KI Content in der Suche: Erkennung, Ranking und ethische Nutzung

Google bestraft keine KI Inhalte. Google bestraft Inhalte, die nur für das Ranking gemacht sind

Die Frage, die mir zu KI und Suche am häufigsten gestellt wird, lautet in irgendeiner Variante: "Straft Google mich ab, wenn ich ChatGPT benutze?" Die Antwort steht seit dem 8. Februar 2023 öffentlich im Netz. An dem Tag hat das Search Quality Team von Google seinen Leitfaden zu KI generierten Inhalten veröffentlicht, und der entscheidende Satz ist kurz: "Die angemessene Nutzung von KI oder Automatisierung verstößt nicht gegen unsere Richtlinien."¹ Derselbe Beitrag erinnert daran, dass Automatisierung seit Jahren nützliche Seiten hervorbringt, "Sportergebnisse, Wettervorhersagen und Transkripte", und dass nicht jede Automatisierung, auch nicht die Generierung durch KI, Spam ist.¹

Wogegen Google vorgeht, sind Inhalte, die "mit dem Hauptzweck, das Ranking in den Suchergebnissen zu manipulieren" erzeugt werden.¹ Diese Spamregel gab es lange bevor irgendjemand von einem Large Language Model gehört hatte. Das Werkzeug ist nicht das Problem. Die Absicht ist es, und das, was am Ende auf der Seite steht.

Zwei weitere Sätze aus dem Beitrag lohnen sich zum Merken. "Unser Fokus liegt auf der Qualität von Inhalten und nicht darauf, wie sie produziert werden."¹ Und, noch trockener: "Die Nutzung von KI bringt für Inhalte keine besonderen Vorteile mit sich. Es geht nur um den Inhalt."¹ Der letzte Satz schneidet in beide Richtungen. Kein Bonus für den Einsatz von KI, kein Bonus für den Verzicht. Es gibt nur die Seite, und die Frage, ob es jemandem besser geht, weil er auf ihr gelandet ist.

Die ehrliche Frage ist also nicht "Kann KI Content ranken?", sondern "Hat diese Seite ein Ranking verdient?" Der Rest dieses Artikels handelt davon, wie Google das entscheidet, warum die KI Detektoren, die man kaufen kann, nicht funktionieren, und wie ich diese Werkzeuge selbst nutze, ohne auf der falschen Seite der Linie zu landen.

Rechenbeispiel: zwei Wege, 300 Produktbeschreibungen zu schreiben

Ein erfundener Fahrradladen in Leipzig, Radhaus Plagwitz, hat 300 Räder im Onlineshop und keine Beschreibungen außer dem Datenblatt des Herstellers. Der Inhaber, Jonas, probiert zwei Wege aus. Niemand davon existiert, jede Zahl ist ausgedacht.

Der erste Weg dauert einen Nachmittag. Er kopiert jedes Datenblatt in ein Chat Tool, schreibt "Schreib eine Produktbeschreibung mit 150 Wörtern" dazu und veröffentlicht, was herauskommt. Jetzt hat er 300 Seiten, die in leicht anderen Worten genau das sagen, was das Datenblatt ohnehin sagt. Wer sie liest, erfährt nichts, was nicht schon auf der Website des Herstellers steht, und die hat Google längst im Index.

Der zweite Weg dauert eine Woche, mit Unterbrechungen. Jonas' Mechanikerin, Nadja, ist die meisten dieser Räder selbst gefahren oder hat sie gewartet. Zu jedem spricht sie zwei oder drei Sätze in ihr Handy: für wen das Rad passt, was sie am ersten Tag umbauen würde, welche Rahmengröße klein ausfällt. Dasselbe Chat Tool glättet die Grammatik und bringt die Sätze in eine Vorlage. Das Datenblatt steht darunter als Tabelle.

Dasselbe Werkzeug in beiden Fällen. Im ersten hat das Werkzeug den Inhalt erzeugt und ein Mensch hat auf Veröffentlichen gedrückt. Im zweiten hat ein Mensch den Inhalt erzeugt und das Werkzeug hat getippt. Der erste Satz Seiten ist das, was Googles Spamrichtlinie massenhaft generierte Inhalte nennt. Der zweite ist ein Laden, der dir erzählt, was er weiß. Kein System bei Google muss das Werkzeug erkennen, um die beiden auseinanderzuhalten. Die Seiten verraten es von selbst.

In der Google Suche steckt kein KI Detektor, und die käuflichen funktionieren nicht

Viele stellen sich vor, Google lasse über jede Seite einen Klassifikator laufen, stemple sie als "KI" oder "Mensch" ab und sortiere danach. Nichts, was Google veröffentlicht hat, sagt das, und die Unterlagen, die Google den eigenen Qualitätsprüfern gibt, deuten in die Gegenrichtung. Die aktuellen Search Quality Rater Guidelines vom 11. September 2025 weisen die Prüfer an, massenhaft erzeugte Seiten ohne eigenen Inhalt mit der niedrigsten Stufe zu bewerten, "no matter how they are created", und ergänzen sinngemäß: Auch wer sich bei der Entstehungsart nicht sicher ist, etwa ob eine Seite mit generativer KI gebaut wurde, soll die niedrigste Bewertung vergeben, sobald er massenhaft erzeugte Inhalte stark vermutet.² Der Prüfer soll die Methode also gar nicht erst ermitteln. Er soll auf Aufwand, Originalität und Mehrwert schauen.

Dasselbe Dokument sagt ausdrücklich, dass das Werkzeug an sich neutral ist. In meiner Übersetzung: Der Einsatz generativer KI allein bestimmt weder den Aufwand noch die Qualitätsbewertung einer Seite, denn generative KI lässt sich für hochwertige wie für minderwertige Inhalte einsetzen.² Das ist die klarste Aussage zu Googles tatsächlicher Position, die ich kenne, geschrieben für die Menschen, die Googles Ergebnisse prüfen.

Nun zu den Detektoren, die du kaufen kannst. Die Beweislage ist hier nicht dünn, sie ist vernichtend, und sie stammt von den Leuten mit dem größten Interesse daran, dass Erkennung funktioniert.

OpenAI hat am 31. Januar 2023 einen eigenen Klassifikator für KI Text gestartet und schon in der Ankündigung geschrieben, er sei "not fully reliable": Im eigenen Test erkannte er 26 % der KI geschriebenen Texte korrekt als "wahrscheinlich KI geschrieben" und stufte zugleich 9 % der von Menschen geschriebenen Texte fälschlich als KI ein.³ Am 20. Juli 2023 setzte das Unternehmen eine Zeile an den Anfang derselben Seite: Der Klassifikator sei wegen seiner geringen Trefferquote nicht mehr verfügbar.³ Die Organisation, die das Modell gebaut hat, konnte die Ausgabe des Modells nicht zuverlässig wiedererkennen.

Eine begutachtete Studie aus demselben Jahr hat 14 Erkennungswerkzeuge getestet, zwölf öffentliche und zwei kommerzielle Systeme, wie sie Hochschulen einsetzen. Das Fazit der Autorinnen und Autoren, in meiner Übersetzung: Die Werkzeuge sind weder genau noch zuverlässig und neigen vor allem dazu, Texte als menschlich einzustufen, statt KI generierte Texte zu erkennen.⁴ Kein einziges Werkzeug erreichte 80 % Genauigkeit. Maschinentext, den ein Mensch leicht überarbeitet hatte, wurde in etwa 42 % der Fälle erkannt, unberührter Maschinentext in 74 %. Und menschliche Texte, die maschinell ins Englische übersetzt worden waren, verloren rund 20 Punkte an Genauigkeit, weil die Übersetzung Spuren von KI hinterlässt, auch wenn das Original rein menschlich war.⁴

Die zweite Studie nehme ich persönlich. Forscher in Stanford haben sieben verbreitete Detektoren über 91 englische Aufsätze laufen lassen, geschrieben von Menschen, deren Muttersprache nicht Englisch ist. Im Schnitt wurden 61,3 % dieser menschlichen Aufsätze als KI generiert markiert. Mindestens ein Detektor markierte 97,8 % davon. Aufsätze amerikanischer Schulkinder wurden fast fehlerfrei eingeordnet.⁵ Ich bin Österreicher und schreibe beruflich auf Englisch. Nach diesem Maßstab ist das meiste, was ich je veröffentlicht habe, ein Roboter.

Nimm die drei zusammen. Detektoren übersehen den Großteil des Maschinentexts, markieren einen beunruhigenden Anteil menschlicher Texte und lassen sich von einer leichten Überarbeitung oder einer fremdsprachigen Wendung täuschen. Ein Rankingsignal auf dieser Basis läge meistens falsch und wäre gegen die halbe Welt voreingenommen. Google verwendet keines, und sagt das auch.

Rechenbeispiel: was eine Detektor Markierung wirklich aussagt

Angenommen, Jonas vom Radhaus Plagwitz lässt einen Detektor über seine 300 Seiten laufen. Er weiß, dass etwa 10 % davon, 30 Seiten, nach dem ersten Nachmittag als rohe Maschinenausgabe stehen geblieben sind. Der Detektor hat die veröffentlichten Werte von OpenAI: Er erkennt 26 % der KI Texte und markiert fälschlich 9 % der menschlichen Texte. Eine Seite kommt markiert zurück. Wie wahrscheinlich ist es, dass sie wirklich von der Maschine stammt?

Das ist eine bedingte Wahrscheinlichkeit, und die Regel von Bayes beantwortet sie:

$$P(\text{KI} \mid \text{Markierung}) = \frac{P(\text{Markierung} \mid \text{KI})\,P(\text{KI})}{P(\text{Markierung} \mid \text{KI})\,P(\text{KI}) + P(\text{Markierung} \mid \text{Mensch})\,P(\text{Mensch})}$$

Dabei ist $P(\text{KI} \mid \text{Markierung})$ das, was Jonas wissen will, die Wahrscheinlichkeit, dass eine markierte Seite von der Maschine stammt. $P(\text{Markierung} \mid \text{KI})$ ist die Trefferquote des Detektors, $0{,}26$. $P(\text{KI})$ ist der Anteil der Seiten, die wirklich von der Maschine stammen, $0{,}10$. $P(\text{Markierung} \mid \text{Mensch})$ ist die Quote der Fehlalarme, $0{,}09$, und $P(\text{Mensch})$ ist der Anteil menschlicher Seiten, $0{,}90$. Die Regel wird von Grund auf erklärt in Grundlagen: Wahrscheinlichkeit und Bayes, und die Falle, vor der sie schützt, steht in Grundlagen: Indizes und Basisraten.

Die Rechnung, Schritt für Schritt. Der Zähler ist $0{,}26 \times 0{,}10 = 0{,}026$. Der zweite Term im Nenner ist $0{,}09 \times 0{,}90 = 0{,}081$. Der Nenner ist $0{,}026 + 0{,}081 = 0{,}107$. Also:

$$P(\text{KI} \mid \text{Markierung}) = \frac{0{,}026}{0{,}107} \approx 0{,}243$$

Dabei ist $0{,}026$ der Anteil aller Seiten, die von der Maschine stammen und markiert werden, $0{,}107$ der Anteil aller Seiten, die aus irgendeinem Grund markiert werden, und $P(\text{KI} \mid \text{Markierung})$ das Verhältnis der beiden, etwa $0{,}243$. Eine markierte Seite stammt mit rund 24 % Wahrscheinlichkeit von der Maschine. Drei von vier markierten Seiten sind Nadjas eigene Worte. Jonas würde das Wissen seiner Mechanikerin löschen, um einem Werkzeug zu gefallen, das meistens falsch liegt. Den Schaden richtet die Basisrate an: Wenn die meisten Seiten menschlich sind, erdrückt schon eine bescheidene Fehlalarmquote die echten Treffer. Googles Prüfer sollen die Methode ignorieren und die Seite lesen. Für Jonas ist das genauso die richtige Anweisung. Wer den Rechenweg noch einmal langsam sehen will, findet ihn in Grundlagen: Wahrscheinlichkeit und Bayes.

Was Google stattdessen rankt: hilfreiche, nutzerorientierte Inhalte und E E A T

Wenn nicht das Werkzeug, was dann? Googles eigener Rahmen heißt seit 2022 "nutzerorientierte Inhalte", und die Dokumentation definiert sie als Inhalte, die "in erster Linie für Nutzer erstellt wurden" und nicht, um das Ranking in Suchmaschinen zu manipulieren.⁶ Im August 2022 startete Google dafür ein eigenes System für hilfreiche Inhalte. Im März 2024 hörte dieses System auf, etwas Eigenes zu sein. Googles Seite dazu sagt heute, im März 2024 wurde es "weiterentwickelt" und Teil der zentralen Ranking Systeme.⁷ Die Ankündigung formulierte es so: "Dafür gibt es kein einzelnes Signal oder System mehr."⁸ Hilfreichkeit wurde eine Eigenschaft des Rankings als Ganzes, kein seitlich angeschraubter Filter.

Dieselbe Ankündigung liefert die eine Zahl in dieser Geschichte, die ich brauchbar finde. Google erwartete, dass das Update vom März 2024 zusammen mit früheren Arbeiten minderwertige, nicht originelle Inhalte in den Suchergebnissen um 40 % reduziert.⁹ Als der Rollout im April abgeschlossen war, meldete Google 45 %.⁹ Das ist Google, das seine eigenen Hausaufgaben benotet, also nimm es als Absichtserklärung, nicht als Prüfbericht. Aber an der Richtung gibt es keinen Zweifel. Fast die Hälfte der dünnen Seiten, die vorher rankten, wurde in einem Frühjahr nach unten gedrückt, und niemand musste dafür erkennen, welche davon eine Maschine geschrieben hatte.

Unter "hilfreich" liegt das Gerüst, mit dem Google Qualität beschreibt: Erfahrung, Sachkompetenz, Autorität und Vertrauenswürdigkeit, nach den englischen Begriffen geschrieben als E E A T (Experience, Expertise, Authoritativeness, Trustworthiness). Das erste E kam im Dezember 2022 dazu, als Google erklärte, es wolle Inhalte, die auf echter Erfahrung beruhen, "basierend auf der tatsächlichen Verwendung eines Produkts, mit dem tatsächlichen Besuch eines Ortes", also auf etwas, das jemand selbst erlebt hat.¹⁰ Von den vieren sagt Google unverblümt, welches zählt: "Von diesen Aspekten ist Vertrauenswürdigkeit am wichtigsten."⁶ Die Richtlinien für die Prüfer sagen dasselbe mit mehr Farbe, in meiner Übersetzung: Vertrauen ist das wichtigste Mitglied der E E A T Familie, weil nicht vertrauenswürdige Seiten ein niedriges E E A T haben, egal wie erfahren, kompetent oder autoritativ sie wirken.²

Zwei Klarstellungen ersparen viel Verwirrung. E E A T ist kein Rankingfaktor, den du einschalten kannst. Google beschreibt es als einen Mix von Faktoren, mit dem seine Systeme gute Inhalte erkennen, nicht als einzelne Punktzahl.⁶ Und die Prüfer, die Seiten danach bewerten, rühren deine Rankings nicht an. Die Prüfer beurteilen die Qualität der Suchergebnisse, damit Google erfährt, ob seine Änderungen wie gewünscht funktionieren, so die deutsche Dokumentation. Die englische Fassung ergänzt: Die Prüfer haben keine Kontrolle über das Ranking von Seiten, und ihre Daten fließen nicht direkt in die Rankingalgorithmen ein.⁶ Die Prüfer auditieren das System. Das System rankt die Seiten.

In der Praxis ist das fast peinlich einfach. Die Seiten, die nach 2024 gut laufen, sind die, auf denen jemand, der das Thema kennt, etwas gesagt hat, das es woanders nicht gibt, und auf denen leicht zu sehen ist, wer dieser Jemand ist. Eine Maschine kann dieser Person beim schnelleren Tippen helfen. Die Erfahrung kann sie nicht liefern.

Ein Beispiel: Google veröffentlicht eine Liste von Fragen, die du dir zu deinen eigenen Inhalten stellen sollst, und zwei davon erledigen den Großteil der Arbeit. "Bieten die Inhalte neuartige Informationen, Darstellungen in Berichtsform, Forschungsergebnisse oder Analysen?" und "Sind wesentliche neue Informationen enthalten und wurden nicht nur externe Inhalte kopiert oder umgeschrieben?"⁶ Jonas' erster Satz von 300 Beschreibungen beantwortet beide mit Nein. Nadjas Satz beantwortet beide mit Ja. Kein Detektor im Spiel. Nur zwei Fragen und ein ehrlicher Nachmittag.

Die zwei Spamrichtlinien, die wirklich beißen: massenhaft generierte Inhalte und Missbrauch des Websiterufs

Harte Regeln hat Google durchaus, und zwei davon zählen hier. Beide wurden im März 2024 eingeführt oder neu geschrieben, und beide sind um das herum formuliert, was die Seiten tun, nicht wie sie entstanden sind.

Die erste ist der Missbrauch mit massenhaft generierten Inhalten. Die Definition: Dabei "werden viele Seiten in erster Linie erstellt, um das Suchranking zu manipulieren, aber nicht, um Nutzern zu helfen." Es geht in der Regel um große Mengen nicht origineller Inhalte, "die für Nutzer unabhängig von der Art der Erstellung wenig oder gar keinen Mehrwert bieten".¹¹ Das erste Beispiel auf der Liste nennt das Werkzeug beim Namen: "Verwendung von Tools mit generativer KI oder ähnlichen Tools, um viele Seiten zu generieren, ohne Nutzern einen Mehrwert zu bieten".¹¹ Die anderen Beispiele sind ältere Sünden: Feeds abgreifen, Inhalte aus anderen Seiten zusammenstückeln, viele Seiten erstellen, "deren Inhalte für einen Leser wenig oder keinen Sinn ergeben, die aber Suchbegriffe enthalten".¹¹ Google sagt, die Richtlinie "baut auf unserer früheren Spamrichtlinie zu automatisch generierten Inhalten auf".⁸ Dieselbe Regel, weiteres Netz, jetzt auch für Menschen, die dünne Seiten von Hand produzieren.

Die zweite ist der Missbrauch des Websiterufs. Gemeint ist die Praxis, Inhalte Dritter auf einer angesehenen Website zu veröffentlichen, damit sie sich die Rankingsignale des Gastgebers leihen, die Gutscheinseiten und Casinobewertungen, die auf den Domains von Zeitungen und Universitäten auftauchten. Googles Richtlinie greift, wenn Inhalte Dritter auf einer Hostwebsite in erster Linie wegen deren bereits etablierter Rankingsignale erscheinen, "die dieser hauptsächlich durch eigene Inhalte erhalten hat".¹¹ In Kraft trat sie am 5. Mai 2024.⁸ Im November 2024 schloss Google die naheliegende Lücke und stellte klar, dass ein Verstoß vorliegt, "unabhängig davon, ob der Inhaber der Website daran beteiligt ist oder Einfluss auf die Inhalte hat", weil die Beteiligung des Gastgebers an der grundsätzlichen Natur der Inhalte als Fremdinhalte nichts ändert.¹²

Für Leserinnen und Leser in Deutschland kommt eine Besonderheit dazu, die in der deutschen Fassung der Richtlinie steht. Für Nutzer im Europäischen Wirtschaftsraum (EWR) verhängt Google bei Missbrauch des Websiterufs keine manuelle Maßnahme mehr. Die betroffenen Seiten werden stattdessen "als von der Hauptdomain getrennt kategorisiert" und "nach ihren eigenen Vorzügen eingestuft", also so bewertet, als stünden sie auf einer eigenen Website ohne den geliehenen Ruf.¹¹ Außerhalb des EWR bleibt die manuelle Maßnahme möglich. Für den Geschäftszweck läuft beides auf dasselbe hinaus: Der geliehene Ruf ist weg, und genau der war der Grund für die ganze Übung.

Achte darauf, was fehlt. Keine der beiden Richtlinien sagt "KI Inhalte sind Spam". Beide sagen "Seiten, die ein Rankingsignal leihen oder manipulieren sollen, sind Spam". Wenn du 400 Seiten erzeugst, weil du 400 wirklich verschiedene Dinge zu sagen hast, jedes mit eigenen Daten, dann ist das programmatisches Publizieren und völlig in Ordnung. Wie man das sauber macht, habe ich in Programmatic SEO und Content Automation beschrieben. Wenn du 400 Seiten erzeugst, weil du für 400 Ortsnamen ranken willst, ist das Missbrauch mit massenhaft generierten Inhalten, egal ob ein Mensch oder ein Modell sie getippt hat.

Ein Beispiel: Eine erfundene Hausverwaltung in Köln, Hausverwaltung Ehrenfeld, bezahlt eine Content Agentur für Seiten vom Typ "Wohnung mieten in [Veedel]" für 60 Kölner Stadtteile, jede dieselben drei Absätze mit ausgetauschtem Stadtteilnamen. Das ist Missbrauch mit massenhaft generierten Inhalten. Dieselbe Hausverwaltung zahlt dann der Lokalzeitung 400 € im Monat, damit sie "Die besten Hausverwaltungen in Köln" hostet, geschrieben von der Hausverwaltung, im Layout der Zeitung. Das ist Missbrauch des Websiterufs, und seit November 2024 hilft es nichts mehr, wenn ein Redakteur kurz über den Text schaut. Beides wurde der Hausverwaltung als SEO verkauft. Beides ist heute der schnellste Weg, die Rankings zu verlieren, die sie hatte.

Rechenbeispiel: ein Hamburger Softwareunternehmen, ein Satz Massenseiten gegen einen recherchierten Leitfaden

Hier ist das ganze Argument in einem erfundenen Unternehmen. Tourwerk Altona ist ein Softwareunternehmen mit zwölf Leuten in Hamburg, das Routenplanung für kleine Lieferflotten verkauft. Die Gründerin, Maren, will organischen Traffic für "Routenplanung Software Lieferdienst". Jede Zahl unten ist ausgedacht, um die Mechanik zu zeigen. Niemand real, kein echter Kunde.

Im Januar probiert sie zuerst den Massenweg, weil er schnell geht. Ein Auftragnehmer lässt ein Chat Tool 400 Seiten der Form "Routenplanung Software in [Stadt]" erzeugen, für 400 deutsche Städte mit mehr als 20.000 Einwohnern. Jede Seite hat 600 Wörter, die auf jede Stadt passen würden. Der ganze Auftrag kostet 1.200 € für Werkzeuge und einen Tag Zeit des Auftragnehmers.

Im selben Monat schreibt sie außerdem einen einzigen Leitfaden: "Wie viele Stopps schafft ein Lieferwagen wirklich an einem Tag? Was 2.000 echte Touren uns gezeigt haben." Er nutzt anonymisierte Daten ihrer eigenen Kunden, drei Kundeninterviews, einen Rechner zum Ziehen und Ablegen und eine Quellenliste. Sie und eine Kollegin verbringen drei Tage damit, ich einen. Nennen wir es 3.600 € an Zeit.

So haben sich die beiden über das Jahr geschlagen, in organischen Besuchen pro Monat. Erfunden, aber die Form habe ich mehr als einmal gesehen.

Die waagerechte Achse ist der Monat, Januar bis Dezember. Die senkrechte Achse sind die organischen Besuche aus der Suche in diesem Monat, für die 400 Stadtseiten zusammengenommen und für den einzelnen Leitfaden allein. Die Massenseiten gewinnen das erste Quartal: 1.800 Besuche im Januar, 2.400 im März, meist aus Städten, für die sonst niemand eine Seite geschrieben hatte. Dann landet im April ein Core Update, und die Seiten verlieren bis Mai zwei Drittel ihres Traffics. Im Dezember sind es noch 150 Besuche über alle 400 Seiten. Der Leitfaden startet bei 40 Besuchen, weil ihn noch niemand gefunden hat, und steigt jeden Monat, während er Links einsammelt und Google lernt, dass Leute auf ihm bleiben. Im Juni kreuzt er die Massenseiten und beendet das Jahr bei 1.300 im Monat.

Rechne das Jahr zusammen. Die Massenseiten haben 10.060 Besuche gesammelt. Der Leitfaden 8.230. Beim rohen Traffic gewinnen die Massenseiten also immer noch, knapp, und wer hier aufhört zu lesen, zieht den falschen Schluss. Also hör nicht auf.

Maren verkauft eine Testphase für ihre Software, und die beiden Arten von Besuchern verhalten sich sehr unterschiedlich. Wer auf einer austauschbaren Stadtseite landet, nichts Konkretes sieht und wieder geht, meldet sich selten an. In diesem Beispiel tun es 0,2 %. Wer gerade sechs Minuten mit einem Rechner verbracht hat, der auf echten Tourdaten beruht, ist ein anderer Mensch. In diesem Beispiel melden sich 2,5 % an. Leads sind Besuche mal Anmeldequote:

$$L = V \times r$$

Dabei ist $L$ die Zahl der Testanmeldungen, $V$ die Besuche über das Jahr und $r$ die Anmeldequote, der Anteil der Besucher, die eine Testphase starten. Das ist eine schlichte Rate, dieselbe Form wie eine Conversion Rate, und sie wird erklärt in Grundlagen: Verhältnisse und Raten.

Für die Massenseiten: $L = 10.060 \times 0{,}002 = 20{,}12$, also etwa 20 Testphasen. Für den Leitfaden: $L = 8.230 \times 0{,}025 = 205{,}75$, also etwa 206 Testphasen. Die Kosten pro Testphase sind die Kosten geteilt durch die Testphasen. Die Massenseiten kosteten 1.200 € für 20 Testphasen, also 60 € pro Testphase. Der Leitfaden kostete 3.600 € für 206 Testphasen, also 17,48 € pro Testphase. Die recherchierte Seite hat zehnmal so viele Leads gebracht, zu weniger als einem Drittel der Kosten pro Lead, und die Massenseiten fallen im Januar weiter, während der Leitfaden weiter steigt.

Drei Dinge halten dieses Beispiel ehrlich. Die Massenseiten gewinnen am Anfang wirklich, und genau deshalb machen die Leute es immer wieder. Der Schnittpunkt kommt erst nach Monaten, länger als die meisten Budgets Geduld haben. Und der Vorsprung des Leitfadens kommt aus den Daten und den Interviews, nicht aus der Prosa. Ein Chat Tool hat Maren geholfen, den Leitfaden zu strukturieren und die Interviewprotokolle zu glätten. Die 2.000 Touren und die drei Kunden konnte es nicht liefern.

Wie ich KI für Inhalte nutze, und wo ich aufhöre

Das ist der Abschnitt zur Ethik, und ich beschreibe lieber, was ich tatsächlich tue, statt zu predigen. Ich nutze KI Werkzeuge für die einfachen, sich wiederholenden Teile des Schreibens, und ich beende jeden Text mit Wissen, das das Werkzeug nicht hat. Dasselbe Prinzip zieht sich durch den Rest meiner Arbeit, auch durch den Code, worüber ich in KI schreibt den Code. Wer ist dafür verantwortlich? geschrieben habe. Das Werkzeug ist schnell, unermüdlich und weiß nichts über meine Kunden. Ich bin langsam, ermüde leicht und weiß sehr viel über sie. Der Prozess ist so gebaut, dass jeder das tut, was er gut kann.

Das Diagramm läuft von oben nach unten durch sechs Schritte. Das Briefing ist immer meins: wer liest, mit welcher Frage die Person gekommen ist, was der eine Punkt ist. In der Recherche ist das Werkzeug ein nützlicher Assistent, der Dokumente holt und die Passagen herauszieht und mir sagt, was ein PDF mit 160 Seiten auf Seite 112 über generative KI sagt. Aber jede Quelle, die es findet, öffne ich selbst. Drittens entwirft das Werkzeug: das Gerüst, eine Struktur aus einem Haufen Notizen, den Satz, der zum vierzigsten Mal eine Conversion Rate erklärt. Viertens die Faktenprüfung, die Entscheidungsstelle: Jede Behauptung wird an ihrer Quelle gelesen, und alles, was ich nicht nachverfolgen kann, wird gestrichen, nicht abgeschwächt. Fünftens die Überarbeitung, in der der Artikel meiner wird. Die Beispiele sind meine, der Laden in Leipzig und die Flotte in Hamburg, und die Urteile und die Scherze auch, so gut sie eben sind. Sechstens die Veröffentlichung mit Fußnoten, damit du meine Arbeit so prüfen kannst, wie ich die des Werkzeugs geprüft habe.

Die Reihenfolge zählt. Kommt die Überarbeitung vor der Faktenprüfung, werden die Fehler poliert statt entfernt. Kommt das Briefing zuletzt, entscheidet das Werkzeug, wovon der Artikel handelt, und es wählt den Durchschnitt von allem, was je zu dem Thema geschrieben wurde. Das ist genau der Inhalt, den Google 2024 nach unten gedrückt hat.

Bei der Offenlegung folge ich Googles eigenem Vorschlag. Der Leitfaden rät, die Frage zu beantworten, die sich ein Leser stellen könnte: "Wer hat das geschrieben?" mit einem echten Namen, und "Wie wurde das erstellt?" mit einer schlichten Erklärung dort, wo ein Leser sie vernünftigerweise erwartet.¹ Er sagt auch: "Es ist nicht unbedingt die beste Methode, der KI eine Verfasserzeile zu geben", um die Beteiligung offenzulegen.¹ Mein Name steht also unter meinen Artikeln, weil ich für jede Behauptung darin verantwortlich bin, und dieser Abschnitt ist die Erklärung, wie sie entstehen. Googles Dokumentation warnt außerdem vor erfundenen Autorenprofilen, mit KI generierten Porträtfotos, erfundenen Namen oder falschen Referenzen, und nennt das "eine Form der Täuschung".⁶ Einen Experten zu erfinden, der die Arbeit einer Maschine unterschreibt, ist das Einzige in diesem ganzen Feld, das ich ohne Einschränkung unethisch nennen würde.

Wo ich aufhöre, ist leicht gesagt. Ich veröffentliche keine Seite, deren einziger Existenzgrund ein Suchbegriff ist. Ich lasse kein Werkzeug eine Zahl behaupten, die ich nicht in ihrer Quelle gesehen habe. Ich nutze KI nicht, um eine Erfahrung vorzutäuschen, die ich nicht gemacht habe, denn Erfahrung ist das erste E und das eine, das ein Modell nicht fälschen kann. Und ich flute nicht. Google sagt, es habe 2024 fast die Hälfte der nicht originellen Inhalte in seinen Ergebnissen nach unten gedrückt, und jedes Signal, das Google veröffentlicht, zeigt auf Aufwand, Originalität und Vertrauen. Fluten ist nicht nur ethisch dünn. Es ist eine Wette gegen die eine Richtung, in die sich die Rankingsysteme seit drei Jahren bewegen.

Einem Abschweifen widerstehe ich: Wie man in KI Antworten auftaucht, in ChatGPT oder in Googles eigenen Übersichten, ist eine andere Frage mit einem eigenen Artikel, Wie man in ChatGPT und KI Suchmaschinen rankt. Hier geht es um die gewöhnliche Ergebnisseite.

Was das für dich heißt

Drei Sätze für den Zettel über dem Schreibtisch. Google beurteilt die Seite, nicht den Tipper, und sagt das schriftlich. Die Detektoren funktionieren nicht, nicht einmal der von OpenAI, also solltest weder du noch Google eine Entscheidung darauf stützen. Und die Inhalte, die nach 2024 ranken, sind die, auf denen jemand, der das Thema kennt, etwas Neues gesagt und mit seinem Namen unterschrieben hat.

Nutz die Werkzeuge. Ich tue es, täglich, für die Teile des Schreibens, die mich nicht brauchen. Und dann mach den Teil, der dich braucht.

Footnotes

1. Danny Sullivan und Chris Nelson, Leitfaden der Google Suche zu KI-generierten Inhalten, Google Search Central Blog, 8. Februar 2023, https://developers.google.com/search/blog/2023/02/google-search-and-ai-content?hl=de

2. Google, Search Quality Rater Guidelines: General Guidelines, Ausgabe vom 11. September 2025, Abschnitte 3.4, 4.6.5 und 4.6.6, https://static.googleusercontent.com/media/guidelines.raterhub.com/en//searchqualityevaluatorguidelines.pdf

3. Jan Hendrik Kirchner, Lama Ahmad, Scott Aaronson und Jan Leike, New AI classifier for indicating AI-written text, OpenAI, 31. Januar 2023, mit dem Hinweis zur Einstellung vom 20. Juli 2023, archivierte Kopie, https://web.archive.org/web/20230831225148/https://openai.com/blog/new-ai-classifier-for-indicating-ai-written-text

4. Debora Weber-Wulff, Alla Anohina-Naumeca, Sonja Bjelobaba, Tomáš Foltýnek, Jean Guerrero-Dib, Olumide Popoola, Petr Šigut und Lorna Waddington, Testing of detection tools for AI-generated text, International Journal for Educational Integrity, Band 19, Artikel 26, 2023, https://arxiv.org/abs/2306.15666

5. Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu und James Zou, GPT detectors are biased against non-native English writers, Patterns, Band 4, Heft 7, 2023, https://pmc.ncbi.nlm.nih.gov/articles/PMC10382961/

6. Google, Hilfreiche, vertrauenswürdige, nutzerorientierte Inhalte erstellen, Google Search Central Dokumentation, https://developers.google.com/search/docs/fundamentals/creating-helpful-content?hl=de (die beiden Sätze zu den Prüfern stehen in der englischen Fassung: https://developers.google.com/search/docs/fundamentals/creating-helpful-content)

7. Google, Leitfaden zu Ranking-Systemen der Google Suche, Abschnitt System für hilfreiche Inhalte, Google Search Central Dokumentation, https://developers.google.com/search/docs/appearance/helpful-content-system?hl=de

8. Chris Nelson, Wichtige Informationen für Web-Creator über das grundlegende Update vom März 2024 und die neuen Spamrichtlinien, Google Search Central Blog, 5. März 2024, https://developers.google.com/search/blog/2024/03/core-update-spam-policies?hl=de

9. Elizabeth Tucker, New ways we're tackling spammy, low-quality content on Search, The Keyword, Google, 5. März 2024, aktualisiert am 26. April 2024, https://blog.google/products/search/google-search-update-march-2024/

10. Elizabeth Tucker, Neueste Aktualisierung der Richtlinien für Evaluatoren zur Bewertung der Qualität: E-A-T erhält ein zusätzliches E für Experience, Google Search Central Blog, 15. Dezember 2022, https://developers.google.com/search/blog/2022/12/google-raters-guidelines-e-e-a-t?hl=de

11. Google, Spamrichtlinien für die Google Websuche, Abschnitte Missbrauch mit massenhaft generierten Inhalten und Missbrauch des Websiterufs, Google Search Central Dokumentation, https://developers.google.com/search/docs/essentials/spam-policies?hl=de

12. Google Search Central, Aktualisierung unserer Richtlinie zum Missbrauch des Websiterufs, 19. November 2024, https://developers.google.com/search/blog/2024/11/site-reputation-abuse?hl=de