Content-Refresh für AEO: Welche Artikel solltest du updaten?

Ein Artikel verliert für Answer Engines durchschnittlich nach 9-14 Monaten an Citation-Frequency, sobald Konkurrenzbeiträge frischere Daten, neue Schema-Typen oder konkretere FAQ-Antworten liefern. Refresh ist deshalb keine kosmetische SEO-Übung mehr, sondern eine Voraussetzung für nachhaltige Sichtbarkeit in ChatGPT, Perplexity und Gemini. Die Frage ist nicht ob, sondern welche Artikel zuerst.

Warum AEO-Refresh anders priorisiert wird als klassisches SEO

Klassisches SEO-Refresh orientiert sich an Rankings und Klickkurven. AEO-Refresh dagegen folgt der Logik der Answer Engines: Wer wird zitiert, wer nicht. Eine Seite kann in Google auf Position 3 stehen und trotzdem von ChatGPT ignoriert werden, weil die Antwortstruktur nicht extrahierbar ist oder das Datum veraltet wirkt.

LLMs bewerten Recency, Topical-Authority und Structured-Data-Coverage als Hauptsignale. Ein Artikel von 2022 mit lückenhaftem FAQ-Schema verliert in Citation-Tracker-Tools wie AEORadar oder Otterly messbar an Sichtbarkeit, selbst wenn das organische Ranking stabil bleibt. Die Priorisierung muss diese Differenz abbilden.

Konkret bedeutet das: Du brauchst zwei Datenpunkte für jede Refresh-Entscheidung. Erstens die GSC-Performance (Impressions, Position) und zweitens die Citation-Performance (wie oft taucht die URL in AI-Antworten auf, gemessen mit Perplexity-Logs oder Profound). Erst der Mix zeigt das Refresh-Potenzial.

Ein weiterer Unterschied liegt in der Update-Frequenz. Während klassische SEO-Refreshes oft halbjährlich getaktet sind, brauchen AEO-relevante Inhalte häufig kürzere Zyklen, gerade in Themenfeldern mit schneller technischer Entwicklung wie KI-Tools, Schema-Standards oder Plattform-Updates. Eine vierteljährliche Routine ist hier realistisch und genügt, wenn die Themen nicht hochgradig zeitkritisch sind.

Refresh-Scoring: Welche Signale zählen wirklich

Ein belastbares Scoring kombiniert vier Achsen: Citation-Drop, Recency-Gap, Schema-Defizit und Wettbewerbsdruck. Jede Achse bekommt einen Wert von 0-5. Artikel mit Gesamtscore über 12 wandern in den Sofort-Refresh-Pool, alles zwischen 8-11 in den Quartals-Refresh, darunter bleibt liegen.

Citation-Drop misst die prozentuale Veränderung der LLM-Erwähnungen über 90 Tage. Wenn Otterly oder Peec zeigen, dass deine URL von 12 wöchentlichen Mentions auf 3 gefallen ist, hast du einen klaren Drop. Recency-Gap ist der Abstand zwischen dateModified im Schema und heute, gewichtet nach Themen-Halbwertszeit.

Schema-Defizit prüft, ob HowTo, FAQPage, Article-Schema und sameAs-Verknüpfungen vollständig sind. Wettbewerbsdruck entsteht, wenn Konkurrenzartikel in den letzten 60 Tagen umfangreich aktualisiert wurden, was du über die Wayback Machine oder Sistrix Content-Insights nachvollziehst.

Wichtig ist, die vier Achsen nicht isoliert zu betrachten. Ein hoher Citation-Drop ohne erkennbare Schema-Lücke deutet oft auf einen Themen-Drift hin, Konkurrenzartikel sind inhaltlich präziser oder aktueller geworden. Ein niedriger Recency-Gap kombiniert mit hohem Wettbewerbsdruck signalisiert dagegen einen technischen Refresh-Bedarf, weil die eigene Antwortstruktur nicht mehr LLM-freundlich ist.

Die 4 Refresh-Kategorien im Überblick

Refresh-Bedarf lässt sich in vier wiederkehrende Muster gliedern. Die Unterscheidung ist wichtig, weil jede Kategorie eine eigene Arbeitsweise braucht, von leichtem Daten-Update bis zu vollständigem Rewrite.

Datenfrische- und Schema-Lücken-Refreshes erledigst du in Batches. Antwortstruktur- und Themen-Drift-Fälle brauchen redaktionelle Arbeit und sind nicht parallelisierbar. Plane wöchentlich 4-6 Stunden für die schweren Fälle ein, die Light-Refreshes laufen nebenher.

Schema-Update: dateModified richtig setzen

Das häufigste Versäumnis beim Refresh ist eine inhaltliche Aktualisierung ohne korrespondierendes Schema-Update. Wenn du Zahlen änderst, aber dateModified im Article-Schema beim alten Datum lässt, registrieren weder Googlebot noch GPTBot die Veränderung als relevant. Die Citation-Wahrscheinlichkeit steigt erst, wenn die Maschinenlesbarkeit übereinstimmt.

Das richtige Pattern ist dateModified auf den exakten Refresh-Zeitpunkt zu setzen, datePublished unverändert zu lassen und in der sichtbaren Byline einen Hinweis wie "Zuletzt aktualisiert: 15. März 2026" zu ergänzen. Diese sichtbare Information wird von LLMs ausgewertet und stärkt die Glaubwürdigkeit der Refresh-Aussage.

Zusätzlich solltest du das FAQPage-Schema bei jedem Refresh prüfen. Veraltete Fragen werden zur Performance-Bremse, weil LLMs sie zwar weiter zitieren, aber mit nicht mehr ganz korrekten Antworten. Lösche obsolete Fragen, ergänze 1-2 neue, halte 5-8 Fragen als gesunden Korridor.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Content-Refresh für AEO",
  "datePublished": "2024-08-12T09:00:00+02:00",
  "dateModified": "2026-03-15T14:22:00+01:00",
  "author": { "@type": "Organization", "name": "AEO Guide" }
}

Workflow: Vom Score zum Refresh-Ticket

Ein reproduzierbarer Workflow verhindert, dass Refresh-Arbeit beim ersten Stress liegen bleibt. Die folgenden fünf Schritte funktionieren in jedem CMS und brauchen keine teure Software, wenn du die Daten manuell sammelst.

1. Monatliches Citation-Tracking-Snapshot über Otterly, Peec oder AEORadar exportieren (CSV mit URL + Mentions)
2. GSC-Daten der gleichen URLs ziehen (Impressions, Position, CTR der letzten 28 Tage)
3. Refresh-Score nach 4-Achsen-Logik berechnen, in Sheet sortieren
4. Top-10 als Refresh-Tickets in Linear, Jira oder Notion mit Aufwandsschätzung anlegen
5. Nach Refresh: dateModified, IndexNow-Ping und erneutes Citation-Tracking 14 Tage später prüfen

Der entscheidende Schritt ist die Erfolgskontrolle nach 14 Tagen. Ohne diese Schleife weißt du nicht, ob der Refresh tatsächlich Citation-Lift gebracht hat oder nur Zeit gekostet hat. Wer den Loop schließt, lernt schnell, welche Refresh-Tiefe in seiner Nische funktioniert.

Was du bewusst nicht updaten solltest

Nicht jeder alte Artikel verdient einen Refresh. Drei Kategorien sind Kandidaten für Archivierung statt Aktualisierung: thematisch tote Pfade ohne Konvertierungspotenzial, kannibalisierende Doubletten und Artikel mit weniger als 50 Impressions pro Monat über mehr als 6 Monate. Diese Inhalte solltest du redirecten oder zusammenführen.

Eine bewusste Reduzierung des Content-Inventars hat einen messbaren Side-Effect auf die Topical-Authority. Weniger, aber stärkere Cluster schneiden in Perplexity und Gemini besser ab als breite, dünne Themensammlungen. Profound zeigt diese Cluster-Effekte über Domain-Level-Reports recht zuverlässig.

Wer hier ehrlich aufräumt, gewinnt Zeit für die Artikel, die wirklich Refresh-Wert haben, und für neue Inhalte, die Lücken in der Topical-Coverage schließen. Refresh ist Teil einer Inventar-Strategie, nicht der einzige Hebel.

Empfehlung am Ende: Refresh-Disziplin schlägt Refresh-Hektik

Erfolgreiche AEO-Refresh-Strategien teilen drei Eigenschaften: ein nüchternes Scoring statt Bauchgefühl, ein konsequenter Loop mit Erfolgskontrolle und der Mut zur Archivierung. Tools wie AEORadar und Otterly liefern die Citation-Daten, Profound zeigt Topical-Authority-Verschiebungen, und der Schema-Validator von Merkle hilft bei der technischen Sauberkeit.

Starte mit einem Pilot-Batch von 10 Artikeln, miss nach 14 Tagen den Citation-Lift, dann skaliere. Wer monatlich diszipliniert 10-15 Artikel nach 4-Achsen-Score refresht, baut innerhalb eines Jahres eine deutlich höhere Resilienz gegen Citation-Drops auf, ohne das Content-Budget zu sprengen.