Was sind die unterschiedlichen Intent-Kategorien bei der KI-Suche? Versuch, das Nutzerverhalten zu verstehen

Gute Frage. Hier ist das Framework, das wir nutzen:

Intent-Kategorien der KI-Suche:

Zentrale Unterschiede bei KI:

1. Anfragen sind länger – Ø 25+ Wörter vs. 6 bei traditioneller Suche
2. Intentionen werden oft kombiniert – “Erzähl mir von X UND mach Y”
3. Die Erwartungen sind höher – Nutzer wollen Antworten, keine Links
4. Funnel ist komprimiert – Bewusstsein → Entscheidung in einer Sitzung

Was das für Inhalte bedeutet: Du musst die unmittelbare Intention erfüllen UND Folgefragen antizipieren.

Der Funnel-Kompressions-Insight ist enorm. Ich erläutere:

Traditioneller Such-Funnel:

• Bewusstsein: “Was ist Projektmanagement-Software?”
• Überlegung: “Beste Projektmanagement-Tools”
• Vergleich: “Monday vs Asana”
• Entscheidung: “Asana Preis”
• Aktion: Zu Asana.com navigieren

Jeder Schritt ist eine eigene Suche. Unterschiedliche Inhalte für jeden Schritt.

KI-Such-Funnel:

• Eine einzige Anfrage: “Was ist das beste Projektmanagement-Tool für ein 20-köpfiges Marketing-Team, inkl. Vergleich von Funktionen und Preisen?”

KI liefert:

• Erklärung (Bewusstsein)
• Empfehlungen (Überlegung)
• Vergleich (Bewertung)
• Preise (Entscheidungsunterstützung)

Alles in EINER Antwort.

Was das für Inhalte bedeutet:

Früher: Eine Seite pro Funnel-Stufe Heute: Eine Seite, die ALLE Stufen abdeckt

Vorteil umfassender Inhalte: Content, der die gesamte Reise abdeckt (von “Was ist X” bis “Wo kaufe ich X”), hat mehr Zitationschancen.

Hier die KI-eigenen Intentionstypen im Detail:

1. Generative Intention “Erstelle ein Bild von…” “Schreibe eine Richtlinie für…” “Verfasse eine E-Mail zu…”

Das gibt es in der traditionellen Suche nicht. Nutzer wollen, dass KI ERSCHAFFT, nicht nur findet.

Auswirkung auf Inhalte: Vorlagen, Beispiele und Frameworks werden als Ausgangspunkt zitiert.

2. Konversationelle/Folgefrage-Intention “Erzähl mir mehr zu Punkt 2” “Wie sieht das für kleine Unternehmen aus?” “Kannst du das anders erklären?”

Kontextabhängige Anfragen, die sich auf das bisherige Gespräch beziehen.

Auswirkung auf Inhalte: Umfassende Inhalte, die verschiedene Aspekte abdecken, gewinnen, weil KI daraus für Folgefragen schöpfen kann.

3. Agentische Intention (entsteht gerade) “Reserviere mir einen Tisch bei…” “Plane ein Meeting mit…” “Bestelle das für mich”

Nutzer will, dass KI handelt und nicht nur informiert.

Auswirkung auf Inhalte: Mache dein Business “ansprechbar” – APIs, Integrationen, strukturierte Daten, die KI nutzen kann.

4. No-Intent-Interaktionen “Danke” “Okay” “Verstanden”

Nahezu 50 % der KI-Interaktionen sind Gespräche ohne explizite Intention.

Auswirkung auf Inhalte: Weniger relevant für Optimierung, aber zeigt: KI wird zum Dialogpartner, nicht nur Suchwerkzeug.

So optimierst du Inhalte für jede KI-Intention:

Informationelle Intention:

• Mit direkter Antwort starten
• Umfassende Tiefe bieten
• Expertennachweis angeben
• Daten/Statistiken ergänzen

Vergleichsintention:

• Vergleichstabellen nutzen
• Für jede Option Vor- und Nachteile angeben
• Ausgewogen bleiben (KI schätzt Objektivität)
• Preise, Funktionen, Anwendungsfälle abdecken

Problemlösungsintention:

• Schritt-für-Schritt-Format
• Schritte nummerieren
• Troubleshooting-Tipps geben
• Häufige Fehler antizipieren

Transaktionale Intention:

• Klare Preisinformationen
• Nächste Schritte/CTAs
• Klare Handlungswege
• Vertrauenssignale einbauen

Generative Unterstützungsintention:

• Vorlagen bereitstellen
• Beispiele einbauen
• Vorher/Nachher zeigen
• Inhalte anpassbar machen

Inhaltsstruktur für Multi-Intent:

1. Direkte Antwort (sofortige Intention)
2. Kontext (Hintergrund)
3. Vergleich/Optionen (falls relevant)
4. Nächste Schritte (Handlungsintention)
5. Weitere Überlegungen (Vorbereitung auf Folgefragen)

So wird der Funnel in einem Stück abgedeckt.

Einige Daten zu KI-Anfragemustern:

Verteilung der Anfragenlänge:

Intent-Verteilung bei KI-Anfragen:

Erkenntnis: Generative Intention ist die zweitgrößte Kategorie – einzigartig für KI.

Multi-Intent-Anfragen: ~30 % der KI-Anfragen enthalten mehrere Intentionen in einer Anfrage.

Schlussfolgerung: Deine Inhalte müssen Komplexität abdecken. Seiten mit nur einer Intention verpassen Chancen.

Hier ein praktisches Framework für die Content-Planung:

Schritt 1: Thema auf wahrscheinliche Intentionen abbilden

Beispiel: “Projektmanagement-Software”

Schritt 2: Umfassende Inhalte erstellen

Ein einziger Longform-Content, der ALLE Intentionen abdeckt:

• Definitionsabschnitt (informationell)
• Vergleichstabelle (kommerziell)
• How-to-Abschnitt (Problemlösung)
• Preisabschnitt (transaktional)

Schritt 3: Struktur für Extrahierbarkeit

Jeder Abschnitt sollte:

• Mit klarer Überschrift (Frageformat) beginnen
• Mit direkter Antwort starten
• Begleitdetails enthalten
• Eigenständig nutzbar sein

Schritt 4: Nach Intention tracken

Nutze Am I Cited, um zu sehen, welche Anfragetypen dich zitieren. So siehst du, bei welchen Intentionen du gewinnst.

Das ist genau das, was ich brauchte. Mein neues Framework:

Intent-Kategorien, die ich verwende:

1. Informationell – “Was ist X?”
2. Vergleich – “X vs Y” oder “Bestes X für…”
3. Problemlösung – “Wie X” oder “X beheben”
4. Transaktional – “Kaufen/Bekommen/Anmelden für X”
5. Generativ – “Erstellen/Schreiben/Entwerfen X”
6. Folgefrage – Kontextabhängige Anfragen

Content-Strategie-Änderungen:

Vorher:

• Eine Seite pro enger Intention
• Kurze, keyword-fokussierte Texte
• Separater Content für jede Funnel-Stufe

Nachher:

• Umfassende Seiten, die mehrere Intentionen abdecken
• Längere, strukturierte Inhalte
• Jeder Abschnitt ist extrahierbar/alleinstehend
• Tabellen für Vergleichsintentionen
• Schritt-für-Schritt bei How-to-Intentionen

Tracking-Plan:

• Mit Am I Cited sehen, welche Intentionen unsere Inhalte zitieren
• Lücken identifizieren (Intentionen, für die wir NICHT erscheinen)
• Inhalte zu diesen Lücken erstellen

Die zentrale Erkenntnis: Traditionelle Intent-Kategorien gelten, werden aber in KI-Anfragen oft kombiniert. Umfassende, gut strukturierte Inhalte gewinnen, weil sie mehrere Intentionen in einer Antwort bedienen.

Danke an alle!