Meta Description und KI-Suche: Liest ein Sprachmodell sie überhaupt?

Von Manfred Mayer Rieger · Veröffentlicht 20. Oktober 2026

2020 ließ Ahrefs 20.000 Keywords durch Google laufen und verglich die Meta Description, die jeweils die Seitenbetreiberin geschrieben hatte, mit dem Snippet, das Google tatsächlich anzeigte. Beide stimmten in 37 % der Fälle überein. In den übrigen 62,78 % hatte Google stillschweigend einen eigenen Auszug aus der Seite eingesetzt – häufiger bei Long-Tail-Anfragen (65,62 %) als bei Kopfbegriffen (59,65 %). Eine weitere Studie von Portent, die nur Platzierungen auf der ersten Ergebnisseite betrachtete, kam auf eine noch höhere Umschreibquote: 71 % auf Mobilgeräten, 68 % auf dem Desktop.

Das, was in ein <meta name="description">-Tag geschrieben wird, ist mit anderen Worten meist ein Entwurf, den Google frei verwerfen darf.

Warum ignoriert Google etwas, das bewusst so geschrieben wurde?

Googles eigene Dokumentation zu Suchschnipseln nennt die Logik dahinter klar: Snippets werden “in erster Linie aus dem Seiteninhalt selbst erstellt”, und die Meta Description kommt nur zum Einsatz, wenn Google entscheidet, dass sie “den Nutzern möglicherweise eine treffendere Beschreibung der Seite” liefert als alles andere auf ihr.

Das ist keine Geringschätzung des Tags, sondern eine Designentscheidung mit einem realen Grund dahinter. Eine Meta Description wird einmal geschrieben und an eine URL gehängt. Eine Suchanfrage ist jedes Mal anders. Wer nach “Rückgaberecht” sucht, und wer nach “Versandkosten” sucht, landet womöglich auf derselben Seite – und ein einziger, im Voraus geschriebener Satz kann unmöglich die beste Antwort auf beide Fragen sein. Googles Snippet-System sieht sich die tatsächliche Anfrage an und zieht die Textstelle heraus, die sie beantwortet. Das erklärt, warum die Umschreibquote bei Long-Tail-Anfragen steigt: Je spezifischer die Frage, desto unwahrscheinlicher, dass eine fest formulierte Beschreibung sie zufällig trifft.

Was steuert eine Meta Description dann überhaupt?

Den Rückfall-Fall – die rund 37 %, die Ahrefs unverändert vorfand, oder was immer der heutige Wert tatsächlich ist. Die Seitenbetreiberin entscheidet nicht, wann dieser Rückfall eintritt; das entscheiden allein der übrige Inhalt und die Frage, ob die eigene Beschreibung gut genug ist, um zu zählen.

Ein technisches Audit, das den Quelltext einer Seite liest – dieselbe Art Prüfung, die auch hinter einer kostenlosen On-Page-SEO-Analyse steckt – sucht dabei nach zwei konkreten Fehlern. Der erste: eine Seite hat überhaupt keine Beschreibung – nicht etwa eine schlechte, sondern gar keine –, sodass einer Suchmaschine oder einer KI-Zusammenfassung nichts von der Seitenbetreiberin Geschriebenes bleibt, von dem aus sie starten könnte. Der zweite betrifft die Länge: eine Startseiten-Beschreibung, die lang genug ist, um mitten im Satz abgeschnitten zu werden – je nach Oberfläche meist irgendwo zwischen 155 und 165 Zeichen. Keiner der beiden Befunde sagt, dass die Beschreibung verwendet wird. Beide sagen, was passiert, falls es doch dazu kommt.

Erreicht davon irgendetwas eine KI-generierte Antwort?

Hier geht den Belegen früher die Luft aus, als die Frage endet. Google hat klar festgehalten, dass die Robots-Direktiven nosnippet und max-snippet – die normalen Snippet-Text steuern – auch für AI Overviews und AI Mode gelten: Eine mit nosnippet markierte Seite verliert nicht nur ihr Snippet im klassischen Suchergebnis, sie wird laut Google auch als direkter Input für diese beiden generativen Antwortfunktionen ausgeschlossen. Das ist ein echter, dokumentierter Zusammenhang zwischen Snippet-Steuerung und KI-Antworten.

Was Google nicht festgehalten hat, ist enger und spezifischer: ob der <meta name="description">-Tag selbst – im Unterschied zu dem Snippet-System, das darauf aufbaut – von einem AI Overview oder AI Mode als Eingabe gelesen wird. Die Direktive, die die Sichtbarkeit steuert, und der Tag, der manchmal den Text dafür liefert, sind verwandt, aber nicht identisch – und die Dokumentation, die beim Ersten eindeutig ist, sagt zum Zweiten nichts.

Auf OpenAIs Seite ist es noch ruhiger. Die Crawler-Dokumentation ist bei der Zugriffssteuerung sehr genau – welcher Bot was abruft, wie schnell eine robots.txt-Änderung wirkt –, sagt aber nichts darüber, wie die Meta-Tags einer abgerufenen Seite in den Text einfließen, den ChatGPT am Ende produziert. Das passt dazu, wie ein Sprachmodell tatsächlich arbeitet: Es wählt keinen vorgeschriebenen Satz aus, um ihn wie eine Ergebnisseite anzuzeigen. Es liest den gerenderten Inhalt und erzeugt neuen Text, um die gestellte Frage zu beantworten. Ein im Voraus geschriebener Satz, für einen anderen Zweck gedacht, für ein anderes Publikum formuliert, geschrieben, um angeklickt statt verstanden zu werden, hat in dieser Verarbeitung keinen offensichtlichen Platz – eine vernünftige Vermutung, aber keine, die eines der beiden Unternehmen schriftlich bestätigt oder ausgeschlossen hätte.

Was also wirklich lohnt

Für jede wichtige Seite eine gute Beschreibung zu schreiben, bleibt das Einzige, das eine Seitenbetreiberin direkt in der Hand hat – selbst bei diesen Zahlen. Es garantiert nicht, dass der Satz irgendwo erscheint, in einem Suchergebnis oder in einer KI-Antwort. Es garantiert, dass dort, wo tatsächlich auf sie zurückgegriffen wird – und laut Googles eigenen Zahlen aus 2020 geschieht das in gut einem Drittel der Fälle –, ein echter Satz steht und kein leeres Feld.

Eine kostenlose SERP-Vorschau zeigt, wie die aktuelle Beschreibung einer Seite heute als Suchschnipsel aussieht. Sie zeigt nicht, was ein AI Overview oder ein Chatbot mit derselben Seite macht, weil diese Verarbeitung keine Vorschau liefert wie eine klassische Ergebnisseite – und genau das ist die ehrliche Form der Lücke, auf die diese ganze Frage zuläuft, dieselbe Lücke, die durch einen Großteil der technischen Arbeit an KI-Sichtbarkeit verläuft: zu bestätigen, dass eine Seite gelesen werden kann, ist ein Projekt; zu bestätigen, was ein Modell anschließend damit macht, ein anderes – und das zweite bleibt von außen größtenteils unbeobachtbar.