--- title: "Topic Research statt Keyword-Recherche: Warum das Denken in Keywords eine Sackgasse ist" description: "Keywords waren eine Brückentechnologie. Warum Prompt Research die Keyword-Recherche als Ausgangspunkt ablöst: Praxisdaten, Workflow und Information Foraging Theory." url: https://hechtinsgefecht.de/topic-research-statt-keyword-recherche/ date_published: 2026-03-31 date_modified: 2026-10-10 organization: HECHT INS GEFECHT organization_url: https://hechtinsgefecht.de organization_knowledge_graph_id: /g/1pp2twrtc organization_sameas: - https://www.northdata.de/HECHT+INS+GEFECHT+GmbH,+Bremen/HRB+42926 - https://firmeneintrag.creditreform.de/28309/2051250968/HECHT_INS_GEFECHT_GMBH - https://www.companyhouse.de/HECHT-INS-GEFECHT-GmbH-Bremen - https://implisense.com/de/companies/hecht-ins-gefecht-gmbh-bremen--DETQXQBC7O52 - https://www.linkedin.com/company/hechtinsgefecht - https://www.xing.com/pages/hecht-ins-gefecht/ - https://social.hechtinsgefecht.de/@hig - https://x.com/hechtinsgefecht - https://www.facebook.com/HechtinsGefecht/ - https://www.instagram.com/hechtinsgefecht/ - https://de.pinterest.com/HechtinsGefecht/ - https://www.threads.com/@hechtinsgefecht - https://www.crunchbase.com/organization/hecht-ins-gefecht-digitalagentur-f%C3%BCr-webdesign-seo - https://clutch.co/profile/hecht-ins-gefecht - https://www.designrush.com/agency/profile/hecht-ins-gefecht - https://agencies.semrush.com/hecht-ins-gefecht/ - https://www.sortlist.de/agency/hecht-ins-gefecht - https://www.goodfirms.co/company/hecht-ins-gefecht - https://techbehemoths.com/company/hecht-ins-gefecht - https://themanifest.com/company/hecht-ins-gefecht - https://www.topseos.com/profile/hecht-ins-gefecht-digitalagentur-fur-webdesign-seo - https://www.semfirms.com/profile/hecht-ins-gefecht - https://www.omt.de/agentur-finden/agentur/hecht-ins-gefecht/ - https://onlinemarketing.de/dienstleister/online-marketing-agentur/bremen/hecht-ins-gefecht - https://www.agenturtipp.de/agentur/hecht-ins-gefecht/ - https://www.seo-united.de/seo-agenturen/hecht-ins-gefecht-3461/ - https://omr.com/de/reviews/service/hecht-ins-gefecht - https://www.ibusiness.de/dienstleister/jb/092582windolph.html - https://feedbax.de/anbieter/hecht-ins-gefecht - https://feedbax.ai/profile/hecht-ins-gefecht - https://www.werbeagentur.de/de/a/hecht-ins-gefecht - https://www.campixx.de/agenturen/seo/hecht-ins-gefecht/ - https://agenturfinder.com/agenturen/hecht-ins-gefecht/ - https://agencyvista.com/agency/hecht-ins-gefecht/marketing-agency/summary - https://www.bark.com/de/de/company/hecht-ins-gefecht/NlYy2/ - https://www.provenexpert.com/de-de/hecht-ins-gefecht/ - https://de.trustpilot.com/review/hechtinsgefecht.de - https://www.trustedshops.de/bewertung/hechtinsgefecht-de - https://www.awwwards.com/HECHTINSGEFECHT/ - https://www.bremen.de/visitenkarte/digitalagentur-hecht-ins-gefecht---webdesign--seo-46684197 - https://www.yelp.com/biz/hecht-ins-gefecht-bremen - https://maps.apple.com/place?place-id=IBAEFB4CEAFB63F7B author: Benny Windolph author_url: https://hechtinsgefecht.de/benny-windolph/ author_orcid: https://orcid.org/0009-0009-2458-3099 author_knowledge_graph_id: /g/11v4_sqnsh --- # Topic Research statt Keyword-Recherche: Warum das Denken in Keywords eine Sackgasse ist Keywords waren eine Brückentechnologie: eine Übersetzungshilfe zwischen menschlichem Problem und maschinenlesbarem Suchbegriff. Large Language Models (LLMs) verstehen Nutzerprobleme direkt. Keywords bleiben nützlich, ihre Funktion ändert sich aber. Googles Retrieval, also der Abruf passender Seiten aus dem Index, sucht weiterhin nach konkreten Wörtern, und semantische Systeme ergänzen das. Wer heute nur in Keyword-Listen denkt, plant nach meiner Einschätzung am wachsenden Teil der Suche vorbei, der über KI-Systeme läuft. Ich sage das in Kundengesprächen mittlerweile offen: **Klassische Keyword-Recherche mit Suchvolumen, Difficulty und Cost-per-Click (CPC) hat als Ausgangspunkt der Content-Strategie ausgedient.** Keywords sind weiterhin nützlich als Indikator dafür, was gesucht wird. Die Metriken drumherum verlieren dagegen an Bedeutung. ## Inhalt 1. [Warum Keywords eine Brückentechnologie waren](#warum-keywords-eine-bruckentechnologie-waren) 2. [Was das für die Content-Strategie bedeutet](#was-das-fur-die-content-strategie-bedeutet) 3. [Category Entry Points: Warum Situationen wichtiger sind als Suchbegriffe](#category-entry-points-warum-situationen-wichtiger-sind-als-suchbegriffe) 4. [Prompt Research in der Praxis: Ein Kundencase](#prompt-research-in-der-praxis-ein-kundencase) 5. [Topic Research: Themen trennscharf abgrenzen](#topic-research-themen-trennscharf-abgrenzen) 6. [Was sich ändern muss und was bleibt](#was-sich-andern-muss-und-was-bleibt) 7. [Was Kunden dazu sagen](#was-kunden-dazu-sagen) 8. [Häufige Fragen](#haufige-fragen) 9. [Quellen](#quellen) ## Warum Keywords eine Brückentechnologie waren Andrew Holland ist SEO-Stratege, Director of SEO bei der Agentur JBH in Manchester und Autor des [Ultimate Guide to GEO](https://www.linkedin.com/pulse/ultimate-guide-geo-part-1-andrew-holland--8naje/). Er beschreibt darin einen Punkt, den ich aus der Praxis bestätigen kann: Keywords waren der menschliche Versuch, Probleme in maschinenlesbare Suchanfragen zu übersetzen. Ein kräftiger Mann, der Sommerkleidung sucht, musste bei Google mehrere Suchen starten, etwa „XXL summer shirts“ und „best fit shirts for large men“. In ein LLM tippt oder spricht er heute: „best summer shirts for dad bods“, auf Deutsch etwa Sommershirts für Männer mit Bauch. Dafür reicht eine Eingabe. **Topic Research** stellt themenbasiertes Arbeiten in den Mittelpunkt. Topic Research identifiziert die Themenfelder und Nutzer-Prompts hinter den Suchanfragen, bei Google und bei KI-Systemen gleichzeitig. Holland stützt seinen Ansatz für Generative Engine Optimization (GEO) auf die **[Information Foraging Theory](https://doi.org/10.1037/0033-295X.106.4.643)** von Peter Pirolli und Stuart Card. Die Theorie besagt, dass Menschen Informationen ähnlich suchen wie Tiere ihre Nahrung. Pirolli und Card beschreiben den Ertrag an wertvoller Information je Kosteneinheit. Holland nennt dieses Verhältnis von Ertrag und Aufwand **Information Gain Rate** und definiert sie als Informationswert geteilt durch Beschaffungskosten. Vom Information Gain aus Googles Patent grenzt er die Information Gain Rate ausdrücklich ab. Ziel der Suchenden ist nach Pirolli und Card der höchste Informationswert beim geringsten Aufwand. Das war im Grunde schon immer so. Menschen suchen selten das allerbeste Ergebnis. Sie nehmen das beste Ergebnis, das sich in kurzer Zeit finden lässt. Herbert A. Simon prägte dafür 1956 den Begriff Satisficing, eine Mischung aus „satisfy“ und „suffice“. Holland erklärt damit, warum kaum jemand über die erste Google-Seite hinausscrollt. Gewählt wird das erste Ergebnis, das gut genug wirkt. Nach meiner Einschätzung steigern LLMs die Information Gain Rate heute deutlich, weil sie die Beschaffungskosten senken. Du bekommst ein besseres Ergebnis in noch kürzerer Zeit. In Hollands eigenem Beispiel dauerte eine ChatGPT-Recherche zu Restaurants in London acht Sekunden und ersparte ihm möglicherweise Stunden. Meiner Lesart nach passen die Zahlen von Bain & Company zu dieser These. Laut einer Bain-Umfrage vom Dezember 2024 nutzen rund 80 % der Konsumenten in mindestens 40 % ihrer Suchen Zero-Click-Ergebnisse, also Antworten ohne Weiterklick. Bain schätzt den Rückgang des organischen Web-Traffics auf 15 bis 25 %. Bei 70 % der 1.500 US-Konsumenten, die Bain im September 2025 befragte, enden die Suchen wegen der KI-Zusammenfassungen überwiegend ohne Klick. ## Was das für die Content-Strategie bedeutet Der Ausgangspunkt der Content-Strategie verschiebt sich vom Keyword zum Nutzer-Prompt. Früher zählten drei Metriken: Suchvolumen, Difficulty, CPC. Heute zählt die Frage: Welches Problem löst das Produkt, und für wen? Content bleibt dabei das Fundament, nur die Planung beginnt an anderer Stelle. ### Früher: Keyword → Content Der klassische Workflow sah so aus: Semrush öffnen, Keyword eingeben, Suchvolumen prüfen, Difficulty bewerten, Content-Brief schreiben. Am Ende stand ein Blogpost für „Augenlasern Kosten“. Das Keyword hat laut Semrush heute rund 4.400 Suchanfragen im Monat, eine Keyword Difficulty von 46 und einen CPC von knapp 2 $. Ehrlicherweise habe ich das selbst genauso gemacht. Ich habe Neuronwriter genutzt und empfohlen und darauf geachtet, dass bestimmte Keywords im Text stehen, egal ob sie dort sauber reingepasst haben oder nicht. Das war Standard. Und für Google hat es funktioniert. ### Heute: Thema → Prompt → Content Der neue Workflow beginnt letztlich mit einer anderen Frage: Was macht der Kunde, und für wen? Welche Probleme löst das Produkt? Welche Fragen stellen Nutzer bei KI-Systemen zu diesem Themenfeld? Ein konkretes Beispiel kommt aus der Arbeit mit einer Augenklinik. Für das Thema Augenlasern startete HECHT INS GEFECHT eine **Prompt Research** in [Rankscale](https://rankscale.ai). Rankscale schätzt dabei aus Simulationen, welche Fragen Nutzer KI-Systemen wie ChatGPT und Gemini zu einem Themenfeld stellen. Ein Ergebnis war die Frage „Gibt es eine Altersgrenze für Augenlasern?“ In dieser Formulierung hat die Frage kaum Google-Suchvolumen, nach meiner Einschätzung ist sie für LLMs aber sehr interessant. In zwei Audits im Sommer 2026 nannten Perplexity und Claude beide Male Beiträge der Klinik zur Altersfrage als Quelle, ChatGPT einmal, Gemini nie. **Nach meiner Erfahrung funktionieren Prompt-Themen auch bei Google.** Denn Content für LLM-Prompts ist thematisch präzise und inhaltlich vollständig. Die Augenlaser-Website der Augenklinik kam im September 2025 im Monatsschnitt auf rund 110 Google-Klicks pro Tag und im März 2026 auf rund 265. Parallel liefen weitere Maßnahmen. Auf die Blogposts entfiel im März 2026 gut die Hälfte aller Klicks. Der Schnitt lag im September 2026 bei rund 170 pro Tag. In den Zeitraum von September 2025 bis September 2026 fallen das December 2025 Core Update, das March 2026 Core Update ab 27. März und das May 2026 Core Update. Topic Research optimiert letztlich für beides gleichzeitig. Die Regeln sind dieselben: Informationen müssen schnell zugänglich sein ([Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/)) und Mehrwert bieten zu dem, was schon im Internet steht (Information Gain). Das gilt für Google genauso wie für ChatGPT. Keyword-Recherche vs. Topic Research: Vier Schritte im Vergleich Keyword-Recherche vs. Topic Research Früher: Keyword → Content 1. Keyword eingeben 2. Suchvolumen prüfen 3. Keyword Difficulty bewerten 4. Content-Brief schreiben Ausgangspunkt: Keyword-Metriken VS Heute: Thema → Prompt → Content 1. Thema identifizieren 2. Prompts recherchieren (KI-Systeme) 3. Prompt → Blogpost-Titel 4. Content für Google + LLMs Ausgangspunkt: Themen und Probleme Themen zuerst, Keywords danach. Abb. 1 · HECHT INS GEFECHT Abb. 1: Keyword-Recherche und Topic Research im Vergleich: vier Schritte. ## Category Entry Points: Warum Situationen wichtiger sind als Suchbegriffe Holland führt ein Konzept aus der Marketing-Wissenschaft ein, das für Topic Research zentral ist: **Category Entry Points (CEPs)** nach dem [Ehrenberg-Bass Institute](https://www.marketingscience.info/). Die Idee dahinter ist, dass Kunden eine Produktkategorie über **Situationen, Bedürfnisse und Kontexte** betreten. Holland zitiert Prof. Jenni Romaniuk vom Ehrenberg-Bass Institute, die CEPs in „How Brands Grow Part 2“ „mental distribution outlets“ nennt, also gedankliche Verkaufsstellen. Romaniuk und Sharp nennen im Buch sieben W-Fragen, Holland fasst zwei davon zusammen. Auf dieser Forschung des Instituts baut er seine sechs Fragen auf: 1. **WHY**: Warum kaufst du das Produkt? 2. **WHEN**: Wann kaufst du es? 3. **HOW**: Wie fühlst du dich dabei? 4. **WHERE**: Wo kaufst du es? 5. **WITH WHOM / WHAT**: Mit wem oder womit? 6. **WHILE**: Während welcher Aktivität? Holland zeigt das an einem Online-Shop für rote Kleider. Typische Ergebnisse einer Keyword-Recherche wären hier etwa „rotes Kleid kaufen“, „Abendkleid rot“ oder „rotes Cocktailkleid“. Eine CEP-Analyse könnte dagegen zeigen, dass Kundinnen rote Kleider für **Kreuzfahrt-Abendveranstaltungen** kaufen. Hollands Prompt beginnt mit „I need a formal dress for a cruise ship evening event next month.“ Die Nutzerin bittet dann um Beispiele roter Abendkleider, die online verkauft werden. Holland schreibt dazu, dass Begriffe, die in Suchtools wenig oder kein Suchvolumen zeigen, oft genau die sind, die sich für GEO lohnen. Was heißt das in der Praxis? Statt „für welches Keyword optimiere ich?“ lautet die Frage bei Topic Research: **„Welches Problem löst mein Produkt für wen in welcher Situation?“** Mein Ansatz ist simpler als die Sechs-Fragen-Analyse, aber im Kern dasselbe: Was machst du, und für wen? Daraus ergibt sich der Titel. „CRM für Stadtwerke und Energiebranche“ schlägt dir ein Keyword-Tool kaum vor. Aus meiner Sicht ist es die Seite, die Google und LLMs als Antwort auf die entsprechende Frage brauchen. Category Entry Points: Sechs Fragen nach Andrew Holland auf Basis der Ehrenberg-Bass-Forschung Category Entry Points Sechs Fragen nach Andrew Holland (Ehrenberg-Bass) Dein Produkt als zentrale Entität WHY (Warum kaufst du es?) „Ich will ohne Brille sehen.“ WHEN (Wann kaufst du es?) „Vor der Kreuzfahrt.“ HOW (Wie fühlst du dich dabei?) „Unsicher wegen OP-Risiken.“ WHERE (Wo kaufst du es?) „In einer Klinik in meiner Nähe.“ WITH WHOM / WHAT (Mit wem, womit?) „Auf Empfehlung vom Arzt.“ WHILE (Während welcher Aktivität?) „Beim Sport stört die Brille.“ Situationen zuerst, Suchbegriffe danach. Abb. 2 · HECHT INS GEFECHT Abb. 2: Category Entry Points: sechs Fragen nach Andrew Holland (Ehrenberg-Bass). ## Prompt Research in der Praxis: Ein Kundencase Bei einer Augenklinik hat HECHT INS GEFECHT im Sommer 2025 die bis dahin auf Keyword-Recherche gestützte Content-Planung umgestellt. Seitdem entstehen neue Blogposts aus **Prompt Research über Rankscale**. Keywords und Suchvolumen dienen nur noch als Indikator. Die Google-Klicks haben sich von September 2025 bis März 2026 mehr als verdoppelt, parallel liefen weitere Maßnahmen. Das December 2025 Core Update und das March 2026 Core Update ab 27. März fallen in diesen Zeitraum. ### Der Workflow 1. **Überthema eingeben:** Im Prompt Research Tool von Rankscale ein Überthema eingeben, zum Beispiel „Augenlasern“. Rankscale zeigt daraufhin mögliche Prompts an, die Nutzer bei KI-Systemen zu diesem Thema stellen könnten. 2. **Prompts sichten:** Die Prompts sind in Subkategorien geclustert. Neben jedem Prompt stehen die geschätzte Aufrufhäufigkeit und eine Trendanzeige: stabil, fallend oder steigend. Rankscale schätzt die Häufigkeit aus Simulationen in ChatGPT und Gemini, echte Nutzeranfragen sieht das Tool nicht. Steigende Prompts sind für mich die interessantesten. 3. **Prompts zu Titeln machen:** Relevante Prompts auswählen und daraus Blogpost-Titel ableiten. Ein Prompt = ein Titel = ein Post. 4. **Blogposts schreiben:** Direkte Antwort auf den Prompt, kurz und präzise. Kein Keyword-Stuffing, kein 5.000-Wörter-Rundumschlag. 5. **Tracking einrichten:** Die verwendeten Prompts in Rankscale tracken, um die [LLM-Sichtbarkeit](https://hechtinsgefecht.de/llm-sichtbarkeit/) nach Veröffentlichung zu messen. Parallel: Google-Performance über die Search Console. ### Die Ergebnisse **LLM-Sichtbarkeit:** Im März 2026 lag die Visibility für die vier Standort-Prompts im Schnitt bei rund 67 %, die Durchschnittsposition in KI-Antworten bei 3,3. **Google-Klicks:** Von rund 110 pro Tag im September 2025 auf rund 265 im März 2026, an einzelnen Tagen über 300. Die Blogposts trugen im März 2026 gut die Hälfte der Klicks. Im September 2026 lag der Schnitt bei rund 170 pro Tag. Das December 2025 Core Update, das March 2026 Core Update ab 27. März und das May 2026 Core Update liegen in diesen Zeiträumen. **Conversion:** **10,8 %** für LLM-Traffic auf der Augenlaser-Website von Januar bis März 2026, verglichen mit 1,3 % über die organische Google-Suche. Prompt Research: Kundencase Augenklinik mit +136 % Klicks, 67 % LLM-Visibility und 10,8 % Conversion Rate Prompt Research: Kundencase Augenklinik · Topic Research in der Praxis +136 % Google-Klicks pro Tag Ø 112 (09/2025) → 265 (03/2026) 67 % LLM-Visibility Ø März 2026, Standort-Prompts 3,3 Ø Position in KI-Antworten, März 2026 10,8 % Conversion Rate vs. 1,3 % Google organisch LLM-Traffic konvertierte rund achtmal so gut. Abb. 3 · anonymisierter Kundencase · HECHT INS GEFECHT Abb. 3: Der Kundencase Augenklinik: +136 % Klicks, 67 % LLM-Visibility, 10,8 % Conversion Rate. ## Topic Research: Themen trennscharf abgrenzen Topic Research heißt: Ein Blogpost pro Thema, eine Frage pro Post. Ein häufiges Missverständnis ist, „in Themen denken“ mit „alles in einen Topf werfen“ zu verwechseln. Themen lassen sich genauso trennscharf abgrenzen wie Keywords, und genau das sollte passieren. Ein Blogpost pro Thema. „Gibt es eine Altersgrenze für Augenlasern?“ wird ein eigenständiger, fokussierter Beitrag. „Zahlt die Krankenkasse Augenlasern?“ wird ein separater Post. Ein Sammelartikel mit 5.000 Wörtern würde diese Fragen nur am Rand behandeln. Jeder Post beantwortet genau eine Frage: isoliert verständlich, [chunk-fähig für LLMs](https://hechtinsgefecht.de/content-formatierung-llm/), rankfähig bei Google. Ob ein Thema einen eigenen Post bekommt, entscheiden am Ende die Suchanfragen. Die Augenklinik hatte zur Kostenübernahme durch die Krankenkasse zwei Posts zum selben Thema. Der schwächere teilte im Spätsommer 2026 98,6 % seiner Suchanfragen mit dem Hauptbeitrag und stand dafür nur auf Position 50 bis 93. HECHT INS GEFECHT hat ihn danach per Weiterleitung mit dem Hauptbeitrag zusammengeführt. Bei einem Onlineshop für Spannbettlaken haben wir 4.881 Keywords ausgewertet und nach Schreibvarianten zu 3.515 Gruppen zusammengefasst. Nur 196 der Gruppen hatten eine eigene indexierbare Seite. Mein Maßstab ist eine indexierbare Seite je Suchintention. Warum funktioniert das? Content rankt nicht nur für das intendierte Keyword, sondern sammelt Klicks für verwandte Begriffe ein. Ein thematisch präziser Post zieht automatisch die richtigen Long-Tail-Queries an, bei Google und bei LLMs. ## Was sich ändern muss und was bleibt Vier Dinge ändern sich: die Rolle des Suchvolumens, die Rolle der Keyword Difficulty, der Umgang mit Keyword-Stuffing und die Tool-Industrie. Fünf SEO-Prinzipien bleiben dagegen bestehen: thematische Relevanz, Information Gain, Cost of Retrieval, Entity-Salience und semantische Struktur. ### Was sich ändert - **Suchvolumen** als Entscheidungskriterium verliert an Bedeutung, „Suchvolumen = 0“ ist kein Ausschlusskriterium mehr, und die Tool-Zahlen selbst sind unsicher. So fielen bei einem Ticket-Anbieter im deutschen Keyword-Set nach dem Entfernen reiner Wortumstellungen 44 % des Suchvolumens weg. Bei einem Onlineshop für Spannbettlaken lagen zwei Keyword-Datenbanken um bis zu 50 % auseinander. Die Rangfolge der Themen blieb aber in beiden gleich, und für die Priorisierung zählt genau die. - **Keyword Difficulty** spielt für LLMs keine direkte Rolle. LLMs bewerten nach meiner Einschätzung nicht nach Backlinks. Indirekt schon, denn KI-Antworten greifen oft auf Suchsysteme zurück. - **Keyword-Stuffing** bringt nach meiner Einschätzung kaum noch etwas. Im GEO-Paper von Pranjal Aggarwal und Kollegen verbesserte Keyword-Stuffing die Sichtbarkeit in generativen Suchsystemen kaum oder gar nicht. - **Die Tool-Industrie** hat sich gewandelt. Semrush, Ahrefs und Sistrix messen inzwischen auch die Sichtbarkeit in KI-Antworten. Spezialisierte Tools wie Rankscale, OtterlyAI und Peec AI sind ganz darauf ausgerichtet. ### Was bleibt - **Thematische Relevanz** bleibt ein zentraler Ranking-Faktor, bei Google und bei LLMs. Auch die geleakten internen Dokumente von Suchmaschinen geben keine belastbare Rangfolge der Ranking-Faktoren her. - **Information Gain** bleibt entscheidend: Inhalte müssen Mehrwert bieten gegenüber dem, was bereits existiert. - **[Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/)** bleibt relevant: Schnelle, gut strukturierte, schlanke Seiten bevorzugen Google und LLMs gleichermaßen. - **Entity-Salience** bleibt zentral: Die Hauptentität muss klar erkennbar sein, ob [Marke](https://hechtinsgefecht.de/brand-seo/) oder Thema. - **[Semantisches SEO](https://hechtinsgefecht.de/semantisches-seo/)** bleibt die Grundlage: Klare Struktur, explizite Relationen, chunk-fähige Absätze. [Generative Engine Optimization (GEO)](https://hechtinsgefecht.de/geo-generative-engine-optimization/) ist anders, aber nach meiner Faustregel zu mindestens 80 % SEO. Die Denkweise muss sich trotzdem verändern. Tradierte Konzepte wie Keyword-Dichte, Suchvolumen-Priorisierung und Difficulty-Scores taugen nicht mehr als Ausgangspunkt der Content-Planung. Von der Draufsicht gelten für LLMs dieselben Regeln wie für Google, die Umsetzung unterscheidet sich. Topic Research: Was sich ändert und was bleibt Was sich ändert und was bleibt Was sich ändert ~ Suchvolumen SV = 0 ist kein Ausschlusskriterium mehr. ~ Keyword Difficulty Für LLMs nur indirekt relevant. ~ Keyword-Stuffing Bringt in KI-Antworten kaum etwas. ~ Tool-Industrie Semrush, Ahrefs und Sistrix messen jetzt auch KI. Klassische SEO-Metriken verlieren an Gewicht. Was bleibt Thematische Relevanz Zentral bei Google und LLMs. Information Gain Mehrwert gegenüber dem, was schon existiert. Cost of Retrieval Schnelle, strukturierte, schlanke Seiten. Entity Salience Hauptentität muss klar erkennbar sein. Semantisches SEO Klare Struktur und explizite Relationen. Inhaltliche Qualität bleibt das Fundament. SEO bleibt, die Planung verschiebt sich. Abb. 4 · HECHT INS GEFECHT Abb. 4: Topic Research: was sich ändert und was bleibt. ## Was Kunden dazu sagen Viele Kunden sind nach meiner Erfahrung eher froh, keine „klassischen SEO-Texte“ mehr schreiben zu müssen (keyword-gestopfte Texte, die kaum jemand gern liest). Der neue Ausgangspunkt ist eine Frage: „Was machst du, und für wen?“ Daraus lässt sich der Titel stricken, und der Rest folgt. Aus meiner Sicht kannst du mit besserem Snippet und besserem Inhalt auf Platz 3 bei Google mehr Leads einsammeln als auf Platz 1. Auch ChatGPT kann dich ohne Platz 1 bei Google empfehlen. Auffindbar muss deine Seite trotzdem sein, denn ChatGPT, AI Overviews und AI Mode greifen für ihre Antworten häufig auf Suchsysteme zurück. Deine Seite muss dort im Index stehen. ## Häufige Fragen ### Kann ich Semrush für Topic Research nutzen? Ja, Semrush hat ein eigenes Tool namens Topic Research, das zu einem Thema Unterthemen, Fragen und Überschriften liefert. KI-Prompts zeigt die Prompt Research im Semrush AI Visibility Toolkit, die es seit September 2025 gibt. Die Keyword-Daten wie Volumen, Difficulty und CPC helfen mir weiterhin bei Validierung und Priorisierung. Den Ausgangspunkt bilden die Fragen und Themen deiner Zielgruppe, und meine eigene Prompt Research mache ich mit Rankscale. ### Ist Keyword-Recherche komplett überflüssig? Keyword-Recherche ist nicht überflüssig und verändert ihre Funktion. Keywords bleiben nützlich als Indikator dafür, was Menschen suchen. Die Metriken drumherum wie Suchvolumen, Difficulty und CPC verlieren an Bedeutung für die Content-Strategie. Der Ausgangspunkt verschiebt sich von „Welches Keyword hat das höchste Volumen?“ zu „Welches Thema löst welches Problem?“ ### Was ist der Unterschied zwischen Topic Research und Keyword-Recherche? Keyword-Recherche identifiziert Suchbegriffe und deren Metriken. Topic Research identifiziert Themenfelder, Nutzer-Prompts und Problemstellungen. Keyword-Recherche beantwortet „Wonach suchen Menschen bei Google?“ Topic Research beantwortet „Welche Probleme haben Menschen, die mein Produkt lösen kann?“ Für Prompt Research nutze ich [Rankscale](https://rankscale.ai), für das Suchvolumen klassische Keyword-Tools. ### Was ist Prompt Research? Prompt Research ist der operative Teil von Topic Research. In Rankscale gibst du ein Überthema ein und bekommst mögliche Prompts angezeigt, in Subkategorien geclustert, mit geschätzter Häufigkeit und Trendanzeige (steigend, stabil, fallend). Die Häufigkeit schätzt Rankscale aus Simulationen in ChatGPT und Gemini, ohne echte Nutzeranfragen zu sehen. Die daraus abgeleiteten Blogpost-Titel sind nach meiner Einschätzung die Grundlage für eine Content-Strategie, die für Google und LLMs gleichzeitig funktioniert. ### Funktioniert Content ohne Suchvolumen wirklich? Ja, nach meiner Erfahrung funktioniert Content auch für Prompts, zu denen es keine passenden Keywords gibt. HECHT INS GEFECHT betreut eine Augenklinik, bei der die Frage nach einer Altersgrenze für Augenlasern so ein Prompt mit kaum Google-Suchvolumen war. In zwei Audits im Sommer 2026 nannten Perplexity und Claude jeweils Beiträge der Klinik zur Altersfrage als Quelle, ChatGPT einmal, Gemini nie. Laut Semrush ranken [fast 90 % der von ChatGPT zitierten Seiten](https://www.semrush.com/blog/llm-seeding/) bei Google für verwandte Suchanfragen auf Position 21 oder schlechter. ### Muss ich meine bestehende Keyword-Strategie aufgeben? Nein. Topic Research ersetzt Keyword-Recherche nicht schlagartig. Topic Research ergänzt Keyword-Recherche und verschiebt den Fokus, wobei der Übergang fließend ist. Bestehender Content, der für Keywords rankt, bleibt wertvoll, und neuer Content sollte themen- und promptbasiert geplant werden. ### Welche Tools brauche ich für Topic Research? Ich nutze [Rankscale](https://rankscale.ai) (ab 17 $ im Monat bei jährlicher Zahlung) für Prompt Research und Tracking der KI-Sichtbarkeit, dazu die Google Search Console für Performance-Daten. Optional ist die DataForSEO AI Optimization API für LLM-Rohdaten. Die klassischen Tools (Semrush, Ahrefs) bleiben nützlich für Backlink-Analyse, technisches SEO und Keyword-Daten. Für die Content-Strategie rücken promptbasierte Tools nach meiner Einschätzung in den Vordergrund. ### Wie grenze ich Themen voneinander ab? Topic Research erfordert dieselbe Trennschärfe wie Keyword-Recherche. Ein Blogpost pro Thema, eine Frage pro Post. „Gibt es eine Altersgrenze für Augenlasern?“ und „Zahlt die Krankenkasse Augenlasern?“ sind zwei separate Themen, auch wenn ein Keyword-Tool beide dem Oberbegriff „Augenlasern“ zuordnen würde. ## Quellen - Holland, Andrew (2025): [„The Ultimate Guide to GEO: Part 1“](https://www.linkedin.com/pulse/ultimate-guide-geo-part-1-andrew-holland--8naje/), LinkedIn. Themen: Information Foraging Theory, Category Entry Points, Problem Spaces - Holland, Andrew (2024): [„Information gain: Here’s what this new SEO ‚buzzword‘ really means“](https://searchengineland.com/what-information-gain-seo-means-440326), Search Engine Land. Themen: drei Bedeutungen von Information Gain, Information Gain Rate - Pirolli, Peter; Card, Stuart (1999): [„Information Foraging“](https://doi.org/10.1037/0033-295X.106.4.643), Psychological Review 106(4). Thema: Ertrag an Information je Kosteneinheit - Simon, Herbert A. (1956): [„Rational choice and the structure of the environment“](https://doi.org/10.1037/h0042769), Psychological Review 63(2). Thema: Satisficing - Bain & Company (2025): [„Goodbye Clicks, Hello AI: Zero-Click Search Redefines Marketing“](https://www.bain.com/insights/goodbye-clicks-hello-ai-zero-click-search-redefines-marketing/). Kernzahlen: 80 % nutzen in mindestens 40 % ihrer Suchen Zero-Click-Ergebnisse, organischer Traffic laut Bain-Schätzung 15 bis 25 % niedriger - Bain & Company (2026): [„Why Consumers Choose an AI Chatbot over a Search Engine“](https://www.bain.com/insights/why-consumers-choose-an-ai-chatbot-over-a-search-engine-snap-chart/). Kernzahl: Suchen enden für 70 % der Befragten überwiegend ohne Klick (USA, September 2025) - Semrush (2025): [„LLM Seeding: An AI Search Strategy to Get Mentioned and Cited“](https://www.semrush.com/blog/llm-seeding/). Kernzahl: fast 90 % der von ChatGPT zitierten Seiten auf Google-Position 21 oder schlechter - Semrush: [„Topic Research“](https://www.semrush.com/kb/776-topic-research) und [„Prompt Research“](https://www.semrush.com/kb/1597-prompt-research-report), Knowledge Base. Thema: Themen- und Prompt-Recherche in Semrush - Rankscale: [„Prompt Research & Prompt Decoding“](https://rankscale.ai/features/prompt-research) und [Preise](https://rankscale.ai/pricing). Thema: geschätzte Prompts und Prompt-Volumen - Aggarwal, Pranjal u. a. (2024): [„GEO: Generative Engine Optimization“](https://arxiv.org/abs/2311.09735), KDD 2024. Thema: Keyword-Stuffing in generativen Suchsystemen - Ahrefs: [„Brand Radar“](https://ahrefs.com/blog/brand-radar/) und Sistrix: [„AI Prompt Monitoring“](https://www.sistrix.de/changelog/ai-prompt-monitoring/). Thema: KI-Sichtbarkeit in klassischen SEO-Tools - Ehrenberg-Bass Institute: [marketingscience.info](https://www.marketingscience.info/). Themen: Category Entry Points, „How Brands Grow“ - Romaniuk, Jenni; Sharp, Byron (2016): „How Brands Grow Part 2“, Oxford University Press. Thema: Category Entry Points - Windolph, Benny: [„Semantisches SEO“](https://hechtinsgefecht.de/semantisches-seo/), HECHT INS GEFECHT. Thema: Content-Regeln für Google und KI - Windolph, Benny: [„LLM-Sichtbarkeit“](https://hechtinsgefecht.de/llm-sichtbarkeit/), HECHT INS GEFECHT. Thema: Monitoring und Conversion-Daten - Windolph, Benny: [„GEO: Generative Engine Optimization“](https://hechtinsgefecht.de/geo-generative-engine-optimization/), HECHT INS GEFECHT. Thema: NAPD-Framework und Citations