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
Expertise heißt nachweisbare fachliche Tiefe im Inhalt. Googles Systeme bewerten, ob eine Seite echtes Fachwissen erkennen lässt. Das geschieht über Content Effort (eine Schätzung, wie viel Arbeit in einer Seite steckt), die YMYL-Einstufung (Themen, bei denen falsche Angaben Gesundheit, Geld oder Sicherheit schaden können) und die Kalibrierung der menschlichen Rater. Rater sind Menschen, die Suchergebnisse beurteilen, und sie legen fest, 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, daher müssen solche Seiten 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 (Quality Rater Guidelines) sind öffentlich zugänglich und sollten Pflichtlektüre für Redaktion und Produktteam sein. Ziel ist, was ein Rater nach QRG als 'hochwertig' beurteilen würde, 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).
In the Wild
Kein Labor: 8 Marken-Ratgeberseiten aus einer Branche, gemessen dort, wo sie wirklich stehen, am 16. September 2026. Befunde, keine Urteile — jeder kann sie wiederholen.
Keine der 8 erfüllt alle 2 — wo das eine da ist, fehlt das andere.
Alle 16 einzeln
Patagonia — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Sichtbar steht „Autorenprofil Patagonia" mit Markenbiografie. Die Person Carlos Wassmann erscheint nur in meta[name="author"], das JSON-LD nennt Organization: Patagonia.
2026-09-16 · Gerendertes DOM
Patagonia — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Gerendertes DOM
Vaude — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Das JSON-LD BlogPosting nennt eine Person als Autor. Auf der Seite ist davon nichts zu sehen: keine Zeile, kein Autor-Markup im gerenderten DOM.
2026-09-16 · Gerendertes DOM
Vaude — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Gerendertes DOM
The North Face — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Kein Autor-Markup im gerenderten DOM, und im JSON-LD steht ebenfalls keiner.
2026-09-16 · Gerendertes DOM
The North Face — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Gerendertes DOM
Jack Wolfskin — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Das ausgelieferte HTML trägt nur Organization-Schema — kein Article, keinen Autor, kein Autor-Markup.
2026-09-16 · Ausgeliefertes HTML
Jack Wolfskin — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Ausgeliefertes HTML
Deuter — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Das Schema ist CollectionPage, nicht Article. Kein Autor, weder im Markup noch im Text.
2026-09-16 · Ausgeliefertes HTML
Deuter — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Ausgeliefertes HTML
Nike — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Kein Autor-Markup, und im Text wird keiner genannt.
2026-09-16 · Ausgeliefertes HTML
Nike — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Ausgeliefertes HTML
Garmin — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Kein Autor-Markup, und im Text wird keiner genannt.
2026-09-16 · Ausgeliefertes HTML
Garmin — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Ausgeliefertes HTML
Puma — Nennt eine Person als Autor, sichtbar ↗ — Nennt eine Person als Autor, sichtbar: nein
Auf einem Blogartikel steht CollectionPage-Schema. Kein Autor.
2026-09-16 · Ausgeliefertes HTML
Puma — Der Name führt zu einem Profil mit Qualifikation ↗ — Der Name führt zu einem Profil mit Qualifikation: nein
Kein Link von der Seite auf ein Personenprofil.
2026-09-16 · Ausgeliefertes HTML
SAuf der Seite nachgesehen: eine datierte Messung an einer lebenden Seite. Sie kann morgen anders ausfallen; das Datum sagt, wann sie galt.
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 Einschätzung [C]. Beide Enden, die Praktik und die genannten Systeme, sind von Google dokumentiert [O]. Alle acht, mit den Systemen dahinter →
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. Der Wert ist keine harte Messung, sondern eine Modellschätzung, die aber 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 unterstützen.
Deep Dives (15)
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 websiteweite Qualitätssystem, 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*). Das zeigt die Evidenz darüber, wie sie funktionieren.
IS-Kalibrierung: Das Human-Rater-System, das Googles Qualitätsmodelle trainiert
Der stärkste Beleg in der gesamten Matrix — DOJ/Eid-Material bestätigt das Rater-System, das jedes Qualitätssignal 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
Codenamen für Verfeinerungssignale auf der granularsten Ebene, den einzelnen Unterabschnitten einer Seite. Sie sind die schwächste Evidenz in der Matrix.
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.
Links, die zählen: Fünf Link-Taktiken gegen Leak und Patente
Ein vielgelesener Link-Leitfaden liest PageRank-Buckets, vertrauenswürdige Anker und Kontext-Hashes aus Googles Leak. Die Felder sind echt. Die vertrauenswürdigen Quellen sind News-Seiten, der Bucket zählt Onsite-Anker, und die Kappung liegt bei 200, nicht bei null.