Tiefenindex zur Bodenverankerung

Grounding Depth Index (GDI)-Werte bewerten, wie tief ein KI-Output auf Quellmaterial auf Behauptungsebene verankert ist. Nicht die Anzahl der Zitationen. Nicht das „Link-Stuffing“. GDI ist ein Qualitätsmaß dafür, ob sich jede Tatsachenbehauptung auf eine konkrete Textstelle, Tabelle, Produktspezifikation, Policy-Seite oder Datensatzzeile zurückführen lässt.

Für GEO-Teams ist das entscheidend, weil generative Antworten innerhalb von Sekunden als vertrauenswürdig eingestuft oder verworfen werden. Wenn dein Modell für eine Preisbehauptung eine Startseiten-Quelle zitiert, die eigentlich erst drei Klicks tiefer in einem PDF steht, ist deine Verankerung schwach – selbst wenn die Antwort ausgefeilt wirkt.

Was GDI tatsächlich misst

Ein brauchbares GDI-Modell bewertet in der Regel drei Punkte: Claim Coverage (Behauptungsabdeckung), Source Specificity (Quellspezifität) und Match Accuracy (Übereinstimmungsgenauigkeit). Coverage fragt, wie viele Tatsachenbehauptungen durch Quellen gestützt sind. Specificity fragt, ob die Stütze auf einen exakten Abschnitt, einen URL-Fragment, eine Tabelle oder ein Zitat verweist. Accuracy prüft, ob die zitierte Quelle die Behauptung tatsächlich stützt – statt nur Keywords gemeinsam zu haben.

In der Praxis bewerten Teams GDI auf einer Skala von 0–1 oder 0–100. Ein grober Rahmen:

• 0,00–0,40: schwache Verankerung; breite Zitate, unbelegte Behauptungen, offensichtliche Retrieval-Fehlschläge
• 0,41–0,70: nutzbar für Content mit geringem Risiko, aber dennoch prüfpflichtig
• 0,71–0,85: solide operative Bandbreite für die meisten redaktionellen und produktbezogenen Inhalte
• 0,86+: starke Verankerung, meist erforderlich für medizinische, rechtliche oder finanzielle Workflows

Warum GEO-Teams das beachten sollten

GDI ist kein Google-Rankingfaktor. Seien wir präzise: Google Search veröffentlicht keinen „Grounding Depth Index“, und Google hat nicht gesagt, dass es diese Kennzahl direkt nutzt. Aber das zugrunde liegende Verhalten ist relevant, weil nicht gestützter KI-Content typischerweise an den Signalen scheitert, die wirklich zählen: Vertrauen, Genauigkeit, redaktionelle Prüfung und Nutzerzufriedenheit.

Googles John Mueller hat wiederholt betont, dass die Content-Qualität nicht dadurch „gerettet“ wird, wie er produziert wurde. 2025 hat er erneut hervorgehoben, dass es darauf ankommt, ob der Content nützlich und korrekt ist – nicht darauf, ob KI beim Verfassen geholfen hat. Gleicher Maßstab. Anderer Workflow.

Für SEO-Operations ist GDI eine Steuerungskennzahl. Nutze es, um Prompt-Versionen, RAG-Konfigurationen oder Modellanbieter zu vergleichen. Wenn sich eine Einrichtung von 0,52 auf 0,79 bewegt und die Vollständigkeit der Antwort stabil bleibt, ist das eine echte Verbesserung. Tracke es neben der manuellen Fact-Check-Rate, der Citation-Error-Rate und dem nachgelagerten Engagement in GSC.

Wie man es in der Praxis misst

Die meisten Teams brauchen kein Forschungs-Framework auf Studienniveau. Sie brauchen etwas, das sich wiederholen lässt. Extrahiere Tatsachenbehauptungen, ordne jede Behauptung einem Quell-Fragment zu und gewichte anschließend die Match-Qualität. Ahrefs, Semrush und Moz berechnen dir kein GDI. Das ist eher eine interne QA-Kennzahl als ein Standard-KPI einer SEO-Plattform.

Nutze Screaming Frog, um zu prüfen, ob die zitierten URLs HTTP-Statuscodes 200 liefern und indexierbar sind. Nutze GSC, um zu überwachen, ob Seiten mit stärkerer Quellentransparenz nach der Veröffentlichung bei Klicks und Impressionen besser abschneiden. Wenn du Antwortformate testest, kann Surfer SEO helfen, die On-Page-Struktur zu standardisieren – es wird jedoch keine faktische Verankerung validieren.

Der Haken: GDI lässt sich „ausspielen“. Ein Modell kann viele Zitate anbringen und dennoch die Quelle falsch interpretieren. Hohe Zitierdichte bedeutet nicht hohe Wahrheit. Du brauchst weiterhin eine menschliche Prüfung bei Stichproben der Outputs – besonders bei YMYL-Themen und überall dort, wo sich Quellunterlagen wöchentlich ändern.

Wie ein gutes Setup aussieht

• Verlange Zitationen auf Behauptungsebene, nicht nur eine Quellenliste unten
• Bevorzuge exakte Quell-Fragment statt Referenzen auf Domänenebene
• Setze Schwellenwerte nach Risiko: 0,75 für Produkt-Content, 0,90+ für regulierten Content
• Audit 20–50 Outputs pro Prompt oder Modelländerung, bevor du ausrollst
• Tracke die Rate für False Support (falsch unterstützte Aussagen) – nicht nur das Vorhandensein von Zitaten

Fazit: GDI ist nützlich, weil es eine harte Frage erzwingt: Lässt sich diese Antwort schnell prüfen und selbstbewusst verteidigen? Wenn nicht, ist der Content nicht bereit – egal wie flüssig er klingt.