Programmatic SEO braucht mehr als billige Texte

Mit KI lassen sich tausende Seiten in kurzer Zeit erzeugen. Die schwierigeren Fragen beginnen danach: Warum sollte jemand sie brauchen? Welche Informationen sind verlässlich? Und wer hält das ganze System aktuell?

Die Rechnung klingt verführerisch: Für jedes Produkt, jede Stadt und jeden Anwendungsfall entsteht eine eigene Seite. Früher wäre das am Redaktionsbudget gescheitert. Heute generiert ein Sprachmodell die Texte, und ein Template übernimmt die Veröffentlichung.

Damit sinkt der Preis für die Produktion von Sätzen. Ob die Seiten etwas Nützliches leisten, ist weiterhin offen.

Genau hier liegt für mich der Kern der aktuellen Begeisterung für Programmatic SEO. Die technische Möglichkeit wird häufig schon als wirtschaftliche Gelegenheit behandelt. Sobald sich tausend Seiten erzeugen lassen, wird nach tausend Keywords gesucht, um sie zu rechtfertigen. Ich würde die Reihenfolge umdrehen: Welche wiederkehrende Aufgabe lässt sich mit verlässlichen Daten und einer passenden Oberfläche tatsächlich gut lösen?

Programmatic SEO beginnt mit einer Informationsstruktur

Programmatic SEO bezeichnet im Kern die systematische Erstellung vieler Seiten aus Daten und Vorlagen. Dafür braucht es nicht zwingend generative KI. Ein Ersatzteilkatalog, ein sauber gepflegtes Veranstaltungsverzeichnis oder Seiten zu konkreten Verkehrsverbindungen können auch ohne einen einzigen generierten Absatz hilfreich sein.

Der Nutzen entsteht durch die Unterschiede zwischen den Datensätzen. Ein Ersatzteil passt zu bestimmten Geräten und zu anderen nicht. Eine Verbindung hat einen Abfahrtsort, ein Ziel, Zeiten und mögliche Einschränkungen. Diese Unterschiede rechtfertigen unterschiedliche Ansichten.

Das Gegenbeispiel ist eine Stadtseite, auf der sich außer dem Ortsnamen kaum etwas ändert. Wenn weder ein lokales Angebot noch verlässliche Besonderheiten oder passende Ergebnisse vorliegen, erzeugt der neue Text nur den Anschein einer eigenständigen Antwort.

Ein Sprachmodell kann diesen Anschein überzeugend formulieren. Genau das macht die Sache riskant: Sprachliche Vielfalt verdeckt, dass auf der Informationsebene wenig passiert.

In meiner Kritik an der Shopify-Studie zu Duplicate Content und KI-Zitationen habe ich die andere Seite dieses Problems untersucht: Aus ähnlichen Texten und wenigen eigenen Quellenverweisen lässt sich noch kein kausaler Zusammenhang ableiten. Einfach alles umformulieren zu lassen, wäre deshalb ebenfalls keine begründete Strategie.

Google verbietet keine bestimmte Produktionssoftware

Googles Spamrichtlinie definiert Scaled Content Abuse über viele Seiten, die vor allem Rankings manipulieren sollen und Nutzern wenig oder keinen Mehrwert bieten. Wie sie hergestellt wurden, ist dabei nicht entscheidend. Die Beispiele umfassen KI-generierte Seiten ebenso wie das automatisierte Umarbeiten oder Zusammenfügen fremder Inhalte ohne zusätzlichen Nutzen. ¹

Die relevante Grenze verläuft also nicht pauschal zwischen Handarbeit und Automatisierung. Auch tausend manuell geschriebene, austauschbare Seiten können ein schlechtes Angebot ergeben. Und ein automatisiert gepflegter Katalog kann sehr nützlich sein.

Zugleich beweist ein starker Rankingverlust nach einem Update noch keine konkret diagnostizierte Strafe für Programmatic SEO. Dazu müsste man den Einzelfall untersuchen: Wurden Seiten technisch verändert? Hat sich die Nachfrage verschoben? Liegt eine manuelle Maßnahme vor? Welche Seitentypen und Vergleichsgruppen sind betroffen? Googles eigene Hinweise zu Trafficverlusten nennen unterschiedliche mögliche Ursachen. ²

Warnende Beispiele aus der Branche verdienen Aufmerksamkeit. Als allgemeine Kausalerklärung sind sie zu dünn. Wer aus einer Liste verlorener Domains ein Verbot jeder datenbasierten Seitenerstellung ableitet, vereinfacht genauso stark wie jemand, der jedes erfolgreiche Verzeichnis zur Blaupause erklärt.

Ein Verzeichnis zeigt den Unterschied

Nehmen wir ein fiktives Verzeichnis für Campingplätze. Eine nützliche Seite für einen konkreten Suchbedarf könnte zeigen, welche Plätze im gewünschten Zeitraum geöffnet haben, welche Fahrzeuglängen möglich sind, ob Hunde erlaubt sind und wann diese Informationen zuletzt geprüft wurden.

Eine andere Seite könnte aus denselben Ortsnamen allgemeine Urlaubstexte generieren: schöne Landschaft, vielfältige Möglichkeiten, ideal für Naturliebhaber. Sie wäre vielleicht sprachlich ordentlich. Die eigentliche Entscheidung würde sie kaum erleichtern.

Noch problematischer wäre eine generierte Aussage über eine Winteröffnung, für die kein belastbarer Datensatz existiert. Aus einer unbekannten Eigenschaft würde eine scheinbar sichere Empfehlung. Dass der Text grammatikalisch perfekt ist, macht die Fehlfahrt nicht angenehmer.

Für ein solches Projekt würde ich deshalb Pflichtfelder und Zustände definieren. „Nicht bekannt“ muss als eigener Zustand existieren und darf nicht automatisch zu „wahrscheinlich ja“ werden. Preise, Öffnungszeiten und Restriktionen brauchen Quellen und einen Aktualitätsstand. Reicht die Datenlage für eine bestimmte Kombination nicht aus, entsteht vorerst keine eigenständige indexierbare Seite.

Das ist eine Produktentscheidung. Sie sollte vor dem ersten Generierungslauf fallen.

Für die fachliche Prüfung einzelner Seiten kannst du an meinen Leitfaden „Content für KI-Suche optimieren“ anknüpfen. Was dort für eine wichtige Seite gilt, muss bei einer automatisierten Serie als verlässlicher Prüfprozess funktionieren. Ein gutes Musterexemplar genügt nicht.

Die Kosten enden nicht bei der Veröffentlichung

Ein fiktives Rechenbeispiel: Du erzeugst 10.000 Seiten. Eine erste fachliche Prüfung dauert im Mittel nur fünf Minuten pro Seite. Schon dafür fallen rund 833 Arbeitsstunden an. Wenn später monatlich zehn Prozent der Seiten erneut geprüft werden müssen, sind das weitere rund 83 Stunden pro Monat.

Diese Zeiten sind Annahmen, keine Branchenwerte. Sie zeigen lediglich, wie schnell ein kleiner Aufwand pro Seite zu einer großen Verpflichtung wird. Fehlerkorrekturen, Datenbeschaffung, Infrastruktur, Support und die Weiterentwicklung der Vorlagen kommen gegebenenfalls hinzu.

Automatische Prüfungen können viel davon abfangen: fehlende Pflichtfelder, widersprüchliche Einheiten, unerreichbare Quellen oder abgelaufene Aktualitätsfristen. Sie ersetzen aber keine fachliche Bewertung, wenn das Problem darin besteht, dass eine Aussage plausibel klingt und trotzdem falsch ist.

Googles aktuelle Anleitung zu generativen Inhalten betont Genauigkeit, Qualität und Relevanz und fordert eine Prüfung vor Veröffentlichung. Das schließt Metadaten und strukturierte Daten ein. Ein korrekter Fließtext genügt also nicht, wenn im Markup ein erfundener Preis oder eine falsche Bewertung steht. ³

Wer die Wirtschaftlichkeit nur anhand der Kosten pro generiertem Text berechnet, lässt einen erheblichen Teil des Produkts aus seiner Kalkulation heraus.

KI kann im Prozess trotzdem sehr nützlich sein

Ich würde ein Sprachmodell dort einsetzen, wo seine Ausgabe überprüfbar bleibt. Es kann aus einem freigegebenen Datensatz einen verständlichen Beschreibungstext entwerfen, uneinheitliche Formulierungen zur Prüfung markieren oder Hinweise auf widersprüchliche Angaben sammeln.

Die Zuständigkeiten müssen dabei klar sein. Eine verlässliche Quelle liefert die Fakten. Festgelegte Regeln entscheiden, wann eine Seite entstehen darf. Deterministische Prüfungen kontrollieren etwa Pflichtwerte, erlaubte Einheiten und konsistente Zuordnungen. Menschen beurteilen die fachlich offenen Fälle und geben die Veröffentlichung frei.

Das Modell sollte Lücken nicht selbstständig mit erfundenen Angaben schließen. Insbesondere Preise, Verfügbarkeit, Testergebnisse und Kundenerfahrungen sind keine kreativen Freiflächen.

Für die Sprache kann eine Vorlage oft mehr leisten als ein aufwendiger Prompt. Wenn die Daten bereits präzise sind, braucht eine Produktseite möglicherweise nur eine knappe Erklärung und eine gut lesbare Tabelle. Zusätzliche Absätze machen sie nicht automatisch hilfreicher.

Skaliere erst nach einem belastbaren Pilot

Ich würde zunächst eine kleine, bewusst vielfältige Auswahl veröffentlichen: Fälle mit guter und knapper Datenlage, häufige und seltene Suchbedürfnisse sowie unterschiedliche fachliche Schwierigkeiten. Die Anzahl richtet sich nach der Prüfkapazität. Ein Pilot mit hundert Seiten bringt wenig, wenn niemand dessen Qualität beurteilen kann.

Vorab braucht es Freigabekriterien. Jede Seite muss einen eigenständigen Zweck erfüllen, die benötigten Informationen korrekt enthalten und eine nachvollziehbare Aktualisierung ermöglichen. Nach Veröffentlichung beobachten wir Nutzung, qualifizierte Anfragen, Fehler und Pflegeaufwand. Indexierung und Sichtbarkeit gehören dazu, sind aber kein Ersatz für tatsächlichen Nutzen.

Auch Stop-Kriterien sollten feststehen. Wiederkehrende unbelegte Aussagen, ein nicht finanzierbarer Aktualisierungsbedarf oder viele Seiten ohne erkennbaren Bedarf sprechen gegen eine weitere Ausweitung. Bestehende Inhalte werden dann verbessert, sinnvoll zusammengeführt oder aus der Indexierung genommen, je nach konkretem Befund.

Googles Leitfaden zur generativen Suche warnt zudem davor, für jede mögliche Such- oder Fan-out-Variante eigene Seiten primär zur Manipulation von Rankings oder Antworten zu produzieren. ⁴ Die Zahl möglicher Formulierungen ist kein sinnvoller Maßstab für die Zahl benötigter Seiten.

Meine wichtigste Frage vor einem solchen Projekt lautet deshalb: Was besitzen oder leisten wir, das diese Seiten rechtfertigt? Das können eigene Daten, verlässlich gepflegte Informationen, echte Verfügbarkeit oder eine hilfreiche Funktion sein. Wenn die Antwort vor allem „einen guten Prompt“ lautet, fehlt mir die Grundlage für eine große Investition.

Wenn ihr eine größere Seitenserie plant, können wir in meiner SEO/GEO-Beratung zuerst Zweck, Datenlage und einen begrenzten Pilot klären. Für einen tragfähigen Produktionsprozess müssen anschließend auch Prüfung, Freigabe und laufende Pflege verbindlich eingeplant werden.

Quellen

1. Google Search Central · Spam policies for Google web search · Scaled content abuse ↩︎
2. Google Search Central · Debugging drops in Google Search traffic ↩︎
3. Google Search Central · Guidance on using generative AI content on your website · aktualisiert am 1. Oktober 2026 ↩︎
4. Google Search Central · Optimizing your website for generative AI features on Google Search ↩︎