Content-Audit für die KI-Suche: Welche Seiten ein Sprachmodell zitiert

Von Manfred Mayer Rieger · Veröffentlicht 25. Oktober 2026

Im November 2022 fragte Jake Moffatt den Chatbot von Air Canada, ob er einen regulären Flug buchen und den Trauerfall-Rabatt nachträglich beantragen könne, nach dem Tod seiner Großmutter. Der Bot bejahte das. Die tatsächliche Trauerfall-Richtlinie der Airline sagte etwas anderes: Die Rückerstattung musste vor dem Flug beantragt werden, nicht danach. Als Moffatt sie einforderte, lehnte Air Canada ab und verwies auf die korrekte Seite der eigenen Website. Vor dem British Columbia Civil Resolution Tribunal argumentierten die Anwälte der Airline später, der Chatbot sei “eine eigenständige rechtliche Einheit”, verantwortlich für seine eigenen Worte.

Der zuständige Richter, Christopher Rivers, wies das mit einem einzigen Satz zurück, der inzwischen in der gesamten Debatte über KI-Haftung zitiert wird: “Es macht keinen Unterschied, ob die Information von einer statischen Seite oder einem Chatbot stammt.” Air Canada musste zahlen. Das Urteil trägt das Aktenzeichen Moffatt v. Air Canada, 2024 BCCRT 149, ergangen am 14. Februar 2024.

Ersetzt man “Chatbot” durch “ein Modell, das eine Frage zum eigenen Unternehmen beantwortet”, liest sich das Urteil genauso. Ein Modell weiß nicht, welche Seite einer Website die aktuelle ist und welche einfach niemand mehr aktualisiert hat. Es liest, was erreichbar ist, und gibt wieder, was einen Fakt am klarsten formuliert – und Klarheit hat nichts damit zu tun, ob die Seite auch recht hat.

Wofür ein Content-Audit für die KI-Suche eigentlich gut ist

Ein technisches SEO-Audit fragt, ob eine Seite gecrawlt, geparst und indexiert werden kann. Ein GEO-Audit – an anderer Stelle auf dieser Website behandelt – fragt, ob ein Modell das Unternehmen überhaupt kennt und empfehlen würde. Keines von beiden stellt die Frage, für die ein Content-Audit da ist: Welche der bereits veröffentlichten Seiten sollten unverändert bleiben, welche brauchen eine Aktualisierung, und welche sollten zusammengeführt oder entfernt werden, weil eine andere Seite derselben Website dieselbe Sache längst besser sagt?

Genau dieser letzte Teil kommt im KI-Zeitalter zur klassischen Übung hinzu. Ein Modell gewichtet die Seiten einer Website nicht gegeneinander, wie ein Suchindex es tut. Direkt gefragt, kann es jede erreichbare Seite abrufen und zitieren – alt oder neu – und die Antwort in beiden Fällen gleich selbstbewusst formulieren. Eine Seite, die der aktuellen Wahrheit widerspricht, konkurriert nicht um einen Rankingplatz mit der richtigen Seite – sie steht einfach gleichberechtigt als zitierbare Alternative daneben.

Warum die klarste Seite gewinnt, nicht die neueste

Das ist die Mechanik hinter dem Air-Canada-Fall, verallgemeinert: Ein Modell wägt nicht ab, ob “diese Seite drei Jahre alt ist” gegen “diese Seite stammt vom letzten Monat”, wie es ein Mensch beim Überfliegen von Suchergebnissen täte. Es greift zu der Formulierung, die einen Fakt am direktesten ausdrückt – eine konkrete Zahl, ein klares Ja oder Nein, ein glatter Satz ohne Einschränkungen. Das ist oft die ältere Seite. Eine neu gestaltete, auf Lesbarkeit getrimmte Seite vergräbt die eigentliche Antwort manchmal unter Vorbehalten und internen Verweisen, durch die sich ein Modell erst durcharbeiten muss – während ein alter FAQ-Eintrag aus 2019, in einem einzigen deutlichen Satz formuliert, weil niemand erwartet hatte, dass er noch online wäre, die aktuelle, differenziertere Fassung einfach deshalb aussticht, weil er leichter zu entnehmen ist.

Seiten finden, die sich gegenseitig Konkurrenz machen

Zwei Seiten müssen nicht identisch sein, um um dieselbe Antwort zu konkurrieren. Es reicht, wenn sich ihr Haupttext – ohne Header, Navigation und Footer – so stark überlappt, dass ein Modell sie als redundant behandelt, oder schlimmer, als widersprüchlich. Ein Seitenvergleich, der nach einem hohen Anteil gemeinsamer Fünf-Wort-Sequenzen sucht und nicht nur nach gemeinsamen Schlüsselwörtern, erfasst genau das: Zwei Seiten mit 80 Prozent oder mehr übereinstimmendem Fließtext sind, aus der Sicht eines Modells, eine Seite, die mit sich selbst konkurriert. Die tiefere Stufe des eigenen Scans dieser Website führt genau diesen Vergleich über eine gecrawlte Website hinweg durch und markiert separat jede Seite, bei der mehr als 65 Prozent des Texts aus Navigation und Template-Elementen bestehen – denn eine überwiegend aus Vorlage bestehende Seite hat kaum noch etwas Eigenes, das zitiert werden könnte.

Für beide Fälle muss keine der Seiten falsch sein. Zwei Seiten können beide korrekt sein und trotzdem ein Problem darstellen, denn welche davon ein Modell auch abruft, die andere wird nicht zitiert – und wenn sich beide bei einer konkreten Zahl oder einem Datum leicht unterscheiden, würde ein Mensch das beim Vergleich eher bemerken als ein Modell. Eine einfachere Version derselben Frage für nur eine URL – ist Title, Überschriftenstruktur und Fließtext wirklich eigenständig oder dünn und schablonenhaft – beantwortet der kostenlose On-Page-Checker.

Warum veraltete Seiten länger überleben, als es ihnen zusteht

Wenn eine Seite veraltet, geht nichts kaputt. Sie rendert weiterhin, rankt weiterhin, lädt weiterhin in unter einer Sekunde. Genau deshalb bleibt das Problem unsichtbar: Eine Durchsuchung des Seitentexts nach Statistiken ohne zugehöriges Jahr findet zuverlässig Seiten, die einen Prozentsatz oder einen Betrag nennen, ohne dass Leser – oder Modell – erkennen können, ob die Zahl vom letzten Quartal oder von vor vier Jahren stammt. Ein separater Durchlauf nach Aussagen, die ausdrücklich an ein altes Jahr gebunden sind – “Stand 2021”, “eine Studie aus 2019 ergab” – erfasst den umgekehrten Fehler: eine Seite, die sich zwar selbst datiert hat, inzwischen aber gegen diese eigene Angabe spricht. Beides übersieht eine normale redaktionelle Durchsicht leicht, weil niemand eine Seite gezielt danach durchliest, in welchem Jahr sie unbemerkt aufgehört hat, aktuell zu sein.

Was am Ende eines Content-Audits stehen sollte

Das Ergebnis dieser Übung ist kein Bericht. Es sind drei Listen: Seiten zur Aktualisierung (der Fakt stimmt noch, braucht aber eine aktuelle Zahl oder ein aktuelles Datum), Seiten zur Zusammenführung (mehrere Seiten sagen dasselbe, zusammengeführt in die, die es am klarsten sagt), und Seiten zur Entfernung (die Grundlage gilt nicht mehr, und eine Weiterleitung sorgt dafür, dass sie nicht mehr zitierbar ist).

Den klarsten Beleg dafür, warum diese dritte Liste zählt, liefert ausgerechnet ein Fall außerhalb der KI-Suche. Ahrefs dokumentierte einen Fall, bei dem der SEO-Berater Francesco Baldini eine Fahrzeugbewertungs-Website mit rund 4,86 Millionen überwiegend minderwertigen, automatisch generierten Seiten prüfte. Nach der Reduktion auf etwa 1.500 Seiten stiegen die organischen Besuche um 160 Prozent und die Conversions um 105 Prozent – binnen wenigen Wochen. Nicht, weil die entfernten Seiten aktiv schadeten, sondern weil sie alles andere, was die Website zu sagen hatte, verwässerten. Ein Modell, das auf Millionen dünner, austauschbarer Seiten trifft, hat dasselbe Problem wie ein Suchindex: zu viele schwache, konkurrierende Antworten, zwischen denen es sich sicher entscheiden müsste.

Das ist kein einmaliges Projekt – eine Website, die monatlich nur eine Handvoll Seiten aktualisiert, wird binnen eines Jahres wieder abdriften. Das ist auch die ehrliche Grenze, wenn man das von Hand macht: Ein Mensch, der Dutzende Seiten auf Widersprüche durchliest, ermüdet schneller als ein Vergleichsskript – und übersieht eher genau das eine Seitenpaar, das sich still widerspricht. Welche Prüfungen dahinterstehen und was jede davon genau misst, steht öffentlich in der Methodik.

Was ein Content-Audit nicht zeigen kann

Nichts davon belegt, welche Seite ein Modell an einem bestimmten Tag tatsächlich für eine Antwort herangezogen hat – das bleibt von außen unsichtbar, und kein Audit beobachtet das in Echtzeit. Ein Content-Bestand-Audit liefert ein Risiko-Inventar: welche Seiten überhaupt eine widersprüchliche oder veraltete Antwort liefern könnten, wenn man danach fragt. Welche Seite ein Modell tatsächlich gewählt hat, ist eine andere, schwerer zu beobachtende Frage – und etwas anderes zu behaupten, würde mehr versprechen, als jedes Audit, auch das eigene, tatsächlich messen kann.