion: Funnel-Diagnose pro Landing-Page-Typ (Blog-Traffic mit Pre-Intent versus Solution-Pages mit Buying-Intent), qualitative Bewertung der Top-20-Conversion-Seiten und der Top-20-Traffic-Seiten ohne Conversion, Identifikation der zwei oder drei Engpässe mit höchstem Hebel (falscher Intent, schwacher CTA, fehlende Conversion-Logik auf Top-of-Funnel-Pages). Erst dann Hypothesen, erst dann Experimente. Kandidat:innen, die direkt zu wir bauen mehr Content springen, zeigen einen Exekutions-Bias ohne Diagnose. Bonus: die:der Kandidat:in stellt die Grundannahme in Frage (sind 2,5 % realistisch für unser Segment? Welche Vergleichsdaten gibt es?).

Differenzierte Diagnose statt blinder Content-Verlängerung: Intent-Match prüfen (deckt die Konkurrenz den Suchintent präziser ab?), Page Experience und Core Web Vitals vergleichen, interne Verlinkung und Linkjuice-Verteilung analysieren, E-E-A-T-Signale prüfen (Autorenangaben, Quellenarbeit, Aktualisierungsdatum), SERP-Features prüfen (gewinnt die Konkurrenz Featured Snippet oder People-Also-Ask-Position). Bonus: die:der Kandidat:in nennt einen schwer messbaren Faktor (Brand-Authority im Themengebiet, semantische Tiefe) und wie er trotzdem indirekt validiert werden kann. Wer sofort mehr Backlinks oder noch mehr Wörter antwortet, hat keine moderne SEO-Posture.

Klare Positionierung gegen Skalierungs-Spam: Erklärung der Risiken (Helpful-Content-Update, manuelle Maßnahme, langfristiger Domain-Reputationsverlust), aber ohne KI-feindliche Haltung. Differenzierter Vorschlag: KI als Assistenz für Recherche, Outline und Erstentwurf, mit menschlicher Editierung, Expertise-Einbringung und Faktenprüfung im Verhältnis 30 Min. Mensch pro Artikel-Stunde. Bonus: die:der Kandidat:in nennt die Grenze (10 bis 30 hochwertige Artikel pro Monat sind nachhaltig; 200 nicht) und schlägt einen Pilot mit 10 Artikeln und 90-Tage-Sichtbarkeits-Messung vor. Wer ohne Rückfrage zustimmt oder pauschal KI ist Spam antwortet, fehlt die Nuance.

Strukturierte Methodik: Cluster-Bildung (semantisch verwandte Keywords zusammen), Bewertung pro Cluster nach Suchvolumen, Wettbewerb (KD oder Difficulty-Score), Intent-Match zum Funnel-Stage, erwartete Klick-Rate aus SERP-Layout (Featured Snippet, Knowledge Panel, Ads-Last). Bonus: die:der Kandidat:in nennt die Schwäche populärer Scores (Ahrefs KD ist eine Heuristik, kein Wahrheitsanspruch) und beschreibt einen Korrektur-Mechanismus (Top-10-SERP manuell prüfen, Backlink-Profile der Top-3 vergleichen). Wer nur Suchvolumen mal Difficulty antwortet, ohne Intent und SERP-Layout zu berücksichtigen, hat ein eindimensionales Modell.

Schlanker, kohärenter Stack: Search Console (Pflicht), Sistrix oder Ahrefs (Sichtbarkeits-Tracking, Keyword-Recherche, Backlink-Analyse), Screaming Frog oder Sitebulb (Crawler), GA4 (Conversion-Tracking), Logfile-Analyse-Tool (Botify, OnCrawl oder Screaming Frog Log Analyzer für KMU), Schema-Validator (Google Rich Results Test plus Schema.org-Validator), CMS mit guter SEO-Anbindung (oder ein Headless-Stack mit Astro, Next, Sanity). Bonus: die:der Kandidat:in identifiziert die fragilen Verbindungen (Search-Console-Daten in BigQuery exportieren für tiefere Analyse, Schema-Markup bei CMS-Updates) und nennt konkrete Stolpersteine.

Operative Datenautonomie: die:der Kandidat:in beschreibt eine konkrete Logfile-Analyse, Search-Console-Export-Auswertung (Top-Movers, Query-Cannibalization, CTR-Analyse pro Position), Crawl-Diff-Analyse oder Content-Decay-Analyse, die sie:er selbst gemacht hat, idealerweise in SQL oder einem strukturierten Notebook. Bonus: erwähnt eine Validierungs-Schleife (Ergebnis mit Content-Team oder Engineering gegengeprüft) bevor das Ergebnis kommuniziert wurde. Wer nur in Pixel-SEO-Tool-UIs (Sistrix-Dashboard, Ahrefs-Site-Explorer) arbeiten kann, ohne je eine Roh-Daten-Auswertung gemacht zu haben, stößt im KMU schnell an Grenzen, weil das Analytics-Team meist gar nicht existiert.

Partnerschaftliche Posture mit Engineering statt Forderungshaltung. Die:der Kandidat:in beschreibt geteilte Hypothesen, gemeinsam definierte Erfolgskriterien, geteilten Review-Prozess. Bonus: erwähnt ein technisches Projekt, das das Engineering-Team gegen den initialen Wunsch der SEO-Person umgesetzt hat (zeigt, dass sie:er die technische Logik versteht und kein Reines-Wünschen ohne System-Verständnis betreibt). Wer das Engineering-Team als das-Team-das-meine-Tickets-blockiert beschreibt, startet im KMU mit der falschen Posture.

Lernhaltung: die:der Kandidat:in beschreibt, das Feedback nicht nur gehört, sondern integriert und die Praxis verändert zu haben. Bonus: hat das Gelernte mit dem Rest des Teams geteilt oder einen neuen Prozess dokumentiert (gemeinsame Briefing-Vorlage, geteilter Intent-Schlüssel pro Keyword-Cluster). Wer beschreibt, die eigene Logik erklärt zu haben statt die Beobachtung anzunehmen, zeigt eine Coachability-Schwäche, die in einer cross-funktionalen Rolle wie SEO zum Engpass wird.

Reflexive Klarheit über das eigene Ideal-Umfeld. Die Antwort sollte spezifisch genug sein, dass sie:er entweder zu Ihrer Kultur passt oder nicht (Geschwindigkeit, Datenfokus, technische Tiefe, Content-Qualitätsanspruch, Lern-Kadenz). Bonus: die:der Kandidat:in nennt etwas, das in vorherigen Teams gefehlt hat und ein Deal-Breaker wäre. Wer sich überall wohl fühlt, hat selten klare Präferenzen und neigt zu schneller Re-Kündigung, wenn die Realität nicht passt.

Konkrete Recherche zu Produkt, Markt und Stadium der Firma. Die:der Kandidat:in benennt zwei oder drei spezifische Aspekte (Marktpositionierung, Wachstumsphase, Domain-Reife, Content-Inventar, Team), die sie:ihn anziehen. Bonus: die:der Kandidat:in identifiziert auch eine Schwierigkeit oder ein Risiko der Position (geringe Domain-Authority, Wettbewerb mit Aggregator-Seiten, langer SEO-Zyklus bis zu sichtbaren Ergebnissen) und erklärt, warum es trotzdem die richtige Wahl ist. Wer mit generischen Antworten antwortet (Ich liebe SEO, die Mission spricht mich an), hat sich nicht spezifisch vorbereitet und wird nach 6 bis 12 Monaten wieder wechseln, wenn das nächste Logo lockt.

Spezifische Lern-Ziele jenseits von mehr Verantwortung: ein konkreter technischer Hebel (JavaScript-SEO, internationale Skalierung, Edge-Rendering), eine konkrete Funnel-Phase (Conversion-Optimierung auf Solution-Pages, Pricing-Page-SEO), ein konkreter Markt (DACH-Spezifika, internationale Expansion mit hreflang). Bonus: die:der Kandidat:in beschreibt einen Versuch, das Gewünschte im aktuellen Job gelernt zu haben, und warum es dort nicht möglich war (zeigt aktive Lern-Haltung, nicht reine Wechsel-Motivation). Wer keine spezifischen Lern-Ziele nennen kann, sucht meist nur eine Gehaltssteigerung oder ein besseres Logo.

Konkrete, messbare Vision verankert in den Business-Zielen der Firma: bezifferte organische-Traffic- und Pipeline-Beiträge, verbesserte SERP-Sichtbarkeit auf strategischen Keyword-Clustern, etablierte Content-Kadenz, gehobene technische SEO-Hygiene. Bonus: die:der Kandidat:in benennt sowohl Output-Kennzahlen (was generiert wurde) als auch System-Kennzahlen (welche Prozesse, welche Tools, welche Team-Posture etabliert). Wer nur sehr generisch antwortet (Ich möchte einen Impact haben), hat keine klare Karriere-Vorstellung oder hat sich auf die konkrete Position nicht eingelassen.