25 Prompts für KI-Marketing-Agenten, die wirklich Brauchbares liefern

Ein Marketing-Agent liefert aus genau einem Grund vage Ergebnisse: In der Anweisung fehlte eine Abbruchbedingung. „Analysiere unser SEO“ hat keine Ziellinie, also produziert der Agent einen Rundumüberblick. „Nenne die fünf URLs, die im Juni die meisten Klicks verloren haben, und die wahrscheinlichste Ursache für jede“ hat eine, also bekommst du eine Antwort.

Alles Weitere ergibt sich daraus. Diese 25 Prompts sind für Agenten mit echtem Tool-Zugriff geschrieben, also mit Search Console, GA4, SERP-Daten und einem Crawler, nicht für Chat-Assistenten. Jeder Prompt legt einen Rahmen, eine Einschränkung und ein Ausgabeformat fest, denn genau diese drei Dinge machen aus einer Anfrage etwas, das ein Agent abschließen und du überprüfen kannst.

Ersetze die Werte in eckigen Klammern durch deine eigenen. Wenn ein Prompt einen Zeitraum enthält, sei explizit: Relative Angaben wie „letzten Monat“ gehören zu den häufigsten Ursachen für eine selbstbewusst falsche Analyse.

Was einen guten Prompt für KI-Marketing-Agenten ausmacht

Vier Bausteine. Fehlt einer davon, sinkt die Qualität spürbar.

1. Ein begrenztes Ziel. Etwas, das der Agent als erledigt melden kann. „Finde X“ schlägt „Schau dir X mal an“.

2. Der Rahmen. Welche Property, welcher Bereich, welcher Zeitraum, welcher Markt. Absolut angegeben, nicht relativ.

3. Das Ausgabeformat. Eine Rangliste mit fünf Einträgen, eine Tabelle mit benannten Spalten, ein Fazit in einem Absatz. Ohne diese Vorgabe entscheidet der Agent selbst, und meistens entscheidet er sich für Fließtext.

4. Die Belegregel. Sag ihm, dass er zu jeder Aussage die Zahl dahinter nennen und lieber „nicht verfügbar“ schreiben soll, statt zu schätzen. Diese eine Zeile beseitigt den Großteil erfundener Inhalte.

Was du in der Regel nicht tun solltest: die Tools vorgeben. Ein gut gebauter Agent wählt seine Tools anhand des Ziels aus. Gibst du die Reihenfolge vor, machst du daraus einen Workflow und wirfst genau das weg, wofür du bezahlst. Anthropics Beitrag Building Effective AI Agents zieht genau diese Grenze: Workflows folgen „vordefinierten Codepfaden“, Agenten „steuern ihre eigenen Prozesse und ihre Tool-Nutzung dynamisch“. Formuliere den Prompt für das Ergebnis und lass den Agenten den Weg wählen.

Prompts für die Ursachenanalyse bei Traffic-Einbrüchen

Das ist die wertvollste Kategorie, weil der richtige zweite Schritt hier tatsächlich davon abhängt, was der erste ergeben hat. Wenn du einen Traffic-Einbruch analysierst, weißt du eben nicht vorher, ob die Antwort bei den Impressionen, der Position, der Klickrate oder einem geänderten SERP-Layout liegt. Der Prompt sollte deshalb die Entscheidung benennen, die du brauchst, und nicht die Prüfungen, die laufen sollen.

Für diesen ganzen Abschnitt gilt eine Regel: Gib absolute Daten an. „Der Traffic ist letzten Monat eingebrochen“ ist die häufigste Einzelursache für falsche Schlussfolgerungen eines Agenten, weil seine Zeitgrenze und deine unbemerkt um eine Woche auseinanderliegen und jeder nachgelagerte Vergleich den Fehler erbt.

Die organischen Klicks auf [Domain] sind zwischen [Zeitraum A] und [Zeitraum B] gesunken.
Ermittle die 5 URLs, die den größten Anteil am Verlust haben.
Gib für jede an, ob die Ursache ein Verlust an Impressionen, an Position oder an CTR ist,
nenne die Zahlen hinter dieser Einschätzung und ordne deine Hypothesen nach Wahrscheinlichkeit.
Wenn die Daten für eine URL keine Schlussfolgerung zulassen, sag das.

Vergleiche die Search-Console-Performance von [Domain] für [Monat] in diesem Jahr
mit demselben Monat im Vorjahr. Trenne Brand- und Non-Brand-Suchanfragen.
Sag mir, welche der beiden Gruppen sich verändert hat, um wie viel und ob sich die Veränderung
auf wenige URLs konzentriert oder über die gesamte Website verteilt.

Die Conversion-Rate von [URL der Landingpage] ist zwischen [Datum A] und [Datum B]
von [X] auf [Y] gefallen. Prüfe, ob sich die Zusammensetzung des Traffics geändert hat:
Quelle, Medium, Gerät, Land und Landingpage-Variante.
Berichte nur über Dimensionen, die sich um mehr als 10 Prozent verändert haben,
mit Vorher- und Nachher-Werten.

Prüfe [URL] und liste jedes technische Problem auf, das das Ranking plausibel
beeinträchtigen könnte, sortiert nach wahrscheinlicher Auswirkung statt nach Schweregrad-Label.
Nenne für jedes, was du beobachtet hast, warum es wichtig ist und wie es sich beheben lässt.
Lass alles weg, was du nicht direkt auf der Seite selbst überprüfen kannst.

[Domain] hat Sichtbarkeit für [Keyword-Cluster] verloren. Finde heraus, ob
Wettbewerber die verlorenen Positionen übernommen haben oder ob sich die SERP selbst verändert hat:
neue Features, andere Suchintention, andere Ergebnistypen.
Zeig mir die aktuellen Top 10 und was sich geändert hat.

Prompts für Keyword- und Content-Recherche

Finde Keyword-Chancen für [Domain], für die wir realistisch innerhalb von zwei Quartalen
ranken könnten. Vergleiche unsere rankenden Keywords mit [Wettbewerber 1]
und [Wettbewerber 2], filtere alles mit einer Keyword-Difficulty über [N] heraus und gruppiere
den Rest nach Suchintention. Gib eine Tabelle zurück: Cluster, Beispielsuchanfragen,
gesamtes monatliches Suchvolumen, durchschnittliche Difficulty und warum wir dort gewinnen können.

Erstelle das Query-Fan-out für das Thema [Thema]: Liste die Teilfragen auf, in die
ein ausführlicher Prompt zu diesem Thema zerlegt würde. Prüfe für jede,
ob die aktuellen Top-3-Ergebnisse sie direkt beantworten.
Gib eine Tabelle zurück: Teilfrage, beantwortet von wem, Lücke ja/nein.

Finde Keyword-Kannibalisierung auf [Domain]: Suchanfragen, bei denen mehr als eine
unserer URLs in den letzten 3 Monaten Impressionen erhalten hat.
Nenne für jede die URLs, die Verteilung der Impressionen und welche URL die Suchanfrage
auf Basis der aktuellen Performance besetzen sollte.

Finde Striking-Distance-Keywords für [Domain]: durchschnittliche Position zwischen
8 und 20, mindestens [N] Impressionen in den letzten 28 Tagen.
Sortiere nach Impressionen multipliziert mit dem CTR-Zuwachs, den wir
bei Position 5 erwarten würden. Zeig deinen Rechenweg.

Erstelle ein Content-Briefing für [Ziel-Suchanfrage]. Recherchiere, was die aktuellen Top 5
abdecken, benenne, was ihnen allen fehlt, und baue das Briefing um
diese Lücke herum auf. Nimm die Teilfragen auf, die der Artikel beantworten muss, und die
Quellen, die sich zu zitieren lohnen. Schreib den Artikel nicht.

Prompts für GA4-Analysen

Hier zählen zwei Einschränkungen. Stichproben und Schwellenwerte in GA4 können unbemerkt verändern, was du eigentlich siehst, und die Data API begrenzt Standard-Properties auf 200.000 Core-Tokens pro Property und Tag, wobei komplexe Anfragen mehr kosten. Ein Prompt, der sechs Dimensionen über achtzehn Monate abfragt, ist also ein teurer Prompt.

Vergleiche in der GA4-Property [ID] die Sitzungen und Conversions aus der organischen Suche
für [Zeitraum A] mit [Zeitraum B], aufgeschlüsselt nach Landingpage.
Gib die 10 Landingpages mit der größten absoluten Veränderung bei den Conversions zurück.
Markiere jede Zeile, in der die Zahl der Sitzungen so niedrig ist, dass die
Veränderung der Conversion-Rate Zufall sein könnte.

Ermittle in der GA4-Property [ID], welche Akquisitionskanäle sich im [Zeitraum]
verbessert und welche sich verschlechtert haben, gemessen an Conversions statt an Sitzungen.
Nenne das Conversion-Event, das du verwendet hast. Wenn mehr als ein Conversion-Event
eingerichtet ist, liste sie auf und frag mich, welches du nehmen sollst, bevor du weitermachst.

Analysiere in der GA4-Property [ID] den Pfad, den Nutzer vor einer Conversion bei [Ziel]
im [Zeitraum] durchlaufen. Ermittle die zwei größten Abbruchpunkte in Prozent
und nenne neben den Prozentwerten auch die absoluten Zahlen.

Vergleiche für die GA4-Property [ID] Mobile und Desktop im [Zeitraum]
bei Sitzungen, Interaktionsrate, Conversion-Rate und durchschnittlichem Umsatz.
Sag mir, ob die Lücke bei Mobile im Vergleich zum vorherigen gleich langen Zeitraum
größer oder kleiner wird.

Gleiche die GA4-Property [ID] mit der Search Console für [Domain]
im [Zeitraum] ab. Finde Seiten, die organische Klicks gewonnen, aber
Conversions verloren haben. Nenne für jede die Klicks vorher und nachher, die Conversions vorher
und nachher und eine Hypothese.

Prompts für die Search Console

Zwei harte Grenzen prägen jeden Prompt in diesem Abschnitt: Die Search Analytics API liefert 25.000 Zeilen pro Anfrage und speichert 16 Monate Verlauf. Fragst du nach einem Zweijahresvergleich, sagt dir ein kompetenter Agent, dass die Daten nicht existieren. Ein inkompetenter schätzt.

Liste für [Domain] Suchanfragen aus den letzten 3 Monaten mit mehr als
[N] Impressionen und einer CTR, die mehr als 40 Prozent unter der durchschnittlichen CTR
ihres Positionsbereichs liegt. Gib Suchanfrage, Position, Impressionen, tatsächliche CTR,
erwartete CTR und die rankende URL zurück.

Finde Seiten auf [Domain], bei denen Google für eine Suchanfrage eine andere URL rankt als
die, die wir dafür vorgesehen haben. Vergleiche die rankende URL mit der
Seite, deren Hauptthema zur Suchanfrage passt. Liste die Abweichungen auf.

Vergleiche die Search-Console-Performance von [Domain] über die letzten 4 Quartale.
Ermittle Content-Cluster mit strukturellem Rückgang, also sinkenden Impressionen
über drei oder mehr aufeinanderfolgende Quartale, im Unterschied zu saisonalen Dellen.
Zeig für jeden Cluster die Quartalswerte.

Berichte für [Domain] über die Performance auf den KI-Oberflächen von Google im [Zeitraum]
anhand der Berichte zu generativer KI in der Search Console. Vergleiche sie mit der gesamten
Websuche-Performance im selben Zeitraum. Verwende keine Schätzungen von Drittanbietern
zur KI-Sichtbarkeit.

Prompts für Wettbewerbs- und Markensichtbarkeit

Vergleiche [Domain] mit [Wettbewerber 1] und [Wettbewerber 2] bei der organischen
Sichtbarkeit für [Themenbereich]. Gib eine Tabelle zurück mit gemeinsamen Keywords, bei denen sie
vor uns ranken, Keywords, für die nur sie ranken, und Keywords, für die nur wir ranken,
jeweils mit Suchvolumen und Difficulty.

Prüfe, wie [Marke] aktuell beschrieben wird, wenn man den großen KI-Assistenten
[Zielfrage] stellt. Berichte, was jeder geantwortet hat, welche Quellen er zitiert hat
und ob unsere eigene Domain darunter war. Zitiere die Antworten, statt
sie zusammenzufassen.

Analysiere die letzten [N] Artikel, die [Wettbewerber] zu [Thema] veröffentlicht hat.
Ermittle das strukturelle Muster, das sie verwenden: typische Länge, Aufbau der Überschriften,
was sie zitieren, was sie konsequent weglassen. Empfiehl nicht, es zu kopieren,
sondern sag mir, was diese Lücke wert ist.

Prompts für das Reporting

Erstelle die monatliche Zusammenfassung der organischen Performance für [Domain], [Monat].
Aufbau: ein Fazit in einem Absatz, dann eine Tabelle mit Klicks, Impressionen,
durchschnittlicher Position und Conversions samt Veränderung zum Vormonat und zum Vorjahr,
dann die drei wichtigsten Entwicklungen mit jeweils einer Ursache,
dann der empfohlene Fokus für den nächsten Monat. Jede Zahl muss aus den
verbundenen Daten stammen. Schreib „nicht verfügbar“, wo es sie nicht gibt.

Mach aus der Analyse oben ein Dokument, das an Kunden gehen kann. Lass jede Zahl
unverändert. Entferne interne Tool-Namen und Fachjargon. Beginne mit dem geschäftlichen
Ergebnis statt mit der Kennzahl. Maximal eine Seite.

Prüfe jeden Montag um 9 Uhr die Search Console von [Domain] auf Keyword-Cluster,
deren Klicks im Wochenvergleich um mehr als 25 Prozent gefallen sind, bei mindestens
[N] Impressionen. Wenn nichts die Schwelle überschreitet, antworte mit einer einzigen
Zeile, die das sagt. Wenn doch, untersuche die Ursache, bevor du berichtest.

Prompt-Anti-Patterns, die du vermeiden solltest

So verhinderst du, dass ein Agent Daten erfindet

Drei Zeilen, wortwörtlich in jeden Prompt übernommen, bei dem es auf die Zahlen ankommt:

Jede Zahl muss aus den verbundenen Datenquellen stammen.
Wenn eine Zahl nicht verfügbar ist, schreib „nicht verfügbar“ und schätze niemals.
Gib an, aus welcher Quelle jede Zahl stammt.

Das funktioniert, weil erfundene Inhalte meist entstehen, wenn das Modell einen unausgesprochenen Konflikt zwischen „sei hilfreich“ und „sei genau“ auflöst. Machst du die Genauigkeitsanforderung explizit, fällt die Entscheidung in die richtige Richtung. Eine Garantie ist das nicht, und deshalb zählt das Protokoll: Ein Agent kann nicht zuverlässig erkennen, wann er falschliegt, und die Einschätzung von Gartner, dass die meisten Agentic-AI-Projekte an unzureichenden Risikokontrollen scheitern, beschreibt genau diese Lücke.

Wie konkret sollte ein Prompt sein?

Konkret beim Ziel, beim Rahmen und bei der Ausgabe. Locker bei der Methode. Diese Balance ist leicht formuliert und lässt sich in beide Richtungen leicht verfehlen.

Zu vage klingt so: „Prüf unsere Search Console auf Probleme.“ Der Agent hat keine Ziellinie, also schaut er sich von allem ein bisschen an und liefert eine Liste mit Dingen, die du schon kanntest. Zu detailliert klingt so: „Frag die Search Console für die letzten 28 Tage ab, filtere dann auf Position 8 bis 20, verknüpfe das mit den GA4-Sitzungen und sortiere nach Impressionen.“ Das ist ein Skript. Und wenn schon die erste Abfrage zeigt, dass das eigentliche Problem woanders liegt, folgt der Agent trotzdem deiner Reihenfolge und übersieht es.

Die Version, die funktioniert, liegt dazwischen: Benenne die Entscheidung, die getroffen werden soll, und den Belegstandard, den sie erfüllen muss, und lass den Agenten den Weg dorthin selbst wählen. Der Praxisleitfaden von Search Engine Land zum Aufbau von Agent-Skills kommt zum selben Ergebnis: Anweisungen so eng fassen, dass die Ausgabe reproduzierbar ist, ohne den Weg vorzuschreiben.

Ein einfacher Praxistest: Wenn du die genaue Tool-Reihenfolge vorhersagen kannst, die dein Prompt auslöst, ist er zu detailliert. Wenn du nicht vorhersagen kannst, wie die Antwort aussehen wird, ist er zu vage.

Noch etwas, das du wissen solltest

Kein Prompt macht von Agenten geschriebene Inhalte geeigneter für AI Overviews (die KI-Übersichten in der Google-Suche) oder AI Mode (den KI-Modus). Googles Leitfaden stellt klar, dass es „keine zusätzlichen Anforderungen gibt, um in AI Overviews oder AI Mode zu erscheinen, und auch keine besonderen Optimierungen nötig sind“. Prompts im Netz, die „KI-optimierte“ Ausgaben versprechen, verkaufen dir Formatierung. Nutze Agenten, um herauszufinden, worüber du schreiben solltest, und um zu prüfen, ob du es abgedeckt hast. Dieser Teil funktioniert.

Wenn du diese Prompts mit deinen eigenen verbundenen Search-Console- und GA4-Daten ausführen willst, sieh dir Autopilot an. Wenn du die Überlegungen hinter den Tipps zum Prompt-Rahmen nachlesen willst, erklärt was autonome Agenten ausführen können und was nicht die Grenzen im Detail.