Die Suchintention ist ein Klassifikationskonzept aus der Suchmaschinenoptimierung und dem Content-Marketing. Sie erfasst die Absicht hinter einer einzelnen Suchanfrage. Also warum genau jemand sucht, nicht was er eintippt.
In der SEO-Praxis unerteilt mit die Suchintention (Search Intent) meist in fünf Typen
- informational
- navigational
- commercial
- transactional
- local
Google selbst unterscheidet auch in Know, Do, Website und Visit-in-Person.
Egal in welcher Unterteilung: Der Sinn hinter der Suchintention ist es immer, das Content-Format, die Seitenstruktur und den Conversion-Pfad an die tatsächliche Absicht auszurichten .
Daher bekommt es seine Relvanz für klassische Suchmaschinenoptimierung, in der Content-Strategie und beim Optimieren für generative Suchsysteme wie ChatGPT, Perplexity oder Google AI Overviews.
Drei Begriffe bzw. Konzepte werden hierbei regelmäßig verwechselt:
- Das Keyword selbst ist die eingetippte Zeichenfolge. Dieselbe Zeichenfolge kann allerdings unterschiedliche Suchintentionen tragen. Beispiel: „käfer“. Geht es hier um das Insekt oder um das Auto?
- Die Nutzerintention hingegen ist die übergeordnete Motivation der gesamten Recherche- oder Kaufreise; die Suchintention ist der jeweilige Ausschnitt davon pro Anfrage.
- Buyer Intent Data wiederum sind verhaltensbasierte Signale auf Unternehmensebene. Sie zeigen, welche Unternehmen recherchieren, nicht welche Absicht hinter einer Query steht.
Die fünf Typen der Suchintention im Überblick
Die SEO-Praxis unterscheidet heute fünf Typen. Jeder lässt sich an typischen Keyword-Mustern erkennen und verlangt ein anderes Content-Format.
Informational: der Nutzer will etwas wissen. Erkennbar an W-Fragen und Wissens-Keywords: „Was ist…“, „wie funktioniert…“, „Funktionsweise“, „Unterschied zwischen…“. Beispiel: „Servoantrieb Funktionsweise“. Passendes Format: Glossar, Ratgeber, How-to, Erklärvideo.
Navigational: der Nutzer will zu einer bestimmten Seite. Erkennbar an Marken-, Produkt- oder URL-Namen: „webraketen“ oder „web.de Login“. Der Nutzer kennt das Ziel bereits und nutzt die Suche nur als Abkürzung. Passendes Format: Marken-Startseite, Produkt-Übersicht, klar benannte Unterseite.
Commercial Investigation: der Nutzer vergleicht vor dem Kauf. Erkennbar an Vergleichs- und Bewertungs-Keywords: „beste“, „Test“, „Vergleich“, „Alternative zu…“, „Auswahlkriterien“, „Anbieter für…“. Beispiel: „Servoantrieb Auswahlkriterien“. Passendes Format: Vergleichstabelle, Lösungsseite, Auswahlhilfe, Case Study.
Transactional: der Nutzer will handeln. Erkennbar an Handlungs-Keywords und konkreten Produktbezeichnungen: „kaufen“, „bestellen“, „herunterladen“, „Angebot anfordern“, aber auch reine Teilenummern und SKUs. Beispiel: „6204-2RS SKF“ oder „Servoantrieb XYZ-1234 Datenblatt“. Passendes Format: Produkt-, Konfigurator- oder Anfrage-Seite.
Local: der Nutzer sucht in seiner Umgebung. Erkennbar an Ortsbezug und Nähe-Keywords: „… in meiner Nähe“, „… [Stadt]“, „Öffnungszeiten“, „Anfahrt“. Beispiel: „Friseur München“ oder „Baumaschine mieten in der Nähe“. Erwartet werden Google-Maps-Ergebnisse, Öffnungszeiten und korrekte Standortdaten. Passendes Format: Standort- oder Niederlassungsseite mit konsistenten NAP-Daten (Name, Adresse, Telefon) und gepflegtem Google-Unternehmensprofil. Dieser Typ entspricht Googles eigener Kategorie „Visit-in-Person“ (siehe unten) und ist im B2B für Hersteller mit Werks-, Service- oder Vertriebsstandorten relevant, weniger für rein überregionale Anbieter.
Die ersten drei Typen gehen auf die akademische Forschung zurück; commercial investigation und die getrennte Local-Kategorie hat die SEO-Praxis ergänzt. Beide Stränge erläutert der nächste Abschnitt.
Welche Typen von Suchintention zu welcher Entscheidung führen
Die Typologie ist kein Selbstzweck: Sie entscheidet, welches Content-Format eine Seite tragen muss.
Eine informationale Anfrage gehört auf einen Glossar- oder How-to-Beitrag, eine navigationale auf eine Marken- oder Produkt-Übersichtsseite, eine commercial-investigation-Anfrage auf eine Vergleichs- oder Lösungsseite, eine transaktionale auf eine Produkt-, Konfigurator- oder Anfrage-Seite.
Wer ein Datenblatt dort platziert, wo die SERP einen Vergleich erwartet, rankt nicht, unabhängig vom Optimierungsaufwand.
Wer also nach „lebensmittel verpacken“ sucht, braucht meist nicht sofort einen Onlineshop, der ihm Maschinen verkauft. Der User benötigt erst einmal Informationen: Worauf muss ich achten? Welche Möglichkeiten gibt es?
Die klassische Dreiteilung nach Broder und die Erweiterungen der SEO-Praxis
Andrei Broder hat 2002 in „A Taxonomy of Web Search“ (SIGIR Forum) drei Kategorien eingeführt: informational (etwas wissen wollen), navigational (eine bestimmte Seite ansteuern) und transactional (eine Transaktion wie Kauf, Download oder Kartenabruf ausführen).
In seiner Logfile-Analyse von damals 1.000 AltaVista-Anfragen (Google war nicht immer #1) verteilten sich die Queries auf rund 20 % navigational, 48 % informational und 30 % transactional.
Rose und Levinson verfeinerten das Modell 2004 hierarchisch und ersetzten dabei „transactional“ durch eine breitere „resource“-Kategorie; sie ermittelten rund 62 % informational, 13 % navigational und 24 % resource.
Eine spätere groß angelegte Logfile-Analyse von Jansen et al. (2008, Penn State University) kam auf über 80 % informational und jeweils rund 10 % navigational und transactional. Die Zahlen variieren mit Methode und Klassifikationsschema — belastbar bleibt: Informationale Queries machen den größten Anteil aus.
Eine aktuelle Tool-Auswertung von SE Ranking (2025) bestätigt das Bild bei verschobenen Gewichten: rund 70 % der untersuchten Keywords informational, 22 % kommerziell, 7 % navigational und 1 % transaktional — der kommerzielle Anteil ist seit den frühen Studien deutlich gewachsen, transaktionale Einzelqueries sind dagegen selten, was zur Teilenummer-Logik weiter unten passt.
Die SEO-Praxis hat das akademische Modell um zwei Kategorien ergänzt, die in den ursprünglichen Studien nicht vorkommen: commercial investigation — die Phase, in der jemand Anbieter, Produkte oder Lösungen vergleicht, bevor er kauft oder anfragt — und local, die ortsbezogene Suche.
Das engere Vier-Typen-Modell (informational, navigational, commercial, transactional) ohne die Local-Kategorie ist nach wie vor verbreitet; das hier verwendete Fünf-Typen-Modell trennt local sauber ab, weil ortsbezogene Anfragen ein eigenes Content-Format und eigene Optimierungssignale verlangen. Einen einheitlichen wissenschaftlichen Ursprung hat keine der beiden Erweiterungen.
Im B2B-Industriekontext fällt der Großteil substanzieller Anfragen in commercial-investigation und informational. „Servoantrieb Auswahlkriterien“ ist commercial, „Servoantrieb Funktionsweise“ informational, „Hersteller Servoantrieb Lebensmittelindustrie“ commercial mit starker Anbieter-Recherche-Komponente, „Servoantrieb XYZ-1234 Datenblatt“ transaktional im engeren industriellen Sinn (siehe Teilenummer-Suchen unten).
Googles Klassifikation: Know, Do, Website, Visit-in-Person
Google selbst klassifiziert in den Search Quality Rater Guidelines vier Kategorien: Know (informationale Suchen), Do (Aktionen einschließlich Kauf), Website (direkte Marken- oder URL-Suchen) und Visit-in-Person (Wegbeschreibungen, physische Geschäftsstandorte).
Know-Queries gliedern sich zusätzlich in Know und Know Simple. Letzteres sind faktische Kurzantworten, die meist direkt im Knowledge Graph erscheinen. Do-Queries umfassen „Device Action“-Queries wie Sprachbefehle.
Im Kern laufen beide Modelle auf die selbe Ansicht hinaus: Die SEO-Sicht klassifiziert nach Content-Zweck, die Google-Sicht nach erwartetem Nutzerergebnis. Die Kategorien überschneiden sich dabei weitgehend.
Know entspricht informational, Do umfasst transactional und commercial, Website entspricht navigational, und Visit-in-Person ist die Google-Entsprechung zur Local-Kategorie aus dem SEO-Modell.
Praktisch relevant wird die Google-Lesart über das „Needs Met“-Rating: Wie nützlich ein Ergebnis ist, hängt nach Googles eigener Definition daran, wie vollständig es die aus der Query interpretierte Intention erfüllt.
Daraus folgt die Faustregel: Die SERP zeigt, wie Google die Intention interpretiert hat. Also am besten einfach mal das Keyword suchen, dann wird meist schnell ersichtlich, welche Intention gefragt wird. Und das dann einfach bedienen.
Eine Seite, die formal alle Keywords trägt, aber die interpretierte Intention nicht trifft, wird nicht ranken.
Dasselbe Prinzip zeigt sich im Nutzerverhalten als Pogo Sticking: Klickt jemand ein Ergebnis an, kehrt sofort zur SERP zurück und wählt das nächste, signalisiert das eine Lücke zwischen Suchintention und Seiteninhalt.
Ob Google dieses Signal direkt als Rankingfaktor verwendet, ist umstritten, gilt aber als wahrscheinlich.
Wie sich die Suchintention eines Keywords belastbar bestimmen lässt
Merksatz: Die belastbarste Quelle ist die SERP (Suchergebnisseite) selbst, nicht die eigene Einschätzung.
Google hat für jedes Keyword bereits eine Intent-Hypothese gebildet und in den Top-10-Ergebnissen sichtbar gemacht. Wer in den ersten zehn organischen Ergebnissen zu einem Keyword überwiegend Glossarbeiträge sieht, wird mit einer Produktseite nicht ranken — unabhängig davon, was das Keyword auf den ersten Blick suggeriert.
Drei Signale strukturieren die SERP-Analyse:
- SERP-Features als Intent-Indikatoren: Featured Snippets und People-Also-Ask deuten auf informationale Intention; Shopping-Boxen, Produktkarussells und Pricing-Anzeigen auf transaktionale; Knowledge Panels auf navigationale Marken-Suchen oder Know-Simple-Anfragen. AI Overviews signalisieren, dass Google die Anfrage als zusammenfassbar einstuft — das reduziert den Klick-Anteil für klassische Treffer.
- Dominierende Content-Formate in den Top 10: Überwiegen Ratgeber, Vergleichstabellen, Produktseiten, Hersteller-Datenblätter oder Foren-Diskussionen? Das Format-Muster ist das stärkste Einzelsignal.
- SERP-Overlap als Vergleichsmaß: Je mehr identische URLs Google für zwei Suchanfragen in den Top 10 anzeigt, desto ähnlicher bewertet Google die dahinterliegende Intention. Praktisch heißt das: Zwei Keywords mit hohem URL-Overlap brauchen keine zwei separaten Seiten; sie können — und sollten in der Regel — auf derselben Seite bedient werden. Liegt der Overlap nahe Null, gehören die Keywords trotz semantischer Nähe auf getrennte Seiten.
Die Methode bricht an einer Stelle: Bei Long-Tail-Anfragen mit sehr geringem Suchvolumen liefert Google teilweise SERPs, die mehr aus Mangel an passenden Treffern als aus Intent-Interpretation entstehen. Im Industriekontext betrifft das viele hochspezifische Fachanfragen — hier ist die Analyse benachbarter, volumenstärkerer Keywords das tragfähigere Vorgehen.
Was tun, wenn ein Begriff mehrere Suchintentionen trägt
Suchanfragen wie „Käfer“ oder „CNC-Maschine“ erzeugen in der SERP gemischte Intentionen: Die Top 10 enthalten gleichzeitig Hersteller-Produktseiten, Wikipedia-/Glossareinträge, Vergleichsportale und Anwendungs-Guides. Das ist kein Klassifikationsfehler, sondern Googles Eingeständnis, dass hinter dem Begriff verschiedene Nutzergruppen mit verschiedenen Absichten stehen.
Die Versuchung, alles auf einer Seite abzudecken, führt regelmäßig zu Inhalten, die für keine Intention die richtige Tiefe haben. Tragfähiger ist eine abgestufte Content-Architektur entlang der Buyer Journey: eine Hub-Seite, die den Begriff erklärt und die Sub-Intentionen sichtbar verlinkt (Funktionsweise, Auswahlkriterien, Anwendungen, Produkte/Baureihen, Anfrage).
Jede Sub-Seite zielt dann auf eine engere, eindeutigere Query: „Frequenzumrichter Funktion“, „Frequenzumrichter dimensionieren“, „Frequenzumrichter Lebensmittelindustrie“. So kann jeder Begriff sauber ranken, während die Hub-Seite den Mehrdeutigkeits-Begriff selbst abdeckt.
Welche Sub-Seiten nötig sind, entscheidet wieder der SERP-Overlap: Liefern zwei engere Queries weitgehend dieselben URLs, reicht eine Seite; divergieren die SERPs, gehören sie getrennt.
Was generative Suche an der Suchintention verändert
Generative Suchsysteme (wie ChatGPT, Perplexity, Google AI Overviews oder Gemini) verarbeiten Anfragen anders als die klassische SERP. Sie zerlegen eine Query in Sub-Fragen (Query-Fan Out), ziehen Nutzerkontext heran und prognostizieren die eigentliche Aufgabe hinter den Worten, statt primär Keyword-Matches auszuliefern. In der SEO-Branche wird von einem sechsten Intent-Typ gesprochen, dem sogenannten generative search intent: Anfragen, die direkt auf eine zusammenfassende, synthetisierende Antwort zielen statt auf eine Liste von Quellen.
Für die Praxis sind zwei Verschiebungen relevant. Erstens: Klassische informationale Anfragen enden zunehmend in der KI-Antwort, ohne dass der Nutzer auf eine Quelle klickt.
Für Glossarinhalte heißt das, dass der traffic-getriebene Wert sinkt, der Citation-Wert (Genannt-Werden in der KI-Antwort) steigt. Zweitens: Die verbleibenden Klicks aus AI-Suche sind nach Branchenbeobachtungen intent-stärker. Denn der Nutzer hat bereits eine Empfehlung gesehen und sucht gezielt Bestätigung, Detail oder Anbieter.
Konsequenz für die Priorisierung im B2B: Informationale Top-of-Funnel-Inhalte werden gegenüber LLMs auf Zitierfähigkeit hin ausgerichtet — klare Definitionen, eindeutige Quellen, präzise Fakten, strukturierte Aussagen. Commercial-investigation- und transaktionale Inhalte behalten ihren klassischen SEO-Wert, weil hier weiterhin geklickt wird: Vergleiche, Konfiguratoren, Spec-Seiten, Anfrage-Pfade. Ob ein Inhalt eher auf KI-Citation oder auf SERP-Klick zielt, wird damit selbst zu einer Intent-Frage — bezogen nicht mehr nur auf den Nutzer, sondern auf das System, das die Anfrage zuerst verarbeitet.