SEOPRESSO PODCAST - Der SEO Podcast mit Björn Darko

Prompts & MCP mit Norman Nielsen (Omio) | Ep. 220

Oct 17, 2025

Norman Nielsen, Produkt- und AI-Experte bei Omio, spricht über das Model Context Protocol (MCP), das definiert, wie KI-Systeme mit Tools interagieren. Er erklärt den Unterschied zwischen Prompts und Keywords sowie die Bedeutung von Sentiment-Tracking. Zudem wird diskutiert, wie Marken ihre Sichtbarkeit in KI-Suchergebnissen erhöhen können. Norman hebt die Notwendigkeit einer API-First-Strategie hervor und prognostiziert neue Berufe wie „AI Partnership Manager“. Conversation Shopping wird als zukünftiger Trend im Kaufprozess näher beleuchtet.

Ask episode

AI Snips

Chapters

Transcript

Episode notes

INSIGHT

Prompts Als Dialogprozesse Verstehen

Prompts sind keine Keywords, sondern dialogische Prozesse, die in mehreren Schritten Antworten formen.
Das macht Tracking komplexer, weil man Dialogverläufe und Multiple-Outputs statt einzelner Keywords messen muss.

ADVICE

Sentiment Und Antworttypen Messen

Tracke das Sentiment, in dem deine Marke in AI-Antworten erscheint, und unterscheide positive, neutrale und negative Wahrnehmung.
Messe außerdem unterschiedliche Antworttypen und Segmente pro Prompt, nicht nur eine einzige Ausgabe.

INSIGHT

Query-Fan-Out Formt Markenwahrnehmung

KI zerlegt Prompts in Subqueries (Query-Fan-Out) und entscheidet in Subteilen, welche Marken auftauchen.
Wer in diesen Subqueries vertreten ist, prägt das Brand-Image in AI-Antworten.

Get the Snipd Podcast app to discover more snips from this episode

Get the app

In dieser Episode sprechen Björn Darko und Norman über eines der spannendsten Themen der neuen AI-Search-Ära: das Model Context Protocol (MCP) – ein Standard, der festlegt, wie KI-Systeme mit Tools, Websites und Datenquellen interagieren. Norman erklärt, warum Marken künftig API-First denken müssen, wie sich Brand Visibility in Promptsmessen lässt und was das alles für SEO, Content und Conversion bedeutet.
Außerdem geht es um Conversation Shopping, neue Geschäftsmodelle rund um API-Abfragen und wie Marken künftig sicherstellen, dass ihre Inhalte in LLM-Antworten auftauchen – und nicht im Datenrauschen verschwinden.

💡 Main Takeaways:

Prompts ≠ Keywords: LLM-Tracking funktioniert nicht wie SEO – Prompts sind dialogisch, dynamisch und personalisiert.
Sentiment-Tracking: Entscheidend ist, wie eine Marke in AI-Antworten wahrgenommen wird – positiv, neutral oder negativ.
Query-Fan-Out verstehen: KI zerlegt Prompts in Subqueries – wer dort vorkommt, prägt das Brand-Image.
MCP (Model Context Protocol): Offenes Protokoll, das standardisiert, wie Tools und Websites mit LLMs sprechen.
API-First Economy: Firmen müssen ihre Daten strukturiert, aktuell und maschinenlesbar anbieten, um in AI-Suchergebnissen präsent zu bleiben.
Conversation Shopping: Kaufprozesse verlagern sich direkt in Chat-Interfaces – Datenqualität wird zum Wettbewerbsvorteil.

Neue Berufsbilder: „AI Partnership Manager“ und „Prompt Visibility Strategists“ könnten Realität werden.

⏱ Kapitelmarken:

00:00 Intro & Setting – Podcast an Bord der Color Line

00:01:00 Warum Prompts keine Keywords sind

00:02:00 Sentiment- und Brand-Tracking in AI-Search

00:03:00 Personalisierung & Ergebnis-Variabilität

00:04:30 Freshness & Situation Drift – warum Aktualität zählt

00:05:00 Einführung in das Model Context Protocol (MCP)

00:06:00 SISTRIX Newsflash: AI Search Updates

00:08:00 API-First Strategien & Monetarisierung

00:09:30 Conversation Shopping & Commerce im Chat

00:10:30 API-Verknüpfung von Datenquellen & Automatisierung

00:11:30 Nutzung externer Datenquellen (Wetter, Zinsen, Verkehr)

00:12:10 Fazit & Ausblick: Daten, APIs & die Zukunft der Suche