Sie planen Ihren Redaktionskalender. Sie öffnen Ihr Keyword-Tool. Sie finden ein paar Begriffe mit ordentlichem Suchvolumen. Sie schreiben die Artikel. Und dann passiert nichts. Die KI-Modelle, über die Menschen in Ihrer Nische immer häufiger auf Anbieter stoßen, zitieren Sie nicht.
Das Problem liegt nicht an Ihren Texten. Es liegt an Ihrer Recherche. Klassische Keyword-Recherche zeigt Ihnen, was Menschen bei Google eintippen. Sie zeigt Ihnen nicht, was KI-Modelle durchsuchen, wenn jemand fragt: „Welches Projektmanagement-Tool eignet sich am besten für Remote-Teams?“
Das sind zwei sehr unterschiedliche Dinge. Wer nur Keyword-Recherche betreibt, verpasst genau die Inhalte, die KI tatsächlich braucht.
Warum Keyword-Recherche für KI-Sichtbarkeit nicht ausreicht
Klassische Keyword-Recherche wurde für eine Suchmaschine entwickelt, die zehn blaue Links ausgibt. Sie finden einen Begriff, prüfen das Suchvolumen, schätzen die Schwierigkeit ein und schreiben eine Seite, die genau auf diese Phrase optimiert ist. Das hat ein Jahrzehnt lang funktioniert.
KI funktioniert anders.
Wenn jemand ChatGPT eine Frage stellt, sucht das Modell nicht nach Seiten, die auf ein bestimmtes Keyword optimiert sind. Es setzt eine Antwort aus Dutzenden Quellen zusammen, untersucht Unterthemen, vergleicht Perspektiven und greift auf die maßgeblichsten und vollständigsten Inhalte zurück, die es finden kann.
Eine einzige Nutzerfrage wie „Welches CRM sollte eine freiberufliche Designerin nutzen?“ löst eine ganze Kette interner Überlegungen aus. Das Modell berücksichtigt Preise, Bedienbarkeit, Integrationen mit Design-Tools, Rechnungsfunktionen, mobilen Zugriff und mehr. Jedes dieser Unterthemen ist eine mögliche Content-Chance, die Sie in keinem Keyword-Tool finden würden.
Keyword-Tools zeigen Ihnen vielleicht „CRM für Freelancer“ mit 1.200 monatlichen Suchanfragen. Sie zeigen Ihnen aber nicht, dass KI-Modelle bei der Beantwortung dieser Frage häufig „CRM mit Rechnungsverfolgung“ oder „einfaches CRM ohne Enterprise-Funktionen“ durchsuchen. In diesen verborgenen Unteranfragen liegen die eigentlichen Chancen.
Wie KI-Modelle Themen tatsächlich durchsuchen
Wer das versteht, findet echte Content-Chancen.
KI erzeugt intern Unteranfragen. Stellt ein Nutzer eine breite Frage, zerlegt das Modell sie in kleinere Teile. Aus „beste Buchhaltungssoftware für Restaurants“ werden Unteranfragen zu gastronomiespezifischen Funktionen, Preisstufen, Kassenintegration, Lagerverwaltung und steuerlichen Anforderungen. Zu jeder Unteranfrage braucht die KI gute Inhalte.
KI folgt Themenclustern. Modelle beantworten nicht nur die oberflächliche Frage. Sie erkunden angrenzende Themen, um ein vollständiges Bild zu bekommen. Fragt jemand nach E-Mail-Marketing für E-Commerce, greift das Modell womöglich auf Inhalte zu Warenkorbabbrecher-Strecken, Segmentierungsstrategien und Zustellbarkeit zurück. Ihr Inhalt zu einem Thema kann so Zitierungen für mehrere verwandte Anfragen bringen.
KI fasst mehrere Quellen zusammen. Anders als Google, das Nutzer auf eine Seite schickt, verbindet KI Informationen aus vielen Quellen zu einer einzigen Antwort. Selbst ein Nischenthema mit wenig Konkurrenz kann Ihnen also Zitierungen bringen, wenn Ihr Inhalt die direkteste und vollständigste verfügbare Quelle ist.
Dadurch entsteht eine grundlegend andere Landschaft an Chancen. Die Themen, die für KI-Sichtbarkeit zählen, decken sich oft nicht mit den Keywords, die für Google-Rankings zählen.
Methode 1: Manuelle Recherche
Für den Einstieg brauchen Sie keine Tools. Sie brauchen 30 Minuten und Zugang zu den KI-Plattformen, die Ihre Zielgruppe nutzt.
Schritt 1: Stellen Sie die Fragen, die Ihre Zielgruppe stellt. Öffnen Sie ChatGPT, Claude, Perplexity, Gemini, Copilot, Google AI Mode und Google AI Overview. Geben Sie genau die Fragen ein, die Ihre idealen Kunden stellen würden. Keine SEO-optimierten Suchbegriffe, sondern echte Fragen in natürlicher Sprache. „Ich bin freiberuflicher Texter, welches Rechnungstool sollte ich nutzen?“ „Wie messe ich als Solo-Selbstständiger meinen Marketing-ROI?“ „Wie verwalte ich Kundenprojekte am besten, ohne ein Vermögen auszugeben?“
Schritt 2: Analysieren Sie, was die KI durchsucht. Lesen Sie die vollständigen Antworten aufmerksam. Achten Sie auf Folgendes:
- Welche Unterthemen behandelt die KI? Genau diese Inhalte sucht sie.
- Welche Quellen werden zitiert? Das sind Ihre inhaltlichen Maßstäbe.
- Wo wirkt die Antwort dünn oder vage? Dort liegt Ihre Chance.
- Welche Folgefragen schlägt die KI vor? Jede davon ist eine weitere Content-Chance.
Schritt 3: Prüfen Sie „Ähnliche Fragen“ bei Google. Diese Fragen (People Also Ask) spiegeln oft die Unteranfragen wider, die KI-Modelle durchsuchen. So entdecken Sie schnell verwandte Themen, die Sie vielleicht übersehen haben.
Schritt 4: Gleichen Sie Ihre Ergebnisse mit Ihren bestehenden Inhalten ab. Fragen Sie sich bei jedem Unterthema, das die KI aufgegriffen hat: Habe ich Inhalte, die genau das beantworten? Nicht Inhalte, die das Thema am Rande streifen, sondern Inhalte, die es direkt beantworten. Die Lücken, die Sie dabei finden, sind Ihre Content-Chancen.
Dieser manuelle Ansatz funktioniert gut für 10-15 Kernanfragen. Pro Anfrage entdecken Sie in der Regel 3-5 Content-Chancen. Aus einer einzigen Recherche-Session ergeben sich so 30-75 mögliche Themen.
Methode 2: Ein Tool zur Suche nach Content-Chancen nutzen
Manuelle Recherche ist wertvoll, aber zeitaufwendig. Gibt es in Ihrer Nische Dutzende wichtige Anfragen, dauert diese Analyse Stück für Stück mehrere Stunden.
Mentionable automatisiert die Datenerhebung. Bei jedem getrackten Prompt erfasst das Tool die Unteranfragen (Fan-out-Anfragen), die KI-Modelle vor ihrer Antwort ausführen, ohne Dubletten und sortiert nach Häufigkeit.
Sie erhalten eine sortierte Liste der Suchen, die KI in Ihrem Markt tatsächlich ausführt, mit:
- jeder Anfrage und wie oft die KI sie ausführt
- den Prompts, die sie auslösen
- den Engines, die sie ausführen
- für Prompts, bei denen Sie fehlen, erstellt die Seitengenerierung einen Seitenentwurf auf Basis der Quellen, die die KI stattdessen zitiert
Das ersetzt die manuelle Recherche nicht. Es beschleunigt sie. Das Tool erkennt Muster, die Ihnen bei manuellen Tests entgehen würden, vor allem dort, wo sich mehrere KI-Anfragen beim selben zugrunde liegenden Thema überschneiden.
So bewerten und priorisieren Sie Chancen
Am Ende haben Sie mehr Chancen, als Sie umsetzen können. Das ist ein gutes Problem. Entscheidend ist die Priorisierung.
Bewerten Sie jede Chance anhand von drei Faktoren:
Breite: Wie viele KI-Anfragen bedient das Thema? Ein Thema, das für 8 verschiedene Nutzeranfragen relevant ist, ist wertvoller als eines, das nur 1 bedient. Umfassende Leitfäden schneiden hier meist gut ab, weil sie ganze Cluster verwandter Unteranfragen abdecken.
Chance: Wie schwach sind die vorhandenen Inhalte? Recherchieren Sie das Thema selbst. Lesen Sie, was die KI derzeit zitiert. Sind die vorhandenen Quellen dünn, veraltet oder zu allgemein, ist die Chance weit offen. Gibt es bereits starke, umfassende Inhalte von maßgeblichen Marken, liegt die Hürde höher.
Geschäftsrelevanz: Wie eng passt das Thema zu dem, was Sie verkaufen? Nicht jede Content-Chance lohnt sich. Eine freiberufliche Designerin sollte nicht über Beschaffungsprozesse in Großunternehmen schreiben, selbst wenn es dort eine Lücke gibt. Konzentrieren Sie sich auf Themen, bei denen eine Erwähnung in KI-Antworten echte Geschäftsergebnisse bringt.
Legen Sie eine einfache Tabelle an. Bewerten Sie jeden Faktor von 1 bis 5. Multiplizieren Sie die Werte. Die höchsten Ergebnisse sind Ihre Prioritäten.
Ein Thema mit 4 (Breite) x 5 (Chance) x 4 (Relevanz) = 80 wird vor einem Thema mit 2 x 3 x 5 = 30 geschrieben, auch wenn sich das zweite stärker nach „Ihrer Marke“ anfühlt.
Content-Formate, die KI-Zitierungen bringen
Nicht alle Inhalte sind für KI gleich nützlich. Bestimmte Formate werden zuverlässiger zitiert.
Umfassende Leitfäden eignen sich am besten für breite Themen. Ein „Kompletter Leitfaden zum Projektmanagement für Freelancer“ bietet der KI eine einzige maßgebliche Quelle, die sie für viele Unteranfragen zitieren kann. Planen Sie 2.000-3.000 Wörter mit klaren Abschnitten zu den verschiedenen Aspekten des Themas ein.
Vergleichsartikel sind Gold wert für kommerzielle Anfragen. „Notion vs. Trello für kleine Teams“ beantwortet direkt eine Frage, die der KI ständig gestellt wird. Bleiben Sie ehrlich. Zeigen Sie beide Seiten. KI bevorzugt ausgewogene, konkrete Vergleiche gegenüber einseitigen Verkaufstexten.
Seiten mit vielen FAQs ermöglichen es der KI, präzise Antworten auf bestimmte Unteranfragen zu übernehmen. Strukturieren Sie jede Frage und Antwort klar. Jede Antwort sollte für sich allein verständlich sein, ohne dass man den Rest der Seite lesen muss.
Datenbasierte Analysen stechen hervor, weil sie schwer zu kopieren sind. Eigene Daten, Umfragen, Benchmarks oder Branchenanalysen geben der KI etwas Einzigartiges zum Zitieren. „Wir haben 500 Rechnungsprozesse von Freelancern analysiert“ wird eher zitiert als „hier sind ein paar Tipps“.
Problem-Lösungs-Seiten entsprechen der Art, wie Nutzer KI tatsächlich befragen. „Wie gehe ich als Freelancer mit säumigen Kunden um?“ entspricht direkt einer echten Nutzerfrage. Je konkreter das Problem, desto wahrscheinlicher zitiert die KI Ihre Lösung.
Allen diesen Formaten gemeinsam sind direkte Antworten, eine klare Struktur, echte Tiefe und eine ehrliche Perspektive. KI-Modelle belohnen Inhalte, die wirklich nützlich sind, nicht Inhalte, die nur auf ein Keyword optimiert wurden.
Von der Chance zum veröffentlichten Inhalt
Chancen zu finden ist die halbe Arbeit. Die andere Hälfte besteht darin, daraus veröffentlichte Inhalte zu machen, die zitiert werden.
Beginnen Sie mit der Antwort. Formulieren Sie vor dem Schreiben die direkte Antwort auf die Kernfrage in 2-3 Sätzen. Das wird Ihr Einstiegsabsatz. Die KI muss diese Antwort schnell finden.
Gliedern Sie nach Unteranfragen. Nutzen Sie die Unterthemen aus Ihrer Recherche als H2-Überschriften. Jeder Abschnitt sollte eine bestimmte Unterfrage vollständig beantworten. Das entspricht der Art, wie die KI das Thema intern zerlegt.
Werden Sie konkret. Namen, Zahlen, Daten, Beispiele. „Mentionable misst die Sichtbarkeit in ChatGPT, Claude, Perplexity, Gemini, Copilot, Google AI Mode und Google AI Overview“ wird eher zitiert als „Sie sollten Ihre Sichtbarkeit auf mehreren KI-Plattformen messen“. KI bevorzugt konkrete Details.
Bauen Sie strukturierte Elemente ein. Vergleichstabellen, nummerierte Listen, FAQ-Bereiche und klare Überschriften helfen der KI, Informationen zu erfassen. Übertreiben Sie es nicht, aber sorgen Sie dafür, dass die wichtigsten Informationen leicht zu finden sind.
Veröffentlichen und prüfen. Warten Sie nach der Veröffentlichung 2-4 Wochen, bis KI-Plattformen Ihre Inhalte entdeckt haben. Testen Sie dann. Stellen Sie die ursprünglichen Anfragen auf jeder KI-Plattform und prüfen Sie, ob Ihre Inhalte zitiert werden. Ein kostenloser Check der KI-Sichtbarkeit liefert Ihnen eine schnelle Einschätzung für ChatGPT. Laufendes Tracking deckt die anderen Engines ab.
Optimieren Sie anhand der Ergebnisse. Werden Sie nicht zitiert, schauen Sie sich an, was stattdessen zitiert wird. Worin unterscheidet sich dieser Inhalt von Ihrem? Ist er umfassender, konkreter, besser strukturiert oder stammt er von einer maßgeblicheren Domain? Nutzen Sie diese Analyse für Ihre Verbesserungen.
So starten Sie diese Woche
Sie brauchen keinen perfekten Plan. Sie brauchen einen Anfang.
Wählen Sie 5 Anfragen, die Ihre idealen Kunden der KI stellen. Stellen Sie sie in ChatGPT und Perplexity. Notieren Sie jedes Unterthema, das die KI aufgreift. Gleichen Sie diese Unterthemen mit Ihren bestehenden Inhalten ab. Markieren Sie die Lücken.
Wahrscheinlich stellen Sie fest, dass Sie Inhalte zu den naheliegenden Themen haben, aber nichts zu den konkreten Unteranfragen, die die KI tatsächlich durchsucht. Diese Lücken sind Ihre ersten Content-Chancen.
Beginnen Sie mit der Lücke, die am größten ist und die höchste Geschäftsrelevanz hat. Schreiben Sie einen umfassenden Beitrag. Veröffentlichen Sie ihn. Messen Sie die Ergebnisse.
Dann wiederholen Sie das Ganze. Die Unternehmen, die heute bei der KI-Sichtbarkeit vorne liegen, tun nichts Magisches. Sie finden und füllen systematisch die Content-Lücken, die KI-Modelle brauchen. Das können Sie auch.
