Keyword-Recherche ohne SEMrush: 5 Methoden für deutsche Nischenseiten 2026

SEMrush kostet je nach Plan zwischen 130 und 500 Euro im Monat, Ahrefs ähnlich. Für eine deutsche Nischenseite im ersten Jahr — also in der Phase, in der ohnehin noch kein Affiliate-Umsatz fließt — ist das eine harte Hypothek. Und gleichzeitig: die Daten, die diese Tools für deutsche Long-Tail-Anfragen liefern, sind oft schlechter als die der kostenlosen Alternativen. Volumen wird gerundet, Long-Tail-Phrasen fehlen ganz, der Wettbewerbsscore basiert auf Backlink-Daten, die für Themen-Spezialisierung wenig aussagen.

Das Problem mit tool-getriebener Recherche

Wer mit einem Tool startet, beginnt mit einer falschen Frage. Die Tool-Frage lautet: „Welche Keywords haben hohes Suchvolumen und niedrige Schwierigkeit?" Die richtige Frage lautet: „Welche konkreten Probleme suchen Menschen in meiner Nische in deutscher Sprache, und welche Worte benutzen sie dabei?" Das sind zwei sehr verschiedene Welten.

Tool-Daten sind außerdem fast immer rückwärtsgewandt. Sie zeigen, was bereits gesucht wurde — nicht, was gerade entsteht. In schnellen Nischen (KI-Produkte, neue Camping-Tech, regulatorische Änderungen) ist das eine echte Schwäche. Und die Volumenangaben sind in Deutsch-Nischen oft schlicht falsch: Ein Keyword mit „kein Volumen laut Tool" kann in Wirklichkeit täglich dutzende Klicks bringen, weil das Tool nur seine Sampling-Daten ausgewertet hat.

Der dritte und wichtigste Punkt: Tools geben dir das, was alle anderen auch sehen. Wenn ein Long-Tail-Keyword in SEMrush mit Score 12 auftaucht, haben es bereits 200 andere SEOs auf dem Schirm. Echte Nischenseiten leben von Suchanfragen, die nicht in den Standard-Datenbanken stehen. Die folgenden fünf Methoden zielen genau auf diese blinden Flecken.

Methode 1: Google Suggest systematisch

Google Suggest ist die unterschätzteste Keyword-Quelle überhaupt. Anders als Tool-Daten zeigt Suggest, was Menschen in diesem Quartal tatsächlich tippen — gefiltert nach Region. Der Trick: nicht nur das Hauptkeyword eingeben, sondern systematisch das Alphabet durchgehen, plus Modifikatoren wie „warum", „beste", „test", „erfahrung", „2026".

Manuell wäre das stundenlange Klickarbeit. Mit einem kleinen Skript ist es eine Sache von Sekunden. Die öffentliche Google-Autocomplete-Endpoint liefert JSON für jede Abfrage:

# Holt deutsche Google-Suggestions für ein Seed-Keyword + a-z Suffix
for letter in {a..z}; do
  curl -s "https://suggestqueries.google.com/complete/search?client=firefox&hl=de&gl=de&q=campingstuhl+$letter" \
    | jq -r '.[1][]' >> suggestions_campingstuhl.txt
done
sort -u suggestions_campingstuhl.txt > suggestions_unique.txt
wc -l suggestions_unique.txt

Für das Seed „campingstuhl" produziert dieser Loop typischerweise 150 bis 300 deutschsprachige Variationen: „campingstuhl mit hocker", „campingstuhl klappbar leicht", „campingstuhl xxl 200 kg", „campingstuhl test stiftung warentest". Jede dieser Phrasen ist eine reale Suchanfrage — keine Schätzung.

Drei wichtige Erweiterungen: Erstens Suggest mit Fragewörtern voranstellen („warum knarrt campingstuhl", „welcher campingstuhl für übergewichtige"). Diese Phrasen ranken oft mit weniger als 50 Wörtern Content auf Platz 1, weil die SERP keinen besseren Match hat. Zweitens Suggest auf Google Bilder, Google News und Google Shopping wiederholen — jede Vertikale liefert andere Vorschläge. Drittens „People also ask" und „Verwandte Suchanfragen" am SERP-Fuß manuell mitnehmen; diese erscheinen nicht in Autocomplete.

Wer das auf 20 Seeds anwendet, hat in einem Vormittag eine Liste von 2.000 bis 5.000 real getippten Phrasen. Das ist mehr Long-Tail-Material als jedes 100-Euro-Tool in derselben Zeit liefern würde.

Methode 2: SERP-Analyse als Filter

Eine Liste von 3.000 Keywords ist wertlos, wenn man nicht weiß, welche davon man tatsächlich ranken könnte. Hier scheitern viele Anfänger: Sie sammeln, ohne zu filtern. Die billigste und beste Filter-Methode ist die SERP selbst.

Workflow: Jedes Keyword aus der Suggest-Liste in eine Inkognito-Suche eingeben (Inkognito wichtig, damit Personalisierung nicht stört). Dann fünf Dinge prüfen — in Sekunden, nicht Minuten:

1. Wie viele der Top-10-Ergebnisse sind Foren, Reddit-Threads, Blog-Kommentare? Drei oder mehr bedeutet: Google hat keine professionelle Antwort gefunden. Das ist eine Nische-Lücke.
2. Wie alt sind die Top-3-Artikel? Wenn der älteste Top-3-Treffer von 2019 ist und das Thema sich seitdem verändert hat (neue Modelle, neue Regulierung), reicht ein aktueller Artikel oft, um auf Position 4 oder 5 zu landen.
3. Steht Amazon oder ein anderer Marketplace in den Top 3? Bei kommerziellen Anfragen: ja, fast immer. Bei reinen Informationsanfragen: nein. Marketplace in den Top 3 verschiebt die Frage von „kann ich ranken" zu „kann ich besser als Amazon antworten".
4. Erscheint ein Featured Snippet, AI Overview oder „People also ask"-Block? Featured Snippets sind erreichbar, AI Overviews killen oft 30 bis 50 Prozent des Klick-Anteils. Advanced Web Ranking zeigte im dritten Quartal 2025, dass Position 1 in Desktop-SERPs ohne AI Overview rund 28 Prozent CTR hat — mit AI Overview im selben SERP nur noch etwa 19 Prozent.
5. Welche Phrasen erscheinen mehrfach in den Titeln der Top 5? Diese sind die echten Match-Phrasen, an denen Google das Thema festmacht.

Konkretes Beispiel aus der Praxis. Das Keyword „mobiles internet wohnmobil ohne vertrag" wirkt auf den ersten Blick schwierig — vier Tools würden es als kompetitiv einstufen. Schaut man in die SERP, finden sich auf Plätzen 3 bis 7 vier Wohnmobil-Foren mit Beiträgen aus 2022, eine Vodafone-Marketing-Seite und ein veralteter Blog-Artikel. Kein einziger strukturierter Ratgeber, der „ohne Vertrag" konsequent von „mit Vertrag" trennt. Ein Artikel, der das sauber macht, ranktet realistisch innerhalb von 3 bis 6 Monaten in den Top 10. Diese Information stand in keinem Keyword-Tool.

Wer die Methode skalieren will: Eine kleine Tabelle mit Spalten „Keyword", „Top-3-Domain-Typ", „Top-1-Alter", „SERP-Features", „Score 1-5" filtert in zwei Stunden 200 Phrasen auf die 15 bis 25, die wirklich Sinn machen.

Methode 3: Marketplace-Daten als Keyword-Quelle

Amazon-Bestsellerlisten und -Suggest sind eine der besten kommerziellen Keyword-Quellen, die es gibt — und ein blinder Fleck der meisten SEOs, weil sie nicht in den klassischen Tools auftauchen. Wer für eine Affiliate-Nische schreibt, sollte diese Quelle bewusst auswerten.

Workflow Amazon Best Seller Recherche:

1. Hauptkategorie der Nische öffnen (z. B. „Sport & Freizeit › Camping & Outdoor › Campingmöbel › Campingstühle"). Die Bestsellerliste wird stündlich aktualisiert.
2. Top 30 Produkte mit Namen und Marke extrahieren. Browser-Extension oder simples Copy/Paste reicht.
3. In jedem Produkttitel die Modifikatoren markieren: „klappbar", „bis 150 kg", „mit Hocker", „XXL", „leicht", „faltbar". Diese Modifikatoren sind nicht zufällig — Amazon-Verkäufer testen sie A/B-mäßig. Was im Titel überlebt, ist konvertierungs-validiert.
4. Amazon-Suchfeld mit dem Hauptkeyword und a-z als Suffix durchgehen — analog zu Google Suggest, aber mit kommerzieller Färbung. Amazon Suggest zeigt, was Käufer mit echter Kaufabsicht eingeben.
5. Die 100 bis 200 häufigsten Käufer-Reviews der Top-3-Produkte überfliegen. Die Worte, die Käufer in Reviews wiederholen („wackelig", „klemmt", „Reißverschluss kaputt"), sind die ehrlichsten Long-Tail-Keywords überhaupt. Diese Phrasen sind problemorientiert und damit kauf-nah.

Die Amazon-Bestseller-Methode hat einen zweiten Nutzen: Sie zeigt sofort, welche Marken man in einer Review-Site abdecken muss, und gibt die ASINs für strukturierte Links per Amazon PartnerNet. campklar.de hat genau diesen Workflow auf 190 Produkte hochskaliert; die Case Study zur 190-Reviews-Site beschreibt die Cluster-Definition im Detail.

Wichtig: Marketplace-Keywords sind kommerziell. Wer eine reine Informations-Nische bedient (Reisen, Anleitungen, Erklär-Content), holt sich anderswo bessere Daten — siehe Methode 4. Aber für jede Nische mit Produktbezug ist Amazon-Recherche pflicht, bevor man eine Tool-Subscription erwägt.

Methode 4: Reddit und Foren als Wortschatz-Quelle

Reddit und deutschsprachige Spezial-Foren sind die ehrlichste Sprachquelle für jede Nische. Menschen, die ein Problem haben, formulieren es dort in den Worten, die sie auch in die Google-Suche eingeben — komplett ohne Marketing-Filter. Das ist Gold für die Long-Tail-Recherche.

Praktische Quellen für deutsche Nischen 2026: relevante Subreddits (auch englischsprachige, da deutsche User dort posten), Gutefrage.net, themenspezifische Foren (Wohnmobilforum, Camper-Bauen, Stiftung-Warentest-Community), Facebook-Gruppen (Suche per Google site-Search, da Facebook-interne Suche unbrauchbar ist).

Workflow: Pro Cluster 5 bis 10 aktive Threads identifizieren und durchlesen. Wiederkehrende Frageformulierungen rausschreiben. Aus einem einzigen Thread zur Frage „welche Powerstation für längere Stromausfälle" kommen oft 20 unterschiedliche Long-Tail-Varianten — viele davon mit konkretem Kontext (Camping, Hausstrom, Werkstatt, medizinische Geräte). Jede Kontextvariante ist ein eigenes Keyword-Cluster.

Zweiter Trick: Forum-Threads zeigen auch, welche Antworten fehlen. Wenn 14 Antworten unter einem Thread stehen und keine das Problem wirklich löst, ist das eine Content-Lücke, die ein gut gemachter Ratgeber schließen kann. Suchbots crawlen diese Foren und nehmen die Frageformulierungen als Long-Tail-Indikator mit.

Methode 5: Google Search Console als Goldmine

Wer schon mindestens fünf bis zehn indexierte Artikel hat, sitzt auf der wertvollsten Keyword-Quelle, die es gibt — und nutzt sie meistens nicht. Die Google Search Console zeigt unter „Leistung › Suchanfragen" jede einzelne Phrase, mit der Nutzer zur Seite gekommen sind oder unter denen die Seite Impressions hatte. Das ist Real-World-Daten, ungefiltert.

Der entscheidende Filter heißt „Impressionen hoch, Klicks niedrig, Position 8 bis 30". Diese Phrasen ranken bereits — sie brauchen nur einen besseren Artikel, um in die Top 10 zu rutschen. Wer einen bestehenden Beitrag auf Position 15 hat, bewegt sich oft mit 30 bis 60 Minuten gezielter Arbeit auf Position 5 bis 8. Das ist 10-mal effizienter als ein neues Thema zu starten.

Zweiter Filter: „Position 1 bis 3 mit niedriger CTR". Hier gibt es ein Snippet- oder Title-Tag-Problem, kein Ranking-Problem. Backlinkos 4-Millionen-SERP-Studie zeigt, dass Position 1 im Schnitt 27 Prozent der Klicks holt, Position 2 rund 19 Prozent, Position 3 etwa 11 Prozent — bei einer auf Platz 2 rankenden Seite mit nur 6 Prozent CTR weiß man also, dass das Snippet repariert werden muss.

Für Skalierung lohnt sich die Search Console API über das Search-Analytics-Endpoint. Drei Zeilen Python ziehen 25.000 Anfragen pro Tag — die GSC-Web-UI ist auf 1.000 Zeilen begrenzt. Wer ein konkretes Long-Tail-Beispiel aus echten GSC-Daten sehen will, findet auf campklar.de mehrere Artikel, deren Long-Tail-Set sichtbar aus GSC-Mining stammt (gut zu erkennen am Themen-Schwerpunkt der H2-Überschriften).

Praktischer Workflow: Von Seed bis Redaktionsplan

Ein reproduzierbarer Wochenplan für eine neue Nische sieht so aus.

1. Tag 1 (Vormittag): 20 Seeds definieren — Hauptkategorien plus zwei bis drei Modifikatoren pro Kategorie. Google-Suggest-Skript (Methode 1) laufen lassen. Ergebnis: 2.000 bis 5.000 Phrasen, dedupliziert.
2. Tag 1 (Nachmittag): Reddit- und Forum-Threads pro Hauptkategorie (Methode 4). Phrasen ergänzen, die kein Tool und kein Suggest liefert. Ergebnis: 200 bis 400 zusätzliche, problemnahe Long-Tails.
3. Tag 2: Bei kommerziellen Nischen Amazon-Bestseller plus Käufer-Reviews (Methode 3). Bei reinen Info-Nischen überspringen.
4. Tag 3: SERP-Filter (Methode 2). Aus 3.000 bis 5.000 Phrasen werden 80 bis 150 echte Kandidaten. Jeder Kandidat bekommt Score, Top-3-Domain-Typ und Top-1-Alter notiert.
5. Tag 4: Cluster bilden. Phrasen, die das gleiche Such-Intent haben, gehören in einen Artikel. Aus 100 Kandidaten werden typisch 25 bis 40 Artikel-Briefs.
6. Ab Monat 3: Wöchentlich 30 Minuten GSC-Review (Methode 5) für Updates und Snippet-Optimierung bestehender Artikel.

Diese Reihenfolge ist kein Vorschlag, sondern Konsequenz. Wer SERP-Filtern vor Suggest macht, filtert Dinge raus, die noch nicht in seiner Liste sind. Wer GSC nutzt, bevor er publiziert hat, hat keine GSC-Daten. Die Reihenfolge ist Methode.

Wann doch ein Tool sinnvoll wird

Diese fünf Methoden ersetzen ein Tool für die ersten 30 bis 100 Artikel zuverlässig. Es gibt aber drei Szenarien, ab denen sich eine Tool-Subscription rechnet — und der zweite Artikel hier widerspricht sich nicht, wenn man ehrlich ist.

Erstens: Wettbewerbsanalyse. Wenn man wissen will, welche genauen URLs eines Mitbewerbers ranken und mit welchen Inhalten, ist Ahrefs Site Explorer oder SEMrush Domain Overview eine reale Abkürzung. Manuell ist das machbar, aber sehr langsam.

Zweitens: Backlink-Audit. Sobald die eigene Site bei 50+ Artikeln liegt und ernsthaft Linkbuilding betrieben wird, ist eine Backlink-Datenbank Pflicht. Hier ist das Ahrefs-Backlink-Datenmodell de facto Standard.

Drittens: Internationalisierung. Wer in fünf Sprachen Content baut, kommt mit Hand-Recherche zeitlich nicht hinterher.

Bis dahin: Suggest, SERP, Marketplace, Foren, GSC. Reproduzierbar, kostenlos, und in deutschen Long-Tail-Nischen oft präziser als jedes Tool — eine Beobachtung, die übrigens auch Search Engine Journal in den letzten Quartalen wiederholt für deutsche und andere mid-tier-Markt-Sprachen dokumentiert hat. Wer den Workflow konsequent zieht, hat in einem Monat eine bessere Keyword-Basis als ein Konkurrent mit 100-Euro-Subscription, der den Tool-Vorschlägen blind folgt.