Informational, Navigational, Commercial, Transactional. Diese klassischen Kategorien für Search Intent gehören seit Jahren zum SEO-Handwerkszeug. Sie helfen dabei einzuordnen, was Menschen mit einer Suchanfrage grundsätzlich erreichen wollen.
Mit AI Overviews, Google AI Mode und KI-Assistenten verändert sich allerdings die Art, wie solche Anliegen formuliert und bearbeitet werden.
Menschen können ihr eigentliches Problem ausführlicher beschreiben. Sie können Bedingungen ergänzen, Rückfragen stellen und direkt Ergebnisse erzeugen lassen. Aus einer kurzen Suchanfrage wird damit immer häufiger eine konkrete Aufgabe.
Für Marketing und Content-Strategie wird neben der Frage „Was sucht jemand?“ eine zweite Frage wichtiger: „Was möchte jemand damit tun?“
Von der Suchanfrage zur Aufgabenbeschreibung
Google hat im Mai 2026 untersucht, wie Menschen den AI Mode in den USA verwenden. Die Unterschiede zur klassischen Suche sind deutlich.
Eine durchschnittliche Anfrage im AI Mode ist laut Google etwa dreimal so lang wie eine traditionelle Suchanfrage. Folgefragen nahmen im Untersuchungszeitraum durchschnittlich um mehr als 40 Prozent pro Monat zu. Mehr als jede sechste Anfrage im AI Mode erfolgt bereits multimodal, beispielsweise über Bilder oder Sprache.
Planungsbezogene Anfragen wuchsen innerhalb von sechs Monaten 80 Prozent schneller als AI-Mode-Anfragen insgesamt. Auch Brainstorming und entscheidungsorientierte Suchvorgänge wachsen überdurchschnittlich.
Aus einer klassischen Suche wie „KI-Marketing-Tools“ kann damit beispielsweise werden:
Welche KI-Tools eignen sich für ein kleines Marketingteam, das hauptsächlich SEO und Social Media macht und maximal 200 Euro im Monat ausgeben möchte?
Die zweite Anfrage enthält weiterhin Keywords. Sie enthält aber auch Kontext, Ziel, Einschränkungen und Kriterien für eine gute Antwort.
Google beobachtet fünf Nutzungsmuster
Google beschreibt in seinem Report fünf Bereiche, in denen sich dieses neue Suchverhalten besonders zeigt: Explore, Decide, Learn, Create und Do.
Google bezeichnet diese Kategorien ausdrücklich als fünf zentrale Nutzungsbereiche des AI Mode. Es handelt sich also nicht um eine neue offizielle Search-Intent-Taxonomie. Für Marketing ist die Einteilung trotzdem interessant, weil sie stärker beschreibt, was Menschen mit Hilfe eines KI-Systems erledigen möchten.
| Task Intent | Was möchte der Nutzer? | Beispiel aus KI-Marketing |
|---|---|---|
| Explore | Möglichkeiten entdecken | „Wo kann ich KI sinnvoll im Marketing einsetzen?“ |
| Decide | Optionen vergleichen und entscheiden | „ChatGPT oder Claude für Content-Marketing?“ |
| Learn | Etwas verstehen oder erlernen | „Wie funktioniert KI-gestützte Keyword-Recherche?“ |
| Create | Ein konkretes Ergebnis erzeugen | „Erstelle einen Redaktionsplan für LinkedIn.“ |
| Do | Eine Aufgabe umsetzen | „Baue mir aus diesem Redaktionsplan fünf fertige Posts.“ |
Gerade Create und Do zeigen, warum sich KI-Suche von klassischer Websuche unterscheidet. Das System liefert nicht zwingend nur Informationen über eine mögliche Lösung. Es kann selbst Teil der Lösung werden.
Google beschreibt „Do“ entsprechend als Versuch, die Reibung zwischen dem Finden einer Information und dem tatsächlichen Erledigen einer Aufgabe zu reduzieren.
Das PromptPower-Modell: Search Intent plus Task Intent
Für die Content-Planung würde ich deshalb zwei Ebenen unterscheiden.
Die erste Ebene bleibt der bekannte Search Intent. Er ordnet ein Anliegen grob als Informationssuche, Navigation, kommerzielle Abwägung oder Transaktion ein.
Die zweite Ebene nenne ich Task Intent. Task Intent beschreibt die konkrete Aufgabe, bei der ein Nutzer Unterstützung erwartet: etwas erkunden, entscheiden, lernen, erstellen oder erledigen.
Search Intent + Task Intent = ein genaueres Bild davon, was guter Content leisten muss.
Das ist das PromptPower-Modell. Es handelt sich um ein Arbeitsmodell für Content-Strategie und KI-Marketing, nicht um eine Google-Klassifikation. Grundlage sind die von Google beobachteten Nutzungsmuster Explore, Decide, Learn, Create und Do.
Der Unterschied wird bei informationalen Suchanfragen besonders deutlich. „Welche Möglichkeiten gibt es für KI im Marketing?“ und „Wie richte ich einen KI-Workflow für die Keyword-Recherche ein?“ können beide als informational eingeordnet werden.
Für den Content sind sie trotzdem grundverschieden. Der erste Nutzer will Explore. Der zweite will Learn oder bereits Do. Eine klassische Intent-Klassifikation allein macht diesen Unterschied nur begrenzt sichtbar.
Suchanfragen und Prompts nähern sich an
Für mich liegt darin eine der interessanteren Entwicklungen für KI im Marketing.
Klassische Suchmaschinen haben uns über Jahre beigebracht, Probleme in möglichst kompakte Suchbegriffe zu übersetzen.
Aus „Ich suche einen guten Laufschuh für meine erste Halbmarathon-Vorbereitung. Ich wiege knapp 100 Kilogramm, laufe überwiegend Asphalt und habe Probleme mit meinem Knie.“ wurde „Laufschuhe Herren Dämpfung Test“.
Generative KI dreht diesen Mechanismus teilweise wieder zurück. Nutzer können ihr eigentliches Anliegen beschreiben.
Das sieht man auch an Googles Daten. Zu den häufigsten ersten Wörtern von AI-Mode-Anfragen gehören „What“, „How“, „I“, „Is“ und „Can“. Gleichzeitig werden Folgefragen häufiger.
Suchanfragen bekommen damit zunehmend Eigenschaften guter Prompts: Kontext, Ziel, Bedingungen und gewünschtes Ergebnis.
Keywords bleiben relevant. Themen, Begriffe und Entitäten sind weiterhin notwendig, damit Systeme Inhalte verstehen und relevante Quellen finden können. Darüber liegt nun die konkrete Aufgabe, die ein Mensch mit diesen Informationen lösen möchte.
Was bedeutet das für Content-Marketing?
Für die Content-Planung reicht die bekannte Frage nach Keyword, Suchvolumen und Search Intent immer weniger aus.
Nehmen wir das Thema KI im Marketing. Für Explore kann ein guter Inhalt verschiedene Einsatzmöglichkeiten, Beispiele und Grenzen zeigen. Bei Decide braucht der Nutzer Vergleichskriterien, Vor- und Nachteile, Kosten und Empfehlungen für unterschiedliche Situationen.
Bei Learn werden nachvollziehbare Erklärungen, Tutorials und Beispiele wichtiger. Bei Create helfen Vorlagen, Prompts, Templates oder Generatoren. Bei Do geht es um Prozesse, konkrete Workflows und möglichst wenig Reibung zwischen Information und Umsetzung.
Diese Bandbreite ist auch der Grund, warum ich KI im Marketing nicht als Sammlung möglichst vieler neuer Tools verstehe. Entscheidend ist, an welcher Stelle einer Aufgabe KI tatsächlich einen sinnvollen Beitrag leisten kann.
Was bedeutet das für SEO und GEO?
Auch für SEO verändert diese Perspektive die Content-Planung. Ein Artikel kann ein Keyword gut treffen und trotzdem am eigentlichen Task Intent vorbeigehen.
Wer beispielsweise nach „ChatGPT Content Marketing“ sucht, könnte eine Einführung erwarten, Tools vergleichen wollen, einen Workflow suchen oder unmittelbar Content erzeugen wollen. Diese Unterschiede werden relevanter, wenn Suchanfragen länger und dialogischer werden.
Eine Untersuchung von 2.699 Keywords aus dem Umfeld großer spanischer Medien liefert dafür einen weiteren Hinweis. In der Stichprobe erschienen AI Overviews besonders häufig bei längeren und frageorientierten Suchanfragen. Vier Wörter führten in 48,1 Prozent der untersuchten Fälle zu einem AI Overview. Bei „Why“-Anfragen waren es 92,3 Prozent, bei „What“-Anfragen 85,7 Prozent.
Die Studie bezieht sich allerdings auf ein klar abgegrenztes Keyword-Set aus dem Medienumfeld und lässt sich nicht einfach auf sämtliche Google-Suchen übertragen.
Für GEO kommt ein weiterer Aspekt hinzu: Inhalte können als Quelle einer KI-Antwort dienen, ohne dass daraus zwangsläufig ein Klick entsteht.
Eine Eye-Tracking-Untersuchung von Laika zeigt diese Trennung zwischen Aufmerksamkeit und Handlung anschaulich. In dem kleinen Experiment wurden manche Elemente intensiv wahrgenommen, aber kaum angeklickt. Klassische organische Treffer wandelten Aufmerksamkeit dagegen besonders häufig in Klicks um.
Aufgrund der kleinen Stichprobe sollte man daraus keine allgemeingültigen CTR-Prognosen ableiten. Das Grundproblem bleibt: Sichtbarkeit, Aufmerksamkeit und Traffic sind drei unterschiedliche Größen.
Content muss mehr können als eine Frage beantworten
Für Marketing ergibt sich daraus eine praktische Konsequenz. Wir sollten Content weniger als Antwort auf ein isoliertes Keyword planen und stärker als Unterstützung innerhalb einer Aufgabe.
Die passende Leitfrage lautet: Welche Aufgabe soll ein Mensch mit Hilfe dieses Inhalts besser lösen können?
- Ein guter Überblick hilft beim Explore.
- Ein sauberer Vergleich hilft beim Decide.
- Ein Tutorial hilft beim Learn.
- Eine Vorlage unterstützt Create.
- Ein Workflow bringt den Nutzer Richtung Do.
Damit wird Content nicht automatisch besser. Die Perspektive verschiebt sich von der bloßen Zuordnung eines Keywords zu einer Seite zum tatsächlichen Nutzungskontext.
Search Intent bekommt eine zweite Ebene
Die klassische Suchintention bleibt relevant. Informational, Navigational, Commercial und Transactional helfen weiterhin dabei, Suchanfragen grob einzuordnen.
Für KI-geprägte Suchumgebungen würde ich eine zweite Ebene ergänzen: den Task Intent mit Explore, Decide, Learn, Create und Do.
Das PromptPower-Modell verbindet beide Perspektiven. Search Intent beschreibt das grundsätzliche Anliegen. Task Intent beschreibt die konkrete Aufgabe.
Für SEO, Content-Marketing und GEO kommt damit eine Frage hinzu, die ich künftig bei der Content-Planung immer stellen würde: Was will der Nutzer mit dieser Information anschließend erreichen?
Quellen
- Google: How AI Mode is changing the way people search in the U.S., 19. Mai 2026
- Google: AI Mode U.S. Insights Report
- Vállez, Soteras, Chacón und Lopezosa: El impacto de AI Overviews en los medios españoles, Untersuchung von 2.699 Keywords
- Diego Criado und MJ Cachón: The mirror of attention, Eye-Tracking-Studie von Laika
Wie KI Recherche, Content, SEO, Datenanalyse und Automatisierung verändert, ordne ich im Überblick KI im Marketing ein.