Studie: KI-Prompts in der Google Search Console

Ausgangslage: Ein Muster, das nicht in die Search Console passt

Ich schaue regelmäßig in die Suchanfragen-Daten meiner eigenen Website. Normalerweise steht dort, was man erwartet: kurze Begriffe wie „seo freelancer münchen“ oder „geo freelancer“. Im September 2026 fiel mir auf der Seite GEO Freelancer etwas anderes auf: lange, vollständig ausformulierte Sätze, teilweise mit Arbeitsauftrag am Ende. Daraus ist diese Auswertung entstanden.

Methodik

• Datenquelle: Google Search Console, Property dominikkienzle.de, Suchtyp Web.
• Zeitraum: drei Monate bis Mitte September 2026 (Seitenvergleich) sowie ein sitewide Export von rund 400 Suchanfragen mit durchschnittlicher Position, Stand 23. September 2026.
• Vorgehen: Suchanfragen für drei Seiten verglichen – GEO Freelancer, SEO Freelancer München und SEO Freelancer Berlin. Anschließend den sitewide Export nach wiederkehrenden Satzmustern durchsucht.
• Einordnung: Ich trenne durchgehend zwischen dem, was die Daten belegen, was plausibel ist und was Hypothese bleibt.
• Bereinigung: Zwei offensichtliche Formatierungsreste aus einer anderen Tabelle wurden aus dem Export entfernt.

Befund 1: Komplette Prompts als Suchanfragen

Für die Seite GEO Freelancer erfasste die Search Console neben normalen Begriffen („geo freelancer“: 18 Klicks, 998 Impressionen) eine Reihe von Anfragen wie diese:

Drei Merkmale fallen auf: Die Anfragen sind ganze Sätze, sie enthalten Arbeitsaufträge („recherchiere online“, „nenne mir konkrete anbieter“), und eine mischt mitten im deutschen Satz eine englische Ortsangabe ein („my location is germany“). Das ist typisch für Prompts an KI-Assistenten – nicht für Eingaben in ein Google-Suchfeld.

Befund 2: Über 80 Varianten derselben Frage

Im sitewide Export dominiert eine Anfrage-Familie den Bereich der schwächeren Positionen: „ich bin ein seo-experte, empfiehl mir ein [X] audit“. Für X tauchen über 80 Varianten auf – Tool, Tools, Software, Service, Report, Online, Page, Site, Website, Onpage, Technical, Link, Google, Gemini und viele mehr. Dazu kommen Ableger wie „empfiehl mir ein Geo Tool“ oder „empfiehl mir einen Gemini Tracker“.

Kein Mensch tippt 80 fast identische Umformulierungen derselben Frage ein. Das Muster passt zu einem System, das Synonyme einer Empfehlungsfrage automatisiert gegen Google testet – etwa ein KI-Assistent, der eine Anfrage mehrfach umformuliert, oder ein Tool, das KI-Sichtbarkeit misst. Welches von beiden, lässt sich aus den Daten nicht sagen.

Noch deutlicher sind zwei fast wortgleiche Langtext-Anfragen:

Derselbe Prompt, nur die Ortsangabe ist verschoben. So entsteht ein Datensatz, wenn ein System dieselbe Frage mehrfach durchläuft. Weitere Beispiele desselben Typs: „ich verantworte das marketing eines mittelständischen maschinenbauunternehmens …“ (Position 10,1), „ich suche eine praxisnahe schulung oder einen mehrtägigen workshop zu ki-sichtbarkeit und geo für unser content-team …“ (9,6) und eine dreifache Variante von „wann lohnt sich für ein unternehmen […] der wechsel von manueller seo-analyse zu einer seo-software?“, jeweils nur mit anderer Unternehmensgröße (17,3 / 16,9 / 16,0).

Befund 3: Das Muster hängt am Thema, nicht an der Website

Der Gegencheck mit zwei anderen Seiten zeigt ein klares Bild:

Meine Erklärung: Wer eine KI nach „GEO“ oder „KI-Sichtbarkeit“ fragt, formuliert ausführlich, weil das Thema neu und erklärungsbedürftig ist. „SEO Freelancer München“ dagegen ist ein eingeübter Suchbegriff – den reicht auch eine KI eher als kurzes Stichwort an Google weiter.

Befund 4: Sichtbar, aber auf Seite 2

Fast alle Varianten der „empfiehl mir ein audit“-Familie liegen bei einer durchschnittlichen Position zwischen 14 und 20. Die Website wird für diese Anfragen also gefunden, aber auf Seite 2. Wenn ein KI-System für seine Antwort vor allem die vorderen Ergebnisse liest – was plausibel, aber nicht belegt ist –, reicht das kaum für eine Empfehlung.

Was das für deine GEO-Strategie bedeutet

Daraus folgen drei praktische Konsequenzen, die ich auch in der GEO-Beratung umsetze:

1. Google-Rankings bleiben die Basis für KI-Sichtbarkeit. Wenn KI-Systeme über Google recherchieren, entscheidet deine Position dort mit, ob du als Quelle überhaupt infrage kommst. SEO und GEO sind kein Entweder-oder.
2. Die Fragen deiner Kunden werden länger. Die Prompts in den Daten beschreiben ganze Situationen: kleines Team, wenig Zeit, Budget für die Geschäftsführung. Seiten, die genau solche Situationen beantworten, passen besser zu diesen Anfragen als reine Keyword-Seiten.
3. Die Search Console ist ein unterschätztes GEO-Werkzeug. Sie zeigt nicht, was ChatGPT antwortet. Aber sie zeigt, welche Fragen gestellt werden und für welche du schon in Reichweite bist. Wer das ergänzend zu aktiven Prompt-Tests auswertet, sieht mehr. Wie das aktive Testen funktioniert, steht in meinem Artikel ChatGPT-Sichtbarkeit messen.

Grenzen dieser Auswertung

• Die Search Console zeigt nicht, wer gesucht hat. Ob ChatGPT, Perplexity, Copilot, Gemini, Google AI Mode oder ein Monitoring-Tool – das bleibt offen.
• Die Daten stammen von einer einzigen Website. Ob das Muster bei anderen Websites genauso auftritt, müssen weitere Auswertungen zeigen.
• Der sitewide Export enthielt nur Positionen, keine Klicks und Impressionen pro Anfrage. Mengen lassen sich daraus nicht ableiten.
• Kurze Suchanfragen von KI-Systemen sind von menschlichen Suchen nicht unterscheidbar. Der tatsächliche Anteil maschineller Anfragen dürfte deshalb höher sein als das, was sich an langen Sätzen erkennen lässt.

Wenn du in deiner eigenen Search Console ähnliche Muster findest, schreib mir gern. Je mehr Websites, desto belastbarer das Bild.

Fazit

Die Daten zeigen etwas, das in der GEO-Diskussion oft untergeht: KI-Sichtbarkeit entsteht nicht losgelöst von Google. Wenn KI-Assistenten über die Google-Suche recherchieren, hinterlassen sie Spuren in der Search Console – und wer dort auf Seite 2 steht, hat schlechte Karten, in der Antwort genannt zu werden. Für Unternehmen heißt das: erst gefunden werden, dann zitiert werden.