YMYL und KI-Suche: Strengere Maßstäbe für Gesundheit und Geld

Von Manfred Mayer Rieger · Veröffentlicht 2. November 2026

Eine Untersuchung von mehr als 50.000 deutschsprachigen Gesundheitsanfragen, im Januar 2026 von SE Ranking veröffentlicht, kam zu einem auffälligen Ergebnis: In Googles AI Overviews wurde YouTube häufiger zitiert als jede einzelne medizinische Instanz – häufiger als jedes Krankenhaus, jede Gesundheitsbehörde, jede Fachzeitschrift für sich genommen. Gesundheitsfragen gehören zu den eindeutigsten YMYL-Themen, die es gibt – Your Money or Your Life. Würden die Systeme, die solche Fragen beantworten, tatsächlich strenger filtern, müsste sich das zuerst darin zeigen, dass ungeprüfte Videoinhalte gegenüber institutionellen Quellen zurücktreten. Die Daten zeigen das Gegenteil.

Was meint Google eigentlich mit YMYL?

YMYL ist eine Einstufung aus Googles Search Quality Rater Guidelines, dem Handbuch, mit dem menschliche Rater Suchergebnisse von Hand bewerten. Seit einer Überarbeitung im Juli 2022 richtet sich die Definition nach möglichem Schaden, nicht mehr nach Seitentypen: Ein Thema zählt dazu, wenn falsche Informationen darüber “die Gesundheit, finanzielle Stabilität oder Sicherheit von Menschen erheblich beeinträchtigen” könnten. Manche Themen sind von Natur aus riskant – Selbstverletzung, gewaltsamer Extremismus. Andere werden erst durch falsche Angaben gefährlich – Herzinfarkt-Symptome, Geldanlagen, Wahlberechtigung. Googles eigenes Beispiel-Spektrum ordnet eine Tsunami-Evakuierungsroute klar als YMYL ein, eine Wettervorhersage als möglicherweise YMYL und die Gewinnerliste eines Musikpreises gar nicht. Am 11. September 2025 wurden die Richtlinien erneut angepasst: Die Unterkategorie “Gesellschaft” wurde erweitert und nennt seither Wahl- und Abstimmungsinformationen ausdrücklich.

Eine solche Anpassung liest sich wie ein Beleg für schärfere Kontrolle. Dabei ist sie zunächst nur ein Werkzeug für Rater – etwas, mit dem Google die eigenen Rankingsysteme kalibriert, keine öffentliche Beschreibung davon, wie ein KI-Modell entscheidet, was es sagt.

Werden KI-Antworten bei diesen Themen tatsächlich vorsichtiger?

Genau das lohnt sich zu prüfen, bevor man die strengere Formulierung der Richtlinien mit vorsichtigeren Antworten gleichsetzt. Eine Studie aus dem Jahr 2025 verfolgte medizinische Warnhinweise in KI-Antworten auf 500 medizinische Fragen, 500 Mammografien, 500 Röntgenaufnahmen des Brustkorbs und 500 dermatologische Bilder, über Modelle verteilt, die zwischen 2022 und 2025 erschienen. Die Annahme, Modelle würden mit der Zeit vorsichtiger, ist nicht unvernünftig – mehr regulatorische Aufmerksamkeit, mehr öffentlich gewordene Fälle schlechter medizinischer Ratschläge, mehr Druck auf die Anbieter, sich abzusichern. Gefunden wurde das Gegenteil. Bei Text-Modellen sank der Anteil der Antworten mit irgendeinem Warnhinweis von 26,3 % im Jahr 2022 auf 0,97 % im Jahr 2025. Bei Bild-lesenden Modellen fiel er in kürzerer Zeit von 19,6 % auf 1,05 %. 2025 zeigte die Mehrheit der untersuchten Modelle bei keiner der vier Fragearten überhaupt einen Warnhinweis.

Das heißt nicht, dass die Richtlinien an ihrem eigenen Maßstab scheitern – sie legen fest, worauf menschliche Rater achten sollen, nicht, was ein ausgeliefertes Modell einer tatsächlichen Nutzerfrage antwortet; beide Systeme sind nicht miteinander verschaltet. Es bedeutet aber, dass die naheliegende Annahme – strengere YMYL-Vorgaben bedeuten vorsichtigere YMYL-Antworten – an der einzigen direkten Messung, die vorliegt, nicht bestätigt wird.

Woher stammen YMYL-Antworten tatsächlich?

Die SE-Ranking-Studie gibt darauf eine Antwort, für ein Thema und einen Markt. Über 465.823 Zitate aus einer einmaligen Momentaufnahme deutscher Gesundheitsanfragen im Dezember 2025 entfielen allein 4,43 % auf YouTube – die größte einzelne Quelle, obwohl YouTube in den gewöhnlichen organischen Ergebnissen zu denselben Anfragen nur auf Platz elf lag. Eine breitere Gruppe dessen, was die Studie als zuverlässigere Quellen einstuft – Kliniken, Versicherer, Gesundheitsstiftungen – kam zusammen auf rund 34 %. Behörden und wissenschaftliche Fachzeitschriften zusammen erreichten etwa 1 %. Mehr als 82 % der untersuchten Gesundheitsanfragen lösten überhaupt ein AI Overview aus.

Zwei Einschränkungen gehören dazu. Die Studie betrifft ausschließlich deutschsprachige Gesundheitsanfragen, nicht Finanz- oder Rechtsthemen und nicht englischsprachige Suche. Und sie misst Googles AI Overviews, die auf einen laufend aktualisierten Webindex zugreifen – nicht einen Chat-Assistenten, der aus seinem Trainingswissen antwortet. Das ist ein anderer Abrufmechanismus, der sich nicht zwangsläufig gleich verhält. Die Zahlen gehören zu einem Ausschnitt von YMYL, nicht zur ganzen Kategorie.

Behandelt eine KI-Antwort eine Zahnarztpraxis anders als einen Installateur?

Hier lässt sich ehrlich nur sagen: Dazu gibt es keine aggregierten Messwerte. Der eigene Deep Scan dieses Produkts fragt ein Modell, welche Anbieter es in der Marktkategorie empfehlen würde, die eine zuvor durchgeführte Analyse der Website selbst ergeben hat – und diese Frage ist für jede Kategorie gleich formuliert. Eine Abfrage wie “Beste Steuerberatung in der Nähe? Nenne die Top-Optionen” ist genauso aufgebaut wie eine zu Installateuren. Nichts in diesem Mechanismus behandelt eine YMYL-Kategorie gesondert, und es gibt bislang keine aggregierten Daten darüber, ob ein Modell in YMYL-Kategorien seltener einen konkreten Namen nennt oder stattdessen häufiger auf eine Fachperson verweist. Dieser Vergleich wäre der naheliegende nächste Schritt. Gemessen wurde er noch nicht.

Was kann ein YMYL-Unternehmen tatsächlich überprüfbar machen?

Nicht die Vertrauenswürdigkeit selbst – die lässt sich von außen weder durch einen Crawler noch durch ein Modell bestätigen. Überprüfbar ist die Sprache, die einem Rater oder einem zusammenfassenden Modell zeigt, dass eine Behauptung an etwas Konkretes gebunden ist. Eine Prüfung im Audit sucht genau nach solcher Sprache: benannte berufliche Qualifikationen, Begriffe wie “zugelassen”, “zertifiziert”, “akkreditiert”, “eingetragen bei” sowie anerkannte Abschlussbezeichnungen statt vager Kompetenzbehauptungen. Die Annahme dahinter ist nicht, dass der bloße Begriff Fachwissen beweist – sondern dass eine unbelegte Behauptung in einem reglementierten oder YMYL-Bereich für einen Rater oder ein Modell, das abwägt, ob es sie wiederholt, wenig zählt, während eine überprüfbare Angabe im Vergleich dazu mehr wiegt. Was eine Seite insgesamt überprüfbar macht – ein echter Autorenname, eine reale Adresse, ein Berufsprofil, dem jemand tatsächlich folgen kann – ist an anderer Stelle ausführlicher beschrieben, denn keines dieser Signale ist spezifisch für YMYL.

Googles eigene Rater-Richtlinien wurden im September 2025 präziser. Im selben Zeitraum bewegte sich die bislang direkteste Messung tatsächlicher KI-Ausgaben in die andere Richtung – weniger Warnhinweise, nicht mehr, während die Modelle selbst reiften. Eine Richtlinie kann festlegen, worauf ein menschlicher Rater achten soll. Sie sagt nichts darüber aus, was ein ausgeliefertes Modell der Person tatsächlich antwortet, die gerade gefragt hat – und bisher deutet nichts in den öffentlich verfügbaren Daten darauf hin, dass sich diese Lücke von selbst schließt.