Wir wissen nicht, wie deine Kunden ChatGPT fragen. Und das ist das eigentliche Problem.

Ein kleines Experiment

Stell dir vor, du fragst fünf Menschen, die exakt dasselbe suchen, was sie bei Google eingeben würden.

Die Antworten werden sich ähneln. Vielleicht "Executive Coaching Zürich". Vielleicht "Leadership Coach Schweiz". Drei, vier Varianten, die sich überschneiden.

Jetzt fragst du dieselben fünf Menschen, was sie ChatGPT schreiben würden.

Jetzt wird es interessant.

Wir haben uns an Keywords gewöhnt — und das war vernünftig

Zwanzig Jahre lang hatte digitales Marketing eine verlässliche Grundlage.

Wir konnten Nachfrage messen. Nicht perfekt — aber annähernd. Search Volume, Keyword-Listen, Rankings. Wenn genug Menschen "Executive Coaching Zürich" googelten, konnte ein Unternehmen entscheiden, ob es sich lohnte, auf diesen Begriff zu optimieren.

Dieses Modell setzt eine bestimmte Voraussetzung voraus: dass Menschen ihre Bedürfnisse in wenige suchmaschinentaugliche Wörter komprimieren. Und das haben sie — weil Google genau das von ihnen verlangt hat.

Genau diese Voraussetzung gilt für Conversational Search nicht mehr.

Das bedeutet nicht, dass Keyword Research wertlos wird. Menschen googeln weiterhin, und auch KI-Suchen beginnen häufig mit relativ generischen Fragen. Keywords bleiben ein wichtiges Signal für Nachfrage. Sie bilden nur nicht mehr die ganze Vielfalt ab, mit der Menschen ihr Bedürfnis gegenüber einer KI ausdrücken können. Wir haben diesen Unterschied ausführlicher in AI Visibility vs. SEO: Was sich 2026 wirklich ändert beschrieben.

In ChatGPT wird dasselbe Bedürfnis auf hundert Arten formuliert

Nehmen wir dasselbe Bedürfnis: jemand sucht einen erfahrenen Sparringspartner für Führungsfragen im Raum Zürich.

Bei Google tippte er vielleicht "Executive Coaching Zürich".

In ChatGPT könnte dieselbe Person schreiben:

„Ich leite seit kurzem ein Team von 25 Leuten und merke, dass ich bei schwierigen Personalentscheidungen niemanden habe, mit dem ich offen sprechen kann. Ich suche jemanden im Raum Zürich, der selbst Führungserfahrung hat und nicht nur klassische Coaching-Fragen stellt. Wen würdest du empfehlen?"

Oder:

„Meine Chefin hat mir Executive Coaching vorgeschlagen. Ich bin aber eigentlich nicht auf der Suche nach einem Coach, sondern nach jemandem, der meine Entscheidungen kritisch hinterfragt. Gibt es dafür Anbieter in der Schweiz?"

Oder:

„Welche erfahrenen Sparringspartner für CEOs gibt es zwischen Zürich und Bern, die nicht nach klassischer Unternehmensberatung klingen?"

Drei Fragen. Ein ähnliches Bedürfnis. Kein gemeinsames Keyword.

In ChatGPT kann dieser Übersetzungsschritt entfallen. Menschen beschreiben ihre Situation, ihr Budget, ihre bisherigen Erfahrungen, was sie explizit nicht wollen. Die Varianz möglicher Formulierungen für dasselbe Bedürfnis ist damit um ein Vielfaches grösser als im klassischen Keyword-Modell.

Forrester fand in ihrer Buyers' Journey Survey 2025, dass doppelt so viele Käufer generative AI oder Conversational Search als bedeutsamste Informationsquelle nannten wie jede andere Quelle — weit vor Vendor-Websites, Produktexperten und Sales. Conversational AI ist damit längst nicht mehr nur ein Experiment. Für viele B2B-Käufer ist sie bereits Teil der Anbieterrecherche und -auswahl.

Es gibt nicht mehr „die Suchanfrage"

Aber die Veränderung geht noch tiefer.

Bei Google gab es eine Suchanfrage. Einen Moment. Einen Begriff.

In ChatGPT kann sich die Anfrage über mehrere Turns entwickeln.

Jemand beginnt vielleicht mit: „Ich suche einen Executive Coach in Zürich."

Dann: „Eigentlich möchte ich keinen klassischen Coach."

Dann: „Mir ist wichtig, dass die Person selbst Führungserfahrung hat."

Dann: „Und bitte niemand aus einer grossen Beratung."

Die relevante Anfrage kann also erst im Gespräch entstehen. Die endgültige Suchintention muss zu Beginn noch gar nicht feststehen — sie kann sich durch den Dialog entwickeln.

Das macht die ursprüngliche These noch stärker: Unternehmen kennen nicht nur die Formulierung nicht. Die Frage selbst ist manchmal noch im Entstehen.

Das ist nicht einfach mehr Long-Tail

Wer schon länger in SEO arbeitet, kennt das Long-Tail-Problem: Je spezifischer eine Suchanfrage, desto geringer das Suchvolumen — aber desto höher oft die Kaufabsicht.

Was Conversational Search verändert, geht weiter.

Bei Google war der Suchbegriff ein Kompromiss. "Executive Coach Zürich" ist nicht, wie ein Mensch natürlich spricht. Es ist die komprimierte Version davon.

In ChatGPT kann dieser Übersetzungsschritt entfallen. Die Formulierungen sind individuell — sie hängen davon ab, wer fragt, in welcher Situation, mit welchem Vorwissen, zu welchem Zeitpunkt. Und weil die Anfrage sich über mehrere Turns entwickeln kann, gibt es manchmal nicht einmal einen definierten Startpunkt mehr.

Prompt Research löst das Problem nicht vollständig

Die naheliegende Reaktion: Wir brauchen Prompt Research, ergänzend zu Keyword Research.

Das ist nicht falsch. Es ist sinnvoll, kaufnahe Fragen zu testen, zu beobachten, welche Formulierungen für die eigene Branche typisch sind, und zu schauen, wie KI-Systeme darauf antworten. Wir machen das bei MentionBee selbst.

Aber Prompt Research hat eine strukturelle Grenze.

Selbst 500 getestete Prompts bleiben eine Stichprobe. Sie bilden nicht ab, wie jeder einzelne potenzielle Kunde seine Situation beschreibt. Sie bilden nicht ab, was jemand fragt, der das Problem noch gar nicht klar benennen kann. Und sie bilden nicht ab, wie sich Formulierungen verändern — wenn neue Produkte, neue Begriffe, neue Situationen entstehen.

Und hier steckt der eigentliche Denkfehler, den ich in Gesprächen mit Unternehmen immer wieder beobachte: die Idee, man könnte für jede mögliche Formulierung eines Bedürfnisses Inhalte produzieren oder optimieren.

Das ist nicht nur praktisch unmöglich. Es ist auch das falsche Ziel.

Du musst nicht jede Frage kennen. Du musst zur richtigen Antwort gehören.

Du musst nicht jede Frage kennen. Du musst zur richtigen Antwort gehören.

Statt einzelne Formulierungen abzudecken, geht es darum, für den gesamten Kontext rund um dein Angebot eindeutig relevant zu sein: Wer bist du? Für wen bist du relevant? Welche Probleme löst du? In welchem Kontext? Was unterscheidet dich?

KI-Systeme sind nicht darauf beschränkt, eine konkrete Formulierung mit einer konkreten Seite abzugleichen. Sie können Informationen über Unternehmen, Angebote, Zielgruppen, Eigenschaften und Zusammenhänge aus unterschiedlichen Quellen miteinander verbinden. Je klarer diese Zusammenhänge über verschiedene Quellen hinweg erkennbar sind, desto weniger hängt deine Sichtbarkeit von einer einzelnen Formulierung oder Seite ab.

Das bedeutet konkret: klare, widerspruchsfreie Beschreibung dessen, was du anbietest und für wen. Beschreibung der Probleme, die du löst, und des Kontexts, in dem du relevant bist. Externe Bestätigung durch Fachmedien, Verzeichnisse, Bewertungen, Zitate in unabhängigen Quellen. Und technische Zugänglichkeit, damit KI-Systeme diese Informationen verarbeiten können.

Bei Google optimierten Unternehmen auf bekannte Nachfrage.

Bei KI müssen sie für unbekannte Formulierungen derselben Nachfrage sichtbar sein.

Was das praktisch bedeutet — und wie man es misst

Die praktische Konsequenz beginnt mit einer anderen Frage als bisher:

Versteht eine KI, die meinen öffentlichen Informationsraum kennt, korrekt und vollständig, wer wir sind?

Nicht: Für welche Keywords ranken wir? Sondern: Ordnet ein KI-System uns der richtigen Branche zu? Erkennt es unsere Zielgruppen? Versteht es, bei welchen Problemen wir relevant sind?

Einen ersten Eindruck bekommst du mit dem 10-Minuten-Selbsttest — fünf Fragen, kein Tool, keine Anmeldung.

Und wie misst man etwas, dessen Fragen man nicht kennt? Indem man nicht versucht, alle möglichen Fragen zu messen — sondern bewusst gewählte Testfälle verwendet: unterschiedliche kaufnahe Situationen, anhand derer man prüft, ob ein KI-System ein Unternehmen als relevante Option erkennt.

Das ist keine repräsentative Abbildung aller möglichen Kundenprompts — und soll es auch nicht sein. Das ist auch der Ansatz bei MentionBee. Die Fragen in unseren Reports sind bewusst gewählte Testfälle, keine statistische Stichprobe. Sie zeigen, ob ein KI-System ein Unternehmen im relevanten Kontext erkennt und berücksichtigt — nicht auf welchem Platz es steht, sondern ob es überhaupt zu den Optionen gehört, die ein KI-System für diese Art von Problem in Betracht zieht.

Wie sich das in die veränderte Suche deiner potenziellen Kunden einbettet, beschreiben wir in Googeln war gestern? Und warum dabei vier KI-Systeme vier verschiedene Anbieter empfehlen können, zeigt unsere MentionBee AI Visibility Study 2026.

Wir werden wahrscheinlich nie vollständig wissen, wie Kunden morgen ChatGPT, Claude oder Gemini nach einem Anbieter wie uns fragen.

Vielleicht müssen wir das auch gar nicht.

Die wichtigere Frage ist, ob diese Systeme genug über uns wissen, um uns auch dann als passende Antwort zu erkennen, wenn die Frage ganz anders formuliert ist, als wir erwartet haben.

SEO hat uns beigebracht, die Frage vorherzusagen. AI Visibility stellt eine andere Aufgabe: dafür zu sorgen, dass wir zur Antwort gehören.