KI-Score: Wie Goog­le KI-ge­ne­rier­te Tex­te er­ken­nen könn­te

Ziel ist es, Mas­sen-KI-Con­tent, der kei­ne re­dak­tio­nel­le Nach­be­ar­bei­tung er­fah­ren hat, al­go­rith­misch zu er­ken­nen und in der Sicht­bar­keit ein­zu­schrän­ken.

Hin­ter­grund

Im Jahr 2024 ge­riet Goog­le un­ter Druck, da zahl­rei­che Ni­schen­sei­ten au­to­ma­ti­siert und in gro­ßen Men­gen In­hal­te durch Künst­li­che In­tel­li­genz (KI) ge­ne­rier­ten. Die­se Pra­xis führ­te zu ei­nem Über­an­ge­bot qua­li­ta­tiv min­der­wer­ti­ger In­hal­te im In­dex.

Laut ei­ner Un­ter­su­chung von rund 79.000 (über­wie­gend in­for­ma­ti­ons­ori­en­tier­ten) Web­sites er­hiel­ten etwa 1,9 % eine ma­nu­el­le Maß­nah­me; ein ho­her KI-An­teil kor­re­lier­te da­bei auf­fäl­lig mit die­sen Maß­nah­men (Kor­re­la­ti­on, kei­ne be­leg­te Kau­sa­li­tät).

Was ist der KI Score?

Der KI Score ist laut den ge­le­ak­ten Do­ku­men­ten ein hy­po­the­ti­scher Be­wer­tungs­me­cha­nis­mus, den Goog­le ver­wen­den könn­te, um Web­sei­ten mit ho­hem KI-An­teil zu iden­ti­fi­zie­ren. Es han­delt sich da­bei mut­maß­lich um ei­nen sei­ten­wei­ten Be­wer­tungs­wert, der auf Ba­sis meh­re­rer Un­ter­me­tri­ken be­rech­net wird.

Zu den po­ten­zi­el­len Be­stand­tei­len die­ses Scores ge­hö­ren:

1. Nor­ma­li­zed Site Rank (NSR)

Der Nor­ma­li­zed Site Rank be­schreibt, wie eine Web­site im Ver­gleich zu an­de­ren Sei­ten der­sel­ben Bran­che ab­schnei­det. Die Be­wer­tung stützt sich laut den Leak-Do­ku­men­ten stark auf Nut­zer­ver­hal­ten, wo­bei ein Teil der Si­gna­le of­fen­bar aus dem Chro­me-Brow­ser stam­men könn­te.

In den Wert flie­ßen meh­re­re Ver­hal­tens­da­ten ein: die Klick­ra­te auf das ei­ge­ne Er­geb­nis im Ver­gleich zu den üb­ri­gen Tref­fern, die Ver­weil­dau­er auf der Sei­te und die Fra­ge, wie schnell Nut­zer wie­der zur Su­che zu­rück­keh­ren. Dazu kom­men In­ter­ak­tio­nen wie Scrol­len und Kli­cken so­wie klas­si­sche UX-Fak­to­ren – Sei­ten­struk­tur, Na­vi­ga­ti­on, mo­bi­le Dar­stel­lung. Er­gänzt wird das Gan­ze durch ei­nen über­grei­fen­den Ver­trau­ens­wert für die Do­main, der in etwa der Do­main Aut­ho­ri­ty be­kann­ter Tools ent­spricht.

Wich­tig ist die Nor­ma­li­sie­rung: Die Sei­te wird ge­gen Wett­be­wer­ber aus der­sel­ben Ni­sche ge­stellt, nicht ge­gen das ge­sam­te Web. Goog­le kann so ein­schät­zen, ob eine Web­site für Nut­zer tat­säch­lich hilf­reich ist oder ob sie vor al­lem In­hal­te in Mas­se pro­du­ziert. Auf­fäl­lig vie­le neue Sei­ten ohne er­kenn­ba­re Nut­zer­bin­dung wir­ken sich ne­ga­tiv aus.

2. Site Aut­ho­ri­ty

Die Site Aut­ho­ri­ty misst, wie eta­bliert und ver­trau­ens­wür­dig eine Do­main wirkt – eine Art Re­pu­ta­ti­ons­wert, der teil­wei­se aus den NSR-Da­ten ab­ge­lei­tet wird, aber zu­sätz­li­che Si­gna­le ein­be­zieht.

Dazu zäh­len Qua­li­tät und Ori­gi­na­li­tät der In­hal­te, ein gleich­blei­ben­des Ni­veau über alle Sei­ten hin­weg (site­wi­de qua­li­ty), Back­links aus ver­trau­ens­wür­di­gen Quel­len so­wie Mar­ken­be­kannt­heit und an­de­re Brand-Si­gna­le. Ma­ni­pu­la­ti­ve Mus­ter und Spam-Si­gna­le zie­hen den Wert nach un­ten.

Eine hohe Au­to­ri­tät führt in der Re­gel zu bes­se­ren Ran­kings, weil Goog­le der Do­main grund­sätz­lich mehr zu­traut. Wer auf ei­ner bis­lang hoch­wer­ti­gen Sei­te plötz­lich KI-ge­ne­rier­ten Mas­sen­con­tent ver­öf­fent­licht, ris­kiert ge­nau die­sen Ver­trau­ens­vor­schuss.

3. Ef­fort Score

Der Ef­fort Score be­wer­tet den Auf­wand, der in die Er­stel­lung ei­nes In­halts ge­flos­sen ist. Laut den Leaks wird die­ser Auf­wand al­go­rith­misch ge­schätzt, un­ter an­de­rem mit­hil­fe ei­nes KI-Mo­dells.

Be­wer­tet wer­den das Con­tent-De­sign mit Ab­sät­zen, Zwi­schen­über­schrif­ten und Le­se­fluss, die er­kenn­ba­re Re­cher­che­tie­fe in­klu­si­ve nach­voll­zieh­ba­rer Quel­len so­wie die Scann­bar­keit durch Auf­zäh­lun­gen, In­fo­bo­xen und Ta­bel­len. Auch Mul­ti­me­dia-Ele­men­te wie Bil­der, Vi­de­os und Au­di­os spie­len hin­ein, eben­so die Les­bar­keit und Klar­heit der Spra­che. Ein wei­te­rer Fak­tor sind Ak­ti­vi­tä­ten nach der Ver­öf­fent­li­chung: Ob ein Text spä­ter über­ar­bei­tet und er­gänzt wur­de, lässt sich mes­sen.

Ein ein­mal ver­öf­fent­lich­ter und da­nach igno­rier­ter Ar­ti­kel schnei­det hier schlecht ab. KI-In­hal­te ohne re­dak­tio­nel­le Nach­be­ar­bei­tung dürf­ten be­son­ders deut­lich ver­lie­ren.

4. Con­tent Scores

Hin­ter den Con­tent Scores steckt eine Grup­pe ein­zel­ner Be­wer­tun­gen, die sich di­rekt auf Text, Bild und Vi­deo be­zie­hen und je­weils ei­ge­ne Un­ter­me­tri­ken mit­brin­gen.

Der Title Match Score prüft, ob der Text hält, was der Ti­tel ver­spricht – Click­bait wird ab­ge­wer­tet. Qua­li­ty Click Si­gnals er­fas­sen, wie häu­fig Nut­zer zu­rück zur Su­che sprin­gen und ob die Sei­te als hilf­reich wahr­ge­nom­men wird. Bei Me­di­en flie­ßen Auf­lö­sung und Re­le­vanz von Bil­dern und Vi­de­os ein, und über die se­man­ti­sche Über­ein­stim­mung wird ge­prüft, ob der In­halt zu den tat­säch­li­chen Such­an­fra­gen passt.

Die­se Grup­pe ist stark nut­zer­zen­triert: Je ge­nau­er der Con­tent die Er­war­tung der Be­su­cher trifft, des­to bes­ser die Be­wer­tung.

5. Clut­ter Score

Der Clut­ter Score er­fasst, wie über­la­den eine Sei­te auf­ge­baut ist – vor al­lem mit Blick auf Wer­bung, Pop-ups und an­de­re Ele­men­te, die den Zu­gang zum In­halt er­schwe­ren.

Ne­ga­tiv wir­ken Pop-ups, die sich schwer schlie­ßen las­sen, viel Wer­bung ober­halb des Sicht­be­reichs, au­to­ma­tisch star­ten­de Vi­de­os und un­struk­tu­rier­te Lay­outs. Eine auf­ge­räum­te, mo­bil­freund­li­che Sei­te er­höht da­ge­gen die Zu­frie­den­heit der Nut­zer und wird ent­spre­chend be­lohnt.

6. Spam Scores

Die Spam Scores sol­len ma­ni­pu­la­ti­ve oder min­der­wer­ti­ge In­hal­te al­go­rith­misch er­ken­nen und be­stehen aus meh­re­ren Teil­me­tri­ken.

Der Gib­be­rish Score er­fasst in­halts­lee­re oder au­to­ma­ti­siert er­zeug­te Tex­te ohne Aus­sa­ge­kraft. Der Spam Wort Score ach­tet auf Key­word-Stuf­fing, also die über­mä­ßi­ge Wie­der­ho­lung von Haupt­be­grif­fen. Dazu kom­men Prü­fun­gen auf dop­pel­te In­hal­te, die wie­der­ver­wer­te­te oder ko­pier­te Text­blö­cke auf­de­cken.

Ge­ra­de KI-ge­ne­rier­te Tex­te, die ohne re­dak­tio­nel­le Prü­fung on­line ge­hen, lau­fen Ge­fahr, in die­sen Be­wer­tun­gen schlecht ab­zu­schnei­den.

Quel­len­la­ge und Be­wer­tung

Die Exis­tenz und kon­kre­te Um­set­zung ei­nes KI Scores ist nicht of­fi­zi­ell von Goog­le be­stä­tigt. Die In­for­ma­tio­nen stam­men aus ge­le­ak­ten Do­ku­men­ten so­wie Ana­ly­sen von Dritt­quel­len, u. a. SEO Süd­west, On-Page.ai und der ge­le­ak­ten in­ter­nen API-Re­fe­renz Goog­leA­pi­Cont­ent­Ware­house (kei­ne of­fi­zi­el­le Goog­le-Do­ku­men­ta­ti­on, son­dern eine ver­se­hent­lich über ein Git­Hub-Re­po­si­to­ry ge­le­ak­te in­ter­ne Re­fe­renz, im Mai 2024 von Rand Fi­sh­kin/Mike King auf­ge­deckt).

Zur Ein­ord­nung emp­fiehlt sich eine kla­re Tren­nung zwi­schen den im Leak be­leg­ten Si­gna­len (site­Aut­ho­ri­ty, NSR, Clut­terS­co­re, Spam­S­co­res) und ih­rer In­ter­pre­ta­ti­on – also der Zu­sam­men­fas­sung als „KI Score“ so­wie der An­nah­me, eine KI schät­ze den „Ef­fort“ ab.

Be­deu­tung für SEO und Con­tent-Er­stel­lung

Die Leaks le­gen nahe, dass Goog­le zwi­schen KI-ge­ne­rier­ten In­hal­ten dif­fe­ren­ziert – In­hal­te, die hoch­wer­tig sind und er­kenn­bar re­dak­tio­nell be­treut wur­den, wer­den nicht pau­schal ab­ge­straft. Der KI Score könn­te so­mit ein zen­tra­ler Me­cha­nis­mus sein, mit dem Goog­le zwi­schen „Mas­sen­wa­re“ und „Qua­li­täts-Con­tent“ un­ter­schei­det.

Quellen

• onpage.ai, Google Leak Reveals How Google REALLY Works, https://on-page.ai/pages/google-search/
• sparktoro.com, An Anonymous Source Shared Thousands of Leaked Google Search API Documents with Me; Everyone in SEO Should See Them, https://sparktoro.com/blog/an-anonymous-source-shared-thousands-of-leaked-google-search-api-documents-with-me-everyone-in-seo-should-see-them/