chard: Googles seiten-level Content-Qualitäts-Modell

01Was ist chard?

chard ist Googles seitenbasiertes Content-Qualitätsmodell. Es bewertet die Qualität einzelner Seiten, kalibriert anhand der Urteile menschlicher Quality Rater, die Google gemäß den Quality Rater Guidelines (QRG) schult. Der Name 'chard' – ein blättriges grünes Gemüse – folgt Googles Muster, Systeme nach Lebensmitteln zu benennen, ähnlich wie 'tofu' und 'kale'.

Das Google API-Leak enthüllt zwei chard-Felder: chardScores (die Qualitätsbewertungen selbst) und chardVariance (ein Konfidenzmaß, das anzeigt, wie sicher das Modell in seinem Urteil ist). Zusammen liefern diese beiden Felder sowohl eine Qualitätsbewertung als auch einen Zuverlässigkeitsindikator für diese Bewertung.

chard ist speziell dafür ausgelegt, Content-Qualität zu bewerten, nicht Link-Qualität oder Nutzerverhalten. Es bewertet den Text, die Struktur und den Gehalt einer Seite – ob der Hauptinhalt hilfreich ist, ob ergänzende Inhalte einen Mehrwert bieten und ob die Seite die in den QRG beschriebenen E-E-A-T-Signale aufweist.

02Die Kalibrierungskette: IS-Kalibrierung → chard → NSR

chard wird von IS-Calibration (System 12) gespeist — dem Human-Rater-System, das Ground Truth für Qualitätsmodelle liefert. Das bedeutet, dass chards Qualitätswerte letztlich aus menschlichen Urteilen abgeleitet werden: Rater bewerten Seiten gemäß der QRG, und chard lernt vorherzusagen, was ein Rater über eine neue Seite sagen würde.

chard fließt in NSR (System 7) ein, den normalisierten Site-Rank. Dies schafft eine dreistufige Qualitätskette: IS-Calibration liefert die Ground Truth (menschliche Urteile), chard erstellt Qualitätsvorhersagen auf Seitenebene, und NSR aggregiert diese zu Qualitätswerten auf Site-Ebene. Jede Ebene transformiert das Signal: Rater-Urteile werden zu Modellvorhersagen, und Modellvorhersagen werden zu siteweiten Aggregaten.

Das Feld chardVariance ist architektonisch bedeutsam. Ein hoher Varianzwert bedeutet, dass das Modell bei seiner Qualitätsbewertung unsicher ist — möglicherweise weil der Seitentyp ungewöhnlich ist, der Inhalt mehrdeutig ist oder die Seite nicht gut zu den Trainingsdaten passt. Diese Unsicherheit kann nachgelagert genutzt werden: NSR könnte chard-Scores mit hoher Varianz geringer gewichten oder sie zur zusätzlichen Rater-Überprüfung markieren.

03YMYL: Your-Money-Your-Life-Seiten

chard ist besonders relevant für YMYL-Seiten (Your Money Your Life) – Seiten, die potenziell die Gesundheit, finanzielle Stabilität oder Sicherheit des Nutzers beeinflussen könnten. Die QRG setzt höhere E-E-A-T-Standards für YMYL-Seiten, und chards Kalibrierung spiegelt dies wider: Eine YMYL-Seite muss höhere Expertise, Autorität und Vertrauenswürdigkeit demonstrieren als eine Nicht-YMYL-Seite, um denselben Qualitätsscore zu erhalten.

Die YMYL-Klassifizierung ist nicht binär – sie ist ein Spektrum. Medizinische Informationen zur Behandlung einer Krankheit sind eindeutig YMYL. Ein Rezept für Schokoladenkuchen eindeutig nicht. Aber Finanztipps, rechtliche Informationen und Nachrichten über aktuelle Ereignisse liegen auf einem Spektrum, durch das chard navigieren muss.

Die Kombination aus chard und YMYL schafft ein spezifisches Risiko für Publisher: Inhalte, die technisch korrekt sind, aber die für ihre YMYL-Kategorie erwarteten E-E-A-T-Signale vermissen lassen, erhalten einen niedrigeren chard-Score. Ein medizinischer Artikel, der von einem Nicht-Experten verfasst wurde, kann selbst bei faktischer Korrektheit niedriger bewertet werden als einer, der von einem approbierten Arzt geschrieben wurde – weil die QRG die Rater anweist, die Qualifikationen des Autors bei YMYL-Inhalten zu bewerten.

04chard in der Ranking-Architektur

chard operiert auf der Dokumentenebene (Reach: Doc) — es erzeugt Qualitätsbewertungen für einzelne Seiten, nicht für gesamte Websites. Dies unterscheidet sich architektonisch von Panda (Website-Ebene) und Q* (Website-Ebene): chard bewertet jede Seite nach ihren eigenen Merkmalen, während Panda und Q* über die gesamte Website aggregieren.

Die E-E-A-T-Dimensions-Zuordnung für chard ist Expertise (Exp: primary) — das primäre Signal, das chard liefert, ist, ob die Seite echte Expertise demonstriert. Das indirekte Trust-Signal (T: indirect) ergibt sich aus der Tatsache, dass qualitativ hochwertiger Inhalt vertrauenswürdiger ist, aber Trust ist nicht chards primäre Funktion.

chard hat keine vorgelagerten Abhängigkeiten über IS-Calibration hinaus (fedBy: [12]). Dies macht chard zu einem fokussierten Einzelquellen-Modell: Es nimmt die Rater-Kalibrierung als Eingabe und erzeugt Qualitätsvorhersagen auf Seitenebene. Die Einfachheit dieser Architektur — eine Eingabe, eine Ausgabe — ist charakteristisch für Qualitätsmodelle, die transparent und debuggbar sein müssen.

05Implikationen für SEO-Praktiker

Die Kalibrierungskette von chard bedeutet, dass Inhaltsqualität letztlich durch die QRG definiert wird. Die effektivste SEO-Strategie für chard besteht darin, zu verstehen, was die QRG als hochwertigen Inhalt beschreibt, und Inhalte zu produzieren, die diesen Kriterien entsprechen – nicht zu versuchen, das Modell rückwärts zu analysieren.

Das Feld chardVariance hat eine wichtige Implikation: Seiten, die ungewöhnlich sind oder nicht in gängige Muster passen, können Scores mit hoher Varianz erhalten. Das ist nicht von Natur aus schlecht – es bedeutet, dass das Modell unsicher ist, nicht dass die Seite von niedriger Qualität ist. Es bedeutet jedoch, dass ungewöhnliche Inhalte möglicherweise länger brauchen, um zu ranken, da das System mehr Daten benötigt, um sie zuverlässig zu bewerten.

Für YMYL-Inhalte bedeutet die Betonung der QRG auf Autoren-Credentials, dass Autorschaftssignale eine Rolle spielen. Bylines, Autoren-Bios und Autoren-Seiten, die Expertise demonstrieren, sind nicht nur gutes UX – sie sind Signale, die chard möglicherweise verwendet, um zu beurteilen, ob die Seite die YMYL E-E-A-T-Standards erfüllt.

Die Hoax-Erkennungskomponente bedeutet, dass Inhalte, die sachlich falsch oder irreführend sind – selbst wenn sie gut geschrieben sind – bestraft werden. Das ist besonders wichtig für Nachrichtenverlage: Ein gut geschriebener Artikel, der sachliche Fehler enthält, erhält einen niedrigeren chard-Score als ein weniger ausgefeilter, aber sachlich korrekter Artikel.

06Quellen