Wettbewerbslückenanalyse – vereinfacht, um effizient und effektiv zu sein

Wichtige Erkenntnisse

• Eine Wettbewerbslückenanalyse braucht eine systematische Erfassung von Entitäten, Absichtsstufen und Antwortmustern, die anhand des Geschäftswerts bewertet werden – nicht nur eine Auflistung der Themen, bei denen die Konkurrenz besser abschneidet als du
• KI-Systeme wie ChatGPT, Grok und Claude zitieren Inhalte mit vollständiger Entitätsabdeckung und klaren Strukturen. Traditionelle Google-Rankings garantieren keine KI-Zitate, die zunehmend das Bewusstsein potenzieller Kunden beeinflussen
• Die manuelle Lückenanalyse dauert Tage oder Wochen pro Themencluster, was dazu führt, dass Teams systematische Ansätze aufgeben. Durch Automatisierung lässt sich diese Arbeit auf wenige Minuten verkürzen, ohne dass die methodische Genauigkeit darunter leidet

Von Jayne Schultheis – Die meisten Teams denken, dass eine Lückenanalyse der Wettbewerber bedeutet, „zu überprüfen, für welche Themen sie ranken, die wir nicht abdecken”. Das ist keine Lückenanalyse. Das ist eine Themenliste!

Eine echte Lückenanalyse erfordert die Zuordnung von Entitäten, Absichtsstufen und Antwortmustern sowie die Bewertung all dieser Faktoren im Hinblick auf den Geschäftswert. Das ist eine anspruchsvolle Arbeit, die sich positiv auf deine Pipeline auswirkt, wenn sie richtig durchgeführt wird. Das Problem? Die manuelle Durchführung dieser Arbeit führt dazu, dass dein Team schon nach der Analyse weniger Wettbewerber erschöpft ist.

Hier erfährst du, was eine ordnungsgemäße Lückenanalyse tatsächlich beinhaltet, warum der manuelle Ansatz in großem Maßstab versagt und was du stattdessen benötigst. Lass uns dazu tiefer eintauchen.

Wie eine echte Gap-Analyse aussieht

Eine Content-Lücke bei einem Mitbewerber ist ein bestimmter Ort, an dem deine idealen Kunden Fragen stellen, deine Mitbewerber als maßgebliche Quellen zitiert werden und du nirgends zu finden bist.

Die Spielregeln haben sich geändert. Es geht nicht mehr unbedingt darum, unter den Top 10 von Google zu ranken. KI-Systeme wie ChatGPT, Perplexity und Claude synthetisieren Antworten aus mehreren Quellen und zitieren diejenigen mit der vollständigsten, entitätsreichsten Abdeckung. Wenn dein Content wenig Entitäten enthält oder wichtige Zusammenhänge fehlen, wirst du nicht zitiert, auch wenn du technisch gesehen „rankst”.

Es gibt vier Arten von Lücken, die es wert sind, verfolgt zu werden:

• Themenlücken: Diese treten auf, wenn Wettbewerber für Fragen zitiert werden, die dein ideales Kundenprofil aktiv stellt, du aber keinen Content hast, der diese Fragen beantwortet. Denk zum Beispiel an „Wie kann man die Kundenabwanderung bei SaaS reduzieren?”, wenn du eine Retention-Plattform verkaufst, aber nur Produktseiten hast
• Absichts-Lücken: Diese treten in bestimmten Phasen des Trichters auf. Vielleicht hast du starke Produktvergleichsseiten, aber schwache „Lösungs”-Inhalte, die Käufern helfen, ihre Optionen zu verstehen, bevor sie bereit sind, Anbieter zu bewerten. Konkurrenten dominieren die Problem- und Lösungsphase, während du nur bei der Produktbewertung auftauchst
• Entitätslücken: Das sind bestimmte Personen, Produkte, Standards, Frameworks oder Orte, die deine Konkurrenten immer wieder abdecken, die du aber ignorierst. In einer AEO-Welt entscheidet die Vollständigkeit der Entitäten darüber, ob KI-Systeme deine Inhalte extrahieren und zitieren können. Wenn du zum Beispiel den „Customer Lifetime Value“ erwähnst, aber nichts über Kohortenanalyse, Nettokundenbindung oder Expansionsumsatz sagst, bist du keine vollständige Quelle
• Formatlücken: Diese entstehen, wenn deine Konkurrenten mit bestimmten Inhaltstypen punkten, die der Art und Weise entsprechen, wie KI-Systeme Informationen abrufen. Sie strukturieren Inhalte mit klaren Behauptungs-Beweis-Paaren, definieren Entitäten explizit und verwenden Formate, die leicht zu analysieren und zu zitieren sind

Warum ist das für deine Pipeline wichtig? Weil Lücken, die mit hochgradig absichtsvollen Suchanfragen und häufigen Verkaufseinwänden zusammenhängen, eine Brücke zwischen Entdeckung und Umsatzschlagen. Wenn ein potenzieller Kunde ein KI-System nach „Preismodellen für [deine Kategorie]” fragt und eine Antwort erhält, die aus den Inhalten deiner Konkurrenten statt aus deinen eigenen zusammengestellt wurde, hast du die Chance verpasst, dieses Gespräch frühzeitig zu gestalten.

Schauen wir uns nun an, was nötig ist, um diese Lücken systematisch zu finden, und wo der manuelle Prozess versagt.

Die Daten, die du vor dem Start benötigst

Ohne Basisdaten kannst du keine Lücken finden. Für eine ordnungsgemäße Lückenanalyse ist Folgendes erforderlich:

• Ein Themen- und Entitätsmodell für deinen Markt: Dazu gehören die Fragen, die dein ICP (Ideal Customer Profile) stellt, die Entitäten (Personen, Produkte, Konzepte, Standards), die in deinem Bereich wichtig sind, und wie gut die Wettbewerber jede einzelne davon abdecken. Du musst wissen, wie eine „vollständige Abdeckung“ aussieht, bevor du erkennen kannst, wo du Schwächen hast. In AEO bedeutet das, Entitätsbeziehungen abzubilden – nicht nur Keywords aufzulisten
• Analyse der Inhalte von Mitbewerbern, die die Entitätsdichte und die Struktur der Aussagen zeigt: Welche Entitäten definieren sie? Welche Beziehungen stellen sie her? Wie strukturieren sie Beweise, um ihre Aussagen zu untermauern? So kannst du erkennen, ob ihre Inhalte für die KI-Suche und -Zitation optimiert sind
• Google Search Console-Daten für deine Domain: Insbesondere: Suchanfragen, bei denen du Impressionen erzielst, Seiten, die ranken, Klickraten nach Position und aktuelle Rankings. So kannst du erkennen, wo du eine schwache Abdeckung hast und wo du gar nicht abgedeckt bist. Aber denk dran: GSC ist ein nachlaufender Indikator. Nur weil du ein gutes Ranking hast, heißt das nicht, dass KI-Systeme dich zitieren werden
• KI-Zitationsverfolgung für deine Zielabfragen: Wenn potenzielle Kunden ChatGPT, Perplexity oder Claude zu Themen in deinem Bereich befragen, welche Quellen werden zitiert? Wenn es immer deine Konkurrenten sind, hast du eine Lücke (auch wenn du in der traditionellen Suche ein gutes Ranking hast)

Um diese Daten manuell zu bekommen, musst du GSC-Berichte exportieren, Dutzende von Suchanfragen über mehrere KI-Systeme laufen lassen, die Inhalte deiner Konkurrenten auf Entitätsabdeckung analysieren und die Zitate miteinander vergleichen. Für einen einzigen Themencluster musst du mehrere Stunden Daten sammeln, bevor du eine einzige Lücke identifiziert hast.

Warum das nicht skalierbar ist: Wenn du fünf Konkurrenten in zehn Themenclustern analysierst, könntest du Wochen damit verbringen, nur die Basisdaten zu sammeln.

Lücken finden: der manuelle Workflow der Vergangenheit

So sieht der Prozess der Lückenanalyse aus, wenn er gründlich durchgeführt wird:

Beginne mit Startthemen

Schreibe fünf bis zehn Kernprobleme, die dein Produkt löst, als Fragen in einfacher Sprache auf. Was versuchen Käufer zu erreichen, wenn sie suchen oder ein KI-System befragen?

Erweitere die Liste

Aktiviere in Google die Kontrollkästchen „People also ask“ (Andere Nutzer fragen auch) für deine Startthemen. Schau dir die verwandten Suchanfragen am Ende der SERPs an. Frag KI-Systeme mit deinen Ausgangsthemen ab und schau dir an, welche Folgefragen sie generieren. Zieh die Top-URLs von Mitbewerbern heran und analysiere die Themen und Entitäten, die sie abdecken.

Dieser Schritt kann für einen einzelnen Themencluster mehrere Stunden dauern. Du klickst dich manuell durch die Google-Ergebnisse, fragst mehrere KI-Systeme ab, kopierst Fragen in eine Tabelle, besuchst die Seiten von Mitbewerbern und versuchst, Entitätsmuster zu erkennen.

Ordne jeden Kandidaten drei Dimensionen zu

Hier sind drei Punkte zu beachten:

• Welche Entitäten erfordert dieser Inhalt und wie hängen sie zusammen (spezifische Frameworks, Tools, Vorschriften, Methoden und die Verbindungen zwischen ihnen)?
• Welcher Absichtsphase dient er (Problembewusstsein, Lösungsfindung oder Produktbewertung)?
• Welche Antwortstruktur erwarten KI-Systeme (Definition mit Beispielen, Vergleich mit Kompromissen, schrittweiser Prozess, Berechnung mit ausgearbeitetem Beispiel)?

Jetzt analysierst du 25 bis 40 Themenkandidaten, überprüfst jeden einzelnen anhand deines Entitätsmodells, bewertest, was KI-Systeme synthetisieren, und dokumentierst Antwortstrukturen. Auch das dauert mehrere Stunden.

Markiere die Lücken

Eine Lücke besteht, wenn:

• Du überhaupt keine Inhalte hast, die die Anfrage beantworten
• Du zwar Inhalte hast, diese aber dünn sind in Bezug auf Entitäten, wichtige Beziehungen fehlen oder sie  so strukturiert sind, dass KI-Systeme sie nicht einfach analysieren und zitieren können
• Konkurrenten von KI-Systemen zu diesem Thema regelmäßig zitiert werden, du jedoch nicht

Warum das nicht skalierbar ist: Es könnte einige Tage dauern, einen Themencluster zu analysieren. Wenn du zehn Cluster abdecken musst, um mit deinen Konkurrenten mithalten zu können, ist das eine Menge manueller Arbeit.

Wie entscheide ich, welche Lücken ich füllen soll?

Nicht alle Lücken sind gleich. Du brauchst ein Bewertungssystem, das Chancen und Aufwand gegeneinander abwägt. So sieht eine strenge Bewertung aus:

• Ideale Übereinstimmung mit dem Kundenprofil (1-5): Wie genau passt diese Anfrage zu deinem idealen Kundenprofil? Eine 5 bedeutet „nur unser ICP würde diese Frage stellen”. Eine 1 bedeutet „bestenfalls tangential verwandt”
• Absichtsphase (1–5): Wo befindet sich diese Anfrage im Trichter? Gewichte die späteren Phasen höher, da sie näher am Umsatz liegen. Problembewusstsein wird mit 2–3 bewertet. Die Suche nach Lösungen wird mit 3–4 bewertet. Die Produktbewertung wird mit 4–5 bewertet
• Hebelwirkung (1–5): Kannst du eine einzigartige Sichtweise, proprietäre Daten oder Produktvorteile bieten, die deine Mitbewerber nicht bieten können? Eine hohe Hebelwirkung bedeutet, dass du zur maßgeblichen Quelle werden kannst, selbst wenn deine Mitbewerber derzeit dominieren
• Nachfragesignal (1–5): Kombiniere das Suchvolumen mit der AI-Zitationshäufigkeit. Suchanfragen mit hohem Volumen, bei denen Mitbewerber regelmäßig zitiert werden, erhalten eine höhere Bewertung als     Suchanfragen mit geringem Volumen und geringer AI-Abdeckung
• Lücke in der Vollständigkeit der Entitäten (1–5): Wie viel mehr Entitäten decken deine Konkurrenten ab als du? Wenn sie acht Entitäten definieren und zwölf Beziehungen herstellen, während du zwei Entitäten ohne Beziehungszuordnung abdeckst, ist das eine große Lücke
• Aufwand (1–5): Geschätzte Stunden für die Recherche von Entitäten, die Strukturierung von Behauptungen und Beweisen, den Entwurf, die Überprüfung mit Fachexperten und die Erstellung von Assets. Geringerer Aufwand bedeutet eine höhere Punktzahl

Jetzt musst du berechnen:

Geschäftswert = (ideale Kundenprofilübereinstimmung × Absichtsphase × Hebelwirkung) + Nachfragesignal + Lücke in der Vollständigkeit der Entitäten

Prioritätswert = Geschäftswert – Aufwand

Kurzes Beispiel

Nehmen wir an, du bewertest „wie man den Customer Lifetime Value für SaaS berechnet”:

• ICP-Übereinstimmung: 5 (nur SaaS-Unternehmen fragen dies)
• Absichtsphase: 4 (Lösungsfindung)
• Hebelwirkung: 4 (du hast einen integrierten Rechner und proprietäre Benchmark-Daten)
• Nachfragesignal: 4 (ordentliches Volumen, KI-Systeme zitieren dies häufig)
• Lücke in der Vollständigkeit der Entität: 5 (Konkurrenten decken Kohortenanalyse, Nettokundenbindung, Expansionsumsatz und Abwanderung nach Segmenten ab – du nicht)
• Aufwand: 3 (benötigt Input von Fachexperten, benutzerdefinierte Assets)

Geschäftswert = (5 × 4 × 4) + 4 + 5 = 89

Prioritätsbewertung = 89 - 3 = 86

Warum das nicht skalierbar ist: Die manuelle Bewertung von 40 Lücken dauert mehrere Stunden und birgt bei jedem Schritt die Gefahr menschlicher Fehler. Wenn du mit mehreren Themenclustern arbeitest, musst du Hunderte von Lücken konsistent bewerten. Die manuelle Bewertung könnte zu einem Engpass werden.

Deshalb geben viele Teams die systematische Lückenanalyse nach dem ersten Versuch auf. Sie führen einen manuellen Sprint durch, sind dann erschöpft und kehren zur Themenauswahl auf Basis von Eindrücken zurück.

Was tatsächlich funktioniert: Automatisierte Lückenanalyse

Der oben beschriebene Workflow ist eine solide Methode für eine ordnungsgemäße Lückenanalyse. Er ist aber auch sehr zeitaufwändig. Und danach kommt noch der Zeit- und Arbeitsaufwand für das Verfassen von Briefings und die Erstellung der eigentlichen Inhalte hinzu.

Das Problem ist nicht unbedingt die Methodik. Das Problem ist, dass man das nicht manuell in großem Umfang machen kann. Man braucht eine Automatisierung, die:

• dein Themen- und Entitätsmodell automatisch erstellt und pflegt: Sie sollte die Fragen deines Marktes abbilden, relevante Entitäten und deren Beziehungen identifizieren und die Abdeckung der Entitäten deiner Mitbewerber ohne manuelle Datenerfassung verfolgen
• Lücken in wenigen Minuten statt in Tagen entdeckt: Sie sollte die Inhalte deiner Mitbewerber auf Entitätsdichte und Beziehungen analysieren, verfolgen, was KI-Systeme zitieren, deine bestehende Abdeckung bewerten und dann die Lücken nach ihrem geschäftlichen Wert geordnet anzeigen
• Briefings und Gliederungen erstellt, die Autoren sofort umsetzen können: Automatisierte Briefings können vorab ausgefüllte Entitäten und Antwortmuster enthalten, die direkt aus deinem Themenmodell stammen
• sowohl die traditionelle Suchleistung als auch KI-Zitationsmuster überwacht: Du musst sehen, welche Lücken Impressionen und Klicks in GSC generieren, aber auch, welche Teile von KI-Systemen zitiert werden, wenn potenzielle Kunden Fragen in deinem Bereich stellen

Aus diesem Grund haben wir Rex entwickelt. Er vereinfacht den gesamten Workflow (Entdeckung, Bewertung, Briefing und Überwachung) in wenigen Minuten statt in Wochen. Du erhältst eine strenge, systematische Lückenanalyse, die für die Art und Weise optimiert ist, wie KI-Systeme Inhalte abrufen und zitieren, ohne dass manuelle Arbeit erforderlich ist, die dies unhaltbar macht.

Die „Smart Cards” von Rex fassen all diese Daten in übersichtlichen Diagrammen und Abläufen zusammen und schlagen sogar automatisch die nächsten Schritte für die Content-Pipeline vor.

Wenn du sehen möchtest, wie die Lücken in deinem Markt aussehen, probiere Rex aus. Wir zeigen dir genau, wo deine Konkurrenten von KI-Systemen zitiert werden und wo du Lücken hast.

FAQ

Was ist der Unterschied zwischen Themenlücken und Entitätslücken?

Themenlücken entstehen, wenn Konkurrenten Inhalte haben, die Fragen deiner idealen Kunden beantworten, du aber überhaupt keine Inhalte zu diesen Themen hast.

Wenn du zum Beispiel eine Plattform zur Kundenbindung verkaufst, aber nur Produktseiten ohne informative Inhalte zum Thema „Wie man die Kundenabwanderung bei SaaS reduziert“ hast, ist das eine Themenlücke. Entitätslücken sind etwas differenzierter – sie liegen vor, wenn du zwar Inhalte zu einem Thema hast, aber die spezifischen Konzepte, Rahmenbedingungen, Methoden oder Zusammenhänge fehlen, die den Inhalt maßgeblich machen.

Wenn du über den Customer Lifetime Value schreibst, aber keine Erläuterungen zu verwandten Entitäten wie Kohortenanalyse, Nettokundenbindung oder Expansionsumsatz gibst, betrachten KI-Systeme deine Inhalte nicht als vollständig genug, um sie zu zitieren.

Themenlücken bedeuten, dass du in Gesprächen völlig abwesend bist, während Entitätslücken bedeuten, dass du zwar präsent bist, aber nicht maßgeblich genug, um von KI-Systemen, die Antworten synthetisieren, zitiert zu werden.

Sind KI-Zitationsmuster wichtiger als traditionelle Google-Rankings?

Beides ist wichtig. Google-Rankings zeigen, wo du in den Suchergebnissen erscheinst, aber Systeme wie ChatGPT, Grok und Claude synthetisieren Antworten aus mehreren Quellen und zitieren nur Inhalte, die eine vollständige, entitätsreiche Abdeckung mit klaren Behauptungs-Beweis-Strukturen bieten.

Du kannst auf Seite eins von Google ranken, aber dennoch keine Zitate von KI-Systemen erhalten, wenn deine Inhalte wenig Entitäten enthalten oder keine Beziehungen zwischen Konzepten herstellen. Da potenzielle Kunden zunehmend Fragen an KI-Systeme stellen, anstatt sich durch Google-Ergebnisse zu klicken, hilft es, von KI zitiert zu werden, um festzustellen, ob du Teil der Konversation bist, wenn Käufer sich eine Meinung bilden und Optionen bewerten.

Die Verfolgung von KI-Zitaten zeigt, welche Wettbewerber das Verständnis potenzieller Kunden in kritischen Suchphasen prägen, und zeigt dir, wo du die Gelegenheit verpasst, Konversationen frühzeitig im Kaufprozess zu gestalten, noch bevor potenzielle Kunden deinen Namen kennen.

Kann ich mit den Daten der Google Search Console allein eine effektive Lückenanalyse durchführen?

Die Google Search Console ist für eine moderne Lückenanalyse notwendig, aber nicht ausreichend. Die GSC zeigt dir, wo du Impressionen erzielst, welche Seiten ranken und wie hoch deine Klickraten sind – dies zeigt dir, wo deine Berichterstattung schwach ist und wo sie fehlt.

Die GSC ist jedoch ein nachlaufender Indikator, der nur die traditionelle Suchleistung verfolgt, nicht aber, ob KI-Systeme deine Inhalte zitieren, wenn potenzielle Kunden Fragen stellen. Du brauchst auch eine Analyse der Inhalte deiner Mitbewerber, die die Entitätsdichte und die Anspruchsstruktur zeigt, eine KI-Zitationsverfolgung über Plattformen wie ChatGPT und Claude sowie ein Themen- und Entitätsmodell, das die Fragen deines ICP sowie die Konzepte und Beziehungen abbildet, die eine vollständige Abdeckung in deinem Bereich definieren.

Ohne diese zusätzlichen Informationen siehst du nur einen Teil des Gesamtbildes. Du denkst vielleicht, dass du aufgrund der Rankings eine ausreichende Abdeckung hast, während deine Mitbewerber von den KI-Systemen, die deine potenziellen Kunden tatsächlich bei der Recherche verwenden, als maßgebliche Quellen zitiert werden.