E-E-A-T für die KI-Suche: Warum Vertrauenssignale jetzt zählen

Von Manfred Mayer Rieger · Veröffentlicht 8. September 2026

Ein regulärer Ausdruck, der benannte Autorenschaft erkennen sollte – „geschrieben von“, „geprüft von“, „faktengeprüft von“ –, begann einfacher: alles in der Form „von [Name]“. Er erfasste damit auch „Umgesetzt von Rheinweb GmbH“ in einer Fußzeile und „Gestaltet von Studio Nord“ in einer Tagline. Beides liest sich, grammatisch betrachtet, genau wie eine Namenszeile. Keines von beidem ist eine Person, die für den Inhalt der Seite geradesteht. Die Korrektur brauchte ein echtes Autorschaftsverb vor dem Namen – nicht nur das Wort „von“. Ein kleiner Fehler in einem einzelnen Skript, und zugleich fast die ganze Geschichte von E-E-A-T: der Unterschied zwischen etwas, das wie ein Vertrauenssignal aussieht, und etwas, das tatsächlich eines ist.

Was bedeutet E-E-A-T eigentlich?

E-E-A-T – Experience, Expertise, Authoritativeness, Trustworthiness, auf Deutsch Erfahrung, Fachwissen, Autorität, Vertrauenswürdigkeit – stammt aus Googles Search Quality Rater Guidelines, dem Dokument, mit dem menschliche Prüferinnen Suchergebnisse von Hand bewerten. Im Dezember 2022 kam das zweite E für Erfahrung hinzu, zusätzlich zum älteren E-A-T: Hat, wer hier schreibt, die beschriebene Sache selbst gemacht – nicht nur irgendwo darüber gelesen. Im Zentrum steht Vertrauen. Googles eigene Dokumentation ist bei der Rangfolge eindeutig: Erfahrung, Fachwissen und Autorität zahlen alle auf Vertrauen ein, aber Vertrauen zählt am meisten, und eine Seite muss nicht alle vier Aspekte zeigen, um gut zu ranken.

Dieselbe Seite räumt mit einem verbreiteten Missverständnis auf: E-E-A-T sei „kein eigenständiger Rankingfaktor“, und Rater-Feedback fließe „nicht direkt in die Rankingalgorithmen“ ein. Rater sind eher mit einem Restaurant zu vergleichen, das Feedbackkarten liest, um zu sehen, ob die Küche gute Arbeit leistet, als mit Karten, die die Speisekarte festlegen – sie prüfen, ob das Ergebnis der Algorithmen stimmt, sie erzeugen es nicht. Was das Ranking tatsächlich bewegt, ist eine Mischung messbarer Signale, die mit hohem E-E-A-T korrelieren: ein genannter Autor, eine echte Adresse, zitierte Quellen, nachprüfbare Qualifikationen.

Warum zählt es in der KI-Suche mehr als im klassischen SEO?

Die klassische Google-Suche liefert zehn Links und überlässt der Leserin die Einschätzung, welchem sie traut. Eine schwache Quelle auf Position vier bekommt trotzdem Klicks von Leserinnen, die das Risiko eingehen. Eine KI-Suchmaschine überspringt diesen Schritt. Sie wählt wenige Quellen aus, verdichtet sie zu einer einzigen Antwort, und welche Quelle sie verworfen hat, bekommt niemand zu sehen. Es gibt kein Äquivalent zum Weiterscrollen an einem zweifelhaften Ergebnis vorbei – die redaktionelle Entscheidung fällt, bevor die Leserin überhaupt etwas sieht, nicht danach.

Das macht falsche oder fehlende Vertrauenssignale deutlich teurer. Eine Seite, die bei Google schlecht rankt, taucht trotzdem irgendwann irgendwo auf. Eine Seite, die ein Modell für nicht zuordenbar oder nicht überprüfbar hält, wird schlicht nicht ausgewählt – und nichts in der Oberfläche zeigt, dass sie überhaupt zur Auswahl stand.

Wie prüft ein KI-Modell „Erfahrung“?

Gar nicht direkt – kein Modell kann jemanden anrufen und nachprüfen, ob er wirklich geschrieben hat, was eine Namenszeile behauptet. Was es prüfen kann, ist, ob die Seite die Art von Angaben liefert, die eine Leserin bei Bedarf selbst nachprüfen könnte: ein Name, eine Qualifikation, eine Adresse, eine Registrierungsnummer. Diese Signale selbst sind das, was gewichtet wird – nicht der Beleg dafür, dass dahinter auch etwas steckt.

Das ist eine echte Grenze, keine Formsache, und ein Prüfwerkzeug, das genau diese Unterscheidung abbildet, ist selbst darüber gestolpert. Eine frühere Version seiner Autorenschaftsprüfung zählte jedes Person-Markup als Beleg für einen genannten Autor – auch vier Mitarbeitende, die als strukturierte Daten auf einer Teamseite aufgeführt waren. Eine Mitarbeiterliste und eine Namenszeile sind zwei verschiedene Aussagen: Die eine sagt, wer im Unternehmen arbeitet, die andere, wer genau diesen Inhalt geschrieben hat und dafür geradesteht. Eine Teamseite als Beleg für verfassten Inhalt zu werten, meldete Vertrauen, das durch nichts gedeckt war – genau die Lücke, die auch ein Modell nicht durchschauen kann.

Kein Anbieter bestätigt, dass diese Signale tatsächlich in die Bewertung einfließen. Kein KI-Suchanbieter veröffentlicht, wie stark Autorenschaft, Adresse oder Qualifikationen bei der Quellenauswahl gewichtet werden – oder ob überhaupt. Das Argument hier ist eine Ableitung aus dem, worauf menschliche Rater achten sollen, und aus dem, was ein Modell strukturell nicht selbst nachprüfen kann – eine begründete Vermutung, kein offengelegter Mechanismus.

Was sind die schnellsten E-E-A-T-Maßnahmen für ein kleines Unternehmen?

Drei, in der Reihenfolge, wie günstig sie umzusetzen sind und wie oft gerade ihr Fehlen dazu führt, dass eine Website praktisch keine prüfbaren Vertrauenssignale hat:

• Eine echte Namenszeile mit Verb. „Von [Name]“ in der Fußzeile reicht nicht – ein Name ohne Handlung liest sich wie gar kein Name. „Geschrieben von“ oder „geprüft von“ mit einer konkreten Person leistet, was ein bloßer Name nicht leistet.
• Eine Postanschrift, bei einem britischen Unternehmen zusätzlich eine Registrierungsnummer. Eine Adresse allein ist eine Behauptung; eine Handelsregisternummer lässt sich unabhängig beim Companies House prüfen, und britisches Gesellschaftsrecht verlangt sie ausdrücklich auf der Website selbst, nicht nur auf Rechnungen.
• Ein Link zu einem beruflichen Profil neben der Kurzbiografie. LinkedIn oder ein vergleichbares öffentliches Profil gibt einer Leserin – oder einem Modell, das die Seite zusammenfasst – eine Stelle, um die Angabe zu prüfen, statt sie einfach zu glauben.

Keine dieser drei Maßnahmen braucht Gestaltungsarbeit oder neue Inhalte – es sind Metadaten darüber, wer für das Vorhandene verantwortlich ist. Ein Schema-Checker zeigt, ob Autoren- und Organisations-Markup tatsächlich vorhanden und maschinenlesbar ist, statt es nur am Erscheinungsbild der Seite zu erraten.

Hilft eine Autorenseite wirklich?

Grundsätzlich ja – aber erst ab einer bestimmten Länge, und nur, wenn sie zum Rest der Seite passt. Ein brauchbarer Anhaltspunkt: Kurzbiografien unter etwa 40 Wörtern wirken auf einer Seite, die an anderer Stelle Qualifikationen wie „zertifiziert“ oder „geprüft“ erwähnt, widersprüchlich – Fachwissen wird behauptet, aber genau dort nicht belegt, wo das eigentlich passieren sollte. Dieselbe Logik – offenlegen, wie eine Einschätzung zustande kommt, statt sie nur zu behaupten – trägt auch die veröffentlichte Audit-Methodik: messbar statt behauptet, und nachprüfbar für jeden, der nachsieht.

Die 40-Wort-Grenze ist keine Zahl, die irgendein Such- oder KI-Anbieter bestätigt hat – sie ist der praktische Behelf einer einzelnen Prüfung für „dünn gegenüber substanziell“, eine Faustregel und kein festes Kriterium. Kein Behelf ist dagegen der Widerspruch selbst: Qualifikationssprache auf der einen Seite und eine unbelegte Kurzbiografie auf der anderen fällt einer menschlichen Leserin – und vermutlich auch einem Modell – leicht auf und einem Seitenbetreiber leicht durch, weil niemand die eigene Autorenseite mit fremden Augen liest. Was sich grundsätzlich verschiebt, sobald eine Antwortmaschine statt einer Ergebnisliste auswählt, behandelt der KI-SEO-Ratgeber ausführlicher.

Ein regulärer Ausdruck, der eine Fußzeilen-Signatur für eine Namenszeile hielt, war ein Fehler – und wurde behoben. Eine Seite, die niemanden benennt, keine Adresse veröffentlicht und nie sagt, wer für ihre Aussagen geradesteht, ist kein Fehler. Es ist eine Seite, die sich selbst strukturell zu etwas gemacht hat, das weder eine Leserin noch ein Modell prüfen kann – und die deshalb zunehmend auch keinen Grund liefert, sie einer Quelle vorzuziehen, die sich prüfen lässt.