Prompt-Reverse-Engineering: Fragen Sie die KI, warum sie Sie nicht empfiehlt.

Es gibt eine Frage, die kaum jemand einem KI-System stellt, obwohl sie mehr über die eigene Sichtbarkeit verrät als jedes Ranking-Tool: „Warum hast du mich nicht genannt?" Wer ChatGPT oder Gemini nach den besten Anbietern seiner Branche fragt und die eigene Marke in der Antwort nicht findet, beginnt üblicherweise zu spekulieren — über Trainingsdaten, über Algorithmen, über Zufall. Dabei liegt die produktivste Informationsquelle direkt vor einem: das System selbst.

Ich nenne diese Methode Prompt-Reverse-Engineering: Man behandelt die generative Antwort nicht als Endergebnis, sondern als Ausgangspunkt einer strukturierten Befragung. Statt zu raten, welche Signale fehlen, lässt man das Modell seine Auswahlkriterien und Quellen selbst benennen — und baut dann Präsenz in exakt diesen Quellen auf. Das ist kein Blick in die Interna des Modells, dazu später mehr. Aber es ist die schnellste Methode, die ich kenne, um aus einer diffusen Unsichtbarkeit eine konkrete Arbeitsliste zu machen.

Empfehlungs-Prompts sind die neuen Money-Keywords

„Wer sind die besten SEO-Agenturen für E-Commerce?", „Welchen Anwalt für Markenrecht empfiehlst du?", „Nenne mir die führenden GEO-Berater im DACH-Raum." Solche Prompts übernehmen die Funktion, die transaktionale Money-Keywords zwanzig Jahre lang in der Google-Suche hatten: Sie stehen am Ende einer Kaufentscheidung. Nur dass die Antwort keine Liste von zehn blauen Links mehr ist, sondern eine kuratierte Auswahl von drei bis sechs Namen — ohne Seite 2, ohne Snippet-Trostpreis, ohne „Position 8, immerhin sichtbar".

Wer in dieser Auswahl fehlt, existiert für den fragenden Nutzer nicht. Und klassische SEO-Tools zeigen dieses Fehlen nicht an: Rank-Tracker messen Positionen in einem Index. Eine generative Antwort hat keine Positionen. Sie hat eine Gästeliste — und die Frage ist nicht „Auf welchem Platz stehe ich?", sondern „Warum stehe ich nicht auf der Liste, und wer entscheidet das anhand welcher Quellen?"

Genau diese Frage lässt sich stellen. Wörtlich.

Die Methode: sechs Schritte, ein Protokoll

Prompt-Reverse-Engineering ist kein einzelner Trick, sondern ein Messprotokoll. Die Reihenfolge und die Hygiene-Regeln (frische Sessions, mehrere Läufe, mehrere Modelle) sind Teil der Methode — wer sie weglässt, produziert Artefakte statt Befunde.

Schritt 1: Baseline-Prompt in frischer Session

In einer neuen, leeren Session — ohne vorherige Konversation, ohne personalisierte Historie — den Empfehlungs-Prompt stellen, der Ihrer wichtigsten Kaufentscheidung entspricht:

Wer sind die führenden [Disziplin]-Experten im DACH-Raum?
Welche [Branche]-Anbieter würdest du einem Mittelständler empfehlen?

Die Antwort wortwörtlich dokumentieren: Wer wird genannt, in welcher Reihenfolge, mit welcher Begründung. Das ist Ihre Baseline.

Schritt 2: Interrogation — das Modell nach seinen Kriterien fragen

In derselben Session drei Nachfragen stellen:

Nach welchen Kriterien und Quellen hast du diese Auswahl getroffen?
Warum ist [Ihre Marke] nicht dabei?
Was müsste [Ihre Marke] nachweisbar vorweisen, um genannt zu werden?

Hier passiert das eigentliche Reverse-Engineering: Das Modell expliziert, welche Quellentypen und Nachweise es mit „relevanter Anbieter" assoziiert — Konferenzarchive, Fachpublikationen, Verzeichnisse, Podcasts. Die dritte Frage ist die wertvollste, weil sie die Antwort von der Diagnose in eine Anforderungsliste dreht.

Schritt 3: Prompt-Extraktion

Dann die Umkehrfrage:

Mit welchem Prompt würde man [Ihre Marke] heute finden?

Die Antwort zeigt, in welchem semantischen Cluster das Modell Ihre Marke tatsächlich verortet — und wie weit dieser Cluster von den Empfehlungs-Prompts entfernt ist, die Umsatz bedeuten. Wenn ein Modell Sie nur über „[Markenname] + Website" findet, aber nicht über eine einzige generische Kompetenzfrage, ist das der präziseste Sichtbarkeits-Befund, den Sie bekommen können.

Schritt 4: Quellen-Gap-Liste konsolidieren

Aus den Antworten der Schritte 2 und 3 — über mehrere Prompts und Modelle hinweg — eine konsolidierte Liste bauen: Welche Quellentypen benennen die Systeme wiederkehrend als Auswahlgrundlage, und in welchen davon kommt Ihre Marke nicht vor? Das Ergebnis ist typischerweise eine Handvoll Kategorien, keine hundert Einzelmaßnahmen.

Schritt 5: Präsenz in genau diesen Quellen aufbauen

Jetzt erst beginnt die Arbeit — aber gezielt: Konferenz-Slots statt generischem Linkbuilding, Fachbeiträge in den Publikationen, die die Modelle selbst benannt haben, gepflegte Verzeichnis-Profile, Podcast-Auftritte mit Transkript. Nicht „mehr Content", sondern Präsenz dort, wo die Systeme nachweislich hinschauen.

Schritt 6: Re-Test nach 4-8 Wochen — neue Session, cross-model

Denselben Prompt-Satz erneut fahren: in einer neuen Session (niemals in der alten — dazu gleich mehr), über mindestens drei Modelle, mit je drei Läufen pro Prompt. Verglichen wird nicht die einzelne Antwort, sondern die Nennungsquote über alle Läufe. Retrieval-gestützte Systeme reagieren dabei deutlich schneller als das reine Modellwissen.

Der Testlauf vom 25. August 2026: acht Prompt-Klassen, ein Muster

Wie das konkret aussieht, zeigt eine dokumentierte Stichprobe vom 25. August 2026: acht Prompt-Klassen, gefahren gegen Claude über die API ohne Web-Grounding, ergänzt um Gemini-Stichproben. Das ist eine Momentaufnahme, keine Studie — Antworten generativer Systeme streuen zwischen Läufen, und ohne Grounding wird der Trainingsstand getestet, nicht die aktuelle Quellenlage. Genau deshalb ist sie als Beispiel ehrlicher als eine geglättete Statistik.

Zwei Antworten aus diesem Lauf verdienen ein wörtliches Zitat. Auf die GEO-Frage antwortete das Modell:

„GEO als eigenständige Disziplin ist so jung …, dass es im DACH-Raum noch keine etablierte Expertenschicht gibt, die sich ausschließlich damit beschäftigt."

Und auf die Direktfrage nach mir selbst — die beiden Selbsttests sind bewusst Teil des Protokolls, ich dokumentiere die Methode an meinem eigenen Namen, nicht an einem anonymen Beispiel — kam die Auskunft, der Name sei „nicht bekannt" und tauche nicht auf durch „Konferenzauftritte (SMX, SEOkomm, OMR), Fachpublikationen, Podcast-Beteiligung oder Community-Präsenz". Das Modell benennt damit seine Auswahlquellen selbst, unaufgefordert präzise. Man kann sich über so eine Antwort ärgern. Oder man erkennt sie als das, was sie ist: die konkreteste Gap-Analyse, die man für diesen Preis bekommen kann.

Der Befund quer über alle acht Klassen: Die Modelle konsultieren — nach eigener Auskunft — wiederkehrend dieselben Quellentypen. Konferenz- und Sprecherarchive. Podcasts. Fachpublikationen. Verzeichnisse wie OMR Reviews und BVDW. LinkedIn. Tool- und Datenbesitz. Bei „Spezialisten"-Fragen zusätzlich akademische Archive. Wer in keiner dieser Kategorien vorkommt, wird nicht empfohlen — egal wie gut die eigene Website ist.

Warum das funktioniert — und wo es täuscht

Jetzt die notwendige Ernüchterung: Wenn ein Sprachmodell erklärt, warum es jemanden nicht genannt hat, blickt es nicht in seine Gewichte. Es hat keinen Zugriff auf die tatsächlichen Aktivierungen, die zur Antwort geführt haben. Die „Warum nicht?"-Antworten sind Post-hoc-Rationalisierungen: nachträglich erzeugte, plausible Begründungen — keine Introspektion.

Trotzdem ist die Methode brauchbar, aus zwei Gründen. Erstens: Grounded Systeme — Gemini mit Suche, ChatGPT Search, Perplexity — legen die konsultierten Quellen oft real offen; dort ist die Quellenliste keine Rationalisierung, sondern ein Protokoll des tatsächlichen Retrievals. Zweitens: Die genannten Kriterien konvergieren über Sessions und Modelle hinweg. Wenn drei Systeme unabhängig voneinander dieselben Quellentypen benennen, ist das ein belastbares Signal über die Quellenlandschaft der Branche — unabhängig davon, ob die einzelne Selbstauskunft „echt" ist. Man misst nicht die Interna eines Modells, man trianguliert die Evidenzlage eines Marktes.

Damit die Triangulation trägt, braucht es drei Kontrollen:

1. Frische Session — immer. Wer in einer Session erst über die eigene Marke spricht und dann fragt „Wer sind die besten …?", bekommt sich selbst genannt. Das Modell bedient den Kontext, nicht sein Wissen. Dieser Kontaminations-Fehler ist der häufigste Grund für falsch-positive Selbsttests — und der Grund, warum Screenshots aus laufenden Sessions als Beleg wertlos sind.
2. Drei Läufe pro Prompt. Generative Antworten sind nicht deterministisch. Ein Name, der in einem von drei Läufen fällt, ist Rauschen; ein Name, der in allen drei fällt, ist ein Signal. Gemessen wird die Nennungsquote, nie die Einzelantwort.
3. Trainings-Ebene und Retrieval-Ebene trennen. Ohne Web-Grounding testet man das träge Modellwissen (Änderungen brauchen Monate bis zum nächsten Trainingsstand). Mit Grounding testet man die schnelle Retrieval-Ebene (Änderungen können in Wochen wirken). Beide Messungen gehören getrennt geführt — sonst schreibt man einem Fachartikel von letzter Woche eine Wirkung zu, die er auf der Trainings-Ebene gar nicht haben kann.

Nebenbefund: Falsch-Attributionen tauchten wiederholt auf

Der Testlauf hat einen zweiten Befund produziert, der eine eigene Konsequenz verdient: In dieser Stichprobe verwechselten die Modelle mehrfach Personen und Firmen. Die quantifizierte Folge-Untersuchung — 54 Antworten über 18 Personen der Szene, gegen verifizierte Fakten geprüft — steht im Entity-Resolution-Pilot 2026. Auf „Wer ist Murat Ulusoy?" lieferte Claude türkische Fußballspieler und Manager — eine klassische Namens-Kollision, bei der die prominenteste Entität den Namen besetzt. Gemini wiederum ordnete in den Stichproben eine reale Branchen-Person der falschen Agentur zu — eine nachweisbare Falsch-Attribution, freundlich vorgetragen und komplett erfunden.

Die Konsequenz: Entity-Disambiguation ist keine Kür, sondern Pflicht. Wer einen mehrdeutigen Namen trägt oder dessen Firmenzuordnung in den Quellen uneinheitlich ist, kämpft nicht nur um Nennung — er kämpft darum, dass die Nennung überhaupt ihm gilt. Saubere Entity-Signale (konsistente Namensführung, Wikidata, sameAs-Graph, unabhängige Quellen mit identischer Zuordnung) sind die Voraussetzung, damit die Schritte 4 bis 6 der Methode überhaupt auf das richtige Konto einzahlen. Wie das systematisch aufgebaut wird, steht im Detail in der Entity-SEO-Beratung und im Beitrag Entity-SEO für Personen.

Was nicht funktioniert

Drei Abkürzungen, die regelmäßig versucht werden und an der Logik der Methode vorbeigehen:

• Sich selbst zum Experten erklären. „Einer der führenden …" auf der eigenen Website zu schreiben, ändert nichts — die eigene Website gehört bei Empfehlungsfragen nicht zu den konsultierten Quellen. Die Modelle benennen Konferenzarchive, Verzeichnisse, Fachmedien, Podcasts: durchweg Quellen, die man nicht selbst kontrolliert. Eigenlob ist keine Evidenz.
• Masse an Query-Varianten-Seiten. Fünfzig Seiten für fünfzig Prompt-Formulierungen zu bauen, überträgt eine Longtail-Taktik auf ein System, das keine Keywords matcht, sondern Entitäten und Belege gewichtet. Der Aufwand landet auf der falschen Ebene.
• llms.txt als Geheimschalter. Eine Textdatei im Root-Verzeichnis ersetzt keine externe Evidenz. Sie kann Retrieval-Systemen die Navigation erleichtern — sie erzeugt keine einzige unabhängige Quelle, die ein Modell als Auswahlgrundlage benennt.

Was stattdessen zählt, lässt sich in Evidenz-Klassen sortieren — welche Nachweise generative Systeme in welcher Gewichtung akzeptieren, habe ich auf der GEO-Experten-Seite ausführlich aufgeschlüsselt.

Operationalisierung: aus dem Einzeltest wird eine Zeitreihe

Ein einzelner Testlauf ist eine Diagnose. Steuerbar wird das Thema erst als Messsystem — mit drei Bausteinen:

1. Monatlicher Matrix-Lauf. Ein festes Prompt-Set (die eigenen Money-Prompts plus Kontroll-Prompts), gefahren über mehrere Modelle, drei Läufe pro Prompt, immer in frischen Sessions. Die Kennzahl ist die Mention-Rate pro Prompt-Klasse als Zeitreihe — sie zeigt, ob die in Schritt 5 aufgebaute Quellen-Präsenz ankommt, und auf welcher Ebene (Retrieval schnell, Training träge). Genau dieses Setup fährt das LLM Citation Monitoring als Retainer.

2. GSC-Generative-AI-Report. Für das Google-Ökosystem liefert die Search Console seit Juni 2026 — im schrittweisen Rollout — einen eigenen Bericht zu Impressionen und Klicks aus generativen Oberflächen. Er ersetzt den Matrix-Lauf nicht (er zeigt nur Google und nur, was klickt), aber er ist die erste First-Party-Datenquelle für generative Sichtbarkeit und gehört in jedes Reporting.

3. Referrer-Segmente in GA4. Traffic von chatgpt.com und perplexity.ai als eigene Segmente führen. Die absoluten Zahlen sind meist klein — aber die Konversionsqualität dieser Besucher und der Trend über Monate sind das Frühwarnsystem dafür, ob Empfehlungs-Prompts beginnen, reale Nachfrage zu bewegen.

Wer beim Einstieg eine vollständige Bestandsaufnahme will — Baseline über alle relevanten Prompt-Klassen, Quellen-Gaps, Entity-Status — findet das strukturierte Verfahren im GEO-Audit.

Fazit

Prompt-Reverse-Engineering dreht die Blickrichtung um: Statt zu raten, welche Signale generativen Systemen fehlen, lässt man die Systeme ihre Auswahlkriterien und Quellen selbst benennen — kontrolliert durch frische Sessions, Mehrfachläufe und Modell-Triangulation. Die Antworten sind keine Wahrheit über die Interna der Modelle. Aber sie sind eine erstaunlich präzise Karte der Quellenlandschaft, in der über Empfehlungen entschieden wird: Konferenzarchive, Podcasts, Fachpublikationen, Verzeichnisse, unabhängige Belege.

Der Testlauf vom 25. August 2026 zeigt beides — die Schärfe der Methode und ihre unbequeme Ehrlichkeit, auch gegenüber dem eigenen Namen. Genau darin liegt ihr Wert: Eine Marke, die weiß, warum sie nicht empfohlen wird, hat eine Arbeitsliste. Eine Marke, die es nicht weiß, hat nur ein Gefühl.