Die unbequeme Wahrheit über „Prompt Volume“: Warum die Zahlen Bullshit sind

„Prompt Volume“ klingt nach der Zukunft der Keyword-Recherche: Wie oft suchen Menschen in ChatGPT, Perplexity & Co. nach bestimmten Begriffen? Einige Tools behaupten, genau das messen zu können. Doch die unbequeme Wahrheit ist: Diese Zahlen sind keine echten Messungen, sondern hochgerechnete Schätzungen auf Basis von unvollständigen Daten.

Und genau darin liegt das Problem.

Woher kommen Prompt-Volumen eigentlich?

Die meisten sogenannten AI-Prompt-Tracking-Tools greifen auf Paneldaten aus Chrome Extensions zurück. Diese Extensions erfassen, was Nutzer in ChatGPT, Perplexity oder Googles AI Mode eingeben.

Das führt zu mehreren fundamentalen Verzerrungen:

• Nur ein winziger Teil der Nutzer ist erfasst
• Keine Safari-Nutzer
• Keine mobilen Nutzer
• Keine ChatGPT-App-Nutzung
• Keine Enterprise-Geräte mit gesperrten Erweiterungen
• Keine Opt-out-Nutzer
• Kurz gesagt: Die große Mehrheit fehlt

Hinzu kommt: In LLMs wird nicht nur „gesucht“. Menschen erstellen Reisepläne, schreiben E-Mails, entwickeln Rezepte, brainstormen Ideen, lösen Hausaufgaben oder programmieren. Kommerzielle Suchanfragen sind nur ein sehr kleiner Teil dieses Rauschens.

Das eigentliche Problem:
Massive Hochrechnung (Extrapolation)

Wenn ein Panel-Tool zum Beispiel nur 1 % der tatsächlichen Nutzung sieht, wird diese Zahl einfach mit Faktor 100 hochgerechnet. Genau deshalb wirken viele Prompt-Zahlen so gigantisch – und scheitern trotzdem am simplen Reality-Check.

Beispiel 1: „ai email agents“

• Ahrefs: 40 Suchanfragen
• Google Search Console: 45 Impressions
• Profound: 9.800 Prompts

Das würde bedeuten, dass die Nachfrage in ChatGPT 245-fach höher sei als in Google. Realistisch? Kaum.

Beispiel 2: Bottom-Funnel SaaS-Keyword

• Ahrefs: 9.200
• GSC: 11.667 Impressions
• Profound: 250.800 Prompts

Ein 25-facher Sprung, nicht durch echte Nachfrage – sondern durch mathematische Skalierung.

Selbst Ali Vaghar, Head of Data bei Profound, empfiehlt ausdrücklich, Prompt-Zahlen immer gegen Google Search Console zu validieren. Ohne diesen Abgleich führen aufgeblähte Signale Teams schnell in die falsche Richtung.

Die vier Datenquellen hinter AI-Visibility-Tools

1. Chrome-Extension-Panels
Liefern grobe Nutzungsmuster aus einem extrem kleinen Nutzersegment.

✅ Zeigen grobe Trends
❌ Keine Marktvolumina, keine Mobile-Daten, keine App-Daten

2. Web-Analytics-Panels (Antivirus & Privacy Tools)
Noch kleinere Stichproben mit hoher Fehlertoleranz.

✅ Extrem grobe Richtungen
❌ Keine echte Marktabbildung, massive Schätzfehler

3. Klassische SERP-Tools (Ahrefs, Semrush)
Basieren auf Klickdaten und Search-Console-Anbindungen.

✅ Realistischere Nachfrage
❌ Keine Aussagen zu LLMs

4. Google Search Console (First Party)

✅ Echte Impressionen und Klicks
❌ Keine Einblicke in KI-Antworten

Strukturelle Schwächen von Panel-Datasets

• Extrem viel Rauschen durch nicht-kommerzielle Nutzung
• Große blinde Flecken durch fehlende Plattformen
• Künstliche Skalierung durch Hochrechnung
• Trügerische Genauigkeit durch exakte Zahlen ohne echte Marktabdeckung
• Fehlendes SEO-Domainwissen bei vielen Tool-Anbietern

Das Ergebnis: Zahlen, die präzise wirken, aber nicht belastbar sind.

27 kritische Fragen, die jedes Unternehmen stellen sollte

Wer Prompt-Tracking-Tools einsetzt, sollte unter anderem fragen:

• Wie groß ist euer Panel in Relation zum Gesamtmarkt?
• Wie hoch ist eure tägliche Varianz?
• Welcher Skalierungsfaktor wird angewendet – und warum genau dieser?
• Gibt es eine echte Fehlertoleranz oder ein Konfidenzintervall?
• Wie wird Mobile- und App-Nutzung berücksichtigt?
• Wie viel der erfassten Prompts haben tatsächlich kommerzielle Intention?
• Warum wird mit 90-Tage-Fenstern gearbeitet, wenn SEO-Tools monatlich rechnen?
• Welche echten Business-Entscheidungen lassen sich seriös aus diesen Daten ableiten?

Wie man Prompt-Volumen verantwortungsvoll nutzt

✔ Immer gegen Google Search Console und Ahrefs gegenprüfen
✔ Prompt-Daten nur als Richtungsindikator, nicht als absolute Wahrheit sehen
✔ Echte Prompts analysieren, nicht nur aggregierte Zahlen

Fokus auf:

• Wie wird meine Marke genannt?
• Wie wird sie beschrieben?
• Welche Wissenslücken nutzt das LLM?

❌ Nicht auf überhöhte Zahlen optimieren
❌ Keine Strategie auf reinen Hochrechnungen aufbauen

Was stattdessen wirklich zählt

Bei Notebook Agency wird nicht auf aufgeblähte Prompt-Zahlen geschaut, sondern auf die realen Entscheidungskriterien aus echten Sales-Gesprächen. Wenn klar ist, welche Kriterien einen Deal entscheiden, kann die Darstellung in LLMs gezielt optimiert werden – von der bloßen Erwähnung hin zur echten Empfehlung.

Fazit

„Prompt Volume“ ist aktuell weniger Messgröße als hochgerechnete Schätzung mit enormer Unsicherheit. Wer diese Zahlen unkritisch verwendet, riskiert falsche Prioritäten, verschobene Budgets und strategische Fehlentscheidungen. Der Schlüssel liegt nicht in der Jagd nach möglichst großen Zahlen – sondern in Sichtbarkeit, Klarheit und korrekter Repräsentation in KI-Systemen.

Danke, Steve!

Ein besonderer Dank geht an Steve Toth für diese klare, ehrliche und dringend notwendige Einordnung. Sein Beitrag bringt dringend benötigte Transparenz in einen Markt, der aktuell stark von Hype und falscher Sicherheit geprägt ist. 🙌