---
title: "Information Gain: Warum die KI-Suche Commodity Content aussortiert"
description: "Was Information Gain gegenüber Commodity Content bedeutet und warum eigene Daten für Google und die KI-Suche zählen und die Chance auf Zitate erhöhen können."
url: https://hechtinsgefecht.de/information-gain/
date_published: 2026-08-06
date_modified: 2026-10-30
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
---
# Information Gain: Warum die KI-Suche Commodity Content aussortiert

**Information Gain (deutsch: Informationsgewinn) ist ein Bewertungskonzept für Inhalte und bezeichnet den Informationszuwachs, den eine Seite gegenüber bereits bekannten Quellen liefert.** Im SEO-Kontext geht der Begriff auf eine Google-Patentanmeldung von 2018 zurück. Sein Gegenstück heißt Commodity Content: austauschbare Inhalte auf Basis von Allgemeinwissen, die jeder beliebige Anbieter liefern könnte. Nach meiner Einschätzung entscheidet sich zwischen diesen beiden Begriffen, ob deine Inhalte gecrawlt, indexiert, ausgespielt und von KI-Systemen wie ChatGPT zitiert werden.

Information Gain ist doppelt belegt. Im Machine Learning steuert Information Gain als Entropie-Maß die Aufteilung von Entscheidungsbäumen. Dieser Beitrag behandelt Information Gain als SEO-Konzept, also die Frage, ob eine Seite dem Google-Index und den KI-Systemen etwas Neues liefert.

Seit April 2026 kursieren Schlagzeilen um das Thema. Eine Digitalagentur aus der Slowakei titelte „Information Gain: Google’s #1 Ranking Signal in 2026“ und führte die Volatilität des März-Core-Updates als Beleg an. Google hat einen solchen Ranking-Faktor nicht bestätigt. Die Gegenseite antwortet mit „Information Gain ist kein Ranking-Faktor“ und hakt das Thema damit ab.

Ehrlicherweise halte ich beide Positionen für Wortklauberei. Es gibt nicht den einen großen Information-Gain-Knopf im Ranking. Es gibt diverse Signale, die Inhalte mit eigenem Beitrag belohnen. Die Ranking-Faktor-Debatte lenkt von der eigentlichen Rechnung ab, und genau um diese Rechnung geht es in der Sichtbarkeits-Ökonomie.

## Inhalt

1. [Information Gain ist ein Patent, kein Ranking-Knopf](#patent)
2. [Commodity Content: Google benutzt den Begriff mittlerweile selbst](#commodity-content)
3. [Die Sichtbarkeits-Ökonomie: fünf Stufen, zwei Stellschrauben](#sichtbarkeits-okonomie)
4. [Commodity Content rankt trotzdem (noch)](#commodity-content-rankt)
5. [Die KI-Suche bezahlt für Zahlen, Daten und Fakten](#ki-suche-bezahlt)
6. [KI aus dem Chatfenster ist ein Content-Mixer](#content-mixer)
7. [Case: +112 % Klicks nach dem Neuschreiben](#case-klicks)
8. [So lieferst du Information Gain (und hältst den Abruf billig)](#information-gain-liefern)
9. [Häufige Fragen](#haufige-fragen)
10. [Quellen](#quellen)

## Information Gain ist ein Patent, kein Ranking-Knopf

**Das Google-Patent „Contextual Estimation of Link Information Gain“ geht auf eine Erstanmeldung vom 18.10.2018 zurück.** Erstmals erteilt wurde es am 07.06.2022 als US11354342B2, und Fortsetzungen reichen bis 2025, darunter US12013887B2 vom 18.06.2024. Das Patent beschreibt einen Score für den Neuigkeitswert eines Dokuments, den zusätzlichen Informationswert für einen Nutzer, der andere Dokumente zum selben Thema bereits gesehen hat. Der Patent-Analyst Bill Slawski hat die veröffentlichte Anmeldung schon im Juni 2020 analysiert.

Der Kontext im Patent ist aufschlussreicher als die Schlagzeilen darüber. Die Scores greifen bei Folge-Ergebnissen, nachdem jemand erste Treffer gesehen hat und weitere Informationen anfordert. Als Anwendungsfälle nennt das Patent automatisierte Assistenten und das Nachsortieren von Suchergebnissen, die ein Nutzer noch nicht gesehen hat. Der Score setzt also voraus, dass jemand schon Dokumente gesehen hat, und Google hat eine Nutzung in der produktiven Suche nicht bestätigt.

Wer daraus „kein Ranking-Faktor, Thema erledigt“ macht, argumentiert allerdings genauso schief, nur in die andere Richtung. Der Growth-Advisor Kevin Indig schrieb 2024, Helpful Content und Core Updates bewerteten „samesies content“ härter, also Inhalte ohne eigenen Beitrag. Das ist seine Einschätzung und keine Aussage von Google.

Seit März 2024 ist das Helpful Content System Teil der Core-Ranking-Systeme, und Google fragt in seiner Dokumentation nach eigenen Informationen, Recherchen oder Analysen. Der eine benannte Faktor ist nicht bestätigt. Nach meiner Einschätzung wird echter Informationszuwachs trotzdem belohnt, verteilt über viele Systeme. Deswegen ist die Frage nach dem Ranking-Faktor die falsche Frage.

## Commodity Content: Google benutzt den Begriff mittlerweile selbst

**Commodity Content ist ein Inhaltstyp, der nur den thematischen Konsens wiedergibt und dort stehen bleibt.** Den Begriff verwendet Google in seinem Leitfaden zur Optimierung für KI-Funktionen in der Suche. Solcher Content basiere auf Allgemeinwissen („often based on common knowledge“), könne von jedem stammen und liefere kaum eigene Erkenntnis („little unique insight for readers“). Googles Beispiel: ein Artikel wie „7 Tipps für Erstkäufer einer Immobilie“.

Eine Commodity ist in der Ökonomie ein austauschbares Massengut wie Weizen oder Rohöl. Kevin Indig hat das Konzept bereits 2021 als „Content Commodity Trap“ auf Inhalte übertragen. Dass Google die Vokabel fünf Jahre später in der eigenen Dokumentation verwendet, zeigt aus meiner Sicht, wie ernst das Problem inzwischen ist.

Eine Unterscheidung verrutscht in der Debatte. **Konsens ist nicht dasselbe wie Commodity Content.** Konsens sind die etablierten Fakten, welche die rankenden Seiten zu einem Thema abdecken müssen. Der Konsens ist die Eintrittskarte. Commodity Content ist das Werturteil über eine Seite, die bei dieser Eintrittskarte stehen bleibt und nichts Eigenes hinzufügt.

Die SEO-Strategin Jes Scholz hat im Juni 2026 einen Test vorgeschlagen, der das Problem sichtbar macht. Wenn du Inhalte von deiner Seite ohne nennenswerte Änderungen auf einer Wettbewerber-Website platzieren kannst und nichts auffällt, hätten sie nie live gehen dürfen. Ihre Einordnung geht noch weiter. Sie hält Austauschbarkeit für eine größere Gefahr für den Wert von Content als den Google AI Mode.

## Die Sichtbarkeits-Ökonomie: fünf Stufen, zwei Stellschrauben

Warum sollte Google deine Seite crawlen, indexieren, ausspielen, ranken und dir obendrein Klicks schicken? Diese Frage stelle ich meinen Kunden immer wieder, und die ehrliche Antwort lautet bei Commodity Content: Es gibt keinen Grund. **Ich beschreibe Sichtbarkeit als Ökonomie mit fünf Stufen, in der Google auf jeder Stufe Aufwand gegen Ertrag rechnet.**

Die Einzahlung in diese Ökonomie ist der Information Gain. Die Kostenseite heißt [Cost of Retrieval](https://hechtinsgefecht.de/cost-of-retrieval/), also der Rechenaufwand, den Google für Crawling, Abruf und Verarbeitung einer Seite betreiben muss. In den SEO-Audits von HECHT INS GEFECHT hat diese Rechnung einen eigenen Abschnitt namens Search Economy, weil beide Stellschrauben nach meiner Einschätzung nur zusammen funktionieren.

Die Sichtbarkeits-Ökonomie, ein Modell von HECHT INS GEFECHT: fünf Stufen von Crawlen über Indexieren, Ausspielen und Ranken bis zu Klicks, auf jeder Stufe rechnet Google Aufwand gegen Ertrag. Die zwei Stellschrauben Information Gain, die Einzahlung, und Cost of Retrieval, die Kostenseite, wirken auf jede der fünf Stufen.

Die Sichtbarkeits-Ökonomie

Fünf Stufen, je Stufe Aufwand gegen Ertrag
Modell von HECHT INS GEFECHT

Information Gain die Einzahlung

Crawlen

Indexieren

Ausspielen

Ranken

Klicks

Cost of Retrieval die Kostenseite
Abb. 1 · HECHT INS GEFECHT

Abb. 1: Die Sichtbarkeits-Ökonomie, ein Modell von HECHT INS GEFECHT. Information Gain und Cost of Retrieval wirken auf jede Stufe von Crawlen bis Klicks.

Schlanke Technik allein reicht nicht. Beim SEO-Contest 2026 stand meine Methoden-Unterseite, deren Inhalt sich stark mit der Startseite überschnitt, trotz schlanker Technik auf „Gecrawlt, zurzeit nicht indexiert“. Nach sechs Tagen habe ich sie per 301 auf die Startseite umgeleitet. Die Details stehen im [Cost-of-Retrieval-Beitrag](https://hechtinsgefecht.de/cost-of-retrieval/).

Nach meiner Einschätzung verliert, wer nur eine der beiden Stellschrauben bedient, auf einer der fünf Stufen. In der Regel merkst du es erst auf der letzten, wenn die Klicks ausbleiben.

Der britische SEO Andrew Holland beschreibt eine verwandte Rechnung als Information Gain Rate, also Informationswert geteilt durch Beschaffungsaufwand. Er trennt sie ausdrücklich vom Patent-Begriff Information Gain. Die Rechnung selbst ist älter und stammt aus der Information Foraging Theory. Peter Pirolli und Stuart Card haben sie bei Xerox PARC entwickelt, erstmals 1995 veröffentlicht und 1999 ausgearbeitet.

Menschen suchen Informationen demnach nach demselben Muster, nach dem Tiere Nahrung suchen. Sie bewerten jede Quelle nach Ertrag pro Beschaffungsaufwand und ziehen weiter, sobald die Rechnung kippt. Nach meiner Einschätzung folgt die Sichtbarkeits-Ökonomie damit einem rund 30 Jahre alten Prinzip der Kognitionsforschung. Wie diese Rechnung die Themenwahl steuert, steht im Beitrag zu [Topic Research statt Keyword-Recherche](https://hechtinsgefecht.de/topic-research-statt-keyword-recherche/).

## Commodity Content rankt trotzdem (noch)

**Unter den Top-3-Seiten unterschied sich der Originalitätsscore zwischen Position 1, 2 und 3 kaum (Mediane 52 / 51,5 / 52). Das legt eine Anbieterstudie von On-Page.ai vom Juni 2026 nahe.** Von 150 untersuchten Top-3-Seiten (50 Keywords, zehn Branchen) waren 24 % überwiegend Commodity Content. Auf Position 4, 7 und 10 lag der Originalitätsscore etwas niedriger, überwiegend austauschbare Seiten kamen dort mit 37 bis 40 % häufiger vor.

Seiten mit 15 oder mehr eigenen Datenpunkten erreichten in der Studie im Schnitt 62 von 100 Punkten, Seiten mit höchstens einem eigenen Datenpunkt nur 40. Eigene Zahlen zeigen den stärksten Zusammenhang im Score der Studie, allerdings einen schwachen (r = 0,17). Und in 90 % der untersuchten Suchergebnisse blieb mindestens eine naheliegende Leserfrage von allen Top-3-Seiten unbeantwortet. Diese Lücken sind dein konkretes Ziel.

Die On-Page.ai-Studie arbeitet mit 15 Seiten pro Branche, einem einzigen Scan-Tag und einem proprietären Score. Die Autoren benennen diese Grenzen selbst, und einen Kausalzusammenhang mit Rankings behauptet die Studie ausdrücklich nicht. Die Richtung deckt sich nach meiner Einschätzung trotzdem mit Googles eigener Dokumentation und mit dem, was HECHT INS GEFECHT bei Kunden sieht.

Man könnte meinen, damit sei Commodity Content eine funktionierende Strategie. In der klassischen Trefferliste stimmt das kurzfristig sogar. Nach meiner Einschätzung liegt die Hürde inzwischen oft eine Stufe vorher, bei der Indexierung.

Seit Ende April 2026 häuften sich Berichte über Websites, die Seiten aus dem Google-Index verloren. Am 13. und 14. Mai 2026 schlugen rund zwölf Volatilitäts-Tools stark aus, Google bestätigte kein Update. Zu den Index-Berichten sah John Mueller nichts Außergewöhnliches. Das Search Engine Journal nannte dafür fünf mögliche Ursachen, darunter einen Zählfehler der Search Console.

Im Podcast Search Off the Record (Juli 2026) erklärte Mueller unabhängig von diesen Berichten, dass „Gecrawlt, zurzeit nicht indexiert“ manchmal ein Qualitätszeichen ist. Zweifeln Googles Systeme ernsthaft an der Qualität einer Website, crawlen und indexieren sie deutlich weniger. Sein Beispiel sind überwiegend KI-generierte Websites, wörtlich „Anyone could have written this. This tells me nothing.“, wobei nicht jeder KI-Content schlecht sei. Nach meiner Einschätzung ist die Indexierung damit auch ein Qualitätsfilter.

Nach meiner Einschätzung fallen austauschbare Inhalte in den Antworten von [AI Overviews](https://hechtinsgefecht.de/ai-overviews/) und im [Google AI Mode](https://hechtinsgefecht.de/google-ai-mode/) am ehesten heraus.

## Die KI-Suche bezahlt für Zahlen, Daten und Fakten

**Nach meiner Einschätzung gehören First-Party-Daten, also eigene Daten aus dem Unternehmen, in der KI-Suche zu den stärksten Argumenten.** Kevin Indig hat mit Daten des KI-Sichtbarkeits-Tools Gauge ausgewertet, welche Seiten KI-Systeme tatsächlich zitieren. Von 301 zitierten Seiten enthielten nur 8 echte Primärforschung, also 2,7 %. Diese 8 Seiten holten 90 von 1.075 Citations (Quellenangaben in KI-Antworten), also 8,4 % des gesamten Volumens.

### First-Party-Research holt 3,3-mal so viele Citations je Seite

Eine Seite mit eigener Forschung erhielt im Schnitt 11,3 Citations, alle übrigen Seiten 3,4. **Seiten mit Primärforschung hatten in dieser Auswertung 3,3-mal so viele Citations je Seite.** 75 der 90 Citations stammten aus einem einzigen Cluster, Benchmarks für Cloud-Data-Warehouses.

Indig folgert selbst, dass KI-Systeme vor allem Benchmarks mit messbarem Vergleich belohnen. Nach meiner Einschätzung ist das Verhältnis von Nachfrage zu Angebot in kaum einem anderen Content-Feld so günstig.

Die Kernzahlen der Auswertung im Überblick:

| Messgröße | Wert |
| --- | --- |
| Analysierte Seiten | 301 |
| Seiten mit echter Primärforschung | 8 (2,7 %) |
| Citation-Anteil dieser 8 Seiten | 8,4 % (90 von 1.075) |
| Citations pro Seite (Primärforschung vs. Rest) | 11,3 vs. 3,4 |

Dieselbe Analyse liefert eine Warnung hinterher. Von 365 zitierten URLs im Datensatz waren 64 tot, umgeleitet oder kaputt und nahmen 203 Citations mit. Die 301 ausgewerteten Seiten waren die erreichbaren. Eine stabile URL ist Teil der Einzahlung.

Ein ähnliches Muster sieht HECHT INS GEFECHT bei einer Internatsberatung. In einer Messung im September 2026 gingen 36 Elternfragen an acht KI-Anbieter. Von 91 Zitaten der eigenen Website entfielen 19 auf eine Länder-Seite zu Internaten in England und neun auf einen Listicle.

Die sieben Sport-Nischen-Posts mit je 2.700 bis 4.200 Wörtern sind die längsten Texte der Website. Sie erschienen von April bis Juni 2026, wurden kein einziges Mal zitiert und holten bis Anfang September zusammen acht Klicks.

Am häufigsten zitiert wurden fremde Erklärseiten mit konkreten Beträgen, Fristen und Behördenbezug. Die stärkste fremde Domain kam auf 58 Zitate in 26 Testfragen.

Eine akademische Stütze liefert ein Paper zur GEO (Generative Engine Optimization) von einem Forscherteam um die Princeton University (Aggarwal et al., 2024). Das Team hat mit einer eigenen Test-Engine systematisch getestet, welche Optimierungen die Sichtbarkeit in KI-Antworten erhöhen. Die drei stärksten Methoden waren das Zitieren von Quellen, das Ergänzen wörtlicher Zitate und das Ergänzen von Statistiken. Sie erreichten 30 bis 40 % relative Verbesserung beim nach Position gewichteten Wortanteil und 15 bis 30 % in der zweiten Metrik des Papers.

In der Validierung auf Perplexity brachte das Ergänzen von Zitaten 22 % Verbesserung, während klassisches Keyword-Stuffing rund 10 % schlechter abschnitt als gar keine Optimierung.

Auch Google selbst äußert sich mittlerweile zur Optimierung für die KI-Suche. Nick Fox verantwortet als Senior Vice President bei Google den Bereich Knowledge and Information, zu dem die Suche gehört. Ende Mai 2026 sagte Fox bei Google Marketing Live: „The way to optimize for AI search is the same way to optimize for search. Create great content.“ Aus meiner Sicht bleiben die Regeln dieselben, und die Auswahl wird härter.

### Die ersten 30 % der Seite holen die meisten Citations

Auch die Platzierung der Substanz ist messbar, Kevin Indig hat dafür 18.012 verifizierte ChatGPT-Citations ausgewertet. **44,2 % aller Citations stammen aus den ersten 30 % einer Seite.** 31,1 % kommen aus der Mitte (30 bis 70 %), 24,7 % aus dem letzten Teil. Steht eine Kernaussage in der Mitte eines langen Textes, wird sie laut Indig rund 2,5-mal seltener zitiert.

Indigs Platzierungsdaten und die Empfehlung der On-Page.ai-Studie zeigen in dieselbe Richtung: den Konsens klar und knapp, danach die eigene Tiefe. Das heißt, die stärkste eigene Zahl gehört ins obere Drittel der Seite, direkt nach der schnellen Antwort. Wer seine besten Daten im Fazit versteckt, hat die Recherche gemacht und wird trotzdem seltener zitiert.

### Warum Redundanz für KI-Systeme teuer ist

Google-Forscher haben mit GIST (Greedy Independent Set Thresholding) einen Auswahl-Algorithmus publiziert, der Nutzen und Vielfalt kombiniert. Der Algorithmus wählt aus einem Kandidaten-Pool eine Teilmenge, deren Elemente möglichst relevant und zugleich möglichst verschieden sind. Entwickelt wurde GIST für Daten-Sampling, die Übertragung auf die Quellenauswahl in KI-Antworten ist eine naheliegende Interpretation aus dem SEO-Bereich, kein belegter Einsatz. In SEO-Artikeln kursiert dazu ein Schwellenwert von 0,85 Cosine Similarity, der als solcher weder im Paper noch im Google-Research-Blog steht.

Die GIST-Logik trägt aus meiner Sicht trotzdem, auch ohne diese Schwelle. Zwei fast identische Quellen liefern einer KI-Antwort keinen doppelten Wert, kosten aber doppelt Rechenleistung. Wer nur den Konsens wiederholt, sieht in den Vektoren aus wie die Quelle, die längst ausgewählt ist. Domain-Autorität rettet an dieser Stelle wenig, und warum KI-Systeme dann das plausibel Falsche empfehlen, steht im Beitrag zu [Semantic Drift](https://hechtinsgefecht.de/semantic-drift/).

Diese Ähnlichkeit hat die SEO-Branche jahrelang aktiv trainiert. Ich habe auch mal mit PageOptimizer Pro von Kyle Roof, NEURONwriter und Surfer SEO gearbeitet und kenne [das Prinzip WDF\*IDF](https://hechtinsgefecht.de/wdf-idf/) dahinter. Es misst, welche Begriffe die ersten zehn Ergebnisse wie stark verwenden, und du gleichst deinen Text daran an. Das erschien mir lange logisch.

Wer in die Phalanx der ersten zehn Ergebnisse einbrechen will, muss Ähnliches schreiben wie sie, gemessen an den Keywords. So entstehen Texte mit sehr ähnlicher Bedeutung, eine Vektor-Nachbarschaft, die es nach meiner Einschätzung in der KI-Suche schwer hat. Mittlerweile arbeite ich gar nicht mehr mit Keywords und nutze sie maximal als Indikator dafür, was gesucht wird. Die Optimierung läuft über natürliche Sprache, Entitäten und echte Queries aus LLMs.

## KI aus dem Chatfenster ist ein Content-Mixer

**Ein Content-Mixer ist ein LLM (Large Language Model), das ohne eigenen Input nur vorhandene Quellen neu abmischt und per Definition keinen Information Gain liefert.** Wer ChatGPT im Browser-Fenster einen Blogpost schreiben lässt, bekommt nach meiner Einschätzung einen Remix vorhandener Quellen. ChatGPT sucht im Web, wenn die Frage davon profitieren kann, sonst schreibt das Modell aus dem Trainingswissen. Ohne deinen Input fehlt in beiden Fällen der eigene Kontext, und es entsteht ein Derivat.

Google formuliert das in der eigenen KI-Anleitung unmissverständlich. Die Anleitung rät von Inhalten ab, die sich leicht von einem generativen Modell erzeugen lassen („could easily be produced by a generative AI model“). Davon zu unterscheiden ist „scaled content abuse“ aus Googles Spam-Richtlinien. Gemeint sind viele Seiten, die vor allem Rankings manipulieren sollen und Nutzern kaum Wert bieten, egal wie sie entstehen.

In Kunden-Workshops warne ich seit Jahren genau davor, Texte komplett von der KI schreiben zu lassen. Der Grund ist die fehlende Einzahlung.

Der bessere Weg: eine eigene Datenbasis aufbauen, im Englischen gern Knowledge Base genannt. Dazu zählen Verkaufsdaten, Messwerte, Support-Fragen, eigene Tests und dokumentierte Kundenfälle. Mit dieser Basis wird die KI vom Mixer zum Werkzeug. Kevin Indig schränkt ein, dass erst ein Benchmark eigene Daten zum Wert macht („Owning data is not the asset. A benchmark is.“).

Beim Wettbewerb um das Keyword „Keywordkönig“ gewann HECHT INS GEFECHT den Preis für die höchste KI-Sichtbarkeit beim Agenturtipp SEO-Contest 2025 (Messung: Rankscale). Das Ergebnis waren 23 Nennungen an den drei Bewertungsstichtagen, Platz 2 kam auf 21. Über die gesamte Laufzeit standen 199 Quellenangaben in Perplexity und Claude, Platz 2 kam auf 131. Den Content habe ich mit Gemini erstellt, mein Input waren die semantischen SEO-Regeln in den Anweisungen.

Welchen Anteil die Regeln am Ergebnis hatten, lässt sich nicht isolieren. Aus meiner Sicht verläuft die entscheidende Linie zwischen Werkzeug und Quelle. Die Details stehen im Beitrag zu [Semantisches SEO](https://hechtinsgefecht.de/semantisches-seo/).

## Case: +112 % Klicks nach dem Neuschreiben

Und was passiert mit den Klickzahlen, wenn man flache Ratgeber-Artikel durch dichte ersetzt? Bei einem Fachshop im Heimtier-Segment hat HECHT INS GEFECHT genau das gemessen. **Die Blog-Klicks stiegen um 112 %, der Rest der Domain blieb fast unverändert (−0,8 %).**

Die Ausgangslage: 22 Ratgeber-Artikel, zu flach, zu allgemein und zu dünn an Informationen. HECHT INS GEFECHT hat alle 22 Artikel neu geschrieben, mit konkreten Zahlen und Werten, schnellen Antwortblöcken nach jeder Überschrift, Tabellen und einem Inhaltsverzeichnis mit Sprungmarken. Grundlage waren die bestehenden Artikel, ergänzt um Recherche zu echten Suchanfragen und einen Faktencheck. Der Shop-Betreiber hat die Texte abgenommen.

Gemessen habe ich zwei gleich lange 61-Tage-Fenster in der Google Search Console. März bis April 2026 zeigt die alten Artikel, Juni bis Anfang August 2026 die neuen. Das Vorher-Fenster fällt in den Zeitraum, in dem die Search Console Impressionen zu hoch gezählt hat. Deshalb vergleiche ich nur Klicks.

| Metrik | Vorher (61 Tage) | Nachher (61 Tage) | Veränderung |
| --- | --- | --- | --- |
| Klicks Blog | 1.621 | 3.438 | +112 % |
| Klicks Rest der Domain | 13.848 | 13.742 | −0,8 % |

Der Rest der Domain dient dabei als Kontrollgruppe und blieb fast unverändert, die Klicks gingen nur um 0,8 % zurück. Ein shopweiter Saisoneffekt erklärt den Sprung damit nach meiner Einschätzung nicht allein.

Ehrlicherweise hat auch diese Messung Grenzen. Die Fenster liegen in unterschiedlichen Jahreszeiten, und Google rollte im März und Mai 2026 Core Updates aus. Parallel liefen der Umbau der Startseite, neue URLs mit Weiterleitungen und zusammengelegte Beiträge. Neue Blogposts außerhalb der 22 Artikel brachten rund 3 % der Blog-Klicks im Nachher-Fenster.

Klicks vor und nach dem Umschreiben von 22 Ratgeber-Artikeln eines Fachshops im Heimtier-Segment, gemessen in zwei gleich langen 61-Tage-Fenstern der Google Search Console, März bis April 2026 gegen Juni bis Anfang August 2026. Blog: 1.621 Klicks vorher, 3.438 nachher, +112 %. Rest der Domain als Kontrollgruppe: 13.848 Klicks vorher, 13.742 nachher, −0,8 %.

Klicks vor und nach dem Umschreiben

Fachshop im Heimtier-Segment, Google Search Console
Zwei 61-Tage-Fenster: März bis April 2026 gegen Juni bis Anfang August 2026

Blog 22 Ratgeber-Artikel, neu geschrieben
vorher
1.621

nachher
3.438
+112 %

VS

Rest der Domain Kontrollgruppe
vorher
13.848

nachher
13.742
−0,8 %
Abb. 2 · HECHT INS GEFECHT

Abb. 2: Klicks in zwei gleich langen 61-Tage-Fenstern der Search Console, vorher und nachher, für die 22 neu geschriebenen Ratgeber-Artikel und den Rest der Domain als Kontrollgruppe.

Die Sprungmarken aus den neuen Inhaltsverzeichnissen tauchten als eigene URLs in den Suchergebnissen auf. Sie holten im Nachher-Fenster 89.708 Impressionen, vorher waren es null. Diese URLs gab es vorher nicht, und das Nachher-Fenster liegt nach dem Zählfehler der Search Console. Diese Impressionen kommen zu den Blog-Impressionen hinzu.

**Dichterer, besser gegliederter Content wirkt nach meiner Einschätzung auch über neue Flächen auf der Suchergebnisseite (SERP).** Die Sprungmarken mit ihren Impressionen zeigen diese zusätzliche Sichtbarkeit.

## So lieferst du Information Gain (und hältst den Abruf billig)

Der Weg raus aus dem Commodity Content führt über vier Hebel: eine eigene Datenbasis, die richtige Platzierung, eine nachvollziehbare Methodik und einen günstigen Abruf. Die vier Hebel stammen aus der Arbeit von HECHT INS GEFECHT mit E-Commerce- und B2B-Kunden und decken sich mit den Daten aus diesem Beitrag.

### Baue eine eigene Datenbasis auf

Viele Unternehmen erzeugen nebenbei Daten, die so kaum im Netz stehen. Dazu zählen Verkaufs- und Nutzungsdaten, Messwerte aus der eigenen Fertigung, wiederkehrende Fragen aus Support und Beratung sowie Ergebnisse eigener Tests. Ein Hersteller sitzt auf Detailwissen aus der Produktion, ein Händler auf echten Kaufdaten.

Genau dieses Wissen gehört in den Content. Die dritte Wiederholung der Wikipedia-Definition lässt du weg. Sammle dieses Wissen systematisch, dann hat auch die KI beim Schreiben etwas zum Verarbeiten.

### Konsens knapp abhandeln, die eigene Zahl ins obere Drittel

Decke die Pflichtfakten früh und kompakt ab, sie sind die Eintrittskarte. Direkt danach kommt das, was kein Wettbewerber hat: deine Zahl, dein Test, dein dokumentierter Fall.

**Pro-Tipp:** Lies nach dem Schreiben nur die ersten 30 % deiner Seite. Prüfe, ob dort schon deine stärkste eigene Information steht oder bis dahin nur Konsens. Laut Indig stammen bei ChatGPT 44,2 % der Citations aus den ersten 30 % eines Textes, deshalb lohnt diese Prüfung.

### Zeige die Methode und halte URLs stabil

Eine Zahl ohne Herkunft ist schwer zitierfähig. Schreibe dazu, was gemessen wurde, in welchem Zeitraum und mit welcher Stichprobe, so wie im Case oben. Benenne auch die Grenzen der eigenen Messung, das macht die Zahlen glaubwürdiger.

Halte außerdem die URL stabil. Wie viele Citations an toten oder umgeleiteten URLs verloren gehen, zeigt die Auswertung von Gauge weiter oben.

### Halte den Abruf deiner Seiten billig

Setze auf weniger, dafür dichtere Seiten. Dünne Artikel ohne eigenen Gehalt konsolidieren, Duplikate reduzieren, Antwortzeiten kurz halten. Google rät in seinem Leitfaden zur Optimierung für KI-Funktionen, doppelte Inhalte zu reduzieren, weil Suchmaschinen sonst Crawling-Ressourcen auf unwichtige URLs verschwenden können. Wie du Inhalte so formatierst, dass KI-Systeme sie sauber extrahieren, steht im Beitrag zur [Content-Formatierung für LLMs](https://hechtinsgefecht.de/content-formatierung-llm/).

## Häufige Fragen

### Ist Information Gain ein Google-Ranking-Faktor?

Information Gain ist **kein einzelner bestätigter Ranking-Faktor**. Das 2022 erstmals erteilte Patent US11354342B2 (Fortsetzungen bis 2025) beschreibt einen Score gegenüber Dokumenten, die jemand schon gesehen hat, etwa bei Assistenten und weiteren Ergebnissen. Das Helpful Content System ist seit März 2024 Teil der Core-Ranking-Systeme, und Google fragt in seiner Doku nach eigenen Informationen, Recherchen oder Analysen.

### Was ist Commodity Content?

Commodity Content ist **austauschbarer Inhalt auf Basis von Allgemeinwissen**, der kaum eigene Erkenntnis liefert. Google verwendet den Begriff in der offiziellen Anleitung zur Sichtbarkeit in KI-Funktionen.

### Was unterscheidet Konsens von Commodity Content?

Konsens sind die etablierten Fakten, die jede Seite zu einem Thema abdecken muss, also die **Eintrittskarte**. Commodity Content ist eine Seite, die bei dieser Eintrittskarte stehen bleibt und nichts Eigenes hinzufügt.

### Kann KI-generierter Content Information Gain liefern?

KI-generierter Content liefert Information Gain nur, wenn **eigene Daten und eigenes Wissen als Input** einfließen. Ohne diesen Input remixt das Modell vorhandene Quellen und erzeugt ein Derivat.

### Wie wichtig ist Information Gain für die Sichtbarkeit in LLMs?

Nach meiner Einschätzung ist Information Gain für die Sichtbarkeit in LLMs zentral. Kevin Indig hat 301 von KI-Systemen zitierte Seiten ausgewertet. Die acht Seiten mit Primärforschung holten 90 Citations, 3,3-mal so viele je Seite wie die übrigen. 75 dieser 90 Citations stammen aus einem einzigen Benchmark-Cluster, und Indig folgert, dass vor allem Benchmarks mit messbarem Vergleich zitiert werden.

## Quellen

- Google Search Central: [AI Optimization Guide](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) (Abschnitt „Create valuable, non-commodity content“, Stand Juli 2026)
- Google Patents: [US11354342B2, Contextual Estimation of Link Information Gain](https://patents.google.com/patent/US11354342B2/en) (erteilt 07.06.2022) und die Fortsetzung [US12013887B2](https://patents.google.com/patent/US12013887B2/en) (erteilt 18.06.2024)
- On-Page.ai: [Information Gain Study](https://api.on-page.ai/research/information-gain-study) (Scan vom 12.06.2026)
- Kevin Indig: [The content commodity trap](https://www.growth-memo.com/p/the-content-commodity-trap), [Information Gainz](https://www.growth-memo.com/p/information-gainz), [Why most original data never gets cited](https://www.growth-memo.com/p/why-most-original-data-never-gets) und [The science of how AI pays attention](https://www.growth-memo.com/p/the-science-of-how-ai-pays-attention) (Growth Memo)
- Bill Slawski: [Ranking Search Results based on Information Gain Scores](https://gofishdigital.com/blog/information-gain-scores/) (Go Fish Digital, 15.06.2020)
- OpenAI: [ChatGPT search](https://help.openai.com/en/articles/9237897-chatgpt-search) (Hilfe-Center)
- Jes Scholz: [When the logo comes off, is it still your content?](https://seobrief.substack.com/p/when-the-logo-comes-off-is-it-still) (SEO Brief, 18.06.2026)
- Fahrbach et al.: [GIST: Greedy Independent Set Thresholding](https://arxiv.org/abs/2405.18754) (NeurIPS 2025) und [Google Research Blog](https://research.google/blog/introducing-gist-the-next-stage-in-smart-sampling/)
- Aggarwal et al.: [GEO: Generative Engine Optimization](https://arxiv.org/abs/2311.09735) (KDD 2024)
- Andrew Holland: [Information gain: Here’s what this new SEO ‘buzzword’ really means](https://searchengineland.com/what-information-gain-seo-means-440326) (Search Engine Land, 09.05.2024)
- Nielsen Norman Group: [Information Foraging: A Theory of How People Navigate on the Web](https://www.nngroup.com/articles/information-foraging/) (zur Information Foraging Theory von Pirolli & Card, Xerox PARC, 1995 und 1999)
- Danny Goodwin: [Google’s Nick Fox: AI search rewards content that goes deeper](https://searchengineland.com/google-nick-fox-ai-search-deeper-content-478686) (Search Engine Land, 26.05.2026)
- Google Search Off the Record: [How to read the Indexing Report](https://search-off-the-record.libsyn.com/how-to-read-the-indexing-report) (Folge 112, 16.07.2026, mit [Transkript](https://search-off-the-record.libsyn.com/how-to-read-the-indexing-report-transcript))
- Matt G. Southern: [Deindexing Reports Keep Coming, Google Sees Nothing Unusual](https://www.searchenginejournal.com/deindexing-reports-keep-coming-google-sees-nothing-unusual/579847/) (Search Engine Journal, 20.06.2026)
- Barry Schwartz: [Google Search Ranking Volatility Heating Up May 13th & 14th](https://www.seroundtable.com/google-search-ranking-volatility-heated-41324.html) (Search Engine Roundtable, 14.05.2026)
- Google Search Central: [Ranking Systems Guide](https://developers.google.com/search/docs/appearance/ranking-systems-guide) (Abschnitt „Retired systems“, Helpful Content System) und [Spam-Richtlinien](https://developers.google.com/search/docs/essentials/spam-policies#scaled-content) (Scaled content abuse)