GEO · Prompt Research

Die neue GEO-Grundlage, für die es noch wenig Daten gibt

Über GEO, LLMO und KI wird viel geredet, meist viel zu kompliziert. Im Kern steht eine einzige, unbequeme Frage: Welche Prompts geben deine Kund*innen wirklich auf der Customer Journey ein?

Von Jens Hurling · artundweise · GEO, SEO & Content

Prompt Research ist die Suche nach den Prompts, die Menschen auf der Suche nach Informationen oder Produkten in KI-Suchfelder eingeben, sei es ChatGPT, Perplexity, Gemini oder einfach bei Google. Sie fragt nicht, was wir gerne eingeben würden, sondern was tatsächlich getippt wird.

Prompt Research ist das neue Keyword Research

Zwanzig Jahre lang war Keyword Research das Fundament jeder SEO-Arbeit. Ohne saubere Keywords gab es keine Seitenstruktur, keinen Content-Plan und keine Idee davon, wonach Menschen überhaupt suchen. Genau diese Rolle übernimmt jetzt die Prompt Research. Sie ist die Basis, auf der alles Weitere aufsetzt, nur ein paar Nummern größer und ohne den Komfort, an den wir uns gewöhnt haben.

Der Komfort hieß Daten: Suchvolumen, Wettbewerb, Klickprognosen. All das gibt es für Prompts nicht. Niemand liefert dir eine Tabelle, wie oft Menschen „Laufschuh für den Marathon für Anfänger für Frauen bei Übergewicht“ in ChatGPT eintippen. Diese Datenquelle existiert schlicht nicht. Wer trotzdem belastbare Aussagen treffen will, baut sich eine eigene Systematik. Genau hier setzt Prompt Research an.

Der häufigste Fehler passiert ganz am Anfang

Viele setzen sich hin und denken sich Prompts aus, die ihnen gut gefallen: schöne Sätze, perfekt zum eigenen Produkt. Nur gibt diese Prompts niemand ein. Auf LinkedIn siehst du das täglich, dort kursieren Prompts, bei denen du dich fragst, was die Leute damit eigentlich herausfinden wollen.

Du willst nicht deine Wunsch-Prompts bestätigt sehen, sondern abbilden, wie Menschen tatsächlich mit der KI sprechen.

Prompt Research dreht die Logik um, und zwar immer in Bezug auf dein Produkt. Wer Straßenlaufschuhe verkauft, dem bringt der beste Prompt zu Trailschuhen nichts, weil er das Produkt nicht im Sortiment hat. Die Kunst liegt darin, beides zu treffen: echtes Nutzerverhalten und echte Produktrelevanz.

Informationell oder transaktional? Die wichtigste Sortierung

In der SEO trennten wir informationelle von transaktionalen Keywords. Bei Prompts gilt dieselbe Trennung und sie entscheidet über fast alles. Ein informationeller Prompt klingt so: „Mir tut beim Laufen das Knie weh.“ Die KI reagiert verständnisvoll, fragt nach: Wo genau? Seit wann? Wie oft läufst du, auf welchem Untergrund? Dann gibt sie allgemeine Tipps. Steigere dein Pensum langsam, wärm dich richtig auf, prüf deine Lauftechnik, lauf nicht nur auf hartem Asphalt. Sie nennt keine Quellen. Und sie nennt keine Marken. Die Antwort kommt komplett aus dem Sprachmodell selbst. Die KI wird zur Ratgeberin und absorbiert die Anfrage vollständig.

Für dich als Marke heißt das: Solche Prompts fallen raus. Und das ist ein größerer Einschnitt, als es klingt. Grob geschätzt war die Hälfte bis zwei Drittel der alten Traffic-Keywords informationell, also Ratgeber, Glossare, „Was ist…?“, „Wann wurde XY geboren?“. All das beantwortet die KI heute selbst, ohne dass jemand eine Website besucht. Wer diese Prompts ins Monitoring legt, überwacht etwas, das ihm nichts bringt. Und es kostet trotzdem Geld, denn Prompt Monitoring ist relativ teuer.

Transaktionale Prompts geben Einblick ins Suchverhalten

Interessant wird es im transaktionalen Bereich. Aus „Mir tut das Knie weh“ wird irgendwann „Ich suche einen (anderen) Laufschuh“. In diesem Moment hat die Person ihr Produkt umrissen und geht in die Recherche: Welcher Schuh passt zu meinem Problem? Das ist der erste transaktionale Prompt. Und hier nennt die KI plötzlich Kriterien, vergleicht und empfiehlt. Genau diese Prompts willst du überwachen.

Branded Prompts verzerren die Daten

Eine weitere wichtige Unterscheidung sind Branded Prompts. Prompts, in denen deine Marke sowieso schon vorkommt, solltest du gesondert behandeln. Sie nennen dich sehr wahrscheinlich in der Antwort. Die Frage ist nur: mit welchen Adjektiven, mit welchen Features und Attributen? Das ist ein wenig wie früher bei den Branded Keywords: für die frühe Customer Journey solltest du diese Prompts herausfiltern.

Je mehr der Prompt verrät, desto besser die Antwort

Hier liegt der größte Unterschied zur alten Welt. In der SEO galt: Je mehr Wörter du in die Suche packst, desto schlechter das Ergebnis. Bei der KI ist es umgekehrt. Sie fordert dich aktiv auf, möglichst viele Kriterien zu nennen. „Gut, dass du das sagst. Neigst du zur Überpronation? Läufst du auf der Straße oder im Gelände? Welche Distanz, welches Budget?“ Je präziser du wirst, desto besser die Empfehlung. Und die Menschen merken das. Sie lernen, mit der KI zu sprechen, und liefern freiwillig Detail um Detail.

Deshalb stehen die Kriterien für das Produkt im Zentrum jeder ernsthaften Prompt Research. Du musst sie systematisch erfassen, sonst kommst du keinen Schritt weiter.

Warum die KI deine Kund*innen an der Hand nimmt

Aus ihrem Weltwissen weiß die KI, dass Menschen rund um „Laufschuh“ immer wieder dieselben Dinge wichtig finden: Laufstil, Untergrund, Dämpfung, Gewicht, Distanz. Also fragt sie genau das ab und führt die Person Schritt für Schritt zur Kaufentscheidung.

Früher musste man sich diese Kriterien mühsam selbst erarbeiten. Du gabst „Laufschuh“ bei Google ein, last dich durch Texte und lerntest unterwegs, dass du bei deiner leichten Überpronation vielleicht einen Stabilschuh mit Stütze brauchst. Eine kleine Erkenntnisreise, Klick für Klick. Diesen Long Tail sahen wir in den Keyword-Daten nie, weil das Volumen zu klein war. Die KI kürzt diese Reise radikal ab. Sie schlägt dir Kriterien vor, von denen du noch gar nicht wusstest, dass sie für dich zählen, etwa die Sprengung des Schuhs oder eine Pronationsstütze. Das ist der eigentliche Bruch: Die Customer Journey verlagert sich in die KI. Sie wird kürzer, gestaucht, schwerer zu durchblicken.

So wird aus dem Chaos eine Prompt-Systematik

Praktisch läuft Prompt Research über mehrere Schichten. Du gibst ein Produkt ein, sagen wir „Laufschuh“, und mehrere Sprachmodelle beantworten nacheinander dieselbe Frage: Welche Kriterien fallen dir dazu ein? Wonach würdest du eine*n Kund*in fragen? Führe die Ergebnisse zusammen und strukturiere sie.

Heraus kommt eine Übersicht, in der zum Beispiel der Laufstil ganz oben steht, weil er am relevantesten ist: Neutralschuh, Stabilschuh, Schuh für Überpronation. Darunter fächern sich die einzelnen Prompts auf, nach Untergrund, Dämpfung, Distanz, Gewicht und Preis. Diese Gesamtschau ist der Punkt. Erst wenn du den neutralen Überblick hast, entscheidest du, welche Prompts für dich zählen. Übrigens: Die KI empfiehlt nie den billigsten, sondern immer den passendsten Schuh. Den Preis kannst du als ein Kriterium aufnehmen, aber alles darum zu drehen, greift zu kurz.

Ein angenehmer Nebeneffekt: Die KI versteht Synonyme. Für „Laufschuh mit Dämpfung“ und „Laufschuh mit Stoßdämpfung“ brauchst du nicht zwei Prompts. Das Kriterium steht darüber, der Rest bleibt schlank. Für ein effizientes Monitoring ist das viel wert.

Millionen Kombinationen, die du gar nicht brauchst

Jetzt kommt der Punkt, den die meisten unterschätzen. Jeder Mensch tippt andere Kriterien ein: 42 Jahre alt, für den Halbmarathon, möglichst leicht, für Asphalt, breite Passform, maximal 140 Euro. Acht Milliarden Menschen, acht Milliarden Kombinationen.

Rechne es einmal durch. Elf Kriterien, jedes mit jedem kombiniert, ergeben Millionen Möglichkeiten. Bei zwölf Kriterien sind es noch viel mehr. Das wächst exponentiell und das nur für die deutsche Sprache. Jeden dieser Prompts zu überwachen, ist unmöglich.

Beherrschst du deine Hauptkriterien, deckst du Millionen Kombinationen gleich mit ab.Die Arbeitsthese der Prompt Research

Also brauchst du eine Methodik, ein Framework. Die Arbeitsthese dahinter ist so einfach wie schlüssig: Wenn du sichtbar bist, sobald jemand einen Laufschuh für Asphalt sucht und ebenso sichtbar bei der Suche nach einem Schuh mit Pronationsstütze, dann tauchst du mit hoher Wahrscheinlichkeit auch in der Kombination beider Kriterien auf.

Deshalb misst du nicht stumpf alles, sondern wählst ein kleines, logisches und in sich schlüssiges Set und prüfst dort deine Sichtbarkeit.

8 Schritte zur richtigen Prompt Research

Prompt Research ist die Grundlage, auf der die gesamte Optimierung steht. Erst das saubere Prompt-Set zeigt dir die Content-Lücken: Wo fehlt dir Inhalt? Wo fehlen PR-Maßnahmen? Welche Quellen zieht die KI heran und wie relevant sind sie? Ohne dieses Fundament optimierst du ins Blaue. Der erste Schritt bleibt immer derselbe: erst die Prompt Research, dann der Rest.

1. Mit dem Produkt starten, nicht mit Wunsch-Prompts.Gib nur dein Produkt ein („Laufschuh“) und lass mehrere Sprachmodelle die relevanten Kriterien sammeln. So bekommst du den neutralen Überblick, wonach Kund*innen wirklich fragen. Dabei helfen Tools wie AlsoAsked, Rankscale oder Sistrix.
2. Informationelle Prompts aussortieren.Alles, wo die KI nur berät und weder Marke noch Produkt nennt („Mir tut beim Laufen das Knie weh“), fliegt raus. Solche Prompts kosten im Monitoring Geld und bringen dir nichts.
3. Kriterien nach Relevanz gewichten.Sortiere die Kriterien nach Wichtigkeit. Beim Laufschuh steht der Laufstil oben, danach Untergrund, Dämpfung, Distanz. Dafür lohnt es sich, mit dem Vertrieb und dem Customer Success zu sprechen.
4. Synonyme zusammenfassen.Leg nicht mehrere Prompts an, die dasselbe meinen. Die KI versteht „Dämpfung“ und „Stoßdämpfung“ als ein Kriterium. Ein Gedanke, ein Prompt.
5. Auf Hauptkriterien fokussieren.Versuch nicht, jede Kombination zu überwachen. Bist du für deine Hauptkriterien sichtbar, deckst du die Kombinationen mit ab.
6. Prompts in ein Monitoring-Tool überführen.Wähl die relevanten Prompts aus und beobachte sie in einem Tool deiner Wahl. Der Markt bewegt sich schnell, prüf dein Tool regelmäßig neu.
7. Sichtbarkeit je Kriterium messen und Ursachen klären.Schau, bei welchen Kriterien dein Produkt auftaucht und bei welchen nicht, etwa 0 % bei „Laufschuh mit Pronationsstütze“, und woran das liegt.
8. Aus den Lücken Maßnahmen ableiten.Wo du nicht sichtbar bist, fehlt meist Content oder PR oder beides. Sieh dir an, welche Quellen die KI zitiert und wie relevant sie sind. Zu deinen wichtigsten Kriterien lohnt sich tiefer, eigener Content.

Häufige Fragen zur Prompt Research