Brand-Sichtbarkeit in der AI-Suche messen, Wettbewerber-Lücken aufdecken und passende PAA-Fragen aus der klassischen Google-Suche identifizieren: Das Modell führt über den SISTRIX MCP Server eine vollständige Prompt-Recherche durch und liefert eine priorisierte Übersicht für Content und GEO.
| Zeitaufwand | Zeitersparnis | Schwierigkeit | Einsatz |
|---|---|---|---|
| 25-35 Min. | ca. 2-3 Stunden | ●●○○○ | Strategie / GEO / Laufend |
Nutzen
- Vollständiger Überblick auf Knopfdruck: Brand Prompts aus der AI-Suche, Wettbewerber-Gaps und reale PAA-Fragen aus Google fließen in einem strukturierten Recherche-Paket zusammen.
- Priorisierte Maßnahmen für SEO und GEO: Das Modell clustert alle Quellen nach Relevanz und leitet konkrete Handlungsempfehlungen ab, welcher Content fehlt und welcher gestärkt werden muss.
- Zeitersparnis gegenüber manuellem Abgleich: Ohne diesen Use Case wäre eine vergleichbare Analyse nur mit stundenlangem Abgleich in SISTRIX möglich.
- Flexibel kombinierbar: PAA-Fragen und AI-Prompts ergänzen sich. PAA zeigt, was Nutzer in Google fragen, Brand Prompts zeigen, ob die eigene Marke die Antwort liefert.
Prompt
Bevor du den Prompt abschickst: Öffne SISTRIX für jedes der drei Keywords und kopiere die dort angezeigten „Ähnliche Fragen“ in die Platzhalter unter Punkt 3, damit das Modell sie mit auswerten kann. Ohne diesen Schritt fehlen die Fragetexte, eine automatisierte Abfrage dafür gibt es aktuell nicht.
„Analysiere die Domain [Domain] mit dem SISTRIX MCP Server für den Markt [Country, z. B. „de“] und führe eine vollständige Prompt-Recherche durch:
- BRAND PROMPTS: Rufe ai_check (view: „prompts“, brands: [Marke], country: [Country]) auf, um alle Prompts zu erhalten, in deren KI-Antworten [Marke] bereits genannt oder zitiert wird. Kategorisiere nach Thema (z. B. Produkte, Wettbewerb, Tierversuche) und KI-Modell.
- NON-BRAND PROMPTS DER WETTBEWERBER: Führe für die Wettbewerber [Wettbewerber 1], [Wettbewerber 2], [Wettbewerber 3] jeweils ai_check (view: „prompts“, brands: [Wettbewerber], country: [Country]) aus. Filtere Prompts heraus, die den Wettbewerbernamen bereits explizit in der Frage selbst enthalten. Bewerte die verbleibenden, generischeren Prompts nach Potenzial für [Marke] (Hoch, Mittel, Prüfen).
- PAA-FRAGEN AUS DER GOOGLE-SUCHE (3 Keywords): Rufe für [Keyword 1], [Keyword 2] und [Keyword 3] jeweils keyword (view: „serpfeatures“, country: [Country]) auf und lies den Wert für RELATED_QUESTION als Anzahl aus. Ordne diese bereits recherchierten PAA-Fragen den passenden Keywords zu und bewerte, ob die eigene Domain bereits dafür rankt:
– [Keyword 1]: [PAA-Frage 1], [PAA-Frage 2], [PAA-Frage 3] …
– [Keyword 2]: [PAA-Frage 1], [PAA-Frage 2], [PAA-Frage 3] …
– [Keyword 3]: [PAA-Frage 1], [PAA-Frage 2], [PAA-Frage 3] …
Fasse alle drei Quellen am Ende in einer CSV-formatierten Tabelle zusammen, exakt mit den Spalten: Prompt/Keyword, Kategorie, Umfang, Potenzial, Top-Maßnahme. Erstelle daraus eine herunterladbare Datei.“
Ablauf
- Brand Prompts abrufen: Über ai_check (view: „prompts“, brands: [Marke], country: [Country]) werden alle Prompts abgerufen, in deren KI-Antworten die eigene Marke bereits zitiert oder genannt wird, inklusive KI-Modell und Antwortkontext. Das Ergebnis zeigt, in welchen Themen und auf welchen Plattformen die Marke schon sichtbar ist.
- Wettbewerber-Analyse (Non-Brand Prompts): Für jeden Wettbewerber wird dieselbe Abfrage mit dessen Markennamen ausgeführt. Prompts, die den Wettbewerbernamen bereits explizit in der Frage enthalten, werden aussortiert. Jeder verbleibende, generische Prompt wird auf Potenzial für die eigene Marke bewertet.
- PAA-Fragen aus der klassischen Google-Suche (3 Keywords): Die Anzahl der „Ähnliche Fragen“-Einträge (RELATED_QUESTION) liefert keyword (view: „serpfeatures“) automatisch. Die Fragetexte selbst holst du dir vorab manuell aus SISTRIX und trägst sie direkt in die Platzhalter im Prompt ein, bevor du ihn abschickst. Eine automatisierte Abfrage der Texte gibt es aktuell nicht.
- Alle Quellen zusammenführen und priorisieren: Brand Prompts, Non-Brand Wettbewerber-Prompts und PAA-Fragen werden in einer gemeinsamen Tabelle nach Potenzial sortiert. Pro Eintrag wird eine konkrete Maßnahme abgeleitet, etwa Content-Erstellung, FAQ-Schema, interne Verlinkung oder GEO-Optimierung.
⚠ Wichtig: Ohne den country-Parameter mischt der SISTRIX MCP Server Ergebnisse aus verschiedenen Sprachen und Märkten, das country-Kürzel (z. B. „de“, „us“) ist bei jedem Aufruf von ai_check und keyword Pflicht. Für ein sauberes Endergebnis außerdem das exakte Tabellenformat im Prompt vorgeben, sonst liefert das Modell oft eine frei formatierte Markdown-Tabelle statt der gewünschten Struktur.
In einem einstündigen Online Seminar erklären wir dir die Einrichtung, Nutzung und verschiedene Anwendungsbeispiele rund um den SISTRIX MCP Server detailliert: Jetzt kostenlos für den 09. September um 11 Uhr anmelden.
Output / Ergebnis
Am Ende der Recherche liefert das Modell eine priorisierte Tabelle aller analysierten Prompts und Fragen:
| Prompt/Keyword | Kategorie | Umfang | Potenzial | Top-Maßnahme |
|---|---|---|---|---|
| benefit cosmetics | Brand Prompts | 100 Prompts | Hoch | Benefit als Quelle stärken, BrowBar-Content ausbauen |
| benefit augenbrauen | PAA-Fragen (Google) | 6 Fragen | Hoch | FAQ-Content zu Augenbrauen aufbauen, Schema ergänzen |
| make-up tierversuche | Non-Brand (Wettb.) | 23 Prompts | Hoch | Cruelty-Free-Seite optimieren, in AI sichtbar werden |
| mascara beste marke | Non-Brand (Wettb.) | 15 Prompts | Mittel | BADgal BANG! Landingpage stärken |
| brow lifting douglas | PAA-Fragen (Google) | 4 Fragen | Mittel | BrowBar-Serviceseiten mit FAQ-Schema ausstatten |
Die Tabelle kann direkt als Grundlage für eine Content-Strategie, einen Kunden-Pitch, die Sprint-Planung oder die Priorisierung von Landingpage-Optimierungen genutzt werden.
Kombinationen und Varianten
★ Kombination: Topic Prompt Research. Erweitere deine Prompt-Recherche jetzt um eine themen- statt markenbezogene Recherche mit unserem Prompt Research Tool und entdecke die Themenfelder, die für deine Marke und Produkte relevant sind, unabhängig vom aktuellen Ist-Zustand.
★ Kombination: Content Audit Use Case. Nach der Prompt-Recherche: Die PAA-Fragen und High-Potential-Prompts direkt mit dem Content Audit abgleichen, welche bestehenden URLs adressieren diese Fragen bereits, und wo fehlt Content komplett?
- Nur PAA-Analyse: Den Use Case auf die PAA-Fragen-Extraktion fokussieren, ideal als schnelle Grundlage für FAQ-Seiten, Featured-Snippet-Optimierungen oder strukturierte Daten (FAQ-Schema).
- Nur Brand-Monitoring: Ausschließlich Brand Prompts tracken, als monatliches Reporting, wie sich die AI-Sichtbarkeit der eigenen Marke über Zeit entwickelt.
- PAA vs. AI-Prompts vergleichen: PAA-Fragen aus Google direkt den AI-Prompts gegenüberstellen, zeigt, welche Nutzerfragen bereits in der AI-Suche ankommen und welche noch klassisch über Google laufen.
- Erweiterung Share of Voice: Nach der Prompt-Recherche über ai_check (view: „competitors“, brands: [Marke], country: [Country]) ermitteln, welche anderen Brands in denselben Prompts genannt werden, und den eigenen Share of Voice berechnen.
Beispiel-Analysen zum Download
📥 Benefit_Cosmetics_Prompt_Recherche.xlsx: Beispiel-Rohdaten aus diesem Use Case, mit drei Tabs: Brand Prompts, Non-Brand Prompts der Wettbewerber und Fragen rund um die Marke, wie sie sich mit dem gezeigten Prompt erzeugen lassen.
Nicht weitergekommen? Unser Support-Team hilft beim Setup des SISTRIX MCP Servers und beantwortet Fragen zur Nutzung mit Claude oder ChatGPT. Support kontaktieren
SISTRIX kostenlos testen
- Kostenloser Testaccount für 14 Tage
- Unverbindlich, keine Kündigung notwendig
- Persönliches Onboarding durch Experten
