Was sind die tatsächlichen Ranking-Faktoren für AI-Suche? Nicht Google – ChatGPT, Perplexity, etc.

Ich habe 18 Monate dazu geforscht. Das wissen wir:

Primäre AI-Zitationsfaktoren:

Was WENIGER zählt als bei Google SEO:

• Anzahl der Backlinks (Qualität ist aber weiterhin wichtig)
• Keyword-Dichte/-Optimierung
• Page Speed (zählt noch, aber weniger gewichtet)
• Interne Linkstruktur

Was MEHR zählt als bei Google SEO:

• Marken-/Entitätsbekanntheit
• Autoren-Expertise-Signale
• Extrahierbarkeit der Inhalte
• Konsistenz über verschiedene Plattformen

Der entscheidende Unterschied: Google rankt Seiten. AI zitiert Passagen. Man braucht Inhalte mit zitierwürdigen Passagen.

Ich zerlege mal, wie AI-Systeme Autorität bewerten:

Signale auf Autorenebene:

• Namentlich genannter Autor mit Bio
• Qualifikationen passend zum Thema
• Track Record (weitere Veröffentlichungen)
• Social Proof (Follower, Anerkennung)

Signale auf Markenebene:

• Markenbekanntheit (Wikidata/Knowledge Graph)
• Konsistente NAP über Plattformen
• Berichterstattung und Erwähnungen in den Medien
• Soziale Präsenz und Engagement

Signale auf Inhaltsebene:

• Zitate zu autoritativen Quellen
• Eigene Forschung/Daten
• Expertenzitate oder Beiträge
• Umfassende, akkurate Informationen

Cross-Web-Signale:

• Erwähnung durch andere autoritative Seiten
• Zitation in Foren (besonders Reddit)
• Referenzen in Nachrichten/Publikationen
• Konsistente Informationen über alle Quellen hinweg

Was das praktisch bedeutet:

Deshalb wird Reddit trotz geringer „traditioneller“ Autorität zitiert – es hat starke Cross-Web-Erwähnungsmuster und authentische Nutzersignale.

Jede AI-Plattform gewichtet Faktoren anders. Meine Beobachtungen:

ChatGPT:

• Starkes Gewicht auf Trainingsdaten (historische Autorität)
• Markenbekanntheit zählt sehr viel
• Bevorzugt umfassende, etablierte Quellen
• Echtzeitsuche folgt Bing-Signalen

Perplexity:

• Echtzeit-Relevanz ist entscheidend
• Aktualität wird stark gewichtet
• Quellenvielfalt zählt (zitiert mehrere Quellen)
• Starke Reddit-/Foren-Gewichtung

Google AI Overview:

• Google-Rankings sind das Hauptsignal
• E-E-A-T-Signale aus Googles Bewertung
• Strukturierte Daten helfen
• Folgt am ehesten klassischen SEO-Mustern

Claude:

• Nur Trainingsdaten (noch keine Echtzeitsuche)
• Autorität aus dem Trainingskorpus
• Schwer direkt zu optimieren

Die Konsequenz: Man kann nicht pauschal für „AI“ optimieren. Jede Plattform ist anders.

Die gemeinsamen Faktoren: Content-Qualität, Klarheit und Expertise helfen überall. Dort sollte man anfangen.

Konkret zu strukturierten Daten:

Hilft Schema-Markup bei AI-Sichtbarkeit?

Unsere Tests (200 Seiten):

Warum strukturierte Daten helfen:

1. Helfen AI beim Parsen der Struktur
2. Klären Entitätsbeziehungen
3. Signalisieren Inhaltstyp und -zweck
4. Machen Extraktion zuverlässiger

Am wirkungsvollsten: FAQPage und HowTo – das entspricht direkt dem Frage-Antwort-Format, das AI bevorzugt.

Priorität bei der Umsetzung:

1. FAQPage bei FAQ-Inhalten (größter Effekt)
2. HowTo bei Anleitungen
3. Article-Schema mit Autoreninfos
4. Product-Schema für E-Commerce

Einschränkung: Schema ist ein Signal, keine Garantie. Guter Inhalt ohne Schema schlägt schlechten Inhalt mit Schema.

Zur Frage der Aktualität:

Wie wichtig ist Frische für AI?

Hängt stark vom Fragetyp ab:

Plattformunterschiede:

• Perplexity: Echtzeit, gewichtet Aktualität stark
• ChatGPT Search: Aktuell, wenn Suche aktiviert
• ChatGPT Basis: Trainings-Cutoff limitiert Aktualität
• Google AI Overview: Aktuell über Index

Was wir tun:

• Schlüsselinhalte monatlich mit frischen Zahlen updaten
• „Zuletzt aktualisiert“-Datum prominent anzeigen
• Saisonale Inhalte vor Saisonstart auffrischen
• Evergreen-Inhalte wirklich evergreen halten

Das Gleichgewicht: Bei Evergreen-Themen schlägt Autorität die Aktualität. Bei aktuellen Themen kann Aktualität die Autorität schlagen.

Man sollte wissen, in welcher Kategorie die eigenen Inhalte sind.

Du hast die hohe Zitationsrate von Reddit trotz geringer „traditioneller Autorität“ angesprochen. Das ist der Grund:

Warum Reddit so häufig zitiert wird:

1. Authentische Nutzersignale

   • Upvotes = Community-Validierung
   • Kommentare = Engagement-Tiefe
   • Frage-/Antwortformat passt zu AI-Anfragen

2. Präsenz in Trainingsdaten

   • Stark in ChatGPT-Training enthalten
   • Von den meisten LLMs genutzt

3. Echte Erfahrungen

   • Nutzer teilen tatsächliche Erfahrungen
   • Weniger Marketing, mehr Authentizität
   • E-E-A-T „Erfahrung“-Signal

4. Frage-Antwort-Format

   • Schon als Q&A strukturiert
   • Einfach für AI zu extrahieren
   • Passt zu Nutzeranfragen

Was das über AI-„Autorität“ aussagt:

AI-Systeme bewerten ANDERE Autoritätssignale als Google:

• Authentizität vor Hochglanz
• Erfahrung vor Qualifikation (manchmal)
• Community-Validierung vor redaktioneller Prüfung
• Natürliche Sprache vor SEO-Sprache

Die Lektion: Traditionelle Autoritätsmetriken (DA, Backlinks) erzählen nicht die ganze Geschichte. AI-Systeme haben ihre eigene Autoritätsbewertung.

Ein oft unterschätzter Faktor: Entitätserkennung.

Was ist Entitätserkennung für AI? AI-Systeme müssen verstehen, was/wer man als Entität ist – Marke, Organisation oder Autor.

Wie AI Entitäten erkennt:

• Wikipedia/Wikidata-Präsenz
• Google Knowledge Panel
• Konsistente Erwähnungen im Web
• LinkedIn-, Crunchbase-Profile
• Presseberichte mit konsistenten Infos

Warum Entitätserkennung wichtig ist: Wenn AI-Systeme „wissen“, wer man ist, vertrauen sie eher.

Testen: Fragen Sie ChatGPT: „Was ist [Ihre Marke]?“

Gibt es akkurate Infos: Sie haben Entitätserkennung. Halluziniert es oder kennt es Sie nicht: Sie haben ein Problem.

Entitätserkennung aufbauen:

1. Wikidata-Eintrag anlegen (wenn relevant)
2. Konsistente NAP über Plattformen sicherstellen
3. In Kontexten erwähnt werden, aus denen AI lernen würde
4. Knowledge Panel durch PR/Wikipedia aufbauen

Das ROI: Marken mit starker Entitätserkennung werden 2–3x häufiger zitiert als unbekannte Marken, selbst bei ähnlicher Content-Qualität.

Wichtiger Hinweis zu all diesen „Faktoren“:

Wir beobachten meist Korrelationen, keine bestätigte Kausalität.

Was wir wirklich wissen:

• Bestimmte Content-Eigenschaften korrelieren mit höheren Zitationsraten
• Wir können nicht in die tatsächlichen Algorithmen der AI-Systeme schauen
• Korrelation ≠ Kausalität
• AI-Systeme ändern sich ständig

Was das bedeutet: Alle diese „Ranking-Faktoren“ sind fundierte Vermutungen auf Basis von Beobachtung.

Die sicheren Wetten (stark korreliert):

• Content-Qualität und Klarheit
• Relevanz zur Suchanfrage
• Quellenautorität
• Strukturierte Formate

Unklare Bereiche:

• Exakte Gewichtung der Faktoren
• Plattform-spezifische Algorithmen
• Wie Faktoren zusammenwirken
• Wie sich Algorithmen im Laufe der Zeit ändern

Praktischer Ansatz: Auf die Grundlagen (Qualität, Klarheit, Autorität) optimieren. Ergebnisse beobachten. Iterieren, was funktioniert.

Nicht zu stark für „AI-Ranking-Faktoren“ optimieren, deren Existenz unsicher ist. Fokus auf wirklich wertvolle Inhalte.

Das ist umfassend. Meine Erkenntnisse:

Das Framework, das ich nutzen werde:

Faktoren mit hoher Sicherheit zur Optimierung:

1. Inhaltsklarheit und Extrahierbarkeit
2. Direkte Relevanz zur Suchanfrage
3. Autoren-/Markenautoritäts-Signale
4. Umfassende Themenabdeckung
5. Strukturierte Daten (FAQPage, HowTo)

Faktoren mit mittlerer Sicherheit:

1. Aktualität (themenabhängig)
2. Cross-Web-Erwähnungen
3. Entitätserkennung
4. Schema-Markup

Faktoren mit geringer Sicherheit/indirekter Wirkung:

1. Backlinks (indirekt über Google-Rankings)
2. Klassische DA-Metriken
3. Technisches SEO (zählt weiterhin, aber weniger)

Wichtige Unterschiede zur Google-SEO:

• Weniger Fokus auf Links
• Mehr Fokus auf Entitäts-/Markenbekanntheit
• Extrahierbarkeit von Inhalten ist wichtiger
• Plattform-spezifische Optimierung ist entscheidend

Was ich jetzt anders mache:

1. Autorenbios und Qualifikationen hinzufügen
2. FAQPage-Schema überall implementieren
3. Entitätserkennung aufbauen (Wikidata, Erwähnungen)
4. Mit Am I Cited verfolgen, was tatsächlich funktioniert

Die Meta-Erkenntnis: AI-„Ranking-Faktoren“ entwickeln sich weiter. Beobachten, testen, iterieren. Nicht annehmen, dass heutige Faktoren dauerhaft sind.

Danke an alle!