Ein Inhaltsverzeichnis einbauen, eine Autorenbox ergänzen, Quellen verlinken und ein paar häufige Fragen beantworten: Das klingt nach einer angenehm überschaubaren Aufgabe. Besonders dann, wenn sich damit die Chance erhöhen soll, von ChatGPT oder Googles KI-Suche als Quelle genannt zu werden.
Ich kann gut verstehen, warum solche Empfehlungen attraktiv sind. Aus einer schwer greifbaren Frage – wie werde ich in KI-Antworten sichtbar? – wird eine Liste, die sich an Redaktion und Entwicklung weitergeben lässt.
Die GEO-Studie von SISTRIX liefert dafür eine große Datenauswertung. Sie untersucht, welche Eigenschaften zitierte Seiten von nicht zitierten Seiten unterscheiden. Das finde ich wertvoll. Gerade bei GEO, also der Arbeit an Sichtbarkeit in generativen Suchsystemen, helfen systematische Beobachtungen weiter.
Beim Lesen sollten wir aber eine Frage klären: Wurde beobachtet, was erfolgreiche Seiten gemeinsam haben? Oder wurde wirklich gezeigt, dass eine bestimmte Änderung eine Seite erfolgreicher macht?
Von dieser Unterscheidung hängt ab, was ich anschließend mit einer Website tun würde.
Die Eigenschaft einer guten Antwort ist noch keine Anleitung, sie herzustellen
SISTRIX wertet 96.418 URLs aus dem deutschsprachigen Raum aus. Betrachtet werden Quellenverweise aus ChatGPT, Google AI Mode und AI Overviews im zweiten Quartal 2026. Zitierte Seiten werden dabei mit nicht zitierten Seiten derselben Website verglichen.
Das ist ein vernünftiger Versuch, Unterschiede zwischen den Websites selbst zu begrenzen. Ein bekannter großer Anbieter und ein kleiner unbekannter Betrieb bringen schließlich sehr verschiedene Voraussetzungen mit. Innerhalb einer Website ist zumindest ein Teil dieses Hintergrunds gemeinsam.
Nur können auch zwei Seiten derselben Website völlig verschiedene Aufgaben erfüllen. Ein Ratgeber erklärt eine Kaufentscheidung, eine Produktseite beschreibt ein bestimmtes Angebot. Ein Inhaltsverzeichnis ist beim langen Ratgeber naheliegend. Auf einer kurzen Produktseite wird es vielleicht gar nicht gebraucht.
Wenn nun der Ratgeber eine allgemeine Frage besser beantwortet und deshalb als Quelle auftaucht, lässt sich daraus nicht ablesen, welchen Beitrag sein Inhaltsverzeichnis geleistet hat. Vielleicht hat es geholfen. Vielleicht war entscheidend, dass der Text überhaupt die gesuchte Antwort enthielt. Auch seine Auffindbarkeit in der vorgelagerten Websuche könnte eine Rolle spielen.
Das ist der Kern meines Einwands: Wenn wir der anderen Seite ein Inhaltsverzeichnis hinzufügen, geben wir ihr damit noch nicht den Inhalt des Ratgebers.
Um die Wirkung dieses einzelnen Elements zu prüfen, bräuchten wir Seiten, die in den übrigen wichtigen Punkten ausreichend vergleichbar sind. Die gemeinsame Website allein stellt das nicht sicher.
Was die berichteten Faktoren tatsächlich sagen
SISTRIX berichtet für das Inhaltsverzeichnis einen Faktor von 1,7 und für die Kombination mehrerer Merkmale einen Faktor von 2,1. Solche Zahlen wirken schnell wie ein Wirkungsversprechen: Wenn wir die Checkliste abarbeiten, verdoppeln wir unsere Quellenverweise.
Das wurde hier jedoch nicht gemessen! Es wurden keine Seiten nach diesem Plan umgebaut und anschließend mit unveränderten Seiten verglichen.
Die verwendete Rechnung heißt bedingte logistische Regression. Sie vergleicht, welche Merkmale mit dem Ergebnis „zitiert“ oder „nicht zitiert“ zusammenhängen, und berücksichtigt dabei die einander zugeordneten Seiten. Welche weiteren Unterschiede zwischen diesen Seiten in die Rechnung eingingen, müsste für eine unabhängige Prüfung genauer dokumentiert werden.
Die Faktoren sind statistisch sogenannte Odds Ratios. Sie vergleichen das Verhältnis von zitierten zu nicht zitierten Seiten zwischen Gruppen. Bei seltenen Ereignissen kann das ungefähr einem Verhältnis von Wahrscheinlichkeiten entsprechen. Einen garantierten Zuwachs nach einer nachträglichen Optimierung kann man daraus nicht berechnen. Über zusätzliche Klicks oder Anfragen sagen die Faktoren ohnehin nichts aus.
Auch der kombinierte Wert zeigt zunächst, dass viele Merkmale gemeinsam auf bestimmten Seiten vorkommen. Er beweist weder den Effekt einer kompletten Umbaumaßnahme noch, dass sich die einzelnen Elemente gegenseitig verstärken.
Warum ich trotzdem nicht einfach „nur Korrelation“ sagen würde
Mit diesem Einwand könnte man die Untersuchung schnell beiseiteschieben. Das fände ich ebenso unbefriedigend wie eine unkritische Übernahme aller Empfehlungen.
Beobachtete Zusammenhänge können gute Hinweise liefern. Sie helfen, Fragen zu stellen und sinnvolle Versuche vorzubereiten. Außerdem berücksichtigt SISTRIX ein reales Problem solcher Auswertungen: Wer viele Eigenschaften untersucht, findet irgendwann auch zufällig auffällige Ergebnisse.
Die eingesetzte Benjamini-Hochberg-Korrektur soll den erwarteten Anteil solcher Fehlalarme unter den als auffällig eingestuften Ergebnissen begrenzen. Dafür muss man die Formel nicht kennen. Wichtig ist der Gedanke dahinter: Viele Versuche bedeuten viele Gelegenheiten, sich vom Zufall täuschen zu lassen. Positiv ist, dass SISTRIX darauf eingeht. Für die Nachprüfung wäre zusätzlich wichtig, welche Tests gemeinsam berücksichtigt wurden, auch bei Aufteilungen nach Plattformen oder Branchen.
Genauso wichtig wären die Unsicherheitsbereiche der geschätzten Faktoren. Ist ein Unterschied recht genau bestimmt, oder lassen die Daten noch sehr verschiedene Größenordnungen zu? Ein einzelner Faktor zeigt das nicht. „Statistisch signifikant“ bedeutet außerdem weder „ursächlich bewiesen“ noch „wirtschaftlich relevant“. Auf diese häufige Verwechslung weist auch die American Statistical Association hin.
Umgekehrt beweist ein unauffälliges Ergebnis keine Wirkungslosigkeit. Das betrifft beispielsweise die Lesbarkeit: Ein Test anhand von Satz- und Wortlängen erfasst nur einen Teil dessen, was einen verständlichen Text ausmacht. Daraus würde ich keine Gleichgültigkeit von KI-Systemen gegenüber gut erklärten Inhalten ableiten.
Zu einer nachvollziehbaren Prüfung gehören deshalb die vollständigen Ergebnisse, Angaben zur Rechnung und ihre Unsicherheiten. Fehlen diese Angaben im veröffentlichten Artikel, heißt das nicht, dass intern nichts geprüft wurde. Es begrenzt aber, was ich von außen beurteilen kann.
Welche Empfehlungen ich auf einer Website umsetzen würde
Ein langes Dokument übersichtlich zu gliedern, halte ich für eine gute Idee. Ebenso sollten Leser erkennen können, wer einen Text verantwortet, worauf Aussagen beruhen und ob wichtige Angaben noch stimmen. Dafür braucht es kein Versprechen zusätzlicher KI-Zitationen.
Bei der Umsetzung würde ich deshalb immer beim konkreten Inhalt beginnen. Hilft ein Inhaltsverzeichnis bei der Orientierung? Beantwortet eine FAQ tatsächlich wiederkehrende Fragen? Macht eine Tabelle einen Vergleich leichter? Dann haben diese Elemente einen nachvollziehbaren Zweck. Dasselbe gilt für eine kurze Zusammenfassung und passende Fragen als Zwischenüberschriften.
Die beobachteten Mengen würde ich dagegen nicht zu redaktionellen Zielvorgaben machen. Zehn Listen auf einer Seite, fünf Zwischenüberschriften oder eine bestimmte Wortzahl ergeben noch keinen hilfreichen Text. Auch den Rat von SISTRIX, Texte nicht künstlich auf Länge zu bringen, teile ich. Die weitergehende Erklärung, der Zusammenhang mit Textlänge gehe vor allem auf bessere Struktur zurück, müsste allerdings gesondert belegt werden.
Bei Autorenbox, Quellen und Datum würde ich auf die Substanz achten. Ein Foto ersetzt keine Expertise. Ein neues Datum macht eine veraltete Aussage nicht richtig. Und zehn externe Links sind nicht automatisch bessere Belege als drei sorgfältig ausgewählte.
Technische Auszeichnungen sollten wiederum beschreiben, was wirklich auf der Seite steht. Article-Schema kennzeichnet einen Artikel. Eine Produktseite sollte nicht zum Artikel umetikettiert werden, weil diese Auszeichnung im Datensatz besser abschneidet. Ein niedrigerer Wert für Product- oder Recipe-Schema kann auch damit zusammenhängen, welche Produkt- und Rezeptfragen überhaupt untersucht wurden. Ich würde deshalb korrektes Markup beibehalten und zusätzliche Schema-Typen nicht als Sammelaufgabe behandeln. Eine vernünftige Meta-Description, also eine kurze Seitenbeschreibung für Suchsysteme, gehört zur sauberen Pflege; die Studie macht daraus keinen isoliert nachgewiesenen Hebel.
Ein Ratgeberbereich für einen Shop oder eine Übersichtsseite für Rezepte kann sich lohnen, wenn damit bisher offene Fragen beantwortet werden. Aus der Untersuchung folgt aber nicht, dass solche Seiten grundsätzlich mehr bringen als bessere Produkt- oder Rezeptseiten.
Auch bei llms.txt würde ich genauer hinschauen. Diese Datei gilt für eine ganze Website; SISTRIX vergleicht dafür ausnahmsweise unterschiedliche Websites. Im Text werden dabei Anteile zitierter Seiten und Anteile von Websites gegenübergestellt. Falls diese Bezugsgrößen wörtlich gemeint sind, sind sie nicht direkt vergleichbar: Eine Website kann sehr viel mehr Seiten haben als eine andere. Einen allgemeinen Nachweis der Wirkungslosigkeit in sämtlichen KI-Systemen würde ich daraus nicht machen.
Googles eigene Hinweise geben für seine Suchfunktionen eine zusätzliche Orientierung: hilfreiche Inhalte und eine saubere technische Grundlage; ein besonderes Schema-Markup wird dafür nicht verlangt. Das spricht für eine pragmatische Priorisierung. Den Nutzen jeder denkbaren Datei für jedes andere KI-System beantwortet es nicht.
Eine große Zahl von Seiten löst nicht jedes Vergleichsproblem
SISTRIX rät außerdem davon ab, Studien mit weniger als 5.000 URLs zu vertrauen. Diese pauschale Grenze halte ich für nicht begründet.
Wie viele Beobachtungen man braucht, hängt von der Frage ab. Ein großer Unterschied ist leichter zu erkennen als ein kleiner. Ein seltenes Merkmal lässt sich schwer untersuchen, selbst wenn sehr viele andere Seiten im Datensatz liegen. Und hundert Seiten aus demselben Template sind nicht unbedingt hundert voneinander unabhängige Beobachtungen. Auch Antworten auf dieselbe Frage können zusammenhängen.
Eine große Datenmenge ist eine Stärke. Sie kann eine unpassende Vergleichsgruppe aber nicht passend machen. Die Literatur zur Stichprobenplanung erklärt, warum es dafür keine universelle Mindestzahl gibt.
Dasselbe gilt für die Auswahl der Fragen. Eine Seite, die in diesem Datensatz nicht zitiert wurde, kann bei anderen Fragen durchaus als Quelle erscheinen. Warum die Auswahl für die eigene Branche so wichtig ist, zeige ich im Artikel zur Ahrefs-Studie.
Auch Unterschiede zwischen Plattformen und Branchen würde ich nicht allein nach der Höhe einzelner Faktoren beurteilen. Sie brauchen einen eigenen Vergleich. Selbst ein statistisch auffälliges Ergebnis in einer Gruppe und ein unauffälliges in einer anderen beweisen noch keinen Unterschied zwischen beiden. Automatisch gebildete Kategorien verdienen ebenfalls eine Gegenprüfung: Zwei KI-Modelle können übereinstimmen und trotzdem denselben Fehler machen.
Bei nachträglich entdeckten Mustern ist zusätzlich Zurückhaltung nötig. Dass SISTRIX solche Analysen kennzeichnet, etwa bei der Jahreszahl im Titel, finde ich gut. Eine aktuelle Jahreszahl kann mit einem bestimmten Themenbedarf zusammenhängen. Ob ihr bloßer Austausch etwas bewirkt, müsste mit neuen Daten geprüft werden.
Wie ich aus dem Hinweis eine Entscheidung machen würde
Ich würde mir eine konkrete Verbesserung aussuchen und zuerst begründen, wem sie hilft. Bei einem langen Ratgeber könnte das ein Inhaltsverzeichnis sein. Dann würde ich vorab festlegen, welche Fragen und welche Ergebnisse für die Prüfung zählen.
Anschließend würde ich vergleichbare Seiten bilden und möglichst zufällig entscheiden, welche davon geändert werden. Die übrigen bleiben zunächst unverändert. Nach ausreichender Zeit für die Erfassung der Änderung folgen mehrere Messungen. Verbessern sich beide Gruppen ähnlich, hat sich womöglich das Suchsystem oder die allgemeine Nachfrage verändert. Entwickelt sich die geänderte Gruppe anders, lohnt sich eine genauere Prüfung, auch auf zufällige Schwankungen.
Das ist aufwendiger als eine Checkliste. Es beantwortet dafür eher die Frage, für die ich Geld und Arbeitszeit einsetze: Was bringt diese Änderung unter unseren Bedingungen?
Die SISTRIX-Studie hilft dabei, Kandidaten für solche Prüfungen zu finden. Einen langen Text besser nutzbar zu machen, kann sich ohnehin lohnen. Wer darüber hinaus einen bestimmten Zuwachs an KI-Sichtbarkeit verspricht, sollte zeigen können, wie dieser Zuwachs tatsächlich nachgewiesen wurde.
Abonniere das AFAIK-Update
KI verstehen. Fundiert entscheiden. Wirksam umsetzen.
Im AFAIK-Update teile ich meine Einordnungen und Erfahrungen zu KI im Unternehmen: von Strategie und sinnvollen Anwendungsfällen über die Auswahl passender Lösungen bis zur praktischen Umsetzung. Kostenlos, persönlich und mit einem klaren Blick auf Chancen und Grenzen.
Keine Sorge, ich mag Spam genauso wenig wie Du und gebe Deine Daten niemals weiter! Du bekommst höchstens einmal pro Monat eine E-Mail von mir. Versprochen.
