Sind SEOs verrückt? Warum lagert ihr eure Search Console-Daten nicht in einem Data Warehouse? Und warum ihr es tun solltet........
Ich weiß, viele von euch haben mich über die Jahre immer wieder dasselbe sagen hören – SEOs, sichert eure Daten, und zwar nicht nur SEOs, ALLE UNTERNEHMEN sollten ihre Google

Ich weiß, viele von euch haben mitbekommen, wie ich über die Jahre immer wieder dasselbe wiederhole – SEOs, sichert eure Daten, und zwar nicht nur SEOs, ALLE UNTERNEHMEN sollten ihre Google Search Console Daten archivieren – das ist ein NO BRAINER.
Statt daraus einen langen, verschachtelten Artikel zu machen, halte ich es kurz, knackig und ein bisschen schroff!
Darum solltest du / dein Unternehmen / deine Agentur – jeder, der eine Website BESITZT – die Google Search Console Daten sichern.
Es ist eine GOLDGRUBE an nutzbaren Daten für SEO – Keywords, Performance, Rankings, Suchergebnistypen – all diese Daten haben einen Wert.
Hinter allen deinen Queries, also „Keywords“, stecken Daten; diese Impressionen sind ein HERVORRAGENDER Indikator dafür, wofür Nachfrage besteht und wofür nicht. Diese Daten sind nützlich für SEO, PPC und AI Visibility Tracking!
Wenn du deine Keyword-Daten sicherst, sicherst du den GESAMTEN Keyword-Datensatz – weit über die 1000 Zeilen hinaus, die dir Google Search Console zeigt. Wenn deine Seite also für 10.000 oder 100.000 Keywords ausgespielt wurde, hast du ALL diese Daten zur Verfügung
Du bekommst Zugriff auf all deine Longtail-Keywords und ZSV-Queries (Zero Search Volume) – also im Grunde Keywords, für die externe Tools kein Suchvolumen ausweisen, obwohl Suchvolumen vorhanden ist
Du bekommst aus SEO-Sicht ein BESSERES Bild der Performance über die Zeit – 16 Monate fühlen sich vielleicht nach genug Daten an, sind es aber nicht. Stell dir vor, du könntest 2, 3, 5 oder 10 Jahre GSC-Daten zurückblicken – wie viel größer wäre das Bild der Website-Performance über die Zeit
Du siehst, welche Inhalte funktionieren und welche nicht – auch hier: ohne 1000-Zeilen-Limits und mit gespeicherten Daten für jede Seite deiner Website über die Zeit bekommst du ein deutlich besseres Bild davon, was langfristig funktioniert
Die vollständige Sicherung der Daten macht es außerdem einfacher, sie mit AI zu nutzen – du bist nicht auf die limitierende API der Google Search Console angewiesen, die durch fehlende Daten alle möglichen Audit-Probleme / schlechte Empfehlungen verursachen kann
Du bekommst ein besseres Bild davon, welche Updates eine Website im Laufe der Zeit getroffen haben und wie der größere Verlauf aussieht – ich habe das besonders bei Seiten gesehen, die von Helpful Content Updates getroffen wurden; sie kämpfen oft über 2+ Jahre mit der Erholung. Mit länger laufenden GSC-Daten lässt sich leichter verstehen, was da passiert
Du kannst konversationelle Suchanfragen und Queries aus gesicherten Search Console Daten extrahieren und für AI Visibility und Prompt-Tracking nutzen – zumindest bei Google Search Console Daten gilt: Queries mit Impressionen werden EHER auch in einem LLM gesucht
Du lieferst BESSERES SEO, wenn du einen breiteren Datensatz für Korrelationsanalysen hast – du könntest zum Beispiel auf historische Phasen mit besserer SEO-Performance zurückblicken und nach Zusammenhängen mit Content-Typen, SEO-Maßnahmen oder Linkaufbau suchen
Wenn du deine Google Search Console Daten sicherst, kannst du über ein Frontend-UI so darauf zugreifen, wie du willst (genau das macht SEO Stack – es gibt dir ein konsistentes GSC-Erlebnis beim Zugriff auf deine aktuellen und archivierten Daten, anders als Googles BigQuery)
Du erkennst Trends in den Daten, etwa Verschiebungen der Performance über Geräte, Suchergebnistypen, Länder usw.
OK, wie sieht die Sicherung von Google Search Console Daten also aus?
Das hängt davon ab, wie du die Daten sicherst. Die GÄNGIGSTEN Backups sind:
Google Search Console zu BigQuery >
Du kannst deine Google Search Console Daten in Google BigQuery sichern >https://search.google.com/u/5/search-console/settings/bulk-data-export

Und JA, das ist KOSTENLOS und relativ unkompliziert, ABER hier gibt es einen RIESIGEN HAKEN!
Du kannst die Daten sichern, aber du kannst NICHT über das Interface der Google Search Console darauf zugreifen – sie liegen zwar in BigQuery gesichert, aber du kannst sie NICHT innerhalb der Google Search Console abrufen. Stattdessen greifst du über Google BigQuery darauf zu >

Und auch wenn es technisch gesehen tatsächlich all deine Daten enthält, musst du dann BigQuery / SQL / Python lernen und verstehen, um damit zu arbeiten. Du kannst es über ein LLM anbinden, aber denk nochmal daran, was du hier verlierst:
KONSISTENZ IM INTERFACE UND DIE MÖGLICHKEIT, DIE DATEN SO ZU NUTZEN, WIE DU ES IN GSC TUN WÜRDEST!

Das ist nur EINER der vielen Gründe, warum wir SEO Stack gebaut haben: um Leuten das GSC-INTERFACE mit integriertem Warehousing zu geben – und wir haben viele der Probleme behoben, die GSC hat und SEO Stack nicht.
Aus praktischer Sicht: Wir haben die Einrichtung so einfach gemacht, dass selbst ein SEO-Junior ohne jede Erfahrung sie hinbekommt. Du importierst einfach eine Website aus GSC in SEO Stack (dauert 10 Sekunden), das Warehousing startet SOFORT, wir holen die letzten 16 Monate an Daten nach und hängen anschließend jeden Tag einen neuen Tag an Daten an.
SEO Stack macht Folgendes>
Sofortiges Data Warehousing mit Nachbefüllung der letzten 16 Monate
Hängt täglich einen neuen Tag an Daten an und unterstützt 10+ Jahre GSC-Data-Warehousing
Ermöglicht Zugriff auf JEDEN einzelnen Datenpunkt – jede Query-Zeile, jede Seiten-Zeile, alles
Beseitigt sämtliche GSC-Limitierungen
Gibt dir UNBEGRENZTES Filtern, speicherbare Filterbibliotheken, integrierte Annotationen & Core-Update-Overlays
Integrierter AI Assistant
GA4-Integration zusätzlich zu GSC
Seitenindexierung inklusive HTTP-Status und Indexierungsstatus
URL-Prüfung
Nun – was die Sicherung der Daten angeht: Sie ist gut, weil wir dadurch viel mehr Kontext über eine Website bekommen, über das, was sie durchgemacht hat, und über ihre Performance im Zeitverlauf.
Nehmen wir diese Website als Beispiel >
Performance über die Zeit betrachten (Frontend-UI)
In der Google Search Console sehen die letzten 16 Monate so aus >

Oben sehen wir also Daten in GSC, die bis zum 28. Juni 2025 zurückreichen.
Aber bei derselben Website in SEO Stack sehen wir >

Wir haben Daten bis zum 1. Februar 2023, deutlich mehr als GSC. Und wenn man den Kontext der PERFORMANCE ÜBER DIE ZEIT betrachtet, sieht man, dass die Website-Performance über die Zeit tatsächlich deutlich GESTIEGEN ist, während die letzten 16 Monate einen Einbruch zeigen – das große Bild fehlt also.
ABER: Wenn du deine GSC-Daten in BigQuery gesichert hättest, hättest du kein Frontend-UI, um mit den Daten zu arbeiten – es sei denn, du vibecodest dir eines und nimmst den ganzen Zirkus mit AI-Integration, Verwaltung mehrerer Properties, Tabellenkonfigurationen usw. in Kauf.
Weil SEO Stack JEDEN EINZELNEN Datenpunkt / jede Dimension sichert, kannst du mit ALL deinen aktuellen und historischen GSC-Daten gemeinsam in EINEM einheitlichen Interface arbeiten.
Wenn wir also IRGENDEINE QUERY oder Seite auswählen, sehen wir sämtliche Daten zu allem!

Wir sind durch KEINERLEI LIMITS eingeschränkt.
Was noch besser ist, wenn du etwas Nützliches aus deinen Daten ziehen willst, zum Beispiel Keywords analysieren!
Schau dir das an: Durch die JAHRE an zusätzlichen GSC-Daten, die wir in SEO Stack haben, können wir auf eine erhebliche Datenmenge zugreifen >

In SEO Stack können wir also auf 730.986 Keywords zugreifen, während wir in GSC wie immer bei mageren 1000 Zeilen festhängen >

Es ist also ein No Brainer – denn 730.000+ Keywords mit Daten sind eine absolute Goldgrube, nicht nur für SEO, sondern auch für AI Visibility Tracking, sogar für PPC oder andere bezahlte Kampagnen – wir wollen wissen, wo die Nachfrage ist!
Und damit komme ich zum nächsten Punkt:
Zugriff auf deine Daten im großen Maßstab
Die Google Search Console hat 2 wirklich einschränkende Begrenzungen: die 1000-Zeilen-Limits und die Filterlimits. Beides macht die Arbeit mit GSC mühsamer, und auch wenn sie funktional ist, ist sie eben auch sehr limitiert.

Zu den 1000-Zeilen-Limits: Ja, du kannst sie mit Drittanbieter-Tools oder Konnektoren umgehen, aber dann verlässt du das UI, um etwas zu tun, das du eigentlich darin tun KÖNNEN solltest.
Sagen wir, ich will tracken, für welche Prompts unsere Marke auftaucht. Dann möchte ich vielleicht Google Search Console Query-Daten nutzen, weil das – seien wir ehrlich – eine der BESTEN Datenquellen für Suchvolumina ist.
In GSC bin ich also naturgemäß durch FILTERLIMITS und QUERY-ZEILENLIMITS eingeschränkt >

Sagen wir, ich will alle WIE-Fragen-Queries bekommen. Also setze ich einen Query-Filter auf Queries, die „how“ enthalten.

Und wie erwartet sind wir NICHT NUR durch das 1000-Zeilen-Limit GEBUNDEN, sondern auch durch die 16 Monate an Daten – und zusätzlich dadurch, dass wir keinen weiteren Filter darüberlegen können, um andere Queries auszuschließen oder die Filterung weiter zu verfeinern.
In SEO Stack dagegen sind wir weder durch 16-Monats-Zeiträume noch durch 1000-Zeilen-Limits oder durch die Filterung eingeschränkt. Dieselbe Suche nach „how queries“ in SEO Stack ergibt >

Und das Ergebnis ist >

Wir haben 41.805 Fragen.
Du kannst dir also vorstellen, wie viel mehr wir mit diesen Daten anfangen können. Ich persönlich würde nutzen, was geht, für AI Visibility Tracking (was du in SEO Stack ebenfalls machen kannst).
Wenn ich in GSC Queries ausschließen wollte, indem ich einen weiteren Query-Filter anwende, geht das nicht, weil GSC keine Filterstapelung unterstützt:

Ich bin also ziemlich aufgeschmissen, es sei denn, ich exportiere und filtere dann manuell – aber dann kann ich die Daten nicht im UI ansehen, was es ziemlich nutzlos macht.
Während GSC also nur 1 Filterbedingung gleichzeitig erlaubt, erlaubt SEO Stack unbegrenzt viele Filterbedingungen (und mehr davon)

Was zu Folgendem führt >

Und falls das noch nicht genug ist: Wir haben es so gebaut, dass du sehen kannst, welchen Klick-/Impression-Anteil deine angewendeten Filter abdecken:

Und wenn du magst, kannst du deinen eigenen Filter SPEICHERN, um künftig mit 1 Klick darauf zuzugreifen: Mit angewendetem Filter klickst du auf PRESET FILTERS und speicherst ihn dort oder in Filterordnern deiner Wahl!

Das macht das SPEICHERN, ABRUFEN und FILTERN deiner Daten VIEL einfacher.
Google Search Console Daten mit AI nutzen > APIs
Ein weiteres Thema, über das ich erst neulich geschrieben habe, betrifft die Nutzung der Google Search Console API für den Zugriff auf deine Daten – vor allem, wenn du Claude, ChatGPT, Gemini oder ein anderes LLM für ein Audit einsetzen willst.
Ich habe hier darüber geschrieben: Claude & Google Search Console vs SEO Stack & Claude
Und ganz einfach gesagt: Wenn du Claude, ChatGPT oder ein anderes LLM direkt mit der Google Search Console API interagieren lässt, riskierst du schlechte Analysen, Insights und Empfehlungen – denn die GSC-API hat Request-Limits, mit denen LLMs möglicherweise nicht richtig umgehen.
Wie wir wissen, arbeiten LLMs mit den Daten, die sie haben, aber sie wissen nicht, ob diese Daten vollständig sind. Wenn du Claude also bittest, SEO-Chancen zu finden, Kannibalisierung zu identifizieren oder ein Audit durchzuführen – wie soll das LLM ein genaues Bild liefern, wenn es nicht alle Daten bekommt?
Und jetzt muss ich etwas ENTSCHEIDENDES hervorheben:
WEBSITES HABEN OFT RIESIGE DATENMENGEN
Denk mal drüber nach: Jedes Keyword, jede „Query“, hat Daten für jeden einzelnen Tag, für jeden Klick, jede Impression, jede Position, CTR, jedes Gerät, Land und jeden Suchergebnistyp.
Dann die Seiten: Jede Seite hat zugehörige Queries, Positionen, Impressionen, Klicks, CTR, Geräte, Länder, Suchergebnistypen.
Stell dir also vor, es gibt Tausende Seiten und Zehntausende Queries?
Siehst du, worauf ich hinauswill?
Hier ist eine „DURCHSCHNITTLICH“ große Website in SEO Stack, rund 1000 Seiten – schau dir an, wie viele TEXTDATEN das für 1 Website sind: 854 MB an Textdaten!

Wenn du also MILLIONEN Datenzeilen hast, kann der Zugriff auf die Google Search Console API bedeuten, dass Requests timeouten oder über mehrere paginierte Anfragen laufen müssen – wobei das LLM in der Zwischenzeit timeouten kann oder der Kontext verloren geht bzw. nicht gehalten wird, weil SO viele Daten zu verarbeiten sind.
Um es dir bildlich zu zeigen >

Du siehst, dass CLAUDE oder ein anderes LLM deiner Wahl möglicherweise nur einen Teil der Daten bekommt und das Ergebnis deshalb falsch sein kann.
Stell dir also vor
Du bittest Claude um ein Kannibalisierungs-Audit
Du bittest ChatGPT, Content-Lücken oder Content Decay zu finden
Du bittest Gemini, Trends bei Positionsverlusten zu identifizieren
Wenn der Datensatz NICHT vollständig ist, kann das zu Folgendem führen:
Schlechten oder falschen Empfehlungen
Unvollständigen Daten
Empfehlungen, die gar nicht nötig sind
Halluzinationen in den Daten
Wenn wir uns ansehen, was Google zu den API-Request-Limits sagt, sehen wir >
Und zu den QPMs/QPDs sehen wir >

Diese Volumina SIND zwar recht großzügig, aber es dauert nicht lange, bis eine mittelgroße bis große Website so viele Daten hat, dass sie über die Tageslimits hinausgeht.
Genau deshalb ist das WAREHOUSING deiner Daten und die anschließende Analyse mit AI die deutlich bessere Lösung.
Welche Data-Warehousing-Lösungen gibt es? Und sind sie schwer einzurichten?
Es gibt ein paar Optionen, aber als Erstes solltest du prüfen, ob sie deine Search Console Daten tatsächlich SPEICHERN oder sie einfach von Google abrufen, wenn du einen Report öffnest (es gibt viele GSC-Tools, die in Echtzeit mit der API arbeiten; das sind in der Regel keine Warehouses).
Das ist wichtig, denn ein hübscheres GSC-Dashboard gibt dir nicht zwangsläufig zusätzliche Historie. Tools wie SEO Gets + SEOTesting geben zum Beispiel explizit an, dass sie kein Archivierungstool für die Search Console sind. Die meisten ihrer Reports fragen die Daten bei Nutzung von der API ab.
Der andere Punkt ist, was NACH dem Speichern der Daten passiert. Kannst du sie tatsächlich über ein nutzbares Interface analysieren, oder hast du jetzt eine Datenbank, die SQL-Queries und eigene Dashboards braucht?
Hier sind einige der wichtigsten Wege.

Die nachfolgenden Preise sind in USD, basierend auf den am 29. Oktober 2026 geprüften veröffentlichten Preisen. Der Einrichtungsaufwand ist meine Einschätzung des damit verbundenen Arbeitsaufwands.
Es gibt außerdem eine Unterscheidung bei den Datenlimits, die du verstehen musst.
Google dokumentiert ein Search-Analytics-API-Limit von 50.000 Zeilen pro Tag, pro Property, pro Suchtyp. Diese Ergebnisse in einem Warehouse zu speichern, hebt diese Beschränkung an der Quelle nicht auf. Googles nativer BigQuery-Bulk-Export umgeht dieses tägliche Zeilenlimit, zeigt aber trotzdem keine anonymisierten Query-Texte.
Wenn ein Anbieter also von „unbegrenzten Daten“ spricht, frag nach, was das konkret bedeutet. Unbegrenzter Speicher? Unbegrenzte Zeilen in deren Interface? Oder eine Erfassungsmethode, die die Standard-API-Limits umgeht?
Für die meisten SEOs ist der Weg über eine Managed-Plattform der einfachste, weil Speicherung und Analyse bereits verbunden sind. BigQuery ergibt dann Sinn, wenn du Kontrolle über die zugrunde liegenden Daten willst und die technischen Ressourcen hast, um damit zu arbeiten.
Ist es besser, AI mit archivierten GSC-Daten oder mit GSC MCP zu nutzen?
Die Antwort darauf hängt stark von deinem Anwendungsfall ab.
Wenn du große Websites auditierst oder VIELE Daten verarbeitest, fährst du mit AI auf archivierten Daten deutlich besser als mit dem Versuch, die GSC-API zu nutzen – wegen der Zeilenlimits.
Allerdings können EINIGE MCPs dir die Daten im großen Maßstab liefern, ABER du hast trotzdem ein Defizit bei den Zeiträumen, es sei denn, du nutzt GSC + BIGQUERY oder SEO Stack.
MCP-Zugriff und Data Warehousing sind zwei verschiedene Dinge: Ein MCP kann Claude die Search Console abfragen lassen, ohne selbst irgendwelche Historie/Altdaten zu speichern. Entscheidend ist, was hinter dieser Verbindung steckt: Googles Live-API oder eine Datenbank mit zuvor erfassten Daten.
Es gibt diverse MCP-Konnektoren für die Google Search Console, aber vor der Auswahl würde ich fragen:
Was fragt es ab? Googles API direkt, gespeicherte Daten oder beides?
Wie viel liefert jedes Tool zurück? Und paginiert oder aggregiert es die Ergebnisse?
Behält es Historie über 16 Monate hinaus?
Kann es über den gesamten gespeicherten Datensatz rechnen, oder schickt es nur eine begrenzte Anzahl Zeilen an die AI?
Wofür zahlst du? Calls, zurückgegebene Zeilen, Properties, Speicher oder eine Kombination?
Denk einfach daran: Wenn du CLAUDE, ChatGPT, Gemini oder ein anderes LLM zum Auditieren nutzt, musst du bei Datenerfassung, Aggregation und Abfrage UNBEDINGT sauber aufgestellt sein.
Ich habe zum Beispiel Claudes Verbindung zu GSC getestet und mit Claudes Verbindung zu SEO Stack verglichen – dieselbe Website, aber unterschiedliche Datenausgaben:
Auf die Frage an Claude nach den Query-Zahlen über das SEO Stack MCP kam diese Antwort:

Und bei Claude mit direkter Verbindung zu GSC bekam ich >

Sofort also Tausende untererfasste Queries aus der GSC-Verbindung – und etwas, das mich besonders beunruhigen würde, wenn ich ein Audit für meine eigenen Seiten oder die eines Kunden durchführe.
OK, welche MCP-Optionen gibt es also?

Das Bild ist eventuell schwer zu lesen, daher hier die Optionen:
1. SEO Stack MCP

SEO Stack bietet MCP-Zugriff zusätzlich zu seiner Search Console Analyseplattform und dem Data Warehousing. Du kannst die Plattform direkt nutzen oder einen kompatiblen AI-Client mit den gespeicherten Daten verbinden.
Kosten
Basic: $129.99 pro Monat.
Pro: $349.99 pro Monat.
Agency: $679.99 pro Monat.
Zusätzliche Website-Properties kosten $10 pro Monat je Property.
MCP-Zugriff ist in allen drei Plänen enthalten.
Limits
Basic: 10 Website-Properties und 60 Monate Warehousing.
Pro: 30 Website-Properties und 60 Monate Warehousing.
Agency: 200 Website-Properties und 120+ Monate Warehousing.
Pro wirbt explizit mit unbegrenzten MCP-Calls für eigene Agents und Automatisierungen.
Das Speicherkontingent bedeutet nicht, dass du sofort fünf oder zehn Jahre historische Daten erhältst. SEO Stack importiert die Historie, die Google noch bereitstellt, und sammelt dann weiter.
Wie schwer ist die Einrichtung?
Der dokumentierte Ablauf ist unkompliziert: Search Console Properties verbinden, einen MCP-Key generieren und die Konfiguration in deinem kompatiblen AI-Client hinterlegen. Es gibt kein separates BigQuery-Projekt und keine Datenbank zu konfigurieren.
Gibt es ein GSC-Interface?
Ja. Du bekommst ein eigenes Analyse-Interface zusätzlich zum MCP-Zugriff auf GSC-, GA4- und AI-Visibility-Daten. Du kannst über die Plattform oder deinen verbundenen AI Assistant arbeiten.
2. GSC Wizard

GSC Wizard kombiniert ein Analyse-Interface für die Search Console mit MCP-Zugriff und Langzeitspeicherung für ausgewählte Properties. Die Pläne unterscheiden zwischen Properties, auf die über die API zugegriffen wird, und Properties mit vollem Speicher.
Kosten
Starter: €17 pro Monat.
Pro: €39 pro Monat.
Business: €249 pro Monat.
Individuelle Pläne starten ab €349 pro Monat.
Limits
Starter: 10 API-Properties, davon 5 mit vollem Speicher.
Pro: 50 API-Properties, davon 25 mit vollem Speicher.
Business: 500 API-Properties, davon 150 mit vollem Speicher.
Für gespeicherte Properties wird eine Aufbewahrung von 10 Jahren beworben.
Die erste Nachbefüllung umfasst die verfügbare Historie, typischerweise die letzten 16 Monate. Die zusätzliche Historie baut sich mit fortlaufender Erfassung auf.
Wie schwer ist die Einrichtung?
Es handelt sich um eine gehostete Plattform, du musst also keinen eigenen MCP-Server installieren und pflegen. MCP- und API-Zugriff sind in allen veröffentlichten Plänen enthalten.
Gibt es ein GSC-Interface?
Ja. Es umfasst ein Analytics-Interface, Reports, Exporte und Sharing-Funktionen. Prüfe, für welche Properties der volle Speicher aktiviert ist, denn das Kontingent an API-Properties ist größer als das an gespeicherten Properties.
3. Search Console MCP — mcpsearchconsole.com

Search Console MCP bietet eine günstige gehostete Verbindung, um über einen AI-Client auf die Search Console zuzugreifen. Die Preisgestaltung basiert auf kostenloser Nutzung, einem Einzelabo oder einem Team-Abo für Unternehmen.
Kosten
Free: €0.
Solo: €4.99 pro Monat.
Team: €29.99 pro Monat.
Preise zzgl. MwSt.
Limits
Der kostenlose Plan umfasst 3 Search Console Properties.
Die kostenlose Nutzung ist auf 15 Datenabrufe pro Tag begrenzt, maximal 40 pro Monat.
Solo wirbt mit unbegrenzten Datenabrufen und Properties für ein Google-Konto.
Das sind die Kontingente des Anbieters. Googles zugrunde liegende API-Beschränkungen gelten weiterhin, wenn Daten über diese API abgerufen werden.
Wie schwer ist die Einrichtung?
Es ist eine gehostete Verbindung, es muss also kein lokaler Server installiert werden. Der Anbieter bietet einen kostenlosen Einstieg.
Gibt es ein GSC-Interface?
Das veröffentlichte Angebot konzentriert sich darauf, Search Console Tools über deinen AI-Client verfügbar zu machen. Die Preisseite belegt nicht, dass ein vollwertiges GSC-Reporting-Interface oder ein langfristiges historisches Warehouse enthalten ist.
4. Supermetrics MCP
Supermetrics bietet MCP-Zugriff auf mehrere Marketing-Datenquellen, darunter Google Search Console. Das ist eine Option für Workflows, die Search-Performance mit anderen Marketingdaten kombinieren müssen.
Kosten
Starter: Ab $55 pro Monat, oder $44 pro Monat bei jährlicher Abrechnung.
Growth: Ab $222 pro Monat, oder $177 pro Monat bei jährlicher Abrechnung.
Enterprise: Individuelle Preisgestaltung.
MCP ist in Plänen mit Data-API-Zugriff enthalten.
Limits
Starter weist ein monatliches Data-API-/MCP-Kontingent von 50.000 Zeilen aus.
Growth weist ein monatliches Kontingent von 250.000 Zeilen aus.
Die Pläne haben außerdem Kontingente für Datenquellen, Accounts und Nutzer.
Warehouse-Ziele wie BigQuery liegen im Enterprise-Angebot. Prüfe das Paket also genau, wenn historische Speicherung Teil deiner Anforderung ist.
Wie schwer ist die Einrichtung?
Die Standardverbindung besteht aus Anmelden, Hinzufügen des Server-Endpoints in deinem MCP-Client und Autorisieren des Zugriffs. Supermetrics gibt an, dass für die Basiseinrichtung kein Entwickler nötig ist. Individuelle Integrationen und Workflows können Engineering-Unterstützung erfordern.
Gibt es ein GSC-Interface?
Supermetrics bietet Reporting-Produkte und Templates, wobei die genauen Funktionen vom Paket abhängen. Das MCP kann Daten an deinen AI-Client liefern, aber Speicherung und Reporting-Anforderungen musst du separat prüfen.
5. AminForous mcp-gsc
AminForous mcp-gsc ist ein Open-Source-Server, der die Search Console mit kompatiblen AI-Clients verbindet. Er enthält Tools für Performance-Analyse, Zeitraumvergleiche, URL-Prüfung und Sitemap-Verwaltung.
Kosten
Die Software ist kostenlos und Open Source.
Dein AI-Abo bzw. die Modellnutzung kommt separat hinzu.
Wenn du ihn remote deployen willst, fallen zusätzlich Hosting-Kosten an.
Limits
Er läuft über Googles APIs, es gelten also Googles Kontingente und Datenbeschränkungen.
Einzelne Tools haben außerdem implementierungsbedingte Limits. Das dokumentierte Batch-URL-Prüftool akzeptiert zum Beispiel maximal 10 URLs auf einmal.
Ein historisches Search Console Warehouse ist nicht enthalten.
Wie schwer ist die Einrichtung?
Das erfordert mehr Konfiguration als ein gehosteter Dienst. Du musst:
Ein Google Cloud Projekt erstellen oder auswählen.
Die Search Console API aktivieren.
OAuth-Zugangsdaten oder ein Service-Konto konfigurieren.
Den Server installieren und seine Konfiguration in deinem AI-Client hinterlegen.
Den Zugriff autorisieren und die Verbindung testen.
Gibt es ein GSC-Interface?
Es ist kein eigenes Reporting-Dashboard enthalten. Du interagierst über deinen verbundenen AI-Client, der die verfügbaren Tools nutzen kann, um Daten abzurufen und Analysen zu erstellen.
Was solltest du vor der Wahl eines GSC MCP prüfen?
Der Preis der Verbindung ist nur ein Aspekt. Du musst außerdem verstehen, auf welche Daten die AI tatsächlich zugreifen kann.
Datenquelle: Fragt es Google direkt ab, eine gespeicherte Datenbank oder beides?
Historie: Behält es Daten über Googles Standard-Reporting-Zeitraum hinaus?
Response-Limits: Wie viele Zeilen kann jedes Tool zurückgeben, und unterstützt es Pagination?
Analyse: Kann es über den gespeicherten Datensatz rechnen, bevor es eine Antwort liefert, oder schickt es nur eine begrenzte Anzahl Zeilen an die AI?
Abrechnung: Zahlst du für Calls, zurückgegebene Zeilen, verbundene Properties, Speicher oder eine Kombination?
Google dokumentiert ein Search-Analytics-API-Limit von 50.000 Zeilen pro Tag, pro Property, pro Suchtyp. Ein MCP hebt diese Beschränkung nicht automatisch auf.

Gründer, SEO Stack
Daniel ist der Gründer von SEO Stack. Er arbeitet seit über 2 Jahrzehnten an technischem SEO und Suchdaten und hat SEO Stack entwickelt, nachdem er in der Kundenarbeit einmal zu oft an dieselben Search-Console-Limits gestoßen war.
Daniel verfügt über umfangreiche SEO-Erfahrung: Er hat SEO-Agenturen, Audit-Unternehmen und eine erfolgreiche Beratung aufgebaut. In seiner Freizeit führt Daniel gerne SEO-Experimente durch und teilt seine Erkenntnisse.
Veröffentlicht 29. Oktober 2026

