--- title: "Content-Formatierung für LLMs: So zitieren ChatGPT und Google deine Inhalte" description: "7 Prinzipien der Content-Formatierung für LLMs: chunk-fähige Texte, die Google und ChatGPT zitieren. Mit Heading-Isolation-Test und Keywordkönig-Case." url: https://hechtinsgefecht.de/content-formatierung-llm/ date_published: 2026-04-22 date_modified: 2026-10-06 organization: HECHT INS GEFECHT organization_url: https://hechtinsgefecht.de organization_knowledge_graph_id: /g/1pp2twrtc organization_sameas: - https://www.northdata.de/HECHT+INS+GEFECHT+GmbH,+Bremen/HRB+42926 - https://firmeneintrag.creditreform.de/28309/2051250968/HECHT_INS_GEFECHT_GMBH - https://www.companyhouse.de/HECHT-INS-GEFECHT-GmbH-Bremen - https://implisense.com/de/companies/hecht-ins-gefecht-gmbh-bremen--DETQXQBC7O52 - https://www.linkedin.com/company/hechtinsgefecht - https://www.xing.com/pages/hecht-ins-gefecht/ - https://social.hechtinsgefecht.de/@hig - https://x.com/hechtinsgefecht - https://www.facebook.com/HechtinsGefecht/ - https://www.instagram.com/hechtinsgefecht/ - https://de.pinterest.com/HechtinsGefecht/ - https://www.threads.com/@hechtinsgefecht - https://www.crunchbase.com/organization/hecht-ins-gefecht-digitalagentur-f%C3%BCr-webdesign-seo - https://clutch.co/profile/hecht-ins-gefecht - https://www.designrush.com/agency/profile/hecht-ins-gefecht - https://agencies.semrush.com/hecht-ins-gefecht/ - https://www.sortlist.de/agency/hecht-ins-gefecht - https://www.goodfirms.co/company/hecht-ins-gefecht - https://techbehemoths.com/company/hecht-ins-gefecht - https://themanifest.com/company/hecht-ins-gefecht - https://www.topseos.com/profile/hecht-ins-gefecht-digitalagentur-fur-webdesign-seo - https://www.semfirms.com/profile/hecht-ins-gefecht - https://www.omt.de/agentur-finden/agentur/hecht-ins-gefecht/ - https://onlinemarketing.de/dienstleister/online-marketing-agentur/bremen/hecht-ins-gefecht - https://www.agenturtipp.de/agentur/hecht-ins-gefecht/ - https://www.seo-united.de/seo-agenturen/hecht-ins-gefecht-3461/ - https://omr.com/de/reviews/service/hecht-ins-gefecht - https://www.ibusiness.de/dienstleister/jb/092582windolph.html - https://feedbax.de/anbieter/hecht-ins-gefecht - https://feedbax.ai/profile/hecht-ins-gefecht - https://www.werbeagentur.de/de/a/hecht-ins-gefecht - https://www.campixx.de/agenturen/seo/hecht-ins-gefecht/ - https://agenturfinder.com/agenturen/hecht-ins-gefecht/ - https://agencyvista.com/agency/hecht-ins-gefecht/marketing-agency/summary - https://www.bark.com/de/de/company/hecht-ins-gefecht/NlYy2/ - https://www.provenexpert.com/de-de/hecht-ins-gefecht/ - https://de.trustpilot.com/review/hechtinsgefecht.de - https://www.trustedshops.de/bewertung/hechtinsgefecht-de - https://www.awwwards.com/HECHTINSGEFECHT/ - https://www.bremen.de/visitenkarte/digitalagentur-hecht-ins-gefecht---webdesign--seo-46684197 - https://www.yelp.com/biz/hecht-ins-gefecht-bremen - https://maps.apple.com/place?place-id=IBAEFB4CEAFB63F7B author: Benny Windolph author_url: https://hechtinsgefecht.de/benny-windolph/ author_orcid: https://orcid.org/0009-0009-2458-3099 author_knowledge_graph_id: /g/11v4_sqnsh --- # Content-Formatierung für LLMs: So zitieren ChatGPT und Google deine Inhalte Content-Formatierung für LLMs (LLM = Large Language Model) ist die Art, Texte so zu strukturieren und zu formulieren, dass einzelne Absätze ohne Kontextverlust extrahierbar sind. Genau das brauchen Google Passage Ranking und Retrieval-Systeme wie ChatGPT, Perplexity und Gemini. Die Regeln lehnen sich an das Semantic-SEO-Framework von Koray Tugberk Gübür (Holistic SEO Digital) an. Kevin Indig (Growth-Advisor, Autor des Growth Memo) hat 2026 gemessen, aus welchen Teilen eines Textes ChatGPT zitiert. Er hat auch erfasst, welche Merkmale zitierte Passagen teilen. Wer die Regeln ignoriert, wird nach meiner Erfahrung in den AI Overviews und in den Antworten generativer KI-Systeme seltener zitiert. Ich prüfe diese Regeln in vielen Content-Audits. Das Muster ist fast immer dasselbe: Die Texte sind handwerklich ordentlich geschrieben und ranken meistens auch für das Haupt-Keyword. Aber kaum eine Passage wird in LLM-Antworten zitiert. Die Ursache liegt meist in der Struktur. Ich zeige die sieben Prinzipien, die ich in diesen Audits jedes Mal anpasse. Dazu kommt ein Test, der nach meiner Faustregel in einer Stunde pro Blogpost rund 80 % der Formatierungsprobleme findet. Am Ende steht ein Case aus einem SEO-Wettbewerb. ## Inhalt 1. [Content-Formatierung für LLMs: Das Konzept hinter dem Begriff](#content-formatierung-fur-llms-das-konzept-hinter-dem-begriff) 2. [Warum Content-Formatierung 2026 jede Sichtbarkeit bestimmt](#warum-content-formatierung-2026-jede-sichtbarkeit-bestimmt) 3. [Die 7 Prinzipien der Content-Formatierung für LLMs](#die-7-prinzipien-der-content-formatierung-fur-llms) 4. [Content-Formatierung messen: Der Heading-Isolation-Test](#content-formatierung-messen-der-heading-isolation-test) 5. [KI-generierter Content und die Frage nach Abstrafung](#ki-generierter-content-und-die-frage-nach-abstrafung) 6. [Content-Formatierung in der Praxis: Keywordkönig-Case](#content-formatierung-in-der-praxis-keywordkonig-case) 7. [Content-Formatierung für LLMs: Zusammenfassung und nächste Schritte](#content-formatierung-fur-llms-zusammenfassung-und-nachste-schritte) 8. [Häufige Fragen zur Content-Formatierung für LLMs](#haufige-fragen-zur-content-formatierung-fur-llms) 9. [Quellen](#quellen) ## Content-Formatierung für LLMs: Das Konzept hinter dem Begriff Google hat Passage Ranking auf der Search On 2020 angekündigt und am 10.02.2021 eingeführt, zunächst für englischsprachige Suchen in den USA. Die Erwartung war, damit 7 % der Suchanfragen zu verbessern. Google bewertet dabei einzelne Passagen einer Seite als zusätzliches Ranking-Signal, indexiert werden weiterhin ganze Seiten. Eine Passage ist nicht der Absatz im Sinne der Layout-Software. Eine Passage ist ein semantischer Block, den der Algorithmus aus Satzstruktur, Position und Thema konstruiert. LLM-Suchsysteme arbeiten mit einem ähnlichen Vorgang, dem Chunking. Ein Retrieval-Augmented-Generation-System zerlegt die Webseite in Chunks und wandelt jeden Chunk in einen Vektor um. Zum Antwortzeitpunkt zieht es nur die Chunks, die semantisch am besten zur Frage passen. Die Websuche von Perplexity und ChatGPT arbeitet nach diesem Muster. Was nicht gezogen wird, fließt nicht in die Antwort ein. Daraus folgen zwei Dinge. Erstens: Ein Absatz, der nur im Kontext der gesamten Seite Sinn ergibt, verliert seine Chunk-Fähigkeit. Ein Retrieval-System sucht unter Millionen Passagen die eine, die zur Frage passt. Ein Absatz ohne eigenständige Aussage passt zu keiner Frage und wird seltener zitiert, auch wenn sein Inhalt gut ist. Zweitens: Länge allein hilft nicht. Kevin Indig fand im April 2026 bei 815.000 Query-Seiten-Paaren, dass ChatGPT fokussierte, kürzere Seiten häufiger zitiert als umfassende „Ultimate Guides“. Feste Wortzahlen wie 1.500 Wörter sind deshalb kein sinnvolles Ziel. Die geleakten Quality-Rater-Richtlinien von Google (Versionen 2008 bis 2014) und die Google-Shopping-Entscheidung der EU-Kommission von 2017 stützen das. Bewertet wird, ob eine Seite ihren Zweck mit eigenständigem Informationswert erfüllt, nicht die Textmenge. Die Praxis bei einer Internatsberatung zeigt es genauso. Die 7 längsten Posts der Domain (2.700 bis 4.200 Wörter, Sport-Nischen) erschienen von April bis Juni 2026. Bis Anfang September bekamen sie 0 LLM-Zitate und 8 Klicks. Von 91 LLM-Zitaten der Domain gingen 19 an eine einzige Länder-Landingpage. Zitiert werden dort vor allem datenreiche Seiten. Mehr zur Theorie dahinter steht bei Koray Tugberk Gübür auf [Holistic SEO](https://www.holisticseo.digital/theoretical-seo/semantic/). Kevin Indig hat in seiner [Analyse zu LLM-Zitierpräferenzen](https://www.growth-memo.com/p/the-science-of-how-ai-pays-attention) mit 18.012 ChatGPT-Zitaten gemessen, dass Zitate gehäuft aus dem ersten Drittel eines Textes stammen. Die Content-Formatierung für LLMs ist damit nicht mehr optional. ## Warum Content-Formatierung 2026 jede Sichtbarkeit bestimmt Mit Passage Ranking kann Google seit 2021 eine einzelne passende Passage tief in einer Seite finden, auch wenn die Seite insgesamt ein breiteres Thema behandelt. LLM-Suchsysteme wählen ihre Chunks nach demselben Grundgedanken aus. Hinter allen sieben Prinzipien steht am Ende eine einfache ökonomische Logik. Google und LLMs haben begrenzte Rechenressourcen und müssen aus Milliarden Webseiten entscheiden, welche Quellen sie für eine Antwort heranziehen. Je günstiger du es machst, an die relevante Information in deinem Text zu kommen, desto wahrscheinlicher wirst du als Quelle ausgewählt. Günstig heißt: Klare Passagen, direkte Antworten, eindeutige Entitäten. Content-Formatierung ist nichts anderes als [Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/) auf Textebene. Reduziere den Aufwand, den ein Retrieval-System für die Extraktion deiner Aussagen aufbringen muss, und du steigst in der Quellen-Auswahl. Das GIST-Paper (GIST = Greedy Independent Set Thresholding) erschien im Mai 2024. Vorgestellt wurde es auf der NeurIPS 2025, im Google-Research-Blog wurde es im Januar 2026 erklärt. GIST wählt aus vielen Kandidaten eine Teilmenge aus, die nützlich und zugleich möglichst unterschiedlich ist. Getestet wurde das an Bilddaten, nicht an der Suche. Der Einsatz für AI Overviews und den AI Mode ist nicht belegt. Eine These aus der SEO-Branche passt zum Kostenprinzip. Wenn sie stimmt, landet zu ähnlicher Content in der sogenannten Vector Exclusion Zone, dem Bereich für Inhalte, die als zu ähnlich zu bereits gewählten Quellen gelten. Dann wird er aussortiert, egal wie gut er ist. Klare Passage-Struktur, eindeutige Entity-Anker und verifiable Facts wären damit die Bedingung dafür, dass deine Seite überhaupt in die Auswahl kommt. Andrea Volpini (CEO WordLift) erklärt in seiner Analyse „Why AI Cites Some Pages and Ignores Others“ technisch, wie KI-Suchsysteme Passagen in Embeddings umwandeln und die passendsten auswählen. Eigene Messdaten und einen Vergleich von Struktur und Inhalt enthält die Analyse nicht. Content-Formatierung für LLMs gehört heute zur Grundlage jedes Textes. Wer noch nach „1.500 Wörter, Keyword-Dichte 1,5 %“ textet, optimiert für eine Welt, die es so nicht mehr gibt. ## Die 7 Prinzipien der Content-Formatierung für LLMs Die folgenden 7 Prinzipien gehe ich in jedem Audit durch. Die Reihenfolge folgt meiner Erfahrung: Prinzip 1 bringt meist am meisten, Prinzip 7 ist Feinschliff. Zu jedem Prinzip nenne ich den technischen Grund. Sieben Prinzipien der Content-Formatierung für LLMs: Von Kernaussage zuerst bis 70/30-Struktur 7 Prinzipien der Content-Formatierung Passage-Retrieval für Google und LLMs optimieren 1 Kernaussage in den ersten Absatz 44 % der ChatGPT-Zitate stammen aus den ersten 30 %. 2 Überschriften mit Entity-Kontext Jede H2/H3 muss allein verständlich sein. 3 Rück-Referenzen entfernen „Wie oben“ und „dieser Prozess“ raus. 4 Starke, spezifische Verben Austauschen: machen, haben, sein, geben. 5 Verifiable Facts statt vager Aussagen Zahlen, Jahre, Standards, Quellenangaben. 6 Zitiermuster gezielt einbauen Definition · Vergleich · Liste · Schritt · Zahl. 7 70/30-Struktur einhalten 70 % Hauptthema, 30 % Überleitung. Angelehnt an Koray Tugberk Gübür (Holistic SEO) Zitatdaten: Kevin Indig, Growth Memo (2026) Prinzip 1 bringt meist am meisten, 7 ist Feinschliff. Abb. 1 · HECHT INS GEFECHT Abb. 1: Sieben Prinzipien der Content-Formatierung für LLMs, von Kernaussage zuerst bis zur 70/30-Struktur. ### 1. Kernaussage im ersten Absatz platzieren Kevin Indig hat 18.012 ChatGPT-Zitate analysiert. 44,2 % der Zitate stammen aus den ersten 30 % eines Textes, 31,1 % aus der Mitte und 24,7 % aus dem letzten Teil. Fakten aus der Mitte werden 2,5-mal seltener zitiert. Für Google gibt es keine vergleichbare Zahl. Wer die Kernfrage im ersten Absatz beantwortet, legt die Antwort in den Bereich, aus dem [ChatGPT](https://hechtinsgefecht.de/chatgpt-seo/) am häufigsten zitiert. Vorher: > „In diesem Artikel geht es um Heimchen. Wir erklären, was du wissen musst, bevor du sie als Futterinsekten einsetzt.“ Richtig: > „Heimchen sind Futterinsekten für Reptilien, Amphibien und Vögel. Ausgewachsene Leopardgeckos bekommen meist zwei- bis dreimal pro Woche je zwei bis vier Heimchen.“ Der erste Satz liefert die Antwort, der zweite konkretisiert mit einer Zahl. Kein Warm-up, keine Vorrede. Das Wichtigste gehört nach oben. HECHT INS GEFECHT hat den SEO-Contest 2026 mit serponado.org gewonnen. Bei serponado.org stand genau dieser definitorische Einstieg am Anfang: Der erste Satz unter der H1 definiert das Keyword sofort, faktisch und ohne Konjunktiv als die eigene Marke, damit LLMs die Definition wörtlich übernehmen können. Den Homepage-Title haben wir auf das reine Keyword gekürzt. Title, H1, Domain und Schema-Name tragen dieselbe Botschaft. ### 2. Überschriften mit Entity-Kontext versehen Jede Überschrift muss allein verständlich sein, ohne dass der Leser den Seitentitel oder die vorherige H2 gelesen hat. Eine H2 mit dem Wort „Fütterung“ ist wertlos, weil niemand weiß, wovon. „Fütterung von Heimchen im Zuchtbehälter“ liefert den vollen Kontext in vier zusätzlichen Wörtern. Viele Chunking-Verfahren schneiden Texte an Überschriften und geben die Überschrift als Kontext mit. Fehlt dort die Entität, fehlt dem Retrieval-System der Anker für die Zuordnung zum Suchkontext. Die Passage wird dann seltener gezogen, auch wenn sie inhaltlich gut ist. Mir begegnet das in vielen Audits: Blogposts mit drei bis fünf inhaltsleeren H2s wie „Überblick“, „Hintergrund“, „Details“, „Zusammenfassung“. Jede solche Überschrift kostet Reichweite, ohne dass es jemand auf der Content-Seite mitbekommt. ### 3. Rück-Referenzen aus dem Text entfernen Formulierungen wie „wie oben erwähnt“, „dieser Prozess“ oder „das eben beschriebene Verfahren“ binden einen Absatz an den vorherigen. Ein Retrieval-System, das nur den einzelnen Absatz extrahiert, hat keinen Zugriff auf „das eben beschriebene Verfahren“. Die Referenz läuft ins Leere, die Passage verliert ihren Kontext und wird nicht zitiert. Das wirkt wie ein Detail. In meinen Audits ist es aber eine häufige Ursache dafür, dass Passagen mit guten Inhalten nie in einem Featured Snippet oder einer KI-Antwort landen. Jeder Absatz muss für sich allein funktionieren, ohne den Kontext davor. ### 4. Starke, spezifische Verben verwenden Aus Verben ziehen Google und LLMs semantische Signale. „Der Arzt macht die Behandlung“ ist schwach, weil „machen“ als Verb keine Information trägt. „Der Ophthalmologe schneidet den Hornhaut-Flap mit einem Femtosekundenlaser“ ist präzise, weil das Verb den Vorgang beschreibt und gleichzeitig Fachkontext liefert. Vier Verben tausche ich in jedem Audit als Erstes aus: **machen, haben, sein, geben**. In vielen Kundentexten finde ich davon mehr als ein Dutzend pro Seite. Jeder einzelne Austausch schärft das semantische Profil der Passage und damit die Wahrscheinlichkeit, dass ein Modell sie überhaupt extrahiert. ### 5. Verifiable Facts statt vager Aussagen Nach meiner Erfahrung zitieren LLMs bevorzugt Textstellen mit verifizierbaren Daten. Kevin Indig fand in oft zitierten Passagen eine Entity-Dichte von 20,6 %, in normalem Text 5 bis 8 %. Seine Vermutung: Konkrete Fakten machen die Wiedergabe für das Modell sicherer. Zahlen, Jahreszahlen, benannte Standards und Quellenangaben sind Textbausteine, die ein LLM leicht übernehmen kann. - **Vage:** „Es gibt verschiedene Methoden zur Augenkorrektur.“ - **Konkret:** „Drei gängige Laserverfahren sind Femto-LASIK, PRK und SMILE.“ - **Vage:** „Augenlasern ist teuer.“ - **Konkret:** „Eine Femto-LASIK kostet in Deutschland je nach Anbieter etwa 1.250 bis 2.200 Euro pro Auge.“ Jedes Mal, wenn in einem Absatz ein vager Plural auftaucht („verschiedene Methoden“, „mehrere Optionen“, „zahlreiche Vorteile“), steht dort Werbetext statt Information. Konkretisiere direkt. „Deutschland hat mehrere große Städte“ ist Füllmaterial. „Deutschland hat vier Städte mit über einer Million Einwohnern“ ist eine extrahierbare Information, die ein LLM direkt als Antwort verwenden kann. ### 6. Zitiermuster gezielt in den Text einbauen Kevin Indig fand in oft zitierten Passagen fast doppelt so häufig eindeutige, definitive Formulierungen und Frage-Antwort-Strukturen wie in anderen Passagen. Daraus leite ich eine Arbeitsregel ab: Mindestens 30 % der Kernaussagen einer Seite sollten in einem dieser fünf Muster stehen: 1. **Definition:** „Femto-LASIK ist ein lasergestütztes Verfahren zur Korrektur von Fehlsichtigkeit.“ 2. **Vergleich:** „Der Unterschied zwischen LASIK und PRK liegt in der Art der Hornhaut-Präparation.“ 3. **Liste:** „Gegen Augenlasern sprechen unter anderem Keratokonus, eine zu dünne Hornhaut und eine instabile Sehstärke.“ 4. **Schritt-für-Schritt:** „Schritt 1: Voruntersuchung. Schritt 2: Hornhaut-Mapping. Schritt 3: Laser-Behandlung.“ 5. **Quantifizierung:** „Bei einer Femto-LASIK arbeitet der Laser etwa 30 Sekunden pro Auge.“ Sie liefern einen kompletten Wissensbaustein in einer einzigen Textpassage, und genau das will ein Retrieval-System extrahieren. Rhetorische Fragen und Übergangssätze ohne Informationswert liefern keinen solchen Baustein. **Pro-Tipp:** Wer Fragen als Überschrift nutzt, markiert die Antwort fett, nicht die Frage. Auf „Wie hoch ist der Eiffelturm?“ folgt **„Der Eiffelturm ist 330 Meter hoch.“** Ob Google Fettdruck bei der Auswahl für Featured Snippets auswertet, ist nicht belegt. Für Leser ist die Antwort so aber sofort sichtbar. ### 7. 70/30-Struktur einhalten Eine Seite, ein Thema. In meiner Praxis hat sich die 70/30-Regel bewährt: 70 % des Textes behandeln das Hauptthema. Die restlichen 30 % führen zu [verwandten Themen](https://hechtinsgefecht.de/topic-research-statt-keyword-recherche/), auf die du intern verlinken kannst. Machen Nebenthemen mehr als 30 % aus, wird das Thema der Seite für Suchsysteme unscharf. Der technische Hintergrund: Bei Late Chunking bekommt jeder Absatz beim Umwandeln in einen Vektor den Kontext des ganzen Dokuments mit. Perplexity hat im Februar 2026 eigene Embedding-Modelle mit Late-Chunking-Unterstützung veröffentlicht und im September 2026 eine Vorschauversion des Nachfolgers. Ob die Perplexity-Antwortsuche sie einsetzt, ist nicht belegt. Falls ja, verwässert eine thematisch streuende Seite jeden ihrer Absätze. Grundlagen dazu erklärt Kalicube im Beitrag [Entity SEO](https://kalicube.com/entity/entity-seo/). Das Domino-Prinzip: 70 % Hauptthema, 30 % Überleitung zum nächsten Thema Das Domino-Prinzip 70 % Hauptthema, 30 % passen zum nächsten Stein Hauptthema Anderes Thema 70 % Oben: Dein Hauptthema Der Kern deiner Aussage, konsistent durchgezogen. 30 % Unten: Überleitung zum Nachbarthema Die passenden Augen, so docken interne Links natürlich an. Entscheidend ist die Logik dahinter: Der Rand deines Textes muss zum nächsten Stein passen. Chunks, die aneinander andocken. Abb. 2 · HECHT INS GEFECHT Abb. 2: Das Domino-Prinzip: 70 % Hauptthema, 30 % Überleitung zum nächsten Thema. ## Content-Formatierung messen: Der Heading-Isolation-Test Ob ein Text tatsächlich LLM-freundlich ist, prüfst du mit 3 Methoden, die ich in jedem Content-Audit einsetze. **LLMs direkt fragen.** Kopiere die URL deines wichtigsten Blogposts in ChatGPT, Perplexity und Gemini und frage: „Was steht auf dieser Seite?“ Wenn die drei Antworten sich grob decken und die Kernaussagen korrekt wiedergeben, ist die Passage-Struktur in Ordnung. Wenn die Antworten wild auseinandergehen oder halluzinieren, ist der Text strukturell zu vage. **Heading-Isolation-Test.** Öffne deine fünf wichtigsten Blogposts und lies jede H2 und H3 zuerst ohne den Absatz darunter. Drei Fragen pro Überschrift, die dritte mit Blick auf den Absatz: 1. **Verrät die Überschrift allein, worum es geht?** „Technische Details“ fällt durch. „Technische Details der Femto-LASIK-Operation“ besteht den Test. 2. **Steht die Entität in der Überschrift?** Jede Überschrift sollte die zentrale Entität der darunterliegenden Passage enthalten, nicht nur ein abstraktes Kategoriewort. 3. **Funktioniert die Passage unter der Überschrift allein?** Rück-Referenzen wie „dieser Prozess“ oder „wie eben beschrieben“ müssen raus. Ein Durchgang kostet etwa eine Stunde pro Post. Er deckt nach meiner Faustregel rund 80 % der Formatierungsprobleme auf. Gemessen ist die Zahl nicht. Zusätzlich lohnt der Abgleich mit echten Suchanfragen. Bei einem Ratgeber-Hub eines Onlineshops meldete ein Entity-Check 100 % Abdeckung. An den echten Suchanfragen gemessen waren es nur 22,8 %. Der Text nutzte andere Schreibweisen als die Suchenden. Heading-Isolation-Test: Drei Fragen pro Überschrift, eine Stunde pro Post, nach Faustregel 80 % der Probleme gefunden Heading-Isolation-Test Lies jede H2 und H3 zuerst ohne den Absatz darunter 1 Verrät die Überschrift allein, worum es geht? Gegenprobe: „Technische Details“ fällt durch. „Technische Details der Femto-LASIK-Operation“ besteht. 2 Steht die Entität in der Überschrift? Die zentrale Entität der Passage, nicht nur ein abstraktes Kategoriewort („Überblick“, „Details“). 3 Funktioniert die Passage unter der Überschrift allein? Rück-Referenzen wie „dieser Prozess“ oder „wie eben beschrieben“ konsequent entfernen. 1 Stunde pro Post · Faustregel: rund 80 % der Probleme Eine der günstigsten Methoden im Content-Audit. Liest die Überschrift wie ein Retrieval-System. Abb. 3 · HECHT INS GEFECHT Abb. 3: Der Heading-Isolation-Test: drei Fragen pro Überschrift, eine Stunde pro Post. **Stichproben in ChatGPT, Perplexity und Google AI Overviews.** Prüf regelmäßig per Hand, für welche Fragen rund um dein Thema dein Content tatsächlich zitiert wird und welche Seiten stattdessen auftauchen. Wenn eine Seite Traffic von Google bekommt, aber in keiner einzigen LLM-Antwort vorkommt, liegt das Problem häufig in der Formatierung. Prüf vorher Ranking und Intent. Bei einem Onlineshop rankten die Info-Seiten nur auf Position 20 bis 50. KI-Antworten ziehen ihre Zitate aber häufig aus den Top-Ergebnissen. Für kommerzielle Vergleichsfragen gab es gar keine passende Seite. Mehr Hintergrund dazu findest du im Beitrag von HECHT INS GEFECHT zur [LLM-Sichtbarkeit](https://hechtinsgefecht.de/llm-sichtbarkeit/). ## KI-generierter Content und die Frage nach Abstrafung Eine Frage taucht in fast jedem Kundencall zu diesem Thema auf: „Straft Google KI-generierten Content ab?“ Google geht es in erster Linie um Spam. Scaled Content Abuse bezeichnet den Content, der massenhaft produziert wird, nur um Rankings zu manipulieren. Google definiert Scaled Content Abuse ausdrücklich unabhängig davon, wie der Content entsteht („no matter how it’s created“). Wer ChatGPT auf „Schreib mir 50 SEO-Texte über X“ loslässt und die Ergebnisse ungeprüft veröffentlicht, kann schlechter ranken oder ganz aus den Suchergebnissen fallen. Ausschlaggebend ist die Spam-Absicht. Wer stattdessen ein LLM mit eigenem Expertenwissen füttert und die sieben Prinzipien der Content-Formatierung konsequent anwendet, kommt auf gute Texte. Ob Google den Unterschied merkt, weiß niemand. Bei HECHT INS GEFECHT haben wir erlebt, dass einzelne Absätze auch nach vielen Umschreibversuchen beim KI-Detektor als KI markiert blieben. Die Signatur steckte vermutlich in dichten Aufzählungen und Definitionen, also in genau den Mustern, die dieser Beitrag empfiehlt. Umgekehrt sagt ein unauffälliger Scan nichts über die Fakten. Bei Kliniktexten blieb der KI-Marker-Scan unauffällig. Ein Volltext-Review fand trotzdem 40 Befunde, darunter einen Sachfehler zur Sehschärfe. Meine Einschätzung ist, dass gut formatierter KI-Content bei LLMs eher bessere Chancen hat als schlecht formatierter Expertentext. Die sieben Prinzipien gelten für beide Produktionswege gleichermaßen. ## Content-Formatierung in der Praxis: Keywordkönig-Case Beim SEO-Wettbewerb von Agenturtipp 2025 zum Keyword „Keywordkönig“ hat HECHT INS GEFECHT Platz 3 bei Google erreicht. Den beim Agenturtipp SEO-Contest 2025 erstmals vergebenen Preis für die höchste KI-Sichtbarkeit (Messung: Rankscale) haben wir gewonnen. Die Wettbewerbsseite [keywordkoenig.org](https://keywordkoenig.org/) ist weiterhin online. Die Seite ist nicht nach allen sieben Prinzipien gebaut. Sie nutzt drei Hebel sehr konsequent: Definitions-Chunks, Entity-Wiederholung und Schema-Markup. **Hebel 1: FAQ-Block mit zehn Definitions-Chunks direkt oben.** Die erste Sektion der Seite besteht aus zehn Fragen nach dem Muster „Was ist der Keywordkönig?“, „Wofür steht der Keywordkönig?“, „Wo sitzt der Keywordkönig?“, „Wem hilft der Keywordkönig?“. Klassische Definitions-Zitiermuster in Reinform. Jede Antwort steht als eigenständiger, chunk-fähiger Absatz mit voller Entity-Nennung. Das FAQ-Modul ist zusätzlich mit FAQPage-Schema ausgezeichnet. Für ein Retrieval-System ist das ein Direktkanal zu zehn sauber formatierten, eindeutig zuordenbaren Passagen. **Hebel 2: Extreme Entity-Wiederholung.** Die Seite erwähnt „Keywordkönig“ 255 Mal in 7.400 Wörtern, im Schnitt alle 29 Wörter. Das sind rund 3,4 % Keyword-Dichte. Ziel war keine Dichte-Quote. Jeder einzelne Chunk sollte die Entität enthalten und für sich zuordenbar bleiben. Fast jede Überschrift und fast jeder Absatz tragen die Entität. Der Hauptteil der Seite ist bewusst narrativ gehalten. Die Überschriften heißen „Das Imperium des Keywordkönigs“, „Die Insignien des Keywordkönigs“ oder „Die Krone der Autorität“. Das widerspricht auf den ersten Blick dem Prinzip der faktischen Entity-Kontext-Überschriften. Es funktioniert hier aber, weil die Entität „Keywordkönig“ in jeder Metapher dominant bleibt und der FAQ-Block oben die sachliche Chunk-Grundlage liefert. **Hebel 3: Brand-Schema mit subjectOf-Kontext.** Das Organization-Schema von keywordkoenig.org verlinkt per `subjectOf` zehn Konkurrenzseiten (semtrix.de, optimerch.de, arise-onlinemarketing.de und weitere) und nutzt zusätzlich einen doppelten Schema-Type `[AboutPage, FAQPage]`. Das ist Brand-SEO für ein erfundenes Keyword in Reinform. Mehr dazu im Beitrag zu [Brand SEO](https://hechtinsgefecht.de/brand-seo/). Keywordkönig-Case: 3 Hebel, 199 Quellenangaben in Perplexity und Claude über die Laufzeit, Platz 1 in der KI-Wertung, Platz 3 bei Google Keywordkönig-Case Drei Hebel, konsequent umgesetzt 199 Quellenangaben in Perplexity & Claude (Laufzeit) 1 FAQ-Block mit 10 Definitions-Chunks „Was ist…“, „Wofür steht…“, „Wem hilft…“ FAQPage-Schema als Direktkanal für Retrieval. 2 Extreme Entity-Wiederholung „Keywordkönig“ 255× in 7.400 Wörtern, alle 29 Wörter die Entität präsent. 3 Brand-Schema mit subjectOf-Kontext Organization + AboutPage + FAQPage, subjectOf verlinkt 10 Wettbewerberseiten. Platz 1 KI-Wertung 2025 (Messung: Rankscale) Platz 3 klassisches Google-Ranking Wenige Hebel konsequent statt alle halbherzig. Abb. 4 · HECHT INS GEFECHT Abb. 4: Der Keywordkönig-Case: drei Hebel, 199 Quellenangaben in Perplexity und Claude über die Laufzeit, Platz 1 in der KI-Wertung. Die [offizielle Wertung](https://www.agenturtipp.de/cms/artikel/49-keywordkoenig-gekroent-seo-contest-2025-entschieden/) von Agenturtipp (Messung: Rankscale) zählte an den drei Bewertungsstichtagen 23 Nennungen, Platz 2 kam auf 21. Über die gesamte Laufzeit zählte Rankscale 199 Quellenangaben in Perplexity und Claude, Platz 2 kam auf 131. Bei Google reichte es für Platz 3. Gut aufbereitete Passagen helfen bei Google und in LLMs zugleich. Die sieben Prinzipien sind Orientierung, keine starre Checkliste. Der Fall zeigt, dass schon wenige, sehr konsequent umgesetzte Hebel weit tragen können. Dieselbe Methodik hat mit serponado.org den SEO-Contest 2026 gewonnen, diesmal Platz 1 statt Platz 3, gestartet bei Domain Rating 0 wie alle 15 geprüften Contest-Domains. Damit hat die Methodik zwei Wettbewerbe in Folge getragen. Den kompletten Ablauf zeigt der Beitrag zur [Google Sandbox](https://hechtinsgefecht.de/google-sandbox/). ## Content-Formatierung für LLMs: Zusammenfassung und nächste Schritte Die sieben Prinzipien sind schlichtes Handwerk: Kernaussage zuerst, Überschriften mit Entity-Kontext, keine Rück-Referenzen, starke Verben, Verifiable Facts, Zitiermuster und die 70/30-Struktur. Der eigene Stil bleibt dabei erhalten. Nach meiner Erfahrung werden die Texte klarer und kürzer. Den Heading-Isolation-Test halte ich für den effizientesten Start. Mit einer Stunde pro Artikel findest du nach meiner Faustregel rund 80 % der typischen Formatierungsfehler. Tiefer gehen die Beiträge zu [Semantischem SEO](https://hechtinsgefecht.de/semantisches-seo/), [Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/) und [LLM-Sichtbarkeit](https://hechtinsgefecht.de/llm-sichtbarkeit/). Wenn du wissen willst, wie dein Blog bei Passage-Retrieval und LLM-Sichtbarkeit dasteht: Bei HECHT INS GEFECHT beginnt jede Betreuung mit einem [GEO-SEO-Audit](https://hechtinsgefecht.de/geo-seo-audit/). ## Häufige Fragen zur Content-Formatierung für LLMs ### Was ist der Unterschied zwischen Content-Formatierung für LLMs und klassischem SEO-Texten? Klassische SEO-Texte optimieren auf Keyword-Dichte, feste Wortzahlen und interne Verlinkung. Die Content-Formatierung für LLMs optimiert auf Passage-Qualität, Chunk-Fähigkeit und Zitiermuster. Die beiden Ansätze widersprechen sich nicht, aber der Schwerpunkt verschiebt sich. Wer nur auf Keyword-Dichte achtet und die Passage-Struktur vernachlässigt, wird in den AI Overviews und in den Antworten generativer KI-Systeme seltener zitiert. ### Gelten die Regeln auch für E-Commerce-Kategorieseiten? Ja, und dort besonders. Die meisten Kategorietexte sind zu dünn, aber nicht, weil 100 Wörter zu wenig für SEO wären. Sie sind zu dünn, weil 100 Wörter die relevanten Informationen zu einer Produktgruppe nicht transportieren können. Die sieben Prinzipien wende ich genauso auf Kategorieseiten an wie auf Blogposts. Besonders wichtig sind dort Verifiable Facts und Zitiermuster, weil Kategorien zunehmend in AI-Kaufempfehlungen auftauchen. ### Warum sind 1.500 Wörter nicht das Ziel? Feste Wortzahlen sind ein Überbleibsel aus der Skyscraper-Ära. Kevin Indig hat im April 2026 bei 815.000 Query-Seiten-Paaren gemessen, welche Seiten ChatGPT zitiert. Fokussierte, kürzere Seiten werden häufiger zitiert als umfassende „Ultimate Guides“. Länge allein ist also kein Qualitätsmerkmal. Die richtige Länge ist die Länge, die das Thema sauber abdeckt, keine fixe Zahl. ### Kann KI-generierter Content die Formatierungsregeln erfüllen? Ja, aber nur mit menschlicher Kuratierung. Ein LLM generiert Texte nicht automatisch nach den sieben Prinzipien. Wer aber einen Prompt baut, der die Regeln einbezieht, und das Ergebnis anschließend prüft, kommt auf gute Texte. Der Keywordkönig-Case zeigt, dass das funktionieren kann. Der KI-generierte Content der Wettbewerbsseite lief durch die Semantic-SEO-Regeln von HECHT INS GEFECHT und gewann den Preis für die höchste KI-Sichtbarkeit beim Agenturtipp SEO-Contest 2025 (Messung: Rankscale). ### Brauche ich spezielle Tools für Content-Formatierung? Nein. Die wichtigsten Prinzipien sind Handwerk. Kernaussage zuerst, Überschriften mit Entität, keine Rückverweise, starke Verben, konkrete Fakten, Zitiermuster, 70/30-Aufteilung. All das lässt sich beim Schreiben direkt umsetzen. Tools wie die Google NLP API, Entity-Checker oder LLM-Monitoring-Lösungen helfen bei der Analyse, sind aber keine Voraussetzung. Wer die sieben Prinzipien verinnerlicht hat, braucht keine zusätzliche Software, um sie anzuwenden. ## Quellen - Volpini, Andrea (2026): [„Why AI Cites Some Pages and Ignores Others“](https://wordlift.io/blog/en/embeddings-search-visibility/), WordLift Blog - Indig, Kevin (2026): [„The Science of How AI Pays Attention“](https://www.growth-memo.com/p/the-science-of-how-ai-pays-attention), Growth Memo - Indig, Kevin (2026): [„Shorter, Focused Content Wins in ChatGPT“](https://www.growth-memo.com/p/shorter-focused-content-wins-in-chatgpt), Growth Memo - Gübür, Koray Tugberk: [„Semantic SEO“](https://www.holisticseo.digital/theoretical-seo/semantic/), Holistic SEO Digital - Kalicube: [„Entity SEO“](https://kalicube.com/entity/entity-seo/) - Google Research (2024): [„GIST: Greedy Independent Set Thresholding for Max-Min Diversification with Submodular Utility“](https://arxiv.org/abs/2405.18754), arXiv, vorgestellt auf der NeurIPS 2025 (Diversitäts-Auswahl; Einsatz in AI Overviews nicht belegt) - Google (2020): [„How AI is powering a more helpful Google“](https://blog.google/products-and-platforms/products/search/search-on/), Search On 2020 (Ankündigung Passage Ranking) - Google Search Central: [„Spam Policies for Google Web Search“](https://developers.google.com/search/docs/essentials/spam-policies) - Perplexity (2026): [„pplx-embed“](https://www.perplexity.ai/hub/blog/pplx-embed-state-of-the-art-embedding-models-for-web-scale-retrieval), Perplexity Blog - Agenturtipp (2025): [„‚Keywordkönig‘ gekrönt: SEO-Contest 2025 entschieden“](https://www.agenturtipp.de/cms/artikel/49-keywordkoenig-gekroent-seo-contest-2025-entschieden/)