Google Search Central Live Toronto: Was das für DACH bedeutet

Am 21. April 2026 fand in Toronto das erste Google Search Central Live in Kanada statt. Fünf Speaker direkt von Google – Martin Splitt, Danny Sullivan, Daniel Waisberg, Annanya Raghavan und Ryan Levering. Ich war nicht dabei. Saarbrücken liegt nun mal nicht um die Ecke von Ontario.

Was ich aber hatte: JC Chouinards exzellente Slide-Dokumentation des gesamten Events. Jean-Christophe Chouinard – SEO-Stratege bei Tripadvisor, technischer SEO-Spezialist und einer der gründlichsten Dokumentatoren in der englischsprachigen SEO-Community – hat fast alle Slides fotografiert und mit persönlichen Notizen versehen. Merci, JC. Ernsthaft. Ohne diesen Beitrag gäbe es diesen Artikel hier nicht. Wer ihm noch nicht folgt: LinkedIn-Profil von JC Chouinard – unbedingt empfehlenswert.

Ich liefere hier keine Kopie seines Berichts. Was ich liefere, ist eine Einordnung für den DACH-Markt: Was bedeuten diese Signale konkret für dich als Webmaster, SEO-Berater oder Content-Verantwortlichen im deutschsprachigen Raum? Was bestätigt, was ich in meiner täglichen Arbeit sehe – und wo gibt es ehrliche Widersprüche zu dem, was ich selbst bisher empfohlen habe?

Transparenz-Hinweis vorab: Es gibt einen Punkt in diesem Artikel, der direkt meiner bisherigen Empfehlung zur llms.txt widerspricht. Ich werde das nicht kleinreden, sondern sauber einordnen.

Google Search Central Live-Events sind geschlossene Veranstaltungen. Keine Livestreams, keine offiziellen Slide-Downloads. Was die Community daraus macht, hängt vollständig davon ab, ob jemand dabei war – und ob diese Person die Energie hat, das Erlebte aufzubereiten.

JC Chouinard hat das getan. Er hat nahezu alle Slides fotografiert, eigene Notizen ergänzt und eine Community-Zusammenfassung angehängt. Das ist kein Selbstverständnis, das ist Arbeit. Und genau deshalb nenne ich seine Quelle explizit, verlinke sie direkt und empfehle dir, dort auch selbst reinzuschauen – die Slides liefern visuelle Details, die ich hier nicht reproduziere.

Mein Artikel hier ist eine Interpretation und Einordnung für den DACH-Kontext – kein Duplikat. Die Originalquelle findest du auf jcchouinard.com.

Einer der klarsten Punkte aus Toronto, bestätigt durch Martin Splitt und implizit durch mehrere Slides: KI hat die Hürde für Indexierung massiv angehoben. Weil Content-Produktion so billig geworden ist, hat Google die Qualitätsschwelle für Aufnahme in den Index erhöht. Das ist keine Behauptung aus der Community – das wurde in Toronto direkt so kommuniziert.

Was das für die Praxis bedeutet, sehe ich in meinen technischen Audits täglich: Kunden zeigen mir Search Console-Reports mit hunderten von URLs im Status „Gecrawlt, derzeit nicht indexiert“ – und glauben, das sei ein JavaScript-Rendering-Problem oder ein Crawl-Budget-Thema. Das ist fast nie der Fall. Google hat diese Seiten gelesen. Google hat entschieden, dass sie es nicht wert sind, aufgenommen zu werden.

Was hilft? Keine Masseninhalte. Keine generischen Übersichtsseiten, die dasselbe wiederholen wie die ersten fünf Google-Ergebnisse. Der Fokus muss auf Inhalten liegen, die wirklich etwas beitragen: eigene Daten, eigene Erfahrungen, eine eigene Perspektive. Wer das noch nicht verinnerlicht hat, wird 2026 merken, dass immer mehr Seiten im Index-Limbo verschwinden.

Mehr dazu, wie Google Crawling und Indexierung intern behandelt, erkläre ich in meinem Artikel Crawling & Indexierung: So findet und speichert Google deine Inhalte.

In Toronto wurde ein wichtiger Punkt klargestellt, den die Community oft vermischt: Google ist nicht grundsätzlich gegen KI-generierten Content. Was Google mit dem „Scaled Content Abuse“-Algorithmus bekämpft, ist die massenhafte Produktion von Inhalten ohne echten Informationsgewinn – unabhängig davon, ob Mensch oder Maschine dahintersteckt.

Das ist eine wichtige Unterscheidung für die DACH-Praxis. Ich höre von Agenturen und Inhouse-SEOs, die meinen: „Wir nutzen KI ja nur für die ersten Entwürfe, dann überarbeitet ein Mensch.“ Das klingt vernünftig. Ist es auch – wenn die Überarbeitung wirklich substanziell ist. Wenn sie aber nur Kommas verschiebt und Sätze umstellt, hat man trotzdem Scaled Content Abuse produziert, weil der Informationsgehalt identisch ist mit dem, was ohnehin schon im Netz steht.

Furkan Özkaya – einer der aktivsten Community-Stimmen in der Nachfolgediskussion zu Toronto – brachte es auf den Punkt: KI-Content funktioniert nur dann, wenn er von einem Menschen so gründlich überarbeitet wird, dass das 2-3 Stunden pro Beitrag dauert. Das deckt sich genau mit meiner eigenen Produktionspraxis für diesen Blog hier.

Dieser Punkt aus Toronto hat einige Wellen geschlagen – zu Recht. Bisher lautete die Community-Empfehlung oft: Wenn du nicht willst, dass deine Inhalte für AI Overviews genutzt werden, blockiere Google-Extended. In Toronto wurde das korrigiert.

Die Realität: Weil deine Seite bereits im Google-Index ist, kann Google den Inhalt via Fanout-Mechanismus für KI-Antworten heranziehen – unabhängig davon, ob Google-Extended blockiert ist oder nicht. Das Blockieren ändert also nichts an deiner Sichtbarkeit in AI Overviews: du wirst weiterhin genutzt und weiterhin zitiert. Den Einfluss auf Zitationen hat einzig data-nosnippet – das aber verhindert auch Snippets in der klassischen Suche.

Was tatsächlich wirkt: das data-nosnippet-Attribut auf spezifischen Inhalten, die du schützen möchtest. Das ist chirurgisch präzise – und das einzige Mittel, das laut Google tatsächlich verhindert, dass bestimmte Textpassagen in AI-Antworten erscheinen. JC Chouinard weist in seinen Notizen zu Recht darauf hin, dass das ein zweischneidiges Schwert ist: Es reduziert auch klassische SEO-Vorteile wie Featured Snippets.

Für die DACH-Praxis: Die robots.txt-Debatte um Google-Extended kannst du entspannt beenden. Wer bisher blockiert hat und sich einen Schutz davon versprochen hat – der war auf einer Scheinmaßnahme. Mehr dazu, wie Fanout-Mechanismen in AI Overviews funktionieren, habe ich in meinem Artikel zur Funktionsweise von Google AI Overviews beschrieben. Den Unterschied zwischen AI Mode und AI Overviews – und warum das für Sichtbarkeit relevant ist – findest du hier: Google AI Mode vs. AI Overviews.

Noch ein Detail aus Danny Sullivans Session, das die Diskussion präzisiert: Das Gemini-Modell, das in AI Overviews und AI Mode läuft, ist dasselbe Modell wie in der Standalone-App – Google „formt“ es in der Suche aber anders. Das erklärt, warum Antworten auf identische Fragen je nach Einstiegspunkt divergieren können. Für die Optimierung bedeutet das: Es gibt keine separate „AI-Mode-Strategie“ – dasselbe Qualitätsfundament gilt überall.

Jetzt zur unbequemen Stelle. In Toronto haben sowohl der Google-Speaker als auch Glenn Gabe in der Community-Diskussion bestätigt: Es gibt keinen SEO-Nutzen darin, seine Website auf Markdown umzustellen. Und es gibt keinen SEO-Nutzen durch eine llms.txt-Datei.

Ich habe auf diesem Blog einen ausführlichen Leitfaden zur llms.txt veröffentlicht – mit der Empfehlung, sie zu implementieren. Das steht jetzt in direktem Widerspruch zu Googles offizieller Position, die in Toronto wiederholt wurde.

Meine ehrliche Einordnung: Der Widerspruch ist real, aber er ist präziser als er auf den ersten Blick aussieht. Wenn ich llms.txt empfehle, meine ich damit nicht klassischen SEO-Nutzen in Google – ich meine den Nutzen für LLM-Crawler wie GPTBot und andere Systeme außerhalb des Google-Ökosystems. Meine eigenen Server-Log-Analysen zeigen, dass GPTBot die Datei aktiv crawlt. Das ist kein Google-Thema.

Das gleiche Argument gilt für Markdown: Für Google gibt es keinen Mehrwert. Punkt. Für LLMs, die Inhalte direkt konsumieren, ist sauberes, strukturiertes Markup aber nach wie vor einfacher zu parsen als verschachteltes HTML mit Werbe-Widgets und Cookie-Bannern. Das ist kein Widerspruch – das sind zwei verschiedene Zielgruppen.

Was ich mitnehme und dir empfehle: Trenne bei allen GEO/LLM-Empfehlungen sauber zwischen „wirkt auf Google“ und „wirkt auf andere KI-Systeme“. Das ist eine Unterscheidung, die in der DACH-Community noch zu oft fehlt.

Ryan Leverings Session zu Structured Data, Quality & AI war laut JC Chouinards Notizen einer der substanziellsten Teile des Events. Ein wichtiges Detail daraus, das ich bisher nicht bewusst kommuniziert hatte: Das Rich Results Testing Tool ist direkt in Googles internen Indexierungsstack eingebunden – das generische Schema-Testing-Tool (schema.org Validator) dagegen nicht.

Was das bedeutet: Wenn du wissen willst, ob Google dein Markup wirklich korrekt verarbeitet und für Rich Results in Frage kommt, ist das Rich Results Testing Tool die einzig verlässliche Referenz. Der Schema-Validator sagt dir nur, ob dein JSON-LD syntaktisch korrekt ist – nicht, ob Google damit etwas anfängt.

Außerdem: Structured Data im E-Commerce-Bereich entwickelt sich weiter. Neue Use-Cases wurden angedeutet – konkrete Spezifikationen sind noch nicht veröffentlicht, aber es lohnt sich, die Google Search Central-Dokumentation im Blick zu behalten. Aus meiner Arbeit bei SEO-Projekten im E-Commerce sehe ich regelmäßig, dass Schema-Implementierungen zwar vorhanden sind, aber veraltet oder unvollständig – und damit wertvolles Potenzial für Rich Results ungenutzt lassen.

Eine vollständige Übersicht, warum strukturierte Daten gerade jetzt strategisch wichtig sind, findest du in meinem Artikel Sind strukturierte Daten dein Vorteil für AI Overviews?.

Annanya Raghavans Session über Google Trends hat für mich einen der interessantesten strategischen Ausblicke geliefert. Die kommenden API-Updates für Google Trends machen das Tool deutlich nützlicher für Datenanalyse: Man wird Abfragen auf Einzelbegriff-Ebene machen können, mit konfigurierbaren Zeitfenstern (täglich, wöchentlich, monatlich) – und die Daten werden konsistent skaliert sein, also miteinander vergleichbar.

Wichtig dabei: Trends und der Keyword Planner messen grundlegend verschiedene Dinge. Trends zeigt relatives Interesse im Zeitverlauf – plattformübergreifend über YouTube und Search. Der Keyword Planner zeigt absolute Suchvolumina für Werbezwecke. Für die Identifikation von aufkommenden Themen und „Breakout“-Queries ist Trends das überlegene Tool – auch weil die Daten absichtlich um 48 Stunden verzögert sind, um Spam-Manipulation zu verhindern.

Für die DACH-Praxis: Ich nutze Google Trends viel zu selten systematisch in der Keyword-Recherche. Das werde ich ändern, sobald die API-Updates verfügbar sind – vor allem für saisonale Trendanalysen bei E-Commerce-Kunden.

Ein Thema das in Toronto angesprochen wurde, aber in vielen Nachberichten untergeht: Agentic Search. Google hat klargestellt, dass autonome, aufgabenausführende Suchanfragen derzeit primär im E-Commerce-Kontext relevant sind – also Szenarien, bei denen die KI eigenständig Produkte vergleicht, Warenkörbe befüllt oder Buchungen auslöst.

Für DACH-E-Commerce ist das ein relevantes Frühwarnsignal: Wer Produktdaten, Schema Markup und strukturierte Kaufprozesse heute sauber aufsetzt, positioniert sich besser für den Moment, an dem Agentic Search breiter ausgerollt wird. Für Content-Sites, Blogs oder Dienstleister ist das kein akuter Handlungsbedarf – aber ein Thema, das man im Blick behalten sollte.

JC Chouinard hat in seinem Post auch eine Reihe von Community-Reaktionen zusammengefasst, die ich hier in meiner Einordnung nicht übergehen will. Einige davon treffen exakt die Punkte, die ich in meiner Beratungsarbeit regelmäßig diskutiere.

GEO vs. SEO: Orit Mutznik argumentiert, GEO sei schlicht eine Weiterentwicklung von SEO – der Begriff-Unterschied sei semantisch. Kristine Schachinger dagegen bezeichnet „GEO“ als Marketing-Begriff, erfunden von Risikokapitalgebern, um Tool-Verkäufe zu treiben. Meine Meinung: Beide haben recht. Das Konzept ist nicht neu, aber die Umsetzungsanforderungen sind es – und wer das als reines Rebranding abtut, unterschätzt die Veränderung.

Position ist keine stabile Metrik mehr: Dmitrij Zatuchin beschreibt Rankings nicht mehr als Punktwert, sondern als Verteilung, die sich stündlich verändern kann. Das deckt sich mit dem, was ich in meinen Kundenreports beobachte: Volatilität ist 2026 der Normalzustand.

Proprietary Data: Cyrus Shepard hebt hervor, dass proprietäre Daten die am stärksten korrelierende Variable für Erfolg nach den letzten Updates war. Das ist ein Signal, das ich in der DACH-Praxis zu wenig umgesetzt sehe – dabei ist es die einzige Sache, die KI nicht replizieren kann.

Mark Williams-Cook bringt es auf den härtesten Punkt: Jeder Content, der so aussieht wie die Top-5-Ergebnisse, nur leicht umgeschrieben, ist „Commodity“ – und wird von künftigen Updates bestraft. Das trifft viele deutschsprachige Blogs hart, die genau dieses Muster produzieren.

Information Gain Score: Chris Long prognostiziert, dass der Information Gain Score – also Googles Messung dafür, wie viel neues Wissen ein Inhalt gegenüber dem bereits Indexierten liefert – künftig stärker gewichtet wird. Das ist die algorithmische Entsprechung zu dem, was Toronto inhaltlich immer wieder betont hat: Nur Inhalte mit echtem Informationsgewinn haben langfristig eine Daseinsberechtigung im Index.

Was nehme ich aus Toronto mit, das ich morgen in meiner Beratungsarbeit einsetze? Drei Dinge:

Erstens: Jede Seite mit Status „Gecrawlt, derzeit nicht indexiert“ ist ab jetzt ein Qualitätsauftrag, kein Technik-Ticket. Die Frage ist nicht mehr „Hat Google die Seite gesehen?“ – sondern „Warum hat Google entschieden, sie nicht aufzunehmen?“

Zweitens: Die Google-Extended-Debatte ist beendet. Kein sinnvoller Schutz durch robots.txt-Blocking. Wer seine Inhalte gezielt schützen will, nutzt data-nosnippet auf den spezifischen Abschnitten, die nicht zitiert werden sollen.

Drittens: Schema Markup ist kein Nice-to-Have. Das Rich Results Testing Tool ist die einzig valide Referenz für Google-Konformität. Und die neuen E-Commerce-Use-Cases kommen – wer jetzt saubere Implementierungen hat, wird von den Updates profitieren.

Nochmals explizit: Dieser Artikel wäre ohne JC Chouinards Arbeit nicht möglich gewesen. Originalbeitrag: Google Search Central Live Toronto Slides (April 2026). LinkedIn: Jean-Christophe Chouinard.