📋
Kapitel 8 Ebene 4: Methodik

Verlässliches Prompt-Tracking

So stellst du Prompts zusammen und setzt sie ein, um verlässliche, unverzerrte Daten zu erhalten. Deine Messungen sind nur so gut wie die Prompts, auf denen sie beruhen. Dabei machen die meisten Teams immer wieder dieselben typischen Fehler.

⚡
Kurz gesagt

Die Kurzfassung

Das Wichtigste
  • Hör auf, Prompts zu zählen. Wer zu viele Prompts verfolgt, erzeugt Rauschen. Am Ende misst du deine eigenen Formulierungen, nicht das, was das Modell tatsächlich über deine Marke weiß.
  • Achte auf beständige Ergebnisse. Das Signal steckt darin, welche Themen, Entitäten und Eigenschaften die KI über viele Durchläufe hinweg zuverlässig mit deiner Marke verbindet.
  • Arbeite mit wenigen, bewusst gewählten Kern-Prompts. Eine Handvoll Prompts, die dein Angebot wirklich abbilden. Was als Nächstes wichtig ist, zeigen dir die Ergebnisse.
  • Finde die Lücken. Am aufschlussreichsten sind die Stellen, an denen deine Wettbewerber immer wieder gemeinsam auftauchen und deine Marke fehlt.
⚠️
Typische Fehler

Vier Arten, wie Prompt-Tracking schiefgeht

01

Zu viele Prompts

Wer Dutzende Prompts verfolgt, erzeugt Rauschen. Jede Formulierung liefert eine leicht andere Antwort, und klare Muster gehen darin unter. Mehr Prompts bedeuten nicht bessere Daten. Meist bedeuten sie Daten, die schwerer zu lesen sind.

02

Verzerrung im Prompt

Wie du eine Frage formulierst, prägt die Antwort. Erwähnen deine Prompts deine Marke oder beschreiben sie deine Kategorie in deiner eigenen Marketingsprache, misst du deine Wortwahl statt dessen, was das Modell tatsächlich versteht.

03

Keine Wiederholbarkeit

KI-Antworten folgen Wahrscheinlichkeiten. Selbst auf denselben Prompt bekommst du nicht immer dieselbe Antwort. Einen Prompt einmal auszuführen und das Ergebnis für eine Tatsache zu halten, ergibt keine Daten. Es ist eine einzelne Beobachtung.

04

Eingaben messen statt Ergebnisse

Es geht nicht darum zu verfolgen, welche Prompts deine Marke nennen, sondern zu verstehen, was das Modell zuverlässig mit deiner Marke verbindet. Prompt-Tracking lenkt deine Aufmerksamkeit dabei auf das Falsche.

⚙️
Die Methode

So machst du es richtig

1

Wähle deine Kern-Prompts bewusst aus

Wähle eine kleine Zahl von Prompts, die das Kernangebot deiner Marke wirklich abbilden. Dieser Schritt ist absichtlich schwer und sollte weder automatisiert noch delegiert werden. Fang mit den Fragen an, die deine Käufer tatsächlich stellen, bevor sie eine Auswahlliste haben, nicht danach. Für den Anfang reichen fünf bis zehn Prompts.

Beispiel-Prompts

„Welches sind die besten Tools zur Workflow-Automatisierung?“ / „Vergleiche KI-Workflow-Plattformen für kleine Unternehmen.“ / „Welche Tools nutzen Unternehmen für [deinen wichtigsten Anwendungsfall]?“

2

Leg den Kanal fest, bevor du startest

Entscheide vor jedem Durchlauf, welchen Kanal du testest, und bleib dabei. Für die Messung der Trainingsdaten schaltest du die Websuche ausdrücklich aus, für die Messung der Live-Suche schaltest du sie ein. Mischst du beides im selben Prompt-Set, ohne festzuhalten, welcher Durchlauf mit welcher Einstellung lief, vermengst du zwei verschiedene Signale zu einer einzigen Häufigkeit, und die Daten lassen sich nicht mehr deuten.

Halte bei jedem Durchlauf den Kanal fest: Modellname, Websuche an oder aus, Datum. Spätestens wenn du Ergebnisse von Monat zu Monat vergleichst, brauchst du diese Angaben.

Warum das wichtig ist

Derselbe Prompt kann mit Trainingsdaten und mit Live-Suche völlig andere Markennennungen, Themen und Eigenschaften liefern. Beides gleichzusetzen, ist eine der häufigsten Ursachen für verwirrende oder widersprüchliche Daten bei der Messung von KI-Sichtbarkeit.

3

Führe jeden Prompt pro Modell mehrfach aus

Führe jeden Kern-Prompt pro Modell mindestens fünf- bis zehnmal aus. Halte fest, was beständig auftaucht, nicht was einmal vorkam. Die Häufigkeit ist das Signal. Was nur in einem Durchlauf auftaucht, ist Rauschen.

Fasse die Ergebnisse verschiedener Modelle erst zusammen, nachdem du jedes einzeln ausgewertet hast. Modelle unterscheiden sich in Feinabstimmung, System-Prompts und Abdeckung durch Trainingsdaten. ChatGPT kann auf denselben Prompt ganz andere Wettbewerber nennen als Gemini. Behandle jedes Modell als eigene Datenquelle und such dann nach Mustern, die überall gelten.

4

Entitäten, Themen und Eigenschaften aus jeder Antwort herausziehen

Halte aus jeder Antwort drei Arten von Signalen fest: die genannten Entitäten, die Themen, mit denen sie verbunden werden, und die Eigenschaften, die jeder Marke zugeschrieben werden. Nutze ein einheitliches Format, damit du die Daten verschiedener Durchläufe auch über längere Zeit vergleichen kannst.

Beispiel einer Auswertung
„Was bietet Waikay und wer nutzt es?“
„Waikay ist eine Plattform zur KI-Optimierung, die vor allem von kleinen und mittelgroßen Teams genutzt wird. Sie wird häufig als vertrauenswürdig und erschwinglich beschrieben und oft mit BrandX verglichen, das eher als schneller, aber weniger zugänglich gilt.“
EntitätWaikay EntitätBrandX ThemaKI-Optimierung Eigensch.Vertrauenswürdig Eigensch. WettbewerberBrandX: Schnell
5

Die Breite erfassen und Lücken finden

Leg eine Tabelle mit den Entitäten und Eigenschaften aller Wettbewerber an. Markiere, wo deine Marke fehlt. Taucht ein Wettbewerber beständig zusammen mit einer Eigenschaft auf, die deiner Marke nicht zugeschrieben wird, ist das eine konkrete, nachvollziehbare Lücke, für die es eine konkrete Lösung gibt.

6

Veränderungen über die Zeit verfolgen

Führe jeden Monat dasselbe Set an Kern-Prompts aus. Achte auf die Richtung: Verknüpfungen, die stärker werden, neue Themen, Lücken, die sich schließen. Der Wert liegt im Trend, nicht in einer einzelnen Momentaufnahme.

📊
Vorlage

Das Arbeitsblatt zur Analyse von Entitätslücken

Mit diesem Aufbau hältst du jeden Prompt-Durchlauf einheitlich fest. Das Format ist wichtig, weil du Durchläufe über Monate vergleichen wirst und nicht nur einzelne Ergebnisse liest.

Arbeitsblatt: Analyse von Entitätslücken
Modell und Kanal
Welches Modell genutzt wurde (ChatGPT, Gemini, Claude usw.) und ob die Websuche an oder aus war. Unverzichtbar, um Ergebnisse aus Trainingsdaten von denen der Live-Suche zu trennen und Durchläufe über Monate zu vergleichen.
Getesteter Prompt
Der genaue Wortlaut. Halte ihn exakt fest, damit du die Messung später unter denselben Bedingungen wiederholen kannst.
Abgebildetes Angebot
Welches Produkt oder welche Dienstleistung bildet dieser Prompt ab?
Wert laut Analytics
Ist das gemessen an Conversions oder Pipeline eine wertvolle Anfrage? Hilft bei der Entscheidung, welche Lücken du zuerst schließt.
Verwandte Suchabsichten
Welche verwandten Fragen ergeben sich aus diesem Prompt? Damit planst du die nächste Auswahl an Kern-Prompts.

Und für jedes Signal aus den Antworten:

Typ Signal Wie oft gesehen Notizen
Entität Deine Marke 3 von 5 Durchläufen Wird beständig erkannt. Kernangebot bestätigt.
Thema KI-Optimierung 5 von 5 Durchläufen Taucht in jeder Antwort auf. Starker thematischer Zusammenhang.
Eigenschaft Vertrauenswürdig 3 von 5 Durchläufen Stabile Eigenschaft. Taucht bei verschiedenen Formulierungen immer wieder auf.
Wettbewerber BrandX 4 von 5 Durchläufen Besetzt die Eigenschaft „schnell“. Deine Marke fehlt bei Vergleichen zum Tempo. Lücke, die du angehen solltest.
So unterstützt Waikay dein Prompt-Tracking

Waikay verwaltet deine Kern-Prompts, führt sie laufend in mehreren Modellen aus und erfasst automatisch die genannten Entitäten, Themen und Eigenschaften. Statt Tabellen zu pflegen, siehst du die Muster direkt: welche Verknüpfungen stärker werden, welche Lücken sich schließen und wo deine Wettbewerber davonziehen.