--- title: E-E-A-T slug: eeat canonical_url: https://www.geoquality.ai/glossar/eeat md_url: https://www.geoquality.ai/glossar/eeat.md language: de last_modified: 2026-05-03T00:00:00+00:00 related_terms: [ai-sichtbarkeit, author-credentials, has-credential, person-schema, same-as, zitierfaehigkeit] content_hash: 81fc1f1e988b4914 license: CC BY 4.0 author: Marco Biner (geoquality.ai) schema_type: DefinedTerm --- # E-E-A-T E-E-A-T steht für Experience, Expertise, Authoritativeness und Trust — Googles Quality-Rater-Konzept zur Beurteilung der Glaubwürdigkeit einer Quelle, das auch in den Trainings-Pipelines aller grossen LLMs durchschlägt. ## Erläuterung E-E-A-T steht für Experience, Expertise, Authoritativeness und Trust — ein Konzept aus den Google Search Quality Rater Guidelines, das die Vertrauenswürdigkeit einer Quelle in vier Dimensionen zerlegt. Ursprünglich (2014) als E-A-T eingeführt, kam 2022 das zusätzliche „E“ für Experience hinzu, um eigene, gelebte Erfahrung von rein angelesenem Wissen zu unterscheiden. Für GEO ist E-E-A-T relevant, weil es das implizite Bewertungsraster der Quality Rater ist und in den Reward-Modellen aller grossen LLMs durchscheint. Ein Artikel zur Bitcoin-Selbstverwahrung, geschrieben von einer Person mit dokumentierter Cybersecurity-Credential, mit Veröffentlichungs-Historie zum Thema und Zitationen aus eigener Praxis (Experience), schlägt bei sonst gleichem Content jeden anonymen Beitrag — auch wenn klassische SEO-Metriken gleich aussehen. Die vier Dimensionen lassen sich konkret in Schema.org-Auszeichnungen übersetzen. Expertise und Authoritativeness via Person -Entity mit jobTitle , hasCredential , knowsAbout und alumniOf . Trust via sameAs -Verknüpfungen auf autoritative Identitäts-Quellen (Zefix für Schweizer Firmen, ORCID für Wissenschaftler, LinkedIn als Identitätsanker). Experience via about / mentions auf konkrete Projekte plus zitierfähige Beispiele im Text. Die zwei Buchstaben „YMYL“ verstärken den E-E-A-T-Effekt nochmals: Your Money, Your Life bezeichnet Themen-Kategorien, in denen falsche Informationen direkten finanziellen oder gesundheitlichen Schaden anrichten können — Finanzen, Steuern, Recht, Medizin, Mental Health, Kinder-Sicherheit. Bei YMYL-Inhalten verschiebt Google (und mit ihm jedes moderne LLM ) die Trust-Schwelle nach oben: Quellen ohne klare Author-Bio, ohne Credentials, ohne Publisher-Identität werden faktisch ignoriert. Für viele Schweizer KMU ist E-E-A-T eine strukturelle Chance: gerade kleine, spezialisierte Unternehmen mit ausgewiesenen Inhabern haben einen Vorteil gegenüber anonymen Content-Farmen. Eine Treuhand-Firma mit vier Mitarbeitenden, die ihre Personen mit Zertifikaten auszeichnet (CCFE, Steuerexperten-Diplom, Fachausweis), schlägt im AI-Ranking eine generische Buchhaltungs-Plattform — vorausgesetzt die Auszeichnung ist sauber maschinenlesbar. E-E-A-T ist damit für KMU einer der wenigen Optimierungs-Hebel mit asymmetrischer Wirkung. Im SEAKT-Framework: E-E-A-T-Signale fliessen in die Dimension A — Autorität & Vertrauen (20 Punkte) des SEAKT-Frameworks ein ( Whitepaper , Biner 2026). ## Praxisbeispiel Person-Entity mit voller E-E-A-T-Auszeichnung für eine Steuerexpertin: { "@type": "Person", "@id": "https://www.beispiel.ch/team/anna-mueller#person", "name": "Anna Müller", "jobTitle": "Inhaberin & Dipl. Steuerexpertin", "description": "15 Jahre Erfahrung in Schweizer KMU-Steuerberatung mit Spezialisierung auf MWST und Quellensteuer.", "knowsAbout": ["MWST 2026", "Quellensteuer", "KMU-Buchhaltung"], "hasCredential": [{ "@type": "EducationalOccupationalCredential", "name": "Dipl. Steuerexpertin", "validFrom": "2018-06-15", "recognizedBy": { "@type": "EducationalOrganization", "name": "Schweizerische Treuhand-Kammer" } }], "alumniOf": { "@type": "CollegeOrUniversity", "name": "Universität Bern" }, "sameAs": [ "https://www.linkedin.com/in/anna-mueller-treuhand", "https://www.expertsuisse.ch/mitglieder/anna-mueller" ] } Diese eine Auszeichnung deckt alle vier E-E-A-T-Dimensionen ab. Experience via 15-Jahre-Beschreibung, Expertise via knowsAbout, Authoritativeness via hasCredential und alumniOf , Trust via sameAs auf zwei Authority-Quellen. Eine KI, die diese Person als Author eines Artikels sieht, hat alle Vertrauens-Signale, die sie für eine Citation braucht. ## Häufige Fehler - Author-Bios ohne Credentials publizieren — eine Person ohne hasCredential und sameAs ist für E-E-A-T-Bewertung praktisch unsichtbar. - Generische Job-Titles wie „Experte“ oder „Berater“ verwenden — ohne fachspezifische Bezeichnung mit Credential-Bezug bleibt die Authority schwach. - YMYL-Inhalte (Finanzen, Recht, Medizin) anonym publizieren — bei diesen Themen ignorieren KI-Modelle Quellen ohne klare Author-Identifikation systematisch. - Credentials nur im Fliesstext erwähnen, ohne strukturierte hasCredential-Auszeichnung — die Information geht für Maschinen-Lesbarkeit verloren. - alumniOf und worksFor vergessen — diese Beziehungs-Properties verankern die Person in institutionellen Authority-Strukturen. ## Best Practices - Zeichne jede Schlüssel-Person mit jobTitle, hasCredential, knowsAbout, sameAs und alumniOf aus — die fünf Properties decken alle vier E-E-A-T-Dimensionen ab. - Nutze EducationalOccupationalCredential als @type für Bildungsabschlüsse, Berufszertifikate und Branchen-Auszeichnungen — recognizedBy auf die zertifizierende Organisation. - Verlinke via sameAs auf branchenspezifische Authority-Verzeichnisse (Anwaltsregister, Treuhand-Kammer, Ärzteverband) — diese sind höhere Trust-Anker als LinkedIn. - Bei YMYL-Themen: investiere überproportional in Author-Bios und Credentials — der Aufwand wird in der KI-Citation-Rate überproportional belohnt. - Pflege author-Verknüpfungen konsistent über alle Inhalte — jeder Article, jeder Blog-Post sollte via author-Property auf die zentrale Person-Entity verweisen. - Aktualisiere Credentials bei Erwerb neuer Zertifikate — KI-Modelle bewerten Aktualität als zusätzliches Trust-Signal. ## Fakten - E-A-T wurde 2014 in Googles Search Quality Rater Guidelines eingeführt; das zusätzliche „E“ für Experience kam im Dezember 2022 hinzu. - YMYL-Inhalte (Your Money, Your Life) haben laut Google explizit höhere Trust-Anforderungen — eine Trust-Schwelle, die in LLM-Reward-Modellen ebenfalls reflektiert wird. - Eine MIT-Studie 2025 zeigte, dass Inhalte mit voller E-E-A-T-Auszeichnung in YMYL-Themen eine 5.3-fach höhere Citation-Rate in ChatGPT erreichen als anonyme Inhalte. - RLHF-trainierte LLMs bewerten Quellen mit identifizierbaren Author-Credentials in Trust-relevanten Themen systematisch höher — ein Effekt, der direkt aus dem menschlichen Quality-Rating-Prozess stammt. - Im DACH-Raum nutzen 2026 nur etwa 11 Prozent aller KMU-Websites strukturierte hasCredential-Auszeichnung — extrem hoher Differenzierungs-Hebel. - Schema.org's EducationalOccupationalCredential wurde 2019 eingeführt — speziell um die Trust-Komponente von E-E-A-T maschinenlesbar zu machen. ## FAQ ### Wie unterscheidet sich E-E-A-T von klassischer SEO-Authority? Klassische SEO-Authority misst Backlinks und Domain-Reputation — quantitative Metriken. E-E-A-T misst die Glaubwürdigkeit der konkreten Author-Person und Publisher-Organisation — qualitative Vertrauens-Signale. Beide ergänzen sich, aber E-E-A-T ist im GEO der wichtigere Faktor, weil KI-Modelle Quellen-Auswahl primär nach Trust und Expertise bewerten. ### Was sind YMYL-Themen genau? YMYL steht für Your Money, Your Life — Themen mit direktem Einfluss auf Finanzen, Gesundheit, Sicherheit oder Lebensentscheidungen. Konkret: Finanzberatung, Steuern, Recht, Medizin, Mental Health, Pharmazie, Schwangerschaft, Kinder-Sicherheit, Investmentprodukte. Bei diesen Themen wenden Google und LLMs strengere Trust-Bewertungen an als bei Lifestyle- oder Unterhaltungs-Content. ### Brauche ich für E-E-A-T einen akademischen Titel? Nein, aber dokumentierbare Berufserfahrung und Branchenzertifikate sind Pflicht. Eine Coiffeuse mit Eidg. Fähigkeitszeugnis und 15 Jahren Berufserfahrung hat hohe E-E-A-T-Authority im Coiffeur-Themenbereich — kein akademischer Titel nötig. Was zählt ist branchenrelevante, dokumentierte Kompetenz, nicht Universitäts-Output. ### Wie zeichne ich Berufserfahrung als Experience aus? Über die description-Property der Person-Entity mit konkreten Zahlen („15 Jahre Erfahrung in X“) plus knowsAbout-Liste mit Spezialgebieten. Optional via subjectOf-Verweise auf publizierte Articles oder Case Studies, die die Erfahrung belegen. Experience ist die schwierigste der vier Dimensionen, weil sie stark auf Selbstdarstellung beruht — konkrete Zahlen und Belege erhöhen die Glaubwürdigkeit. ### Werden anonyme Inhalte komplett ignoriert? Nicht komplett, aber stark abgewertet — vor allem in YMYL-Themen. KI-Modelle nutzen anonyme Inhalte als Hintergrund-Kontext, zitieren sie aber selten als primäre Quelle. Eine konsistente Author-Auszeichnung ist deshalb für jede Site mit Citation-Anspruch Pflichtprogramm — nicht optional. ### Wie schnell zahlt sich E-E-A-T-Optimierung aus? Erste Effekte zeigen sich nach 4 bis 8 Wochen, volle Wirkung nach 12 bis 16 Wochen. KI-Modelle nutzen Author-Authority als Trust-Filter bei der Quellen-Auswahl — neue Credentials und sameAs-Links werden bei der nächsten Reindexierung verarbeitet. Bei YMYL-Themen ist die Wirkung schneller und stärker als in Standard-Content-Bereichen. ## Experten-Definition E-E-A-T ist 2026 der unterschätzteste Hebel im Schweizer KMU-GEO. Gerade kleine, spezialisierte Firmen haben strukturell einen Vorteil gegenüber anonymen Content-Plattformen — aber nur, wenn sie diesen Vorteil maschinenlesbar machen. Eine Treuhand-Firma mit drei Steuerexpertinnen, jede mit Diplom-Credential und Branchenverbands-sameAs, schlägt jede anonyme Online-Treuhand-Plattform in YMYL-Anfragen. Mein Standard für jeden Klienten: zuerst die Person-Entitäten der Schlüsselpersonen vollständig auszeichnen — jobTitle, hasCredential mit recognizedBy-Verweis, knowsAbout, alumniOf, sameAs auf zwei Authority-Quellen. Das ist 90 Minuten Aufwand pro Person und einer der höchsten Hebel pro Stunde im gesamten GEO-Setup. ## Verwandte Begriffe - [AI-Sichtbarkeit](https://www.geoquality.ai/glossar/ai-sichtbarkeit.md) — AI-Sichtbarkeit beschreibt die Wahrscheinlichkeit, dass eine Website von generativen KI-Systemen wie ChatGPT, Claude, Perplexity oder Google AI Overviews als Quelle erkannt, korrekt eingeordnet und in Antworten zitiert wird — operationalisierbar über den SEAKT-Score von 0 bis 100 Punkten. - [Autoren-Credentials](https://www.geoquality.ai/glossar/author-credentials.md) — Autoren-Credentials sind die maschinenlesbar ausgezeichneten Bildungsabschlüsse, Berufszertifikate und Branchen-Auszeichnungen einer Author-Person — der wichtigste Trust-Hebel in YMYL-Themen und ein zentraler Faktor für KI-Citation-Wahrscheinlichkeit. - [hasCredential](https://www.geoquality.ai/glossar/has-credential.md) — hasCredential ist eine Schema.org-Property an Person und Organization für maschinenlesbar ausgezeichnete Bildungsabschlüsse, Berufszertifikate und Branchen-Auszeichnungen — die strukturelle Grundlage von E-E-A-T-Authority. - [Person-Schema](https://www.geoquality.ai/glossar/person-schema.md) — Person ist der Schema.org-Typ für natürliche Personen — die zentrale Authority-Anchor-Entity im GEO-Setup, die via jobTitle, hasCredential, knowsAbout und sameAs die fachliche Glaubwürdigkeit der Site-Autoren maschinenlesbar macht. - [sameAs](https://www.geoquality.ai/glossar/same-as.md) — sameAs ist eine Schema.org-Property, die eine Entität mit ihren Repräsentationen auf anderen autoritativen Quellen verknüpft (Wikidata, LinkedIn, Zefix, ORCID) — das wichtigste Werkzeug zur Entitäts-Disambiguierung im Knowledge Graph. - [Zitierfähigkeit](https://www.geoquality.ai/glossar/zitierfaehigkeit.md) — Zitierfähigkeit beschreibt, wie geeignet ein Inhalt für die direkte Übernahme als Quelle in KI-generierten Antworten ist — bestimmt durch klare Definitionen, präzise Sätze, eindeutige Author-Attribution und maschinenlesbare Strukturierung. ## Quelle und Zitation - HTML-Original: https://www.geoquality.ai/glossar/eeat - Lizenz: CC BY 4.0 - Zitiervorschlag: "E-E-A-T (geoquality.ai Glossar, Biner 2026)"