Keywords-Suggestion-Tools methodisch auswählen und bewerten

Keywords-Suggestion-Tools erzeugen in wenigen Sekunden Hunderte oder Tausende Suchbegriffe. Doch ein großer Export ist noch keine belastbare Entscheidungsgrundlage. Er vermischt relevante Themen mit Dubletten, mehrdeutigen Begriffen, fremden Marken, abweichenden Regionen und unterschiedlichen Suchintentionen.

Die entscheidende Frage lautet deshalb nicht: Welches Tool liefert die meisten Keywords? Wichtiger ist, welche Vorschlagsquelle zur eigenen Aufgabe passt, wie verständlich die angezeigten Kennzahlen sind und wie effizient sich die Ergebnisse in verwertbare Themencluster überführen lassen.

Dieser Leitfaden ist keine Bestenliste und kein Ranking. Er bietet ein Prüfraster für drei Aufgaben:

1. Vorschlagsquellen und ihre Grenzen verstehen
2. Ergebnisse nach Suchintention und Nutzerbedürfnis clustern
3. Aus ungefilterten Ideen eine priorisierte Arbeitsliste erstellen

Ein Keywords-Suggestion-Tool ist nicht allgemein gut oder schlecht. Sein Wert hängt davon ab, welche Daten es verwendet, welche Lücke es schließen soll und wie viel Nacharbeit seine Vorschläge verursachen.

Warum die Vorschlagsquelle wichtiger ist als die Oberfläche

Viele Tools sehen ähnlich aus: Seed-Begriff eingeben, Sprache und Region auswählen, Tabelle exportieren. Hinter vergleichbaren Oberflächen können jedoch unterschiedliche Datenquellen stehen. Diese Herkunft bestimmt, welche Fragen sich mit den Ergebnissen beantworten lassen.

Autovervollständigung und verwandte Suchvorschläge

Einige Tools sammeln automatisch vervollständigte Suchanfragen oder verwandte Formulierungen. Google bezeichnet die Vorschläge seiner Autovervollständigung als Vorhersagen, die reale Suchanfragen widerspiegeln. Bei der Auswahl können unter anderem häufige Abfragen, die Sprache, der Standort, steigendes Interesse und frühere Suchanfragen berücksichtigt werden. Google weist außerdem darauf hin, dass Autocomplete nicht einfach die häufigsten Suchanfragen zu einem Thema anzeigt. Google Search Help zur Autovervollständigung

Diese Quelle ist vor allem hilfreich, um den Sprachgebrauch zu erkunden:

• Welche Fragen stellen Suchende?
• Welche Ergänzungen verbinden sie mit einem Ausgangsbegriff?
• Welche Problemformulierungen existieren neben der Fachsprache?
• Welche längeren Varianten werden sichtbar?

Aus dem Auftauchen oder der Reihenfolge eines Vorschlags lässt sich jedoch kein belastbares absolutes Suchvolumen ableiten. Suggestionsdaten beantworten vor allem die Frage, wie Menschen suchen. Für die Größenordnung der Nachfrage wird eine weitere Quelle benötigt.

Daten aus Werbeplattformen

Der Google Keyword Planner kann neue Keyword-Ideen aus eingegebenen Begriffen oder aus dem Inhalt einer Website ableiten. Vorhandene Keyword-Listen lassen sich hochladen, um Suchvolumen und Prognosen abzurufen. Die Prognosen beziehen sich unter anderem auf mögliche Klicks, Impressionen oder Conversions unter bestimmten Anzeigenbedingungen. Google Ads-Hilfe zum Keyword Planner

Damit eignet sich diese Quellklasse für grobe Nachfrageklassen und kommerzielle Einschätzungen. Die Daten stehen allerdings in einem Anzeigenkontext. Prognosen berücksichtigen Faktoren wie Budget, Gebot, Saisonalität und historische Anzeigenqualität. Sie sollten daher nicht als exakte Vorhersage organischer Klicks interpretiert werden. Google Ads-Hilfe zu Keyword-Prognosen

Praktisch bedeutet das: Verwenden Sie die Werte zur Unterscheidung von niedriger, mittlerer und hoher Nachfrage. Vermeiden Sie künstlich genaue Rangfolgen zwischen fast gleich großen Schätzwerten.

Zeitreihen und relative Interessenentwicklung

Google Trends verwendet eine Stichprobe tatsächlicher Suchanfragen. Die Daten werden relativ zur gesamten Suchaktivität der gewählten Region und Zeitspanne normalisiert und anschließend auf eine Skala von 0 bis 100 übertragen. Gleiche Trends-Werte in zwei Regionen bedeuten deshalb nicht zwangsläufig gleich viele Suchanfragen. Google Trends-Hilfe zur Normalisierung

Trends beantwortet somit keine absolute Mengenfrage. Das Werkzeug hilft bei anderen Entscheidungen:

• Wächst oder sinkt das Interesse?
• Ist die Nachfrage saisonal?
• Wann sollte ein saisonaler Inhalt bereitstehen?
• Entwickeln sich Regionen unterschiedlich?
• Gewinnt eine neue Formulierung an Bedeutung?

Verwandte Suchanfragen können als besonders häufige oder als steigende Abfragen ausgewiesen werden. Bei steigenden Abfragen wird die Entwicklung mit der vorherigen Periode verglichen. Google Trends-Hilfe zu verwandten Suchanfragen

Diese Daten liefern Richtung und Kontext. Ein Trends-Wert von 100 ist aber weder mit 100 monatlichen Suchanfragen noch mit 100 Impressionen in der Search Console vergleichbar.

Eigene Leistungsdaten aus der Search Console

Der Leistungsbericht der Google Search Console zeigt, über welche Suchanfragen eine Website in den Google-Suchergebnissen sichtbar wird. Zu den verfügbaren Kennzahlen gehören Klicks, Impressionen, CTR und durchschnittliche Position. Die Daten lassen sich unter anderem nach Suchanfrage, Seite, Land, Gerät und Datum gruppieren. Google Search Console-Hilfe zum Leistungsbericht

Diese Quelle ist besonders wertvoll, wenn bereits eine Verbindung zwischen einem Thema und der eigenen Website besteht. Sie kann beispielsweise zeigen:

• Suchanfragen mit vielen Impressionen und wenigen Klicks
• relevante Begriffe, für die bereits eine Seite erscheint
• mehrere Formulierungen, die auf dieselbe Seite führen
• unerwartete Teilfragen innerhalb eines bestehenden Themenbereichs
• Seiten, deren Suchanfragen nicht zur beabsichtigten Aufgabe passen

Die Search Console bildet dabei nur die Sichtbarkeit der eigenen Website ab. Themen, für die noch keine oder kaum Impressionen bestehen, können im Bericht fehlen. Für die Entdeckung vollständig neuer Felder bleiben externe Quellen erforderlich.

Eigene Indizes und kombinierte Modelle

Kommerzielle Anbieter können eigene Keyword-Indizes, gecrawlte Suchergebnisse, Klickstromdaten, Werbedaten oder Kombinationen daraus verwenden. Die Methodik ist nicht immer vollständig einsehbar.

Für die Bewertung reichen zunächst drei Fragen:

1. Wird die Kennzahl gemessen, geschätzt oder aus anderen Werten abgeleitet?
2. Auf welche Sprache, Region und Zeitspanne bezieht sie sich?
3. Welche konkrete Entscheidung darf aufgrund dieser Kennzahl getroffen werden?

Je unklarer die Antworten sind, desto geringer sollte das Gewicht der Metrik ausfallen.

Keywords-Suggestion-Tools mit sechs Kriterien prüfen

Ein sinnvoller Vergleich beginnt mit einer klaren Aufgabe. Soll das Werkzeug neue Problemformulierungen aufdecken, bestehende Sichtbarkeit erschließen, saisonale Entwicklungen erkennen oder den manuellen Filteraufwand reduzieren?

Danach prüfen Sie jeden Kandidaten anhand derselben Kriterien.

1. Herkunft der Vorschläge

Das Tool sollte erkennen lassen, ob die Begriffe aus Autovervollständigungen, Werbedaten, einem eigenen Index, Wettbewerbsanalysen oder den Daten Ihrer Website stammen.

Eine unklare Quelle macht ein Werkzeug nicht automatisch unbrauchbar. Seine Ergebnisse können weiterhin als Inspiration dienen. Sie sollten nur keine weitreichende Priorisierungsentscheidung allein auf eine nicht nachvollziehbare Kennzahl stützen.

2. Bedeutung der Metriken

Formulieren Sie für jede relevante Spalte einen Satz:

Diese Kennzahl misst oder schätzt …

Gelingt das nicht, verwenden Sie die Spalte nicht als zentrales Sortierkriterium. Halten Sie relative Trends-Werte, geschätztes Suchvolumen und eigene Impressionen stets getrennt. Sie beschreiben unterschiedliche Sachverhalte und dürfen weder addiert noch direkt gegeneinander aufgerechnet werden.

3. Abdeckung der eigenen Nische

Testen Sie das Tool nicht nur mit einem breiten Oberbegriff. Nutzen Sie drei bis fünf bekannte Formulierungen:

• einen etablierten Fachbegriff
• eine typische Laienformulierung
• eine konkrete Problembeschreibung
• bei Bedarf eine regionale Variante
• bei Bedarf einen branchenspezifischen Ausdruck

Bewerten Sie, ob das Tool alle sprachlichen Perspektiven erfasst. Eine große Datenbank kann generische Begriffe gut abdecken und trotzdem wichtige Fachfragen übersehen. Eine spezialisierte Quelle kann wiederum Fachsprache erfassen, aber kaum frühe Informationsbedürfnisse liefern.

4. Anteil irrelevanter Vorschläge

Nicht die Anzahl aller Ergebnisse entscheidet über den Nutzen, sondern der Anteil verwertbarer Ideen.

Ziehen Sie aus jedem Export eine zufällige Stichprobe von 50 Zeilen. Markieren Sie Vorschläge, die wegen falscher Bedeutung, Sprache, Region, Zielgruppe oder Suchintention ausscheiden. Erfassen Sie außerdem fremde Marken und nahezu identische Varianten.

Berechnen Sie anschließend:

Verwertbare Treffer / geprüfte Treffer × 100

Diese Quote ist kein allgemeiner Qualitätswert. Sie macht aber Kandidaten für denselben Anwendungsfall vergleichbar. Ein kleiner, präziser Export kann weniger Arbeitszeit kosten als eine sehr große Liste mit hohem Rauschanteil.

5. Filter, Export und Wiederholbarkeit

Prüfen Sie, ob der Export Suchbegriff, Quelle, Region, Sprache, Erhebungszeitpunkt und Metriken sauber trennt. Achten Sie außerdem auf:

• korrekte Umlaute und Zeichenkodierung
• nachvollziehbare Filterregeln
• zuverlässige Behandlung exakter Dubletten
• ein weiterverarbeitbares Dateiformat
• erkennbare Aktualität
• Wiederholbarkeit derselben Abfrage

Reproduzierbare Läufe sind wichtig, wenn Sie Entscheidungen später nachvollziehen oder Entwicklungen vergleichen möchten.

6. Passung zum tatsächlichen Engpass

Das passende Tool reduziert den größten Aufwand in Ihrem bestehenden Prozess. Fehlen neue Formulierungen, ist eine breite Suggestionsquelle sinnvoll. Dauert die Bereinigung zu lange, sind präzise Filter wichtiger. Entsteht der Engpass beim Gruppieren, haben nachvollziehbare Clusterfunktionen mehr Wert als weitere Tausende Vorschläge.

Zwei Kandidaten mit einem Überlappungstest vergleichen

Für einen kompakten Praxistest wählen Sie drei Seeds:

1. einen fachlichen Oberbegriff
2. eine alltagssprachliche Formulierung
3. ein konkretes Problem oder Bedürfnis

Lassen Sie beide Tools mit denselben Einstellungen arbeiten. Vereinheitlichen Sie anschließend Großschreibung, Leerzeichen und offensichtliche Schreibvarianten. Entfernen Sie exakte Dubletten und teilen Sie das Ergebnis in drei Gruppen:

• Vorschläge aus beiden Tools
• Vorschläge nur aus Tool A
• Vorschläge nur aus Tool B

Die Differenz ist häufig aufschlussreicher als die Schnittmenge. Viele Fragen und lange Formulierungen können auf einen starken Suggestionsanteil hindeuten. Viele Preis-, Anbieter- oder Kaufzusätze können auf einen kommerziell geprägten Datenbestand hinweisen. Das sind Indizien, keine Beweise für eine bestimmte Quelle.

Bei hoher Überschneidung genügt möglicherweise eines der Tools. Eine geringe Überschneidung kann zeigen, dass sich zwei Quellklassen sinnvoll ergänzen. Sie kann allerdings auch durch viel Rauschen entstehen. Prüfen Sie deshalb die exklusiven Treffer wiederum anhand einer Stichprobe.

Vor der Bewertung nach Suchintention clustern

Ein Rohexport mischt unterschiedliche Nutzerbedürfnisse. Wer sofort nach Suchvolumen sortiert, riskiert Seitenkonzepte, die mehrere unvereinbare Aufgaben erfüllen sollen.

Eine erste Einteilung kann vier Intentionsklassen verwenden:

Wissen: Die Person möchte etwas verstehen oder ein Problem lösen. Hinweise liefern Fragewörter sowie Begriffe wie „Bedeutung“, „Anleitung“, „Ursache“ oder „Unterschied“.

Bewerten: Die Person prüft Optionen und Auswahlkriterien. Typische Signale sind „Vergleich“, „Alternative“, „geeignet“, „Erfahrungen“ oder zielgruppenspezifische Zusätze.

Handeln: Die Person möchte kaufen, buchen, beauftragen oder eine konkrete Aktion beginnen. Preisbezüge, Angebotsbegriffe und regionale Ergänzungen können darauf hinweisen.

Navigieren: Die Person sucht gezielt eine Marke, Website oder Anwendung. Fremde Marken werden je nach redaktionellem Zweck entfernt oder separat behandelt.

Wortmuster liefern nur eine Vorzuordnung. Prüfen Sie wichtige oder mehrdeutige Begriffe anhand der aktuellen Suchergebnisse. Dominieren Ratgeber, Auswahlseiten oder Produktseiten? Werden verschiedene Bedürfnisse in getrennten Ergebnisgruppen bedient? Diese Prüfung hilft, die erwartete Seitenart zu erkennen.

Innerhalb jeder Intentionsklasse bilden Sie Cluster nach einer Leitfrage:

Könnte eine einzige Seite alle Begriffe dieses Clusters zufriedenstellend bedienen?

Wenn ja, gehören die Varianten wahrscheinlich zusammen. Wenn ein Begriff einen anderen Seitentyp, eine andere Entscheidungssituation oder eine deutlich andere Informationstiefe verlangt, wird er getrennt. Entscheidend ist das gemeinsame Bedürfnis, nicht die bloße Wortähnlichkeit.

Aus Clustern eine priorisierte Arbeitsliste erstellen

Bewertet wird nun nicht jedes einzelne Keyword, sondern das gesamte Cluster. Berücksichtigen Sie fünf Faktoren.

Nachfrage: Ordnen Sie das geschätzte Potenzial groben Größenklassen zu. Kleine Unterschiede zwischen Schätzwerten sollten keine präzise Rangfolge vortäuschen.

Eigene Ausgangslage: Search-Console-Daten zeigen, ob bereits Impressionen, Klicks oder erste Positionen vorhanden sind. Ein Cluster mit bestehender Sichtbarkeit und plausibler Verbesserungsmöglichkeit kann schneller Wirkung entfalten als ein vollständig neues Thema.

Entwicklung: Prüfen Sie, ob das Interesse stabil, saisonal, zunehmend oder rückläufig ist. Bei ansonsten ähnlichen Voraussetzungen kann ein wachsendes Cluster höher priorisiert werden.

Redaktionelle Relevanz: Das Thema sollte zur Zielgruppe und zur fachlichen Positionierung passen. Fragen Sie, ob Sie eine belastbare Antwort mit eigenen Erfahrungen, Daten, Beispielen oder Fachwissen liefern können.

Aufwand: Berücksichtigen Sie notwendige Expertise, Recherche, Medien, Abstimmungen und Aktualisierungsbedarf. Ein kleineres, klar umsetzbares Cluster kann vor einem großen Thema liegen, für das die nötige Substanz fehlt.

Die fertige Arbeitsliste enthält pro Zeile mindestens:

• Clustername und Suchintention
• repräsentative Hauptformulierung
• wichtige Varianten und Teilfragen
• grobe Nachfrageklasse
• vorhandene Impressionen, Klicks und Positionen
• zeitliche Entwicklung
• redaktionelle Relevanz
• geschätzten Aufwand
• begründete Priorität
• Datenquellen und Prüfdatum

Der wiederholbare Ablauf

1. Die konkrete Aufgabe des Tools festlegen.
2. Seeds aus Fachsprache, Alltagssprache und Problemformulierung auswählen.
3. Zwei Kandidaten aus unterschiedlichen Quellklassen mit identischen Einstellungen testen.
4. Exporte normalisieren, zusammenführen und deduplizieren.
5. Den Rauschanteil anhand von 50 zufälligen Zeilen messen.
6. Verbleibende Begriffe nach Suchintention und gemeinsamem Bedürfnis clustern.
7. Jedes Cluster anhand von Nachfrage, Ausgangslage, Entwicklung, Relevanz und Aufwand bewerten.
8. Die priorisierte Liste mit Quellen, Annahmen und Datum dokumentieren.

Ein Keywords-Suggestion-Tool ist dann passend, wenn seine Vorschlagsquelle zur Fragestellung passt, seine Grenzen verständlich bleiben und seine Ergebnisse mit vertretbarem Aufwand in klare Themenentscheidungen überführt werden können.

Der Export ist nur Rohmaterial. Der eigentliche Wert entsteht durch die Trennung der Suchintentionen, die Bildung sinnvoller Cluster und eine Priorisierung, bei der jede Kennzahl genau die Aufgabe erfüllt, für die sie geeignet ist.