Warum Keyword-Recherche und Videoproduktion zusammen gedacht werden müssen
Wer heute Content plant, arbeitet selten noch in zwei getrennten Welten. Auf der einen Seite steht die klassische Textoptimierung mit Keyword-Listen, Suchintentionen und internen Verlinkungen. Auf der anderen Seite steht die Videoproduktion mit Skripten, Thumbnails, Schnitt und Untertiteln. Beide Welten konkurrieren aber längst um dieselbe Aufmerksamkeit – und sie verstärken sich gegenseitig.
Suchmaschinen bewerten Seiten zunehmend danach, ob Nutzer lange bleiben, ob sie interagieren und ob sie die Frage, die sie gestellt haben, tatsächlich beantwortet bekommen. Ein eingebettetes Video, das eine Kernfrage in neunzig Sekunden erklärt, leistet genau das. Gleichzeitig ist die Videoplattform selbst eine Suchmaschine: Titel, Beschreibung, gesprochene Worte und Untertitel werden indexiert. Wer dort mit sauber recherchierten Begriffen arbeitet, gewinnt zusätzliche Sichtbarkeit, die wiederum auf den Blog zurückstrahlt.
Der entscheidende Hebel liegt in der Vorarbeit. Generative Sprachmodelle können Keyword-Recherche, Clusterbildung, Skriptstruktur und Metadaten in einem durchgängigen Fluss erledigen – vorausgesetzt, die Prompts sind präzise gebaut. Ein vager Prompt liefert vage Listen. Ein strukturierter Prompt liefert verwertbare Rohdaten, aus denen direkt ein Video-Drehbuch entsteht.
Dieser Leitfaden zeigt dir, wie du Prompts für beide Aufgaben aufsetzt, wie du sie iterierst und wie du typische Fehler vermeidest. Die Beispiele sind so gehalten, dass du sie unabhängig von einem bestimmten Anbieter in jedem gängigen Chat- oder Video-Werkzeug verwenden kannst.
Die Anatomie eines wirksamen SEO-Prompts
Bevor du irgendein Modell mit der Recherche beauftragst, solltest du dir über die Bausteine eines guten Prompts klar werden. Die meisten enttäuschenden Ergebnisse entstehen nicht, weil das Modell zu schwach ist, sondern weil der Auftrag zu viele Lücken lässt.
Rolle, Kontext und Ziel
Ein Prompt braucht eine klar benannte Rolle. Statt „hilf mir bei Keywords“ formulierst du: „Du bist SEO-Strategin für einen deutschsprachigen Fachblog zum Thema Hausautomation mit einer Zielgruppe von 30- bis 50-jährigen Eigenheimbesitzern.“ Diese Rollenzuweisung verändert Stil, Wortwahl und die Art der vorgeschlagenen Begriffe erheblich.
Der Kontext beschreibt das Umfeld: Sprache, Region, Wettbewerbsdichte, vorhandene Inhalte, technisches Niveau der Zielgruppe. Das Ziel beschreibt das Ergebnis: eine Cluster-Tabelle, ein Skript, zehn Titelvarianten. Je konkreter das Ziel, desto kürzer der Weg dorthin.
Ausgabeformat und Randbedingungen
Mindestens genauso wichtig wie der Inhalt ist das Format. Sag dem Modell, ob du eine Tabelle, eine Liste, JSON oder ein Skript mit Zeitmarken erwartest. Nenne Spaltennamen, Zeichenbegrenzungen und die Anzahl der Ergebnisse. Wenn du zehn Überschriften brauchst, die jeweils unter sechzig Zeichen lang sind, dann schreibe das ausdrücklich hin.
Randbedingungen verhindern Ausschuss: „Keine Wiederholungen“, „keine Markennamen“, „keine Superlative“, „jedes Keyword muss eine eigene Suchintention abdecken“. Solche Verbote sind oft wirksamer als zusätzliche Wünsche.
Kontext füttern statt raten lassen
Modelle raten schlecht. Wenn du bereits Daten hast – eigene Suchanfragen, Wettbewerbsseiten, Kundenfragen, Kommentare –, gib sie mit. Ein Absatz echter Nutzerfragen bringt mehr als drei zusätzliche Instruktionen. Der Prompt wird länger, das Ergebnis aber deutlich brauchbarer.
Keyword-Recherche mit KI: semantische Cluster systematisch aufbauen
Die Recherche ist der Teil, in dem KI am meisten Zeit spart. Sie ersetzt keine Keyword-Datenbank, aber sie sortiert, benennt und strukturiert – und genau dort scheitern manuelle Listen meist.
Von Seed-Keywords zur Suchintention
Starte mit fünf bis zehn Seed-Begriffen und lasse das Modell für jeden Begriff die dahinterliegende Absicht bestimmen: informieren, vergleichen, kaufen, navigieren, verstehen. Ein Beispielprompt:
Rolle: SEO-Stratege für einen deutschsprachigen Ratgeber-Blog im Bereich Finanzen.
Aufgabe: Ordne die folgenden Seed-Keywords je einer vorherrschenden Suchintention zu
(informational, commercial, transactional, navigational).
Gib eine Tabelle mit vier Spalten aus: Seed, Intention, Begründung in maximal 15 Wörtern,
empfohlenes Content-Format.
Seed-Keywords: Haushaltsbudget erstellen, ETFs vergleichen, Kreditorenkonto, Nebenkosten senken,
Versicherung kündigen, Sparen mit Kindern.
Randbedingung: keine Wiederholungen, keine Synonyme derselben Absicht doppelt.
Das Ergebnis ist kein fertiger Content-Plan, aber eine belastbare Landkarte. Du erkennst sofort, wo Ratgeber, wo Vergleiche und wo Tutorials hingehören.
Cluster-Prompts, die wirklich funktionieren
Sobald die Intentionen stehen, baust du thematische Cluster. Ein Cluster ist eine Gruppe eng verwandter Suchbegriffe, die eine gemeinsame Kernfrage bedienen. Lass das Modell pro Cluster eine Pillar-Seite und fünf bis acht Unterseiten vorschlagen, jeweils mit Arbeitsbegriff und Kurzbeschreibung.
Wichtig ist die Anweisung, Überschneidungen zu vermeiden. Ohne diese Vorgabe produziert jedes Modell früher oder später kannibalisierende Vorschläge – also zwei Seiten, die um dasselbe Keyword konkurrieren. Ergänze deshalb den Satz: „Kein Keyword darf in zwei Clustern vorkommen. Wenn zwei Kandidaten zu nah beieinanderliegen, fasse sie zusammen und kennzeichne die Zusammenfassung.“
Long-Tail, Entitäten und Fragen
Long-Tail-Begriffe sind der Ort, an dem kleine Seiten groß werden. Sie sind spezifisch, oft gesprochensprachlich und werden im Videobereich besonders häufig über die Suche gefunden. Ein guter Prompt deckt drei Ebenen ab: Menschen fragen („wie senke ich Nebenkosten ohne Umzug“), Vergleiche („Stromtarif wechseln oder Anbieter optimieren“) und Fehlerfälle („was tun wenn die Nebenkostenabrechnung falsch ist“).
Entitäten sind das zweite Standbein. Lass dir zu jedem Cluster die relevanten Personen, Organisationen, Normen, Produkte und Orte ausgeben. Diese Begriffswolke hilft nicht nur beim Text, sondern auch beim Skript: Sie liefert natürliche Erwähnungen, die Suchmaschinen als thematische Tiefe lesen.
Wettbewerbsanalyse ohne Rätselraten
Füttere das Modell mit den Überschriften der drei stärksten Wettbewerbsseiten und verlange eine Lückenanalyse: Welche Unterthemen fehlen? Welche Fragen bleiben offen? Welche Inhalte sind veraltet? Auch hier gilt: Gib echte Daten mit, statt das Modell spekulieren zu lassen. Eine Lückenanalyse auf Basis realer Überschriften ist sofort umsetzbar, eine auf Basis von Vermutungen nicht.
Vom Keyword zum Video-Skript
Der Übergang von der Recherche zum Skript ist der Punkt, an dem viele Content-Teams auseinanderlaufen. Der Text wird gut, das Video bleibt ein Nachgedanke. Dabei lassen sich beide aus derselben Datenbasis erzeugen.
Skriptarchitektur für Aufmerksamkeit und Verweildauer
Ein Blog-Video folgt einer anderen Dramaturgie als ein Artikel. Es braucht einen Einstieg, der in den ersten Sekunden eine klare Erwartung setzt, einen Mittelteil mit zwei bis drei konkreten Beispielen und einen Schluss, der eine Handlung vorschlägt. Lass das Modell zu jedem Cluster eine Skriptvorlage mit Zeitmarken erstellen:
Aufgabe: Erstelle ein Video-Skript von 4 Minuten Länge zum Keyword-Cluster
„Nebenkosten senken“ für einen Ratgeber-Blog.
Format: Tabelle mit den Spalten Zeit, Sprechertext, Bildidee, On-Screen-Text.
Anforderungen: Hook in den ersten 10 Sekunden, ein Rechenbeispiel, ein typischer Fehler,
klare Handlungsaufforderung am Ende.
Tonalität: sachlich, du-Form, keine Werbesprache, keine Zahlen, die belegt werden müssten.
Wichtig ist die Spalte Bildidee. Sie wird später zur Grundlage für visuelle Prompts und spart einen kompletten Abstimmungsschritt.
Die ersten zehn Sekunden
Der Anfang entscheidet über Abbruchraten. Ein guter Hook benennt das Problem oder das Ergebnis, nicht die Begrüßung. Lass dir pro Video fünf Hook-Varianten geben und teste sie gegeneinander: eine Frage, eine Zahl, eine Fehlannahme, ein Vorher-Nachher, eine kurze Warnung. Nach zehn Auswertungen weißt du, welcher Typ in deiner Nische trägt.
Länge, Sprechtempo und Untertitel
Für erklärende Inhalte funktionieren drei bis sechs Minuten zuverlässig. Ein ruhiges Sprechtempo von etwa 130 bis 150 Wörtern pro Minute ergibt bei vier Minuten rund 550 Wörtern Sprechtext. Lass das Modell diese Wortzahl explizit einhalten, sonst entstehen Skripte, die vorgelesen acht Minuten dauern.
Untertitel sind kein Zusatz, sondern ein Ranking-Faktor. Sie werden indexiert und ermöglichen stille Nutzung. Lass die Untertitel direkt aus dem Skript ableiten, in kurze Zeilen von maximal 42 Zeichen umbrechen und Fachbegriffe beim ersten Auftreten ausschreiben.
Metadaten: Titel, Beschreibung, Kapitel
Für jedes Video brauchst du drei Dinge: einen Titel mit maximal 60 Zeichen, der das Hauptkeyword natürlich enthält; eine Beschreibung, die in den ersten zwei Zeilen den Nutzen zusammenfasst; und Kapitelmarken. Ein Prompt dafür:
Erzeuge für das folgende Skript:
- 5 Titelvarianten (max. 60 Zeichen, Hauptkeyword enthalten)
- 2 Beschreibungen (je 280-350 Zeichen, Nutzen in Zeile 1)
- 6 Kapitelmarken mit Startzeit und 3-5-Wort-Label
- 12 Tags, gemischt aus Kopf- und Long-Tail-Begriffen
Skript: [Skript einfügen]
Visuelle Konsistenz: Prompting für Bilder und Videosequenzen
Sobald das Skript steht, beginnt die visuelle Arbeit. Hier entstehen die größten Qualitätsunterschiede, weil inkonsistente Bilder eine Serie sofort billig wirken lassen.
Stilanker setzen
Definiere drei bis fünf Stilanker, die in jedem visuellen Prompt wiederkehren: Bildwinkel, Lichtstimmung, Farbpalette, Materialität, Grad der Abstraktion. Ein Stilanker-Set könnte lauten: „ruhige natürliche Lichtsetzung, gedeckte Erdtöne, leicht erhöhte Perspektive, klare Kanten, keine Gesichter im Vordergrund“. Diese Formel macht aus einzelnen Bildern eine Serie.
Referenzbilder und Konsistenz über Szenen hinweg
Wenn du mehrere Szenen mit derselben Figur oder demselben Raum brauchst, arbeite mit Referenzbildern und beschreibe die wiederkehrenden Merkmale immer identisch – Haarfarbe, Kleidung, Kameraposition, Tageszeit. Abweichende Formulierungen erzeugen abweichende Ergebnisse. Lege deshalb einen kurzen Baustein an, den du wortgleich in jeden Prompt kopierst.
Kamerasprache und Bewegung
Bewegung braucht klare Verben. Statt „schöne Aufnahme“ schreibst du „langsame Fahrt nach rechts, Kamera auf Augenhöhe, Tiefenschärfe auf dem Vordergrundobjekt“. Für erklärende Inhalte gilt: wenige, ruhige Bewegungen. Schnelle Schnitte und wilde Kamerafahrten lenken vom Inhalt ab und erhöhen die Abbruchrate.
Modellwahl nach Aufgabe, nicht nach Hype
Es gibt nicht das eine beste Werkzeug. Für fotorealistische Szenen brauchst du andere Modelle als für schematische Darstellungen, Diagramme oder animierte Erklärgrafiken. Entscheide nach vier Kriterien: Wie gut hält das Modell denselben Stil über mehrere Bilder? Wie zuverlässig versteht es Kamerabegriffe? Wie gut funktioniert Text im Bild? Und wie aufwendig ist die Nachbearbeitung? Wer diese vier Fragen für zwei oder drei Kandidaten ehrlich beantwortet, trifft eine bessere Wahl als jemand, der einer Rangliste folgt.
Ein kompakter Produktions-Workflow in sieben Schritten
- Thema und Intention festlegen. Ein Cluster, eine Kernfrage, ein Zielformat.
- Keyword-Set erzeugen und prüfen. Kopfbegriff, Long-Tail-Varianten, Entitäten, Nutzerfragen.
- Skript mit Zeitmarken schreiben. Vier Minuten, 550 Wörter, Hook in den ersten zehn Sekunden.
- Visuelle Referenz definieren. Stilanker und Figurenbaustein einmal festlegen, dann wiederverwenden.
- Szenenbilder generieren und auswählen. Pro Szene zwei Varianten, eine wird weiterverwendet.
- Vertonen, untertiteln, schneiden. Sprechtempo prüfen, Untertitel aus dem Skript ableiten.
- Blogtext und Video verzahnen. Video einbetten, Transkript als Abschnitt einfügen, Kernbegriffe im Text wiederholen.
Schritt sieben wird oft vergessen und ist der wertvollste. Ein sauber strukturiertes Transkript erweitert den Text um hunderte Wörter, ohne dass du neu schreiben musst, und es enthält genau die Begriffe, die Nutzer gesprochen suchen.
Prompt-Vorlagen für den Alltag
Die folgenden Vorlagen lassen sich direkt kopieren und mit eigenen Daten füllen. Sie sind bewusst neutral gehalten, damit sie in jedem Werkzeug funktionieren.
[Recherche]
Rolle: SEO-Analyst für [Sprache] im Themenfeld [Nische].
Zielgruppe: [Beschreibung].
Aufgabe: Erstelle 6 semantische Cluster zum Thema [Thema].
Pro Cluster: Arbeitsbegriff, Suchintention, 6 Long-Tail-Varianten, 5 Entitäten,
3 typische Nutzerfragen.
Format: Markdown-Tabelle. Regel: kein Begriff doppelt über Cluster hinweg.
[Skript]
Rolle: Redakteur für kurze Erklärvideos.
Aufgabe: Schreibe ein Skript von 600 Wörtern zu [Kernfrage].
Struktur: Hook (max. 30 Wörter), Problem, Lösung in 3 Schritten mit je einem Beispiel,
Fehlerhinweis, Handlungsaufforderung.
Format: Tabelle mit Zeit, Sprechtext, Bildidee, On-Screen-Text.
Tonalität: sachlich, du-Form, keine unbelegten Superlative.
[Metadaten]
Aufgabe: Erzeuge zu diesem Skript 5 Titel (max. 60 Zeichen), 2 Beschreibungen
(280-350 Zeichen), 6 Kapitelmarken und 12 Tags.
Regel: Hauptkeyword in jedem Titel natürlich enthalten, kein Keyword-Stuffing.
[Visuelle Serie]
Aufgabe: Erstelle 8 Bild-Prompts für die Szenen eines Erklärvideos.
Stilanker (in jedem Prompt wortgleich wiederholen): [Licht, Farben, Perspektive, Materialität].
Figurenbaustein: [Merkmale].
Regel: keine Gesichter im Vordergrund, keine Textstellen im Bild, ruhige Komposition.
Typische Fehler und wie du sie vermeidest
Der häufigste Fehler ist der Ein-Satz-Prompt. Er liefert brauchbare Durchschnittsideen, aber keine Struktur. Wer zehn Minuten in den Prompt investiert, spart zwei Stunden Redaktion.
Der zweite Fehler ist die fehlende Prüfung. Keyword-Listen von Sprachmodellen enthalten regelmäßig Begriffe, die niemand sucht, oder Varianten, die grammatikalisch schief sind. Prüfe jede Liste gegen echte Suchdaten und gegen den gesunden Menschenverstand deiner Zielgruppe.
Der dritte Fehler ist Wiederholung: dieselbe Aussage in Artikel, Skript und Untertiteln. Wer alle drei Formate aus einem Rohtext ableitet, produziert Doppelungen. Besser ist es, dem Modell pro Format eine eigene Perspektive vorzugeben – der Artikel erklärt, das Video demonstriert, die Untertitel fassen zusammen.
Der vierte Fehler betrifft die Bildsprache. Wer für jede Szene einen komplett neuen Stil beschreibt, bekommt einen Flickenteppich. Stilanker einmal definieren und konsequent kopieren.
Der fünfte Fehler ist der Verzicht auf Zahlen. Ohne klare Vorgaben zu Länge, Wortzahl oder Ergebnisanzahl liefern Modelle, was gerade passt. Konkrete Grenzen sind keine Einschränkung, sondern die Grundlage für reproduzierbare Qualität.
Qualitätssicherung und Erfolgsmessung
Nach der Generierung beginnt die eigentliche Arbeit. Für Texte gilt: Fakten prüfen, Zahlen belegen, Aussagen vereinfachen. Für Videos gilt: Tonhöhe und Sprechtempo kontrollieren, Untertitel auf Tippfehler prüfen, Bildwechsel auf Rhythmus testen.
Für die Messung reichen wenige Kennzahlen. Bei Videos sind die ersten dreißig Sekunden entscheidend: Wie hoch ist die Absprungrate? Bei Blogtexten ist es die Scrolltiefe und die Verweildauer. Bei beidem ist es die Frage, ob Nutzer nach dem Konsum eine zweite Seite öffnen.
Eine sinnvolle Routine besteht darin, pro Quartal drei Dinge zu prüfen: Welche Cluster liefern organischen Traffic, welche Videos werden zu Ende gesehen, und welche Keywords haben sich in der Praxis als irrelevant erwiesen. Diese drei Antworten steuern den nächsten Recherche-Prompt besser als jede allgemeine Best-Practice-Liste.
FAQ
Wie viele Keywords sollte ein Cluster enthalten?
Ein Cluster braucht einen Hauptbegriff, sechs bis zehn Long-Tail-Varianten und fünf Entitäten. Mehr wird unübersichtlich, weniger lässt keine eigenständige Seite zu.
Kann ich dieselben Prompts für Text und Video nutzen?
Nein, aber du kannst sie aus derselben Datenbasis ableiten. Der Recherche-Prompt erzeugt das Material, ein zweiter Prompt formt daraus das Skript, ein dritter die Metadaten.
Wie lang sollte ein Blog-Video sein?
F
ür erklärende Inhalte sind drei bis sechs Minuten ein guter Korridor. Wichtiger als die Länge ist, dass jede Sekunde eine neue Information liefert.
Was tun, wenn die Bilder nicht konsistent werden?
Reduziere die Variablen. Lege einen Stilanker-Baustein an, der wortgleich wiederholt wird, und verwende Referenzbilder für Figuren und Räume.
Brauche ich für jedes Video ein Transkript im Blog?
Ein Transkript ist die günstigste Textverlängerung, die du bekommst. Es enthält gesprochene Suchbegriffe, hilft der Barrierefreiheit und macht die Seite für Long-Tail-Anfragen auffindbar. Kürze es auf die Kernaussagen und strukturiere es mit Zwischenüberschriften.
Wie oft sollte ich Prompts überarbeiten?
Immer dann, wenn ein Ergebnis wiederholt Nacharbeit erfordert. Ein Prompt ist kein statisches Dokument, sondern ein Werkzeug, das mit deinen Daten besser wird. Speichere funktionierende Varianten mit Datum und Notiz, damit du weißt, warum sie funktionieren.
Eignen sich dieselben Muster für andere Sprachen?
Ja, aber die Suchgewohnheiten unterscheiden sich. Für jede Sprache brauchst du eigene Long-Tail-Listen. Ein deutscher Begriff hat selten dieselbe Suchintention wie seine englische Entsprechung, und wörtliche Übersetzungen klingen oft steif.
Fazit: Prompts als wiederverwendbare Infrastruktur
Wer KI für Recherche und Video nutzt, sollte nicht jedes Mal bei null anfangen. Die wertvollste Investition ist eine kleine Bibliothek getesteter Prompts: einer für Cluster, einer für Skripte, einer für Metadaten, einer für Bildserien. Diese vier Bausteine decken den Großteil der täglichen Arbeit ab, sind in jedem gängigen Werkzeug einsetzbar und lassen sich im Team weitergeben.
Entscheidend bleibt die Reihenfolge: erst Intention, dann Struktur, dann Formulierung, dann Bild. Wer diese Kette einhält, produziert Inhalte, die sowohl gelesen als auch gesehen werden – und die genau die Begriffe enthalten, nach denen Menschen tatsächlich suchen.
