{"content_id":"iwjyzvg4t2","slug":"geo-eeat-scoring-system-design","locale":"de","schema_type":"TechArticle","category":"ai_data","category_name":"KI-Daten","title":"So lässt sich E-E-A-T in GEO-Analysetools reproduzierbar bewerten","summary":"E-E-A-T ist weder eine offizielle Bewertung von Google noch eine offengelegte Zitierformel generativer AI. In GEO-Analysetools sollte nicht das LLM die Bewertung willkürlich festlegen. Stattdessen sollten überprüfbare Signale aus demselben Web-Snapshot extrahiert und Bewertung sowie Konfidenz durch Code mit festgelegten Regeln und Versionen berechnet werden.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Damit dieselbe Eingabe zum selben Ergebnis führt, müssen die Versionen des Webseiten-Snapshots, der Bewertungsregeln, der Gewichtungen und der Datenquellen gemeinsam festgeschrieben werden.","Experience, Expertise, Authoritativeness und Trustworthiness müssen anhand unterschiedlicher Belege bewertet werden; insbesondere sind Selbstaussagen und externe Überprüfungen voneinander zu trennen.","Ein LLM eignet sich nicht als Instanz zur Berechnung der endgültigen Bewertung, sondern für die begrenzte Aufgabe, die extrahierten Belege und die vom Code berechneten Ergebnisse zu erläutern.","Die E-E-A-T-Bewertung und die Bewertung der Wahrscheinlichkeit von AI-Zitaten hängen zwar zusammen, sind aber nicht identisch und müssen daher in getrennten Modulen berechnet werden.","Es sollte nicht nur die Bewertung veröffentlicht werden, sondern auch die zugrunde liegenden URLs, extrahierten Sätze, Entscheidungsregeln, Angaben zu fehlenden Daten und die Konfidenz der Bewertung."],"content_markdown":"GEO (Generative Engine Optimization) ist ein praktisches Konzept, mit dem analysiert und verbessert werden soll, wie wahrscheinlich Inhalte in Umgebungen mit generativer AI wie ChatGPT und Gemini gefunden und als Grundlage für Antworten verwendet werden. Allerdings haben Anbieter generativer AI-Dienste keine vollständige Formel für die Auswahl von Quellen veröffentlicht, und es gibt auch keinen einheitlichen, allgemein anerkannten GEO-Score.\n\nGoogles E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness, ist jedoch kein offizieller Zahlenwert, den Google für jede Webseite veröffentlicht. Daher muss eindeutig darauf hingewiesen werden, dass ein von einem Analysetool angezeigter „E-E-A-T-Score von 78“ keine Bewertung von Google ist, sondern eine vom jeweiligen Tool definierte Beobachtungskennzahl.\n\n## Warum die Bewertung nicht direkt einem LLM überlassen werden sollte\n\nWenn man eine gesamte Webseite in ein LLM eingibt und Erfahrung, Fachkompetenz, Autorität und Vertrauenswürdigkeit jeweils mit bis zu 100 Punkten bewerten lässt, kann man schnell einen Prototyp erstellen. Für ein produktiv eingesetztes Messsystem ergeben sich jedoch folgende Probleme.\n\n- Selbst bei denselben Inhalten und demselben Prompt können die Punktzahlen bei jeder Ausführung variieren.\n- Wenn das Modell oder der Anbieter wechselt, lassen sich die Ergebnisse nur schwer mit früheren Punktzahlen vergleichen.\n- Es kann zu Halluzinationen kommen, bei denen nicht auf der Seite vorhandene Berufserfahrung, Qualifikationen oder Reputation erschlossen werden.\n- Es ist schwierig zu prüfen, welche Sätze und Regeln die Punktzahl beeinflusst haben.\n- Selbstdarstellungen einer Website können ohne externe Überprüfung als Tatsachen übernommen werden.\n- Wenn lange Dokumente abgeschnitten werden oder sich die Extraktionsreihenfolge ändert, können sich auch die Bewertungsergebnisse ändern.\n\nEmpfohlen wird folgende Struktur.\n\n```text\nWebsite\n  → Snapshot zu einem einzigen Zeitpunkt erfassen\n  → Hauptinhalt, Metadaten, Entitäten und Behauptungen extrahieren\n  → Mit externen Materialien abgleichen\n  → Punktzahl anhand versionierter, unveränderlicher Regeln berechnen\n  → Punktzahl, Belege und Konfidenz speichern\n  → LLM erklärt die Ergebnisse in natürlicher Sprache\n```\n\nDas bedeutet nicht, dass überhaupt kein LLM verwendet werden sollte. Es kann für die Klassifizierung von Sätzen, die Extraktion potenzieller Behauptungen und die Suche nach Namensvarianten eingesetzt werden. Die Ergebnisse müssen jedoch mit Belegen aus dem Originaltext verknüpft und zwischengespeichert werden. Wenn die abschließende arithmetische Berechnung sowie Obergrenzen und Abzugsregeln vom Code übernommen werden, erhöht dies die Reproduzierbarkeit und Prüfbarkeit.\n\n## Zunächst zu definierende Bewertungsobjekte und Geltungsbereiche\n\nVor der Berechnung einer Punktzahl muss festgelegt werden, was bewertet wird. Signale für die gesamte Website, die Organisation, den Autor und einzelne Dokumente sind nicht gegeneinander austauschbar.\n\n| Bewertungseinheit | Zentrale Frage | Typische Belege |\n|---|---|---|\n| Dokument | Sind die Behauptungen und der Entstehungsprozess dieses Artikels vertrauenswürdig? | Hauptinhalt, Zitate, Veröffentlichungsdatum, Änderungsdatum, Versuchsdaten |\n| Autor | Lassen sich Erfahrung oder Fachkompetenz für dieses Thema nachweisen? | Autorenseite, Qualifikationen, Berufserfahrung, Forschungs- und Publikationshistorie |\n| Organisation | Ist der Herausgeber identifizierbar und gibt es klare Verantwortlichkeiten? | Unternehmensvorstellung, Kontaktdaten, redaktionelle Richtlinien, Organization-Daten |\n| Domain | Wird sie extern als Quelle für das betreffende Thema anerkannt? | Zitate unabhängiger Institutionen, relevante Backlinks, journalistische und wissenschaftliche Quellen |\n| Technische Oberfläche | Können Crawler die Inhalte und Quelleninformationen lesen? | Statuscode, robots-Richtlinien, canonical, HTML, strukturierte Daten |\n\nAuch das Thema muss klassifiziert werden. Für Bereiche wie Medizin, Finanzen und Recht, in denen falsche Informationen großen Schaden verursachen können, sind andere Nachweise für Fachkompetenz und Vertrauenswürdigkeit erforderlich als für persönliche Erfahrungsberichte zu einem Hobby. Werden auf alle Bereiche dieselben festen Gewichtungen angewandt, verliert die Punktzahl an Aussagekraft.\n\n## So wird ein einheitlicher Web-Snapshot erfasst\n\nDer Analyzer sollte einen einmal gespeicherten Snapshot gemeinsam verwenden. Wenn der Hauptinhalt um 10 Uhr, JSON-LD um 10:05 Uhr und die Autorenseite um 10:10 Uhr jeweils erneut abgerufen werden, können unterschiedliche Änderungsstände vermischt werden.\n\nNach Möglichkeit sollten im Snapshot folgende Elemente gespeichert werden.\n\n- Endgültige URL, Weiterleitungspfad, HTTP-Statuscode und Antwort-Header\n- Ursprüngliches HTML und bei Bedarf gerendertes HTML\n- Extrahierter Hauptinhalt, Titel, Beschreibung, canonical und Sprachinformationen\n- Autor, Veröffentlichungsdatum, Änderungsdatum und veröffentlichende Organisation\n- Interne und externe Links sowie Ankertexte\n- Strukturierte Daten wie JSON-LD und Microdata\n- robots-Anweisungen und zugehörige, über die sitemap ermittelte URLs\n- Erfassungszeitpunkt, Crawler-Version und Inhalts-Hash\n\nBei der Untersuchung mehrerer Seiten sollte man sich nicht ausschließlich auf die Startseite verlassen. Mithilfe von sitemap.xml und internen Links werden Kandidaten wie About, Company, Team, Author, Profile, Editorial Policy, Contact, Privacy und Terms bis zu einer begrenzten Tiefe durchsucht. Seiten mit personenbezogenen Daten oder Zugriffsbeschränkungen dürfen nicht ohne Weiteres erfasst werden. Auch robots-Richtlinien, Nutzungsbedingungen und geltendes Recht sind zu prüfen.\n\n## Trennung von Onsite- und Offsite-Belegen\n\nOnsite-Daten sind Informationen, die von der jeweiligen Website selbst veröffentlicht wurden. Dazu gehören Autorenprofile, Produktbeschreibungen, Kundenfallstudien, redaktionelle Richtlinien, Kontaktdaten sowie strukturierte Person- und Organization-Daten.\n\nOffsite-Daten zeigen, wie unabhängige externe Quellen einen Autor oder eine Organisation bestätigen. Dazu zählen Materialien von Behörden und öffentlichen Einrichtungen, akademischen Institutionen und Berufsverbänden, vertrauenswürdige Medien, Brancheninformationen, externe Profile sowie relevante Backlinks und Zitate.\n\nBeide Arten von Belegen müssen bei der Bewertung getrennt behandelt werden.\n\n- Eigenwerbung wie „branchenführend“ ist kein unabhängiger Beleg für Authority.\n- Auch externe Artikel besitzen nur geringe Unabhängigkeit, wenn sie eine Pressemitteilung unverändert übernehmen.\n- Wurde derselbe Artikel unter verschiedenen URLs vervielfältigt, darf die Zahl der Quellen nicht mehrfach gezählt werden.\n- Entitäten müssen geprüft werden, damit Leistungen anderer Personen oder Organisationen mit demselben Namen nicht fälschlich zugeordnet werden.\n- sameAs-Links sind Hinweise zur Verknüpfung potenzieller Entitäten, garantieren aber nicht automatisch, dass die angegebene Laufbahn der Wahrheit entspricht.\n\n## Experience: Direkte Erfahrung in Belege umwandeln\n\nExperience bewertet die direkte Erfahrung eines Autors, der ein Produkt verwendet, einen Ort besucht, ein Verfahren durchgeführt oder einen Versuch betrieben hat. Sie ist von Expertise getrennt. Ein Käufer, der einen Laptop über lange Zeit genutzt hat, kann über umfangreiche praktische Erfahrung verfügen, ohne Experte für Batterietechnik zu sein.\n\n### Zu erkennende Signale\n\n- Aussagen über direkte Nutzung, Kauf, Besuch, Installation, Betrieb oder Vergleich\n- Nutzungsdauer, Zahl der Tests, Stichprobengröße, Umgebung und Geräte\n- Durchführungsschritte, Fehlschläge, Einschränkungen und Ausnahmen\n- Selbst aufgenommene Bilder, Protokolle, Rohdaten und Reproduktionsverfahren\n- Ergebnisse vor und nach der Messung sowie die Messmethode\n\nEine hohe Punktzahl allein aufgrund eines Satzes wie „Ich habe es selbst ausprobiert“ wäre leicht manipulierbar. Auch konkrete Zahlen beweisen für sich genommen keine Tatsachen. Als stärkerer Beleg sollten sie erst gelten, wenn Messmethode, Zeitraum, Rohdaten und Kontext miteinander übereinstimmen.\n\nDie Experience-Punktzahl kann wie folgt abgestuft werden.\n\n| Stufe | Beispiel | Verarbeitungsprinzip |\n|---|---|---|\n| Schwach | Es gibt lediglich die Behauptung, etwas verwendet zu haben | Niedrige Basispunktzahl |\n| Mittel | Zeitraum, Umgebung und Verfahren sind konkret angegeben | Zusätzliche Punkte für Konkretheit |\n| Stark | Rohdaten, Fotos, Protokolle und Vergleichskriterien werden bereitgestellt | Zusätzliche Punkte für Überprüfbarkeit |\n| Verifiziert | Stimmt mit unabhängigen Daten oder einem Reproduktionstest überein | Gewichtung für Kreuzvalidierung anwenden |\n\n## Expertise: Überprüfbare Fachkompetenz bewerten\n\nExpertise bewertet, ob das Wissen und die Fähigkeiten vorhanden sind, um das betreffende Thema korrekt zu behandeln. Die bloße Bezeichnung „Experte“ neben einem Namen reicht nicht aus.\n\nFolgende Punkte kommen für die Analyse infrage.\n\n- Relevante Position, Zugehörigkeit, Tätigkeitsbereich und Dauer der Berufserfahrung\n- Abschlüsse, anerkannte Qualifikationen, Lizenzen und ausstellende Institutionen\n- Relevante Forschung, wissenschaftliche Arbeiten, Bücher, Lehrveranstaltungen und Projekte\n- Tatsächliche, mit dem Thema verbundene Berufserfahrung\n- Genauigkeit, Umfang, Grenzen und Quellen fachlicher Erklärungen\n- Fachliche Prüfer und Prüfdatum\n\nWenn als Autor Werte wie `admin`, `administrator`, `관리자`, `운영자`, `운영팀`, `editor` angegeben sind, darf daraus keine konkrete Person abgeleitet werden. Auch bei vorhandenen strukturierten Person-Daten ist zu prüfen, ob sie mit den auf der Seite sichtbaren Autoreninformationen übereinstimmen.\n\nDie Fachkompetenz muss die thematische Eignung berücksichtigen. Eine Anwaltszulassung kann für juristische Inhalte ein starkes Signal sein, belegt jedoch nicht automatisch Fachkompetenz für sämtliche medizinischen oder technischen Themen. In Bereichen, in denen Qualifikationen überprüft werden müssen, sollte der Verifizierungsgrad erhöht werden, wenn eine Verbindung zur ausstellenden Institution oder zu offiziellen Abfragedaten hergestellt werden kann.\n\n## Authoritativeness: Externe Anerkennung und Übereinstimmung von Entitäten\n\nAuthoritativeness bewertet, in welchem Maß eine Person, Organisation oder Website zu einem bestimmten Thema extern anerkannt wird. Wichtiger als die bloße Anzahl der Erwähnungen sind Qualität, Themenrelevanz, Unabhängigkeit und Vielfalt der Quellen.\n\nEin Analyzer für Autorität kann folgendermaßen vorgehen.\n\n1. Standardentitäten für Organisationsname, Autorenname, Domain und Marke erstellen.\n2. Bestätigte Aliasnamen wie frühere Namen, englische Namen und Abkürzungen verknüpfen.\n3. Ermitteln, ob es sich in externen Dokumenten um dieselbe Entität handelt.\n4. Unabhängigkeit, Qualität, Themenrelevanz und Aktualität der Quelle bewerten.\n5. Wiederveröffentlichungen von Pressemitteilungen und Duplikate desselben Dokuments gruppieren.\n6. Unterscheiden, ob ein Zitat oder eine Erwähnung positive Anerkennung, eine bloße Auflistung oder Kritik darstellt.\n\nWenn bei der Analyse koreanischsprachiger Websites ausschließlich Wikipedia, Wikidata, Reddit und englischsprachige Medien verwendet werden, kann die Autorität koreanischer Institutionen und Unternehmen unterschätzt werden. Abhängig vom Bewertungsmarkt müssen Behörden und öffentliche Einrichtungen, öffentliche Daten, wissenschaftliche Datenbanken, Berufsverbände, führende Medien und Fachmedien der Industrie in das Quellenregister aufgenommen werden. Umgekehrt darf aus der Sichtbarkeit in einem Portal eines bestimmten Landes nicht ohne Weiteres auf weltweite Autorität geschlossen werden.\n\nIm Quellenregister sollten Rechtsraum, Herausgeber, Themenbereich, Unabhängigkeit, Status als Originalquelle, Aktualisierungszyklus und Zugangsbedingungen dokumentiert werden. Auch wenn länderspezifische Quellen hinzugefügt werden, müssen die Bewertungsregeln und Auswahlkriterien offengelegt werden.\n\n## Trustworthiness: Die umfassendste und wichtigste Sicherheitsdimension\n\nTrustworthiness stützt die übrigen drei Elemente. Selbst bei direkter Erfahrung und vorhandenen Qualifikationen kann die Gesamtbewertung gedeckelt werden, wenn falsche Behauptungen, verschwiegene Interessenkonflikte oder manipulierte Quellen festgestellt werden.\n\nIm Vertrauenswürdigkeitsmodul sind folgende Punkte zu prüfen.\n\n### Herausgeber und Verantwortlichkeit\n\n- Sind die betreibende Organisation und der Autor eindeutig angegeben?\n- Sind Kontaktmöglichkeiten und Kundendienstinformationen auf tatsächlichen Seiten vorhanden?\n- Sind redaktionelle, Prüfungs- und Korrekturrichtlinien einsehbar?\n- Werden Werbung, Sponsoring, Partnerschaften und Interessenkonflikte voneinander abgegrenzt?\n\n### Behauptungen und Belege\n\n- Sind zentrale Tatsachen mit Originalquellen oder angemessenen Belegen verknüpft?\n- Entsprechen Zitate und Statistiken der Aussageabsicht des Originals?\n- Stimmen Veröffentlichungs- und Änderungsdatum mit tatsächlichen Inhaltsänderungen überein?\n- Sind Tatsachen, Meinungen und werbliche Aussagen klar voneinander getrennt?\n- Werden Unsicherheiten, Geltungsbereich, Ausnahmen und Grenzen offengelegt?\n\n### Transaktionen und Sicherheit\n\n- Werden Datenschutzrichtlinie und Nutzungsbedingungen passend zur Art des Dienstes bereitgestellt?\n- Sind Zahlungs-, Erstattungs- und Lieferbedingungen auf Websites, auf denen sie erforderlich sind, eindeutig?\n- Bestehen keine technischen Risiken wie fehlendes HTTPS, bösartige Weiterleitungen oder ungültige Zertifikate?\n- Werden bei Gesundheits-, Finanz- und Rechtsinformationen keine gefährlichen Pauschalaussagen oder Garantien verwendet?\n\nAllein das Vorhandensein von HTTPS oder einer Datenschutzrichtlinie macht Inhalte nicht korrekt. Dabei handelt es sich um grundlegende Sicherheitssignale; die Vertrauenswürdigkeit einzelner Behauptungen muss separat verifiziert werden.\n\n## Strukturierte Daten und Entitätsprüfung\n\nStrukturierte Person- und Organization-Daten stellen Namen, Zugehörigkeit, Position, offizielle URL und Beziehungen zu externen Profilen in maschinenlesbarer Form bereit. Auch author, publisher, datePublished und dateModified von Article sind nützlich, um die Quellenstruktur eines Dokuments auszudrücken.\n\nSchema-Markup muss jedoch nach folgenden Grundsätzen bewertet werden.\n\n- Prüfen, ob die strukturierten Daten mit dem sichtbaren Inhalt übereinstimmen.\n- Qualifikationen, Auszeichnungen oder Reputation nicht allein aufgrund ihres Vorhandenseins als Tatsache bestätigen.\n- Prüfen, ob Identifikatoren und Beziehungen zwischen Person, Organization und Article konsistent sind.\n- Prüfen, ob das Ziel von sameAs tatsächlich ein offizielles Profil ist.\n- Syntaxfehler von fehlenden Pflicht- und empfohlenen Eigenschaften unterscheiden.\n- Eine übermäßige oder irrelevante Verwendung von Schema-Typen nicht positiv bewerten.\n\nStrukturierte Daten sind eine Darstellungsebene, die Verständnis und Extraktion erleichtert. Sie garantieren weder ein hohes Suchmaschinen-Ranking noch Zitate durch generative AI.\n\n## Entwicklung einer reproduzierbaren Bewertungsformel\n\nWenn jedes Signal nur als „vorhanden“ oder „nicht vorhanden“ behandelt wird, bleiben Qualitätsunterschiede unberücksichtigt. Werden die Werte wie folgt getrennt, lassen sich die Belege leichter nachverfolgen.\n\n- `presence`: Vorhandensein oder Erfüllungsgrad des Signals\n- `verification`: Grad der unabhängigen Verifizierung\n- `relevance`: Relevanz für das bewertete Thema\n- `source_quality`: Qualität und Unabhängigkeit der Belegquelle\n- `freshness`: Gültigkeit von Signalen, bei denen Aktualität erforderlich ist\n- `weight`: versioniert verwaltete Bedeutung des Signals\n\nEine Beispielformel lautet wie folgt.\n\n```text\nSignalbeitrag = weight × presence × verification × relevance × source_quality × freshness\nDimensionspunktzahl = 100 × Summe der Beiträge ÷ Summe der anwendbaren weight-Werte\n```\n\nDiese Formel ist ein Entwurfsbeispiel und keine offizielle E-E-A-T-Berechnungsformel. Jeder Koeffizient kann auf einen Wert zwischen 0 und 1 normalisiert werden. Nur logisch nicht anwendbare Elemente werden als `N/A` ausgeschlossen. Ein Zustand, in dem erforderliche Belege nicht gefunden wurden, wird von 0 Punkten unterschieden und als `missing` gespeichert.\n\n### Konfidenz getrennt von der Punktzahl anzeigen\n\nAuch ein Ergebnis von 78 Punkten ist wenig verlässlich, wenn die Hälfte der erforderlichen Seiten nicht erfasst werden konnte. Daher müssen die Bewertungskonfidenz oder die Belegabdeckung separat berechnet werden.\n\n```text\nBewertungskonfidenz = Erfassungsabdeckung × Entitätsübereinstimmung × Anteil verifizierbarer Belege\n```\n\nAuf der Ergebnisseite müssen mindestens folgende Angaben gemeinsam angezeigt werden.\n\n- Punktzahl je Dimension und Gesamtpunktzahl\n- Bewertungskonfidenz\n- Status bestätigt, unbestätigt, widersprüchlich oder nicht anwendbar\n- Beleg-URL und Auszug aus dem Originaltext\n- Erfassungszeitpunkt und Snapshot-Hash\n- Version der Regeln, Gewichtungen und des Quellenregisters\n\n## GEO-Gesamtpunktzahl und E-E-A-T trennen\n\nEin hohes E-E-A-T bedeutet nicht zwangsläufig, dass Inhalte in AI-Antworten zitiert werden. Antwortsysteme können auch die Eignung für die Frage, die Extrahierbarkeit der Informationen, Aktualität, Crawlbarkeit und das Dokumentformat berücksichtigen. Die konkrete Auswahlmethode unterscheidet sich je nach Dienst.\n\nBei einem GEO-Tool sollten folgende Module voneinander getrennt werden.\n\n| Modul | Analysegegenstand |\n|---|---|\n| Inhaltsbezogenes E-E-A-T | Erfahrung, Fachkompetenz, externe Autorität, Vertrauenswürdigkeit |\n| Bereitschaft für AI-Zitate | Eigenständig verständliche Sätze, Eignung für Fragen, Verknüpfung mit Belegen, Zusammenfassbarkeit |\n| Markenautorität | Unabhängige Anerkennung durch externe Institutionen und Entitätsübereinstimmung |\n| Technische Zugänglichkeit | Crawling, Statuscode, canonical, Rendering, Zugriff auf den Hauptinhalt |\n| Schema-Qualität | Syntax, Übereinstimmung mit angezeigten Inhalten, Entitätsbeziehungen |\n\nEine mögliche Zusammensetzung wäre beispielsweise: Bereitschaft für AI-Zitate 30 %, Markenautorität 20 %, inhaltsbezogenes E-E-A-T 20 %, technische Zugänglichkeit 20 % und Schema 10 %. Diese Verteilung ist lediglich ein Beispiel für eine Produktrichtlinie. Die tatsächlichen Gewichtungen müssen anhand themenspezifischer Validierungsdaten angepasst und mit einer Version versehen werden.\n\nBei der Bereitschaft für AI-Zitate dürfen kurze Sätze nicht grundsätzlich bevorzugt werden. Bewertet werden sollte, ob die zentrale Behauptung eigenständig verständlich ist, Belege und Bedingungen in unmittelbarer Nähe stehen und die Struktur aus Tabellen, Listen und Überschriften die Bedeutung bewahrt. Verborgener Text, wiederholte Formulierungen oder massenhaft erzeugte Seiten ohne Belege, mit denen Suchmaschinen oder AI getäuscht werden sollen, sind als Abzug oder Risikosignal zu behandeln.\n\n## Struktur zur Verhinderung der Fehlerfortpflanzung zwischen Modulen\n\nWenn jeder Analyzer die Schlussfolgerungen eines anderen Analyzers direkt als Eingabe übernimmt, können sich frühe Fehler verstärken. Gemeinsam genutzt werden sollten nicht die Schlussfolgerungen, sondern der ursprüngliche Snapshot und normalisierte Belege.\n\n```text\nSnapshot Store\n ├─ Content / Claim Analyzer\n ├─ Author / Expertise Analyzer\n ├─ Entity / Authority Analyzer\n ├─ Trust Analyzer\n ├─ Technical Analyzer\n └─ Schema Analyzer\n          ↓\n Evidence Store → Deterministic Scorer → Explanation LLM\n```\n\nJeder Bewertungsdatensatz sollte `claim_id`, `evidence_id`, die Position im Originaltext, die Bewertungsregel und die Modulversion enthalten. Dem LLM werden nur das berechnete JSON und die zugelassenen Belegsätze übergeben. Zusätzlich wird vorgegeben, dass keine neuen Qualifikationen oder externen Reputationsinformationen ergänzt werden dürfen.\n\n## Häufig übersehene Probleme: Unsicherheit und gegnerische Manipulation\n\nViele GEO-Analysen konzentrieren sich auf die Erkennung von Signalen, berücksichtigen aber nicht ausreichend, dass Websites versuchen können, den Analyzer zu täuschen. Dieses Problem muss als separate Qualitäts- und Sicherheitsebene behandelt werden.\n\n- Berufserfahrung und Schlüsselwörter können wiederholt in unsichtbare Bereiche eingefügt werden.\n- Gefälschte Autoren und strukturierte Person-Daten können erstellt werden.\n- Dieselbe Pressemitteilung kann auf mehreren Domains verbreitet werden, um die Zahl externer Erwähnungen künstlich zu erhöhen.\n- Nicht existierende Studien, Qualifikationen oder Zahlen können zitiert werden.\n- Nur das Änderungsdatum kann aktualisiert werden, damit alte Artikel wie aktuelle Inhalte erscheinen.\n- Das System kann dazu verleitet werden, die Autorität von Namensvettern oder ähnlichen Marken falsch zuzuordnen.\n\nZu den Gegenmaßnahmen gehören der Vergleich sichtbarer Inhalte mit dem Markup, die Gruppierung nach Originalquelle, die Überprüfung von Qualifikationen bei der ausstellenden Stelle, die Hash-basierte Erkennung von Inhaltsänderungen, die gegenseitige Prüfung von Entitätseigenschaften und die Erkennung ungewöhnlicher Linkmuster. Werden schwerwiegende Widersprüche festgestellt, ist es sicherer, statt eines einfachen Punktabzugs eine Obergrenze für die Gesamtpunktzahl oder den Status „manuelle Prüfung“ anzuwenden.\n\n## So wird das Bewertungsmodell validiert\n\nAuch eine deterministische Bewertungsformel ist nicht automatisch valide. Folgende Prüfungen sind erforderlich.\n\n1. **Wiederholbarkeitstest:** Prüfen, ob derselbe Snapshot mit derselben Version bitgenau dasselbe Ergebnis erzeugt.\n2. **Experten-Referenzsatz:** Von Fachleuten unabhängig markierte Belege mit den Systemergebnissen vergleichen.\n3. **Übereinstimmung der Bewertenden:** Elemente ermitteln, bei denen selbst menschliche Bewertende schwer zu einer Einigung gelangen, und die Regeln entsprechend anpassen.\n4. **Störungstest:** Prüfen, ob sich das Ergebnis in die erwartete Richtung verändert, wenn Autorenname, Datum, Schema oder Beleglinks entfernt werden.\n5. **Manipulationsresistenztest:** Prüfen, ob verborgene Formulierungen, gefälschte Profile und duplizierte Pressemitteilungen die Punktzahl nicht übermäßig erhöhen.\n6. **Test auf regionale Verzerrung:** Messen, ob Entitäten gleicher Qualität je nach Sprache oder Land systematisch benachteiligt werden.\n7. **Ergebniskalibrierung:** Werden tatsächliche Beobachtungsdaten zu Zitaten verwendet, sind Frage, Zeitpunkt, Modell und Position gemeinsam zu dokumentieren.\n\nZitierergebnisse generativer AI können sich je nach Formulierung der Frage und Aktualisierung des Dienstes verändern. Daher sollten tatsächliche Zitierraten nicht als absolute Wahrheit, sondern als externe Validierungskennzahl mit eindeutig angegebenem Zeitpunkt behandelt werden.\n\n## In Betriebsergebnisse aufzunehmende Datenspezifikation\n\nDamit Menschen und andere Systeme die Ergebnisse erneut überprüfen können, kann folgende Struktur bereitgestellt werden.\n\n```json\n{\n  \"snapshot_id\": \"sha256:...\",\n  \"collected_at\": \"ISO-8601 timestamp\",\n  \"scoring_version\": \"eeat-1.3.0\",\n  \"scope\": \"document\",\n  \"topic_class\": \"software-review\",\n  \"scores\": {\n    \"experience\": 72,\n    \"expertise\": 61,\n    \"authoritativeness\": 54,\n    \"trustworthiness\": 80\n  },\n  \"confidence\": 0.74,\n  \"evidence\": [\n    {\n      \"dimension\": \"experience\",\n      \"status\": \"verified\",\n      \"source_url\": \"https://example.invalid/page\",\n      \"rule_id\": \"EXP-METHOD-02\"\n    }\n  ],\n  \"missing\": [\"independent_author_profile\"]\n}\n```\n\nDie obige URL ist eine ungültige Beispielzeichenfolge, die lediglich die Datenstruktur veranschaulicht. In tatsächlichen Ergebnissen müssen die erfassten Beleg-URLs und die Positionen im Originaltext eingetragen werden. Besteht kein Recht zur erneuten Veröffentlichung des gesamten Originaltexts, sollten nur kurze Belege im erforderlichen Umfang sowie Hash- und Positionsinformationen gespeichert werden.\n\n## Implementierungscheckliste\n\n- Bewertungseinheiten in Dokument, Autor, Organisation und Domain unterteilen.\n- Allen Analyzern einen Snapshot desselben Zeitpunkts bereitstellen.\n- Eigenbehauptungen und unabhängige externe Verifizierung trennen.\n- Experience und Expertise als separate Dimensionen berechnen.\n- Länderspezifische und sprachspezifische Quellenregister für Authority verwalten.\n- Die Übereinstimmung strukturierter Daten mit sichtbaren Inhalten prüfen.\n- Fehlende, widersprüchliche und nicht anwendbare Daten als unterschiedliche Zustände speichern.\n- Punktzahl und Bewertungskonfidenz gemeinsam veröffentlichen.\n- Bei Änderungen an Gewichtungen und Regeln die Version erhöhen.\n- Verhindern, dass LLM-Erklärungen Tatsachen außerhalb der Belege ergänzen.\n- Verfahren zur Manipulationserkennung und manuellen Prüfung einrichten.\n- Bei der Beobachtung tatsächlicher AI-Zitierergebnisse Modell, Frage und Zeitpunkt dokumentieren.\n\nEntscheidend ist, E-E-A-T nicht zu einer einzigen vagen Eindruckspunktzahl zu verdichten. Überprüfbare Belege, angewandte Regeln, Unsicherheiten und die Herkunftskette der Quellen müssen gemeinsam bereitgestellt werden, damit die Ergebnisse einer GEO-Analyse als Daten für operative Entscheidungen und langfristige Vergleiche nutzbar sind.","content_html":"\u003cp\u003eGEO (Generative Engine Optimization) ist ein praktisches Konzept, mit dem analysiert und verbessert werden soll, wie wahrscheinlich Inhalte in Umgebungen mit generativer AI wie ChatGPT und Gemini gefunden und als Grundlage für Antworten verwendet werden. Allerdings haben Anbieter generativer AI-Dienste keine vollständige Formel für die Auswahl von Quellen veröffentlicht, und es gibt auch keinen einheitlichen, allgemein anerkannten GEO-Score.\u003c/p\u003e\n\u003cp\u003eGoogles E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness, ist jedoch kein offizieller Zahlenwert, den Google für jede Webseite veröffentlicht. Daher muss eindeutig darauf hingewiesen werden, dass ein von einem Analysetool angezeigter „E-E-A-T-Score von 78“ keine Bewertung von Google ist, sondern eine vom jeweiligen Tool definierte Beobachtungskennzahl.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#warum-die-bewertung-nicht-direkt-einem-llm-%C3%BCberlassen-werden-sollte\" class=\"anchor\" id=\"warum-die-bewertung-nicht-direkt-einem-llm-überlassen-werden-sollte\"\u003e\u003c/a\u003eWarum die Bewertung nicht direkt einem LLM überlassen werden sollte\u003c/h2\u003e\n\u003cp\u003eWenn man eine gesamte Webseite in ein LLM eingibt und Erfahrung, Fachkompetenz, Autorität und Vertrauenswürdigkeit jeweils mit bis zu 100 Punkten bewerten lässt, kann man schnell einen Prototyp erstellen. Für ein produktiv eingesetztes Messsystem ergeben sich jedoch folgende Probleme.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eSelbst bei denselben Inhalten und demselben Prompt können die Punktzahlen bei jeder Ausführung variieren.\u003c/li\u003e\n\u003cli\u003eWenn das Modell oder der Anbieter wechselt, lassen sich die Ergebnisse nur schwer mit früheren Punktzahlen vergleichen.\u003c/li\u003e\n\u003cli\u003eEs kann zu Halluzinationen kommen, bei denen nicht auf der Seite vorhandene Berufserfahrung, Qualifikationen oder Reputation erschlossen werden.\u003c/li\u003e\n\u003cli\u003eEs ist schwierig zu prüfen, welche Sätze und Regeln die Punktzahl beeinflusst haben.\u003c/li\u003e\n\u003cli\u003eSelbstdarstellungen einer Website können ohne externe Überprüfung als Tatsachen übernommen werden.\u003c/li\u003e\n\u003cli\u003eWenn lange Dokumente abgeschnitten werden oder sich die Extraktionsreihenfolge ändert, können sich auch die Bewertungsergebnisse ändern.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEmpfohlen wird folgende Struktur.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eWebsite\n\u003c/span\u003e\u003cspan\u003e  → Snapshot zu einem einzigen Zeitpunkt erfassen\n\u003c/span\u003e\u003cspan\u003e  → Hauptinhalt, Metadaten, Entitäten und Behauptungen extrahieren\n\u003c/span\u003e\u003cspan\u003e  → Mit externen Materialien abgleichen\n\u003c/span\u003e\u003cspan\u003e  → Punktzahl anhand versionierter, unveränderlicher Regeln berechnen\n\u003c/span\u003e\u003cspan\u003e  → Punktzahl, Belege und Konfidenz speichern\n\u003c/span\u003e\u003cspan\u003e  → LLM erklärt die Ergebnisse in natürlicher Sprache\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eDas bedeutet nicht, dass überhaupt kein LLM verwendet werden sollte. Es kann für die Klassifizierung von Sätzen, die Extraktion potenzieller Behauptungen und die Suche nach Namensvarianten eingesetzt werden. Die Ergebnisse müssen jedoch mit Belegen aus dem Originaltext verknüpft und zwischengespeichert werden. Wenn die abschließende arithmetische Berechnung sowie Obergrenzen und Abzugsregeln vom Code übernommen werden, erhöht dies die Reproduzierbarkeit und Prüfbarkeit.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#zun%C3%A4chst-zu-definierende-bewertungsobjekte-und-geltungsbereiche\" class=\"anchor\" id=\"zunächst-zu-definierende-bewertungsobjekte-und-geltungsbereiche\"\u003e\u003c/a\u003eZunächst zu definierende Bewertungsobjekte und Geltungsbereiche\u003c/h2\u003e\n\u003cp\u003eVor der Berechnung einer Punktzahl muss festgelegt werden, was bewertet wird. Signale für die gesamte Website, die Organisation, den Autor und einzelne Dokumente sind nicht gegeneinander austauschbar.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eBewertungseinheit\u003c/th\u003e\n\u003cth\u003eZentrale Frage\u003c/th\u003e\n\u003cth\u003eTypische Belege\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertungseinheit\"\u003eDokument\u003c/td\u003e\n\u003ctd data-label=\"Zentrale Frage\"\u003eSind die Behauptungen und der Entstehungsprozess dieses Artikels vertrauenswürdig?\u003c/td\u003e\n\u003ctd data-label=\"Typische Belege\"\u003eHauptinhalt, Zitate, Veröffentlichungsdatum, Änderungsdatum, Versuchsdaten\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertungseinheit\"\u003eAutor\u003c/td\u003e\n\u003ctd data-label=\"Zentrale Frage\"\u003eLassen sich Erfahrung oder Fachkompetenz für dieses Thema nachweisen?\u003c/td\u003e\n\u003ctd data-label=\"Typische Belege\"\u003eAutorenseite, Qualifikationen, Berufserfahrung, Forschungs- und Publikationshistorie\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertungseinheit\"\u003eOrganisation\u003c/td\u003e\n\u003ctd data-label=\"Zentrale Frage\"\u003eIst der Herausgeber identifizierbar und gibt es klare Verantwortlichkeiten?\u003c/td\u003e\n\u003ctd data-label=\"Typische Belege\"\u003eUnternehmensvorstellung, Kontaktdaten, redaktionelle Richtlinien, Organization-Daten\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertungseinheit\"\u003eDomain\u003c/td\u003e\n\u003ctd data-label=\"Zentrale Frage\"\u003eWird sie extern als Quelle für das betreffende Thema anerkannt?\u003c/td\u003e\n\u003ctd data-label=\"Typische Belege\"\u003eZitate unabhängiger Institutionen, relevante Backlinks, journalistische und wissenschaftliche Quellen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertungseinheit\"\u003eTechnische Oberfläche\u003c/td\u003e\n\u003ctd data-label=\"Zentrale Frage\"\u003eKönnen Crawler die Inhalte und Quelleninformationen lesen?\u003c/td\u003e\n\u003ctd data-label=\"Typische Belege\"\u003eStatuscode, robots-Richtlinien, canonical, HTML, strukturierte Daten\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAuch das Thema muss klassifiziert werden. Für Bereiche wie Medizin, Finanzen und Recht, in denen falsche Informationen großen Schaden verursachen können, sind andere Nachweise für Fachkompetenz und Vertrauenswürdigkeit erforderlich als für persönliche Erfahrungsberichte zu einem Hobby. Werden auf alle Bereiche dieselben festen Gewichtungen angewandt, verliert die Punktzahl an Aussagekraft.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#so-wird-ein-einheitlicher-web-snapshot-erfasst\" class=\"anchor\" id=\"so-wird-ein-einheitlicher-web-snapshot-erfasst\"\u003e\u003c/a\u003eSo wird ein einheitlicher Web-Snapshot erfasst\u003c/h2\u003e\n\u003cp\u003eDer Analyzer sollte einen einmal gespeicherten Snapshot gemeinsam verwenden. Wenn der Hauptinhalt um 10 Uhr, JSON-LD um 10:05 Uhr und die Autorenseite um 10:10 Uhr jeweils erneut abgerufen werden, können unterschiedliche Änderungsstände vermischt werden.\u003c/p\u003e\n\u003cp\u003eNach Möglichkeit sollten im Snapshot folgende Elemente gespeichert werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eEndgültige URL, Weiterleitungspfad, HTTP-Statuscode und Antwort-Header\u003c/li\u003e\n\u003cli\u003eUrsprüngliches HTML und bei Bedarf gerendertes HTML\u003c/li\u003e\n\u003cli\u003eExtrahierter Hauptinhalt, Titel, Beschreibung, canonical und Sprachinformationen\u003c/li\u003e\n\u003cli\u003eAutor, Veröffentlichungsdatum, Änderungsdatum und veröffentlichende Organisation\u003c/li\u003e\n\u003cli\u003eInterne und externe Links sowie Ankertexte\u003c/li\u003e\n\u003cli\u003eStrukturierte Daten wie JSON-LD und Microdata\u003c/li\u003e\n\u003cli\u003erobots-Anweisungen und zugehörige, über die sitemap ermittelte URLs\u003c/li\u003e\n\u003cli\u003eErfassungszeitpunkt, Crawler-Version und Inhalts-Hash\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eBei der Untersuchung mehrerer Seiten sollte man sich nicht ausschließlich auf die Startseite verlassen. Mithilfe von sitemap.xml und internen Links werden Kandidaten wie About, Company, Team, Author, Profile, Editorial Policy, Contact, Privacy und Terms bis zu einer begrenzten Tiefe durchsucht. Seiten mit personenbezogenen Daten oder Zugriffsbeschränkungen dürfen nicht ohne Weiteres erfasst werden. Auch robots-Richtlinien, Nutzungsbedingungen und geltendes Recht sind zu prüfen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#trennung-von-onsite--und-offsite-belegen\" class=\"anchor\" id=\"trennung-von-onsite--und-offsite-belegen\"\u003e\u003c/a\u003eTrennung von Onsite- und Offsite-Belegen\u003c/h2\u003e\n\u003cp\u003eOnsite-Daten sind Informationen, die von der jeweiligen Website selbst veröffentlicht wurden. Dazu gehören Autorenprofile, Produktbeschreibungen, Kundenfallstudien, redaktionelle Richtlinien, Kontaktdaten sowie strukturierte Person- und Organization-Daten.\u003c/p\u003e\n\u003cp\u003eOffsite-Daten zeigen, wie unabhängige externe Quellen einen Autor oder eine Organisation bestätigen. Dazu zählen Materialien von Behörden und öffentlichen Einrichtungen, akademischen Institutionen und Berufsverbänden, vertrauenswürdige Medien, Brancheninformationen, externe Profile sowie relevante Backlinks und Zitate.\u003c/p\u003e\n\u003cp\u003eBeide Arten von Belegen müssen bei der Bewertung getrennt behandelt werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eEigenwerbung wie „branchenführend“ ist kein unabhängiger Beleg für Authority.\u003c/li\u003e\n\u003cli\u003eAuch externe Artikel besitzen nur geringe Unabhängigkeit, wenn sie eine Pressemitteilung unverändert übernehmen.\u003c/li\u003e\n\u003cli\u003eWurde derselbe Artikel unter verschiedenen URLs vervielfältigt, darf die Zahl der Quellen nicht mehrfach gezählt werden.\u003c/li\u003e\n\u003cli\u003eEntitäten müssen geprüft werden, damit Leistungen anderer Personen oder Organisationen mit demselben Namen nicht fälschlich zugeordnet werden.\u003c/li\u003e\n\u003cli\u003esameAs-Links sind Hinweise zur Verknüpfung potenzieller Entitäten, garantieren aber nicht automatisch, dass die angegebene Laufbahn der Wahrheit entspricht.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#experience-direkte-erfahrung-in-belege-umwandeln\" class=\"anchor\" id=\"experience-direkte-erfahrung-in-belege-umwandeln\"\u003e\u003c/a\u003eExperience: Direkte Erfahrung in Belege umwandeln\u003c/h2\u003e\n\u003cp\u003eExperience bewertet die direkte Erfahrung eines Autors, der ein Produkt verwendet, einen Ort besucht, ein Verfahren durchgeführt oder einen Versuch betrieben hat. Sie ist von Expertise getrennt. Ein Käufer, der einen Laptop über lange Zeit genutzt hat, kann über umfangreiche praktische Erfahrung verfügen, ohne Experte für Batterietechnik zu sein.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#zu-erkennende-signale\" class=\"anchor\" id=\"zu-erkennende-signale\"\u003e\u003c/a\u003eZu erkennende Signale\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAussagen über direkte Nutzung, Kauf, Besuch, Installation, Betrieb oder Vergleich\u003c/li\u003e\n\u003cli\u003eNutzungsdauer, Zahl der Tests, Stichprobengröße, Umgebung und Geräte\u003c/li\u003e\n\u003cli\u003eDurchführungsschritte, Fehlschläge, Einschränkungen und Ausnahmen\u003c/li\u003e\n\u003cli\u003eSelbst aufgenommene Bilder, Protokolle, Rohdaten und Reproduktionsverfahren\u003c/li\u003e\n\u003cli\u003eErgebnisse vor und nach der Messung sowie die Messmethode\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEine hohe Punktzahl allein aufgrund eines Satzes wie „Ich habe es selbst ausprobiert“ wäre leicht manipulierbar. Auch konkrete Zahlen beweisen für sich genommen keine Tatsachen. Als stärkerer Beleg sollten sie erst gelten, wenn Messmethode, Zeitraum, Rohdaten und Kontext miteinander übereinstimmen.\u003c/p\u003e\n\u003cp\u003eDie Experience-Punktzahl kann wie folgt abgestuft werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eStufe\u003c/th\u003e\n\u003cth\u003eBeispiel\u003c/th\u003e\n\u003cth\u003eVerarbeitungsprinzip\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Stufe\"\u003eSchwach\u003c/td\u003e\n\u003ctd data-label=\"Beispiel\"\u003eEs gibt lediglich die Behauptung, etwas verwendet zu haben\u003c/td\u003e\n\u003ctd data-label=\"Verarbeitungsprinzip\"\u003eNiedrige Basispunktzahl\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Stufe\"\u003eMittel\u003c/td\u003e\n\u003ctd data-label=\"Beispiel\"\u003eZeitraum, Umgebung und Verfahren sind konkret angegeben\u003c/td\u003e\n\u003ctd data-label=\"Verarbeitungsprinzip\"\u003eZusätzliche Punkte für Konkretheit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Stufe\"\u003eStark\u003c/td\u003e\n\u003ctd data-label=\"Beispiel\"\u003eRohdaten, Fotos, Protokolle und Vergleichskriterien werden bereitgestellt\u003c/td\u003e\n\u003ctd data-label=\"Verarbeitungsprinzip\"\u003eZusätzliche Punkte für Überprüfbarkeit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Stufe\"\u003eVerifiziert\u003c/td\u003e\n\u003ctd data-label=\"Beispiel\"\u003eStimmt mit unabhängigen Daten oder einem Reproduktionstest überein\u003c/td\u003e\n\u003ctd data-label=\"Verarbeitungsprinzip\"\u003eGewichtung für Kreuzvalidierung anwenden\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#expertise-%C3%BCberpr%C3%BCfbare-fachkompetenz-bewerten\" class=\"anchor\" id=\"expertise-überprüfbare-fachkompetenz-bewerten\"\u003e\u003c/a\u003eExpertise: Überprüfbare Fachkompetenz bewerten\u003c/h2\u003e\n\u003cp\u003eExpertise bewertet, ob das Wissen und die Fähigkeiten vorhanden sind, um das betreffende Thema korrekt zu behandeln. Die bloße Bezeichnung „Experte“ neben einem Namen reicht nicht aus.\u003c/p\u003e\n\u003cp\u003eFolgende Punkte kommen für die Analyse infrage.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eRelevante Position, Zugehörigkeit, Tätigkeitsbereich und Dauer der Berufserfahrung\u003c/li\u003e\n\u003cli\u003eAbschlüsse, anerkannte Qualifikationen, Lizenzen und ausstellende Institutionen\u003c/li\u003e\n\u003cli\u003eRelevante Forschung, wissenschaftliche Arbeiten, Bücher, Lehrveranstaltungen und Projekte\u003c/li\u003e\n\u003cli\u003eTatsächliche, mit dem Thema verbundene Berufserfahrung\u003c/li\u003e\n\u003cli\u003eGenauigkeit, Umfang, Grenzen und Quellen fachlicher Erklärungen\u003c/li\u003e\n\u003cli\u003eFachliche Prüfer und Prüfdatum\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eWenn als Autor Werte wie \u003ccode\u003eadmin\u003c/code\u003e, \u003ccode\u003eadministrator\u003c/code\u003e, \u003ccode\u003e관리자\u003c/code\u003e, \u003ccode\u003e운영자\u003c/code\u003e, \u003ccode\u003e운영팀\u003c/code\u003e, \u003ccode\u003eeditor\u003c/code\u003e angegeben sind, darf daraus keine konkrete Person abgeleitet werden. Auch bei vorhandenen strukturierten Person-Daten ist zu prüfen, ob sie mit den auf der Seite sichtbaren Autoreninformationen übereinstimmen.\u003c/p\u003e\n\u003cp\u003eDie Fachkompetenz muss die thematische Eignung berücksichtigen. Eine Anwaltszulassung kann für juristische Inhalte ein starkes Signal sein, belegt jedoch nicht automatisch Fachkompetenz für sämtliche medizinischen oder technischen Themen. In Bereichen, in denen Qualifikationen überprüft werden müssen, sollte der Verifizierungsgrad erhöht werden, wenn eine Verbindung zur ausstellenden Institution oder zu offiziellen Abfragedaten hergestellt werden kann.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#authoritativeness-externe-anerkennung-und-%C3%BCbereinstimmung-von-entit%C3%A4ten\" class=\"anchor\" id=\"authoritativeness-externe-anerkennung-und-übereinstimmung-von-entitäten\"\u003e\u003c/a\u003eAuthoritativeness: Externe Anerkennung und Übereinstimmung von Entitäten\u003c/h2\u003e\n\u003cp\u003eAuthoritativeness bewertet, in welchem Maß eine Person, Organisation oder Website zu einem bestimmten Thema extern anerkannt wird. Wichtiger als die bloße Anzahl der Erwähnungen sind Qualität, Themenrelevanz, Unabhängigkeit und Vielfalt der Quellen.\u003c/p\u003e\n\u003cp\u003eEin Analyzer für Autorität kann folgendermaßen vorgehen.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eStandardentitäten für Organisationsname, Autorenname, Domain und Marke erstellen.\u003c/li\u003e\n\u003cli\u003eBestätigte Aliasnamen wie frühere Namen, englische Namen und Abkürzungen verknüpfen.\u003c/li\u003e\n\u003cli\u003eErmitteln, ob es sich in externen Dokumenten um dieselbe Entität handelt.\u003c/li\u003e\n\u003cli\u003eUnabhängigkeit, Qualität, Themenrelevanz und Aktualität der Quelle bewerten.\u003c/li\u003e\n\u003cli\u003eWiederveröffentlichungen von Pressemitteilungen und Duplikate desselben Dokuments gruppieren.\u003c/li\u003e\n\u003cli\u003eUnterscheiden, ob ein Zitat oder eine Erwähnung positive Anerkennung, eine bloße Auflistung oder Kritik darstellt.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eWenn bei der Analyse koreanischsprachiger Websites ausschließlich Wikipedia, Wikidata, Reddit und englischsprachige Medien verwendet werden, kann die Autorität koreanischer Institutionen und Unternehmen unterschätzt werden. Abhängig vom Bewertungsmarkt müssen Behörden und öffentliche Einrichtungen, öffentliche Daten, wissenschaftliche Datenbanken, Berufsverbände, führende Medien und Fachmedien der Industrie in das Quellenregister aufgenommen werden. Umgekehrt darf aus der Sichtbarkeit in einem Portal eines bestimmten Landes nicht ohne Weiteres auf weltweite Autorität geschlossen werden.\u003c/p\u003e\n\u003cp\u003eIm Quellenregister sollten Rechtsraum, Herausgeber, Themenbereich, Unabhängigkeit, Status als Originalquelle, Aktualisierungszyklus und Zugangsbedingungen dokumentiert werden. Auch wenn länderspezifische Quellen hinzugefügt werden, müssen die Bewertungsregeln und Auswahlkriterien offengelegt werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#trustworthiness-die-umfassendste-und-wichtigste-sicherheitsdimension\" class=\"anchor\" id=\"trustworthiness-die-umfassendste-und-wichtigste-sicherheitsdimension\"\u003e\u003c/a\u003eTrustworthiness: Die umfassendste und wichtigste Sicherheitsdimension\u003c/h2\u003e\n\u003cp\u003eTrustworthiness stützt die übrigen drei Elemente. Selbst bei direkter Erfahrung und vorhandenen Qualifikationen kann die Gesamtbewertung gedeckelt werden, wenn falsche Behauptungen, verschwiegene Interessenkonflikte oder manipulierte Quellen festgestellt werden.\u003c/p\u003e\n\u003cp\u003eIm Vertrauenswürdigkeitsmodul sind folgende Punkte zu prüfen.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#herausgeber-und-verantwortlichkeit\" class=\"anchor\" id=\"herausgeber-und-verantwortlichkeit\"\u003e\u003c/a\u003eHerausgeber und Verantwortlichkeit\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSind die betreibende Organisation und der Autor eindeutig angegeben?\u003c/li\u003e\n\u003cli\u003eSind Kontaktmöglichkeiten und Kundendienstinformationen auf tatsächlichen Seiten vorhanden?\u003c/li\u003e\n\u003cli\u003eSind redaktionelle, Prüfungs- und Korrekturrichtlinien einsehbar?\u003c/li\u003e\n\u003cli\u003eWerden Werbung, Sponsoring, Partnerschaften und Interessenkonflikte voneinander abgegrenzt?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#behauptungen-und-belege\" class=\"anchor\" id=\"behauptungen-und-belege\"\u003e\u003c/a\u003eBehauptungen und Belege\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSind zentrale Tatsachen mit Originalquellen oder angemessenen Belegen verknüpft?\u003c/li\u003e\n\u003cli\u003eEntsprechen Zitate und Statistiken der Aussageabsicht des Originals?\u003c/li\u003e\n\u003cli\u003eStimmen Veröffentlichungs- und Änderungsdatum mit tatsächlichen Inhaltsänderungen überein?\u003c/li\u003e\n\u003cli\u003eSind Tatsachen, Meinungen und werbliche Aussagen klar voneinander getrennt?\u003c/li\u003e\n\u003cli\u003eWerden Unsicherheiten, Geltungsbereich, Ausnahmen und Grenzen offengelegt?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#transaktionen-und-sicherheit\" class=\"anchor\" id=\"transaktionen-und-sicherheit\"\u003e\u003c/a\u003eTransaktionen und Sicherheit\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eWerden Datenschutzrichtlinie und Nutzungsbedingungen passend zur Art des Dienstes bereitgestellt?\u003c/li\u003e\n\u003cli\u003eSind Zahlungs-, Erstattungs- und Lieferbedingungen auf Websites, auf denen sie erforderlich sind, eindeutig?\u003c/li\u003e\n\u003cli\u003eBestehen keine technischen Risiken wie fehlendes HTTPS, bösartige Weiterleitungen oder ungültige Zertifikate?\u003c/li\u003e\n\u003cli\u003eWerden bei Gesundheits-, Finanz- und Rechtsinformationen keine gefährlichen Pauschalaussagen oder Garantien verwendet?\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAllein das Vorhandensein von HTTPS oder einer Datenschutzrichtlinie macht Inhalte nicht korrekt. Dabei handelt es sich um grundlegende Sicherheitssignale; die Vertrauenswürdigkeit einzelner Behauptungen muss separat verifiziert werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#strukturierte-daten-und-entit%C3%A4tspr%C3%BCfung\" class=\"anchor\" id=\"strukturierte-daten-und-entitätsprüfung\"\u003e\u003c/a\u003eStrukturierte Daten und Entitätsprüfung\u003c/h2\u003e\n\u003cp\u003eStrukturierte Person- und Organization-Daten stellen Namen, Zugehörigkeit, Position, offizielle URL und Beziehungen zu externen Profilen in maschinenlesbarer Form bereit. Auch author, publisher, datePublished und dateModified von Article sind nützlich, um die Quellenstruktur eines Dokuments auszudrücken.\u003c/p\u003e\n\u003cp\u003eSchema-Markup muss jedoch nach folgenden Grundsätzen bewertet werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePrüfen, ob die strukturierten Daten mit dem sichtbaren Inhalt übereinstimmen.\u003c/li\u003e\n\u003cli\u003eQualifikationen, Auszeichnungen oder Reputation nicht allein aufgrund ihres Vorhandenseins als Tatsache bestätigen.\u003c/li\u003e\n\u003cli\u003ePrüfen, ob Identifikatoren und Beziehungen zwischen Person, Organization und Article konsistent sind.\u003c/li\u003e\n\u003cli\u003ePrüfen, ob das Ziel von sameAs tatsächlich ein offizielles Profil ist.\u003c/li\u003e\n\u003cli\u003eSyntaxfehler von fehlenden Pflicht- und empfohlenen Eigenschaften unterscheiden.\u003c/li\u003e\n\u003cli\u003eEine übermäßige oder irrelevante Verwendung von Schema-Typen nicht positiv bewerten.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eStrukturierte Daten sind eine Darstellungsebene, die Verständnis und Extraktion erleichtert. Sie garantieren weder ein hohes Suchmaschinen-Ranking noch Zitate durch generative AI.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#entwicklung-einer-reproduzierbaren-bewertungsformel\" class=\"anchor\" id=\"entwicklung-einer-reproduzierbaren-bewertungsformel\"\u003e\u003c/a\u003eEntwicklung einer reproduzierbaren Bewertungsformel\u003c/h2\u003e\n\u003cp\u003eWenn jedes Signal nur als „vorhanden“ oder „nicht vorhanden“ behandelt wird, bleiben Qualitätsunterschiede unberücksichtigt. Werden die Werte wie folgt getrennt, lassen sich die Belege leichter nachverfolgen.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ccode\u003epresence\u003c/code\u003e: Vorhandensein oder Erfüllungsgrad des Signals\u003c/li\u003e\n\u003cli\u003e\n\u003ccode\u003everification\u003c/code\u003e: Grad der unabhängigen Verifizierung\u003c/li\u003e\n\u003cli\u003e\n\u003ccode\u003erelevance\u003c/code\u003e: Relevanz für das bewertete Thema\u003c/li\u003e\n\u003cli\u003e\n\u003ccode\u003esource_quality\u003c/code\u003e: Qualität und Unabhängigkeit der Belegquelle\u003c/li\u003e\n\u003cli\u003e\n\u003ccode\u003efreshness\u003c/code\u003e: Gültigkeit von Signalen, bei denen Aktualität erforderlich ist\u003c/li\u003e\n\u003cli\u003e\n\u003ccode\u003eweight\u003c/code\u003e: versioniert verwaltete Bedeutung des Signals\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEine Beispielformel lautet wie folgt.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eSignalbeitrag = weight × presence × verification × relevance × source_quality × freshness\n\u003c/span\u003e\u003cspan\u003eDimensionspunktzahl = 100 × Summe der Beiträge ÷ Summe der anwendbaren weight-Werte\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eDiese Formel ist ein Entwurfsbeispiel und keine offizielle E-E-A-T-Berechnungsformel. Jeder Koeffizient kann auf einen Wert zwischen 0 und 1 normalisiert werden. Nur logisch nicht anwendbare Elemente werden als \u003ccode\u003eN/A\u003c/code\u003e ausgeschlossen. Ein Zustand, in dem erforderliche Belege nicht gefunden wurden, wird von 0 Punkten unterschieden und als \u003ccode\u003emissing\u003c/code\u003e gespeichert.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#konfidenz-getrennt-von-der-punktzahl-anzeigen\" class=\"anchor\" id=\"konfidenz-getrennt-von-der-punktzahl-anzeigen\"\u003e\u003c/a\u003eKonfidenz getrennt von der Punktzahl anzeigen\u003c/h3\u003e\n\u003cp\u003eAuch ein Ergebnis von 78 Punkten ist wenig verlässlich, wenn die Hälfte der erforderlichen Seiten nicht erfasst werden konnte. Daher müssen die Bewertungskonfidenz oder die Belegabdeckung separat berechnet werden.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eBewertungskonfidenz = Erfassungsabdeckung × Entitätsübereinstimmung × Anteil verifizierbarer Belege\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eAuf der Ergebnisseite müssen mindestens folgende Angaben gemeinsam angezeigt werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePunktzahl je Dimension und Gesamtpunktzahl\u003c/li\u003e\n\u003cli\u003eBewertungskonfidenz\u003c/li\u003e\n\u003cli\u003eStatus bestätigt, unbestätigt, widersprüchlich oder nicht anwendbar\u003c/li\u003e\n\u003cli\u003eBeleg-URL und Auszug aus dem Originaltext\u003c/li\u003e\n\u003cli\u003eErfassungszeitpunkt und Snapshot-Hash\u003c/li\u003e\n\u003cli\u003eVersion der Regeln, Gewichtungen und des Quellenregisters\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#geo-gesamtpunktzahl-und-e-e-a-t-trennen\" class=\"anchor\" id=\"geo-gesamtpunktzahl-und-e-e-a-t-trennen\"\u003e\u003c/a\u003eGEO-Gesamtpunktzahl und E-E-A-T trennen\u003c/h2\u003e\n\u003cp\u003eEin hohes E-E-A-T bedeutet nicht zwangsläufig, dass Inhalte in AI-Antworten zitiert werden. Antwortsysteme können auch die Eignung für die Frage, die Extrahierbarkeit der Informationen, Aktualität, Crawlbarkeit und das Dokumentformat berücksichtigen. Die konkrete Auswahlmethode unterscheidet sich je nach Dienst.\u003c/p\u003e\n\u003cp\u003eBei einem GEO-Tool sollten folgende Module voneinander getrennt werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eModul\u003c/th\u003e\n\u003cth\u003eAnalysegegenstand\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modul\"\u003eInhaltsbezogenes E-E-A-T\u003c/td\u003e\n\u003ctd data-label=\"Analysegegenstand\"\u003eErfahrung, Fachkompetenz, externe Autorität, Vertrauenswürdigkeit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modul\"\u003eBereitschaft für AI-Zitate\u003c/td\u003e\n\u003ctd data-label=\"Analysegegenstand\"\u003eEigenständig verständliche Sätze, Eignung für Fragen, Verknüpfung mit Belegen, Zusammenfassbarkeit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modul\"\u003eMarkenautorität\u003c/td\u003e\n\u003ctd data-label=\"Analysegegenstand\"\u003eUnabhängige Anerkennung durch externe Institutionen und Entitätsübereinstimmung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modul\"\u003eTechnische Zugänglichkeit\u003c/td\u003e\n\u003ctd data-label=\"Analysegegenstand\"\u003eCrawling, Statuscode, canonical, Rendering, Zugriff auf den Hauptinhalt\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modul\"\u003eSchema-Qualität\u003c/td\u003e\n\u003ctd data-label=\"Analysegegenstand\"\u003eSyntax, Übereinstimmung mit angezeigten Inhalten, Entitätsbeziehungen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEine mögliche Zusammensetzung wäre beispielsweise: Bereitschaft für AI-Zitate 30 %, Markenautorität 20 %, inhaltsbezogenes E-E-A-T 20 %, technische Zugänglichkeit 20 % und Schema 10 %. Diese Verteilung ist lediglich ein Beispiel für eine Produktrichtlinie. Die tatsächlichen Gewichtungen müssen anhand themenspezifischer Validierungsdaten angepasst und mit einer Version versehen werden.\u003c/p\u003e\n\u003cp\u003eBei der Bereitschaft für AI-Zitate dürfen kurze Sätze nicht grundsätzlich bevorzugt werden. Bewertet werden sollte, ob die zentrale Behauptung eigenständig verständlich ist, Belege und Bedingungen in unmittelbarer Nähe stehen und die Struktur aus Tabellen, Listen und Überschriften die Bedeutung bewahrt. Verborgener Text, wiederholte Formulierungen oder massenhaft erzeugte Seiten ohne Belege, mit denen Suchmaschinen oder AI getäuscht werden sollen, sind als Abzug oder Risikosignal zu behandeln.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#struktur-zur-verhinderung-der-fehlerfortpflanzung-zwischen-modulen\" class=\"anchor\" id=\"struktur-zur-verhinderung-der-fehlerfortpflanzung-zwischen-modulen\"\u003e\u003c/a\u003eStruktur zur Verhinderung der Fehlerfortpflanzung zwischen Modulen\u003c/h2\u003e\n\u003cp\u003eWenn jeder Analyzer die Schlussfolgerungen eines anderen Analyzers direkt als Eingabe übernimmt, können sich frühe Fehler verstärken. Gemeinsam genutzt werden sollten nicht die Schlussfolgerungen, sondern der ursprüngliche Snapshot und normalisierte Belege.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eSnapshot Store\n\u003c/span\u003e\u003cspan\u003e ├─ Content / Claim Analyzer\n\u003c/span\u003e\u003cspan\u003e ├─ Author / Expertise Analyzer\n\u003c/span\u003e\u003cspan\u003e ├─ Entity / Authority Analyzer\n\u003c/span\u003e\u003cspan\u003e ├─ Trust Analyzer\n\u003c/span\u003e\u003cspan\u003e ├─ Technical Analyzer\n\u003c/span\u003e\u003cspan\u003e └─ Schema Analyzer\n\u003c/span\u003e\u003cspan\u003e          ↓\n\u003c/span\u003e\u003cspan\u003e Evidence Store → Deterministic Scorer → Explanation LLM\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eJeder Bewertungsdatensatz sollte \u003ccode\u003eclaim_id\u003c/code\u003e, \u003ccode\u003eevidence_id\u003c/code\u003e, die Position im Originaltext, die Bewertungsregel und die Modulversion enthalten. Dem LLM werden nur das berechnete JSON und die zugelassenen Belegsätze übergeben. Zusätzlich wird vorgegeben, dass keine neuen Qualifikationen oder externen Reputationsinformationen ergänzt werden dürfen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#h%C3%A4ufig-%C3%BCbersehene-probleme-unsicherheit-und-gegnerische-manipulation\" class=\"anchor\" id=\"häufig-übersehene-probleme-unsicherheit-und-gegnerische-manipulation\"\u003e\u003c/a\u003eHäufig übersehene Probleme: Unsicherheit und gegnerische Manipulation\u003c/h2\u003e\n\u003cp\u003eViele GEO-Analysen konzentrieren sich auf die Erkennung von Signalen, berücksichtigen aber nicht ausreichend, dass Websites versuchen können, den Analyzer zu täuschen. Dieses Problem muss als separate Qualitäts- und Sicherheitsebene behandelt werden.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eBerufserfahrung und Schlüsselwörter können wiederholt in unsichtbare Bereiche eingefügt werden.\u003c/li\u003e\n\u003cli\u003eGefälschte Autoren und strukturierte Person-Daten können erstellt werden.\u003c/li\u003e\n\u003cli\u003eDieselbe Pressemitteilung kann auf mehreren Domains verbreitet werden, um die Zahl externer Erwähnungen künstlich zu erhöhen.\u003c/li\u003e\n\u003cli\u003eNicht existierende Studien, Qualifikationen oder Zahlen können zitiert werden.\u003c/li\u003e\n\u003cli\u003eNur das Änderungsdatum kann aktualisiert werden, damit alte Artikel wie aktuelle Inhalte erscheinen.\u003c/li\u003e\n\u003cli\u003eDas System kann dazu verleitet werden, die Autorität von Namensvettern oder ähnlichen Marken falsch zuzuordnen.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eZu den Gegenmaßnahmen gehören der Vergleich sichtbarer Inhalte mit dem Markup, die Gruppierung nach Originalquelle, die Überprüfung von Qualifikationen bei der ausstellenden Stelle, die Hash-basierte Erkennung von Inhaltsänderungen, die gegenseitige Prüfung von Entitätseigenschaften und die Erkennung ungewöhnlicher Linkmuster. Werden schwerwiegende Widersprüche festgestellt, ist es sicherer, statt eines einfachen Punktabzugs eine Obergrenze für die Gesamtpunktzahl oder den Status „manuelle Prüfung“ anzuwenden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#so-wird-das-bewertungsmodell-validiert\" class=\"anchor\" id=\"so-wird-das-bewertungsmodell-validiert\"\u003e\u003c/a\u003eSo wird das Bewertungsmodell validiert\u003c/h2\u003e\n\u003cp\u003eAuch eine deterministische Bewertungsformel ist nicht automatisch valide. Folgende Prüfungen sind erforderlich.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cstrong\u003eWiederholbarkeitstest:\u003c/strong\u003e Prüfen, ob derselbe Snapshot mit derselben Version bitgenau dasselbe Ergebnis erzeugt.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eExperten-Referenzsatz:\u003c/strong\u003e Von Fachleuten unabhängig markierte Belege mit den Systemergebnissen vergleichen.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eÜbereinstimmung der Bewertenden:\u003c/strong\u003e Elemente ermitteln, bei denen selbst menschliche Bewertende schwer zu einer Einigung gelangen, und die Regeln entsprechend anpassen.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eStörungstest:\u003c/strong\u003e Prüfen, ob sich das Ergebnis in die erwartete Richtung verändert, wenn Autorenname, Datum, Schema oder Beleglinks entfernt werden.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eManipulationsresistenztest:\u003c/strong\u003e Prüfen, ob verborgene Formulierungen, gefälschte Profile und duplizierte Pressemitteilungen die Punktzahl nicht übermäßig erhöhen.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTest auf regionale Verzerrung:\u003c/strong\u003e Messen, ob Entitäten gleicher Qualität je nach Sprache oder Land systematisch benachteiligt werden.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eErgebniskalibrierung:\u003c/strong\u003e Werden tatsächliche Beobachtungsdaten zu Zitaten verwendet, sind Frage, Zeitpunkt, Modell und Position gemeinsam zu dokumentieren.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eZitierergebnisse generativer AI können sich je nach Formulierung der Frage und Aktualisierung des Dienstes verändern. Daher sollten tatsächliche Zitierraten nicht als absolute Wahrheit, sondern als externe Validierungskennzahl mit eindeutig angegebenem Zeitpunkt behandelt werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#in-betriebsergebnisse-aufzunehmende-datenspezifikation\" class=\"anchor\" id=\"in-betriebsergebnisse-aufzunehmende-datenspezifikation\"\u003e\u003c/a\u003eIn Betriebsergebnisse aufzunehmende Datenspezifikation\u003c/h2\u003e\n\u003cp\u003eDamit Menschen und andere Systeme die Ergebnisse erneut überprüfen können, kann folgende Struktur bereitgestellt werden.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003e{\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003esnapshot_id\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003esha256:...\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003ecollected_at\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003eISO-8601 timestamp\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003escoring_version\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003eeeat-1.3.0\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003escope\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003edocument\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003etopic_class\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003esoftware-review\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003escores\u003c/span\u003e\u003cspan\u003e\": {\n\u003c/span\u003e\u003cspan\u003e    \"\u003c/span\u003e\u003cspan\u003eexperience\u003c/span\u003e\u003cspan\u003e\": \u003c/span\u003e\u003cspan\u003e72\u003c/span\u003e\u003cspan\u003e,\n\u003c/span\u003e\u003cspan\u003e    \"\u003c/span\u003e\u003cspan\u003eexpertise\u003c/span\u003e\u003cspan\u003e\": \u003c/span\u003e\u003cspan\u003e61\u003c/span\u003e\u003cspan\u003e,\n\u003c/span\u003e\u003cspan\u003e    \"\u003c/span\u003e\u003cspan\u003eauthoritativeness\u003c/span\u003e\u003cspan\u003e\": \u003c/span\u003e\u003cspan\u003e54\u003c/span\u003e\u003cspan\u003e,\n\u003c/span\u003e\u003cspan\u003e    \"\u003c/span\u003e\u003cspan\u003etrustworthiness\u003c/span\u003e\u003cspan\u003e\": \u003c/span\u003e\u003cspan\u003e80\n\u003c/span\u003e\u003cspan\u003e  },\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003econfidence\u003c/span\u003e\u003cspan\u003e\": \u003c/span\u003e\u003cspan\u003e0.74\u003c/span\u003e\u003cspan\u003e,\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003eevidence\u003c/span\u003e\u003cspan\u003e\": [\n\u003c/span\u003e\u003cspan\u003e    {\n\u003c/span\u003e\u003cspan\u003e      \"\u003c/span\u003e\u003cspan\u003edimension\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003eexperience\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e      \"\u003c/span\u003e\u003cspan\u003estatus\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003everified\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e      \"\u003c/span\u003e\u003cspan\u003esource_url\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003ehttps://example.invalid/page\u003c/span\u003e\u003cspan\u003e\",\n\u003c/span\u003e\u003cspan\u003e      \"\u003c/span\u003e\u003cspan\u003erule_id\u003c/span\u003e\u003cspan\u003e\": \"\u003c/span\u003e\u003cspan\u003eEXP-METHOD-02\u003c/span\u003e\u003cspan\u003e\"\n\u003c/span\u003e\u003cspan\u003e    }\n\u003c/span\u003e\u003cspan\u003e  ],\n\u003c/span\u003e\u003cspan\u003e  \"\u003c/span\u003e\u003cspan\u003emissing\u003c/span\u003e\u003cspan\u003e\": [\"\u003c/span\u003e\u003cspan\u003eindependent_author_profile\u003c/span\u003e\u003cspan\u003e\"]\n\u003c/span\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eDie obige URL ist eine ungültige Beispielzeichenfolge, die lediglich die Datenstruktur veranschaulicht. In tatsächlichen Ergebnissen müssen die erfassten Beleg-URLs und die Positionen im Originaltext eingetragen werden. Besteht kein Recht zur erneuten Veröffentlichung des gesamten Originaltexts, sollten nur kurze Belege im erforderlichen Umfang sowie Hash- und Positionsinformationen gespeichert werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#implementierungscheckliste\" class=\"anchor\" id=\"implementierungscheckliste\"\u003e\u003c/a\u003eImplementierungscheckliste\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eBewertungseinheiten in Dokument, Autor, Organisation und Domain unterteilen.\u003c/li\u003e\n\u003cli\u003eAllen Analyzern einen Snapshot desselben Zeitpunkts bereitstellen.\u003c/li\u003e\n\u003cli\u003eEigenbehauptungen und unabhängige externe Verifizierung trennen.\u003c/li\u003e\n\u003cli\u003eExperience und Expertise als separate Dimensionen berechnen.\u003c/li\u003e\n\u003cli\u003eLänderspezifische und sprachspezifische Quellenregister für Authority verwalten.\u003c/li\u003e\n\u003cli\u003eDie Übereinstimmung strukturierter Daten mit sichtbaren Inhalten prüfen.\u003c/li\u003e\n\u003cli\u003eFehlende, widersprüchliche und nicht anwendbare Daten als unterschiedliche Zustände speichern.\u003c/li\u003e\n\u003cli\u003ePunktzahl und Bewertungskonfidenz gemeinsam veröffentlichen.\u003c/li\u003e\n\u003cli\u003eBei Änderungen an Gewichtungen und Regeln die Version erhöhen.\u003c/li\u003e\n\u003cli\u003eVerhindern, dass LLM-Erklärungen Tatsachen außerhalb der Belege ergänzen.\u003c/li\u003e\n\u003cli\u003eVerfahren zur Manipulationserkennung und manuellen Prüfung einrichten.\u003c/li\u003e\n\u003cli\u003eBei der Beobachtung tatsächlicher AI-Zitierergebnisse Modell, Frage und Zeitpunkt dokumentieren.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEntscheidend ist, E-E-A-T nicht zu einer einzigen vagen Eindruckspunktzahl zu verdichten. Überprüfbare Belege, angewandte Regeln, Unsicherheiten und die Herkunftskette der Quellen müssen gemeinsam bereitgestellt werden, damit die Ergebnisse einer GEO-Analyse als Daten für operative Entscheidungen und langfristige Vergleiche nutzbar sind.\u003c/p\u003e\n","tags":["KI","Generative KI","Datenschutz","KI Entwicklung","Technologiestrategie","GEO"],"faqs":[{"question":"Ist der E-E-A-T-Score eine offizielle Kennzahl von Google?","answer":"Nein. Google beschreibt E-E-A-T als ein Konzept zum Verständnis der Inhaltsqualität, veröffentlicht jedoch keine offiziellen Scores für einzelne Webseiten. Der E-E-A-T-Score eines Analysetools ist eine eigene Kennzahl, die auf den von diesem Tool definierten Signalen, Gewichtungen und dem jeweiligen Datenumfang basiert."},{"question":"Kann man die Bewertung direkt einem LLM überlassen, wenn dessen Temperature auf 0 gesetzt wird?","answer":"Dadurch lassen sich Schwankungen reduzieren, eine vollständige Reproduzierbarkeit und Faktentreue werden jedoch nicht garantiert. Die Modellversion, die Kürzung der Eingabe und die Systemeinstellungen können variieren, und es besteht zudem das Risiko, dass Fakten erschlossen werden, die nicht auf der Seite stehen. Daher ist es sicherer, die endgültige Berechnung mit Code durchzuführen, dessen Version festgelegt ist."},{"question":"Warum sollten Experience und Expertise getrennt bewertet werden?","answer":"Experience bezeichnet die Erfahrung, etwas selbst genutzt, besucht, getestet oder betrieben zu haben, während Expertise das entsprechende Wissen, die Berufserfahrung, Qualifikationen und Forschungskompetenz bezeichnet. Ein Rezensent mit umfangreicher praktischer Nutzungserfahrung ist nicht zwangsläufig ein technischer Experte, und auch jemand mit einer fachlichen Qualifikation muss das betreffende Produkt nicht selbst genutzt haben."},{"question":"Kann der Experience-Score erhöht werden, wenn der Autor angibt, etwas selbst genutzt zu haben?","answer":"Eine bloße Selbstauskunft sollte nur als schwaches Signal behandelt werden. Eine höhere Gewichtung sollte erfolgen, wenn zugleich konkrete und überprüfbare Belege vorliegen, etwa Angaben zu Zeitraum, Umgebung, Vorgehensweise und Messmethoden sowie Rohdaten oder selbst erstellte Materialien."},{"question":"Ist die Authority niedrig, wenn es keine Wikipedia- oder Presseartikel gibt?","answer":"Nicht unbedingt. Je nach Land und Branche unterscheiden sich die relevanten externen Quellen. Unabhängige Quellen, die zur jeweiligen Region und zum jeweiligen Fachgebiet passen, etwa Behörden und öffentliche Einrichtungen, wissenschaftliche Einrichtungen, Fachverbände und Branchenmedien, sollten gemeinsam bewertet werden. Wiederveröffentlichte Pressemitteilungen müssen dabei dedupliziert werden."},{"question":"Steigt der GEO-Score, wenn viel Schema-Markup eingefügt wird?","answer":"Wichtiger als die Menge des Schema-Markups sind dessen Genauigkeit und die Übereinstimmung mit den sichtbaren Inhalten. Strukturierte Daten helfen dabei, Entitäten und Dokumentbeziehungen zu verstehen, garantieren jedoch weder die Sichtbarkeit in der Suche noch Zitate durch AI. Falsches oder irrelevantes Markup kann zudem ein Vertrauensrisiko darstellen."},{"question":"Wird man bei einem hohen E-E-A-T-Score zwangsläufig von ChatGPT oder Gemini zitiert?","answer":"Nein. Die Verfahren zur Quellenauswahl der einzelnen Dienste sind nicht vollständig offengelegt, und verschiedene Faktoren wie die Eignung für die Fragestellung, Aktualität, Zugänglichkeit und Darstellungsstruktur können Einfluss darauf haben. E-E-A-T und die Bereitschaft für AI-Zitate können miteinander zusammenhängen, sollten jedoch als separate Scores verwaltet werden."},{"question":"Kann bei gleichen Scores davon ausgegangen werden, dass auch die Analyseergebnisse dieselbe Qualität haben?","answer":"Nein. Ein Score von 80, bei dem ausreichend viele Seiten erfasst wurden, hat eine andere Bedeutung als ein Score von 80, bei dem die Hälfte der Daten fehlt. Zusammen mit dem Score sollte die Zuverlässigkeit der Bewertung ausgewiesen werden, die die Erfassungsabdeckung, die Übereinstimmung der Entitäten und den Anteil verifizierter Belege berücksichtigt."},{"question":"Wie sollten die Gewichtungen des GEO-Scores festgelegt werden?","answer":"Die anfänglichen Gewichtungen sollten als ausdrückliche Produktrichtlinie festgelegt, jedoch anhand eines Experten-Referenzdatensatzes, von Störtests, Tests zur Manipulationsresistenz und realen Beobachtungsdaten kalibriert werden. Für Bereiche mit unterschiedlichen Themenrisiken und Nutzerabsichten, etwa Medizin, Finanzen und Produktrezensionen, sind unterschiedliche Profile erforderlich."},{"question":"Für welche Aufgaben eignet sich ein LLM in einem GEO-Analysesystem?","answer":"Es kann zur Extraktion potenzieller Aussagen, zur Klassifizierung von Sätzen, zur Suche nach Namensvarianten und zur natürlichsprachlichen Erklärung der vom Code berechneten Ergebnisse eingesetzt werden. Allerdings sollten alle Ergebnisse mit Belegen im Originaltext verknüpft werden, während die endgültige Berechnung des Scores sowie die Regeln für Obergrenzen und Abzüge vorzugsweise von deterministischem Code übernommen werden."}],"sources":[{"url":"https://developers.google.com/search/docs/fundamentals/creating-helpful-content","title":"Hilfreiche, zuverlässige und nutzerorientierte Inhalte erstellen","type":"source"},{"url":"https://developers.google.com/search/docs/appearance/ai-features","title":"KI-Funktionen und Ihre Website","type":"source"},{"url":"https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data","title":"Einführung in das Markup für strukturierte Daten in der Google-Suche","type":"source"},{"url":"https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview","title":"Mehr über Sitemaps erfahren","type":"source"},{"url":"https://schema.org/Person","title":"Schema.org Person","type":"source"},{"url":"https://schema.org/Organization","title":"Schema.org Organization","type":"source"},{"url":"https://www.w3.org/TR/prov-o/","title":"PROV-O: Die PROV-Ontologie","type":"source"},{"url":"https://arxiv.org/abs/2311.09735","title":"GEO: Optimierung für generative Suchmaschinen","type":"source"}],"images":[{"id":902,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTIwOTYsInB1ciI6ImJsb2JfaWQifX0=--085c51ba6ec88e1b1f3d7efa109fae3f43e51b14/ai-9f49d198.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"사무실에서 대형 터치스크린 분석 대시보드를 조작하는 여성","caption":"분석가가 대형 대시보드에서 데이터와 평가 항목을 검토하고 있다.","description":null},"en":{"alt":"Woman using a large touchscreen analytics dashboard in an office","caption":"An analyst reviews data and evaluation criteria on an interactive dashboard.","description":null},"ja":{"alt":"オフィスで大型タッチスクリーンの分析ダッシュボードを操作する女性","caption":"分析担当者が対話型ダッシュボードでデータと評価項目を確認している。","description":null},"es":{"alt":"Mujer usando un panel analítico táctil de gran tamaño en una oficina","caption":"Una analista revisa datos y criterios de evaluación en un panel interactivo.","description":null},"id":{"alt":"Perempuan menggunakan dasbor analitik layar sentuh besar di kantor","caption":"Seorang analis meninjau data dan kriteria penilaian pada dasbor interaktif.","description":null},"pt":{"alt":"Mulher usando um painel analítico em uma grande tela sensível ao toque","caption":"Uma analista revisa dados e critérios de avaliação em um painel interativo.","description":null},"zh-hant":{"alt":"女子在辦公室操作大型觸控分析儀表板","caption":"分析人員透過互動式儀表板檢視資料與評估項目。","description":null},"de":{"alt":"Frau bedient ein großes Touchscreen-Analyse-Dashboard in einem Büro","caption":"Eine Analystin prüft Daten und Bewertungskriterien auf einem interaktiven Dashboard.","description":null}}},{"id":903,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTIxMDIsInB1ciI6ImJsb2JfaWQifX0=--899ddbc79483c66a1ff40af5062b06b2fc48617a/ai-79b1d31e.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"웹페이지 데이터를 보안 서버와 4개 평가 모듈로 분석해 점수 대시보드로 출력하는 흐름도","caption":"콘텐츠, 작성자, 연결망, 신뢰도 신호를 통합해 E-E-A-T 점수를 산출하는 분석 과정을 보여준다.","description":null},"en":{"alt":"Flowchart of webpage data passing through a secure server and four modules into scoring dashboards","caption":"The diagram shows content, author, network, and trust signals being combined into reproducible E-E-A-T scores.","description":null},"ja":{"alt":"ウェブページのデータを安全なサーバーと4つの評価モジュールで処理し、スコア画面へ送るフロー図","caption":"コンテンツ、著者、ネットワーク、信頼性のシグナルを統合してE-E-A-Tスコアを算出する流れを示している。","description":null},"es":{"alt":"Diagrama del paso de datos web por un servidor seguro y cuatro módulos hasta paneles de puntuación","caption":"El diagrama muestra cómo se combinan señales de contenido, autoría, red y confianza para puntuar E-E-A-T.","description":null},"id":{"alt":"Diagram alur data halaman web melalui server aman dan empat modul menuju dasbor penilaian","caption":"Diagram ini menunjukkan penggabungan sinyal konten, penulis, jaringan, dan kepercayaan untuk menghasilkan skor E-E-A-T.","description":null},"pt":{"alt":"Fluxograma de dados de página web passando por servidor seguro e quatro módulos até painéis de pontuação","caption":"O diagrama mostra a combinação de sinais de conteúdo, autoria, rede e confiança para gerar pontuações de E-E-A-T.","description":null},"zh-hant":{"alt":"網頁資料經安全伺服器與四個評估模組處理後輸出至評分儀表板的流程圖","caption":"此圖呈現內容、作者、網路與信任訊號如何整合為可重現的 E-E-A-T 分數。","description":null},"de":{"alt":"Flussdiagramm: Webseitendaten laufen über einen sicheren Server und vier Module zu Bewertungs-Dashboards","caption":"Das Diagramm zeigt, wie Inhalts-, Autoren-, Netzwerk- und Vertrauenssignale zu E-E-A-T-Werten kombiniert werden.","description":null}}}],"published_at":"2026-08-26T15:49:11+09:00","updated_at":"2026-08-26T15:49:11+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/geo-eeat-scoring-system-design"}