Direkte Antwort und Abgrenzung
Die klassische Einteilung der Suchintention in informational, navigational, kommerzielle Recherche und transaktional bleibt nützlich, reicht für sich genommen aber nicht mehr aus. Dialogorientierte KI-Oberflächen verändern, wie sich Nutzerinnen und Nutzer durch eine Recherche bewegen: Sie können mehrere aufeinanderfolgende Fragen in einem einzigen Austausch bündeln, den Kontext über Rückfragen im Gespräch schärfen, statt eine Reihe getrennter Suchen zu starten, und einen Vergleich über mehrere Quellen direkt in der Antwort zusammenfassen lassen. Bei manchen wirklich einfachen Informationsbedürfnissen genügt das vollständig, ohne dass je ein Seitenbesuch stattfindet. Bei Recherchewegen, in denen es um Validierung mit hohem Risiko, eine gründliche Bewertung, Vertrauensaufbau oder eine tatsächliche Transaktion geht, spielen eigene Kontaktpunkte wie die Website, eine Demo oder ein direktes Gespräch oft weiterhin eine Rolle, die eine generierte Antwort allein nicht ersetzt.
Dieser Leitfaden behauptet nicht, dass die herkömmliche Suchintention überholt ist. Er argumentiert, dass sie um zusätzliche Dimensionen erweitert werden muss, die besser abbilden, wie KI-gestützte Recherchewege tatsächlich verlaufen. Er behandelt aufgabenbasierte Intention, Verfeinerung im Dialog, Vollständigkeit der Antwort, Klicknotwendigkeit, Validierungsverhalten und die Folgen dieser Veränderungen für das Content-Portfolio. Die Strategie speziell für AI Overviews, die in AI-Overviews-Strategie behandelt wird, wiederholt er nicht, ebenso wenig die allgemeine GEO-Disziplin aus Generative Engine Optimization. Er knüpft aber an beide an.
Die Grenzen klassischer Intentionskategorien
Die Einteilung in informational, navigational, kommerziell und transaktional entstand für eine Welt, in der eine Suchanfrage fast immer zu einer Rangliste von Links führte und der nächste Schritt darin bestand, einen davon auszuwählen. Sie ordnet die allgemeine Kategorie einer Anfrage gut ein. Vergleichsweise wenig sagt sie dagegen über die eigentliche Aufgabe einer bestimmten Person aus: wie unsicher sie gerade ist, welche Art von Beleg diese Unsicherheit ausräumen würde, welche Form von Antwort sie zufriedenstellt und was sie tut, nachdem sie die Antwort erhalten hat.
Hinter einer einzigen Anfrage mit dem Etikett „kommerzielle Recherche“ kann eine Person stehen, die nur noch einen klärenden Fakt braucht, bevor sie kaufbereit ist, oder eine Person, die ganz am Anfang eines langen Bewertungsprozesses mit hohem Risiko und mehreren Beteiligten steht. Die klassische Kategorie unterscheidet diese Fälle nicht. Ein aufgabenbasiertes Modell, das wir im Folgenden beschreiben, tut es.
Wie KI den Rechercheweg verändert
Ein klassischer Rechercheweg über Suchergebnislisten verläuft weitgehend linear: Anfrage stellen, Ergebnisse überfliegen, einen oder mehrere Links anklicken, die Anfrage womöglich umformulieren und von vorn beginnen. Ein dialogorientierter, KI-gestützter Rechercheweg verzweigt sich häufiger: Die Person stellt eine erste Frage, erhält eine zusammengefasste Antwort, stellt eine Rückfrage, die auf Basis dieser Antwort präzisiert oder eingrenzt, und wiederholt das unter Umständen mehrmals, bis sie entweder zufrieden ist oder zu dem Schluss kommt, dass die Aufgabe den Besuch einer echten Quelle erfordert.
Daraus ergeben sich einige konkrete Folgen. Verdichtung des Recherchewegs bedeutet: Mehrere getrennte Suchen, die früher nacheinander stattgefunden hätten, werden zu einem einzigen Austausch im Dialog. Die Inhalte eines Unternehmens fließen dann womöglich in eine Antwort ein, die die Person nie einer bestimmten besuchten Seite zuordnet. Verfeinerung im Kontext bedeutet: Das geäußerte Bedürfnis wird im Lauf des Gesprächs immer konkreter, und damit ändert sich auf jeder Stufe, wie „der richtige Inhalt“ aussieht. Eine einzelne statische Seite soll dann ein engeres, spezifischeres Bedürfnis bedienen als die Anfrage, die die Person ursprünglich zum Thema geführt hat. Und bei manchen klar umrissenen Informationsbedürfnissen mit geringem Risiko deuten sowohl die aktuelle Beleglage als auch die Dokumentation der Plattformen darauf hin, dass eine zusammengefasste Antwort vollständig genügen kann. Dieses Muster wird allgemein als Zero-Click bezeichnet. Das ist jedoch kein Beleg dafür, dass alle oder auch nur die meisten Recherchewege so verlaufen; je nach Anfragetyp und Aufgabe unterscheidet sich das erheblich.
Das Post-AI Intent Canvas
kōdōkalabs nutzt das Post-AI Intent Canvas, eine eigene Planungssynthese, um über ein einzelnes Intentionsetikett hinauszukommen und ein vollständigeres, handlungsorientiertes Bild der tatsächlichen Situation einer Person zu gewinnen. Es umfasst neun Felder: Rolle und Kontext (wer die Person ist und in welcher Situation sie sich befindet), ihre Aufgabe (das eigentliche Vorhaben, unabhängig vom genauen Wortlaut der Anfrage), ihre Unsicherheit (was sie noch nicht weiß oder worin sie sich noch nicht sicher ist), die Belege, die sie braucht, um diese Unsicherheit auszuräumen, die Antwortform, die sie zufriedenstellt (ein kurzer, direkter Fakt, ein strukturierter Vergleich, eine ausführliche Erklärung, eine Demonstration), der voraussichtliche Gesprächsverlauf (eine einzelne Frage oder eine Verfeinerung über mehrere Runden), der Mehrwert der eigenen Website in dieser Interaktion (ob und warum ein Besuch der Website des Unternehmens etwas bietet, das eine generierte Antwort nicht leisten kann), der sinnvollste nächste Schritt nach dieser Interaktion und das Messsignal, das zeigt, dass diese Interaktion gelungen ist.
| Feld | Zweck |
|---|---|
| Rolle und Kontext | Wer die Person ist und welche Situation die Suche ausgelöst hat |
| Aufgabe | Das eigentliche Vorhaben, unabhängig vom genauen Wortlaut der Anfrage |
| Unsicherheit | Was die Person noch nicht weiß oder worin sie sich nicht sicher ist |
| Benötigte Belege | Was diese Unsicherheit tatsächlich ausräumen würde |
| Antwortform | Die Form von Antwort, die die Person zufriedenstellt |
| Gesprächsverlauf | Ein einzelner Austausch oder Verfeinerung über mehrere Runden |
| Mehrwert der eigenen Website | Was ein Besuch der Website des Unternehmens über eine generierte Antwort hinaus bietet, falls überhaupt etwas |
| Sinnvollster nächster Schritt | Was die Person nach dieser Interaktion voraussichtlich tut |
| Messsignal | Woran sich erkennen lässt, dass diese Interaktion gelungen ist |
Nützlich wird das Canvas erst, wenn Sie es in einer echten Planung einsetzen, statt es als einmalige Fingerübung zu behandeln: als Workshop-Werkzeug für eine konkrete, priorisierte Anfrage oder ein konkretes Thema, gemeinsam ausgefüllt von Menschen, die die tatsächlichen Käuferinnen und Käufer oder Nutzerinnen und Nutzer kennen, und nicht pauschal auf Basis von Annahmen.
Antworten mit Content und Kontaktpunkten: das Click Necessity Spectrum
Verschiedene Positionen auf einem Click Necessity Spectrum verlangen unterschiedliche Antworten mit Content und Kontaktpunkten. kōdōkalabs nutzt dieses Spektrum, eine ausdrücklich als solche gekennzeichnete Synthese von kōdōkalabs und kein von einer Plattform offengelegtes Konzept. Es reicht von vollständig beantwortbar (ein einfaches Informationsbedürfnis, das eine generierte Antwort wahrscheinlich vollständig erfüllt) über teilweise beantwortbar (eine generierte Antwort ist ein nützlicher Ausgangspunkt, die eigentlichen nächsten Schritte erfordern aber mehr) bis zu handlungs- oder beziehungsabhängig (die Aufgabe erfordert von Natur aus eine Interaktion, eine Transaktion, eine Demonstration oder eine vertrauensvolle Beziehung, die eine generierte Antwort nicht ersetzen kann).
| Position auf dem Spektrum | Passende Antwort mit Content und Kontaktpunkten |
|---|---|
| Vollständig beantwortbar | Sorgen Sie dafür, dass das Unternehmen für diesen Sachverhalt eine starke, korrekte und gut vertretene Quelle ist, denn der Hauptwert liegt hier womöglich im Markeneindruck und in der korrekten Darstellung, nicht in der Klickrate. Investieren Sie in Klarheit der Entitäten und in korrekte Informationen statt in ein auf Conversion getrimmtes Seitendesign |
| Teilweise beantwortbar | Bieten Sie die tiefergehenden, strukturierten Inhalte (Vergleiche, ausführliche Erklärungen, Entscheidungshilfen), die der Überblick einer generierten Antwort nicht vollständig ersetzen kann. Hier schaffen verwandte Leitfäden wie Informationsgewinn und die konkreten Frameworks dieser Säule echten Wert |
| Handlungs- oder beziehungsabhängig | Gestalten Sie die eigenen Kontaktpunkte rund um das, was eine generierte Antwort strukturell nicht leisten kann: ein persönliches Gespräch, eine Demonstration, eine individuelle Bewertung, eine Transaktion. Hier ist auch das Executive AI Marketing Assessment von kōdōkalabs angesiedelt |
Priorisierung im Portfolio
Dieses Modell auf ein Content-Portfolio anzuwenden heißt, priorisierte Themen auf dem Click Necessity Spectrum einzuordnen und entsprechend zu investieren, statt eine einheitliche Content-Strategie zu fahren, ganz gleich, wo ein Thema tatsächlich steht. Themen, die weitgehend vollständig beantwortbar sind, verdienen weiterhin Aufmerksamkeit für Korrektheit und Klarheit der Entitäten, denn eine gut vertretene Quelle zu sein, hat nach wie vor Wert für Marke und Vertrauen. Hohe Investitionen in auf Conversion ausgerichtete Seiten, die einen Klick einfangen sollen, der womöglich immer seltener stattfindet, brauchen sie aber nicht. Für handlungs- oder beziehungsabhängige Themen gilt das Gegenteil: Sie verdienen fortgesetzte und möglicherweise höhere Investitionen in die eigenen Kontaktpunkte selbst, denn keine generierte Antwort ersetzt sie.
Messung und Grenzen
Wer Erfolg entlang der Intention messen will, muss auf das Feld „Messsignal“ zurückgreifen, das im Post-AI Intent Canvas für jedes Thema festgelegt ist, statt die Klickrate pauschal zum einzigen Erfolgsmaß für jedes Thema zu machen, unabhängig von seiner Position auf dem Click Necessity Spectrum. Bei einem vollständig beantwortbaren Thema kann das Erfolgssignal eine korrekte Darstellung der Marke in stichprobenartig erhobenen KI-Antworten sein, erfasst wie in KI-Sichtbarkeit messen und Zitierungen verfolgen beschrieben, und nicht die Zahl der Klicks. Bei einem handlungsabhängigen Thema liegt das Erfolgssignal weiterhin deutlich näher an der klassischen Conversion-Messung.
Die zentrale Einschränkung dieses Modells: Es ist ein Planungs-Framework, das auf der Dokumentation der Plattformen und auf allgemeinen Überlegungen zum Nutzerverhalten beruht, also darauf, wie dialogorientierte Oberflächen Recherchewege verändern. Es behauptet nicht, dass sich alle Nutzerinnen und Nutzer, alle Märkte oder alle Anfragetypen gleich verhalten. Jede konkrete Verhaltensstudie, die zur Stützung einer bestimmten Aussage herangezogen wird, sollte anhand ihrer eigenen angegebenen Stichprobe und Methodik bewertet werden. Dieser Leitfaden verallgemeinert die Ergebnisse einer einzelnen Studie nicht zu einer universellen Verhaltensänderung über alle Zielgruppen hinweg.
Häufig gestellte Fragen
Heißt das, die klassischen Kategorien der Suchintention sind überholt?
Nein. Die klassische Einteilung bleibt ein nützlicher erster Ordnungsrahmen. Dieser Leitfaden erweitert sie um zusätzliche Dimensionen wie Aufgabe, Unsicherheit, Belege und Antwortform, die besser abbilden, wie KI-gestützte Recherchewege verlaufen. Er ersetzt sie nicht.
Bedeutet KI-Suche, dass weniger Menschen unsere Website besuchen?
Bei manchen wirklich einfachen, vollständig beantwortbaren Informationsanfragen kann eine generierte Antwort die Notwendigkeit eines Klicks verringern, im Einklang mit dem allgemeinen Zero-Click-Muster, das in dieser Säule behandelt wird. Bei Recherchewegen, in denen es um Validierung, Vergleich oder Handlung geht, bleiben eigene Kontaktpunkte in der Regel wichtig. Das Click Necessity Spectrum aus diesem Leitfaden hilft zu erkennen, was für die tatsächlichen Themen eines Unternehmens jeweils zutrifft.
Beruht das Post-AI Intent Canvas auf einem offengelegten Framework einer Plattform?
Nein. Es ist eine eigene Planungssynthese von kōdōkalabs, ausdrücklich als solche gekennzeichnet, entwickelt, um die in diesem Leitfaden beschriebenen Verhaltensmuster in die Praxis zu übertragen. Keine KI-Plattform hat dieses Framework bestätigt oder veröffentlicht.
Worin unterscheidet sich das vom Leitfaden zur AI-Overviews-Strategie?
Die AI-Overviews-Strategie konzentriert sich speziell auf die Funktion AI Overviews von Google und darauf, wie Sie deren Präsenz in den Suchergebnissen bewerten und darauf reagieren. Dieser Leitfaden ist breiter angelegt: Er beschreibt, wie sich die Suchintention selbst und die Form eines Recherchewegs in dialogorientierten KI-Oberflächen allgemein verändern, unabhängig von einer bestimmten Funktion einer einzelnen Plattform.
Sollten alle Inhalte sofort nach diesem Modell umgestaltet werden?
Nein. Wenden Sie es zunächst auf eine kleine Auswahl priorisierter Themen an, mit dem oben beschriebenen Ansatz zur Priorisierung im Portfolio, statt die gesamte Website umzubauen, bevor Sie das Modell an den tatsächlichen Themen und der Zielgruppe Ihres Unternehmens überprüft haben.
Wo sollten Sie anfangen?
Indem Sie das Post-AI Intent Canvas als Workshop-Übung für zwei oder drei Ihrer wertvollsten Themen durchführen, mit Menschen, die die Käuferinnen und Käufer oder Nutzerinnen und Nutzer wirklich kennen, bevor Sie die Übung ausweiten.
Passende Lösungspfade
Holen Sie sich mit einem Fractional AI Growth Director eine laufende Führung für Portfolio und Nachfrage an Bord, während sich Ihre Recherchewege und Ihr Content-Portfolio weiterentwickeln.