Nicht mehr nur Keywords: Wie AI-Suche das Suchverhalten verändert und was Shopbetreiber jetzt wissen müssen

Keywords sind nicht tot. Wer nach „Laufgitter“ sucht, tippt dieses Wort noch immer in die Google-Suche — und das wird sich nicht von heute auf morgen ändern. Klassische Suchmaschinenoptimierung auf Basis von Keywords und Suchvolumen bleibt ein funktionierender Kanal.

Aber daneben entsteht gerade ein zweiter Kanal, der nach anderen Regeln funktioniert. Und wer seinen Content ausschließlich auf klassische Suchanfragen ausrichtet, optimiert für einen Kanal — und ignoriert einen wachsenden anderen.

Dieser Artikel zeigt, was sich konkret verändert hat, warum das für Shopbetreiber relevant ist — und was es für Content-Entscheidungen bedeutet.

Wie sich das Suchverhalten gerade verändert

In der klassischen Suche war Nachfrage messbar und vorhersehbar. Ein Nutzer gibt „Laufgitter“ ein — und landet auf einer Suchergebnisseite mit Produkten, Ratgebern und Preisvergleichen. Das Keyword ist standardisiert, das Suchvolumen schätzbar, die Content-Planung darauf aufgebaut.

In der AI-Suche funktioniert das anders. Derselbe Nutzer fragt ChatGPT:

„Ich suche ein sicheres Laufgitter für mein acht Monate altes Baby. Es soll auch auf Teppich gut stehen, sich einfach zusammenfalten lassen und stabil genug sein — wir haben einen mittelgroßen Hund.“

Das ist kein Keyword. Das ist ein Beratungsgespräch. Und die Antwort, die ein AI-System darauf gibt, zieht sich aus Quellen, die genau diese Kombination aus Anforderungen beantworten können — nicht aus Quellen, die auf das Keyword „Laufgitter“ optimiert sind.

Oder nehmen Sie das Beispiel Verlobungsring. Das klassische Keyword lautet „Verlobungsring kaufen“. In AI Mode formuliert ein anderer Nutzer:

„Ich möchte meiner Freundin einen Verlobungsring schenken. Sie trägt meistens Silber, mag schlichte Designs und ist eher minimalistisch. Mein Budget liegt bei 800 Euro. Ich kenne ihre Ringgröße nicht genau — wie gehe ich vor?“

Und wieder ein anderes Beispiel: Der klassische Suchbegriff „Kaminofen“ wird in einem ChatGPT-Dialog zu:

„Wir möchten einen Kaminofen in unserem Wohnzimmer aufstellen — etwa 40 Quadratmeter, Altbau, ein Schornstein ist vorhanden. Welche Heizleistung brauchen wir, was müssen wir genehmigungsrechtlich beachten, und was kostet der Einbau realistisch?“

In allen drei Fällen ist das zugrunde liegende Informationsbedürfnis dasselbe wie bei der klassischen Suchanfrage. Aber der Weg dorthin — und damit die Anforderungen an den Content, der als Antwort in Frage kommt — ist ein grundlegend anderer.

Die vier Dimensionen hinter einer Suchanfrage

Was AI-Systeme über eine Suchanfrage „verstehen“, geht weit über das Keyword hinaus. Vier Dimensionen lassen sich unterscheiden, die maßgeblich beeinflussen, welcher Content als Antwort geeignet ist — und welcher nicht.

Intent: Was will der Nutzer wirklich?

„Laufgitter“ als Keyword kann vieles bedeuten: informieren, vergleichen, kaufen, ein bestimmtes Modell suchen. AI-Systeme erkennen den Intent aus dem Prompt — und liefern entsprechend andere Antworten. Wer einen Verlobungsring kaufen möchte und dabei die Ringgröße nicht kennt, will kein Produktlisting — er will eine Entscheidungshilfe. Content, der diesen Intent bedient, hat eine höhere Chance, als Quelle zitiert zu werden.

Customer Journey Stage: Wo steht der Nutzer?

Ein Nutzer, der fragt „Was ist ein Kaminofen?“, steht am Anfang. Wer fragt „Kaminofen 8 kW vs. 12 kW für 45 Quadratmeter Altbau — was empfehlt ihr?“, steht kurz vor einer Kaufentscheidung. Beide Anfragen könnten im klassischen SEO auf denselben Ratgeber-Artikel führen. In der AI-Suche werden sie unterschiedlich beantwortet — und bevorzugt von Quellen bedient, die exakt diese Phase abdecken.

Dialog-Länge: Wie komplex ist das Thema?

Nicht jede Suchanfrage braucht denselben Content-Umfang. Eine kurze Faktenabfrage — „Ist ein Laufgitter ab sechs Monaten sinnvoll?“ — verlangt eine präzise, kurze Antwort. Ein komplexes Beratungsgespräch — „Welcher Kaminofen passt zu meiner Wohnsituation, welche Genehmigungen brauche ich, was kostet der Betrieb?“ — braucht tiefgehenden Content mit mehreren Abschnitten, Vergleichen und konkreten Handlungsempfehlungen. Die Komplexität der Anfrage bestimmt die Tiefe des Contents, der als Antwort taugt.

Emotional Driver: Was treibt die Suche an?

Hinter der sachlichen Frage steckt oft eine emotionale. Wer nach einem Laufgitter fragt und dabei den Hund erwähnt, treibt nicht Neugierde — sondern Sorge um die Sicherheit des Kindes. Wer nach einem Verlobungsring sucht und nicht weiß, wie er die Ringgröße herausfindet, treibt die Angst, beim wichtigsten Geschenk seines Lebens einen Fehler zu machen. AI-Systeme messen keine Emotionen — aber sie bewerten, ob ein Text den vollständigen Kontext einer Anfrage abdeckt. Dieser Kontext schließt die emotionale Situation des Nutzers ein. Content, der darauf eingeht — nicht als Manipulation, sondern als echte Antwort auf die gestellte Situation — deckt diesen Kontext vollständiger ab als reiner Feature-Content.

Plattformunterschiede, die Content-Entscheidungen beeinflussen

Ein weiterer Faktor, der in der klassischen Keyword-Welt keine Rolle gespielt hat: Nutzer suchen auf verschiedenen AI-Plattformen unterschiedlich — und die Anfragen, die dort gestellt werden, unterscheiden sich in Länge und Struktur erkennbar voneinander.

Bei AI Overviews tendieren die Anfragen zu kürzeren, keyword-näheren Formulierungen. „Verlobungsring Weißgold 585″ oder „Kaminofen Genehmigung Bayern“ — vergleichbar mit klassischen Google-Suchanfragen. Content, der hier sichtbar sein soll, muss auf präzise, knappe Faktenantworten ausgerichtet sein.

Bei AI Mode zeigen sich typischerweise konversationelle Recherchefragen, die auf Vergleich und Synthese abzielen. „Welche Unterschiede gibt es zwischen einem Stahl- und einem Speckstein-Kaminofen in Bezug auf Wärmeabgabe und Preis?“ ist eine charakteristische AI-Mode-Anfrage. Hier braucht es Content, der Zusammenhänge erklärt, nicht nur Fakten auflistet.

Bei ChatGPT fallen die Prompts in der Beobachtung am ausführlichsten aus: mit konkretem Kontext, persönlicher Situation, spezifischen Anforderungen und oft mehreren Teilfragen in einer Nachricht. Das Laufgitter-Beispiel zu Beginn dieses Artikels ist ein typischer ChatGPT-Prompt. Content, der hier als Quelle funktioniert, muss auf komplexe, vielschichtige Fragen eingehen können — nicht auf die abstrahierte Version davon.

Die praktische Konsequenz: Dieselbe Produktkategorie kann je nach Plattform eine völlig andere Content-Struktur erfordern. Das ist keine Aufforderung, für jede Plattform separat zu produzieren — aber es ist ein Argument dafür, Content von vornherein mit dieser Tiefe zu planen.

Ungestellte Fragen: Der stärkste Content-Hebel

Von allen Dimensionen, die AI-Suche von klassischer Suche unterscheiden, ist eine besonders wertvoll — und in der Content-Praxis am häufigsten übersehen: die ungestellten Fragen.

Das sind Fragen, die ein Nutzer nicht gestellt hat — aber die er kennen sollte, um eine bessere Entscheidung zu treffen oder einen Fehler zu vermeiden.

Beim Verlobungsring zum Beispiel: Wer nach einem Weißgoldring fragt, fragt selten gleichzeitig, dass Weißgold regelmäßig rhodiniert werden muss und damit Folgekosten entstehen. Das ist eine Information, die Kaufreue verhindert — und die kein Hersteller-Produkttext enthält.

Beim Kaminofen: Wer die Heizleistung recherchiert, fragt selten nach der jährlichen Abgasuntersuchungspflicht nach BImSchV oder den tatsächlichen Gesamtkosten inklusive Schornsteinfeger und Schamottesteinen. Beides ist kaufentscheidend — aber liegt außerhalb der offensichtlichen Frage.

Beim Laufgitter: Wer ein sicheres Modell sucht, fragt selten, ab welchem Entwicklungsstand Kinder beginnen, das Gitter als Klettergerüst zu nutzen und es damit zur Gefahr wird. Eine ehrliche Antwort darauf — inklusive des Hinweises, wann ein Laufgitter nicht mehr sinnvoll ist — schafft mehr Vertrauen als jede Produktbeschreibung.

Content, der ungestellte Fragen beantwortet, zeigt Expertise — weil er beweist, dass jemand das Thema tiefer durchdacht hat als bis zur nächsten Kaufentscheidung. Und genau diese Tiefe wird von AI-Systemen bevorzugt als Quelle verwendet: nicht weil sie länger ist, sondern weil sie echten Mehrwert liefert, der anderswo nicht steht.

Was das für Content-Entscheidungen im Shop bedeutet

Aus den beschriebenen Dimensionen ergeben sich konkrete Konsequenzen für die Content-Planung — ohne dass die klassische Keyword-Strategie aufgegeben werden muss.

Keyword-Recherche bleibt die Basis. Sie zeigt, was gesucht wird und in welchem Volumen. Das ändert sich nicht. Was sich ändert: Sie ist nicht mehr die einzige Planungsgrundlage.

Intent-Analyse wird zur Pflicht. Für jede relevante Produktkategorie lohnt sich die Frage: In welchem Stadium der Kaufentscheidung befindet sich jemand, der diese Frage stellt? Was will er wirklich wissen — und was traut er sich vielleicht nicht zu fragen? Beim Verlobungsring ist das eine andere Frage als beim Kaminofen.

Produktseiten und Ratgeber müssen stärker verzahnt werden. Ein Nutzer, der mit einem ausführlichen Prompt zu einem Kaminofen in AI Mode sucht, landet über die AI-Antwort möglicherweise auf einem Ratgeber-Artikel — nicht auf der Produktseite. Der Ratgeber muss dann den Weg zur Produktseite klar machen. Beide Seiten zusammen bilden die Antwort auf den vollständigen Informationsbedarf.

Ungestellte Fragen werden zum Content-Standard. Für die umsatzstärksten Produktkategorien lohnt es sich, systematisch zu sammeln: Was fragen Kunden im Support, was steht in den Bewertungen, was führt zu Retouren? Diese Antworten gehören in den Content — nicht als versteckter Disclaimer, sondern als sichtbarer Vertrauensbeweis.

Content-Tiefe ist keine Frage der Länge. Ein 300-Wörter-Text, der eine ungestellte Frage beantwortet, ist wertvoller als ein 2.000-Wörter-Ratgeber aus Keyword-Kombinationen. Das Kriterium ist nicht der Umfang — es ist die Frage, ob dieser Content eine Information enthält, die ein Käufer anderswo nicht findet.

Fazit: Zwei Kanäle, eine Content-Strategie

Das Suchverhalten verändert sich — nicht über Nacht, aber kontinuierlich und strukturell. Keywords bleiben der Ausgangspunkt. Aber daneben entsteht ein Kanal, in dem Nutzer als Gesprächspartner auftreten, nicht als Suchende. Und AI-Systeme liefern denjenigen als Antwort, der auf diese Gespräche vorbereitet ist.

Für Shopbetreiber bedeutet das keine Revolution der Content-Strategie — aber eine Erweiterung. Wer versteht, in welchem Stadium seiner Entscheidung ein Nutzer sucht, was ihn emotional antreibt, welche Fragen er sich noch nicht gestellt hat — und Content produziert, der all das beantwortet — ist in beiden Kanälen sichtbar. Im klassischen Ranking und in der AI-Antwort.

Das ist kein Entweder-oder. Es ist ein Sowohl-als-auch — mit dem Unterschied, dass der zweite Kanal gerade erst anfängt, sein volles Gewicht zu entfalten.