Warum klassische Keyword-Recherche im B2B nicht mehr funktioniert
Die typische Herangehensweise im SEO sieht meist so aus: Man arbeitet direkt in den Keywords-Tools, sammelt Ideen und erhält am Ende eine Excel-Liste mit passenden Keywords, verteilt diese auf verschiedene Tabs und denkt, damit wäre es getan.
Das Problem: Diese Listen sind selten vollständig und geben dir keinen echten strategischen Mehrwert. Die Keywords sind nur oberflächlich und wahrscheinlich arbeitet die Konkurrenz genau an den gleichen Begriffen. Vor allem im B2B SEO reicht das heutzutage nicht mehr.
Gerade bei monatlichen SEO-Budgets von 1.000 bis 2.000 Euro für eine Gesamtbetreung fehlt oft die Zeit für eine tiefgehende Analyse. Außerdem sind viele Agenturen personell nicht gut genug aufgestellt, so dass die Strategieentwicklung weniger stark priorisiert wird.
Klar – wenn eine Agentur die ersten zwei Monate nur mit Keyword-Recherche verbringt, werden Kunden schnell ungeduldig. Trotzdem ist dieser grundlegende Schritt entscheidend für deinen langfristigen SEO-Erfolg.
Der KI-Hype in der Keyword-Recherche: Meine ehrliche Einschätzung
Auf X (oder ehemals Twitter) liest man aktuell viele Posts wie “SEO specialists be careful not to lose your job because AI is now fully capable of doing Keyword Research”. Aus meiner praktischen Erfahrung kann ich dir sagen: Das stimmt so (noch) nicht.
KI ist definitiv ein mächtiges Werkzeug in diesem Prozess, besonders wenn es darum geht, Potenziale zu finden, die der Wettbewerb nicht auf dem Schirm hat. Aber eine vollständig automatisierte Keyword-Recherche? Das funktioniert aktuell noch nicht.
Fehler 1: Direkt mit dem Keyword-Tool starten
In meiner Beratungspraxis sehe ich es immer wieder: SEO-Teams und Agenturen stürzen sich direkt auf die Keyword-Tools. Sie schauen, welche Keywords bereits ranken oder analysieren oberflächlich die Wettbewerber.
Das ist der falsche Ansatz, besonders im B2B-Bereich, wo Kundenbeziehungen komplexer und Kaufzyklen länger sind.
Stattdessen legen wir in den ersten Workshops den Fokus komplett auf das Zielgruppenverständnis. Wir analysieren die CRM-Daten, führen Stakeholder-Interviews und erstellen detaillierte Buyer Personas.
Erst wenn wir die wahren Pain Points und die Customer Journey verstanden haben, macht eine Keyword-Recherche überhaupt Sinn.
Fehler 2: Blind auf KI-Automatisierung setzen
KI-Tools versprechen aktuell die vollautomatische Keyword-Recherche und wollen auch das Keyword-Clustering übernehmen. Aus meiner praktischen Erfahrung mit B2B-Kunden kann ich sagen:
Das funktioniert (noch) nicht. KI ist ein mächtiges Werkzeug, aber sie ersetzt nicht das strategische Denken und die manuelle Analyse.
Wichtig zu beachten ist auch, dass man mit LLMs keine Suchvolumina abrufen kann, da diese Daten dort nicht vorhanden sind. Deshalb muss man zwangsläufig immer noch mit einer Keyword-Datenbank oder einem Keyword-Tool zusätzlich arbeiten.
In meinen Projekten nutze ich einen hybriden Ansatz: Ich füttere die KI gezielt mit Branchendokumenten, etwa Whitepapers oder technischen Spezifikationen und wenn gewünscht auch mit internen Daten des Kunden. Daraus generiere ich dann in einem Sparring mit dem Large Language Modell neue Ideen und Ansätze für Longtail-Keywords.
Die generierten Keywords werden dann manuell verfeinert und mit klassischen Keyword-Tool-Daten abgeglichen. Bei einem Cloud-Provider haben wir so über 400 hochrelevante Nischen-Keywords identifiziert, die der Wettbewerb komplett übersehen hatte.
Fehler 3: Fokus auf die falschen Metriken
Ein hoher Traffic bedeutet im B2B nicht automatisch mehr Conversions. Im Gegenteil: Bei einem IT-Dienstleister haben wir uns bewusst gegen Keywords mit hohem Suchvolumen entschieden.
Stattdessen fokussierten wir uns auf spezifische Long-Tail Keywords mit Suchvolumen zwischen 20-50 pro Monat, die aber eine klare Kaufintention signalisierten und die noch besser zur angebotenen Dienstleistung gepasst haben. Der Hauptbegriff in diesem Themenbereich hätte uns wahrscheinlich weniger Business Impact gebracht und es wäre schwieriger gewesen, für diesen Begriff überhaupt zu ranken.
Die Kunst liegt im strategischen Clustering dieser Keywords. In einem aktuellen Projekt hatten wir 200+ Keywords mit niedrigem Suchvolumen.
Durch KI-gestütztes Clustering und manuelle Verfeinerung entwickelten wir daraus 15 thematische Cluster, die heute die Grundstruktur der Website bilden.
Das Ergebnis: 40% höhere Conversion-Rate im Vergleich zu den volumenstarken “Vanity” Keywords.
Fehler 4: Zu oberflächliche Recherche
Eine fundierte B2B-Keyword-Recherche braucht Zeit – deutlich mehr als die oft veranschlagten 2-3 Stunden.
Aus meiner Erfahrung mit B2B-Projekten ist ein Minimum von 10 Stunden reiner Recherche-Zeit realistisch. Dazu kommen noch Workshops, Stakeholder-Interviews und die strategische Planung.
Generell empfehle ich in der Zusammenarbeit mit Kunden immer, dass wir uns auf einen oder maximal zwei Geschäftsbereiche konzentrieren.
Der Aufwand lohnt sich: Bei einem Software-Anbieter investierten wir 15 Stunden in die reine Keyword-Recherche plus 8 Stunden Workshops.
Das Ergebnis nach 6 Monaten: Eine Verdreifachung der qualifizierten Leads über organische Suche. Der initiale Mehraufwand hat sich durch geringeren Optimierungsbedarf und höhere Conversion-Raten schnell amortisiert.
Fehler 5: Blindes Kopieren der Wettbewerber
Natürlich sollten wir uns den Wettbewerb anschauen – aber nicht blind kopieren. Besonders der “HubSpot-Ansatz” mit massenhaft Top-of-Funnel Content funktioniert für kleinere B2B-Unternehmen selten.
Ein Beispiel aus der Praxis: Ein mittelständischer IT-Dienstleister kopierte die Keyword-Strategie eines großen Wettbewerbers. Nach 6 Monaten: Viel Traffic, aber kaum Conversions.
Mein Ansatz: Wettbewerbsanalyse ja, aber gezielt nach Schwachstellen suchen. Bei einem Cloud-Security-Anbieter identifizierten wir Nischen-Themen, die der Wettbewerb nur oberflächlich behandelte.
Durch tiefgehende Expertenbeiträge und Case Studies zu diesen Themen erreichten wir innerhalb von 4 Monaten Top-3-Rankings – mit deutlich weniger Ressourcen als die Konkurrenz.