Dieser Artikel wurde aus dem Englischen übersetzt. [Zur englischen Originalversion wechseln Sie einfach die Sprache oben auf der Seite.]
Adaptiert aus Duane Forresters Essay auf Duane Forrester Decodes. Aurora erweitert seinen Rahmen für Marketing-Teams, die AI-Search-Visibility-Programme betreiben.
Die Tools sind ausgerollt. Die Lizenzen sind bezahlt. Und wenn Sie 2026 ein AI-Search-Visibility-Programm betreiben, nutzen Sie mit Sicherheit täglich KI – für Entwürfe, Zusammenfassungen, erste Durchgänge einer Analyse, die früher doppelt so lange dauerte. Das ist echte Produktivität. Es ist auch nicht die Rendite, die die Investition liefern kann, und die Lücke ist kein Tool-Problem. Es ist ein Modus-Problem.
Eine peer-reviewte Studie von Tim Gorichanaz an der Drexel University, vorgestellt auf dem ASIS&T Annual Meeting 2025, hat 205 reale ChatGPT-Anwendungsfälle in sechs Modi kartiert: Schreiben, Identifizieren, Entscheiden, Ideenfinden, Sprechen und Kritisieren. Schreiben allein machte 47 % aus. Identifizieren – erklären, zusammenfassen, nachschlagen – weitere 10 %. Zwei Modi dominieren. Vier liegen auf dem Tisch. Die vier Zurückgelassenen sind diejenigen, die entscheiden, ob KI Sie strategisch wertvoller macht oder einfach nur schneller bei Ausführungsarbeit.
McKinseys State of AI 2025 bestätigt dasselbe Muster auf Unternehmensebene. 88 % der Organisationen nutzen KI. Nur 6 % qualifizieren sich als High Performer, die unternehmensweit bedeutsame Auswirkungen erzielen. Die High Performer sind 3,6-mal wahrscheinlicher dabei, ihre Workflows neu zu konstruieren, anstatt Tools in bestehende einzustreuen. Schnelleres Output aus einem unrekonstruierten Workflow ist nicht dasselbe wie bessere Entscheidungen aus einem restrukturierten.
Die vier Modi, die die meisten GEO-Praktiker überspringen
Entscheiden (21 % von Gorichanaz' Sample). Welche Prompts in unserer Kampagne haben tatsächlich AI-Exposure, die Priorisierung verdient? Ist die Visibility-Lücke ein Retrieval-Problem oder ein Entity-Problem? Wo verbringe ich das nächste Sprint-Budget? Die meisten Senior-Praktiker beantworten das aus dem Bauch. Bewusst eingesetzt ist KI im Entscheiden-Modus ein strukturierter Stresstest der Annahmen, die unter dem Call liegen – angewendet, bevor der Call aushärtet. Es braucht mehr als eine gute Frage. Es braucht, dem Modell die Wettbewerbslandschaft, die aktuelle Visibility-Position, die historische Leistung, die strategische Einschränkung zu übergeben und das, was zurückkommt, als echten Input zu behandeln.
Ideenfinden (9 %). Welche Winkel topischer Autorität haben wir nicht beansprucht? Welche Drittpartei-Signale prägen, wie LLMs unsere Kategorie repräsentieren, und was bräuchte es, um sie zu verschieben? Welche Framings unserer Marke existieren in Trainingsdaten, die wir nie adressiert haben? Das sind echte Ideenfinden-Modus-Fragen. Das sind keine "Gib mir fünf Blogpost-Ideen"-Prompts. Eine echte Ideenfinden-Session dauert zwanzig Minuten, erfordert eine andere Haltung gegenüber dem Tool und produziert etwas, das von niemandem repliziert werden kann, der es nicht gemacht hat.
Kritisieren (6 %). Das ist der Modus mit der direktesten Anwendung auf AI-Visibility-Arbeit und dem größten organisatorischen Widerstand, weil er KI darum bittet, Probleme in Arbeit zu finden, in die das Team bereits investiert hat. Die schwache Entity-Behauptung in einer Strategie, die autoritativ klingt, aber nicht von der Art Sourcing gestützt ist, der LLMs vertrauen. Die Lücke zwischen dem, was Owned Content sagt, und dem, was ein gut geprompteres Modell hervorbringt, wenn es nach der Kategorie-Frage gefragt wird, die Ihre Marke besitzen sollte. Die angenommene Prämisse in einer GEO-Empfehlung, die vor sechs Monaten Sinn machte und jetzt durch verschobene Retrieval-Muster widerlegt ist. Kritisieren ist, wie ein Senior-Praktiker fängt, was das interne Review übersehen hat.
Sprechen (8 %). Probe für die Gespräche, die tatsächlich das Budget entscheiden. Der Client-Call, bei dem Sie zwei kausale Erklärungen offen halten müssen, ohne sie zu einem ordentlichen Narrativ zu kollabieren. Das Leadership-Briefing, bei dem Sie erklären müssen, warum klassisches SEO und GEO unterschiedliche Disziplinen sind und separate Budgets brauchen. Das Agentur-Review, bei dem Sie zurückdrücken müssen, ohne die Beziehung zu verlieren. Sprechen-Modus produziert kein Artefakt. Er produziert einen besseren Praktiker, der in den Raum geht.
Wo Aurora anschließt
Der Failure-Mode, den Forrester beschreibt – Ausführungs-Layer-Fluenz, die Urteils-Layer-Hohlheit verbirgt – ist genau das, was passiert, wenn AI-Visibility-Tools zu einem Dashboard werden, das Sie anstarren, statt zu einem System, mit dem Sie räsonieren. Aurora ist strukturiert, um die Arbeit zum Urteilsvermögen zu drücken:
- Citation- und Visibility-Daten pro Prompt, pro Engine, pro Wettbewerber sind nicht der Deliverable. Sie sind der Input. Der Deliverable ist die Diagnose, die Sie darüber schreiben – was eine Entscheiden-Modus-Frage ist.
- Source-Intelligence-Rollups der Domains, die die Engines in Ihrer Kategorie zitieren, sind ein Ideenfinden-Prompt, der darauf wartet, genutzt zu werden. Auf welchen Autoritätsflächen könnten Sie realistisch erscheinen, und welche würden die Default-Antwort des Modells verschieben, wenn Sie es täten?
- Adaptive Querying markiert Prompts, deren Ergebnisse sich Woche für Woche bewegt haben. Jeder davon ist ein Kritisieren-Prompt: was hat sich in unserem Content geändert, was in ihrem, was im Modell?
- Per-Engine-Reports geben Ihnen die Belege, die Sie für die Sprechen-Modus-Probe brauchen – den Screenshot, das zitierte Snippet, den Wettbewerber-Namen – bevor der Call startet.
Die kumulierende Lücke
Gorichanaz' Sechs-Modi-Taxonomie bildet fast exakt auf die Trennung zwischen Ausführungs-Layer-Arbeit und Urteils-Layer-Arbeit ab. Ein Senior-Praktiker, der KI nur für Schreiben und Identifizieren nutzt, positioniert sich als Ausführungs-Layer-Arbeiter genau in dem Moment, in dem KI diese Schicht am aggressivsten komprimiert. Das ist keine Job-Verdrängungs-Vorhersage. Es ist eine Beobachtung über berufliche Differenzierung.
Die Praktiker, die im AI Search gerade dauerhaften Wert bauen, sind diejenigen, die KI nutzen, um ihr Urteilsvermögen zu schärfen, nicht nur ihren Output zu beschleunigen. Die Dashboards existieren, um diese Arbeit zu unterstützen. Sie sind nicht die Arbeit.
