Arbeitserleichterung: So kann man SEO mit KI automatisieren

Generative KI kann SEO-Expert:innen repetitive Aufgaben abnehmen. Sie gewinnen so wertvolle Zeit für strategische Entscheidungen und kreative Arbeit. Diese Fallstricke gilt es aber zu beachten. Die Suchmaschinenoptimierung entwickelt sich ständig weiter. Mit der Einführung von ChatGPT Ende 2022 hat sich die Landschaft im Marketing grundlegend verändert. Neue Tools und Möglichkeiten verändern nun den Arbeitsalltag von SEO-Expert:innen. Besonders vielversprechend ist die Automatisierung repetitiver SEO-Aufgaben durch künstliche Intelligenz. Um das Potenzial der KI-Automatisierung in der Suchmaschinenoptimierung voll auszuschöpfen, ist es wichtig, die grundlegenden Konzepte zu verstehen. Ein zentraler Aspekt ist die Unterscheidung zwischen generativer und diskriminativer KI. Generative KI ist darauf spezialisiert, neue Inhalte zu erstellen. Im SEO-Kontext kann das beispielsweise die automatisierte Generierung von Meta-Daten wie Titles und Descriptions, FAQ-Elementen oder sogar ganzen Texten sein. [crosslinks ids="252818,252724,252776"] Diskriminative KI hingegen konzentriert sich auf die Analyse und Kategorisierung bestehender Daten. Liegen etwa schon gelabelte Datensets vor, so kann diskriminative KI die daraus erlernten Muster auf neue, ungelabelte Datensätze anwenden, beispielsweise um nach SERPs zu clustern oder Suchanfragen zu klassifizieren. KI-Prompt Frameworks Im Kontext der KI-Automatisierung spielen sogenannte Prompt Frameworks eine entscheidende Rolle. Sie dienen als Anleitung für die Formulierung der Anweisungen an die KI-Modelle. Zu Beginn der breiten Nutzung von KI-Sprachmodellen wie ChatGPT wurde viel über die „perfekten“ Prompts diskutiert. Doch mit der Zeit hat sich gezeigt, dass sich die meisten Aufgaben auf wenige grundlegende Prompt Frameworks reduzieren lassen. Eines davon ist das SPEAR-Framework. Es steht für folgende Komponenten: Start with a Problem: Beschreibung des Problems oder der Aufgabe, die die KI lösen soll. Provide examples/formatting guidance: Bereitstellung von Beispielen oder Anweisungen zur gewünschten Formatierung des Outputs. Explain the situation: Erläuterung des Kontexts und der relevanten Details für die KI. Ask: Formulierung einer klaren Frage oder Aufforderung an die KI. Rinse & Repeat: Wiederholung des Prozesses bei Bedarf, um das Ergebnis zu verfeinern und zu verbessern. Die Strukturierung von Prompts nach diesem Framework macht die Kommunikation mit KI-Modellen effektiver. Die KI erhält klare Anweisungen, was sie tun soll und welches Ergebnis erwartet wird. Prompt Frameworks können sowohl bei der direkten Interaktion mit KI-Modellen über Chat-Oberflächen als auch bei der Nutzung von APIs eingesetzt werden. Bei der Nutzung von APIs ist die Interaktion zwar weniger ausgeprägt, aber die Vorbereitung eines geeigneten Prompts mithilfe eines Frameworks wie Spear kann dennoch zu besseren Ergebnissen führen. So können SEO-Expert:innen beispielsweise mit ChatGPT eine Meta-Description für einen Blogartikel zum Thema „KI-Automatisierung in der Suchmaschinenoptimierung“ erstellen. Ein Prompt nach dem Spear-Framework könnte dann so aussehen: Start with a Problem: Ich benötige eine überzeugende Meta-Description für einen Blogartikel über KI-Automatisierung in der Suchmaschinenoptimierung. Provide examples/formatting guidance: Die Meta-Description sollte prägnant und informativ sein, maximal 155 Zeichen lang, relevante Keywords enthalten und zum Klicken anregen. Explain the situation: Der Artikel befasst sich mit den Vorteilen der KI-Automatisierung für SEO-Aufgaben und gibt praktische Tipps zur Umsetzung. Ask: Könntest du eine passende Meta-Description formulieren? Rinse & Repeat: Falls die Antwort nicht optimal ist, benötigt die KI Feedback zur Verbesserung. Die Entwicklung effektiver Prompts, auch bekannt als Prompt Engineering, ist eine wichtige Fähigkeit im Umgang mit KI-Modellen. Ein gut formulierter Prompt kann den Unterschied zwischen einem mittelmäßigen und einem hervorragenden Ergebnis ausmachen. Best Practices für Prompt Engineering: Klar und präzise formulieren: Anweisungen sind so klar und präzise wie möglich zu formulieren. Dafür sollte der Prompt nicht mehrdeutig formuliert sein. Die KI benötigt außerdem ausreichend Informationen, um die Aufgabe zu verstehen. Spezifisch sein: Der KI sollten so viele Details wie möglich über das gewünschte Ergebnis übermittelt werden. Je spezifischer die Anweisungen, desto besser kann die KI die Erwartungen erfüllen. Iterativ vorgehen: Es empfiehlt sich, mit verschiedenen Formulierungen und Frameworks zu experimentieren, um herauszufinden, was am besten funktioniert. Feedback geben: Die KI sollte Feedback zu ihren Ergebnissen erhalten, damit sie lernen und sich verbessern kann. KI-Automatisierung und APIs Die Integration von KI in bestehende SEO-Tools und -Plattformen erfolgt in der Regel über APIs (Application Programming Interfaces). Sie ermöglichen die Kommunikation und den Datenaustausch zwischen verschiedenen Softwareanwendungen. SEO-Tools müssen also über APIs auf die Funktionen von KI-Modellen zugreifen können, um beispielsweise Texte zu generieren, Daten zu analysieren oder Vorhersagen zu treffen. Es gibt verschiedene Ansätze, um KI über APIs in SEO-Workflows zu integrieren. Die Wahl des richtigen Ansatzes hängt von verschiedenen Faktoren ab, wie zum Beispiel den technischen Fähigkeiten des Teams, dem Budget und den spezifischen Anforderungen des Projekts. [caption id="attachment_252880" align="alignnone" width="1200"] Abbildung 1: Automatisierungsprozess mithilfe von Make.com und ChatgPT. (Abbildung: Make.com)[/caption] Low-Code-Plattformen Für Unternehmen, die keine oder nur begrenzte Programmierkenntnisse haben, bieten sich Low-Code-Plattformen wie Make (ehemals Integromat) oder Zapier an. Diese Plattformen ermöglichen es, verschiedene Anwendungen und APIs miteinander zu verbinden, ohne dass dafür umfangreiche Programmierkenntnisse erforderlich sind. So lassen sich beispielsweise Workflows erstellen, bei denen ein KI-Modell automatisch Social-Media-Beiträge aus einem Blogartikel generiert [siehe Abbildung 1]. [caption id="attachment_252881" align="alignnone" width="996"] Abbildung 2: Beispiel eines Jupyter notebooks (Google Colab) zur Automatisierung von Metadaten. (Abbildung: Claneo)[/caption] Python-basierte Lösungen Für komplexere Anforderungen und individuelle Anpassungen sind Python-basierte Lösungen oft die bessere Wahl. So können beispielsweise Jupyter Notebooks wie Google Colab genutzt werden, um Daten zu analysieren, KI-Modelle zu trainieren und Skripte zur Automatisierung von SEO-Aufgaben zu erstellen [siehe Abbildung 2]. Eine weitere Möglichkeit ist die Verwendung von Streamlit, einer Python-Bibliothek zur Erstellung benutzerfreundlicher Webanwendungen. Mit Streamlit können verschiedene APIs verknüpft und komplexe KI-Funktionen über eine intuitive Oberfläche genutzt werden. Individuelle Entwicklung Unternehmen mit eigenen Entwickler:innen können auch eigene Oberflächen und Schnittstellen gestalten, um KI-Modelle nahtlos in ihre bestehenden SEO-Tools und -Workflows zu integrieren. Dieses Vorgehen bietet die größte Flexibilität und ermöglicht eine maßgeschneiderte Lösung, die genau auf die spezifischen Anforderungen des Unternehmens zugeschnitten ist. Die Wahl des richtigen Modells Bei der Integration von KI über API ist auch die Wahl des richtigen KI-Modells entscheidend. Es gibt eine Vielzahl von Large Language Models wie GPT-4, Claude oder Gemini, die sich in ihren Stärken und Schwächen, beispielsweise in der Textgenerierung, unterscheiden. Es empfiehlt sich daher, verschiedene Modelle zu testen und das Modell auszuwählen, das am besten zu den individuellen Anforderungen passt. Zudem entwickeln sich die einzelnen Modelle ständig weiter oder es kommen sogar komplett neue Modelle auf den Markt. Daher ist es ratsam, sich regelmäßig über die aktuellen Entwicklungen zu informieren und die Auswahl des KI-Modells entsprechend anzupassen. Beispiele für KI-Automatisierungen Die Einsatzmöglichkeiten von KI zur Automatisierung von SEO-Aufgaben sind vielfältig und reichen von der Erstellung von Meta-Daten über Keyword-Recherche bis hin zur Analyse der Topical Authority einer Website. Doch Vorsicht: KI-Tools können zwar viele SEO-Aufgaben automatisieren, dennoch ist eine menschliche Überprüfung wichtig. KI-Modelle sind keine Wissensmodelle und können daher Fehler machen. Erstellung von Meta-Descriptions und Titles KI-Modelle können automatisch Meta-Descriptions und Titles erstellen, die auf den Inhalt einer Website zugeschnitten sind und relevante Keywords enthalten. Zu beachten ist die Zeichenbegrenzung, damit die Meta-Daten in den Suchergebnissen nicht abgeschnitten werden. Tools wie das Playground-Feature von OpenAI können dabei helfen, die Länge der generierten Texte zu kontrollieren. [caption id="attachment_252882" align="alignnone" width="1200"] Abbildung 3: Automatisierung von redirects in Streamlit mithilfe von Facebooks Ai Similarity Search (FAiSS). (Abbildung: Clanen)[/caption] Redirect-Mapping Bei Website-Migrationen oder URL-Änderungen ist sicherzustellen, dass alte URLs korrekt auf neue weitergeleitet werden. Die KI kann dabei helfen, passende Redirect-URLs zu finden, indem sie URLs und zugehörige Meta-Daten in Vektoren umwandelt und diese miteinander vergleicht. So können beispielsweise semantisch ähnliche Seiten identifiziert und miteinander verknüpft werden [siehe Abbildung 3]. Keyworddaten-Anreicherung und -Clustering KI-Tools können Keyword-Listen automatisiert mit relevanten Daten wie Suchvolumen, Suchintention und SERP-Features anreichern. Darüber hinaus können sie ähnliche Keywords anhand von SERP-Überschneidungen gruppieren. Das erleichtert die Keyword-Recherche und ermöglicht eine gezieltere Content-Erstellung. Topical Authority-Analyse Die Analyse der Topical Authority einer Website gibt Aufschluss darüber, wie Google bestimmte Themenbereiche einer Website als relevant einstuft. KI-Modelle können dabei helfen, thematische Cluster und semantisch ähnliche Suchanfragen aus Google Search Console-Daten zu identifizieren. Das ermöglicht eine Bewertung der Topical Authority und liefert wertvolle Erkenntnisse für die Content-Strategie. Fazit Bei der Integration von KI in die SEO-Prozesse eines Unternehmens spielt der Change-Prozess eine wesentliche Rolle: Es ist wichtig, Mitarbeiter:innen die Angst vor der neuen Technologie zu nehmen. Schulungen und Workshops können dabei helfen, das Verständnis für KI zu fördern und die Akzeptanz im Unternehmen zu steigern. Die KI-Automatisierung ist kein Allheilmittel, aber ein mächtiges Werkzeug, das SEO-Expert:innen dabei unterstützt, ihre Arbeit effizienter und effektiver zu gestalten. Wer sich dem Thema widmet, rüstet sich für die Zukunft der Suchmaschinenoptimierung. [author ssoId="ab4d315f-db5a-4e9a-a8d2-2881ad8eda98"]ist Gründer und Geschäftsführer von Claneo, einer Seo- & Content-Marketing-Agentur mit Sitz in Berlin. Mit seiner Expertise berät er Startups, KMU und Konzerne in den Bereichen Suchmaschinenoptimierung & Content Marketing. [/author] [author ssoId="13eb6c04-4849-4ef6-9cc7-20f8cb24dc56"]ist Senior SEO Automation und AI Strategist bei Claneo, spezialisiert auf die Förderung des organischen Wachstums internationaler Kunden durch den Einsatz fortschrittlicher Data-Science-Methoden und Ai-Tools. [/author]