Warum spezialisierte Seiten gewinnen können: Der Mechanismus hinter einer Zwölf-Fragen-Beispielrechnung

Eine Leistungsseite, die fünf Themen gleichzeitig bedient, verliert in KI-Antworten fast immer gegen fünf einzelne Seiten mit je einem Thema. Dieser Artikel erklärt, warum das so ist, zeigt eine nachvollziehbare Beispielrechnung aus einer gedanklichen Testanordnung mit zwölf Fragen – und benennt ehrlich, was sich daraus ableiten lässt und was nicht.

Der eine Mechanismus: Warum enge Themen präziser "gefunden" werden

KI-Assistenten wie ChatGPT, Perplexity oder Google Gemini beantworten Fragen nicht aus dem Nichts. Sie durchsuchen einen Index, vergleichen Inhalte mit der gestellten Frage und wählen Quellen aus, die inhaltlich am engsten zur Anfrage passen. Technisch läuft dieser Abgleich über eine Ähnlichkeitsberechnung zwischen Frage und Dokument. Je klarer ein Dokument einem einzigen Thema zugeordnet werden kann, desto eindeutiger fällt dieser Abgleich aus.

Eine Seite, die zwölf unterschiedliche Leistungen auf einer einzigen URL bündelt, erzeugt dagegen ein "verwässertes" Themensignal: Sie ist für jede einzelne Teilfrage nur mittelmäßig passend, weil sie gleichzeitig für elf andere Themen mitverantwortlich ist. Dieses Phänomen lässt sich als semantische Verdünnung beschreiben – ein Begriff, der den Effekt benennt, aber kein offizieller Fachterminus eines KI-Anbieters ist. Die Grundlogik deckt sich mit dem, was Google in seinen Richtlinien für Qualitätsbewertung beschreibt: Seiten werden danach beurteilt, wie klar sie Expertise und Vertrauenswürdigkeit zu einem Thema zeigen, zusammengefasst unter Experience, Expertise, Authoritativeness and Trust (Google General Guidelines). Auch die Search-Central-Dokumentation hält fest, dass automatisierte Systeme Inhalte danach priorisieren, wie hilfreich sie erscheinen, gemessen unter anderem an genau diesen E-E-A-T-Faktoren (Google Search Central).

Unsere Testanordnung: Zwölf Fragen, ein wiederkehrendes Muster

Um den Effekt sichtbar zu machen, eignet sich eine einfache Testanordnung: Zwölf typische Nutzerfragen aus einer Branche werden formuliert, jeweils eng zu einem einzelnen Teilthema. Anschließend wird verglichen, ob eine breite Übersichtsseite oder eine spezialisierte Unterseite als Quelle auftaucht, wenn man dieselben Fragen in ein KI-System eingibt.

Eine Beispielrechnung macht den Mechanismus greifbar, ohne eine konkrete Studie zu behaupten: Angenommen, ein Betrieb bietet fünf Leistungsbereiche an und je zwei bis drei der zwölf Fragen betreffen einen dieser Bereiche. Liegt der gesamte Inhalt auf einer einzigen Seite, muss diese Seite bei jeder der zwölf Fragen gegen spezialisierte Mitbewerber-Seiten bestehen, die nur das jeweils gefragte Teilthema behandeln. Wird derselbe Inhalt dagegen auf fünf eigenständige Unterseiten verteilt, konkurriert bei jeder Frage nur noch die thematisch passende Unterseite – mit einem schärferen, eindeutigeren Themensignal. Dieser Rechenweg erklärt, warum spezialisierte Strukturen bei einer größeren Zahl unterschiedlicher Fragen tendenziell öfter als Quelle auftauchen könnten: Jede Frage bekommt eine passgenauere Antwortoption angeboten, anstatt dass eine einzige Seite für alle zwölf Fragen gleichzeitig "zuständig" sein muss.

• Zwölf Fragen = zwölf unterschiedliche Nutzerabsichten, nicht zwölf Varianten derselben Frage.
• Eine Sammelseite muss für jede dieser Absichten mithalten – eine Fachseite nur für eine.
• Je spezifischer die Überschrift und der erste Absatz einer Seite, desto eindeutiger das Themensignal.
• Die Aufteilung lohnt sich vor allem, wenn die Teilthemen eigenständig genug sind, um echte Fragen zu beantworten.

Praxisbeispiel: Physiotherapiepraxis in Bremen-Walle

Beispiel, konstruiert zur Veranschaulichung: Eine Physiotherapiepraxis in Bremen-Walle bietet auf ihrer Startseite in einem einzigen Fließtext Krankengymnastik, Manuelle Therapie, Lymphdrainage, Sportphysiotherapie und Hausbesuche an. Stellt man einem KI-Assistenten die Frage "Wer bietet in Bremen Lymphdrainage nach Brustkrebs-OP an?", muss die Sammelseite gegen Seiten bestehen, die ausschließlich dieses eine Thema behandeln – mit eigener Überschrift, eigenen Fachbegriffen und eigenem Absatz zur Vorgehensweise. Eine eigenständige Unterseite "Lymphdrainage Bremen" mit konkreten Angaben zu Ablauf, Verordnung und Kostenerstattung liefert dem Abgleichmechanismus ein deutlich eindeutigeres Signal. Das Ergebnis lässt sich nicht pauschal auf jede Branche übertragen, der Mechanismus dahinter aber schon: enge Fragen brauchen enge Antworten.

Grenzen der Messung: Was wir nicht wissen können

So nachvollziehbar der Mechanismus ist, so klar sind seine Grenzen. Eine aktuelle Auswertung von 4.811 Quellenverweisen aus sechs KI-Systemen über 675 Nachrichtenanfragen zeigt, dass KI-Systeme aus einer vergleichsweise schmalen Quellenbasis schöpfen und Aufmerksamkeitsverzerrungen verstärken können – die genauen Auswahlkriterien der Anbieter sind dabei nicht dokumentiert und damit nicht nachvollziehbar (Agora Digitale Transformation). Für Unternehmen bedeutet das: Man kann die eigene Seite optimal strukturieren und trotzdem nicht sicher vorhersagen, ob und wann sie in einer konkreten Antwort erscheint. Eine Beispielrechnung mit zwölf Testfragen zeigt eine mögliche Tendenz, kein Naturgesetz. Modelle werden aktualisiert, Gewichtungen verändert, und ein Ergebnis von heute muss übermorgen nicht mehr gelten.

Hinzu kommt ein Vertrauensproblem auf Nutzerseite, das die Bedeutung korrekter, gut belegter Inhalte zusätzlich erhöht: 42 Prozent der Befragten haben bereits falsche Antworten von KI-Chats erhalten, und nur 57 Prozent prüfen die Ergebnisse überhaupt (Bitkom, November 2025). Nur rund 36 Prozent der Nutzer finden zudem, dass KI-Antworten ausreichend mit Quellen belegt sind (Bitkom Research, November 2025). Wer als Quelle zitiert werden will, sollte also nicht nur spezifisch, sondern auch überprüfbar genau sein.

Einschätzung: Spezialisierung ist ein Hebel, keine Garantie

Einschätzung: Die Verengung auf ein Thema pro Seite ist einer der wenigen strukturellen Hebel, die Unternehmen selbst in der Hand haben, während die eigentliche Auswahl-Logik der KI-Anbieter eine Blackbox bleibt. Wer zwölf echte Nutzerfragen aus dem eigenen Alltag sammelt und prüft, ob die eigene Website für jede einzelne eine klar zuordenbare Antwortseite liefert, bekommt einen realistischeren Eindruck als durch allgemeine Rankingversprechen. Das ersetzt keine laufende Beobachtung, reduziert aber die Abhängigkeit von Zufallstreffern.

Breite Sammelseite versus spezialisierte Einzelseite im Vergleich

Was sich daraus konkret ableiten lässt

Statt sofort die gesamte Website umzubauen, lohnt sich ein kleiner Testlauf mit den eigenen zwölf wichtigsten Kundenfragen: Für welche davon gibt es bereits eine eindeutig zuordenbare Seite, für welche nicht? Genau diesen Abgleich liefert ein kostenloser GEO-Check, der zeigt, wo Themensignale heute noch verschwimmen. Wer sehen will, wie eine Ausgangsmessung in der Praxis aussieht, findet dazu eine Fallstudie mit echter Ausgangsmessung. Hintergründe zur Struktur solcher Inhalte, etwa die Frage, ob eigene Fachartikel oder Gastbeiträge sinnvoller sind, sind im Beitrag Eigener Blog versus Gastbeitrag zusammengefasst. Vertiefende Erklärstücke zu einzelnen Mechanismen finden sich im Wissensbereich, konkrete Leistungsumfänge unter Preise & Pakete. Wer die eigene Themenstruktur gemeinsam durchgehen möchte, kann ein kostenloses Erstgespräch anfragen.

Häufige Fragen