100, 300 oder 1.000 Artikel bedeuten nicht automatisch, dass ein Medienprodukt besser geworden ist.
Im schlimmsten Fall ist nur das Lager größer geworden.
Gute Texte liegen hinten in Kisten, am Eingang stehen immer dieselben Bestseller, und alles, wonach niemand ausdrücklich sucht, verschwindet praktisch.
Ein besseres Denkmodell lautet:
Eine Website ist ein Laden, kein Lagerraum.
Die Startseite ist das Schaufenster. Themen sind Regale. Die Suche ist der Verkäufer. Artikelkarten sind Regalbeschriftungen. Verwandte Artikel sind das nächste Regal. Analytics ist das Kassensystem. Die Content-Fabrik ist das Hinterzimmer. QA ist die Warenkontrolle. Empfehlungsupdates sind Regalumbauten.
Der ideale Laden hält Kunden nicht absichtlich vom Ausgang fern.
Wer eine Antwort braucht, findet sie schnell. Wer stöbern möchte, kann tiefer gehen. Es gibt einen Grund zurückzukommen. Und das System lernt, welche Inhalte nicht gefunden wurden, damit die Regale besser werden.
Das ist die Schleife:
finden → lesen → nächstes Interesse entdecken → zurückkehren → automatisch verbessern.
1. Der Nordstern ist nicht Aufenthaltsdauer, sondern nützliche Entdeckung
Pageviews und Verweildauer werden gefährlich, wenn sie als Ziele an sich behandelt werden.
Wer in 30 Sekunden eine richtige Ein-Satz-Antwort findet und geht, kann eine hervorragende Erfahrung gehabt haben.
Wer fünf Seiten besucht, weil die Antwort versteckt ist, erzeugt fünf Pageviews und war vielleicht nur fünfmal verloren.
Googles HEART-Framework betrachtet UX über Dimensionen wie Happiness, Engagement, Adoption, Retention und Task Success und verbindet Produktziele mit Signalen und Kennzahlen.[1]
Bevor wir „mehr Seiten pro Sitzung“ feiern, sollten wir trennen:
- Aufgabenerfolg,
- interessante Entdeckung,
- sinnvoller nächster Schritt,
- Bereitschaft zurückzukommen.
Maximiert werden sollten nützliche Entdeckungen.
Wenn dadurch die Pageviews steigen, gut. Wird PV selbst zur Droge, bauen wir irgendwann ein Einkaufszentrum ohne Ausgang.
2. Finden: Menschen folgen Informationsduft, nicht der Anzahl der Links
Information Foraging Theory beschreibt Informationssuche als Prozess, bei dem Menschen aus Hinweisen abschätzen, wo wertvolle Information wahrscheinlich zu finden ist.[2]
Im Web bilden solche Hinweise einen Informationsduft.
Eine Karte mit „Arbeit“, „KI“ oder „Leben“ nennt nur die Kategorie.
„Eine Bitte ablehnen, ohne die Beziehung zu beschädigen“ lässt den Wert hinter dem Klick erahnen.
Entdeckungsqualität hängt daher davon ab, ob Titel, Beschreibung, Thema, Situation und erwarteter Nutzen in dieselbe Richtung zeigen.
Google empfiehlt ebenfalls crawlbare interne Links mit konkretem, relevantem Ankertext und erklärt, dass es keine magische ideale Linkzahl pro Seite gibt.[3]
Alle Artikel auffindbar machen zu wollen bedeutet nicht, alle Produkte an die Kasse zu stapeln.
3. Lesen: Nicht jeden Artikel in dieselbe Form pressen
„Gib die Antwort in fünf Sekunden“ ist für manche Inhalte gut und als Universalregel zerstörerisch.
Fehlerbehebung, Verfahren, Preise und Einrichtung profitieren oft von einer frühen Antwort.
Erlebnisse, Beobachtungen, Kultur, Reisen und narrative Analysen können ihren Wert gerade aus dem Weg beziehen.
Definiere die Aufgabe des Lesers je nach Typ:
- Lösung: Antwort, Bedingungen, Schritte früh,
- Entscheidung: Optionen und Trade-offs früh,
- Erklärung: von der Frage zum Modell,
- Erzählung: Ereignisse und Entdeckungen bewahren,
- hohes Risiko: Evidenz, Geltungsbereich und Unsicherheit offenlegen.
Googles People-first-Hinweise priorisieren ebenfalls Inhalte für ein echtes Publikum, die Ziele unterstützen und ein zufriedenstellendes Erlebnis liefern, statt primär Rankings zu manipulieren.[4]
Das Format sollte dem menschlichen Ziel folgen, nicht einem SEO-Aberglauben.
4. Nächstes Interesse: Erst antworten, dann eine nützliche Wissenslücke sichtbar machen
Das beste Modul für verwandte Inhalte bittet nicht um „noch einen Pageview“.
Es macht eine Frage sichtbar, die der Leser noch nicht formuliert hatte.
Loewensteins Information-Gap-Theorie beschreibt, dass Neugier entstehen kann, wenn Menschen die Lücke zwischen dem, was sie wissen, und dem, was sie wissen wollen, bemerken.[5]
Die Designfolge ist nicht, die aktuelle Antwort zu verstecken.
Erst antworten.
Dann drei Richtungen anbieten:
- tiefer gehen,
- das nächste wahrscheinliche Problem vorbereiten,
- ein angrenzendes Thema erkunden.
Das ist das Gegenteil von Clickbait.
Nicht „die Antwort steht auf der nächsten Seite“, sondern „die Antwort steht hier; jetzt wird die nächste Frage sichtbar“.
Forschung zu Empfehlungssystemen zeigt außerdem, dass wiederholte Bevorzugung ohnehin populärer Elemente und das Zurückfüttern dieser Reaktionen Popularitätsbias verstärken und Diversität verringern kann.[6]
Darum Relevanz mit Neuheit, gutem unterexponiertem Inhalt, Nachbarthemen und Diversitätsgrenzen mischen.
Ein Artikel, der nie gezeigt wurde, ist nicht zwingend unbeliebt. Vielleicht hatte er nie eine Chance.
5. Zurückkehren: Fortsetzung wertvoll machen, nicht verpflichtend
Für Wiederkehr braucht man nicht zuerst aggressive Benachrichtigungen oder Registrierungs-Popups.
Die Selbstbestimmungstheorie betrachtet Autonomie, Kompetenz und soziale Eingebundenheit als wichtige Bedürfnisse intrinsischer Motivation.[7]
Eine Website kann das nicht mechanisch kopieren, aber als Designlinse nutzen:
- Autonomie: Interessen wählen, ändern und löschen,
- Kompetenz: nach dem Lesen mehr verstehen, entscheiden oder tun können,
- Verbundenheit: konsistente Stimme und erkennbare redaktionelle Absicht.
Gute Rückkehrpfade sind gespeicherte Artikel, zuletzt gelesene Inhalte, Weiterlesen, Neues aus gewählten Themen und natürliche Fortsetzungen früherer Texte.
Ideal ist nicht „komm zurück oder verliere etwas“, sondern komm zurück und setze dort fort, wo dein Denken zuletzt angekommen ist.
6. Weniger Auswahl ist nicht automatisch besser
In UX wird „zu viel Auswahl kann schwierig sein“ gern zur Universalregel.
Die Evidenz ist komplizierter.
Eine Meta-Analyse von Scheibehenne und Kollegen über 63 Bedingungen aus 50 Studien mit 5.036 Teilnehmern fand einen durchschnittlichen Choice-Overload-Effekt nahe null und erhebliche Unterschiede zwischen Studien.[8]
Daraus folgen keine universellen Zahlen wie „drei verwandte Artikel“ oder „höchstens sieben Kategorien“.
Wichtiger ist, ob Unterschiede verständlich sind, Optionen gruppiert werden, Ziele eigene Einstiege haben, Vergleichsdimensionen klar sind und jetzt überhaupt gewählt werden muss.
Hundert Artikel in einer flachen Liste können schrecklich sein. Hundert nach Intention organisierte Artikel können ein Vermögenswert sein.
7. Automatische Verbesserung: Wer nur Klicks lernt, macht den Laden eintönig
Die erste Voraussetzung automatischer Verbesserung ist nicht KI, sondern semantische Disziplin bei der Messung.
Unterscheide, was gezeigt wurde, wo, ob es geklickt wurde, was nach dem Lesen geschah, ob gespeichert wurde, ob jemand zurückkam und welche geeigneten Inhalte nie Exposition bekamen.
Artikel-ID, Sprache, Content-Revision und Empfehlungsalgorithmus-Version müssen zusammenbleiben.
Die Schleife:
veröffentlichen → zeigen → beobachten → aggregieren → Hypothese bilden → wenig ändern → erneut prüfen.
Nicht nur CTR optimieren.
Sensationelle Titel, extreme Themen und bereits populäre Inhalte können dieses Ziel dominieren.
Nutze Leitplanken wie Aufgabenerfolg, Zufriedenheit nach Empfehlung, Wiederkehr, Expositionsabdeckung, Themenvielfalt, Performance und Lesbarkeit.
Automatisierung sollte ein Regelkreis sein, der lernt, ohne auf ein einziges wiederholtes Regal zu schrumpfen.
8. SEO und UX sind keine Gegner, außer Google wird zum einzigen Kunden
Googles Search Essentials und People-first-Leitlinien betonen nützliche originelle Inhalte, Wörter, die Menschen tatsächlich verwenden, und crawlbare Links.[4][3]
Google erklärt außerdem, dass Core Web Vitals allein keine Rankings garantieren, eine gute Gesamterfahrung aber weiterhin wichtig ist.[9]
Die aktuellen guten Schwellen von web.dev am 75. Perzentil sind LCP ≤ 2,5 s, INP ≤ 200 ms und CLS ≤ 0,1.[9]
Für mehrsprachige Websites empfiehlt Google, lokalisierte Versionen explizit zu verbinden, etwa mit hreflang.[10]
Auch der Leitfaden für generative KI-Suche betont langfristig einzigartige, überzeugende, nützliche und nicht austauschbare Inhalte.[11]
Gute Titel, sinnvolle interne Links, Geschwindigkeit, Quellen, klare Updates, korrekte Sprach-URLs und originelle Analyse helfen Suchmaschinen und Menschen.
9. Mit der Ladenmetapher wird das Gesamtsystem verständlich
Startseite: Schaufenster. Themen: Regale. Suche: Verkäufer. Artikel: Produkt. Verwandte Inhalte: nächstes Regal. Speichern und Verlauf: Reservierung und Einkaufsliste. Ranking: POS, aber „gezeigt“ nicht mit „gewählt“ verwechseln. Analytics: Betriebsdaten. Content-Fabrik: Hinterzimmer. QA: Kontrolle. Publikation: Einräumen. Recommender: Regalmanager. SEO: Beschilderung und Karten. Lokalisierung: denselben Laden in einer anderen Sprache durchlaufen.
Dann muss der Betreiber nicht täglich Hunderte Artikel von Hand verschieben.
Die Arbeit wird zu: entscheiden, was für ein Laden entstehen soll, und prüfen, ob der automatische Regalmanager vernünftig handelt.
10. Der Endzustand hält Menschen nicht fest. Er lernt
Die ideale Schleife:
- Der Wert ist von jedem Einstieg aus verständlich.
- Ein Artikel kann die aktuelle Frage vollständig lösen.
- Danach erscheint eine natürliche nächste Frage.
- Nur wer weiter möchte, geht weiter.
- Rückkehrer können schnell fortsetzen.
- Impressionen, Klicks, Verhalten nach dem Lesen, Wiederkehr und Null-Exposition werden gemessen.
- Empfehlungen ändern sich unter Kontrolle des Popularitätsbias.
- Jede Änderung wird auf Qualität, Geschwindigkeit, Suche, Sprache und Publikation erneut geprüft.
- Schlechte Änderungen können zurückgerollt werden.
- Das System verbessert nicht nur Artikel, sondern die Wahrscheinlichkeit, dass gute Artikel gefunden werden.
Eine starke Website hält Leser nicht künstlich fest. Sie bringt sie schnell zu dem, was sie brauchen, lässt sie etwas entdecken, von dem sie nicht wussten, dass es sie interessiert, und ist bei ihrer Rückkehr etwas intelligenter.
Nicht nur das Lager vergrößern.
Regale bauen, die lernen.
Quellen
- Rodden K, Hutchinson H, Fu X. “Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications.” CHI 2010. Google Research research.google
- Pirolli P, Card SK. “Information Foraging.” Psychological Review. 1999;106(4):643-675. doi:10.1037/0033-295X.106.4.643 doi.org
- Google Search Central. “Link Best Practices for Google.” Checked 2026-09-25 developers.google.com
- Google Search Central. “Creating Helpful, Reliable, People-First Content.” Checked 2026-09-25 developers.google.com
- Loewenstein G. “The Psychology of Curiosity: A Review and Reinterpretation.” Psychological Bulletin. 1994;116(1):75-98. doi:10.1037/0033-2909.116.1.75 cmu.edu
- Mansoury M, Abdollahpouri H, Pechenizkiy M, Mobasher B, Burke R. “Feedback Loop and Bias Amplification in Recommender Systems.” 2020. arXiv:2007.13019 arxiv.org
- Ryan RM, Deci EL. “Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being.” American Psychologist. 2000;55(1):68-78. doi:10.1037/0003-066X.55.1.68 selfdeterminationtheory.org
- Scheibehenne B, Greifeneder R, Todd PM. “Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload.” Journal of Consumer Research. 2010;37(3):409-425 scheibehenne.com
- Google Search Central, “Understanding Page Experience in Google Search Results”; web.dev, “Web Vitals.” Checked 2026-09-25. ; https://web.dev/articles/vitals developers.google.com
- Google Search Central. “Tell Google about Localized Versions of Your Page.” Checked 2026-09-25 developers.google.com
- Google Search Central. “Google's Guide to Optimizing for Generative AI Features on Google Search.” Checked 2026-09-25 developers.google.com
