# E-E-A-T Mechanics — maschinenlesbare Referenz Evidenz-disziplinierte Zuordnung von Google-Ranking-Systemen zum E-E-A-T-Rahmen. Rohquelle zur Nutzung in LLMs (Claude Code, Claude Skills, Agenten, RAG). Englische Fassung: https://eeat-mechanics.com/llms.txt © Thomas Wawra · Senior SEO Manager · wetter.com — ein Unternehmen von Funke Digital · https://www.wetter.com/impressum/ Stand: v1 · 2026 · Norm: QRG 2025-09-11 · 25 Systeme · 38 Felder Belegcodes: [A] Eid/DOJ · [B] Leak · [O] offiziell · [C] Interpretation Leseregel: [A] und [B] sind dokumentiert, [C] ist Interpretation und muss beim Zitieren als solche gekennzeichnet werden. Page Quality und Needs Met werden getrennt beurteilt, nie gemittelt. ## Ranking-Systeme ### 1. NavBoost / CRAPS - Funktionsklasse: Verhalten - E-E-A-T: E=indirekt · Exp=indirekt · A=primaer · T=primaer - Achse: Gebrauch (Suche) - Reichweite: Dok - Eichquelle: Verhalten - Belegcode: A/B - Leak-Felder: goodClicks, badClicks, lastLongestClicks - Speist: Tangram - Gespeist von: IP-Prior / Squashing / voterToken **Was es misst:** NavBoost beobachtet, was Nutzer nach einer Google-Suche tun: Klickt jemand auf eine Wetterseite und bleibt dort — oder springt sofort zu Google zurück? Der letzte, längste Klick einer Sitzung ist das stärkste Signal, weil er zeigt, dass das Bedürfnis wirklich befriedigt wurde. So wird reales Nutzerverhalten zum Re-Ranking-Signal — ohne dass Google den Inhalt direkt lesen muss. **Woraus:** Anonymisierte, aggregierte Klickprotokolle aus Google-Suchergebnissen — pro Suchanfrage und pro Dokument. Google beobachtet Muster über viele Nutzer hinweg, nicht das Verhalten einzelner Personen. **Metrik-Detail:** goodClicks/badClicks = als zufriedenstellend bzw. enttäuschend gewertete Klicks; lastLongestClicks = der letzte, längste Klick einer Session - das stärkste Zufriedenheitssignal, weil er das beendete Bedürfnis markiert. [B] Felder, [C] Schwellen. **Beleglage:** [B] Feldnamen; [A] in DOJ-/Eid-Material als zentrales Signal bestätigt. **Begründung:** Autorität (A) und Vertrauen (T) sind primär: Wenn Nutzer auf eine Seite klicken und nicht sofort zurückspringen, beweist das, dass die Seite als vertrauenswürdige, anerkannte Quelle wahrgenommen wird. Expertise (Exp) und Experience (E) sind indirekt — NavBoost fungiert als 'Lügendetektor': Seiten, die fachlich schwach sind, werden gemieden, auch wenn man das von außen nicht sieht. **Strategische Konsequenz:** NavBoost lässt sich nicht direkt manipulieren — es bildet echte Nutzerzufriedenheit ab. Für wetter.com bedeutet das: Titel und Beschreibungstext in den Suchergebnissen müssen halten, was sie versprechen. Wer für 'Sturm Berlin morgen' eine allgemeine Klimaseite ausliefert, riskiert sofortige Rücksprünge — und damit ein schlechteres Ranking. Die beste Optimierung ist eine Seite, die das Informationsbedürfnis wirklich erfüllt. ### 2. Glue / Instant Glue - Funktionsklasse: Verhalten - E-E-A-T: E=indirekt · Exp=indirekt · A=primaer · T=primaer - Achse: Gebrauch (Suche) - Reichweite: Dok - Eichquelle: Verhalten - Belegcode: B - Leak-Felder: Feature-Klicks/Hovers (wie NavBoost) - Speist: Tangram **Was es misst:** Das Gegenstück zu NavBoost für spezielle Google-Elemente wie Karussells, 'People also ask'-Boxen oder News-Features. Glue misst, ob Nutzer mit diesen Elementen interagieren — also ob sie auf ein Wetter-Karussell tippen, eine Vorhersage in der PAA-Box aufklappen oder über ein Nachrichten-Feature zu wetter.com gelangen. Instant Glue ist die Echtzeit-Variante für schnell wechselnde Ereignisse. **Woraus:** Hover- und Klickinteraktionen auf SERP-Features (Karussells, PAA-Boxen, News-Feature) auf Google-Suchergebnisseiten. **Metrik-Detail:** Misst Interaktionen mit SERP-Features (Hovers, Klicks auf Karussell/PAA) statt Web-Klicks; Instant Glue = kurzfristige Echtzeit-Aggregation derselben Signale. [B/C] **Beleglage:** [B] beschrieben als NavBoost-Pendant für Features. **Begründung:** Funktioniert nach derselben Logik wie NavBoost: Autorität und Vertrauen werden durch gelebte Nachfrage bestätigt. Wenn Nutzer über SERP-Features zu wetter.com gelangen und dort verbleiben, zählt das genauso wie ein regulärer Web-Klick. **Strategische Konsequenz:** Wetter.com sollte Inhalte so aufbereiten, dass sie in Google-Features eingebunden werden: strukturierte Daten (Schema.org), klare Vorhersage-Widgets, aktuelle Wettermeldungen mit Nachrichtenwert. Wer in Karussells und PAA-Boxen auftaucht und dort Klicks erzielt, profitiert von denselben Ranking-Signalen wie bei organischen Web-Klicks. ### 3. Tangram - Funktionsklasse: Verhalten - E-E-A-T: E=none · Exp=none · A=indirekt · T=indirekt - Achse: Gebrauch (Suche) - Reichweite: Dok - Eichquelle: — - Belegcode: B - Leak-Felder: – - Gespeist von: NavBoost / CRAPS, Glue / Instant Glue **Was es misst:** Tangram bewertet selbst gar nichts — es ist die Zusammenbau-Schicht, die aus den Bewertungen von NavBoost und Glue die finale Suchergebnisseite zusammenstellt. Stell es dir vor wie einen Dirigenten: Er entscheidet, welche Elemente an welcher Stelle der Suchergebnisseite erscheinen, aber er beurteilt nicht, ob die Inhalte gut sind. **Woraus:** Die Ausgaben von NavBoost und Glue als Input — Tangram kombiniert diese Verhaltensbewertungen zu einer SERP-Anordnung, trifft selbst keine Urteile. **Metrik-Detail:** GlueResponse = der von Glue gelieferte Verhaltens-Input, den Tangram zur finalen SERP-Anordnung zusammensetzt; Tangram selbst ist die Kompositions-Schicht, kein Messwert. [B/C] **Beleglage:** [B] Feldnamen. **Begründung:** Tangram hat keinen direkten E-E-A-T-Bezug, weil es nicht urteilt. Autorität und Vertrauen erscheinen nur indirekt, weil Tangram die Ergebnisse von Systemen anordnet, die diese Dimensionen messen. **Strategische Konsequenz:** Es gibt keinen direkten Hebel bei Tangram. Wer NavBoost und Glue durch echte Nutzerzufriedenheit optimiert, profitiert automatisch — Tangram zeigt dann die Inhalte an der richtigen Stelle in der richtigen Reihenfolge. ### 4. Chrome-Systeme - Funktionsklasse: Verhalten - E-E-A-T: E=none · Exp=none · A=indirekt · T=primaer - Achse: Gebrauch (Browser) - Reichweite: Site - Eichquelle: Verhalten - Belegcode: B - Leak-Felder: chromeInTotal, uniqueChromeViews **Was es misst:** Wie oft wird wetter.com insgesamt im Chrome-Browser aufgerufen — unabhängig davon, ob jemand über Google-Suche kam oder die URL direkt eingegeben hat. Hohe Direktaufrufe zeigen, dass Nutzer der Seite so sehr vertrauen, dass sie direkt dorthin navigieren. Das ist ein Maß für Markenpopularität und Wiederkehrbereitschaft. **Woraus:** Aggregierte, anonymisierte Browser-Nutzungsdaten aus Chrome — Gesamtaufrufe und eindeutige Besucher auf Site-Ebene, nicht auf Seitenebene. **Metrik-Detail:** chromeInTotal = Gesamtzahl der Chrome-Aufrufe einer Site; uniqueChromeViews = eindeutige Betrachter. Zusammen ein site-weites, themenungebundenes Nutzungs-/Popularitätsmaß aus Browserdaten. [B Felder, C Gewichtung] **Beleglage:** [B] Feldnamen. **Begründung:** Vertrauen (T) ist primär, weil direkte Browseraufrufe eine starke Vertrauensaussage sind — man geht direkt zur Quelle, ohne Google zu fragen. Autorität (A) ist indirekt. Kein Expertise- oder Experience-Bezug: Chrome-Daten sind themenunabhängig und messen Markenbekanntheit, nicht Fachkompetenz. **Strategische Konsequenz:** Dieser Wert lässt sich nicht durch Seitenoptimierung allein verbessern — er entsteht aus echter Markenbekanntheit und Wiederkehrgewohnheit. Für wetter.com stärken App-Nutzung, Newsletter, Browser-Lesezeichen und direkte Aufrufe das Chrome-Signal langfristig mehr als jede SEO-Maßnahme auf einzelnen Seiten. ### 5. IP-Prior / Squashing / voterToken - Funktionsklasse: Verhalten - E-E-A-T: E=none · Exp=none · A=none · T=indirekt - Achse: Gebrauch (Suche) - Reichweite: Site - Eichquelle: Muster - Belegcode: B - Leak-Felder: unscaledIpPriorBadFraction, voterToken - Speist: NavBoost / CRAPS **Was es misst:** Dieses System schützt die Integrität der Klick-Daten. Es erkennt, wenn Klick-Muster unnatürlich wirken — zum Beispiel wenn viele Klicks von denselben IP-Adressen kommen oder künstlich auf eine Seite gelenkt werden. Solche verdächtigen Klicks werden herausgefiltert ('gedämpft'), bevor sie das Ranking beeinflussen können. **Woraus:** IP-Adress-basierte Vertrauenswerte und ein 'Stimmzettel'-System (voterToken), das einzelne Klick-Einheiten identifiziert, um Mehrfachzählung zu verhindern. **Metrik-Detail:** unscaledIpPriorBadFraction = Anteil verdächtiger Klicks je IP-Bereich vor Skalierung (Manipulationsdämpfung); voterToken = Einheit, die einen Klick-'Stimmzettel' identifiziert, um Mehrfachabstimmung zu erschweren. [B Felder, C Mechanik] **Beleglage:** [B] Feldnamen. **Begründung:** Nur Vertrauen (T, indirekt): Das System trifft keine inhaltlichen Aussagen, sondern schützt die Verlässlichkeit der Messdaten. Es ist der Qualitätswächter für alle Verhaltenssignale. **Strategische Konsequenz:** Für wetter.com gibt es hier keinen direkten Handlungsbedarf. Wichtig zu wissen: Clickbait-Aktionen oder gekaufte Klick-Pakete bleiben wirkungslos — sie werden herausgefiltert, bevor sie das Ranking berühren. Echte Nutzerzufriedenheit ist die einzige nachhaltige Strategie. ### 6. Q* (Saldo) - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=indirekt · Exp=indirekt · A=primaer · T=primaer - Achse: Bonität - Reichweite: Site - Eichquelle: Rater (IS) - Belegcode: B - Leak-Felder: siteAuthority + lowQuality + nsr (Aggregat) - Speist: SegIndexer / Tiers - Gespeist von: NSR (+ Fallback-Vererbung), hostAge-Sandbox **Was es misst:** Q* ist eine zusammenfassende Qualitätsnote für die gesamte Website — ein 'Kontostand', der sich aus der Autorität der Site (siteAuthority), einem Minderqualitäts-Flag (lowQuality) und dem NSR-Gesamtwert zusammensetzt. Diese Note ändert sich langsam: interne Google-Dokumente beschreiben sie als 'largely static' (weitgehend statisch) — ein träges Fundament, kein tagesaktuelles Signal. **Woraus:** Kombination aus siteAuthority und lowQuality (beide aus dem NSR-System abgeleitet) mit dem NSR-Gesamtwert. Q* konsumiert NSR, berechnet ihn nicht selbst. **Metrik-Detail:** Kein Einzelfeld: siteAuthority (Autorität) + lowQuality (Minderqualitäts-Flag) + NSR laufen zum Q*-Saldo zusammen; siteAuthority und lowQuality stammen beide aus quality_nsr und werden in Qstar angewandt. [B] **Beleglage:** [B] siteAuthority 'converted from quality_nsr ... applied in Qstar'. **Begründung:** Autorität (A) und Vertrauen (T) sind primär: Q* bildet den langfristigen Ruf der Site ab — wird diese Seite als verlässliche, anerkannte Quelle wahrgenommen? Expertise (Exp) und Experience (E) fließen indirekt ein, weil die zugrundeliegenden Inhaltssignale in Q* eingerechnet sind. **Strategische Konsequenz:** Q* reagiert nicht auf einzelne Seitenverbesserungen — es braucht konsistente Qualität über Monate und Jahre. Für wetter.com heißt das: langfristige Inhaltsqualität schlägt kurzfristige SEO-Tricks. Seiten mit dauerhaft niedrigen Qualitätswerten ziehen den gesamten Q*-Wert der Site nach unten. ### 7. NSR (+ Fallback-Vererbung) - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=none · Exp=indirekt · A=primaer · T=indirekt - Achse: Bonität - Reichweite: Site - Eichquelle: gemischt - Belegcode: B/C - Leak-Felder: predictedDefaultNsr, nsrConfidence - Speist: Q* (Saldo) - Gespeist von: chard (+ YMYL/Hoax), contentEffort, tofu / keto / Rhubarb / Subchunks, OriginalContentScore, Topic-Embeddings (Fokus/Radius) **Was es misst:** NSR (Normalized Site Rank) ist der eigentliche Qualitätskern — ein normierter Qualitäts- und Autoritätswert, der für einzelne 'Chunks' (Teilbereiche) einer Website berechnet wird. Neu hinzukommende Bereiche erben zunächst den Durchschnittswert ihrer Nachbar-Chunks ('Fallback-Vererbung'). Das historisierte Signal (predictedDefaultNsr) zeigt die Entwicklung über Zeit — die Trajektorie zählt, nicht der heutige Einzelwert. **Woraus:** Vier kombinierte Datenvektoren: (1) Linkstruktur aus dem Web, (2) Klick- und Zufriedenheitsverhalten, (3) thematische Fokus-Vektoren (mathematische Darstellungen des Themenraums, sog. Embeddings), (4) aggregierte Inhaltsqualität aus chard, OCS und contentEffort. **Metrik-Detail:** predictedDefaultNsr = historisierte Basis-Qualitätsnote (VersionedFloatSignal -> die Trajektorie/Konsistenz ist das Signal, nicht der Tageswert); nsrConfidence = Googles Konfidenz in das eigene NSR-Urteil (deprecated). [B Felder, C Deutung] **Beleglage:** [B] Felder + Konversion zu siteAuthority/lowQuality; [C] Vektor-Gewichtung. **Begründung:** Autorität (A) ist primär — NSR ist der maschinelle Kern der Autoritätsbewertung. Expertise (Exp) und Vertrauen (T) sind indirekt eingebaut. Experience (E) hat keinen Bezug: Erstmaterial aus einzelnen Artikeln geht bei der Aggregation auf Site-Ebene im Durchschnitt unter. **Strategische Konsequenz:** Für wetter.com zählt die langfristige Entwicklung, nicht der Tageswert. Neue Themenbereiche starten mit dem Hausdurchschnitt — schwache Nachbarschaft zieht runter. Das aktive Bereinigen dünner Seiten (Pruning) hebt den Schnitt des gesamten Bereichs und damit auch den NSR. ### 8. chard (+ YMYL/Hoax) - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=none · Exp=primaer · A=none · T=indirekt - Achse: Formqualität - Reichweite: Dok→Site - Eichquelle: Rater (IS) - Belegcode: B - Leak-Felder: chardScores, chardVariance - Speist: NSR (+ Fallback-Vererbung) - Gespeist von: IS-Eichung (Rater/QRG) **Was es misst:** chard bewertet die Inhaltsqualität einzelner Seiten — geeicht an den Urteilen menschlicher Quality Rater, die Google nach strengen Richtlinien (QRG) schult. Eine Varianz-Kennzahl zeigt an, wie sicher sich das Modell in seinem Urteil ist. Besonders scharf reagiert chard bei YMYL-Inhalten (Your Money or Your Life — Themen mit echter Lebensrelevanz wie Gesundheit, Sicherheit, Extremwetter) und bei Verdacht auf Falschinformationen. **Woraus:** Ein maschineller Inhaltsklassifikator, der anhand von chardScore und chardVariance arbeitet. Er ist darauf trainiert, so zu urteilen wie ein geschulter menschlicher Rater. Das Ergebnis fließt in den NSR-Inhaltsvektor ein. **Metrik-Detail:** chardScore = Inhaltsqualitäts-Wert pro Dokument; chardVariance = dessen Streuung/Unsicherheit (hohe Varianz = unsicheres Urteil über die Seite). [B Felder, C Bedeutung der Varianz] **Beleglage:** [B] Felder; [A/C] Rater-Eichung gestützt auf belegte Kette. **Begründung:** Expertise (Exp) ist primär — chard misst direkt, ob ein Inhalt fachlich fundiert und korrekt ist, so wie ein Experte es einschätzen würde. Vertrauen (T) ist indirekt enthalten. **Strategische Konsequenz:** Wetterwarnungen und Unwettermeldungen auf wetter.com fallen in den YMYL-Bereich — Menschen treffen echte Entscheidungen (Reise absagen, Keller leeren) aufgrund dieser Inhalte. Solche Seiten müssen korrekt, aktuell und klar formuliert sein. Fehlerhafte oder irreführende Angaben können nicht nur Nutzer schädigen, sondern auch den chard-Score dauerhaft belasten. ### 9. contentEffort - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=indirekt · Exp=primaer · A=none · T=indirekt - Achse: Formqualität - Reichweite: Dok→Site - Eichquelle: Rater (IS) - Belegcode: B - Leak-Felder: contentEffort (LLM-Aufwand) - Speist: NSR (+ Fallback-Vererbung) - Gespeist von: IS-Eichung (Rater/QRG) **Was es misst:** Ein KI-Sprachmodell schätzt, wie viel redaktionellen Aufwand und Tiefe in eine Seite geflossen ist. Das System unterscheidet zwischen oberflächlichen, maschinell generierten Inhalten und Seiten, die erkennbare Recherche, Struktur und Substanz aufweisen. Es ist keine harte Messung, sondern eine Modellschätzung — aber eine, die zunehmend zuverlässig dünne KI-Inhalte von echtem redaktionellem Engagement unterscheidet. **Woraus:** Ein einzelner KI-geschätzter Wert, der aus dem Textinhalt der Seite destilliert wird. Das Modell wurde darauf trainiert, Aufwand und Tiefe zu erkennen. Das Ergebnis fließt in NSR ein. **Metrik-Detail:** Ein einzelner LLM-geschätzter Wert für Erstellungsaufwand/Tiefe - kein Roh-Messwert, sondern eine Modellschätzung; trennt Substanz von KI-Dünnware. [B Feld, C Skala] **Beleglage:** [B] Feld. **Begründung:** Expertise (Exp) ist primär — hoher Erstellungsaufwand ist ein Zeichen für fachliches Engagement. Experience (E) ist indirekt, weil aufwändige Inhalte häufig auch Erstmaterial enthalten. Vertrauen (T) ist indirekt. **Strategische Konsequenz:** Für Redakteure bei wetter.com: Automatisch generierte Forecast-Seiten ohne redaktionellen Mehrwert haben schlechtere Chancen als Seiten mit Kontext und Einordnung. Eine Sturm-Meldung, die erklärt was das für Alltagsreisende bedeutet, bekommt mehr contentEffort-Punkte als eine, die nur Temperaturen und Windgeschwindigkeiten auflistet. ### 10. tofu / keto / Rhubarb / Subchunks - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=none · Exp=indirekt · A=none · T=indirekt - Achse: Formqualität - Reichweite: Dok→Site - Eichquelle: Rater (IS) - Belegcode: B/C - Leak-Felder: tofu, keto, Rhubarb, Subchunk-Deltas - Speist: NSR (+ Fallback-Vererbung) - Gespeist von: IS-Eichung (Rater/QRG) **Was es misst:** Diese Codenamen stehen für Verfeinerungssignale, die die Qualitätsschätzung auf sehr kleiner Ebene — einzelnen Teilabschnitten (Subchunks) einer Seite — präzisieren. Die genaue Funktion ist aus den verfügbaren Dokumenten nicht vollständig belegt. Sie sind kein eigenständiges Hauptsystem, sondern verfeinern chard und NSR auf Abschnittsebene. **Woraus:** Interne Codenamen aus dem Leak-Material; die genauen Eingabedaten sind nicht vollständig dokumentiert. Die schwächste Beleglage in der gesamten Matrix. **Metrik-Detail:** Codenamen für Verfeinerungs-/Delta-Signale auf Subchunk-Ebene; Subchunk-Deltas = Aenderungen der Qualitätsschätzung zwischen Teilabschnitten. Funktion überwiegend vermutet. [B Existenz, C Mechanik] **Beleglage:** [B] Existenz der Codenamen; [C] genaue Funktion - schwächste Beleglage der Matrix. **Begründung:** Expertise (Exp) und Vertrauen (T) sind indirekt und bewusst zurückhaltend eingestuft, weil die Belege für die genaue Mechanik fehlen. Diese Signale sind Feintuning, keine Haupthebel. **Strategische Konsequenz:** Es gibt keinen eigenen Handlungshebel. Wer chard und NSR durch gute Inhaltsqualität verbessert, verbessert automatisch auch diese abgeleiteten Signale. Intern kommunizieren: Die Codenamen sind zwar dokumentiert, ihre genaue Wirkung bleibt aber Deutung — keine falschen Versprechen machen. ### 11. OriginalContentScore - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=primaer · Exp=indirekt · A=none · T=none - Achse: Formqualität - Reichweite: Dok→Site - Eichquelle: Rater (IS) - Belegcode: B/C - Leak-Felder: OriginalContentScore - Speist: NSR (+ Fallback-Vererbung) - Gespeist von: IS-Eichung (Rater/QRG) **Was es misst:** Dieser Score misst, wie viel Erstmaterial in einem Inhalt steckt — also Informationen, die nur dort zu finden sind und die eine KI nicht aus anderen Quellen rekonstruieren könnte. Je höher der Score, desto originärer der Inhalt. Es ist das nächste maschinelle Äquivalent zur E-E-A-T-Dimension 'Experience' (gelebte Erfahrung und eigene Beobachtung). **Woraus:** Ein KI-basierter Score, der aus dem Textinhalt ableitet, wie viel Erstmaterial vorhanden ist. Er speist den NSR-Inhaltsvektor. **Metrik-Detail:** Ein Wert für den Originalitäts-/Erstmaterial-Grad eines Inhalts: je höher, desto weniger anderswo rekonstruierbar (maschinennächster Experience-Proxy). [B Feld, C Experience-Lesart] **Beleglage:** [B] Feld; [C] Experience-Lesart. **Begründung:** Experience (E) ist primär — dieser Score ist das einzige Inhaltssignal, das direkt 'eigene Erfahrung' messen kann. Expertise (Exp) ist indirekt. Wichtig: Bei der Aggregation auf Site-Ebene (NSR) 'verdunstet' Experience — ein einzelner origineller Artikel verliert sich im Durchschnitt vieler Seiten. **Strategische Konsequenz:** Für wetter.com: Eigene Messdaten, meteorologische Einschätzungen aus dem eigenen Messnetz, eigene Beobachtungen — all das erhöht den OriginalContentScore. Ein Redakteur, der schreibt 'Unsere Station in Hamburg-Fuhlsbüttel misst gerade 87 km/h Windböen', erzeugt mehr Originalwert als jemand, der dieselbe Zahl aus einem anderen Dienst übernimmt. Eigene Daten sichtbar auszeichnen. ### 12. IS-Eichung (Rater/QRG) - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=primaer · Exp=primaer · A=primaer · T=primaer - Achse: Norm (übergreifend) - Reichweite: — - Eichquelle: Quelle - Belegcode: A - Leak-Felder: IS-Score, siteQualityStddev - Speist: chard (+ YMYL/Hoax), contentEffort, tofu / keto / Rhubarb / Subchunks, OriginalContentScore, Panda / BabyPanda **Was es misst:** Kein Live-Signal, das täglich im Ranking eingesetzt wird — sondern die Grundlage, auf der alle Qualitätsmodelle geeicht sind. Der IS-Score (Information Satisfaction) fasst zusammen, wie gut eine Seite das Informationsbedürfnis eines Nutzers erfüllt, bewertet von geschulten menschlichen Ratern. Die QRG (Quality Rater Guidelines) sind das öffentliche Regelwerk, nach dem diese Rater urteilen. **Woraus:** Urteile geschulter menschlicher Rater nach den QRG — insbesondere 'Needs Met' (erfüllt die Seite den Suchzweck?) und 'Page Quality' (ist die Seite als solche hochwertig?). siteQualityStddev misst die Konsistenz der Qualität über die gesamte Site. **Metrik-Detail:** IS-Score = aus Rater-Urteilen verdichtete Information-Satisfaction-Note (die Eichnorm selbst); siteQualityStddev = Standardabweichung der Qualität über eine Site (Konsistenz). [A IS, B/C Stddev] **Beleglage:** [A] härteste Beleglage (DOJ/Eid). **Begründung:** Diese Norm definiert, was E-E-A-T bedeutet — sie ist Quelle, nicht Mitspieler. Alle vier Dimensionen sind voll betroffen, weil die QRG explizit Experience, Expertise, Authority und Trust als Bewertungsdimensionen vorgibt. **Strategische Konsequenz:** Die QRG sind öffentlich zugänglich und sollten bei wetter.com als Pflichtlektüre für Redaktion und Produktteam gelten. Was ein Rater nach QRG als 'hochwertig' beurteilen würde, ist das Ziel — nicht was Tools als 'optimiert' messen. Die QRG unterscheiden streng zwischen 'Page Quality' (Güte der Seite an sich) und 'Needs Met' (passt die Seite zur Suchanfrage). ### 13. Topic-Embeddings (Fokus/Radius) - Funktionsklasse: Qualität & Prognose - E-E-A-T: E=none · Exp=indirekt · A=indirekt · T=none - Achse: Geometrie - Reichweite: Site - Eichquelle: Sprache - Belegcode: B - Leak-Felder: siteEmbeddings, siteFocusScore, siteRadius - Speist: NSR (+ Fallback-Vererbung) **Was es misst:** Google berechnet aus dem gesamten Textinhalt einer Website eine Art 'Themenlandkarte' (Embedding — mathematische Vektordarstellung des Themenraums). siteFocusScore misst, wie scharf das Themenfeld einer Site umrissen ist; siteRadius misst, wie weit sie thematisch streut. Ein kleiner Radius bedeutet: stark fokussierte Site. Das System misst thematische Konsistenz, nicht Fachkompetenz. **Woraus:** Selbst-supervised aus dem Sprachgebrauch der Site — aus dem tatsächlichen Text aller Seiten, ohne menschliche Etiketten. Die resultierenden Vektoren fließen als Fokusvektor in NSR ein. **Metrik-Detail:** siteEmbeddings = Vektorrepräsentation des Themenraums der Site; siteFocusScore = wie scharf umrissen das Themenfeld ist; siteRadius = wie weit die Site im Themenraum streut (klein = fokussiert). [B Felder] **Beleglage:** [B] Felder. **Begründung:** Expertise (Exp) und Autorität (A) sind indirekt ('flankieren'): Eine fokussierte Wettersite wird eher als Wetterexperte wahrgenommen als eine, die neben Wetter auch Kochrezepte und Reiseberichte anbietet. Aber Fokus allein ersetzt keine Qualität — er ist ein Multiplikator. **Strategische Konsequenz:** Für wetter.com spricht ein klarer thematischer Fokus (Wetter, Klimadaten, Meteorologie) positiv auf den Fokus-Score ein. Inhalte weit außerhalb des thematischen Kerns können den Radius erhöhen. Für internationale Erweiterungen wie pogoda24 gilt: thematische Kohärenz von Beginn an einplanen. ### 14. QualityBoost-Demotions - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=none · A=none · T=primaer - Achse: Strafkonto - Reichweite: Dok - Eichquelle: Muster - Belegcode: B - Leak-Felder: navDemotion, anchorMismatch, serpDemotion **Was es misst:** Ein Punktabzugsystem für konkrete Qualitäts- und Navigationsmängel: navDemotion bestraft schlechte Seitenführung (unklare Navigation, irreführende Struktur); anchorMismatch bestraft Links, bei denen der Linktext nicht zum Ziel passt (z.B. 'mehr Infos' statt 'Regenradar Deutschland'); serpDemotion leitet sich aus negativem Nutzerverhalten in den Suchergebnissen ab — Nutzer klicken, kehren sofort zurück, klicken auf Konkurrenten. **Woraus:** Drei separate Mängel-Signale: Navigationsprobleme auf der Seite, Inkonsistenz zwischen Linktext und Linkziel, schlechtes Klickverhalten in den Suchergebnissen. **Metrik-Detail:** navDemotion = Abzug für schlechte Nutzerführung/Navigation; anchorMismatch = Anchor-Text passt nicht zum Ziel; serpDemotion = aus SERP-Verhalten abgeleiteter Abzug. [B Felder, C Auslöser] **Beleglage:** [B] Felder. **Begründung:** Nur Vertrauen (T) ist primär — Punktabzüge sind Vertrauens-Buchhaltung: Jedes dieser Signale zeigt, dass eine Seite ihr implizites Versprechen bricht (gute Navigation, ehrliche Links, relevante Inhalte). **Strategische Konsequenz:** Für Redaktion und UX bei wetter.com: Interne Links sollten konkret beschreiben, wohin sie führen ('Regenradar Deutschland' statt 'hier klicken'). Seiten, die in den Suchergebnissen oft angeklickt werden und zu sofortigen Rücksprüngen führen, werden aktiv abgewertet — regelmäßige Überprüfung dieser Seiten lohnt sich. ### 15. clutterScore / scamness / unauth. - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=none · A=indirekt · T=primaer - Achse: Strafkonto - Reichweite: Dok - Eichquelle: gemischt - Belegcode: B - Leak-Felder: clutterScore, scamness, unauthoritativeScore **Was es misst:** Drei Qualitätsabzüge in einem: clutterScore misst Layout-Überladung (zu viele Werbeanzeigen, Pop-ups, ablenkende Elemente die den Informationsfluss stören); scamness misst Betrugs-Nähe (Muster, die an unseriöse Seiten erinnern); unauthoritativeScore misst fehlende Glaubwürdigkeit (keine Autorenangaben, keine erkennbare Institution dahinter). **Woraus:** Maschinelle Mustererkennung aus Layout, Text und strukturellen Merkmalen der Seite. **Metrik-Detail:** clutterScore = Mass für Layout-Ueberladung/Ablenkung; scamness = Betrugs-/Scam-Nähe; unauthoritativeScore = fehlende Autoritativität. Höhere Werte = stärkerer Trust-Abzug. [B Felder, C Skala] **Beleglage:** [B] Felder. **Begründung:** Vertrauen (T) ist primär — alle drei Signale sind direkte Vertrauensverletzungen. Autorität (A) ist indirekt, weil unauthoritativeScore einen Zusammenhang mit Autorität hat. **Strategische Konsequenz:** Für wetter.com: Werbung und werbliche Elemente sollten den Informationsfluss nicht unterbrechen — insbesondere auf Unwetterseiten, wo Nutzer schnelle Klarheit brauchen. 'Antwort zuerst' als Prinzip: die relevante Wetterinformation steht ganz oben, nicht hinter einem Werbebanner. Autoren und meteorologische Quellen sichtbar ausweisen stärkt den Authoritativeness-Score. ### 16. Panda / BabyPanda - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=indirekt · A=none · T=primaer - Achse: Strafkonto - Reichweite: Site - Eichquelle: Rater (IS) - Belegcode: B/O - Leak-Felder: Panda, BabyPandaV2 - Gespeist von: IS-Eichung (Rater/QRG) **Was es misst:** Panda ist ein site-weites Abwertungssystem für Seiten mit dünnem oder minderwertigen Inhalt — und zwar für die gesamte Website, nicht nur für einzelne Seiten. Wenn ein zu großer Anteil einer Site als 'thin content' (inhaltsleere Seiten) eingestuft wird, werden alle Seiten der Site schlechter gerankt. BabyPandaV2 ist eine neuere, feiner kalibrierte Variante desselben Prinzips. **Woraus:** Ein an Rater-Urteilen kalibriertes Demotions-System — ähnlich wie chard urteilt es über Inhaltsqualität, aber auf Basis site-weiter Muster, nicht einzelner Seiten. **Metrik-Detail:** Site-weite Dünn-/Minderqualitäts-Demotion; BabyPandaV2 = neuere/leichtere Variante. Kein Einzelfeld-Score, sondern ein an Rater-Urteilen orientiertes Demotions-System. [B/O] **Beleglage:** [B] Felder; [O] Panda historisch kommuniziert. **Begründung:** Vertrauen (T) ist primär (eine Site mit viel Dünnware gilt als unzuverlässig), Expertise (Exp) ist indirekt (Dünnware signalisiert fehlende Fachkompetenz für die Rater). **Strategische Konsequenz:** Für wetter.com mit tausenden automatisch generierter Standortseiten ist Panda ein relevantes Risiko. Seiten, die nur Wetterdaten ohne Kontext und Mehrwert zeigen, können den Site-Schnitt senken. Aktives Pruning (Entfernen oder Verbessern von Schwachseiten) ist wichtiger als ständig neue Seiten hinzuzufügen. ### 17. Anchor-Spam (Penguin-Erbe) - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=none · A=indirekt · T=primaer - Achse: Anker - Reichweite: Dok - Eichquelle: Muster - Belegcode: B - Leak-Felder: phraseAnchorSpamPenalty, IsAnchorBayesSpam **Was es misst:** Dieses System erkennt manipulative Link-Muster im Ankertext (dem klickbaren Text von Hyperlinks). Wenn eine Seite ausschließlich mit exakten Keyword-Texten verlinkt wird ('Wetter Berlin', 'Wettervorhersage kostenlos'), wirkt das unnatürlich und wie eine gezielte SEO-Manipulation. Penguin ist das historische Google-Update, das dieses Problem adressierte — die Logik lebt im heutigen System fort. **Woraus:** phraseAnchorSpamPenalty (Strafpunktwert für überoptimierte Anker) und IsAnchorBayesSpam (ein Klassifikator, der mit Ja/Nein urteilt, ob Anchor-Spam vorliegt). **Metrik-Detail:** phraseAnchorSpamPenalty = Strafe für überoptimierte Anchor-Phrasen; IsAnchorBayesSpam = Bayes-Klassifikator-Flag (ja/nein) für Anchor-Spam. [B Felder] **Beleglage:** [B] Felder. **Begründung:** Vertrauen (T) ist primär — Anchor-Manipulation ist ein direkter Vertrauensbruch gegenüber Google und Nutzern. Autorität (A) ist indirekt, weil das Linkprofil die Autorität einer Seite beeinflusst. **Strategische Konsequenz:** Für das Linkbuilding-Team bei wetter.com: Natürliche, beschreibende Linktexte sind besser als keyword-optimierte. Wer externe Partner um Links bittet, sollte keine vorgefertigten Anker-Texte vorgeben. Interne Verlinkungen mit abwechslungsreichen Linktexten ('Regenradar für Hamburg', 'Sturmwarnung Nordsee') statt immer 'Wettervorhersage' reduzieren das Risiko. ### 18. SpamBrain - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=none · A=none · T=primaer - Achse: Strafkonto - Reichweite: Site - Eichquelle: Muster - Belegcode: B/O - Leak-Felder: SpamBrain (scaled content abuse) **Was es misst:** Googles KI-basiertes Spam-Erkennungssystem. Der für wetter.com relevante Aspekt ist 'scaled content abuse' — das massenhafte Erzeugen von Inhalten nach immer demselben Muster, ohne echten redaktionellen Mehrwert. Typisches Beispiel: Tausende von Ortschaftsseiten, die nur Variablen (Stadtname, Koordinaten, Temperaturdaten) in ein Template einsetzen, ohne dass eine menschliche Redaktion Qualität sicherstellt. **Woraus:** Ein maschinelles Lernsystem (ML), das Spam-Muster in Inhalten erkennt. Es liefert ein binäres Spam-Urteil, keinen Qualitätsscore. **Metrik-Detail:** ML-System gegen Spam; der genannte Aspekt 'scaled content abuse' = massenhaft erzeugte Dünnware. Liefert ein Spam-Urteil, keinen Substanz-Score. [B Feld, O System] **Beleglage:** [B] Feld; [O] offiziell als Spam-System kommuniziert. **Begründung:** Nur Vertrauen (T) — SpamBrain ist reiner Vertrauensschutz: Es schützt die Suchergebnisse vor Inhalten, die das System zu täuschen versuchen. **Strategische Konsequenz:** Für wetter.com mit vielen auto-generierten Standortseiten (und für Erweiterungen wie pogoda24) gilt: Reine Template-Seiten ohne redaktionellen Mehrwert sind ein SpamBrain-Risiko. Echter Mehrwert pro Seite — lokale Besonderheiten, Klimageschichte, eigene Messdaten — schützt vor Klassifikation als 'scaled content abuse'. Skaleneffekte bei der Content-Erstellung müssen durch Qualitätssicherung flankiert werden. ### 19. hostAge-Sandbox - Funktionsklasse: Strafe & Spam - E-E-A-T: E=none · Exp=none · A=none · T=indirekt - Achse: Bonität - Reichweite: Site - Eichquelle: Muster - Belegcode: B - Leak-Felder: hostAge - Speist: Q* (Saldo) **Was es misst:** Neue Domains und neue Hosts bekommen von Google zunächst weniger Vertrauensvorschuss — nicht weil sie bestraft werden, sondern weil noch keine Verhaltenshistorie vorliegt, aus der Google Schlüsse ziehen könnte. Dieser 'Sandbox-Effekt' beschreibt eine passive Dämpfung, keinen aktiven Strafabzug. Mit wachsendem Alter und positiver Nutzungshistorie löst sich die Dämpfung auf. **Woraus:** Das Alter des Hosts (hostAge) — wie lange ist die Domain bzw. der Host bereits bekannt und aktiv. **Metrik-Detail:** hostAge = Alter des Hosts; junge Hosts erhalten weniger Vertrauensvorschuss - passive Dämpfung, kein aktiver Abzug. [B Feld, C Sandbox-Wirkung] **Beleglage:** [B] Feld. **Begründung:** Nur Vertrauen (T, indirekt) — der fehlende Vertrauensvorschuss ist der einzige E-E-A-T-Bezug. Es gibt keinen Bezug zu Expertise, Experience oder Authority. **Strategische Konsequenz:** Bei Migrationen auf neue Domains (wie z.B. pogoda24 als separate Domain) oder beim Launch neuer Sub-Domains muss mit einer initialen Anlaufzeit gerechnet werden. Strategisch heißt das: neue Domains früh aufsetzen, um die Uhr anzustoßen — auch wenn der vollständige Content-Launch erst später erfolgt. Geduld ist die einzige Strategie. ### 20. SegIndexer / Tiers - Funktionsklasse: Index & Infrastruktur - E-E-A-T: E=none · Exp=none · A=indirekt · T=none - Achse: Index-Oekonomie - Reichweite: Dok - Eichquelle: gemischt - Belegcode: B - Leak-Felder: scaledSelectionTierRank (0-32767) - Gespeist von: Q* (Saldo) **Was es misst:** Google indexiert nicht alle Seiten gleich schnell und gleich teuer. Der SegIndexer entscheidet, in welchen 'Tier' (Stufe) des Index eine Seite kommt — von teuren, blitzschnellen Servern (für wichtige Seiten) bis hin zu langsameren, günstigeren Speichern (für selten benötigte Seiten). Ein hoher Tier-Rang bedeutet: die Seite ist bei Suchanfragen schnell verfügbar. **Woraus:** scaledSelectionTierRank — ein Rangwert zwischen 0 und 32.767, der eine Mischung aus Nachfrage (wie oft wird diese Seite gesucht?), Autorität und Speicher-Ökonomie abbildet. **Metrik-Detail:** scaledSelectionTierRank = Rangwert für die Index-Tier-Auswahl; 0-32767 ist das technische 16-Bit-Maximum (fein aufgelöste Rangskala, kein Qualitätswert an sich). [B Feld, C Tier-Logik] **Beleglage:** [B] Feld; [B/C] Tier-Architektur. **Begründung:** Autorität (A) ist indirekt — Index-Würdigkeit korreliert mit Autorität, bewertet aber nicht inhaltliche Qualität. Das System ist ein 'Gate' vor dem eigentlichen Ranking: Wer nicht im schnellen Tier ist, erscheint langsamer in den Suchergebnissen. **Strategische Konsequenz:** Für wetter.com mit tausenden Standortseiten: Schwache Seiten belegen Tier-Kapazität, die wichtigere Seiten brauchen. Aktives Content-Pruning gibt Kapazität frei und verbessert die Indexierungs-Effizienz der wichtigen Seiten — etwa aktuelle Unwetterwarnungen, die im schnellen Tier landen müssen. ### 21. Crawl-Budget - Funktionsklasse: Index & Infrastruktur - E-E-A-T: E=none · Exp=none · A=indirekt · T=none - Achse: Index-Oekonomie - Reichweite: Site - Eichquelle: Verhalten - Belegcode: O - Leak-Felder: Crawl-Kapazität x Nachfrage **Was es misst:** Wie oft und wie regelmäßig Google die Seiten einer Website besucht und aktualisiert (Crawling — das 'Einlesen' durch Google). Das Budget ergibt sich aus zwei Faktoren: Kapazität (wie schnell und fehlerfrei antwortet der Server?) und Nachfrage (wie wichtig findet Google diese URLs?). Für eine dynamische Wettersite ist das hochrelevant: Wenn Google eine Seite nicht rechtzeitig crawlt, sind die Wetterdaten in den Suchergebnissen veraltet. **Woraus:** Server-Antwortzeiten und Fehlerquoten (Kapazitätsseite) sowie Popularitäts- und Aktualitätsdaten (Nachfrageseite). **Metrik-Detail:** Kein Leak-Feld, sondern ein offizielles Konzept: Kapazität (was der Server verträgt - Antwortzeit, Fehlerrate) x Nachfrage (wie sehr Google die URLs holen will - Popularität, Änderungshäufigkeit). [O] **Beleglage:** [O] offiziell von Google dokumentiert. **Begründung:** Autorität (A) ist indirekt — das Crawl-Budget ist ein Nachfrage-Korrelat und das früheste Gate in der gesamten Kette: Wer nicht gecrawlt wird, wird auch nicht indexiert und kann nicht ranken. **Strategische Konsequenz:** Für wetter.com mit vielen tausend URLs ist das Crawl-Budget ein echter Engpassfaktor. Technische Maßnahmen wie schnelle Server-Antwortzeiten, saubere Sitemap-Strukturen und das Entfernen unwichtiger oder doppelter URLs geben Budget frei — für Seiten, die es wirklich brauchen: tagesaktuelle Unwetterwarnungen, Echtzeit-Radar und Prognoseseiten. ### 22. Mustang / SuperRoot etc. - Funktionsklasse: Index & Infrastruktur - E-E-A-T: E=none · Exp=none · A=none · T=none - Achse: Infrastruktur - Reichweite: — - Eichquelle: — - Belegcode: B - Leak-Felder: Mustang, Ascorer, SuperRoot, Twiddler (inkl. Host-Crowding) **Was es misst:** Mustang, Ascorer, SuperRoot und Twiddler bilden die technische Scoring-Infrastruktur von Google — sie berechnen und koordinieren das Ranking, urteilen aber selbst nicht über Inhaltsqualität. Twiddler enthält auch das 'Host-Crowding': eine Regel, die verhindert, dass eine Domain zu viele Suchergebnisse auf einmal dominiert. Diese Systeme sind der 'Negativ-Eintrag' der Matrix — hier gibt es nichts zu optimieren. **Woraus:** Die Ausgaben aller anderen Bewertungssysteme — diese Systeme koordinieren, sie messen selbst nichts. **Metrik-Detail:** Mustang = Scoring-/Serving-Infrastruktur; Ascorer = Scorer; SuperRoot = zentraler Koordinator; Twiddler = Re-Ranking-Schicht (inkl. nicht-bewertendem Host-Crowding/Diversity). Keine Messwerte. [B Namen, B/C Rollen] **Beleglage:** [B] Namen; [B/C] Rollen. **Begründung:** Kein E-E-A-T-Bezug auf allen vier Dimensionen — reine Infrastruktur, kein Urteil. **Strategische Konsequenz:** Kein direkter Handlungsbedarf. Praktisch relevant ist nur das Host-Crowding durch Twiddler: Wenn wetter.com zu viele ähnliche Seiten für dieselbe Suchanfrage hat (z.B. Wetter für Berlin-Mitte, Berlin-Prenzlauer Berg, Berlin-Kreuzberg als separate Seiten), kann Google die Anzahl gezeigter Ergebnisse auf 2-3 pro Domain begrenzen. Konsolidierung zu ähnlicher Seiten hilft hier — nicht als Qualitätsproblem, sondern als Anzeige-Regel. ### 23. RankBrain / DeepRank / FastSearch - Funktionsklasse: Index & Infrastruktur - E-E-A-T: E=none · Exp=indirekt · A=indirekt · T=indirekt - Achse: KI-Zitierung - Reichweite: Dok - Eichquelle: Verhalten - Belegcode: B/O - Leak-Felder: RankBrain, DeepRank, RankEmbedBERT **Was es misst:** Diese Systeme messen die semantische Passung zwischen einer Suchanfrage und einer Seite — also ob die Bedeutung übereinstimmt, nicht nur die Schlüsselwörter. RankBrain war Googles erstes KI-System für diesen Zweck; DeepRank ist eine tiefere Sprachverständnis-Schicht; FastSearch beschleunigt diese Einschätzung für schnellere Antworten. Entscheidend: Diese Systeme messen Relevanz, keine Inhaltsqualität. **Woraus:** Gelernte mathematische Darstellungen (Embeddings) von Suchanfragen und Dokumenten, plus Verhaltens-Kalibrierung (welche Suchergebnisse haben Nutzer tatsächlich als befriedigend bewertet?). **Metrik-Detail:** RankBrain = ML-System für (neue) Anfragen via Embeddings; DeepRank = tieferes Sprachverständnis (BERT-verwandt); RankEmbedBERT = das BERT-basierte Embedding-Feld. Messen Passung, keine Güte. [B Felder, O RankBrain/BERT] **Beleglage:** [B] Felder; [O] RankBrain/BERT offiziell kommuniziert. **Begründung:** Expertise (Exp), Autorität (A) und Vertrauen (T) sind je indirekt — diese Systeme flankieren alle E-E-A-T-Dimensionen über besseres Bedeutungsverständnis, messen sie aber nicht direkt. Experience (E) hat keinen Bezug: Bedeutungsähnlichkeit berührt Erstmaterial nicht. **Strategische Konsequenz:** Für wetter.com: Keyword-Stuffing (das Einfügen möglichst vieler Suchbegriffe) funktioniert nicht mehr — RankBrain erkennt, ob die Bedeutung stimmt. Wer einen Text schreibt, der das Informationsbedürfnis hinter einer Suchanfrage wirklich beantwortet, schneidet besser ab. Außerdem ist RankBrain eine Brücke zur KI-Zitierung: Seiten, die semantisch gut positioniert sind, haben bessere Chancen in AI-Übersichten (AIO) zu erscheinen. ### 24. FreshnessTwiddler / RealTimeBoost - Funktionsklasse: Frische - E-E-A-T: E=none · Exp=none · A=none · T=indirekt - Achse: Aktualität - Reichweite: Dok - Eichquelle: Muster - Belegcode: B - Leak-Felder: FreshnessTwiddler, RealTimeBoost - Gespeist von: Datums-Triangulation **Was es misst:** Bei bestimmten Suchanfragen erwartet Google frische Inhalte — das Konzept heißt 'Query Deserves Freshness' (QDF: die Anfrage verdient Frische). FreshnessTwiddler gibt aktuellen Seiten einen temporären Ranking-Auftrieb. RealTimeBoost ist die schärfere Variante für Echtzeit-Ereignisse wie Unwetter oder Breaking News. Wer aktuell ist, rankt höher — aber nur, wenn die Suchanfrage überhaupt Frische verlangt. **Woraus:** Kombination aus dem Aktualitätszustand des Dokuments (wann wurde es zuletzt aktualisiert?) und dem Frische-Bedarf der Anfrage (suchen gerade viele Menschen mit Zeitbezug nach diesem Thema?). **Metrik-Detail:** FreshnessTwiddler = aktualitätsabhängiger Re-Ranking-Auftrieb (Query Deserves Freshness); RealTimeBoost = schärferer, kurzlebiger Auftrieb für Echtzeit-/Ereignis-Spitzen. [B Felder, O/C QDF] **Beleglage:** [B] Felder; [O/C] QDF-Konzept. **Begründung:** Vertrauen (T) ist indirekt — eine veraltete Unwetterwarnung ist ein Vertrauensbruch: jemand verlässt sich auf falsche Informationen. Sonst ist dieses System E-E-A-T-neutral: Frische ist keine Dimension von Expertise oder Autorität. **Strategische Konsequenz:** Für wetter.com ist Frische zentral — insbesondere für Unwetterwarnungen, Sturmzugvorhersagen und Echtzeit-Radar. Der Freshness-Boost funktioniert aber nur, wenn Seiten rechtzeitig gecrawlt und indexiert werden (vgl. Crawl-Budget, System 21). Redaktionelle Prozesse für schnelle Updates bei Wetterlagen müssen mit der technischen Infrastruktur synchronisiert sein. ### 25. Datums-Triangulation - Funktionsklasse: Frische - E-E-A-T: E=none · Exp=none · A=none · T=primaer - Achse: Aktualität - Reichweite: Dok - Eichquelle: Muster - Belegcode: B/O - Leak-Felder: bylineDate, syntacticDate, semanticDate - Speist: FreshnessTwiddler / RealTimeBoost **Was es misst:** Google prüft das Datum einer Seite durch den Abgleich von drei unterschiedlichen Signalen: (1) das sichtbare Datum im Artikel (bylineDate — leicht zu fälschen), (2) das Datum aus URL, Markup oder Zeitstempel (syntacticDate — ebenfalls leicht zu manipulieren), (3) das aus dem Textinhalt erschlossene Datum (semanticDate — kann nur durch echte inhaltliche Aktualisierung verändert werden). Stimmen die drei nicht überein, erkennt Google eine 'Datumslüge'. **Woraus:** Drei unabhängige Datums-Signale mit unterschiedlichem Fälschungsaufwand — das System nutzt den Unterschied zwischen leicht und schwer fälschbaren Signalen zur Überprüfung der Datums-Ehrlichkeit. **Metrik-Detail:** bylineDate = sichtbar ausgewiesenes Datum (billig fälschbar); syntacticDate = aus URL/Markup/Timestamp extrahiert (billig fälschbar); semanticDate = aus dem Inhalt erschlossen (nur durch echte Aktualisierung fälschbar). Der Abgleich deckt Datumslügen auf. [B Felder, O Datumsbestimmung] **Beleglage:** [B] Felder; [O] offiziell zur Datumsbestimmung kommuniziert. **Begründung:** Vertrauen (T) ist primär und das einzige primäre Signal der gesamten Frische-Klasse — Datumstäuschung ist ein direkter Vertrauensbruch: Wer ein altes Dokument durch Änderung des Datums als 'neu' tarnt, wird erkannt. **Strategische Konsequenz:** Für wetter.com und insbesondere für saisonale Inhalte (Frühjahrswetter, Sommertipps, Winterwarnungen): Ein Datum darf nur dann aktualisiert werden, wenn auch der Inhalt wirklich aktualisiert wurde. Das bloße Ändern des Datums im CMS ohne inhaltliche Änderung — eine verbreitete SEO-Praxis — wird durch das semanticDate erkannt und schadet dem Vertrauens-Score. Inhalte müssen substanziell überarbeitet werden. ## Metrik-Katalog (Leak-Felder) | Feld | Definition | System | Klasse | Provenienz | Beleg | | --- | --- | --- | --- | --- | --- | | `goodClicks / badClicks` | Als zufrieden bzw. enttäuscht gewertete Klicks einer Query×Seite. | NavBoost | Verhalten | Verhalten | [B] | | `lastLongestClicks` | Letzter, längster Klick einer Session — stärkstes Zufriedenheitssignal. | NavBoost | Verhalten | Verhalten | [B] | | `GlueResponse` | Verhaltens-Input auf SERP-Features, den Tangram zur Anzeige zusammensetzt. | Glue / Tangram | Verhalten | Verhalten | [B/C] | | `chromeInTotal / uniqueChromeViews` | Chrome-Aufrufe gesamt bzw. eindeutige Betrachter = site-weite Bindung. | Chrome | Verhalten | Verhalten | [B] | | `unscaledIpPriorBadFraction` | Anteil verdächtiger Klicks je IP-Bereich (Manipulationsdämpfung). | IP-Prior | Verhalten | Muster | [B/C] | | `voterToken` | Identifiziert einen Klick-'Stimmzettel', erschwert Mehrfachabstimmung. | IP-Prior | Verhalten | Muster | [C] | | `siteAuthority` | Aus quality_nsr destillierte Autorität, angewandt in Q*. | Q* / NSR | Qualität & Prognose | Komposit | [B] | | `lowQuality` | Minderqualitäts-Flag, konvertiert aus quality_nsr.NsrData. | Q* | Qualität & Prognose | Komposit | [B] | | `predictedDefaultNsr` | Historisierte Basis-Qualitätsnote (VersionedFloatSignal → Trajektorie zählt). | NSR | Qualität & Prognose | Komposit | [B] | | `nsrConfidence` | Konfidenz ins eigene NSR-Urteil (deprecated). | NSR | Qualität & Prognose | Komposit | [B] | | `chardScore` | Inhaltsqualitäts-Wert pro Dokument, an Rater-Urteilen geeicht. | chard | Qualität & Prognose | Rater | [B] | | `chardVariance` | Streuung/Unsicherheit des chardScore (hoch = unsicheres Urteil). | chard | Qualität & Prognose | Rater | [B/C] | | `contentEffort` | LLM-geschätzter Erstellungsaufwand und Tiefe einer Seite. | contentEffort | Qualität & Prognose | Rater | [B] | | `OriginalContentScore` | Originalitäts-/Erstmaterial-Grad — maschinennächster Experience-Proxy. | OCS | Qualität & Prognose | Rater | [B/C] | | `tofu / keto / Rhubarb` | Codenamen für Verfeinerungs-/Delta-Signale auf Subchunk-Ebene. | tofu-Familie | Qualität & Prognose | Rater | [B/C] | | `siteEmbeddings` | Vektorrepräsentation des Themenraums der Site. | Topic-Embeddings | Qualität & Prognose | Sprache | [B] | | `siteFocusScore` | Wie scharf umrissen das Themenfeld der Site ist. | Topic-Embeddings | Qualität & Prognose | Sprache | [B] | | `siteRadius` | Wie weit die Site im Themenraum streut (klein = fokussiert). | Topic-Embeddings | Qualität & Prognose | Sprache | [B] | | `IS-Score` | Information Satisfaction aus Rater-Urteilen — die Eichnorm. | IS-Eichung | Qualität & Prognose | Rater | [A] | | `siteQualityStddev` | Standardabweichung der Qualität über eine Site (Konsistenz). | IS-Eichung | Qualität & Prognose | Rater | [B/C] | | `navDemotion` | Abzug für schlechte Nutzerführung/Navigation. | QualityBoost | Strafe & Spam | Muster | [B] | | `anchorMismatch` | Anchor-Text passt nicht zum Ziel der Verlinkung. | QualityBoost | Strafe & Spam | Link | [B] | | `serpDemotion` | Aus SERP-Verhalten abgeleiteter Abzug. | QualityBoost | Strafe & Spam | Verhalten | [B] | | `clutterScore` | Maß für Layout-Überladung und Ablenkung. | clutterScore | Strafe & Spam | Muster | [B] | | `scamness` | Betrugs-/Scam-Nähe einer Seite. | clutterScore | Strafe & Spam | Muster | [B] | | `unauthoritativeScore` | Fehlende Autoritativität. | clutterScore | Strafe & Spam | Muster | [B] | | `BabyPandaV2` | Site-weite Dünn-/Minderqualitäts-Demotion (Panda-Erbe). | Panda | Strafe & Spam | Rater | [B/O] | | `phraseAnchorSpamPenalty` | Strafe für überoptimierte Anchor-Phrasen. | Anchor-Spam | Strafe & Spam | Link | [B] | | `IsAnchorBayesSpam` | Bayes-Klassifikator-Flag für Anchor-Spam (ja/nein). | Anchor-Spam | Strafe & Spam | Link | [B] | | `hostAge` | Host-Alter; junge Hosts erhalten weniger Vertrauensvorschuss. | hostAge | Strafe & Spam | Muster | [B/C] | | `scaledSelectionTierRank` | Rang für die Index-Tier-Auswahl (0–32767 = 16-Bit-Maximum). | SegIndexer | Index & Infrastruktur | Komposit | [B/C] | | `crawl capacity × demand` | Was der Server verträgt × wie sehr Google die URLs holen will. | Crawl-Budget | Index & Infrastruktur | Verhalten | [O] | | `RankEmbedBERT` | BERT-basiertes Embedding für tieferes Anfrageverständnis. | RankBrain / DeepRank | Index & Infrastruktur | Sprache | [B/O] | | `Mustang / Ascorer / SuperRoot` | Scoring-/Serving-Infrastruktur und Kompositor — bewertet nichts. | Mustang | Index & Infrastruktur | Infrastruktur | [B/C] | | `bylineDate` | Sichtbar ausgewiesenes Datum — billig fälschbar. | Datums-Triangulation | Frische | Muster | [B] | | `syntacticDate` | Aus URL/Markup/Timestamp extrahiert — billig fälschbar. | Datums-Triangulation | Frische | Muster | [B] | | `semanticDate` | Aus dem Inhalt erschlossen — nur durch echte Aktualisierung fälschbar. | Datums-Triangulation | Frische | Muster | [B] | | `FreshnessTwiddler / RealTimeBoost` | Aktualitäts-Auftrieb (QDF) bzw. kurzlebige Echtzeit-Spitzen. | FreshnessTwiddler | Frische | Muster | [B] | ## Best Practices → benannte Systeme ### Originäre Informationen, eigene Recherche oder Analyse; substanzielle, vollständige Behandlung des Themas, die über das Offensichtliche hinausgeht — nicht bloß Zusammengefasstes oder Umgeschriebenes. - Leitfaden: Helpful Content: Inhalt & Qualität - Leak-Felder: OriginalContentScore [B], contentEffort [B], chardScore [B] · Dichte: hoch - Rater-Anker: primaer — chard, OriginalContentScore und contentEffort sind direkt an Rater-Urteilen geeicht. - Offiziell benannte Systeme: - Original-Content-Systeme [O] — Stellt sicher, dass Erstmaterial sichtbar wird; belohnt kein Scraping oder Kopieren. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Helpful-Content-System (Teil des Core Ranking) [O] — Bewertet people-first-Helpfulness site-weit. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Panda (in Core Ranking integriert) [O] — Bevorzugte hochwertige, originale Inhalte. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Stärkster Cluster: substanzieller Erstinhalt bedient mehrere offizielle Systeme gleichzeitig. ### Inhalte für Menschen, nicht primär für Suchmaschinen; keine Massen- oder automatisierte Produktion ohne Mehrwert; kein Inhalt, der nur existiert, um Traffic abzugreifen. - Leitfaden: Helpful Content: People-first / Suchwort-First vermeiden - Leak-Felder: Panda / BabyPandaV2 [B], niedriger contentEffort (Risikomarker) [B] · Dichte: mittel-hoch - Rater-Anker: primaer — Helpful-Content-System und Panda sind an Rater-Qualitätsurteilen kalibriert. - Offiziell benannte Systeme: - Helpful-Content-System [O] — Stuft search-engine-first-Inhalte herab. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Spam-Erkennungssysteme (inkl. SpamBrain) [O] — Adressiert u. a. skalierten Content-Missbrauch. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Strafseite des Substanz-Clusters: dieselbe Eigenschaft, von der Demotion-Seite betrachtet. ### Der Inhalt erfüllt, wonach jemand tatsächlich sucht, und hinterlässt das Gefühl, gut bedient worden zu sein — klare Suchintention getroffen. - Leitfaden: Helpful Content: Suchintention & gute Erfahrung - Leak-Felder: NavBoost / Glue (goodClicks, lastLongestClicks) [B] · Dichte: hoch - Rater-Anker: indirekt — Neural Matching/RankBrain/BERT sind algorithmisch; Rater bestätigen indirekt über das Needs-Met-Urteil. - Offiziell benannte Systeme: - Neural Matching [O] — Versteht Bedeutung hinter Query und Inhalt. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - RankBrain [O] — Verbindet Wörter mit Konzepten. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - BERT [O] — Versteht Wortkombinationen und Intent. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Passage-Ranking-System [O] — Findet relevante Einzelpassagen. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Die offizielle Seite ist Query-/Bedeutungsverständnis; die Verhaltensbestätigung (NavBoost) liegt teils außerhalb des Textes. ### Sauber produziert: frei von Fehlern, nicht nachlässig erstellt, ohne störende/aufdringliche Werbung, gut nutzbar auch auf dem Smartphone. - Leitfaden: Helpful Content: Darstellung & Produktion - Leak-Felder: clutterScore [B], scamness [B] · Dichte: mittel - Rater-Anker: none — Page Experience beruht auf technischen Signalen — keine direkte Rater-Beteiligung. - Offiziell benannte Systeme: - Page-Experience-System [O] — Mobilfreundlichkeit, HTTPS, Safe Browsing, keine störenden Interstitials. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Direkt adressierbar; Provenienz Muster. ### Erkennbare Sachkenntnis im Themenfeld; die Seite/der Autor hat einen nachvollziehbaren Hintergrund; andere empfehlen oder zitieren die Quelle. - Leitfaden: Helpful Content: Expertise + E-E-A-T - Leak-Felder: NSR / siteAuthority [B], Topic-Embeddings (siteFocusScore) [B], IS-Score (Information Satisfaction) [A] · Dichte: mittel - Rater-Anker: primaer — Reliable Information Systems und IS-Score sind auf Rater-Urteilen aufgebaut. - Offiziell benannte Systeme: - Zuverlässige-Informations-Systeme [O] — Hebt autoritative Seiten, stuft minderwertige herab, belohnt Qualitätsjournalismus. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Linkanalyse-Systeme & PageRank [O] — Reputation/Empfehlung über die Linkstruktur. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Teils nur über Zeit und Fremdzuschreibung verdienbar, nicht allein durch Schreiben. ### Klar, wer den Inhalt erstellt hat und warum; der Verantwortliche/Autor ist erkennbar und vertrauenswürdig; bei YMYL: Genauigkeit und Verlässlichkeit als zentrale E-E-A-T-Komponente. - Leitfaden: Helpful Content: Wer/Wie/Warum + Trust - Leak-Felder: unauthoritativeScore [B], Trust-Demotions (QualityBoost-Familie) [B] · Dichte: niedrig - Rater-Anker: primaer — Stärkste Rater-Abhängigkeit: Trust/Verantwortlichkeit prüft Google überwiegend durch Rater-Urteil — kein algorithmisches Feld ersetzt das. - Offiziell benannte Systeme: - Zuverlässige-Informations-Systeme [O] — Einziges breites offizielles System; demotet Unzuverlässiges, hebt Autoritatives. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** KERNBEFUND: am dünnsten mit benannten offiziellen Systemen unterlegt. Verantwortlichkeit prüft Google überwiegend über Rater-Urteil — kein abhakbares Feld. Hier wirkt keine Marker-Strategie; hier zählt echte Substanz am meisten. ### Bei zeitkritischen Themen ist der Inhalt aktuell und wird bei Bedarf gepflegt und aktualisiert. - Leitfaden: Helpful Content (implizit) + QRG Freshness - Leak-Felder: FreshnessTwiddler / RealTimeBoost [B], semanticDate (teuer fälschbar) [B] · Dichte: mittel - Rater-Anker: none — Freshness-Systeme arbeiten algorithmisch auf Datumssignalen — keine Rater-Kalibrierung. - Offiziell benannte Systeme: - Freshness-Systeme [O] — Zeigt frischeren Inhalt, wo Aktualität erwartet wird (QDF). (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Für wetter.com strategisch zentral: zeitkritische Vorhersagen und News. ### Keine manipulativen Praktiken: kein Keyword-Stuffing, keine Linkschemata, keine irreführenden Techniken. - Leitfaden: Spam-Richtlinien + Search Essentials - Leak-Felder: phraseAnchorSpamPenalty / IsAnchorBayesSpam [B] · Dichte: hoch - Rater-Anker: none — SpamBrain und Penguin sind ML-/Muster-basiert — keine Rater-Beteiligung. - Offiziell benannte Systeme: - Spam-Erkennungssysteme (SpamBrain) [O] — Erkennt Spam-Muster maschinell. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Penguin (in Core Ranking integriert) [O] — Stuft spammy Linkaufbau herab. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) - Exact-Match-Domain-System [O] — Verhindert übermäßigen Kredit für Keyword-Domains. (https://developers.google.com/search/docs/appearance/ranking-systems-guide) **Kommentar:** Gut abgesichert; Vermeidungs-Cluster (was man NICHT tun soll).