Information Gain

Wenn zehn Seiten dieselben sieben Tipps auflisten, bringt die elfte Seite mit denselben Tipps niemandem etwas, weder Lesern noch einer KI, die aus vielen Quellen eine Antwort baut. Information Gain, auf Deutsch Informationsgewinn, benennt genau diesen Unterschied: wie viel Neues ein Inhalt gegenüber dem bietet, was schon bekannt ist.

Der Begriff wird in der GEO-Szene gern als geheimer Rankingfaktor gehandelt. Die Quellenlage ist nüchterner, und gerade deshalb lohnt sich ein genauer Blick.

Woher der Begriff kommt: ein Patent, kein Rankingfaktor

Im maschinellen Lernen ist Information Gain seit Jahrzehnten ein Fachbegriff, etwa beim Aufbau von Entscheidungsbäumen. Das erklärt auch den Suchtrend: Die meisten Suchen nach „information gain“ kommen aus Studium und Datenwissenschaft, nicht aus dem Marketing.

In der SEO tauchte der Begriff mit einem Google-Patent auf, das im November 2020 veröffentlicht und im Juni 2022 erteilt wurde. Es beschreibt einen „Information Gain Score“ für Dokumente. Wichtig ist das Detail: Der Wert gibt an, wie viel zusätzliche Information ein Dokument enthält, und zwar gegenüber den Dokumenten, die der Nutzer bereits gesehen hat. Das Patent beschreibt also eine Reihenfolge für den einzelnen Nutzer, keinen allgemeinen Originalitätswert einer Website.

Was Google tatsächlich zu Mehrwert sagt

Die Idee hinter dem Begriff findet sich dagegen ausdrücklich in Googles Dokumentation. In den Fragen zur Selbstprüfung hilfreicher Inhalte heißt es unter anderem: „Bieten die Inhalte neuartige Informationen, Darstellungen in Berichtsform, Forschungsergebnisse oder Analysen?“ und „Bietet der Inhalt einen deutlichen Mehrwert im Vergleich zu anderen Seiten in den Suchergebnissen?“ (Google Search Central).

Für die KI-Suche wird Google im Leitfaden vom Mai 2026 noch deutlicher. Einzigartige, nicht alltägliche Inhalte hätten voraussichtlich langfristig mehr Einfluss auf die Sichtbarkeit in der generativen Suche als alle anderen Empfehlungen. Googles Beispiel: Ein allgemeiner Text wie „7 Tipps für Erstkäufer von Immobilien“ biete wenig Einzigartiges, ein Erfahrungsbericht darüber, warum ein Käufer auf eine Inspektion verzichtete und was die Abwasserleitung dann zeigte, dagegen schon (Google-Leitfaden zu generativen KI-Funktionen).

Warum Informationsgewinn in KI-Antworten zählt

KI-Suchen fragen zu einer Frage oft viele Quellen ab, im Google-KI-Modus über den Query Fan-out sogar mehrere Suchen auf einmal. Aus diesen Quellen entsteht eine Antwort. Wer dasselbe sagt wie alle anderen, ist austauschbar: Die Aussage steht in der Antwort, verlinkt wird vielleicht eine andere Seite. Wer einen Baustein liefert, den sonst niemand hat, wird für genau diesen Baustein gebraucht.

Das steht nicht im Widerspruch zum Konsens-Signal, also der Beobachtung, dass KI-Systeme Aussagen bevorzugen, die mehrere Quellen bestätigen. Die Grundfakten sollten mit dem Stand der Fachwelt übereinstimmen. Der Informationsgewinn liegt in dem, was darüber hinausgeht: eigene Zahlen, konkrete Fälle, begründete Abwägungen.

Auch die GEO-Studie von 2023 weist in diese Richtung: Ergänzte Statistiken und Zitate gehörten dort zu den wirksamsten Änderungen. Informationsgewinn ist damit eng verwandt mit der Zitierfähigkeit einer Passage.

So entsteht Informationsgewinn

Ein Beispiel zur Veranschaulichung: Ein Messebauer aus Franken schreibt einen Ratgeber zur Messeplanung. Die ersten Entwürfe enthalten, was überall steht: früh budgetieren, Standfläche buchen, Leads erfassen. Neu wird der Text erst durch zwei Absätze aus eigener Arbeit: die Kostenaufteilung aus 14 betreuten Messeauftritten und die Erfahrung, dass Stromanschlüsse sechs Wochen vorher bestellt werden müssen, weil es sonst teuer wird.

Typische Quellen für Informationsgewinn im Mittelstand:

• Eigene Daten: Auswertungen aus Projekten, Service-Tickets, Angeboten oder Messungen, auch in kleinem Umfang. Wie aus solchen Daten eine veröffentlichungsfähige Studie wird, zeigt die Leistungsseite Datenstudien.
• Erfahrung aus erster Hand: Was in Projekten schiefging, was sich bewährt hat, welche Annahme falsch war.
• Abwägungen: Wann eine Lösung nicht passt und was stattdessen sinnvoll ist. Allgemeine Ratgeber vermeiden diese Aussagen.
• Regionale und branchenspezifische Details: Vorschriften, Preise, Lieferzeiten oder Besonderheiten, die überregionale Portale nicht kennen.

Was keinen Informationsgewinn bringt: Texte, die ein Sprachmodell aus den vorhandenen Seiten zusammenfasst. Google rät ausdrücklich davon ab, zu wiederholen, was ein generatives KI-Modell leicht erstellen könnte. Massenhaft solcher Texte landen schnell im Bereich AI Slop.

Wichtig ist die Einordnung eigener Zahlen: Nennen Sie Basis und Zeitraum, etwa „14 Messeauftritte zwischen 2024 und 2026“. Erst damit wird aus einer Behauptung ein Beleg, den Leser prüfen und KI-Systeme mit Quelle weitergeben können. Kleine Stichproben sind kein Makel, solange sie als solche erkennbar sind.