Pillar · Hub
Expertise in E-E-A-T: zeigt der Inhalt Fachwissen?
Systeme, die Tiefe und Qualität des Fachwissens in Inhalten bewerten
Die Frage
Sieht man der Seite an, dass jemand das Thema versteht?
Woran Google es festmacht
Bei Expertise geht es um nachweisbare fachliche Tiefe. Googles Systeme bewerten, ob eine Seite echtes Fachwissen erkennen lässt — über Content Effort, die YMYL-Einstufung und die Kalibrierung der menschlichen Rater, die festlegen, was ‚Experte‘ für ein Thema überhaupt heißt.
Was das für deine Seite heißt
Direkt von den Systemseiten: was jedes System in der Praxis belohnt oder bestraft.
Warnmeldungen mit realen Handlungsfolgen — Unwetter, Gesundheit, Finanzen, Recht — fallen in den YMYL-Bereich. Menschen treffen echte Entscheidungen 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.
Automatisch generierte Seiten ohne redaktionellen Mehrwert haben schlechtere Chancen als Seiten mit Kontext und Einordnung. Eine Meldung, die erklärt was ein Ereignis für die Betroffenen bedeutet, bekommt mehr contentEffort-Punkte als eine, die nur Rohdaten auflistet.
Die QRG sind öffentlich zugänglich und sollten Pflichtlektüre für Redaktion und Produktteam sein. 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).
Was du tun kannst
Googles eigene Helpful-Content-Best-Practices, gefiltert auf diese Dimension.
Originäre Informationen, eigene Recherche oder Analyse; substanzielle, vollständige Behandlung des Themas, die über das Offensichtliche hinausgeht — nicht bloß Zusammengefasstes oder Umgeschriebenes.
Helpful Content: Inhalt & Qualität · Original-Content-Systeme · Helpful-Content-System (Teil des Core Ranking) · Panda (in Core Ranking integriert)
Inhalte für Menschen, nicht primär für Suchmaschinen; keine Massen- oder automatisierte Produktion ohne Mehrwert; kein Inhalt, der nur existiert, um Traffic abzugreifen.
Helpful Content: People-first / Suchwort-First vermeiden · Helpful-Content-System · Spam-Erkennungssysteme (inkl. SpamBrain)
Erkennbare Sachkenntnis im Themenfeld; die Seite/der Autor hat einen nachvollziehbaren Hintergrund; andere empfehlen oder zitieren die Quelle.
Helpful Content: Expertise + E-E-A-T · Zuverlässige-Informations-Systeme · Linkanalyse-Systeme & PageRank
Welche Praktik zu welcher Dimension gehört, ist unsere Lesart [C]. Beide Enden — die Praktik und die genannten Systeme — sind offiziell [O]. Alle acht, gemappt auf die Systeme →
Die Systeme
Primär (3)
Systeme, bei denen Expertise die primäre E-E-A-T-Dimension ist.
chard bewertet die Inhaltsqualität einzelner Seiten — kalibriert 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.
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.
Kein Live-Signal, das täglich im Ranking eingesetzt wird — sondern die Grundlage, auf der alle Qualitätsmodelle kalibriert 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.
Flankierend (9)
Systeme, die Expertise indirekt mitbedienen.
Deep Dives (14)
NavBoost: Wie Google Klickverhalten für das Re-Ranking nutzt
Vom DOJ-Verfahren zur geleakten API-Dokumentation — das wichtigste Ranking-Signal, das man nicht direkt manipulieren kann
Panda: Das seitenweite Qualitäts-System, benannt nach seinem Erfinder
Wie Googles Krieg gegen Content-Farmen eine Patent-Spur erzeugte, die direkt zum Namen des Updates führt — und was der API-Leak über seine aktuelle Form verrät
Q* und P*: Die zwei Säulen von Googles Ranking-Architektur
Das DOJ-Verfahren offenbarte, dass Googles Ranking letztlich auf zwei Top-Level-Signale reduziert — Quality (Q*) und Popularity (P*). Hier ist, was die Evidenz uns darüber verrät.
IS-Kalibrierung: Das Human-Rater-System, das Googles Qualitätsmodelle trainiert
Die stärkste Evidenz im gesamten Matrix — DOJ/Eid-Material bestätigt das Rater-System, das jedes Qualitäts-Signal kalibriert, das Google nutzt
chard: Googles seiten-level Content-Qualitäts-Modell
Das Leak-Feld, das einzelne Seiten-Qualität bewertet — kalibriert durch Human Rater, einspeisend in NSR, und warum YMYL-Seiten strengere Standards haben
OriginalContentScore: Wie Google Content-Originalität misst
Das Leak-Feld, das misst, wie viel originelles Material ein Dokument enthält — Information, die nur dort zu finden ist und die eine KI nicht aus anderen Quellen rekonstruieren könnte
contentEffort: Wie Google redaktionellen Aufwand schätzt
Das KI-Modell, das schätzt, wie viel redaktionelle Arbeit in eine Seite geflossen ist — und warum 'Aufwand' zu einem Ranking-Signal wird
Topic-Embeddings: Wie Google versteht, worum es auf deiner Seite geht
Die Fokus-Vektoren und Radien, die thematische Relevanz bestimmen — und warum eine Wetterseite einen engen Fokus braucht, um für Wetter-Queries zu ranken
Glue: Wie Google Interaktion mit speziellen Such-Features misst
Das NavBoost-Gegenstück für Karussells, 'People also ask'-Boxen und News-Features — misst, ob Nutzer mit speziellen Elementen interagieren, nicht nur mit blauen Links
RankBrain und DeepRank: Wie KI Googles Query-Verständnis veränderte
Vom Keyword-Matching zum semantischen Verständnis — die KI-Systeme, die interpretieren, was Nutzer meinen, nicht was sie tippen
tofu, keto, Rhubarb: Die Subchunk-Verfeinerungs-Signale
Die Codenamen, die für Verfeinerungs-Signale auf der granularsten Ebene stehen — einzelne Unterabschnitte einer Seite — und warum sie die schwächste Evidenz im Matrix darstellen
Site Reputation Abuse: Was Google in Europa ausgesetzt hat — und was nicht
Ausgesetzt ist im EWR die manuelle Maßnahme — was an ihre Stelle tritt, entzieht genau das, wofür bei Parasite SEO bezahlt wird
Google Update History: Was eine Chronologie benannter Updates zeigt — und was nicht
Google benennt rund zehn Updates pro Jahr und liefert Tausende Änderungen aus. Die Zeitleiste ist echt, datiert und offiziell — und zugleich ein von Googles Kommunikationsentscheidungen gefilterter Ausschnitt
Was guter Content ist: contentEffort und Googles weiche Metriken
Ein geleaktes Feld, eine Rater-Definition, zwölf offizielle Fragen und eine Checkliste, die ausweist, was Beleg ist und was unsere Lesart.