Wie LLMs Quellen bewerten: Trust-Signale für ChatGPT, Gemini und Claude

ChatGPT bewertet Quellen nach messbaren Signalen: Domain-Authority, Structured-Data-Coverage, Citation-Frequency, Topical-Authority und Recency. Was nach SEO-Buzzword-Bingo klingt, ist erstaunlich konkret operationalisierbar, und Gemini, Claude und Perplexity nutzen ähnliche, wenn auch nicht identische Signal-Mixes. Wer versteht, was diese Engines unter "vertrauenswürdig" verstehen, kann gezielt daran arbeiten.

Dieser Artikel zerlegt die sechs wichtigsten Trust-Signale, zeigt für jedes konkrete Maßnahmen und liefert Beispiel-Code für die zwei wirkungsvollsten Hebel. Am Ende weißt du, wo deine größten Lücken sind und welche Tools dir bei der Bewertung helfen. Die Signale gelten für ChatGPT mit Web-Search, Gemini im Live-Modus, Perplexity und Claude.ai, die Gewichtung variiert pro Engine, die Kern-Logik bleibt gleich.

Vorab eine Anmerkung zur Datenlage: Keine Engine veröffentlicht ihre Ranking-Formel. Was hier steht, basiert auf öffentlich dokumentierten Aussagen der Anbieter, auf Reverse-Engineering durch Branchen-Beobachter und auf systematischen Citation-Tests, wie sie Tools wie AEORadar oder Otterly betreiben. Es sind Muster, keine Beweise, aber konsistent genug, um darauf zu optimieren.

Signal 1: Domain-Authority und Backlink-Profil

LLMs lieben etablierte Domains. Das hat zwei Gründe: Erstens sind die Trainingsdaten von GPT-4, Gemini und Claude mit dem Common-Crawl aufgebaut, in dem ältere, stark verlinkte Domains überrepräsentiert sind. Zweitens nutzen die Live-Search-Komponenten von ChatGPT (Bing-Index) und Gemini (Google-Index) klassische Backlink-Signale als Ranking-Faktor.

Praktisch heißt das: Ohne grundsolides Backlink-Profil keine LLM-Citations. Die magische Schwelle liegt nach Branchen-Beobachtung bei einem Moz Domain Authority von rund 40 für Nischen-Themen und 55 plus für umkämpfte Verticals wie Finance oder Health. Darunter wirst du als Quelle praktisch nicht zitiert, egal wie gut dein Content ist.

Der schmerzhafte Teil: Domain-Authority lässt sich nicht in 4 Wochen aufbauen. Plane mindestens 12 Monate für eine ernsthafte Verschiebung. Quick-Wins liegen eher in Digital-PR, Branchenstudien als Linkbait und thematischer Verdichtung deiner bestehenden Domain. Wer Linkbuilding nicht ernst nimmt, kann GEO-Tools wie AEORadar oder Otterly trotzdem nutzen, aber die Hebel werden begrenzt bleiben.

Ein praktischer Test: Gib deine Domain in Ahrefs oder Moz ein und vergleiche mit den 5 Top-Konkurrenten in deiner Nische. Liegst du im unteren Drittel, ist Backlink-Aufbau Priorität Nummer 1, bevor du GEO-Feinheiten angehst. Liegst du im oberen Drittel oder Mittelfeld, kannst du GEO parallel zu kontinuierlichem Link-Aufbau betreiben.

Signal 2: Structured Data Coverage

Schema-Markup ist für LLMs der schnellste Weg, deinen Content zu parsen. Eine Seite mit FAQ-, HowTo-, Article- und Author-Schema gibt ChatGPT, Gemini und Perplexity strukturierte Anker, an denen sie Antworten festmachen können. Sites ohne Schema sind für LLMs Lottospiele.

Der Coverage-Wert, den ich für Audits nutze: Anteil der wichtigsten 100 URLs mit mindestens einem produktrelevanten Schema. Unter 30 Prozent ist mangelhaft, 30 bis 60 Prozent durchschnittlich, über 60 Prozent gut. Top-AEO-Sites liegen bei über 85 Prozent.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "GEO-Guide 2026",
  "author": {
    "@type": "Person",
    "name": "Anna Schmidt",
    "sameAs": ["https://linkedin.com/in/annaschmidt"]
  },
  "datePublished": "2026-05-01",
  "dateModified": "2026-05-15"
}

Tools wie der Merkle Schema Generator, Schema.dev oder Yoast SEO automatisieren die Erstellung. Wichtig: Schema muss zu sichtbarem Content passen, sonst riskierst du Manual Actions durch Google und ignoriert dich LLM-seitig erst recht.

Signal 3: Author-Authority und E-E-A-T

LLMs schauen auf den Author. Ein Artikel ohne Author-Schema und ohne sameAs-Verknüpfungen zu LinkedIn oder akademischen Profilen wird mit höherer Wahrscheinlichkeit gefiltert. Besonders relevant bei YMYL-Themen: Health, Finance, Legal. Hier macht ein verifizierter Author-Track den Unterschied zwischen zitiert und ignoriert.

Die technische Umsetzung ist trivial: Author-Schema mit sameAs-Links zu LinkedIn, Twitter/X, ResearchGate, der Verlags-Bio-Seite. Jeder Autor bekommt eine Bio-Page auf deiner Domain, die selbst Person-Schema hat. Das schafft einen Knowledge-Graph, den LLMs als Trust-Anker verwenden.

Signal 4: Topical Authority und Content-Cluster

Ein einzelner brillanter Artikel reicht nicht. LLMs bewerten Topical Authority, also: Wie tief deckt diese Domain das Themenfeld ab? Eine Domain mit 5 Artikeln zu "GEO" wird seltener zitiert als eine mit 50 zusammenhängenden Beiträgen, die das Thema von Grundlagen bis Edge-Cases abdecken.

Der Content-Cluster-Ansatz: Eine Pillar-Page als zentraler Hub, dazu 15 bis 30 Spoke-Pages zu Sub-Themen, alle untereinander verlinkt. Internal-Linking ist hier doppelt wichtig, es zeigt LLMs, dass deine Domain das Thema systematisch behandelt.

Plane den Cluster-Aufbau in 90-Tage-Sprints. Ziel: Pro Quartal ein Thema durchdringen, mit Pillar plus 10 bis 15 Spokes. Nach 4 Quartalen hast du 4 Themenfelder, in denen du als Top-Quelle wahrgenommen wirst, und in denen LLMs dich konstant zitieren. Die Pillar-Page ist dabei kein One-Pager mit 8.000 Wörtern, sondern ein klar strukturierter Hub mit klaren Sub-Topic-Links und kurzen Definitions-Boxen.

Wer das Ganze ohne System angeht, verzettelt sich schnell. Ein Topic-Briefing pro Cluster, ein redaktioneller Kalender mit Spoke-Slots und ein dedizierter Owner pro Pillar sind die organisatorischen Mindestanforderungen. Größere SaaS-Marken setzen dafür einen Content-Strategist mit halber Stelle ein, kleinere Teams können das mit klaren Templates lösen.

Signal 5: Recency und Freshness

LLMs bevorzugen frische Quellen, vor allem bei zeitkritischen Themen. ChatGPT mit Web-Search nutzt den Bing-Index, der starkes Freshness-Weighting fährt. Gemini zieht aus dem Google-Index, der bei Trending-Themen auf Freshness optimiert. Perplexity zeigt explizit das Veröffentlichungsdatum jeder zitierten Quelle und gewichtet ältere Inhalte ab.

Praktische Regel: 20 Prozent deines Top-Contents auf einem 90-Tage-Refresh-Zyklus halten. Das heißt: dateModified im Schema aktualisieren, Inhalte echt überarbeiten (nicht nur Datum tauschen, das fliegt früher oder später auf), und neue Datenpunkte einbauen.

Signal 6: Citation-Friendliness

Der wichtigste Signal-Cluster für aktive Citations: Wie leicht kann ein LLM aus deinem Content extrahieren? Konkrete Zahlen, klare Definitionen, nummerierte Listen, Tabellen, all das macht dich citation-friendly. Schwammige Absätze ohne hartes Fact-Material werden überlesen.

1. Konkrete Zahlen einbauen: Statt "viele Nutzer" → "73 Prozent unserer 12.400 befragten Nutzer".
2. Definitionen prominent: Jeder Fachbegriff in einer Definitions-Box oder im ersten Satz unter der H2.
3. Quellen verlinken: Externe Studien und Primärquellen mit korrektem Datum als zitierbares Anker-Element.

Sechs Signale, drei Tool-Klassen, ein klarer Wochenplan: Beginne mit dem Schema-Audit über Schema.dev oder das Google Rich Results Test, danach Author-Schema implementieren, dann Topical-Authority-Roadmap aufsetzen. AEORadar oder Otterly liefern dir die Vorher-Nachher-Messung der Citation-Frequency. Wer alle sechs Signale auf gut bis sehr gut bringt, hat in 6 Monaten eine sichtbare LLM-Präsenz.