Ein SEO-Tool für 50 Dollar statt 480 Euro im Monat. Was das wirklich kostet.

Ein Kunde von CUVIR wollte wissen, was seine drei größten Wettbewerber im Netz tun. Nicht als Gefühl. Als Daten. Keyword für Keyword, wer wo rankt, wie viel Traffic da wirklich fließt.

Der Standardweg: ein Semrush-Abo. Business-Paket. Ich habe den Preis am Bildschirm gesehen und kurz innegehalten.

479,45 Euro. Pro Monat.

Für einen einzigen Kunden, für eine einzige Frage, wäre das ein Abo, das ich zwei Wochen brauche und elf Monate weiterzahle. Also habe ich einen anderen Weg genommen. Ich baue das Ding selbst.

Warum das teure Abo für viele nicht die richtige Antwort ist

Semrush, Sistrix, Ahrefs sind gute Werkzeuge. Für eine Agentur mit dreißig laufenden SEO-Mandaten rechnet sich das Abo an einem Nachmittag. Das ist nicht die Frage.

Die Frage ist: Was macht der, der SEO nur ab und zu braucht? Der Freelancer, der drei Kunden im Jahr eine Website neu aufsetzt. Der Operator, der wissen will, ob sein eigenes Produkt bei Google und in den KI-Antworten überhaupt auftaucht. Für den ist ein Vollabo ein zu großer Hut.

Und es gibt einen zweiten Punkt, der mich mehr interessiert als der Preis. Semrush ist eine geschlossene Oberfläche. Ich kann da reinschauen. Ich kann die Daten nicht ohne Umweg an mein eigenes System weitergeben, an einen Agenten, an ein Skript, das mir aus den Daten direkt eine Handlung baut. Genau da liegt der Hebel.

Die Mechanik: Daten und Oberfläche sind zwei verschiedene Dinge

Der Denkfehler, den ich am Anfang selbst hatte: Ich dachte, ein SEO-Tool ist ein Ding. Ist es nicht. Es sind zwei.

Das eine ist die Datenbasis. Wer rankt für welches Keyword, wie hoch ist das Suchvolumen, wie sieht die Seitenstruktur eines Wettbewerbers aus. Diese Daten sammelt niemand von Hand. Die kommen von einem Crawler-Dienst, der das Netz durchgeht und die Zahlen bereitstellt. So einer heißt DataForSEO. Der verkauft keine Oberfläche, der verkauft rohe Daten über eine Schnittstelle.

Das andere ist die Oberfläche. Das, was du siehst, wenn du "Immobilien München" eintippst und eine sortierte Liste bekommst. Genau die fehlt, wenn du nur die rohe API hast. Ich habe es ausprobiert: Ich hänge die DataForSEO-Schnittstelle direkt an ein KI-Coding-Tool, stelle eine Frage, und bekomme eine Wand aus JSON zurück. Technisch korrekt. Als Werkzeug für einen Kundencall unbrauchbar.

Hier kommt das freie Repo OpenSEO ins Spiel. Es ist die fehlende Oberfläche. Es nimmt die Daten von DataForSEO und macht daraus ein Dashboard, das strukturell aussieht wie die teuren Tools. Keyword-Recherche, Domain-Übersicht, Search Intent, Site-Audit. Die Oberfläche kostet nichts, weil sie ein offenes Projekt ist. Bezahlt wird nur, was du an Daten abrufst.

Das ist die ganze Mechanik. Freie Oberfläche plus nutzungsbasierte Daten plus eine Anbindung, über die mein eigener Agent auf beides zugreift.

Der Ablauf, so wie ich ihn gefahren bin

Ich habe das nicht manuell konfiguriert. Ich habe es einrichten lassen. Wenn du ein KI-Coding-Tool hast, gib ihm den folgenden Ablauf und lass es die Arbeit machen.

1. Repo klonen: Sag dem Coding-Tool, es soll das OpenSEO-Repository von GitHub
 holen und lokal einrichten. Die Setup-Anleitung liegt im Repo, das Tool liest
 sie selbst und arbeitet sie ab.
2. DataForSEO-Account anlegen: Registrieren, kleines Guthaben aufladen (ich habe
 mit 50 Dollar getestet), API-Zugangsdaten anfordern. Die kommen per Mail.
3. Zugangsdaten übergeben: Die Login-Daten von DataForSEO ins Setup einfügen.
 Ab hier zieht OpenSEO seine Daten von dort.
4. Erster Test: Ein Keyword eintippen. WICHTIG: Im Keyword-Modus "Suggest"
 wählen, nicht "Auto". Die Trefferqualität ist bei "Suggest" spürbar besser.
5. Gegenprobe: Die Ergebnisse mit einer echten Google-Suche und, falls vorhanden,
 mit einem bekannten Tool abgleichen. Nicht blind vertrauen.
6. Für Automatisierung: OpenSEO über MCP an dein Coding-Tool hängen, damit ein
 Agent direkt auf die SEO-Daten zugreifen kann.

Zur Modellwahl ein praktischer Hinweis, der mir Kontingent gespart hat: Für das reine Einrichten reicht ein kräftiges Modell im normalen Modus. Ich habe bewusst nicht das teuerste Reasoning-Setup dafür verbrannt, weil Repo-Setup keine tiefe Denkarbeit ist, sondern Fleißarbeit, die die KI ohnehin sauber abarbeitet.

Ein Beispiel, von Anfang bis Ende gerechnet

Zurück zu dem Kunden, der seine Wettbewerber sehen wollte.

Ich gehe in die Domain-Übersicht und gebe eine große Referenzdomain aus seiner Branche ein, im Video war es Engel und Völkers. Ich bekomme organischen Traffic, die Zahl der rankenden Keywords, die Verteilung der Rankings. Ein Bild in dreißig Sekunden, für das ich sonst ein Vollabo gebraucht hätte.

Dann drehe ich es um. Statt nur zu schauen, nutze ich die Daten als Türöffner. Ich nehme die Konkurrenzdaten eines potenziellen Kunden und schreibe ihn nicht mit einem Verkaufsversprechen an, sondern mit einer Beobachtung. "Ihr Wettbewerber rankt für diese zwölf transaktionalen Suchbegriffe, Sie für keinen davon." Das ist kein Pitch. Das ist ein Spiegel.

Und hier greift das Search-Intent-Feature, das den ganzen Unterschied macht. Das Tool sortiert Keywords nach Absicht. Informational heißt: jemand will etwas wissen. Transactional heißt: jemand will etwas kaufen. Pukaj bringt eine Beispielrechnung, die ich als grobe Faustregel stehen lasse, nicht als Beweis: Hundert Klicks auf transaktionale Keywords können vier, fünf Verkäufe bringen. Tausend Klicks auf rein informationale Keywords können komplett ergebnislos bleiben.

Das ist genau das Argument, das ein Kunde versteht, ohne dass ich ihm SEO erklären muss. Nicht Reichweite. Kaufabsicht.

Wo der Spar-Pitch bröckelt

Jetzt die Stelle, die im Original zu schnell abgehandelt wird.

DataForSEO ist nicht kostenlos. Es ist nutzungsbasiert. Die Aussage, dass 50 Dollar mehrere Monate reichen, stimmt für meinen Testfall: ein paar Kunden, gelegentliche Abfragen. In der Community steht sogar "easily half a year". Für dieses Nutzungsprofil glaube ich das.

Für eine Agentur mit vielen Mandaten und täglichen Massenabfragen ist das eine andere Rechnung. Jede Domain-Analyse, jedes Site-Audit, jede Keyword-Abfrage kostet. Das skaliert mit der Nutzung, und im Video wird das mit einem vagen "sollte lange reichen" weggewischt. Wer viel abfragt, landet irgendwann bei einer Summe, die sich der 480-Euro-Grenze annähert. Dann ist der Vorteil weg und du hast obendrauf den Wartungsaufwand eines selbstgehosteten Tools an der Backe. Updates, API-Ausfälle, das musst du selbst fangen.

Zweiter Punkt: Die Genauigkeit. Pukaj nennt 80 Prozent Treffsicherheit für die Traffic-Schätzungen. Ohne Quelle, ohne Methodik. Das ist eine Hausnummer, keine Messung. Die Zahlen beruhen auf mathematischen Crawler-Modellen, nicht auf echten Analytics-Daten der fremden Seite. Für eine grobe Wettbewerbseinschätzung reicht das. Für eine Rechnung, an der ein Budget hängt, würde ich mich darauf nicht verlassen.

Dritter Punkt, und den halte ich für den wichtigsten: Der Vergleich mit den teuren Tools läuft im Video über ein einziges Keyword. "Immobilien München", ein deutscher Massenbegriff, für den jedes Tool gute Daten hat. Bei Nischen-Keywords, bei kleinen Sprachmärkten, bei allem, wo die Datenbasis dünn wird, kann das ganz anders aussehen. Ein Beispiel ist kein Beweis.

Und die These, SEO sei heute weniger umkämpft als vor zehn Jahren, weil alle zu Social Media abgewandert seien, glaube ich schlicht nicht. Der SEO-Markt wächst. Was stimmt: Die Suchfläche hat sich verschoben. Neben Google ranken jetzt auch die Antwortmaschinen, ChatGPT und Konsorten. Das ist kein leererer Markt. Das ist ein zweiter Markt daneben.

Wie ich es in meinem eigenen Setup gelöst habe

Für mich liegt der Wert nicht im Sparen. Er liegt in der letzten Zeile des Ablaufs oben: der MCP-Anbindung.

Ein geschlossenes Tool ist eine Sackgasse. Ich schaue rein, ich schreibe mir was ab, ich mache von Hand weiter. Ein offenes Tool mit MCP-Anbindung hängt an meinem Agenten. Der kann die SEO-Daten abrufen, eine Seitenstruktur ableiten und mir daraus direkt einen Vorschlag für einen Website-Relaunch bauen. Daten und Handlung in einem Fluss, ohne Copy-Paste dazwischen.

Diesen Blogartikel hier baue ich mit demselben Prinzip. Die AEO-Struktur, die Antwortmaschinen bevorzugen, kommt nicht aus einem SEO-Dashboard. Sie kommt daraus, dass mein Setup weiß, wie ein Artikel gebaut sein muss, damit ChatGPT ihn zitiert. Ein Tool, das mir eine Liste zeigt, ersetzt das nicht. Ein Tool, das an meinen Agenten angeschlossen ist, wird ein Teil davon.

Deshalb würde ich für die reine Zahl auf dem Bildschirm nicht wechseln. Für den offenen Anschluss an mein eigenes System schon.

FAQ

Ist DataForSEO wirklich kostenlos?

Nein. DataForSEO ist nutzungsbasiert abgerechnet, du zahlst pro Datenabruf. Kostenlos ist nur die Oberfläche OpenSEO, ein freies GitHub-Repository. Laut Pukaj reichen 50 US-Dollar Guthaben für gelegentliche Nutzung mehrere Monate, in seiner Community steht "easily half a year". Bei intensiver Agentur-Nutzung mit vielen täglichen Abfragen steigen die Kosten entsprechend.

Was ist OpenSEO genau?

OpenSEO ist ein freies GitHub-Repository, das die fehlende Oberfläche für SEO-Rohdaten liefert. Es nimmt die Daten eines Crawler-Dienstes wie DataForSEO und stellt sie als Dashboard dar, mit Keyword-Recherche, Domain-Übersicht, Search Intent und Site-Audit. Die Daten selbst kommen nicht von OpenSEO, sondern von der angebundenen API.

Warum reicht es nicht, die API direkt an ein KI-Tool zu hängen?

Weil die rohe API kein übersichtliches Interface liefert. Hängst du DataForSEO direkt an ein KI-Coding-Tool, bekommst du strukturierte Rohdaten als Antwort, technisch korrekt, aber für einen Kundencall oder eine schnelle Einschätzung unbrauchbar. OpenSEO liefert genau die Oberfläche, die dazwischen fehlt.

Wie genau sind die Traffic-Zahlen?

Pukaj nennt rund 80 Prozent Treffsicherheit, allerdings ohne Quelle oder Methodik. Die Zahlen beruhen auf mathematischen Crawler-Modellen, nicht auf den echten Analytics-Daten der analysierten Seite. Für eine grobe Wettbewerbseinschätzung reicht das, für Entscheidungen, an denen ein Budget hängt, sind die Schätzungen zu unsicher.

Was ist der Unterschied zwischen informationalen und transaktionalen Keywords?

Ein informationales Keyword bedeutet, jemand will etwas wissen. Ein transaktionales Keyword bedeutet, jemand will etwas kaufen. Der Unterschied entscheidet über den Wert von Traffic: Laut Pukajs Beispielrechnung können hundert Klicks auf transaktionale Keywords vier bis fünf Verkäufe bringen, während tausend Klicks auf rein informationale Keywords ergebnislos bleiben können.

Zum Nachbauen

• OpenSEO GitHub-Repository, freies Repo, die Oberfläche zum Nachbau eines eigenen SEO-Dashboards. URL im Video angekündigt, aber nicht bekannt.
• DataForSEO, API-Dienst für Keyword-, SERP- und Domain-Daten. Account anlegen, kleines Guthaben aufladen, Zugangsdaten anfordern.
• MCP (Model Context Protocol), Schnittstelle, um OpenSEO an ein KI-Coding-Tool anzubinden und die Daten direkt in Automatisierung einzuspeisen.