TL;DR
Keyword-Recherche neu gedacht
Die klassische Keyword-Recherche ist nicht tot, aber sie ist nicht mehr der Kern.
Sie ist heute eher Baseline-Hygiene. Entscheidend sind Suchintention, Themenabdeckung, Nutzwert und die Fähigkeit, echte Nutzerfragen vollständig zu beantworten – besonders in einer Welt mit AI Overviews, Conversational Search und RAG-Systemen.
Autor: Wolf-Reinhart Kotzsch
SEO seit 2007 – Erfahrung aus Agenturen und eigenen Projekten. Schwerpunkt heute: KI-Suche, AEO und Sichtbarkeit in generativen Suchsystemen.
Macht klassische KW-Recherche heute noch Sinn?
Die Antwort ist JA – allerdings nicht mehr als primäres Steuerungsinstrument für deine Suchmaschinenoptimierung. Hier der Vergleich, worauf es ankommt:
| Klassische SEO-Recherche | Keyword-Recherche mit AI |
|---|---|
| Keyword = Thema | Keyword = Symptom eines Informationsbedürfnisses |
| Suchvolumen = Priorität | Suchvolumen = grober Marktindikator |
| Erfolg = Rankingposition | Erfolg = Sichtbarkeit + Zitierfähigkeit + Conversion + KI-Erwähnung |
Für die praktische Recherche kann es außerdem helfen, Keywords nicht nur in klassischen Excel-Listen zu sammeln, sondern ergänzend in Mindmaps oder thematischen Clustern zu visualisieren. So erkennst du schneller, welche Begriffe nur Symptome sind – und welche Fragen, Unsicherheiten und Folgeentscheidungen tatsächlich dahinterstehen.
Was hat sich durch KI-Suche konkret geändert?
KI-SEO denkt nicht mehr in einzelnen Keywords, sondern in Problemen, Entscheidungen und Folgefragen. Ein Keyword ist heute meist nur ein Symptom für ein tieferes Informations- oder Entscheidungsbedürfnis.
Hinter dieser Logik steht der Query Fan-Out Prozess: KI-Systeme zerlegen eine Suchanfrage in mehrere Teilfragen, um das zugrunde liegende Problem umfassender zu verstehen. Genau deshalb reicht es nicht mehr, nur auf ein einzelnes Keyword oder auf die reine Formulierung einer Suchanfrage zu optimieren.
Von „Keywords“ zu Nutzerproblemen und Nutzungskontexten
Nicht „für Keywords optimieren“, sondern Nutzerprobleme vollständig lösen.
KI-basierte Suche denkt nicht mehr in isolierten SEO-Keywords oder UX-Begriffen. Sie versucht zu verstehen, welches konkrete Problem ein Mensch gerade lösen will – und in welchem Kontext. Statt nur Begriffe auszuwerten, berücksichtigt KI heute:
- reale Probleme im Arbeits- oder Nutzungskontext
- Entscheidungen, die Nutzer vorbereiten oder absichern wollen
- Folgefragen, die typischerweise im nächsten Schritt entstehen
Beispiel klassisches SEO:
Die Suchmaschine verarbeitet das Keyword in Suche: „SEO Agentur Kosten“ und rankt Ergebnisseiten entsprechend der KW-Relevanz
Beispiel KI-SEO:
LLMs (Large Language Models) interpretieren diese Anfrage heute hingegen so:
- Wie setzen sich SEO-Kosten zusammen?
- Welche Leistungen sind wirklich notwendig?
- Wann lohnt sich eine Agentur – und wann nicht?
- Welche Risiken gibt es bei günstigen Angeboten?
- Was kostet SEO realistisch für mein Geschäftsmodell?
Fazit: Mehrwertiger Content beantwortet nicht mehr nur die Preisfrage, sondern hilft bei der Entscheidung.
Beispiel: UX
Frühere Suche: „UX Design Best Practices“
KI liest dahinter u. a.:
- Welche UX-Maßnahmen bringen nachweislich Wirkung?
- Was ist für mein Produkt relevant – und was nicht?
- Welche Fehler machen Teams häufig?
- Wo sollte ich anfangen, wenn Zeit oder Budget knapp sind?
- Wie messe ich den Erfolg von UX-Optimierungen?
Fazit: Mehrwertiger Content liefert Orientierung, Prioritäten und konkrete Handlungshilfen.
Wie solltest du deine Keyword-Recherche heute angehen?
Kurzfassung
Keyword-Recherche funktioniert heute anders als noch vor ein paar Jahren. Der klassische Ansatz, einzelne Keywords isoliert zu betrachten, greift in der KI-Suche zu kurz.
Was nicht mehr funktioniert: 1 Keyword = 1 Seite
Inhalte, die nur auf ein einzelnes Suchwort ausgerichtet sind, wirken eher oberflächlich und beantworten Nutzerfragen nur teilweise.
- Fokus auf exakte Keyword-Wiederholung: Häufiges Wiederholen eines Begriffs verbessert weder die Nutzererfahrung noch die Sichtbarkeit. Entscheidend ist, ob der Inhalt das Thema verständlich und vollständig erklärt.
- Themenwahl nur nach Suchvolumen: Hohes Suchvolumen allein sagt wenig darüber aus, ob ein Thema relevant ist oder ein echtes Bedürfnis bedient. Ohne klare Suchintention bleibt der Mehrwert gering.
Fazit:
Keyword-Recherche ist heute weniger Zählen, Gewichten und Platzieren von Begriffen oder Suchphrasen – sondern mehr das Verstehen von Nutzerfragen, Kontext und Entscheidungsprozessen.
Stattdessen funktioniert Keyword-Recherche heute so
Die Keyword-Recherche beginnt nicht mehr mit einzelnen Begriffen, sondern mit Themen und Nutzerfragen. Das bedeutet, Nutzerbedürfnisse zu verstehen und in klare, hilfreiche Inhalte zu übersetzen.
Ziel dabei ist es, Inhalte zu schaffen, die ein Problem wirklich lösen – nicht nur eine Suchanfrage abdecken.
Gleichzeitig wird der Faktor Information Gain immer wichtiger. Gemeint ist der zusätzliche Informationswert, den dein Content über bereits bekannte Standardantworten hinaus liefert – etwa durch eigene Erfahrungen, konkrete Einordnungen, B2B-Perspektiven, Praxishinweise oder nachvollziehbare Beispiele. Genau solche Inhalte senden stärkere E-E-A-T-Signale und lassen sich für generative Systeme schwerer durch bloßes Allgemeinwissen ersetzen.
Gerade im B2B reicht es außerdem nicht, nur die Suchintention einer einzelnen Person zu treffen. Oft sind mehrere Stakeholder beteiligt – etwa Marketing, Geschäftsführung, Vertrieb oder IT. Gute Recherche berücksichtigt deshalb nicht nur das Thema, sondern auch unterschiedliche Rollen, Risiken, Einwände und Entscheidungsphasen innerhalb eines Unternehmens.
Ebenso wichtig ist eine Zero-Click-Strategie: Überlege schon bei der Recherche, welche Themen trotz AI Overview noch einen Klick-Anreiz bieten. Das gelingt besonders gut mit Vorlagen, Schritt-für-Schritt-Anleitungen, tiefgehenden Case Studies, konkreten Bewertungsmaßstäben oder Einordnungen, die über eine kurze KI-Antwort hinausgehen.
Wenn du bereits Praxisbeispiele zu thematischen Silos (veganer Brotaufstrich) veröffentlicht hast, solltest du sie an dieser Stelle direkt intern verlinken. Solche Beispiele helfen dabei, die Recherche-Logik nicht nur abstrakt zu erklären, sondern unmittelbar in eine umsetzbare Inhaltsstruktur zu übersetzen.
Deine Vorgehensweise:
- Themen statt einzelner Keywords denken
Plane Inhalte rund um zusammenhängende Themenbereiche. Ein guter Artikel beantwortet mehrere verwandte Fragen und deckt ein Thema ganzheitlich ab. - Suchintention bewusst analysieren
Überlege, in welcher Phase sich Nutzer befinden: Suchen sie Orientierung, einen Vergleich oder eine konkrete Entscheidungshilfe? Inhalte sollten genau darauf ausgerichtet sein. - Fragen und Unsicherheiten einbeziehen
Gute Inhalte greifen typische Zweifel, Einwände und Folgefragen auf – auch dann, wenn sie nicht explizit im Keyword stehen. - Mehrwert vor Suchvolumen priorisieren
Entscheidend ist nicht, wie oft ein Begriff gesucht wird, sondern wie gut dein Content Nutzerinnen und Nutzer bei ihrem nächsten Schritt unterstützt. - B2B-Stakeholder mitdenken
Prüfe bei komplexeren Themen, welche Fragen unterschiedliche Rollen im Unternehmen stellen könnten. So wird aus klassischer Keyword-Recherche eine belastbare Entscheidungsrecherche.
FAQs zur (KI)SEO-Welt
Fazit
Keyword-Recherche ist heute vor allem Entscheidungs- und Kontextrecherche
Keywords bleiben wichtig – aber nicht mehr als alleiniger Kompass.
Wer heute sichtbar werden will, muss Suchintention, Query Fan-Out, Information Gain, B2B-Entscheidungslogiken und Zero-Click-Potenziale gemeinsam denken. Gute Keyword-Recherche beginnt deshalb nicht bei einzelnen Begriffen, sondern bei echten Problemen, Folgefragen und dem Mehrwert, den dein Content im nächsten Schritt liefern kann.