Information Gain (deutsch: Informationsgewinn) ist ein Bewertungskonzept für Inhalte und bezeichnet den Informationszuwachs, den eine Seite gegenüber bereits bekannten Quellen liefert. Im SEO-Kontext stammt der Begriff aus einem Google-Patent von 2018. Sein Gegenstück heißt Commodity Content: austauschbare Inhalte auf Basis von Allgemeinwissen, die jeder beliebige Anbieter liefern könnte. Zwischen den beiden Polen entscheidet sich, 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.
Um das Thema kursieren gerade steile Schlagzeilen. Eine amerikanische SEO-Agentur titelt „Information Gain: Google’s #1 Ranking Signal in 2026“ und führt die Volatilität des März-Core-Updates als Beleg an. Bestätigt hat Google einen solchen Ranking-Faktor nie. Die Gegenseite kontert reflexhaft 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, und alle belohnen dasselbe: Inhalte mit eigenem Beitrag statt Wiederholung des Index. Die Ranking-Faktor-Debatte lenkt von der eigentlichen Rechnung ab, und genau um diese Rechnung geht es in der Sichtbarkeits-Ökonomie.
Inhalt
Information Gain ist ein Patent, kein Ranking-Knopf
Das Google-Patent „Contextual Estimation of Link Information Gain“ (US12013887B2) geht auf eine Erstanmeldung vom 18.10.2018 zurück; die aktuelle Fassung wurde am 18.06.2024 erteilt. Das Patent beschreibt einen Score für den Neuigkeitswert eines Dokuments. Der Score misst 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 2020 als einer der Ersten 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. Von der ersten, frischen Trefferliste steht dort nichts, und Google hat eine Nutzung in der produktiven Suche nie bestätigt.
Wer daraus „kein Ranking-Faktor, Thema erledigt“ macht, argumentiert allerdings genauso schief, nur in die andere Richtung. Googles Helpful Content Update von 2022 und die Core Updates der letzten Jahre werten Inhalte ohne eigenen Beitrag ab. Der deutsche, in den USA arbeitende Growth-Advisor Kevin Indig nennt solche Inhalte treffend „samesies content“. Das heißt: Der eine benannte Faktor existiert nicht, die Belohnung für echten Informationszuwachs existiert trotzdem, 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. Die Definition stammt nicht aus einem SEO-Blog, sondern aus Googles offizieller Anleitung für Sichtbarkeit in KI-Funktionen. 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“.
Geprägt hat den Begriff Kevin Indig. 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 die eigene Dokumentation übernimmt, zeigt, wie ernst das Problem im KI-Zeitalter geworden ist.
Eine Unterscheidung verrutscht in der Debatte ständig: Konsens ist nicht dasselbe wie Commodity Content. Konsens sind die etablierten Fakten, die jede rankende Seite zu einem Thema abdecken muss. 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 schonungslos sichtbar macht: Nimm das Logo von deiner Seite. Könnte ein Wettbewerber die Seite unverändert übernehmen, ohne dass etwas auffällt, hätte sie nie live gehen dürfen. Ihre Einordnung geht noch weiter: Austauschbarkeit ist eine größere Gefahr für den Wert von Content als der 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 jedem Kunden, und die ehrliche Antwort lautet bei Commodity Content: Es gibt keinen Grund. Sichtbarkeit ist eine Ökonomie mit fünf Stufen, und auf jeder Stufe rechnet Google Aufwand gegen Ertrag.
Die Einzahlung auf dieses Konto ist der Information Gain. Die Kostenseite heißt 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 ein eigenes Kapitel namens Search Economy, weil beide Stellschrauben nur zusammen funktionieren.
Abb. 1: Die Sichtbarkeits-Ökonomie: fünf Stufen von Crawlen bis Klicks. ↓ PNG
Wie das Zusammenspiel in der Praxis kippt, zeigt ein Onlineshop aus einem unserer Audits. Der Blog enthielt 1.159 Artikel mit brauchbarer Substanz, praktisch nichts davon war indexiert. Das Audit fand über 7.000 Sitemap-Warnungen und Render-Blocking auf 73 von 74 geprüften Seiten. Der Information Gain war vorhanden, aber der Abruf so teuer, dass Google die Inhalte schlicht nie eingesammelt hat.
Genauso scheitert die Gegenkombination: ultraschlanke Technik ohne eigenen Gehalt, und die Seite bleibt dauerhaft bei „gecrawlt, nicht indexiert“. So ist es mir selbst beim SEO-Contest 2026 passiert; die Geschichte erzähle ich im Cost-of-Retrieval-Beitrag. Wer nur eine der beiden Stellschrauben bedient, verliert auf einer der fünf Stufen. In der Regel merkt man es erst auf der letzten, wenn die Klicks ausbleiben.
Der britische SEO Andrew Holland nennt dieselbe Rechnung Information Gain Rate: maximale Information für minimalen Aufwand, bei Menschen wie bei Suchmaschinen und LLMs. Erfunden hat Holland diese Formel nicht. Sie stammt aus der Information Foraging Theory, die Peter Pirolli und Stuart Card Ende der 1990er bei Xerox PARC entwickelt haben. 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. Die Sichtbarkeits-Ökonomie ist also kein Google-Artefakt, sondern ein fast 30 Jahre altes Prinzip der Kognitionsforschung. Wie diese Formel die Themenwahl steuert, steht im Beitrag zu Topic Research statt Keyword-Recherche.
Commodity Content rankt trotzdem (noch)
Originalität ist im klassischen Google-Ranking keine Voraussetzung für Top-Positionen. Das legt eine Studie von On-Page.ai vom Juni 2026 nahe. Untersucht wurden 150 Seiten auf Top-3-Positionen über 50 Keywords in zehn Branchen. Der Median-Originalitätsscore lag bei 52 von 100, und er unterscheidet sich zwischen Position 1, 2 und 3 praktisch gar nicht (52 / 51,5 / 52). 24 % der Top-3-Seiten waren überwiegend Commodity Content.
Zwei Befunde aus der On-Page.ai-Studie stechen heraus. Seiten mit 15 oder mehr eigenen Datenpunkten erreichten im Schnitt 62 von 100 Punkten, Seiten mit höchstens einem eigenen Datenpunkt nur 40. Eigene Zahlen sind damit der stärkste Einzelhebel für Originalität. Und in 90 % der untersuchten Suchergebnisse blieb mindestens eine naheliegende Leserfrage von allen Top-3-Seiten unbeantwortet. Diese Lücken sind dein konkretes Ziel.
Zur Einordnung gehört: 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 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. Für die blaue Trefferliste stimmt das kurzfristig sogar. Nur bewegt sich der Boden inzwischen eine Stufe vorher, bei der Indexierung.
Von Ende April bis in den Juni 2026 häuften sich Berichte über Websites, die massenhaft Seiten aus dem Google-Index verloren. Mitte Mai schlugen über ein Dutzend Volatilitäts-Tools gleichzeitig aus. John Mueller sah darin zunächst nichts Ungewöhnliches. Die Erklärung lieferte er im Juli 2026 im Podcast Search Off the Record nach: Wenn Googles Systeme ernsthaft an der Qualität einer Website zweifeln, drosseln sie Crawling und Indexierung für die gesamte Site, nicht für einzelne URLs. Der Search-Console-Status „Gecrawlt, zurzeit nicht indexiert“ ist das sichtbare Symptom dieser Entscheidung. Muellers Beispiel für solche Qualitätszweifel ist austauschbarer KI-Content, wörtlich: „Anyone could have written this. This tells me nothing.“ Deutlicher wird Google kaum noch sagen, dass die Indexierung ein Qualitäts-Gate ist.
Die Auszahlung verschiebt sich außerdem dorthin, wo austauschbare Inhalte am ehesten wegfallen: in AI Overviews und im Google AI Mode.
Die KI-Suche bezahlt für Zahlen, Daten und Fakten
First-Party-Daten, also eigene Daten aus dem Unternehmen, sind in der KI-Suche der wertvollste Rohstoff, und das ist mittlerweile messbar. Kevin Indig hat mit dem Analytics-Anbieter Gauge untersucht, welche Seiten KI-Systeme tatsächlich zitieren. Von 301 analysierten Seiten enthielten nur 8 echte Primärforschung, also 2,7 %. Diese 8 Seiten holten 90 von 1.075 Citations, also 8,4 % des gesamten Volumens.
First-Party-Research wird 3,3x häufiger zitiert
Eine Seite mit eigener Forschung erhielt im Schnitt 11,3 Citations, alle übrigen Seiten 3,4. Wer eigene Daten publiziert, wird von KI-Systemen 3,3x häufiger zitiert. In kaum einem anderen Content-Feld ist das Verhältnis von Nachfrage zu Angebot 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 waren 64 tot, umgeleitet oder kaputt, wodurch 203 Citations ins Leere liefen. Eine stabile URL ist Teil der Einzahlung.
Die akademische Bestätigung liefert ein Paper zur GEO (Generative Engine Optimization) von einem Forscherteam um die Princeton University (Aggarwal et al., 2024). Das Team hat systematisch getestet, welche Optimierungen die Sichtbarkeit in KI-Antworten erhöhen. Die drei stärksten Methoden waren das Ergänzen von Statistiken, Zitaten und Quellenangaben, mit 30 bis 40 % mehr Sichtbarkeit im Benchmark. 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 beschreibt die Optimierung für die KI-Suche mittlerweile so. Nick Fox verantwortet als Senior Vice President bei Google den Bereich Knowledge and Information, zu dem die Suche gehört. Im Mai 2026 sagte Fox: „The way to optimize for AI search is the same way to optimize for search. Create great content.“ Die Regeln bleiben dieselben, nur die Auswahl wird härter.
Die ersten 30 % der Seite entscheiden über die Zitierung
Die Platzierung der Substanz ist genauso messbar. Eine Auswertung von 18.012 verifizierten ChatGPT-Citations zeigt eine klare Verteilung: 44,2 % aller Citations stammen aus den ersten 30 % einer Seite. Am härtesten liest die KI im Bereich zwischen 10 % und 20 % der Seitenlänge, tief vergrabener Content wird rund 2,5x seltener zitiert.
Abb. 2: Citations nach Seitentiefe: 44,2 % aller ChatGPT-Citations stammen aus den ersten 30 % einer Seite. ↓ PNG
Die Platzierungsdaten und die On-Page.ai-Studie zeigen dieselbe Reihenfolge: den Konsens früh und knapp abhandeln, die eigene Differenzierung direkt danach. Das heißt konkret: Die stärkste eigene Zahl gehört ins obere Drittel der Seite, direkt nach der schnellen Antwort. Wer seine besten Daten im Fazit versteckt, bezahlt die Recherche und verschenkt die Zitierung.
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. Diese Zahl steht weder im Paper noch im Google-Research-Blog, das ist Folklore.
Die GIST-Logik trägt trotzdem, auch ohne erfundene 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.
Diese Ähnlichkeit ist übrigens kein Zufall, die SEO-Branche hat sie jahrelang aktiv trainiert. Ich habe selbst lange mit Tools wie PageOptimizer Pro von Kyle Roof, NEURONwriter und Surfer SEO gearbeitet. Deren Prinzip heißt WDF*IDF: Miss, welche Begriffe die ersten zehn Ergebnisse wie stark verwenden, und gleiche 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. Nur produziert genau diese Logik die Vektor-Nachbarschaft, die in der KI-Suche aussortiert wird. Mit Keywords arbeite ich deshalb gar nicht mehr. Sie sind maximal ein 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 letztlich eine Websuche mit anschließendem Remix. Das Modell zieht die vorhandenen Quellen, mischt sie neu ab und formuliert sie glatter. 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“). Großflächig generierte Seiten ohne eigenen Wert führt Google unter „scaled content abuse“ in den Spam-Richtlinien.
In Kunden-Workshops warne ich seit Jahren genau davor, Texte komplett von der KI schreiben zu lassen. Der Grund ist nicht Prinzipienreiterei, sondern 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.
Dass die Linie zwischen Werkzeug und Quelle verläuft und nicht zwischen Mensch und KI, haben wir bei HECHT INS GEFECHT selbst bewiesen. Beim SEO-Wettbewerb Keywordkönig 2025 hat KI-generierter Content zum Sieg im KI-Wettbewerb von RankScale beigetragen: 199 LLM-Erwähnungen, Platz 1. Der Content lief durch unsere semantischen SEO-Regeln und wurde mit eigener Substanz gefüttert, statt frei zu halluzinieren. Die Details stehen im Beitrag zu Semantisches SEO.
Case: +106 % Klicks ohne bessere Rankings
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 106 %, während die durchschnittliche Ranking-Position praktisch unverändert blieb.
Die Ausgangslage: 22 Ratgeber-Artikel, seit Jahren online, inhaltlich korrekt, aber 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. Die Substanz kam aus dem Wissen des Shop-Betreibers, also aus Erfahrung aus erster Hand, die in keinem Konkurrenz-Text steht.
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.
| Metrik | Vorher (61 Tage) | Nachher (61 Tage) | Veränderung |
|---|---|---|---|
| Klicks Blog | 1.621 | 3.347 | +106 % |
| Impressionen Blog | 124.881 | 178.205 | +43 % |
| Ø-Position Blog | 6,3 | 6,4 | +0,1 |
| Klicks Rest der Domain | 13.848 | 13.486 | -2,6 % |
Der Rest der Domain dient dabei als Kontrollgruppe: Der Shop insgesamt lief im selben Zeitraum leicht rückläufig, Saisoneffekte allein erklären den Sprung also nicht. Ehrlicherweise hat auch diese Messung Grenzen: Die Fenster liegen in unterschiedlichen Jahreszeiten, und der Shop hat parallel an anderen Stellen weiter optimiert.
Abb. 3: Der Case: +106 % Blog-Klicks nach dem Neuschreiben von 22 Ratgebern, die Kontrollgruppe fiel um 2,6 %. ↓ PNG
Die Klicks verdoppelten sich bei nur 43 % mehr Impressionen. Die Klickrate stieg von 1,3 % auf 1,9 %, bei fast gleicher Position. Ein Bonus-Effekt kam zusätzlich zu den Impressionen in der Tabelle dazu. Die neuen Sprungmarken aus den Inhaltsverzeichnissen tauchen als eigene URLs in den Suchergebnissen auf. Sie sammelten 87.827 Impressionen, vorher waren es exakt null.
Für mich ist das der interessanteste Teil des Cases: Dichterer Content wirkt auch ohne Ranking-Sprung. Der gesamte SEO-Bereich starrt auf Positionen. Die Auszahlung kam hier über bessere Snippets, neue Flächen auf der Suchergebnisseite (SERP) und Nutzer, die das Ergebnis häufiger wählten.
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.
Abb. 4: Vier Hebel für Information Gain, von eigener Datenbasis bis zum billigen Abruf. ↓ PNG
Baue eine eigene Datenbasis auf
Fast jedes Unternehmen erzeugt nebenbei Daten, die so nirgends 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, statt der dritten Wiederholung der Wikipedia-Definition. Sammle es 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. Bei 44,2 % Citation-Anteil der ersten 30 % entscheidet diese Prüfung über die Zitierfähigkeit.
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 statt schwächer. Und lass die URL in Ruhe: Citations akkumulieren über Jahre auf einer Adresse, jede Umbenennung setzt die gesammelten Citations auf null.
Halte den Abruf deiner Seiten billig
Weniger, dafür dichtere Seiten. Dünne Artikel ohne eigenen Gehalt konsolidieren statt vermehren, Duplikate reduzieren, Antwortzeiten kurz halten. Google empfiehlt in der KI-Anleitung selbst, doppelte Inhalte zu reduzieren, um Crawl-Ressourcen zu schonen. Wie du Inhalte so formatierst, dass KI-Systeme sie sauber extrahieren, steht im Beitrag zur Content-Formatierung für LLMs.
Häufige Fragen
Ist Information Gain ein Google-Ranking-Faktor?
Information Gain ist kein einzelner bestätigter Ranking-Faktor. Das Patent US12013887B2 beschreibt Folge-Ergebnisse und Assistenten, nicht die erste Trefferliste. Diverse Systeme wie das Helpful Content Update belohnen echten Informationszuwachs trotzdem.
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?
Für die Sichtbarkeit in LLMs ist Information Gain zentral: Seiten mit eigener Forschung werden 3,3x häufiger zitiert als Seiten ohne. Wie du diese Sichtbarkeit misst, steht im Beitrag zur LLM-Sichtbarkeit.
Quellen
- Google Search Central: AI Optimization Guide (Abschnitt „Create valuable, non-commodity content“, Stand Juli 2026)
- Google Patents: US12013887B2, Contextual Estimation of Link Information Gain
- On-Page.ai: Information Gain Study (Scan vom 12.06.2026)
- Kevin Indig: Information Gainz und Why most original data never gets cited (Growth Memo)
- Jes Scholz: When the logo comes off, is it still your content? (SEO Brief, 18.06.2026)
- Fahrbach et al.: GIST: Greedy Independent Set Thresholding (NeurIPS 2025) und Google Research Blog
- Aggarwal et al.: GEO: Generative Engine Optimization (KDD 2024)
- Andrew Holland: Information gain: Here’s what this new SEO ‘buzzword’ really means (Search Engine Land)
- Nielsen Norman Group: Information Foraging: A Theory of How People Navigate on the Web (zur Information Foraging Theory von Pirolli & Card, Xerox PARC 1999)
- Nick Fox: Google’s Nick Fox on AI search (Search Engine Land, Mai 2026)
- Google Search Off the Record: How to read the Indexing Report (Podcast-Folge, 16.07.2026)
- Matt G. Southern: Deindexing Reports Keep Coming, Google Sees Nothing Unusual (Search Engine Journal, 20.06.2026)