Die richtigen Prompts zum Tracken auswählen

Markdown anzeigenChatGPT fragen Claude fragen Perplexity fragen Copilot fragen

Die Auswahl der Prompts, die Sie tracken, ist die wichtigste Entscheidung in einem AI-Visibility-Programm. Wählen Sie die falschen, messen Sie einen Markt, in dem Sie gar nicht verkaufen. Wählen Sie zu wenige, schwankt jede Zahl. Diese Anleitung zeigt, wie Sie ein Set zusammenstellen, das abbildet, wie Ihre Käufer tatsächlich suchen, und woran Sie erkennen, dass Sie genug Prompts haben.

Lieber eine druckbare Fassung? Laden Sie diese Anleitung als PDF herunter (englischsprachig).

Was Sie lernen

In dieser Anleitung erfahren Sie:

Warum KI-Sichtbarkeit wie eine Umfrage gemessen wird und nicht wie ein Suchranking
Wie sich die Branche auf Prompt-Tracking als Maßeinheit zubewegt
Wie Sie ein Prompt-Panel aus Ihrem Brand Snapshot entwerfen
Wie viele Prompts Sie für verlässliche, richtungsweisende oder explorative Daten brauchen
Wie Sie Käufersegmente, Probleme und Phasen der Buyer Journey abdecken
Wie Standorte und Personalisierung verändern, was Sie tracken sollten
Welche Prompts in eine Share-of-Voice-Messung gehören und welche nicht
Eine Übersichtstabelle als Startpunkt für Ihre eigene Checkliste

Hintergrund

Käufer fragen die KI, bevor sie irgendjemanden sonst fragen. Das gilt für kleine Alltagskäufe genauso wie für sechsstellige B2B-Deals, bei denen ein Gremium vor dem ersten Gespräch eine Shortlist möchte. In beiden Fällen nennt der Assistent eine Handvoll Marken, und wer genannt wird, bekommt den Termin.

Daraus entsteht ein Messproblem. In der klassischen Suche haben Sie First-Party-Daten. Die Search Console zeigt Ihnen genau, welche Suchbegriffe die Menschen eingegeben haben. Für KI-Assistenten gibt es nichts Vergleichbares. Die Gespräche finden in einem privaten Chat statt, und Zugriff darauf hieße, private Unterhaltungen mitzulesen. Keine seriöse Plattform gibt das heraus, und kein seriöser Anbieter sollte danach fragen.

Es kommt eine zweite Schwierigkeit hinzu. KI-Antworten sind nicht deterministisch. Stellen Sie dieselbe Frage zweimal, bekommen Sie womöglich zwei verschiedene Markenlisten. Das ist kein Messfehler, sondern die Funktionsweise der Modelle. AI-Visibility-Messung verhält sich deshalb viel eher wie eine Meinungsumfrage als wie Rank-Tracking. Sie lesen keine feste Position ab. Sie ziehen eine Stichprobe aus einer Grundgesamtheit möglicher Antworten und schätzen, welcher Anteil davon Sie nennt.

Wenn Sie diesen Rahmen akzeptieren, folgt alles Weitere daraus. Eine Umfrage wird genauer, je mehr Menschen Sie befragen. Ein Prompt-Panel wird genauer, je mehr Prompts Sie tracken.

Das entstehende Feld des Prompt-Trackings

Jede Organisation, die KI-Sichtbarkeit misst, löst dieselbe Gleichung. Mehr Prompts, mehr Plattformen und mehr Standorte ergeben eine engere Schätzung und kosten zugleich mehr. Die eigentliche Frage lautet also nie „was ist das perfekte Panel", sondern „was ist das genaueste Panel, das ich mir leisten kann".

Diesen Zielkonflikt können Sie beziffern, bevor Sie sich festlegen. Unser Rechner zur Verlässlichkeit von AI-Visibility-Daten zeigt die Fehlermarge bei einer bestimmten Prompt-Anzahl, sodass Sie sehen, was zehn zusätzliche Prompts tatsächlich bringen.

Die Branche kommt zur selben Sicht. Die Leitlinien des IAB, Measuring Visibility in the AI Era, behandeln KI-Sichtbarkeit als Stichprobenmessung mit ausgewiesener Konfidenz statt als feste Position. AMECs GEO Hub argumentiert ähnlich aus Sicht der Kommunikationsmessung und knüpft KI-Sichtbarkeit an etablierte Standards zur Bewertung von Earned Media an.

Unsere eigene Forschung bestätigt das:

Prompt phrasing consistency zeigt, dass eine andere Formulierung derselben Frage andere Marken hervorbringt. Eine einzelne Formulierung ist also ein einzelner Datenpunkt und nicht die Antwort.
Rank stability in ChatGPT misst, wie stark sich die Markenliste zwischen identischen Läufen bewegt.
Synthetic prompt coverage untersucht, wie gut ein generiertes Panel die tatsächliche Verteilung der Käuferfragen abbildet.

Jede Organisation wägt Genauigkeit gegen Kosten ab. Im Rest dieser Anleitung geht es darum, das bewusst zu tun statt versehentlich.

Wie Sie ein Prompt-Panel entwerfen

Beginnen Sie mit Ihrem Brand Snapshot

Der beste Ausgangspunkt ist ein AI Visibility Report, mindestens aber ein Brand Snapshot. Der Snapshot hält die drei Fakten fest, aus denen jeder gute Prompt gebaut wird:

Kategorie, also welche Art von Angebot Sie sind
Zielkundensegmente, also wer bei Ihnen kauft
Gelöste Probleme, also was schiefläuft, bevor jemand Sie braucht

Sind diese drei Felder vage, werden Ihre Prompts vage. Bringen Sie zuerst den Snapshot in Ordnung.

Prompts bauen wie Mad Libs

Wenn der Snapshot stimmt, ist das Schreiben von Prompts vor allem ein Lückentext. Sie nehmen eine Vorlage und setzen die Fakten aus dem Snapshot ein. Ein Prompt vom Typ „Bester in der Kategorie" sieht so aus:

Was ist die beste [Beschreibung der Kategorie] für [Beschreibung des Zielkunden]?

Ausgefüllt entsteht daraus etwas, das ein echter Käufer tippen würde, etwa „Was ist die beste Terminplanungssoftware für eigenständige Zahnarztpraxen?"

Für jeden Prompt-Typ gibt es eine solche Vorlage. Spyglasses erzeugt das erste Set für Sie, und die vollständige Liste der Anfragetypen, die wir generieren, enthält zu jedem Typ ein Beispiel. Wenn Sie ein größeres Panel auf Basis etablierter Marketing-Frameworks wollen, erzeugt der Framework-Generator Prompts aus Category Entry Points, Jobs to Be Done, der Buyer's Journey und Stakeholder-Perspektiven.

Das minimale Panel

Starten Sie mit mindestens einem Prompt aus jedem dieser fünf Typen:

Prompt-Typ	Was er prüft
Category Best	Ob Sie erscheinen, wenn jemand nach der besten Option in Ihrer Kategorie fragt
Use Case Solution	Ob Sie erscheinen, wenn jemand ein Problem statt einer Kategorie beschreibt
Segment Focused	Ob Sie für genau die Käufergruppe erscheinen, an die Sie verkaufen
Solution Comparison	Ob Sie es auf die Shortlist schaffen, wenn die KI Optionen vergleichen soll
Budget Constrained	Ob Sie erscheinen, wenn der Preis das Hauptkriterium ist

Wenn Sie nicht an preisbewusste Käufer verkaufen, ersetzen Sie Budget Constrained durch einen Typ, der besser zu Ihrem Markt passt. Einer Premiummarke nützt in der Regel ein zweiter Segment-Focused-Prompt mehr.

Wie viele Prompts genügen

Fünf Prompts liefern richtungsweisende Daten. Sie zeigen grob, wo Sie stehen, und erfassen große Bewegungen. Mehr ist besser, und der Zugewinn ist am unteren Ende besonders steil.

Auch ein kleines Panel erkennt Drift. Sie beobachten Ihren eigenen Share of Voice und den Ihrer Wettbewerber über die Zeit, und wenn sich diese Linien kreuzen oder auseinanderlaufen, hat sich etwas im Markt verändert. Dieses Signal zeigt sich lange, bevor die absoluten Zahlen präzise werden.

Spyglasses stellt Ihnen die Statistik direkt hin, statt Sie schätzen zu lassen. Wenn Sie Prompts einem Projekt zuweisen, zeigt die Karte Data Accuracy die Fehlermarge bei 90 % Konfidenz für Ihr ausgewähltes Set sowie die kleinste Veränderung, die Sie noch erkennen könnten. Der Verlässlichkeitsrechner rechnet dasselbe außerhalb der App.

Die Bewertungen funktionieren so:

Bewertung	Fehlermarge	Wofür geeignet
Reliable	Unter 8 %	Zahlen, die Sie einem Kunden oder der Geschäftsführung berichten
Directional	8 % bis 15 %	Trends beobachten und echte Bewegung erkennen
Exploratory	Über 15 %	Ein erstes Gefühl dafür bekommen, wo Sie stehen

Nutzen Sie die Coverage-Matrix als Leitfaden

Sind die ersten fünf Prompts gesetzt, lautet die Frage, was als Nächstes dazukommt. Die Coverage-Matrix beantwortet das, indem sie Ihre Bibliothek über drei Dimensionen bewertet:

Käufersegment und Subsegment. Jede eigenständige Käufergruppe sollte mindestens einen Prompt aus ihrer Perspektive haben.
Gelöste Probleme. Jedes Problem aus Ihrem Snapshot sollte in einem Prompt auftauchen, der das Problem beschreibt, ohne eine Kategorie zu nennen.
Phase der Buyer Journey. Awareness, Consideration und Decision, entlang des gängigen Buyer's-Journey-Frameworks.

Die Matrix zeigt Ihnen die leeren Felder und priorisiert, welche zuerst zu füllen sind. Das ist eine bessere Verwendung Ihrer nächsten zehn Prompts, als weitere Varianten dessen zu ergänzen, was Sie schon haben.

Ein Hinweis zu Awareness-Prompts

Awareness-Prompts wirken beim ersten Lesen der Antworten falsch. Käufer in dieser Phase kennen den Markt oft nicht gut genug, um nach einem Vergleich zu fragen. Sie fragen nach dem Problem, nicht nach dem Produkt, und die Antwort ist eine Erklärung statt einer Markenliste.

Machen Sie sich keine Sorgen, wenn Ihre Marke in diesen Antworten fehlt. Das ist zu erwarten. Verfolgen Sie stattdessen, ob Ihre Key Messages auftauchen. Wenn die KI das Problem mit der Rahmung erklärt, die Ihr Marketing in die Welt gesetzt hat, prägen Ihre Differenzierungsmerkmale das Gespräch bereits in der frühesten Phase, und das ist mehr wert als eine bloße Nennung.

Spyglasses berücksichtigt das automatisch und trennt Awareness-Prompts vom Share of Voice ab. Sie werden stattdessen als Share of Influence ausgewiesen. Wie sich beide Kennzahlen unterscheiden, steht unter SoI vs. SoV.

Consideration- und Decision-Prompts

In der Consideration-Phase baut die KI die Shortlist. Das sind die Prompts nach dem Muster „bestes X für Y" und „vergleiche A und B", und hier zählt der Share of Voice am meisten, denn die Antwort ist buchstäblich eine Liste derer, die in Betracht kommen.

Decision-Prompts sind enger gefasst. Der Käufer hat sich weitgehend entschieden und stellt nun konkrete Fragen zu Ihrer Lösung und zu seinen eigenen Rahmenbedingungen. Lässt sie sich in die vorhandenen Tools integrieren? Erfüllt sie die Compliance-Anforderungen? Verkraftet sie das Volumen? Diese Prompts fördern oft einen völlig anderen Wettbewerberkreis zutage als die Consideration-Prompts, und genau deshalb lohnt es sich, sie getrennt zu tracken.

Machen Sie aus Ihrem Set ein Projekt

Sobald Ihr Panel sowohl zu Ihrem Genauigkeitsziel als auch zu Ihrem Budget passt, richten Sie es als Projekt ein. Projekte führen Ihre Prompts über Daily Prompt Tracking nach Zeitplan aus, halten Ihre Baseline fest und liefern die Trendlinien, die die ganze Übung erst nützlich machen.

Sichtbarkeit an mehreren Standorten tracken

KI-Assistenten personalisieren nach Standort. Fragen Sie in Berlin nach der besten Buchhaltungssoftware, erhalten Sie eine andere Antwort als in Chicago, selbst bei identischem Wortlaut.

In Spyglasses legen Sie einen Standort für die Marke fest, entweder eine Stadt oder ein Land, und jede Plattform wird dann mit diesem Standort als Kontext getestet. Wenn Sie in mehrere Märkte verkaufen oder gerade in einem neuen starten, können Sie weitere Standorte hinzufügen und nebeneinander verfolgen.

Gehen Sie hier bewusst vor, denn Standorte multiplizieren sich. Jeder Prompt in einem Projekt läuft einmal pro Standort.

Achten Sie auf die Anzahl der Läufe. 5 Prompts an 4 Standorten ergeben 20 Prompt-Läufe, nicht 5. Ein Panel, das in einem Markt bezahlbar aussah, kann sich mit drei weiteren Märkten vervierfachen.

Ist das Budget knapp, fahren Sie meist besser mit einem kleineren Panel in jedem Markt, in dem Sie wirklich verkaufen, als mit einem großen Panel in dem einen Markt, in dem zufällig Ihre Zentrale sitzt.

Personalisierung in KI-Antworten tracken

KI-Assistenten personalisieren auch über ihr Gedächtnis. Hat jemand ChatGPT erzählt, dass er eine kleine gemeinnützige Organisation führt, tendieren spätere Antworten in diese Richtung, und zwei Personen mit derselben Frage können deutlich unterschiedliche Listen erhalten.

Wir können das Gedächtnis einer einzelnen Person nicht simulieren, und aus demselben Datenschutzgrund sehen wir keine echten Nutzer-Prompts. Niemand sollte ein Produkt auf der privaten Chat-Historie anderer Leute aufbauen.

Die beste verfügbare Annäherung ist, Prompts für die verschiedenen Kundensegmente aus Ihrem Brand Snapshot zu schreiben. Ein Prompt mit „für eine Kanzlei mit zwei Anwälten" und einer mit „für eine Kanzlei mit 400 Anwälten" erzeugen Antworten unter unterschiedlichen unterstellten Kontexten, und der Vergleich zeigt Ihnen, welches Segment Sie gewinnen.

Weitere Überlegungen

Halten Sie Ihre Marke aus Discovery-Prompts heraus

Setzen Sie weder Ihren Markennamen noch Produktnamen oder geschützte Begriffe in Prompts, die Sie für den Share of Voice verwenden wollen. Ein Prompt, der Sie nennt, liefert Sie fast immer zurück und sagt nichts darüber aus, ob ein Käufer, der Sie nicht kennt, Sie finden würde.

Der Test ist einfach. Ein Discovery-Prompt sollte klingen, als hätte ihn ein Interessent getippt, der eine Kategorie recherchiert und keinerlei Vorstellung davon hat, wer darin vertreten ist.

Wenn Sie die KI doch nach Ihrer Marke fragen wollen

Es gibt einen guten Grund, die KI direkt nach Ihrer Marke zu fragen, nämlich um zu prüfen, wie sie Sie beschreibt. Spyglasses hat dafür zwei eigene Prompt-Typen:

Brand Identity fragt, was Ihre Marke ist, was sie tut und ob sie etwas taugt.
Brand Comparison stellt Sie direkt einem namentlich genannten Wettbewerber gegenüber.

Beide sind vom Share of Voice ausgenommen und werden über eigene Kennzahlen ausgewiesen, sodass ihr Einsatz Ihre Discovery-Zahlen nicht verzerrt. Beide unterstützen außerdem prompt-eigene Expected Messages, sodass Sie festhalten können, was über Sie gesagt werden soll und was nicht, und nachverfolgen, ob die KI sich daran hält.

Wir empfehlen mindestens einen Brand-Identity-Prompt sowie je einen Brand-Comparison-Prompt pro wichtigem Wettbewerber. Alle Details stehen unter Brand-Identity- und Brand-Comparison-Prompts.

Leitfaden zum Prompt-Tracking als Tabelle

Nutzen Sie das als Einstiegs-Checkliste. Erhöhen Sie die Anzahl der Kern-Prompts, je strenger Ihr Genauigkeitsziel wird.

Prompt-Gruppe	Wie viele	Was Sie verwenden
Kern-Prompts	5 bis 50, je nach benötigter Genauigkeit	Beliebige Standard-AI-Visibility-Typen; lokale Prompts (Local Services, Local Comparison, Local Reviews); Buyer's Journey; Jobs to Be Done; Stakeholder-Perspektiven; Category Entry Points
Brand-Identity-Prompts	Mindestens 1	Ergänzen Sie weitere, um einzelne Funktionen, einen Launch, ein Rebranding oder M&A-Aktivitäten zu prüfen
Brand-Comparison-Prompts	Einen pro wichtigem Wettbewerber	Wählen Sie die Wettbewerber, gegen die Sie tatsächlich Deals verlieren, nicht die ganze Kategorie
Projektspezifische Prompts	So viele, wie die Kampagne braucht	Prompts, die an eine Kampagne, einen Launch oder eine PR-Maßnahme gebunden sind. Mehr Prompts erhöhen die Genauigkeit, achten Sie aber auf überlappende Prompts, die nichts Eigenes prüfen

Zum letzten Punkt: Spyglasses weist Sie darauf hin, wenn Sie Abdeckung doppeln. Die Überschneidungsprüfung vergleicht einen neuen Prompt vor dem Speichern mit allem, was schon in Ihrer Bibliothek liegt, und die Erkennung redundanter Cluster markiert Gruppen von Prompts, die alle dasselbe messen. Zehn Prompts, die dieselbe Frage auf zehn Arten stellen, kosten das Zehnfache und liefern ungefähr den Informationsgehalt eines einzigen Prompts.