Prompt Engineering für SEO: Wie man KI-Tools richtig befragt

Kurzantwort

Prompt Engineering für SEO ist die Kunst, KI-Modelle so zu befragen, dass sie konsistente, verwendbare Ergebnisse liefern. Drei Grundprinzipien reichen für 80 Prozent der SEO-Aufgaben: Kontext geben, Format vorgeben, Aufgabe in Teilschritte zerlegen. Wer diese Prinzipien konsequent anwendet, verdreifacht die Qualität der KI-Outputs — ohne tiefes technisches Wissen über Modell-Architekturen zu benötigen.

Warum die meisten SEOs schlechte Ergebnisse mit KI bekommen

Ein häufig beobachtetes Muster: Ein SEO-Manager öffnet ChatGPT, gibt “Schreib mir einen Artikel über technisches SEO” ein, bekommt einen generischen Text zurück und beschließt, dass KI für SEO-Content nicht geeignet ist. Dieser Schluss ist falsch — aber der Prompt war tatsächlich unbrauchbar.

Das Problem ist nicht das Modell. Das Problem ist die Anfrage. Ein Sprachmodell ist kein Werkzeug, das man einschaltet und das dann selbstständig das Richtige tut. Es ist ein System, das so gut antwortet, wie es befragt wird. Wer vage Inputs gibt, bekommt vage Outputs. Wer präzise Inputs gibt, bekommt präzise Outputs.

Dieser Zusammenhang klingt trivial, wird aber in der Praxis systematisch unterschätzt. In zwanzig Jahren SEO und seit dem breiten Einsatz von KI-Tools in SEO-Teams habe ich beobachtet, dass die Qualitätsunterschiede zwischen Teams, die KI gut nutzen, und solchen, die schlechte Ergebnisse bekommen, fast ausschließlich auf Prompt-Qualität zurückzuführen sind — nicht auf die Wahl des Modells.

Was ist ein Prompt und was gehört dazu?

Ein Prompt ist die Eingabe, die man einem Sprachmodell gibt. Ein guter SEO-Prompt besteht in der Regel aus vier Elementen:

Rolle: Wer soll das Modell sein? “Du bist ein erfahrener SEO-Berater mit Schwerpunkt Enterprise-Projekte” liefert deutlich gezieltere Antworten als keine Rollenzuweisung.

Kontext: Was ist die Ausgangssituation? Welche Website, welche Branche, welche spezifische Aufgabe? Je mehr relevanter Kontext, desto präziser die Antwort.

Aufgabe: Was soll das Modell konkret tun? Nicht “schreib über KI-SEO”, sondern “erstelle eine Gliederung für einen Artikel über KI-SEO für Enterprise-Teams, der mindestens 1.500 Wörter lang ist, Fragen als Zwischenüberschriften verwendet und in jeder Sektion direkt eine Antwort liefert”.

Format: Wie soll die Ausgabe strukturiert sein? Tabelle, Liste, Fließtext, Markdown, JSON? Ein klares Formatvorgabe reduziert Nacharbeit erheblich.

Welche Prompt-Techniken funktionieren für SEO-Aufgaben konkret?

Chain-of-Thought für komplexe Analysen: Bei mehrstufigen Analysen — etwa SERP-Analyse kombiniert mit Content-Gap-Bewertung — hilft es, das Modell explizit aufzufordern, schrittweise vorzugehen. “Analysiere zuerst die Suchintention hinter diesem Keyword, dann liste mögliche Content-Winkel auf, dann priorisiere nach Schwierigkeit.”

Few-Shot-Prompting für einheitliches Format: Wenn man konsistente Outputs in einem bestimmten Format braucht — etwa Meta-Titel für hundert URLs — zeigt man dem Modell zwei oder drei Beispiele des gewünschten Formats, bevor man die eigentliche Aufgabe stellt. Das Modell übernimmt das Format und produziert deutlich konsistentere Ergebnisse.

Persona-Assignment für Zielgruppenanalyse: “Beschreibe drei typische Nutzer, die dieses Keyword suchen würden: ihre demografischen Merkmale, ihre Expertise, ihr Informationsbedarf und ihre wahrscheinliche nächste Handlung.” Das liefert Suchintentions-Insights, die über einfache informational/transaktional-Klassifikationen hinausgehen.

Kritik-Prompts zur Qualitätskontrolle: Nach der Erstellung eines Textes oder einer Analyse kann man das Modell auffordern, sein eigenes Ergebnis kritisch zu bewerten: “Was sind die drei schwächsten Punkte in dieser Antwort? Was fehlt? Was könnte missverstanden werden?” Das produziert oft nützliche Hinweise für die manuelle Nachbearbeitung.

Negative Constraints: Explizit sagen, was nicht im Output erscheinen soll. “Keine Einleitungssätze wie ‘In der heutigen digitalen Welt…’ — starte direkt mit dem ersten konkreten Punkt.” Oder: “Keine allgemeinen Aussagen ohne Quelle oder Beispiel.”

Wie strukturiert man Prompts für die häufigsten SEO-Aufgaben?

Keyword-Clustering: “Hier ist eine Liste von [X] Keywords. Gruppiere sie in thematische Cluster, die jeweils eine Pillar Page und dazugehörige Supporting Articles unterstützen würden. Gib jedem Cluster einen sprechenden Namen, liste die zugehörigen Keywords auf und empfehle eine Suchintentions-Klassifikation: informational, kommerziell oder transaktional. Format: Tabelle.”

Meta-Titel erstellen: “Schreibe 5 Meta-Titel-Varianten für folgende URL: [URL]. Die Seite behandelt [Thema]. Zielgruppe: [Zielgruppe]. Tonalität: [sachlich/freundlich/direkt]. Länge: maximal 60 Zeichen. Das primäre Keyword [Keyword] soll möglichst am Anfang stehen.”

Content-Briefing: “Erstelle ein Content-Briefing für einen Artikel zum Keyword [Keyword]. Das Briefing soll enthalten: Suchintention, Zielgruppe, empfohlene Struktur mit H2 und H3 als Fragen formuliert, geschätzte Wortanzahl pro Abschnitt, interne Verlinkungsempfehlungen und drei Aspekte, die Konkurrenten-Artikel zu diesem Thema typischerweise auslassen.”

SERP-Analyse: “Ich habe für das Keyword [Keyword] folgende SERP-Ergebnisse: [Liste mit Titeln und URLs]. Analysiere: Welche Suchintention dominiert? Welche Inhaltsformate werden bevorzugt? Welche Themen erscheinen konsistent? Was fehlt möglicherweise?”

Mehr zu KI-Tools im SEO-Alltag im Artikel Die besten KI-Tools für SEO: Praxisvergleich.

Welche Fehler machen SEOs beim Prompting am häufigsten?

Zu kurze Prompts ohne Kontext: “Schreib einen SEO-Artikel über [Thema]” ist kein nutzbarer Prompt. Das Modell hat keinen Kontext über Zielgruppe, Tonalität, Länge, Format, gewünschte Abschnitte oder Differenzierung gegenüber bestehenden Artikeln.

Ergebnisse ohne Prüfung übernehmen: KI-Outputs sind Entwürfe, keine Endprodukte. Faktische Fehler, veraltete Informationen und generische Formulierungen sind häufig — und müssen immer durch fachkundige Prüfung korrigiert werden. Das gilt besonders für technische SEO-Angaben, die sich schnell ändern.

Einen einzelnen Prompt für alles verwenden: Ein Prompt, der für Keyword-Clustering gut funktioniert, ist nicht automatisch für Meta-Titel-Erstellung geeignet. SEO-Teams, die gute Ergebnisse mit KI erzielen, haben für verschiedene Aufgabentypen verschiedene bewährte Prompts — ein Prompt-Repository statt Ad-hoc-Eingaben.

Modell-Eigenheiten ignorieren: Verschiedene Modelle haben verschiedene Stärken. ChatGPT ist stark im Schreiben und Zusammenfassen. Claude ist stark bei langen, strukturierten Analysen. Gemini hat direkteren Zugriff auf aktuelle Webinformationen. Die richtige Modellwahl für die richtige Aufgabe spart Zeit.

KI für Entscheidungen nutzen, die Daten erfordern: “Welches Keyword soll ich priorisieren?” ist eine Frage, die ein Sprachmodell ohne Zugriff auf echte Suchvolumendaten, Wettbewerbsdaten und Geschäftsziele nicht beantworten kann. KI kann Optionen strukturieren, nicht strategische Entscheidungen treffen.

Wie baut man ein Team-weites Prompt-Repository auf?

Ein Prompt-Repository ist eine strukturierte Sammlung bewährter Prompts für wiederkehrende SEO-Aufgaben. Es hat drei Vorteile: Es verhindert, dass jedes Teammitglied dieselben Lernkurven durchläuft. Es sorgt für konsistente Output-Qualität. Und es kann als Onboarding-Material für neue Teammitglieder dienen.

Sinnvolle Struktur: Nach Aufgabentyp kategorisieren (Analyse, Content, Technical, Reporting). Pro Prompt: Einsatzzweck, Input-Format, Beispiel-Prompt, erwarteter Output-Typ, Hinweise zur Nachbearbeitung.

Teams, die ein Prompt-Repository aktiv pflegen, berichten von deutlich höherer KI-Nutzung im Alltag — weil der Aufwand für den Einstieg sinkt. Mehr zur Team-Strukturierung im Enterprise-SEO im Artikel SEO-Governance im Konzern.

Was kommt nach dem Prompt Engineering?

Prompt Engineering ist der erste Schritt zu einer systematischen KI-Integration im SEO. Der nächste Schritt ist die Automatisierung von Prompt-Sequenzen — also Workflows, bei denen mehrere Prompts in einer Kette ausgeführt werden, um komplexere Aufgaben zu erledigen. Das erfordert entweder Programmierkenntnisse oder spezielle Automation-Tools, ist aber für Teams mit hohem SEO-Volumen zunehmend relevant.

Darüber hinaus entwickelt sich das Feld der KI-Agenten, die eigenständig mehrere Schritte ausführen, ohne dass für jeden Schritt ein manueller Prompt nötig ist. Für SEO ist das noch ein Frühstadium, aber es lohnt sich, die Entwicklung zu verfolgen.

Weitere Informationen auf der Kompetenz-Seite KI-SEO.