Folge 27: Prompts – Die Grundlage für GEO-Strategien
Prompts sind mehr als nur Suchanfragen – sie sind die zentrale Schnittstelle zwischen Nutzenden und KI-Systemen. Während klassische Keywords in der Suchmaschinenoptimierung nach Informationen suchen, stellen Prompts Aufgaben, die KI-Systeme lösen sollen. Für Generative Engine Optimization sind Prompts zugleich Messinstrument und strategischer Ansatzpunkt.
In dieser Folge erklären Maggie Mues und Theresa Zanker, was Prompts im GEO-Kontext bedeuten, welche Arten relevant sind und wie eine systematische Prompt-Recherche funktioniert. Von der Definition über die Kategorisierung bis hin zu konkreten Recherchewegen – diese Folge liefert das Fundament für datenbasierte GEO-Content-Strategien.
Was ist ein Prompt?
Ein Prompt ist eine spezifische Eingabeaufforderung oder Anweisung, die an ein KI-System gerichtet wird, um eine Aufgabe auszuführen oder Informationen zu generieren. Der entscheidende Unterschied zur klassischen Suche: Prompts sind mehr als reine Informationsabfragen – sie formulieren Aufgaben, die durch KI-Systeme erledigt werden können.
Während eine Internetsuche oft nur ein Element innerhalb einer größeren Aufgabe darstellt, umfasst ein Prompt die gesamte Intention: von der Informationsbeschaffung über die Verarbeitung bis zur Lösung eines konkreten Problems.
Prompts als Messinstrument im GEO-Kontext
Im GEO-Kontext fungiert der Prompt als zentrales Messinstrument. Der Ablauf ist klar definiert:
- Nutzende geben einen Prompt ein
- Das KI-System verarbeitet den Prompt
- Das KI-System generiert eine Antwort
- Als Ziel: Citation oder Mention der eigenen Marke/Quelle
Basierend auf dem Prompt lässt sich messen, ob GEO-Maßnahmen erfolgreich waren – ob die Sichtbarkeit in KI-Systemen gesteigert werden konnte. Der Prompt ist somit nicht nur Input, sondern auch Erfolgskriterium.
Welche Arten von Prompts gibt es?
KI-Systeme erfüllen teilweise die gleichen Intentionen wie andere Marketingkanäle. Aus GEO-Perspektive lassen sich Prompts in fünf Hauptkategorien einordnen:
Informationssuchende Prompts
Prompts, die Wissen und Erklärungen abfragen.
Beispiel: „Erklär mir die wichtigsten SEO-Ranking-Faktoren 2026“
GEO-Relevanz: Hoch
Navigationsorientierte Prompts
Prompts, die auf spezifische Quellen, Dokumentationen oder Orte abzielen.
Beispiel: „Wo finde ich die Google Search Console Dokumentation?“
GEO-Relevanz: Hoch
Transaktionsorientierte Prompts
Prompts mit Kaufabsicht oder Entscheidungsunterstützung.
Beispiel: „Hilf mir beim Kauf des besten SEO-Tools für kleine Unternehmen“
GEO-Relevanz: Hoch
Problemlösungsorientierte Prompts
Prompts, die kreative Lösungen oder Content-Ideen anfordern.
Beispiel: „Entwickle mir zehn kreative Content-Ideen für einen Fitnessblog, die viral gehen“
GEO-Relevanz: Mittel
Kreativ-produktive Prompts
Prompts, die Inspiration oder Motivation suchen.
Beispiel: „Motiviere mich als SEO-Anfänger und zeige mir, warum SEO eine spannende Disziplin ist“
GEO-Relevanz: Niedrig
Wichtig: Die ersten drei Kategorien (Informational, Navigational, Transactional) sind aus GEO-Sicht am relevantesten, da sie am häufigsten Citations und Mentions auslösen.
Prompt-Kategorisierung: Marketing vs. KI-Systeme
Die fünf Hauptkategorien spiegeln eine Marketing-Perspektive wider. KI-Systeme selbst kategorisieren Prompts deutlich granularer:
OpenAI-Kategorisierung
OpenAI unterscheidet in 7 Hauptkategorien mit 23 Unterkategorien:
- Multimedia
- Unknown
- Practical Guidance
- Seeking Information
- Self Expression
- Technical Help
- Writing
Aus Marketing-Sicht ist vor allem die Kategorie Writing relevant – jedoch nicht alle Unterkategorien.
Microsoft-Kategorisierung
Microsoft definiert 13 Intent-Kategorien, darunter:
- Planning
- Small Talk
- Creation
- Navigational
- und weitere
Teilweise gibt es Überschneidungen mit der Marketing-Kategorisierung, jedoch mit deutlich feinerer Granularität.
Für GEO sind vor allem jene Prompts relevant, die ein Grounding auslösen – also den Prozess, bei dem das KI-System auf externe Webquellen zugreift, um die Antwort zu generieren.
Grounding: Warum manche Prompts Citations auslösen
Nicht jeder Prompt führt zu einer Citation. Entscheidend ist, ob das KI-System ein Grounding durchführt:
Das KI-System entscheidet, ob es ausreichend Informationen aus den Trainingsdaten hat oder weitere Informationen benötigt.
Wenn das System entscheidet, dass keine weiteren Informationen nötig sind, wird die Antwort ausschließlich aus den Trainingsdaten generiert – ohne Citations.
Wenn das System weitere Informationen benötigt, wird der Grounding-Prozess getriggert: Das Sprachmodell durchsucht das Web und andere relevante Dokumente. Die Antwort enthält dann Citations und Mentions.
GEO-Implikation: Prompts, die ein Grounding auslösen, sind die primären Ansatzpunkte für GEO-Strategien. Dazu gehören häufig transaktionale Prompts sowie Prompts mit bestimmten Triggerwörtern (z. B. Zeitbezüge wie „2026“, „aktuell“, „neueste“).
Branded vs. Non-Branded Prompts
Die Unterscheidung zwischen Branded und Non-Branded Prompts ist strategisch entscheidend:
Non-Branded Prompts fallen in die Conquer-Kategorie und sind im engeren Sinne GEO. Branded Prompts gehören zur Defend-Strategie und sichern bestehende Markenwahrnehmung ab.
In welchen Bereichen von GEO begegnen uns Prompts?
Prompts spielen in vier zentralen GEO-Bereichen eine Rolle:
Hier werden Prompts für jedes Unterthema und jede URL recherchiert und festgelegt. Die Prompts bilden die Grundlage für die inhaltliche Ausrichtung.
Basierend auf der Content-Strategie werden Prompts für das Tracking ausgewählt. Diese Prompts werden systematisch überwacht, um Citations und Mentions zu messen.
Kennzahlen werden auf verschiedenen Ebenen ausgewertet:
- Prompt-Ebene (einzelne Prompts)
- Unterthema-Ebene (alle Prompts pro Unterthema aggregiert)
- Hauptthema-Ebene (alle Prompts pro Hauptthema aggregiert)
- Projekt- oder Domain-Ebene (alle Prompts gesamt)
Prompts werden in den Content eingebunden. Wichtig: Für die Einbindung müssen Prompts in einzelne Queries zerlegt werden – dieser Prozess wird Query Fan-Out genannt (siehe Folge 24).
Wie recherchiere ich Prompts?
Die Prompt-Recherche folgt einem strukturierten Prozess in vier Schritten:
Thema definieren
Definition des Themas in der Content-Strategie.
Beispiel: „Baufinanzierung berechnen“
Prompts ableiten
Ableitung konkreter Prompts aus dem Thema.
Beispiel: „Wie berechne ich eine Baufinanzierung für ein Einfamilienhaus?“
Variablen anreichern
Berücksichtigung von:
- Personas (z. B. Erstkäufer:innen, Investor:innen)
- Formulierungen (verschiedene Fragestellungen)
- Kontexte (z. B. regional, finanziell)
- Zeitbezüge (z. B. „2026“, „aktuell“)
Prompt-Set erstellen
Erstellung eines Prompt-Sets mit ca. 5–10 Prompts pro Thema.
Bei mehreren Personas können es auch mehr Prompts sein.
Wichtige Grundregeln für die Prompt-Recherche
Keywords sind keine Prompts – außer bei Google AI Overviews, wo auch kürzere Suchanfragen relevant sind. Bei allen anderen KI-Systemen sind vollständige Sätze erforderlich.
Ein guter Prompt ist kein Stichwort wie „Kredit Hausbau“, sondern eine vollständige Frage: „Wo bekomme ich einen Kredit für meinen Hausbau?“
Sowohl der Intent (informational, navigational, transactional) als auch Variablen (Personas, Formulierungen, Kontexte, Zeitbezüge) müssen berücksichtigt werden.
Vier Recherchewege für Prompts
Die „Weitere Fragen“-Box in den Google-Suchergebnissen liefert verwandte Fragen zu einem Thema. Diese können als Basis für Prompts dienen.
Tools:
- Google SERP (manuell)
- People Also Ask Tools (automatisiert)
Fun Fact: Für die People Also Ask Box wurde Googles erstes internes LLM entwickelt.
Query Fan-Out beschreibt den Prozess, bei dem ein KI-System einen komplexen Prompt in mehrere einfachere Suchanfragen zerlegt. Dieser Prozess lässt sich simulieren.
Tools:
- Otterly AI: Kostenlose Simulation des Google Query Fan-Out
- QFOR: Kostenloses Tool zur Query-Zerlegung
- Perplexity Pro: Echtzeit-Verfolgung der einzelnen Suchschritte
Spezialisierte Tools tracken, welche Prompts in KI-Systemen gestellt werden und liefern verwandte Prompt-Vorschläge.
Beispiel-Tool:
- Repeak AI: LLM-Tracking-Tool mit Prompt-Recherche-Funktion
Die Google Search Console zeigt, welche Suchanfragen Nutzende bereits an die eigene Website stellen. Mit einem Regex-Filter lassen sich längere Anfragen (potenzielle Prompts) identifizieren.
Vorgehen:
- Filter auf Suchanfragen legen
- Regex-Befehl: Anzahl Wörter > X (z. B. > 10)
- Längere Suchanfragen als Prompt-Basis nutzen
Zusatztipp: Auch KI-Chatbots können bei der Prompt-Recherche unterstützen.
Aktuelle Herausforderungen im Prompt-Tracking
Trotz der strategischen Bedeutung von Prompts gibt es noch erhebliche Herausforderungen:
Hohe Tracking-Kosten
Durch die große Anzahl und Vielfalt der Prompts ist ein systematisches Tracking sehr kostenintensiv. Die Investition in Tracking-Tools kann schnell das Budget sprengen.
Fehlendes Suchvolumen
Anders als bei klassischen Keywords fehlt bei Prompts ein Suchvolumen. Es ist unklar, welche Prompts wie häufig eingegeben werden – auch thematisch geclustert gibt es keine verlässlichen Daten. Dies erschwert die Priorisierung und effektive Budget-Allokation.
Tracking ohne Login/Free-Tier
Viele Tracking-Tools tracken im nicht eingeloggten Zustand oder im kostenlosen Nutzungsmodus. Es ist unklar, ob die getrackte Antwort tatsächlich dem entspricht, was Nutzende sehen.
Personalisierung der Antworten
KI-Systeme personalisieren Antworten basierend auf Nutzerhistorie, demografischen Merkmalen, Standort und Familienstand. Dies verfälscht die Vergleichbarkeit von Tracking-Ergebnissen.
Fazit: Prompts als strategisches Fundament für GEO
Prompts sind mehr als nur Eingaben – sie sind das zentrale Messinstrument und der strategische Ansatzpunkt für Generative Engine Optimization. Die wichtigsten Erkenntnisse:
- Prompts sind Aufgaben, keine Keywords: Sie formulieren konkrete Anforderungen an KI-Systeme
- Grounding ist entscheidend: Nur Prompts, die ein Grounding auslösen, führen zu Citations und Mentions
- Systematische Recherche ist erforderlich: Von der Themen-Definition über Variablen-Anreicherung bis zum Prompt-Set
- Branded vs. Non-Branded: Unterschiedliche strategische Ansätze (Conquer vs. Defend)
- Vier Recherchewege: People Also Ask, Query Fan-Out Simulation, LLM-Tracking-Tools, Google Search Console
- Herausforderungen bleiben: Kosten, fehlendes Suchvolumen, Tracking-Limitationen, Personalisierung
Wer Prompts strategisch recherchiert, strukturiert und trackt, legt das Fundament für datenbasierte GEO-Strategien. Die Herausforderungen sind real – doch die systematische Auseinandersetzung mit Prompts ist unverzichtbar für erfolgreiche Sichtbarkeit in KI-Systemen.
