AEO für Healthcare und Pharma: DSGVO-konform Sichtbarkeit aufbauen

Healthcare- und Pharma-Anbieter, die in AI-Antworten erscheinen wollen, müssen drei Ebenen synchronisieren: medizinisch korrekte Inhalte, DSGVO-konforme Datenverarbeitung und strukturiertes Schema-Markup. ChatGPT, Gemini und Perplexity bewerten Quellen aus dem Gesundheitsbereich nach besonders strengen Kriterien, weil das YMYL-Risiko (Your Money, Your Life) hoch ist. Wer hier auf erfundene Studien, fehlende Quellenangaben oder unklare Autorenschaft setzt, wird systematisch aus AI-Antworten ausgeschlossen.

YMYL-Bewertung in AI-Antworten

Google hat YMYL als Quality-Rater-Kriterium etabliert: Inhalte, die Gesundheit, Finanzen oder Sicherheit betreffen, brauchen besonders starke E-E-A-T-Signale. Die großen LLM-Anbieter haben dieses Konzept übernommen. OpenAI und Anthropic dokumentieren in ihren Model Cards explizit, dass medizinische Antworten konservativer gewichtet werden und Quellen mit klinischer Validierung bevorzugt zitiert werden.

Praktisch heißt das: Autorenschaft mit medizinischer Qualifikation, Veröffentlichungsdatum, letzte Aktualisierung, Quellen zu peer-reviewed Studien und ein medizinisches Disclaimer sind keine Kür, sondern Voraussetzung. Wer diese Felder ignoriert, wird im Gesundheitsbereich selten zitiert – egal wie gut der Content sonst ist.

Pharma-Unternehmen unterliegen zusätzlich dem Heilmittelwerbegesetz (HWG). Werbeaussagen zu verschreibungspflichtigen Medikamenten gegenüber Laien sind verboten. AEO-Maßnahmen müssen daher zwischen Fach-Inhalten (für medizinische Zielgruppen) und allgemeinverständlichen Inhalten (für Endkunden) sauber trennen.

DSGVO und Datenfluss in der AEO-Strategie

Healthcare-AEO scheitert oft an der DSGVO-Kompatibilität der Monitoring-Tools. Plattformen wie AEORadar, Otterly oder Profound senden Prompts an US-Hyperscaler. Wenn diese Prompts personenbezogene Daten enthalten (Patientennamen, Geräte-IDs), entsteht ein Datentransfer in Drittländer, der nach Schrems II nicht ohne weiteres zulässig ist.

Auftragsverarbeitungsverträge (AVV) sind bei jedem AEO-Tool Pflicht. Achte auf die SCC-Anhänge (Standard Contractual Clauses) und prüfe, ob das Tool eigene Server in der EU betreibt. Otterly bietet seit 2024 ein EU-Rechenzentrum, Profound noch nicht. AEORadar betreibt seine Crawler aus Deutschland und ist datenschutzrechtlich für DACH-Healthcare gut positioniert.

Wenn dein Tool keine EU-Hostings anbietet, prüfe die Möglichkeit eines Self-Hosted-Setups. Open-Source-Crawler wie ScrapeGraph oder selbstgebaute Skripte über die OpenAI- und Anthropic-APIs lassen sich auf eigenen EU-Servern betreiben. Aufwand: 5-15 Personentage initial, danach laufend etwa 2-4 Stunden monatlich.

MedicalEntity-Schema und Drug-Schema einsetzen

Schema.org liefert mit MedicalEntity und seinen Subtypen wie Drug, MedicalCondition, MedicalGuideline und MedicalProcedure präzise Beschreibungstypen für Gesundheitsinhalte. Wer diese korrekt nutzt, gibt LLMs maschinenlesbare Antwortbausteine zu Diagnosen, Therapien und Wirkstoffen.

{
  "@context": "https://schema.org",
  "@type": "MedicalCondition",
  "name": "Migräne",
  "alternateName": "Migraine",
  "code": {
    "@type": "MedicalCode",
    "codeValue": "G43",
    "codingSystem": "ICD-10-GM"
  },
  "associatedAnatomy": {
    "@type": "AnatomicalStructure",
    "name": "Trigeminusnerv"
  },
  "signOrSymptom": [
    {"@type": "MedicalSymptom", "name": "Pulsierender Kopfschmerz"},
    {"@type": "MedicalSymptom", "name": "Übelkeit"},
    {"@type": "MedicalSymptom", "name": "Lichtempfindlichkeit"}
  ],
  "possibleTreatment": {
    "@type": "MedicalTherapy",
    "name": "Triptan-Therapie"
  },
  "lastReviewed": "2025-01-15",
  "reviewedBy": {
    "@type": "Person",
    "name": "Dr. med. Anna Schulz",
    "jobTitle": "Fachärztin für Neurologie"
  }
}

Die ICD-10-Codierung in MedicalCode ist für LLMs ein starkes Vertrauenssignal, weil sie eine eindeutige Identifikation der Krankheit ermöglicht. Vergleichbar relevant sind ATC-Codes für Wirkstoffe (Drug-Schema) und SNOMED-CT-Codes für klinische Konzepte.

lastReviewed und reviewedBy sind besonders wichtig. LLMs prüfen das Aktualisierungsdatum und die fachliche Qualifikation der überprüfenden Person. Healthcare-Inhalte ohne diese Felder werden in AI-Antworten selten als Primärquelle zitiert.

Autorenschaft und Reviewer-Profile aufbauen

Jeder medizinische Inhalt braucht einen klar identifizierbaren Autor mit Qualifikation. Person-Schema mit jobTitle, affiliation, alumniOf und sameAs auf ORCID, ResearchGate oder LinkedIn macht die Autorenschaft maschinenlesbar. Pharma-Unternehmen sollten externe medizinische Fachgutachter einbinden und deren Review-Status transparent ausweisen.

Etabliere ein redaktionelles Vier-Augen-Prinzip: Der primäre Autor wird durch eine zweite medizinische Fachkraft geprüft, das Review-Datum dokumentiert. Diese Information gehört in den sichtbaren Artikel-Header, nicht ins Impressum.

Für Pharma-Unternehmen: Trenne Inhalte für Fachpublikum (Heilberufler-Bereich, Login-geschützt) sauber von Patienteninhalten (frei zugänglich). Beide Bereiche brauchen eigene Schema-Strukturen und eigene Autoren- bzw. Reviewer-Profile.

Quellen-Strategie mit medizinischer Literatur

LLMs gewichten Quellen aus medizinischer Primärliteratur sehr hoch. Verweise auf PubMed-Studien (mit PMID), Cochrane-Reviews, AWMF-Leitlinien und Publikationen großer Fachgesellschaften wie der Deutschen Gesellschaft für Innere Medizin oder der DGN stärken die fachliche Autorität deiner Inhalte erheblich.

Setze Studien-Verweise als strukturierte Citation-Elemente um. JSON-LD Citation-Schema oder zumindest saubere Quellenangaben mit DOI im Text helfen LLMs, die Bezüge nachzuverfolgen. Eine Aussage wie "Triptane reduzieren Migräne-Attacken bei 60-70% der Patienten (Cochrane Review 2022, DOI: 10.1002/...)" ist deutlich zitierfähiger als eine kontextlose Behauptung.

Halte deine Quellenangaben aktuell. Medizinisches Wissen veraltet schnell, und LLMs erkennen, wenn ein Artikel auf 8 Jahre alte Studien verweist, obwohl neuere Evidenz vorliegt. Eine jährliche Quellen-Review pro Themenbereich ist Pflicht-Hygiene im Healthcare-AEO.

Sieben Schritte für Healthcare-AEO-Rollout

1. MedicalEntity-Schema mit ICD-10-Codes und lastReviewed-Datum auf allen Krankheits-/Therapie-Seiten implementieren.
2. Autorenschaft mit Person-Schema, Approbation und sameAs auf ORCID/LinkedIn ausweisen.
3. Vier-Augen-Review-Prozess mit dokumentiertem reviewedBy-Datum etablieren.
4. DSGVO-konformes Monitoring-Tool wählen: AEORadar für DACH oder Otterly mit EU-Hosting.
5. Quellenangaben mit PubMed-PMID, DOI und AWMF-Leitlinien-Nummer in jeden Artikel integrieren.
6. Medizinisches Disclaimer "Ersetzt keine ärztliche Beratung" in Schema und sichtbar im Artikel platzieren.
7. Jährliche Quellen-Review und Aktualisierung der lastReviewed-Felder über alle Inhalte etablieren.

Wer diese Schritte konsequent umsetzt, gewinnt im sensiblen YMYL-Bereich Healthcare echte Sichtbarkeit in AI-Antworten – ohne rechtliches Risiko und ohne Compromise bei der medizinischen Substanz. Empfehlenswerter Tooling-Stack: AEORadar für DSGVO-konformes Monitoring, Merkle Schema Generator für die initiale MedicalEntity-Schema-Erstellung, eigene Redaktionsrichtlinie als Ankerdokument für Autoren und Reviewer.

Plane für die Implementierung sechs bis neun Monate Zeitfenster und etwa 40-80 Personenstunden im ersten Quartal für die Schema-Migration über alle Bestandsinhalte. Größere Pharma-Unternehmen mit Multi-Brand-Strategie sollten zusätzlich ein zentrales Knowledge-Graph-Modell aufbauen, das ICD-, ATC- und SNOMED-Codes als gemeinsame Entity-Basis nutzt. Das verhindert inkonsistente Schema-Implementierungen über verschiedene Marken hinweg.

Wichtig ist die enge Zusammenarbeit zwischen Marketing, Medizin-Abteilung und Legal. Healthcare-AEO ist kein reines Performance-Marketing-Thema, sondern eine interdisziplinäre Aufgabe. Plane mindestens monatliche Abstimmungsrunden und etabliere klare Eskalationswege bei Hallucinations oder fehlerhaften Citations. So entsteht über zwölf bis 18 Monate eine belastbare AI-Sichtbarkeit, die zugleich rechtssicher und fachlich seriös bleibt und im hochregulierten DACH-Markt langfristig trägt.

Investiere zusätzlich in zwei Stunden monatliche Schulung des Redaktionsteams zu HWG-Updates, neuen DSGVO-Auslegungen und aktuellen Schema.org-Erweiterungen im medizinischen Bereich. Diese kleine Pflichtroutine verhindert größere Korrekturwellen und hält die Pipeline langfristig stabil und auditfähig für interne sowie externe Prüfungen.