E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness. Es ist ein Bewertungsrahmen aus Googles Search Quality Rater Guidelines, an dem menschliche Prüfer die Qualität von Inhalten beurteilen. Die Kriterien beschreiben, woran sich Glaubwürdigkeit einer Quelle festmachen lässt – nicht, wie ein Algorithmus rechnet.
E-E-A-T ist kein Rankingfaktor. Google verwendet keine E-E-A-T-Metrik im Ranking. Die Rater-Bewertungen fließen nicht in einzelne Suchergebnisse ein, sondern dienen der Evaluation von Algorithmus-Änderungen. Was existiert, sind Signale, die mit den Kriterien korrelieren. Autorenangaben, Erwähnungen in Fachquellen, Impressum, Belege.
Das ältere Kürzel lautete E-A-T. Google ergänzte im Dezember 2022 das zweite E für Experience. Eigene, unmittelbare Erfahrung mit dem Thema.
Die vier Kriterien
| Kriterium | Frage | Nachweis im B2B |
|---|---|---|
| Experience | Hat der Autor das Thema selbst durchgeführt? | eigene Projektdaten, dokumentierte Fälle, Screenshots, Messwerte |
| Expertise | Verfügt der Autor über Fachwissen? | Qualifikation, Berufserfahrung, Publikationen, Vorträge |
| Authoritativeness | Gilt die Quelle im Fachumfeld als maßgeblich? | Erwähnungen in Fachmedien, Zitate, Verzeichnisse, Referenzkunden |
| Trustworthiness | Ist die Quelle verlässlich und transparent? | Impressum, Datenschutz, Preisangaben, Quellenangaben, Aktualisierungsdatum |
Trustworthiness ist das übergeordnete Kriterium. Google benennt es in den Guidelines ausdrücklich als das wichtigste der vier: Ohne Vertrauenswürdigkeit sind Erfahrung, Fachwissen und Autorität wertlos. Die anderen drei Kriterien stützen Trust, ersetzen es nicht.
Experience ist das mit Abstand am schwächsten abgedeckte Kriterium. Fachwissen lässt sich recherchieren, eigene Erfahrung nicht. Genau darin liegt der Differenzierungshebel — und der Grund, warum eigene Daten der wirksamste Inhaltsbestandteil sind.
Experience und Expertise: die Abgrenzung
Die beiden Begriffe werden regelmäßig verwechselt.
- Expertise ist erlerntes Fachwissen. Nachweisbar über Ausbildung, Zertifikate, Berufsjahre.
- Experience ist die selbst erlebte Anwendung. Nachweisbar nur über Details, die aus der Durchführung stammen.
Praktischer Unterschied im Text: Expertise zeigt sich in korrekten Erklärungen. Experience zeigt sich in Aussagen, die nicht recherchierbar sind — Zahlen aus eigenen Projekten, unerwartete Ergebnisse, konkrete Zeit- und Kostenangaben, beschriebene Fehlschläge.
Formulierungstest: Steht in einem Absatz eine Aussage, die eine KI aus öffentlichem Wissen nicht erzeugen könnte, ist Experience belegt. Ist der Absatz reproduzierbar, ist es Expertise. Dieselbe Trennlinie entscheidet über Unique Content und über die Zitatwahrscheinlichkeit in KI-Antworten.
YMYL: wo E-E-A-T besonders zählt
YMYL steht für „Your Money or Your Life“ und bezeichnet Themen, bei denen falsche Informationen Gesundheit, Finanzen, Sicherheit oder Lebensentscheidungen schädigen können. Bei YMYL-Themen legen die Rater Guidelines die strengsten Maßstäbe an.
Typische YMYL-Bereiche: Medizin, Finanzen, Recht, Steuern, Sicherheit, Nachrichten zu gesellschaftlichen Themen.
Für B2B-Dienstleistungen gilt eine mittlere Einordnung: Kein klassisches YMYL, aber Themen mit finanzieller Tragweite — Budgetentscheidungen, Vertragslaufzeiten, Investitionsempfehlungen — werden strenger bewertet als reine Wissensinhalte. Praktische Folge: Bei Aussagen zu Kosten, Fristen und Ergebnissen sind Belege und Datum Pflicht.
E-E-A-T umsetzen
Auf Seitenebene
- Autorenangabe mit Namen und Funktion, verlinkt auf eine vollständige Autorenseite. Ein Kürzel oder „Redaktion“ erfüllt das Kriterium nicht.
- Erstellungs- und Aktualisierungsdatum sichtbar ausweisen.
- Quellenangaben für Zahlen und Studien, verlinkt auf die Primärquelle.
- Eigene Datenpunkte aus Projekten mit Kontext: Ausgangslage, Zeitraum, Ergebnis.
- Aussagen einordnen statt behaupten: erklären, unter welchen Bedingungen etwas gilt und wann nicht.
- Grenzen benennen. Ein Abschnitt darüber, was eine Methode nicht leistet, erhöht Trust messbar stärker als zusätzliche Vorteilsargumente.
Auf Autorenebene
- Autorenseite mit Qualifikation, Berufserfahrung, Themengebieten, Publikationen und Kontaktmöglichkeit.
Person-Schema mitsameAs-Verweisen auf LinkedIn, Fachprofile und externe Publikationen.- Konsistente Namensschreibweise über alle Plattformen. Voraussetzung dafür, dass Google den Autor als Entität zusammenführt.
- Themenfokus. Ein Autor mit fünf Beiträgen zu einem Thema ist ein stärkeres Signal als einer mit fünfzig Beiträgen zu fünfzig Themen.
Auf Domainebene
- Vollständiges Impressum, Datenschutzerklärung, erreichbare Kontaktdaten mit Anschrift und Telefonnummer.
- Über-uns-Seite mit Personen, Gründung und Geschäftsmodell — nicht mit Selbstbeschreibungen.
- Preis- oder Preisrahmenangaben. Fehlende Preisinformation ist im B2B ein konkreter Trust-Nachteil.
- Referenzen und Fallbeschreibungen mit nachprüfbaren Angaben.
- Erwähnungen in Drittquellen — Fachmedien, Verbände, Verzeichnisse, Podcasts. Der wichtigste Hebel für Authoritativeness, weil er nicht selbst erzeugbar ist.
Organization-Schema mitsameAs, Anschrift und Gründungsdaten.
E-E-A-T und KI-Inhalte
Google bewertet nicht die Erstellungsmethode, sondern das Ergebnis. KI-generierte Inhalte sind nicht ausgeschlossen — Inhalte ohne eigenen Wert sind es.
Drei Konsequenzen:
- Automatisch erzeugte Sammlungen von Allgemeinwissen erfüllen kein E-E-A-T-Kriterium. Es fehlt Experience vollständig.
- KI plus eigene Daten funktioniert. Die Struktur kann generiert sein, die Substanz muss aus eigener Anwendung kommen.
- Autorenschaft muss zurechenbar bleiben. Ein Beitrag ohne verantwortliche Person liefert keine Grundlage für Expertise- oder Experience-Bewertung.
E-E-A-T und Sichtbarkeit in KI-Antworten
Für die Nennung als Quelle in AI Overviews und LLM-Antworten wirken dieselben Kriterien, aber über einen anderen Mechanismus.
| Kriterium | Wirkung auf Zitatwahrscheinlichkeit |
|---|---|
| Experience | hoch — eigene Zahlen sind nicht ersetzbar und damit zitierbedürftig |
| Expertise | mittel — korrekte Erklärungen kann das Modell selbst erzeugen |
| Authoritativeness | hoch — Erwähnungen in Drittquellen erhöhen die Wahrscheinlichkeit, als Quelle ausgewählt zu werden |
| Trustworthiness | hoch — überprüfbare Angaben und Datum begünstigen die Auswahl bei aktualitätsbezogenen Fragen |
Kernaussage: In KI-Antworten wird Expertise entwertet und Experience aufgewertet. Ein Modell reproduziert Fachwissen ohne Quelle. Eine eigene Messung muss es zuschreiben. Wer in AI Overviews genannt werden will, braucht Aussagen, die nur von der eigenen Seite stammen können. Die Grundlogik von GEO und LLM-Optimierung.
Häufige Fehler
- E-E-A-T als Rankingfaktor behandelt. Es gibt keine Metrik und keinen direkten Score. Maßnahmen wirken über korrelierende Signale.
- Autorenboxen ohne Substanz. Name plus Foto plus zwei Sätze erfüllt kein Kriterium. Ohne verlinkte Autorenseite mit nachprüfbarer Qualifikation bleibt es Dekoration.
- „Redaktion“ als Autor. Verhindert jede Zuordnung von Expertise und Experience.
- Experience mit Expertise verwechselt. Recherchiertes Fachwissen erfüllt nicht das Erfahrungskriterium.
- Behauptete Autorität. „Führender Anbieter“ ohne Belege ist kein Signal. Authoritativeness entsteht ausschließlich extern.
- Fehlendes Aktualisierungsdatum bei Themen mit Veränderungsdynamik.
- Preisangaben vermieden. Senkt Trust und verlagert die Recherche zum Wettbewerb.
- Nur Vorteile dargestellt. Fehlende Einschränkungen werden als Werbung gelesen.
Häufige Fragen
Was bedeutet E-E-A-T?
E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness — Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Es ist ein Bewertungsrahmen aus Googles Search Quality Rater Guidelines zur Beurteilung von Inhaltsqualität.
Ist E-E-A-T ein Rankingfaktor?
Nein. Google verwendet keine E-E-A-T-Metrik im Ranking. Die Kriterien beschreiben Qualität aus Nutzersicht; wirksam sind Signale, die mit ihnen korrelieren — Autorenangaben, externe Erwähnungen, Belege und Transparenz.
Was ist der Unterschied zwischen E-A-T und E-E-A-T?
E-A-T war die ältere Fassung mit drei Kriterien. Google ergänzte im Dezember 2022 Experience — die selbst erlebte Anwendung eines Themas.
Was ist der Unterschied zwischen Experience und Expertise?
Expertise ist erlerntes Fachwissen und lässt sich recherchieren. Experience ist die eigene, unmittelbare Anwendung und zeigt sich in Angaben, die nicht recherchierbar sind — etwa Zahlen aus eigenen Projekten.
Welches der vier Kriterien ist das wichtigste?
Trustworthiness. Google benennt es in den Rater Guidelines ausdrücklich als übergeordnet: Ohne Vertrauenswürdigkeit haben Erfahrung, Fachwissen und Autorität keinen Wert.
Was bedeutet YMYL?
YMYL steht für „Your Money or Your Life“ und bezeichnet Themen, bei denen falsche Informationen Gesundheit, Finanzen, Sicherheit oder wichtige Lebensentscheidungen schädigen können. Für diese Themen gelten die strengsten Qualitätsmaßstäbe.
Wie verbessere ich E-E-A-T konkret?
Durch namentliche Autoren mit verlinkter Autorenseite, sichtbares Aktualisierungsdatum, Quellenangaben, eigene Projektdaten, vollständiges Impressum, transparente Preisangaben und Erwähnungen in Fachquellen.
Wie weist man Experience nachvollziehbar nach?
Über Angaben, die aus der Durchführung stammen: konkrete Messwerte, Zeiträume, Kosten, dokumentierte Fälle, Screenshots und beschriebene Fehlschläge.
Sind KI-generierte Inhalte mit E-E-A-T vereinbar?
Ja, wenn sie eigene Substanz enthalten. Google bewertet das Ergebnis, nicht die Erstellungsmethode. Reine Zusammenfassungen von Allgemeinwissen erfüllen kein Kriterium, weil Experience fehlt.
Welche Rolle spielt E-E-A-T für KI-Antworten?
Experience und Authoritativeness gewinnen an Bedeutung, Expertise verliert. Fachwissen erzeugt ein Sprachmodell selbst; eigene Daten und externe Erwähnungen sind der Grund, eine Quelle zu nennen.
