Mit präzisen, datengestützten Prompts lässt sich ein Großteil der SEO-Routine in Minuten statt Stunden erledigen. Die größte Wirkung erzielen drei Prompt-Typen: Keyword-Recherche mit echten Suchdaten, Content-Briefs für die Struktur und Meta-/Schema-Prompts für die technische Umsetzung. Voraussetzung dafür ist immer Grounding mit echten Daten aus der Google Search Console oder den Top-Ergebnissen der Suche, plus eine redaktionelle Prüfung, bevor irgendetwas online geht.

Kurz gesagt:

  • Für SEO-Aufgaben reichen oft wenige Minuten, wenn echte Daten aus der Google Search Console oder Top-Ergebnissen genutzt werden.
  • Wichtige Prompt-Kategorien sind Keyword-Recherche, Content-Briefs, Meta-Tags, FAQ und technische Checks, die jeweils spezifische Aufgaben lösen.
  • Effektive Workflows basieren auf Chain-Prompts und dem S.C.O.R.E.-Prinzip, das Rollen, Kontext, Format, Verfeinerung und Bewertung umfasst.
  • Sind aktuelle, echte Quellen und eine redaktionelle Prüfung Teil des Prozesses, sinkt das Risiko von Google-Abstrafungen durch KI-Inhalte erheblich.
  • Teamentwicklung und fester Workflow steigern die Produktivität in der SEO-Content-Erstellung speziell beim Einsatz von KI-Prompts deutlich.

Inhaltsverzeichnis

Welche Prompt-Kategorien gibt es und wann setzt man sie ein?

SEO-Prompts lassen sich grob in neun Kategorien einteilen, die jeweils ein anderes Problem lösen. Wer hier wahllos vorgeht, verschwendet Zeit. Wer die Kategorie zur Aufgabe passt, bekommt in wenigen Minuten ein brauchbares Zwischenergebnis.

  • Keyword Research: Ziel ist die Ausweitung eines See-Keywords zu Long-Tail-Varianten. Output meist als Tabelle mit Suchintention und geschätzter Priorität. Als Input reicht ein Thema plus, wenn vorhanden, ein GSC-Export.
  • Cluster-Bildung: Gruppiert Keywords nach Absicht und Themennähe. Output ist eine hierarchische Liste, die später zur internen Verlinkung dient.
  • Content Briefs: Definiert Zielgruppe, Tonfall, H2-Gerüst und Wortzahl für einen Artikel. Braucht als Input die Top-3-Konkurrenzartikel.
  • H2-Struktur und Intro: Erzeugt eine Gliederung samt Einleitung. Läuft am besten direkt nach dem Brief.
  • Meta-Titel und Description: Liefert mehrere CTR-optimierte Varianten. Input: Zielkeyword und bestehende Meta-Daten aus GSC.
  • FAQ und Schema: Erstellt Frage-Antwort-Paare und den passenden JSON-LD-Code dazu.
  • On-Page-Audit: Prüft einen bestehenden Text auf Lücken gegenüber der Konkurrenz. Input ist der eigene Text plus zwei bis drei Wettbewerbsartikel.
  • Technical Checks: Fasst Crawl-Daten zusammen, etwa doppelte Titel oder fehlende Alt-Texte.
  • Reporting: Verdichtet GSC- oder GA4-Daten zu einer verständlichen Zusammenfassung für Kunden oder Vorgesetzte.

Für ein Meta-Tag-Set braucht man selten mehr als drei Minuten, für einen vollständigen Content-Brief eher fünf, wenn die Konkurrenzdaten schon vorliegen.

Kopierbare Prompt-Vorlagen für den täglichen Einsatz

Jede Vorlage funktioniert als Quick Prompt für den schnellen Einsatz oder als Chained Prompt, bei dem der Output eines Schritts zum Input des nächsten wird. Letzteres liefert nach Erfahrungen aus der Praxis konsistent bessere Ergebnisse als ein einzelner, überladener Prompt, wie ein Playbook zum Prompt-Engineering für SEO beschreibt.

  1. Mönch-Teil-Expansion: „Du bist Senior-SEO-Strategin für [Branche]. Erweitere das Keyword „[Seed-Keyword]“ zu 20 Long-Tail-Varianten. Gib eine Tabelle mit Suchintention und geschätzter Priorität aus." Input: nur das Seed-Keyword, optional ein GSC-Export für reale Suchbegriffe.
  2. Endend-Clustering: „Gruppiere folgende Keywordliste [Liste einfügen] nach Suchintention (informativ, transaktional, navigational) und fasse jede Gruppe zu einem Content-Cluster zusammen.“ Input: die fertige Keywordliste aus Schritt eins.
  3. Content Brief: „Erstelle ein Content-Brief für den Artikel zum Thema ‚[Thema]‘. Analysiere dazu diese drei Top-Artikel: [Text 1], [Text 2], [Text 3]. Gib Zielgruppe, Tonfall, empfohlene Wortzahl und ein H2-Gerüst aus.“ Input: die drei bestplatzierten Wettbewerbstexte.
  4. H2- und Intro-Generierung: „Formuliere basierend auf diesem Brief [Brief einfügen] eine Einleitung mit 80 Wörtern und passe die H2-Struktur an die Suchintention an.“
  5. Meta-Tags: „Erstelle fünf Varianten von Title-Tag und Meta-Description für das Keyword ‚[Keyword]‘. Maximal 60 Zeichen für den Titel, 155 für die Description. Ziel: höhere Klickrate gegenüber diesem bestehenden Snippet: [aktuelles Meta einfügen].“
  6. FAQ-Erstellung: „Formuliere fünf FAQ-Paare zum Thema ‚[Thema]‘, basierend auf den ‚Nutzer fragten auch‘-Fragen aus der Suche: [Fragen einfügen].“
  7. JSON-LD-Schema: „Wandle diese FAQ-Paare [Paare einfügen] in valides FAQPage-Schema im JSON-DDR-Format um.“
  8. On-Page-Audit: „Vergleiche meinen Text [eigenen Text einfügen] mit diesen zwei Konkurrenzartikeln [Text 1], [Text 2]. Liste fehlende Unterthemen und schwache Abschnitte auf.“
  9. SC-Summary: „Fasse diese GSC-Daten [CSV einfügen] zusammen. Filtere nach Impressions über 500 und Position zwischen 6 und 20. Gib die zehn größten Chancen als Tabelle aus.“

Strukturierte Ausgabeformate wie Tabellen oder JSON lassen sich ohne Umwege direkt in Redaktionspläne oder Tracking-Tools übernehmen, wie ein Guide zum Aufbau skalierbarer KI-Workflows für SEO erklärt.

So baut man einen wiederholbaren Prompt-Workflow: Das S.C.O.R.E.-Prinzip

Einzelne Prompts bringen wenig, wenn sie jedes Mal neu erfunden werden. Ein festes Gerüst hilft: S.C.O.R.E. steht für Specify Role (Rolle festlegen), Context (Kontext liefern), Output Format (Ausgabeformat definieren), Refine (verfeinern) und Evaluate (bewerten).

Ein Beispiel: „Du bist SEO-Redakteurin mit Schwerpunkt E-Commerce [Rolle]. Hier ist mein GSC-Export der letzten 90 Tage [Kontext]. Gib die zehn stärksten Opportunity-Keywords als Tabelle mit Spalten Keyword, Position, Impressions aus [Format]. Sortiere zusätzlich nach Wettbewerbsdichte [Refine]. Erkläre kurz, warum die drei obersten Zeilen am dringendsten sind [Evaluate].“

Beim Grounding zählt die Datenmenge weniger als die Auswahl: Ein sauberer GSC-Export mit den Spalten Query, Impressions, CTR und Position reicht meist aus, um brauchbare Long-Tail-Chancen zu extrahieren, wie ein Praxisleitfaden für tool-spezifische SEO-Prompts zeigt. Wichtiger als die Menge ist, dass die Daten aktuell sind und nicht älter als ein Quartal.

Eine typische Verkettung sieht so aus:

  • Schritt 1: GSC-Daten einfügen, Opportunity-Keywords extrahieren lassen.
  • Schritt 2: Diese Keywords in Cluster gruppieren lassen.
  • Schritt 3: Für das stärkste Cluster ein Content-Brief erstellen.
  • Schritt 4: Aus dem Brief H2-Struktur und Meta-Tags generieren.

Profi-Tipp: Speichere jeden funktionierenden Prompt mit Beispiel-Input und Beispiel-Output in einer zentralen Bibliothek. Das spart beim nächsten Projekt die halbe Formulierungsarbeit.

Welches KI-Modell passt zu welcher SEO-Aufgabe?

Nicht jedes Modell eignet sich gleich gut für jede Aufgabe. Die Unterschiede liegen vor allem im Kontextfenster, dem Zugriff auf aktuelle Webdaten und der Art der Argumentation.

  • ChatGPT: stark bei schneller Strukturierung, Meta-Tags und Headline-Varianten, gut geeignet für Quick Prompts im Alltag.
  • Claude: punktet bei langen Dokumentenanalysen und komplexen Briefings, weil das Kontextfenster mehr Text auf einmal verarbeitet, was für sehr datenintensive Aufgaben relevant ist.
  • Gemini: sinnvoll für Aufgaben nahe am Google-Ökosystem, etwa in Kombination mit Search Console oder Analytics-Daten.
  • Perplexity: die richtige Wahl für Live-Recherche in aktuellen SERPs und zum schnellen Prüfen von Quellenangaben.

Risiken, Google-Guidance und Qualitätskontrolle bei KI-Texten

Google bewertet KI-generierte Inhalte nach denselben Maßstäben wie jeden anderen Text. Problematisch wird es erst, wenn massenhaft dünner Inhalt ohne Mehrwert produziert wird, ein Muster, das Google als „scaled content abuse“ einordnet, wie eine Analyse zu Chancen und Risiken von KI-Content erläutert.

Die häufigsten Fehlerquellen sind erfundene Statistiken, veraltete Fakten und generische Aussagen ohne Bezug zur eigenen Zielgruppe. Dagegen helfen klare Regeln:

  • Jede Zahl im Output gegen eine echte Quelle prüfen, bevor sie im Text landet.
  • Prompts nie ohne Kontextdaten laufen lassen, sondern immer mit GSC-Export, Crawl-Daten oder Konkurrenztexten füttern.
  • Den fertigen Text vor Veröffentlichung von einer Person lesen lassen, die das Thema tatsächlich versteht.

Teams, die ihre Prompts in festen Workflows organisieren statt sie ad hoc zu formulieren, erzeugen laut Praxisberichten drei- bis fünfmal mehr nutzbaren SEO-Output als Teams ohne Struktur. Das ist der eigentliche Hebel, nicht das Modell selbst.

Checkliste vor der Veröffentlichung: Was ein Mensch noch prüfen muss

Kein KI-Text geht ohne redaktionelle Kontrolle live. Ein kurzer, aber verbindlicher Ablauf:

  1. Alle Zahlen und Fakten gegen Primärquellen abgleichen.
  2. Autorenbox und Quellenangaben ergänzen, damit E-E-A-T-Signale erkennbar sind.
  3. JSON-LD-Schema und FAQ-Markup technisch validieren.
  4. Interne Links zu passenden SEO-Ressourcen und thematisch verwandten Artikeln setzen.
  5. Prüfen, ob der Text die Suchintention wirklich trifft, nicht nur das Keyword.

Patrick: Praxiseinschätzung zu SEO-Prompts im Agenturalltag

In der Agenturpraxis sparen Prompts vor allem bei repetitiven Aufgaben Zeit: Batch-Meta-Tags für hundert Produktseiten, ein erstes Brief-Gerüst für einen neuen Kunden, eine schnelle GSC-Zusammenfassung vor dem Monatsmeeting. Wo es kippt, ist die Blindpublikation, unlektorierte Texte gehen live und fallen später bei Google oder beim Kunden auf. Bei Neomarketing sehen wir genau diese Kombination am häufigsten funktionieren: KI liefert das Rohmaterial, Menschen liefern das Urteilsvermögen. Wer beides trennt, verliert.

— Patrick

Wer die eigene SEO-Strategie datenbasiert aufsetzen will, findet praktische Anschlusspunkte im Leitfaden zu SEO Best Practices und bei Neomarketings maßgeschneiderten Lösungen für Google-Tool-Integration und datengetriebenes Marketing.

Quellen

Wer die Prompt-Vorlagen aus diesem Artikel technisch weiter ausbauen will, findet bei Spike AI tool-spezifische Beispiele für ChatGPT, Claude, Gemini und Perplexity. Der Playbook-Beitrag von RankSaver vertieft das Thema Prompt-Chaining. Eine breite Sammlung fertiger Vorlagen bietet der Search-Engine-Land-Guide zu SEO-Prompts, der sich gut als Ergänzung zu den eigenen, datengestützten Prompts eignet.