Im klassischen SEO war das Suchvolumen die Wahrheit. In der KI-Suche taugt es nicht mehr als Maßstab. Wer wissen will, ob ChatGPT, Perplexity oder die AI Overviews seine Marke nennen, baut die Prompt-Liste entlang der Kundenreise statt nach Volumenzahlen.

Warum das Suchvolumen als Maßstab ausfällt

Das Suchvolumen taugt im GEO nicht mehr als Maßstab. Eine Kaufentscheidung verteilt sich auf viele Prompts über mehrere Phasen, nicht auf einen einzelnen.

Im SEO war die Lage übersichtlich. Ein Tool meldete 10.000 Suchen im Monat für ein Keyword, und der nächste Schritt stand fest: Content aufbauen, Ranking beobachten, nachsteuern.

In der KI-Suche reicht das nicht. Niemand springt von „Soll ich ein E-Auto kaufen?“ direkt zu „Welchen Tesla?“. Dazwischen liegen Zweifel, Recherche und Vergleiche.

Dazu kommt die Personalisierung. Zwei Menschen bekommen auf dieselbe Frage verschiedene Antworten, weil das Modell ihren Kontext mitliest. Gemini wertet inzwischen auf Wunsch E-Mails und Drive-Dateien aus. Das Volumen einer Frage sagt also wenig darüber, was eine konkrete Person zu sehen bekommt.

Trotzdem hören wir von Marketingverantwortlichen oft denselben Wunsch: die Top 50 Prompts nach Volumen, der Rest ergibt sich. Der Reflex stammt aus zwanzig Jahren SEO. Er greift hier zu kurz.

Drei Achsen statt einer Zahl

Vollständige Prompt-Abdeckung steht auf drei Achsen. Sie sorgen dafür, dass eine Marke zur richtigen Zeit sichtbar ist, nicht nur oft.

Die erste Achse ist die Kundenreise mit den Phasen Awareness, Consideration und Kauf. Hier fallen die Entscheidungen.

Die zweite Achse ist der Kundenkontext: wer kauft, welches Problem die Person löst, was sie fürchtet. Diese Achse beantwortet die Personalisierung.

Die dritte Achse ist die Geografie. Wer in mehreren Märkten arbeitet, trackt sie getrennt.

Am schwersten wiegt die erste Achse. Deshalb beginnt die Arbeit dort.

Awareness: die größte Käufergruppe sitzt am Anfang

In der Awareness-Phase sitzt die größte Gruppe potenzieller Käufer. Sie haben ein Problem, kennen aber noch keine Marke. Die meisten Tracking-Listen lassen diese Phase aus.

Ein Beispiel aus dem Markt für Elektroautos. Jemand fragt: „Verlieren Elektroautos schnell an Wert?“. Frühe Recherche, ganz ohne Markennamen.

Die KI bestätigt den Wertverlust und ergänzt, dass neuere Modelle mit großer Reichweite und starke Marken wie Tesla ihren Wert besser halten. So taucht Tesla im Moment des Zweifels als positive Ausnahme auf, lange bevor der Mensch überhaupt vergleicht.

Die größte Gruppe potenzieller Käufer sitzt früh in der Recherche, lange vor dem ersten Markenvergleich.

Awareness-Prompts findest du über die Ängste deiner Kategorie. Frag dein Vertriebsteam nach den Einwänden aus Verkaufs- und Erstgesprächen. Lies die Reddit-Threads deiner Branche. Frag die KI selbst: „Welche Bedenken haben Menschen bei [Kategorie]?“.

Aus jedem Bedenken wird ein Prompt: „Sind Elektroautos teuer im Unterhalt?“, „Funktionieren Elektroautos bei Kälte?“, „Eignet sich ein Elektroauto für eine Familie mit kleinen Kindern?“. Manche treffen jeden Interessenten, andere eine bestimmte Lebenslage. Beide gehören ins Tracking.

Consideration: die Phase der Shortlist

In der Consideration-Phase bauen Interessenten ihre Shortlist. Sie fragen nach den besten Optionen. Die zentrale Frage lautet, ob die KI deine Marke überhaupt nennt.

Die generischen Prompts liegen auf der Hand: „Was sind die besten Elektroautos?“, „Welche Elektroautos haben die größte Reichweite?“, „Bestes Elektroauto unter 50.000 Euro“.

Den Unterschied machen die segmentspezifischen Prompts: „Bestes Elektroauto für Technik-Affine“, „Bestes Elektroauto für Pendler“, „Beste Elektro-Limousine für Berufstätige“. Sie zeigen, ob die KI deine Marke der passenden Zielgruppe empfiehlt. Beide Arten gehören ins Tracking.

Kauf: der Moment der Anbieterwahl

Die Kauf-Phase zählt vor allem für Shops, Händler und Dienstleister mit Direktverkauf. Die Entscheidung ist gefallen, gesucht wird der Anbieter.

Typische Prompts: „Wo kann ich [Produkt] kaufen?“, „Wo bekomme ich [Produkt] mit kostenlosem Versand?“, „Welcher Händler führt [Marke]?“. Bei Dienstleistern wird daraus eine Frage nach der Nähe: „Wo bekomme ich [Leistung] in meiner Stadt?“.

Nennt die KI hier den eigenen Laden nicht, geht der Verkauf an den Wettbewerb, auch nach gewonnener Awareness und Consideration. Diese Prompts gehören getrennt getrackt. So wird sichtbar, wer den Kaufmoment besetzt.

Bei B2B-Marken ohne Direktverkauf entfällt diese Phase. Hier zählen Awareness, Consideration und die Markenprüfung.

Markenvergleiche gehören in eine eigene Auswertung

Markenvergleiche gehören in eine eigene Auswertung, sonst verzerren sie die Kennzahlen. Sie entstehen beim direkten Vergleich („Tesla vs. Rivian“) oder bei der Wertfrage („Lohnt sich ein Tesla?“).

Der Grund ist einfach. Steht „Tesla“ schon im Prompt, beträgt die Sichtbarkeit dieser Marke 100 Prozent. Gemischt mit Prompts, in denen die Sichtbarkeit bei 60 Prozent liegt, schiebt das den Durchschnitt nach oben. Saubere Kennzahlen brauchen getrennte Töpfe.

Dieselbe Frage, andere Stadt, andere Antwort

Eine Marke performt nicht überall gleich. Dieselbe Frage liefert je nach Region eine andere Antwort.

Dieselbe Frage liefert je nach Region eine völlig andere Antwort.

„Beste Elektroautos“ nennt in den USA häufig Tesla, in Deutschland eher VW. Ein zweites Beispiel: Revolut erreicht in Großbritannien rund 60 Prozent Sichtbarkeit, in den USA rund 40. In den AI Overviews steht die Marke in Großbritannien auf Platz 1, in den USA auf Platz 3.

Lokale Anbieter nehmen Ortsnamen in ihre Prompts auf: „Bestes [Kategorie] in [Stadt]“. Die KI lokalisiert oft schon von selbst. Wer in Bremen nach der besten Pizza fragt, bekommt Bremer Adressen.

In 15 Minuten zur ersten Prompt-Liste

Eine erste Liste steht in etwa 15 Minuten, auch ohne tiefe Marktkenntnis. Zwei Wege führen dahin.

Der erste Weg nutzt vorhandene SEO-Daten. Zieh die wichtigsten Keywords aus der Google Search Console und forme sie in Fragen um. Aus „bestes iPhone für Fotografie“ wird „Welches iPhone ist am besten für Fotografie?“. Die Prompts beruhen damit auf belegter Nachfrage.

Der zweite Weg liest die Website. Zwei Dinge sind interessant: wie die Marke ihre Kunden ordnet und welches Problem sie löst. HubSpot sortiert nach Teamgröße, Revolut nach Privat, Business und Kinderkonten.

Aus der Segmentierung werden Prompts. Revolut verspricht freien Geldverkehr über Grenzen und Währungen. Daraus folgen Fragen wie „Beste Online-Bank für Auslandsüberweisungen“ oder „Online-Bank, mit der Eltern Konten für ihre Kinder anlegen“. So entstehen schnell 20 bis 30 brauchbare Start-Prompts.

Erst die Lücken zeigen, wo es hakt

Eine perfekte Liste am ersten Tag ist nicht nötig. Wichtiger ist eine Liste, die nach kurzer Zeit etwas zeigt.

Ein praktikabler Start: 10 bis 20 Awareness-Prompts zu den Bedenken der Kategorie, dazu 20 bis 30 Consideration-Prompts, generisch und nach Segment. Nach 30 Tagen Tracking lassen sich die Lücken lesen. Wo bleibt die Marke unsichtbar? Wo dominiert der Wettbewerb?

Genau dort entscheidet sich der Erfolg im GEO. Die Methode ignoriert Volumenzahlen. Sie deckt die Phasen der Reise ab, findet die Lücken in der Positionierung und justiert anhand der Daten nach.