„Analysiere meine Domain und sag mir, was schlecht läuft“ – wer diesen Satz in ein Chat-Fenster tippt und dann fünf Minuten später enttäuscht ist, weil die KI nur higher-level Küchenpsychologie über „mehr Content“ und „bessere User Experience“ ausspuckt, hat nicht die KI überschätzt.
Er hat den Prompt unterschätzt. Genau da liegt der Unterschied zwischen einem digitalen Orakel und einem echten Analyse-Werkzeug: in der Struktur der Frage.
Ich arbeite seit Jahren an der Schnittstelle zwischen SEO, Content-Strategie und dem, was man heute großspurig „KI-gestützte Analyse“ nennt. Und ich habe gelernt: Generischer KI-Prompts für Website-Audit und Domainbewertung sind wie eine Axt, die man mit geschlossenen Augen schwingt. Man trifft vielleicht das Holz, vielleicht den eigenen Fuß. Was fehlt, ist Zielgenauigkeit. Genau die entsteht durch Struktur, Kontext und die richtigen Fragen zur richtigen Zeit.
Dieser Artikel ist kein weiteres „10 Prompts, die dein Leben verändern“-Listicle. Es ist eine Anleitung, wie ihr KI-Sprachmodelle wie Werkzeuge behandelt, die man kalibrieren muss – nicht wie Kristallkugeln, die man befragt und dann hofft, dass die Rauchzeichen stimmen.
Warum die meisten KI-Prompts für Website-Audits scheitern
Die meisten Prompts für Domainbewertung scheitern, weil sie der KI keinen Bewertungsrahmen vorgeben und stattdessen offene, vage Fragen stellen, auf die es naturgemäß nur vage Antworten gibt. Ein Sprachmodell ist kein SEO-Tool mit Live-Zugriff auf einen Backlink-Index oder eine Crawl-Datenbank. Es kann eure Domain nicht „besuchen“ und messen, es kann nur mit dem arbeiten, was ihr ihm gebt, plus allgemeinem Trainingswissen über SEO-Prinzipien.
Das führt zu einem strukturellen Problem: Wer fragt „Ist diese Domain gut?“, bekommt eine Antwort, die wie eine Horoskop-Kolumne klingt – trifft irgendwie immer zu, sagt aber nichts Konkretes aus. Fragt man dagegen nach einer strukturierten Analyse mit klar definierten Kriterien, Gewichtung und Output-Format, verändert sich die Qualität der Antwort fundamental. Das ist kein Zufall, sondern die Art, wie große Sprachmodelle funktionieren: Sie vervollständigen Muster. Je präziser das Muster der Anfrage, desto präziser das Muster der Antwort.
Prompts für Backlink-Profile: Qualität vor Quantität erzwingen
Ein Backlink-Profil ist die Gesamtheit aller externen Links, die auf eine Domain verweisen, und gilt seit Jahren als eines der zentralen Rankingsignale für klassische Suchmaschinen. Wichtig zu verstehen: Sprachmodelle wie ChatGPT oder Gemini haben in der Regel keinen Live-Zugriff auf einen echten Backlink-Index. Die eigentliche Rohdatenbeschaffung – welche Domains verlinken tatsächlich auf euch – müsst ihr über spezialisierte Tools erledigen, etwa über Backlink-Monitoring-Systeme oder vergleichbare Backlink-Checker, die den Web-Index tatsächlich durchsuchen.
Die KI kommt erst danach ins Spiel: als Interpretationsschicht für die exportierten Rohdaten. Und genau hier liegt der eigentliche Mehrwert, denn Rohdaten-Exporte sind meist gigantische, ermüdende Excel-Tabellen, durch die sich niemand freiwillig klickt.
Backlink-Daten sind kein KI-Wissen
KI-Modelle kennen keine Live-Backlink-Datenbank – sie interpretieren nur, was ihr ihnen an Rohdaten liefert. Ohne echten Backlink-Export bleibt jede KI-Analyse reine Spekulation mit Sprachmuster-Bonus. Wer hier abkürzt, bekommt plausibel klingenden Unsinn statt belastbarer Priorisierung.
Ein Prompt-Gerüst für die Backlink-Interpretation
Wenn ihr eine CSV-Liste mit verweisenden Domains, Ankertexten und Autoritäts-Kennzahlen in die KI einspeist, funktioniert folgender Prompt-Aufbau:
## Aufgabe
Analysiere die Backlinks und ordne jeden Link genau einer Kategorie zu:
1. Hochwertig und thematisch relevant
2. Neutral, ohne klaren Mehrwert
3. Potenziell problematisch und manuell zu prüfen
## Kontext meiner Website
Branche: [eintragen]
Themen und Zielgruppe: [eintragen]
## Bewertungsregeln
Berücksichtige Domain, Ankertext und Autoritäts-Score gemeinsam.
Ein niedriger Score oder generischer Ankertext ist für sich allein kein Spam-Beleg.
Wenn die Daten für eine belastbare Einschätzung nicht reichen, ordne den Link
als „Neutral“ ein und benenne die Unsicherheit. Erfinde keine Domain-Fakten.
## Backlink-Daten
<backlinks>
[Domain | Ankertext | Autoritäts-Score
...]
</backlinks>
## Ausgabe
Erstelle eine Tabelle mit Domain, Ankertext, Score, Kategorie,
kurzer Begründung und nächstem Prüfschritt.
Gib anschließend pro Kategorie eine kurze Handlungsempfehlung.Das Ergebnis ist keine Wahrheit mit Gütesiegel, sondern eine strukturierte erste Sortierung, die ihr anschließend mit eigenem Fachwissen validieren solltet. Genau deshalb bleibt der Mensch im Prozess unersetzlich – die KI liefert die Vorsortierung, ihr liefert das Urteilsvermögen. Wer das umdreht und der KI blind vertraut, handelt ungefähr so klug wie jemand, der mit der sprichwörtlichen Axt 2000 chirurgische Eingriffe vornehmen will: theoretisch ein Werkzeug, praktisch der falsche Einsatzzweck.
Content-Lücken mit KI aufdecken, ohne sich selbst zu belügen
Eine Content-Lücke (im Fachjargon auch Content Gap genannt) beschreibt Themen, Suchintentionen oder Content-Formate, die eine Zielgruppe nachfragt, eure Domain aber nicht oder nur unzureichend abdeckt. Die Content-Gap-Analyse vergleicht vorhandene Themen, Keywords und Formate systematisch mit dem tatsächlichen Bedarf der Zielgruppe sowie den Inhalten relevanter Wettbewerber.
Auch hier gilt: Die KI erfindet die Konkurrenzlandschaft nicht aus dem Nichts. Ihr müsst ihr Futter geben, entweder eigene Content-Inventare, exportierte Themenlisten aus SEO-Tools, oder zumindest eine klare Beschreibung eurer Positionierung. Die eigentliche Stärke der KI liegt darin, aus unübersichtlichen Listen Muster und Cluster zu bilden, die ihr sonst manuell in stundenlanger Excel-Meditation herausarbeiten müsstet.
Prompt-Beispiel für die Themencluster-Analyse
## Rolle und Ziel
Du bist SEO- und Content-Strateg:in. Vergleiche meine bestehenden
Blogartikel-Titel mit den Keywords von drei Wettbewerbern.
Identifiziere Themencluster, für die Wettbewerber ranken und die
in meinen vorhandenen Titeln nicht erkennbar abgedeckt sind.
## Kontext meiner Website
Branche und Angebot: [eintragen]
Zielgruppe: [eintragen]
Thematischer Schwerpunkt: [eintragen]
## Meine bestehenden Blogartikel
<eigene_artikel>
[Pro Zeile ein Titel; falls vorhanden mit URL]
</eigene_artikel>
## Wettbewerber-Keywords
<wettbewerber_keywords>
Wettbewerber 1: [Name oder Domain]
[Keywords, möglichst eines pro Zeile]
Wettbewerber 2: [Name oder Domain]
[Keywords, möglichst eines pro Zeile]
Wettbewerber 3: [Name oder Domain]
[Keywords, möglichst eines pro Zeile]
</wettbewerber_keywords>
## Vorgehen
1. Fasse eng verwandte Wettbewerber-Keywords zu sinnvollen
Themenclustern zusammen. Erstelle nicht für jede Keyword-Variante
einen eigenen Vorschlag.
2. Vergleiche jedes Cluster mit meinen Artikeltiteln. Unterscheide
zwischen „nicht erkennbar abgedeckt“ und „möglicherweise bereits
abgedeckt“.
3. Schlage nur Cluster vor, die zu meiner Website und Zielgruppe passen.
4. Ordne jede Lücke ihrer überwiegenden Suchintention zu:
informational, transaktional oder vergleichend.
5. Formuliere für jede Lücke einen konkreten Arbeitstitel, der die
Suchintention trifft und sich nicht unnötig mit einem bestehenden
Artikel überschneidet.
## Wichtige Grenzen
- Schließe aus einem Artikeltitel nicht sicher auf dessen gesamten Inhalt.
Wenn ein Titel das Thema möglicherweise abdeckt, kennzeichne das
als „Inhalt prüfen“ statt als eindeutige Lücke.
- Behaupte nicht, dass ein Wettbewerber für ein Keyword rankt, wenn
es nicht in den gelieferten Daten steht.
- Erfinde keine Suchvolumina, Rankings, Traffic-Werte oder URLs.
- Wenn Angaben zur eigenen Website fehlen, bewerte die thematische
Passung nur vorsichtig und mache die Unsicherheit deutlich.
## Ausgabe
Gruppiere die Ergebnisse unter den Überschriften „Informational“,
„Transaktional“ und „Vergleichend“.
Erstelle je Gruppe eine Tabelle mit diesen Spalten:
Themencluster | Zugehörige Wettbewerber-Keywords | Wettbewerber |
Abdeckung auf meiner Website | Warum relevant? | Konkreter Arbeitstitel
Nenne anschließend separat die Cluster mit dem Hinweis „Inhalt prüfen“
und den jeweils ähnlichen bestehenden Artikeltitel.
Priorisiere zum Schluss maximal fünf klare Lücken für die
Content-Planung. Begründe die Reihenfolge anhand von Zielgruppenpassung,
erkennbarem Wettbewerberinteresse und möglicher Überschneidung mit
bestehenden Artikeln – nicht anhand erfundener Kennzahlen.Diese Struktur zwingt die KI, nicht bloß Synonyme meiner vorhandenen Titel auszuspucken, sondern echte inhaltliche Leerstellen zu benennen.
Ein zweiter, oft unterschätzter Ansatz: Fragt die KI direkt, ob und wie sie eure Marke oder Domain in typischen Nutzer*innen-Fragen zu eurem Themenfeld erwähnen würde. Das ist im Kern die Grundidee des sogenannten GEO (Generative Engine Optimization) – der Disziplin, Inhalte so zu strukturieren, dass KI-Suchsysteme wie ChatGPT, Perplexity oder Google AI Overviews sie zitieren. Google selbst betont in seinem offiziellen Leitfaden übrigens unmissverständlich, dass Optimierung für generative KI-Suche „aus Sicht der Google-Suche im Grunde weiterhin SEO“ ist, wie es Search Engine Journal berichtet – eine erfreulich entzauberte Ansage in einem Feld voller Buzzword-Nebel.
Ein Prompt dafür:
## Rolle und Ziel
Du analysierst meine Website aus der Perspektive einer Person, die nach
empfehlenswerten Anbieter*innen in meinem Themenfeld sucht.
Prüfe, ob die öffentlich zugänglichen Inhalte meiner Domain ausreichend
konkrete Informationen liefern, um mich als möglichen Anbieter für eine
solche Antwort zu berücksichtigen. Zeige nachvollziehbare Inhaltslücken auf.
## Kontext
Meine Domain: [Domain einfügen]
Themenfeld: [eintragen]
Angebot: [eintragen]
Zielgruppe und Region: [eintragen, falls relevant]
## Recherche
Untersuche – sofern du auf die Website zugreifen kannst – insbesondere
die Startseite, Leistungsseiten, Über-uns-Seite, passende Fachartikel
und öffentlich zugängliche Referenzen.
Wenn du die Website nicht aufrufen kannst, sage das ausdrücklich.
Bewerte dann nur die Inhalte, die ich dir im Prompt bereitstelle.
Erfinde keine Seiten, Aussagen oder Rechercheergebnisse.
## Prüfkriterien
Achte darauf, ob die Website erkennbar beantwortet:
- Was biete ich konkret an, und für wen?
- In welchem Themenfeld und gegebenenfalls in welcher Region bin ich tätig?
- Wer steht fachlich hinter dem Angebot?
- Welche nachvollziehbaren Arbeitsbeispiele, Fallstudien oder Referenzen
zeigen meine Erfahrung?
- Welche Inhalte helfen Interessierten, meine Eignung für ihren
konkreten Bedarf einzuschätzen?
Unterscheide zwischen fehlenden Informationen und Informationen, die
du mit den verfügbaren Daten lediglich nicht finden konntest.
## Ausgabe
1. Gib eine vorsichtige Einschätzung: „gut erkennbar“,
„teilweise erkennbar“ oder „nicht ausreichend beurteilbar“.
Begründe sie anhand konkreter Inhalte und Seiten.
2. Erstelle eine Tabelle mit:
Signal | Vorhandener Beleg | Fehlende oder unklare Information |
Konkrete Verbesserung | Priorität
3. Nenne die drei wichtigsten inhaltlichen Verbesserungen, die meine
Website als Anbieterprofil klarer und überprüfbarer machen würden.
4. Trenne Beobachtungen von Vermutungen.
## Grenzen
Behaupte nicht, dass ChatGPT, Perplexity oder andere KI-Systeme meine
Domain künftig nennen oder nicht nennen werden. Simuliere keine
Rechercheergebnisse und verspreche keine bessere Sichtbarkeit durch
einzelne Maßnahmen.Die Antwort ist natürlich keine objektive Messung, sondern eine Simulation. Aber sie zeigt euch schwarz auf weiß, wo eure Themenautorität in den Augen eines Sprachmodells noch dünn ist.
Die technische Basis, die kein Prompt ersetzt
Kein KI-Prompt, egal wie clever formuliert, ersetzt die technische Grundlagenarbeit an einer Domain. Strukturierte Daten, also standardisierte Auszeichnungen im HTML-Code nach dem Schema.org-Vokabular, helfen Suchmaschinen und zunehmend auch KI-Systemen, Inhalte korrekt einzuordnen. Google beschreibt in seinen offiziellen Richtlinien für strukturierte Daten explizit, dass diese Auszeichnungen vollständig, spezifisch und für Nutzer*innen tatsächlich sichtbar sein müssen, sonst drohen sie ihre Wirkung für Rich Results komplett zu verlieren.
Das lässt sich hervorragend mit KI vorbereiten (etwa als Entwurf für Artikel- oder FAQ-Schema), aber die finale Validierung gehört in echte Tools wie Googles Rich-Results-Test, nicht in ein Chatfenster. KI-Systeme neigen dazu, mit großer Selbstsicherheit fehlerhaftes JSON-LD zu produzieren, das syntaktisch plausibel aussieht und trotzdem beim ersten echten Test durchfällt.
Ein Prompt für die technische Vorprüfung
## Rolle und Ziel
Du prüfst einen HTML-Ausschnitt auf drei Aspekte:
Überschriftenstruktur, Alt-Attribute von Bildern und Ankertexte
interner Links.
Identifiziere konkrete Probleme, ordne sie nach Schweregrad und
schlage jeweils eine umsetzbare Korrektur vor.
## Kontext
Domain der untersuchten Website: [Domain einfügen]
Art des Ausschnitts: [z. B. vollständiger Seiteninhalt,
Artikelbereich oder einzelne Komponente]
## HTML-Ausschnitt
<html_ausschnitt>
[HTML-Code hier einfügen]
</html_ausschnitt>
## Prüfkriterien
1. Überschriften:
- Prüfe, welche H1-, H2- und H3-Elemente im Ausschnitt vorkommen.
- Prüfe, ob ihre Reihenfolge und Verschachtelung inhaltlich
nachvollziehbar sind.
- Unterscheide zwischen einem erkennbaren Strukturproblem und
einer Hierarchie, die wegen des begrenzten Ausschnitts nicht
beurteilt werden kann.
- Markiere eine ausgelassene Ebene nicht automatisch als Fehler.
2. Bilder:
- Prüfe bei jedem <img>, ob ein alt-Attribut vorhanden ist.
- Unterscheide zwischen fehlendem alt-Attribut und leerem alt="".
Ein leeres Attribut kann bei rein dekorativen Bildern sinnvoll sein.
- Bewerte die Qualität vorhandener Alt-Texte nur, soweit der
Bildinhalt oder die Funktion des Bildes aus dem Code hervorgeht.
3. Interne Links:
- Identifiziere Links zur angegebenen Domain sowie relative Links.
- Prüfe, ob ihr sichtbarer Ankertext das Linkziel oder die
Linkfunktion verständlich beschreibt.
- Markiere generische Formulierungen wie „hier klicken“,
„mehr“ oder „weiterlesen“ nur dann als Problem, wenn der
verständliche Kontext fehlt.
- Prüfe Links ohne sichtbaren Text auf einen zugänglichen Namen,
soweit dieser aus dem HTML erkennbar ist.
## Schweregrad
- Hoch: Ein relevantes Element ist nicht oder kaum verständlich
beziehungsweise zugänglich.
- Mittel: Die Bedeutung ist erkennbar, aber Struktur oder
Beschreibung erschweren die Orientierung.
- Niedrig: Eine Verbesserung ist sinnvoll, ohne dass aus dem
Ausschnitt ein deutlicher Verständlichkeitsverlust hervorgeht.
## Ausgabe
Erstelle eine Tabelle, absteigend nach Schweregrad sortiert:
Schweregrad | Bereich | Betroffenes HTML-Element oder Code-Auszug |
Problem | Konkreter Korrekturvorschlag
Nenne anschließend knapp:
- Was im Ausschnitt bereits gut gelöst ist.
- Was sich ohne die vollständige Seite, CSS oder Kenntnis des
Bildinhalts nicht zuverlässig beurteilen lässt.
## Grenzen
Bewerte ausschließlich den bereitgestellten Ausschnitt.
Erfinde keine fehlenden Seitenbestandteile oder Bildinhalte.
Behaupte nicht, dass ein technisches Merkmal automatisch ein
SEO-Rankingproblem verursacht.Dieser Prompt funktioniert gut, weil er konkrete, prüfbare Kriterien vorgibt statt einer diffusen Bitte um „technisches SEO-Feedback“.
- Rohdaten sammeln (Backlinks, Content-Inventar, HTML-Ausschnitte) über spezialisierte Tools, nicht über die KI selbst.
- Der KI eine klare Rolle, Bewertungskriterien und ein Ausgabeformat vorgeben.
- Die KI-Antwort als strukturierte Hypothese behandeln, nicht als Endergebnis.
- Kritische technische Aussagen (Schema-Validität, Ladezeiten) in offiziellen Tools gegenprüfen.
- Erst nach menschlicher Validierung in die Umsetzung gehen.
Weitere Prompts
Fazit: KI-Prompts sind ein Skalpell, kein Zauberstab
Wer glaubt, Prompts für Website-Audits würde die eigene Domain über Nacht in einen SEO-Musterschüler verwandeln, hat vermutlich zu viele Webinare mit zu wenig Substanz konsumiert. KI-Prompts für Domainbewertung sind kein Ersatz für echte Datenquellen, Fachwissen oder kritisches Denken – sie sind ein Verstärker für all das, sofern ihr sie strukturiert füttert. Mein praktischer Rat: Baut euch ein kleines, wiederverwendbares Set aus drei bis vier Prompts (Backlink-Sortierung, Content-Lücken, technische Vorprüfung, KI-Sichtbarkeits-Check) und verfeinert sie iterativ, statt bei jeder Analyse wieder bei null anzufangen. Das ist weniger glamourös als ein „Gamechanger“-Versprechen, aber es funktioniert – und das ist am Ende der einzige Maßstab, der zählt.
Schreibe einen Kommentar