Was ist Prompt Engineering?
Prompt Engineering ist die Kunst, KI-Systemen Fragen und Aufträge so zu formulieren, dass sie bessere Antworten generieren. Es ist nicht Hokuspokus oder mystische Tricks, sondern ein systematisches Verständnis dafür, wie Sprachmodelle auf Input reagieren.
Ein Prompt ist eine Frage oder ein Auftrag. Ein guter Prompt definiert Kontext, Format, Zielgruppe und Einschränkungen. Ein schlechter Prompt ist vage und delegiert die Denkarbeit an die KI.
Schlecht: "Schreib einen Blog-Artikel über SEO." Besser: "Schreib einen Blog-Artikel über SEO für ein Publikum von Startup-Gründern, die kein Budget für Agenturen haben. 2000 Wörter, Tonalität ist direktiv und praktisch, keine Fluff-Einleitung."
Warum Prompt Engineering für SEO/GEO-Profis relevant ist
Du brauchst Prompt Engineering aus zwei Gründen.
Grund 1: KI ist ein Werkzeug für deine Arbeit. Du nutzt ChatGPT, Claude, Perplexity, um Content zu recherchieren, zu schreiben, zu analysieren. Je besser du promptest, desto besser sind deine Outputs, desto schneller deine Arbeit.
Grund 2: Du musst verstehen, wie Nutzer KI befragen. Deine Content-Strategie muss antworten auf echte Prompts sein, nicht auf Keywords. Ein Nutzer fragt ChatGPT nicht "beste local SEO Service Passau", sondern "Ich habe eine kleine Pizzeria in Passau. Wie bekomme ich mehr lokale Kunden über Google?". Dein Content muss diese Frage beantworten, wenn die KI sie recherchiert.
Das ist das GEO-Mindset: Du schreibst nicht für Keywords, du schreibst für Prompts.
Grundprinzipien guter Prompts
Kontext: Was weiß die KI über die Situation, den Nutzer, das Ziel? Gib Kontext am Anfang, nicht am Ende.
Beispiel: "Ich bin eine SEO-Agentur in Deutschland, spezialisiert auf Mittelstand. Ich schreibe einen LinkedIn-Post über die neuen Google Core Updates."
Spezifität: Vague führt zu vagen Antworten. Sei konkret über Format, Länge, Tonalität, Zielgruppe.
Beispiel: "Format: 150 Wörter, LinkedIn-Post-Tonalität (direkt, kein AI-Fluff), Länge sollte in einen LinkedIn-Post passen."
Format: Sag, welches Format du erwartest. Blog-Artikel, Tweet, Tabelle, JSON, Markdown.
Beispiel: "Output als Markdown mit H2-Überschriften und Bulletpoints."
Iteration: Der erste Prompt ist selten perfekt. Schreib einen Prompt, prüf den Output, verfeinere. "Mach die Einleitung weniger marketingorientiert, mehr fakten-basiert."
Prompt-Typen im Content-Marketing
Recherche-Prompts: "Finde mir die Top 5 Konkurrenten von Gipfelstolz (lokale Agenturen in Passau, spezialisiert auf SEO). Nutze deine aktuellen Daten."
Analyse-Prompts: "Analysiere diesen Blog-Artikel [PASTE CONTENT]. Wo sind Schwächen im SEO-Angle, wo sind Chancen für Tiefgang?"
Schreib-Prompts: "Schreib einen 1500-Wort-Artikel über GEO für Anfänger. Zielgruppe: Website-Besitzer mit SEO-Basis-Wissen. Tonalität: praktisch, keine Fluff."
Optimierungs-Prompts: "Dieser Artikel rankt derzeit auf Position 5. Welche Änderungen würden ihn wahrscheinlich auf Position 1-3 bringen?"
Monitoring-Prompts: "Überwache, wie die folgenden Themen in den nächsten 2 Wochen von ChatGPT, Claude und Perplexity dargestellt werden. [LIST]. Gib mir wöchentliche Reports."
Conversational Search verstehen
Conversational Search ist nicht "Nutzer stellt eine Frage", sondern "Nutzer führt ein Gespräch mit der KI". Das ist fundamental anders.
Eine Frage ist linear. "Beste lokale SEO Agentur Passau". Recherch, Antwort, fertig.
Ein Gespräch hat Kontextverlauf. Nutzer fragt: "Meine Pizzeria braucht mehr Fußverkehr." KI antwortet. Nutzer: "Wir haben ein kleines Budget." KI verfeinert Antwort. Nutzer: "Was kostet deine Agentur?". Kontext ist kumulativ.
Dein Content muss mehrschichtig sein. Nicht nur "Was ist SEO", sondern "SEO für verschiedene Industrien", "SEO mit kleinem Budget", "DIY-SEO vs. Agentur", "ROI-Messung von SEO". Die KI springt zwischen den Ebenen hin und her, je nachdem, wie der Nutzer followt.
Das verändert die Content-Architektur. Du schreibst nicht mehr einen 3000-Wort-Artikel, der alles abdeckt. Du schreibst Cluster aus 20 kleineren, spezialisierten Artikeln, die zusammenhängen. Die KI kann sich durchnavigieren und dem Nutzer präzise Infos geben.
5 Prompt-Vorlagen für den GEO-Alltag
Vorlage 1: Content-Gap-Analyse "Ich habe einen Blog zu [THEMA]. Meine bisherigen Artikel: [LIST]. Welche verwandten Themen sollte ich noch abdecken, um in KI-Systemen als Autorität wahrgenommen zu werden? Gib mir 10 Themen mit jeweils einer Ein-Satz-Beschreibung."
Vorlage 2: KI-Sichtbarkeitscheck "Stelle dir vor, du bist ChatGPT/Claude. Ein Nutzer fragt: '[ZIEL-QUERY]'. Was würdest du antworten? Welche Quellen würdest du nutzen? Wird [MEINE DOMAIN] zitiert? Warum oder warum nicht?"
Vorlage 3: Prompt-Varianten erstellen "Ich optimiere einen Artikel für konversative Search. Der Kern-Topic ist '[TOPIC]'. Generiere 10 Variationen dieser Frage, wie echte Nutzer sie ChatGPT stellen würden. Format: Einfache Liste."
Vorlage 4: Content-Struktur für RAG "Ich schreibe einen Artikel über [TOPIC] für ein Publikum von [AUDIENCE]. Strukturiere den Artikel so, dass KI-Systeme ihn einfach recherchieren und zitieren können. Gib mir eine Outline mit H2 und H3, sowie eine Notiz zu jedem Abschnitt, warum er zitierfähig ist."
Vorlage 5: Competing Answers analysieren "Finde mir die Top 3 Websites, die ChatGPT zitiert wenn man [QUERY] stellt. Schau dir diese Artikel an (du hast Zugang zu Browsing). Was macht diese Artikel zitierbar? Was vermisst du? Wie würde ich einen besseren Artikel schreiben?"
Grenzen und Risiken
KI-Content ohne Redaktion ist gefährlich. Ein Prompt kann falsch kalibriert sein, und die KI generiert plausibel klingende, aber fehlerhafte Inhalte. Immer eine Redaktionsperson dahinter.
KI ist kein Ersatz für Fachwissen. Die besten Prompts kommen von Leuten, die das Thema verstehen. Du kannst KI nicht anweisen, etwas zu schreiben, das du selbst nicht verstehst.
Datenschutz ist ein Thema. Wenn du sensible Daten in einen Prompt kopierst, landen sie auf OpenAI oder Anthropic Servern. Datenklassifizierung vorher klären.
Zusammenfassung
Prompt Engineering ist eine Meta-Skill für GEO. Du lernst nicht nur, wie man bessere Fragen stellt, sondern auch, wie Nutzer die KI befragen und wie dein Content in diese konversativen Flows reinpasst. Das ist der Unterschied zwischen "ICH optimiere für KI" und "Ich verstehe, wie KI und Nutzer zusammenarbeiten".
