AEO-Experte erklärt, warum der Traffic einbricht, wenn Sie den Content verzehnfachen – und was Sie dagegen tun können

Brendan Hufford ist ein ehemaliger SEO-Direktor, der eine B2B-SaaS-Beratung für Content-Marketing und AEO namens Growth Sprints aufgebaut hat, bei der er Unternehmen dabei unterstützt, von 10 Mio. $ auf 100 Mio. $ zu skalieren.

Wir haben uns mit Brendan unterhalten, um zu erfahren, wie man von LLMs zitiert wird. Er hat uns den Arbeitsablauf erklärt.

KI in Echtzeit verstehen

Ich bin Brendan Hufford, Gründer von Growth Sprints, einer B2B-SaaS-Beratung für Content-Marketing und SEO/AEO. Ich unterstütze Unternehmen dabei, mit Content-Systemen, die in der Suche, in Newslettern und auf LinkedIn erfolgreich sind, von 10 Mio. $ auf 100 Mio. $ zu skalieren.

Mein Weg hierher verlief nicht geradlinig. Ich begann als Psychologielehrer an einer Oberschule, wechselte vor etwa einem Jahrzehnt zu SEO und Content-Marketing und verbrachte Jahre damit, das Handwerk in Agenturen und internen Teams zu erlernen, bevor ich mich selbstständig machte.

Der Wandel hin zu KI im Marketing war bisher der interessanteste Moment meiner Karriere. Vieles, worauf ich meine Arbeit aufgebaut hatte – traditionelles SEO mit Rankings und Traffic als Ziel –, begann sich schnell zu verändern. Die Inhalte von Kunden tauchten in Antworten von ChatGPT und Perplexity auf, ohne auch nur einen einzigen Klick zurück auf ihre Website zu generieren. CMOs mussten ihre Content-Investitionen in QBRs verteidigen und hatten oft keine überzeugenden Antworten.

Der Wandel hin zu KI im Marketing war bisher der interessanteste Moment meiner Karriere.

Also habe ich die Methodik rund um das neu aufgebaut, was ich heute Inhalts-IP und Entdeckungszyklen nenne – Rahmenwerke für eine Welt, in der Inhalte sowohl KI-Zitate als auch Conversions durch Menschen erzielen müssen.

Ehrlich gesagt finde ich vieles davon gemeinsam mit meinen Kunden noch in Echtzeit heraus. Aber genau das macht diesen Moment so interessant.

So misst man die Sichtbarkeit in der KI

Ich habe unsere Methode zur Messung der Sichtbarkeit von Inhalten neu aufgebaut. Jahrelang haben wir standardmäßig Ranking-Tracking und organischen Traffic verwendet. Das ist weiterhin nützlich, aber längst nicht mehr das vollständige Bild. Käufer führen inzwischen einen großen Teil ihrer Recherche in KI-Tools durch, und die Google Search Console zeigt davon nichts.

Deshalb erstelle ich heute für jedes Kundenprojekt eine Tabelle zur AEO-Prompt-Verfolgung. Wir identifizieren 60 bis 150 Prompts mit Kaufabsicht, die ein echter Interessent in ChatGPT, Perplexity, Claude oder Gemini eingeben würde. Anschließend verfolgen wir, ob der Kunde zitiert wird, welche Wettbewerber die KI stattdessen zitiert und aus welchen Quellen die KI ihre Informationen bezieht. Wir wiederholen den Vorgang regelmäßig und beobachten die Entwicklung.

Für jedes Kundenprojekt erstelle ich heute eine Tabelle zur AEO-Prompt-Verfolgung.

Die Ergebnisse haben einiges grundlegend verändert:

1. Meine Kunden erhielten eine messbare Antwort auf eine Frage, die ihre CEOs und Vorstände zunehmend stellten: „Werden wir in der KI angezeigt?“ Zuvor tappten die meisten Marketingteams im Dunkeln.
2. Es hat verändert, was wir erstellen. Wenn man sieht, dass KI-Tools stärker auf G2-Bewertungen, Reddit-Diskussionen und Analystenberichte als auf den eigenen Blog zurückgreifen, verschieben sich die Content-Prioritäten schnell. Wir begannen, mehr in verdiente Erwähnungen, eigene Studien und Inhalts-IP zu investieren, die von der KI zitiert werden, statt einfach weitere SEO-Beiträge zu veröffentlichen und auf ein gutes Ranking zu hoffen.

Tatsächlich habe ich erlebt, dass Unternehmen ihre KI-Zitierrate innerhalb eines Quartals von 8 % auf 40 % steigerten und ihre Pipelines versechsfachten.

So implementiert man einen AEO-Arbeitsablauf

Hier ist die schrittweise Aufschlüsselung:

Schritt 1: Prompts sammeln. Ich beginne beim Vertriebsteam und mit dessen Gesprächsaufzeichnungen. Ich erfasse jede Frage, die Interessenten stellen, jeden Einwand und jeden Moment, in dem jemand sagt: „Ich habe mich gerade mit … beschäftigt“ oder „Ich habe ChatGPT zu … befragt“. Ergänzend nutze ich Support-Tickets, Notizen des Kundenerfolgsteams sowie Reddit- und G2-Diskussionen. Das Ziel sind 60 bis 150 Prompts mit Kaufabsicht, die ein Mensch in ein KI-Tool eingeben würde.

Schritt 2: KI-gestützte Erweiterung der Prompts. Ich nehme diese Ausgangsliste und lasse sie von Claude erweitern. Variationen in der Formulierung, verschiedene Phasen der Kundenreise und unterschiedliche Personas, die dieselbe grundlegende Frage stellen. KI ist hier nützlich, weil die Arbeit Mustererkennung und kein originäres Denken erfordert. Ich erstelle eine strukturierte Tabelle mit Prompts, kategorisiert nach Kaufphase, Persona und Absicht.

Schritt 3: Manuelles Testen der Quellenangaben. Ich führe jeden Prompt durch ChatGPT, Perplexity, Claude und Gemini aus. Ich dokumentiere, ob das Unternehmen zitiert wird, welche Wettbewerber stattdessen zitiert werden und aus welchen Quellen die KI ihre Informationen bezieht (G2, Reddit, der Blog des Kunden, Analystenberichte, Podcasts usw.). Dieser Teil erfolgt teilweise noch manuell, weil Automatisierungstools noch nicht zuverlässig genug sind. Ich nutze KI, um die Ergebnisse zu kennzeichnen und zu kategorisieren, aber ein Mensch muss die Antworten lesen.

Schritt 4: Musteranalyse. Ich nutze Claude, um den vollständigen Datensatz zu analysieren und Muster zu identifizieren. Wo gewinnt die Organisation? Wo verliert sie? Welchen Quellen vertrauen die KI-Tools in dieser Kategorie am meisten? Welche Wettbewerber tauchen immer wieder auf und warum? Hier macht sich KI bezahlt, denn 600 KI-Antworten zu Themen zusammenzufassen, ist eine Aufgabe, die kein Mensch gerne von Hand erledigt.

Schritt 5: Strategische Interpretation. Dieser Teil ist vollständig menschlich. Ich überprüfe die Daten, spreche mit dem Team und treffe Entscheidungen darüber, was zu tun ist. Verlieren wir, weil wir keine Inhalte zu einem Thema haben, oder weil unsere Inhalte nicht so strukturiert sind, dass Menschen sie lesen oder KI daraus Informationen beziehen kann? Müssen wir in verdiente Erwähnungen in den von der KI zitierten Quellen investieren? Müssen wir eigene Untersuchungen in Auftrag geben, um der KI etwas Proprietäres zu liefern, worauf sie verweisen kann? In diesem Meeting entwickeln wir die Strategie, und KI ist dabei nicht im Raum.

Schritt 6: Inhaltsproduktion mit KI im Prozess. Sobald wir wissen, was wir erstellen müssen, nutze ich KI für die Zusammenfassung von Rechercheergebnissen, erste Entwürfe, strukturelle Gliederungen und die Neuformatierung. Die menschliche Arbeit umfasst den Blickwinkel, die Stimme, die Perspektive und den redaktionellen Durchgang, der dafür sorgt, dass es klingt, als hätte es eine echte Person geschrieben. KI übernimmt vielleicht 40 % des Zeitaufwands. Die verbleibenden 60 %, die menschlich bleiben, machen die Arbeit veröffentlichungswürdig.

Schritt 7: Erneutes Tracking nach einem festen Zeitplan. Alle 30 bis 60 Tage führe ich den Fragensatz erneut aus und vergleiche ihn mit der Ausgangsbasis. Wir beobachten im Zeitverlauf die Zitierhäufigkeit, den Quellenmix und die Sichtbarkeit der Wettbewerber. Dadurch wird der Workflow zu einem echten System statt zu einem einmaligen Audit.

Das Ganze ersetzt das, was früher ein vages Gespräch über „KI-Suche“ war, durch einen messbaren, wiederholbaren Prozess.

Warum KI Komprimierung und Synthese unterstützt, aber nicht Überzeugung oder Gespür

KI fließt inzwischen in nahezu jeden Teil meiner Arbeit ein, aber ihre Rolle variiert je nach Aufgabe erheblich.

Ich verlasse mich stark auf KI für die Zusammenfassung von Rechercheergebnissen, erste Entwürfe für Langform-Inhalte, Wettbewerbsanalysen, die Transkriptanalyse von Vertriebs- und Kundengesprächen, Inhaltsbriefings und einen großen Teil der verbindenden Arbeit, die früher Stunden verschlungen hat. Sie übernimmt außerdem die Zielgruppensegmentierung, die Auswertung der Kundenstimme sowie die Extraktion von Themen aus Support-Tickets und Gong-Gesprächen.

Ich verlasse mich stark auf KI für die Zusammenfassung von Rechercheergebnissen, erste Entwürfe für Langform-Inhalte, Wettbewerbsanalysen, die Transkriptanalyse von Vertriebs- und Kundengesprächen, Inhaltsbriefings und einen großen Teil der verbindenden Arbeit, die früher Stunden verschlungen hat.

Und sie übernimmt inzwischen auch Produktionsarbeit, etwa die Umwandlung eines Forschungsberichts in einen Newsletter-Entwurf, die Erstellung von Fragensammlungen oder das Umschreiben in der Markenstimme, nachdem ich diese gut dokumentiert habe.

Ausdrücklich menschliche Aufgaben umfassen Strategie, Perspektive und die Erstellung von geistigem Eigentum an Inhalten: die von mir entwickelten Rahmenmodelle, die Bezeichnungen, die wir für zentrale Probleme wählen, die Blickwinkel, die wir in der Vordenkerrolle einnehmen, sowie die Ermessensentscheidungen darüber, was veröffentlicht und was verworfen wird. KI erbringt hierbei schlechte Leistungen, weil der Wert in der Überzeugung hinter der Entscheidung liegt. Ein Rahmenmodell funktioniert nur, wenn eine echte Marktperspektive es prägt. KI tendiert zum Durchschnitt, und genau davon wollen wir uns lösen.

Beziehungen sind ebenfalls vollständig menschlich: die Erstgespräche, die Workshops, die Momente, in denen ich einem CMO widerspreche, der kurz davorsteht, eine schlechte Entscheidung zu treffen. Nichts davon delegiere ich.

Das Prinzip, zu dem ich zurückkehre, lautet: KI ist hervorragend in der Komprimierung und Synthese, während Menschen bei Überzeugung und Gespür überlegen bleiben. Deshalb nutze ich KI, um schneller zu einem Ausgangspunkt zu gelangen, und widme meine Zeit anschließend den Teilen, die Urteilsvermögen erfordern.

Wo KI bei der Inhaltsproduktion danebenliegt

Die größte Schwäche von KI ist die Ideenfindung für Inhalte. Ich hatte erwartet, dass KI mich dabei unterstützt, prägnante Blickwinkel für Beiträge und Kampagnen zu entwickeln. Das tut sie nicht. Die Ergebnisse sind kompetent, generisch und etwas zu glatt. Die guten Ideen kommen weiterhin aus Verkaufsgesprächen, Support-Tickets, ungewöhnlichen Gesprächen auf Konferenzen und der Rückseite meines Notizbuchs.

KI hilft dabei, eine Idee weiterzuentwickeln, sobald ich eine habe, aber sie ist keine nützliche Quelle für originelles Denken.

Die zweite Schwäche ist die Markenstimme. Selbst bei einer gründlichen Dokumentation der Stimme benötigen KI-generierte Inhalte in der Stimme eines Kunden einen umfangreichen menschlichen Überarbeitungsdurchgang, damit sie wirklich nach ihm klingen. Die oberflächlichen Muster trifft sie, aber den Rhythmus verfehlt sie. Die Seele. Ich hatte erwartet, dass dieses Problem inzwischen zu 80 % gelöst wäre. Tatsächlich sind es eher 40 %.

Die dritte Schwäche ist echtes strategisches Urteilsvermögen. Positionierung, Präzisierung des ICP, Preisgestaltung und Markteintritt. KI liefert mir eine gut organisierte Version dessen, was ich bereits weiß, plus einige Vorschläge, die klug klingen und beim Belastungstest auseinanderfallen. Strategie erfordert weiterhin einen Menschen, der selbst im Raum gesessen hat.

Strategie erfordert weiterhin einen Menschen, der selbst im Raum gesessen hat.

Die vierte Schwäche ist die Vorhersage von AEO-Zitaten. Wir können verfolgen, was zitiert wird, und Muster rückwärts ableiten, aber vorherzusagen, was zitiert werden wird, ist weiterhin größtenteils ein Ratespiel.

Und der überraschendste Fehlschluss: Vielleicht bin ich einfach nicht gut darin, aber KI hat mich beim eigentlichen Schreiben nicht schneller gemacht. Sie hat mich bei allem rund um das Schreiben schneller gemacht. Das Schreiben selbst dauert bei mir ungefähr genauso lange, weil die Messlatte weiterhin hoch liegt und es ungefähr genauso lange oder länger dauert, KI-Output auf dieses Niveau zu bringen, wie den Text selbst zu schreiben.

Warum das Content-Volumen zu einem Risiko geworden ist

Ich habe einen großen Teil meiner frühen Karriere auf Volumen aufgebaut. Mehr veröffentlichen, für mehr Suchbegriffe ranken, mehr Traffic erhalten, gewinnen. Das hat lange funktioniert, und viele Marketing-Playbooks – einschließlich meines eigenen – gingen stillschweigend davon aus, dass die Produktionskapazität der Engpass sei. Wenn man doppelt so viel veröffentlichen konnte, würde man doppelt so schnell wachsen.

KI hat diese Annahme in zwei Richtungen gleichzeitig zerstört.

1. KI hat Volumen billig gemacht. Heute kann jeder zehnmal mehr veröffentlichen. Das bedeutet, dass Volumen selbst kein Wettbewerbsvorteil mehr ist. Die Marketer, die ihm hinterherjagen, steuern geradewegs über den Rand einer Klippe.
2. KI hat verändert, was belohnt wird. Sowohl Google als auch LLMs greifen auf eine kleinere, vertrauenswürdigere Auswahl an Quellen zurück. Sie wollen Substanz, Originalität und eine echte Perspektive. Volumen ohne diese Dinge ist nicht einfach neutral, sondern aktiv schädlich. Ich habe beobachtet, wie Teams ihre organische Sichtbarkeit durch die Skalierung der KI-Content-Produktion ruiniert haben, und ich habe schlankere Teams mit präziseren Standpunkten erlebt, die überall zitiert wurden.

Das ist also das große Risiko, das ich derzeit sehe: der Ansturm, KI-generierte Inhalte in großem Maßstab zu veröffentlichen.

Das ruiniert die organische Sichtbarkeit, weil die Inhalte von Googles Updates für hilfreiche Inhalte als problematisch eingestuft werden, und führt zu null KI-Zitierungen, weil kein originäres Denken vorhanden ist, auf das KI-Tools verweisen könnten.

Das ist das große Risiko, das ich derzeit sehe: der Ansturm, KI-generierte Inhalte in großem Maßstab zu veröffentlichen.

Volumen ohne Substanz funktioniert schlechter als je zuvor, und KI hat diese Lücke sichtbarer gemacht, nicht weniger sichtbar.

Warum erfolgreicher Content Content-IP erfordert

Wenn du erfolgreichen Content willst, baue Content-IP auf. Dazu gehört, Frameworks für die zentralen Probleme deiner Zielgruppe zu benennen. Führe monatlich Interviews mit deinen 3S-Teams (Vertrieb, Kundenerfolg und Support). Leite jedes Gespräch in Slack weiter und stelle wöchentliche, für das Marketing relevante Zusammenfassungen bereit.

Und suche dir einen Konflikt. Der meiste B2B-Content ist Konsens-Content. Er stimmt dem zu, was jeder Analyst, Wettbewerber und Meinungsführer sagt. Wirkungsvolle Beiträge benennen etwas, das andere falsch machen, und bieten eine klare Alternative.

Du musst dabei nicht gemein sein. Du musst aber bereit sein, dich öffentlich zu irren.

Wie Workflows für die Content-Produktion mit KI neu gestaltet werden sollten

Was die Content-Produktion betrifft, arbeiten die meisten Teams immer noch mit einem Workflow aus dem Jahr 2018: Briefing, Entwurf, Bearbeitung, Veröffentlichung, Distribution. Die Teams haben KI in den Schritt der Entwurfserstellung eingebaut und das Transformation genannt. Das war es nicht.

Die Neugestaltung umfasst drei wichtige Ebenen:

1. Die Briefing-Ebene ist eine strukturierte Eingabe (kein Google-Dokument). Sie enthält den Käufer-Prompt, für den der Beitrag gewinnen soll, die Content-IP, die er unterstützt, die Perspektive sowie Quellenmaterial aus Transkripten und von internen Experten. KI stellt das Briefing zusammen. Ein Mensch genehmigt den Ansatz, bevor die Erstellung des Entwurfs beginnt.
2. Die Entwurfsebene nutzt KI intensiv, aber mit einer klaren Rollenverteilung. KI übernimmt die Synthese, die strukturelle Erstellung des Entwurfs und die Neformatierung. Ein Mensch kümmert sich um den Ansatz, die Stimme und den Bearbeitungsdurchgang. Der Mensch ist durchgehend der Autor, nicht erst am Ende ein Prüfer.
3. Die meisten Teams konzentrieren sich auf der Qualitätssicherungsebene weiterhin auf Tippfehler und Markenrichtlinien. Wir haben ausdrückliche Prüfungen auf Lesbarkeit, die Übereinstimmung mit der Markenstimme und darauf ergänzt, ob der Beitrag innerhalb seiner Kategorie eine einzigartige Position einnimmt. Wenn das nicht der Fall ist, stoppen wir ihn, bevor er veröffentlicht wird. Die Abbruchquote ist hoch, aber genau das ist beabsichtigt.

Das Ergebnis sind weniger veröffentlichte Beiträge, eine höhere Qualität jedes einzelnen Beitrags und ein messbarer Anstieg sowohl der AEO-Zitierungen als auch der Pipeline.

KI einfach an einen Workflow aus dem Jahr 2018 anzubauen, verschafft dir nur schneller Ergebnisse aus einer Content-Spam-Kanone von 2018.

Was CMOs tun müssen, um mit der KI-Transformation Schritt zu halten

Wenn du CMO bist und wir uns auf einen Kaffee treffen würden, wäre das mein Rat:

1. Hört auf, KI-Tools hinterherzujagen, und prüft stattdessen die Substanz eurer Inhalte. Die Teams, die gerade verlieren, verlieren, weil ihre Inhalte nichts Eigenständiges bieten, auf das KI-Tools, Google oder Käufer verweisen können. Wenn ihr keine echte Perspektive habt, wird kein Tool eine für euch erzeugen. Hört auf, der „perfekten“ KI-Werkzeugsammlung hinterherzujagen.
2. Nehmt Inhalts-IP ernst. Benannte Probleme, benannte Rahmenwerke, proprietäre Forschung, originelle Einschätzungen zu eurer Kategorie. KI zitiert dies, es rankt in der Suche, erzielt Erfolge auf LinkedIn, gewinnt Newsletter-Abonnenten und wird in Verkaufsgesprächen weitergetragen. KI kann diesen Teil des Marketings ebenfalls nicht replizieren, was ihn wertvoller macht, nicht weniger wertvoll.
3. Messt jetzt, was wirklich zählt. Nehmt die Verfolgung der AEO-Sichtbarkeit in eure Berichte auf. Verfolgt den Einfluss von LinkedIn auf die Vertriebspipeline. Ermittelt die Korrelation zwischen Newsletter-Abonnenten und Abschlussquoten oder Vertriebsgeschwindigkeit. Wisst, bei welchen Eingabeaufforderungen von Käufern ihr in ChatGPT, Perplexity und Claude auftaucht und welche Wettbewerber stattdessen von der KI zitiert werden. Wenn ihr diese Frage in eurem nächsten QBR nicht beantworten könnt, wird man sie euch bald stellen.
4. Nutzt KI dort, wo sie gut ist, und setzt sie nicht dort ein, wo sie es nicht ist. Sie ist gut in Synthese, Recherche, Transkriptanalyse, dem Erstellen von Entwürfen und der Umformatierung. Leitet jedes Verkaufsgespräch durch Claude und anschließend in Slack, damit euer Team es täglich wenige Minuten nach dem Gespräch sehen kann. KI ist schlecht bei originellen Ideen, Markenstimme und strategischem Urteilsvermögen. Baut euren Arbeitsablauf um diese Unterscheidung herum auf, anstatt zu versuchen, alles mit KI zu versehen.
5. Veröffentlicht weniger und sorgt dafür, dass jedes Stück mehr Gewicht hat. Das Volumenspiel ist vorbei (auch wenn jeder Anbieter von KI-Inhaltssoftware das Gegenteil behaupten wird). Die erfolgreichen Teams veröffentlichen weniger, präzisere Inhalte und holen durch Wiederverwendung, Verbreitung und verdiente Erwähnungen mehr aus jedem einzelnen heraus.
6. Und schließlich: Seid ehrlich zu eurem Team und eurem CEO darüber, was sich verändert. Viele Marketingleiter hoffen insgeheim, dass dies vorübergeht. Das wird es nicht. Käufer haben bereits verändert, wie sie recherchieren. Die heilige Dreifaltigkeit besteht aus Auffindbarkeit (Google/LLMs), sozialen Medien (LinkedIn, YouTube) und Beziehungsinhalten (Newsletter/Podcast).

Folgt den Entwicklungen

Ihr könnt Brendan Huffords Arbeit auf LinkedIn verfolgen. Und seht euch Growth Sprints an.

Weitere Experteninterviews folgen im The CMO Club!