LLM Readability: Warum Sprachmodelle historische Lesbarkeitsformeln ablösen und DOM-Ballast KI-Antworten verfälscht

In wissenschaftlichen Benchmarks stößt diese Heuristik jedoch an Grenzen. Adrien Barbaresi (Berlin-Brandenburgische Akademie der Wissenschaften) untersuchte Web-Text-Extraktoren im Rahmen der ACL-IJCNLP 2021 systematisch. Seine Auswertung belegt, dass die quelloffene Bibliothek Trafilatura etablierte Werkzeuge wie Mozilla Readability, Goose und Newspaper3k sowohl bei der Präzision als auch beim Recall signifikant übertrifft:

Wer RAG-Systeme betreibt oder eigene Webseiten für KI-Crawler optimiert, sollte die Textbereinigung nicht dem Zufall überlassen. Eine saubere Konvertierung in Markdown stellt sicher, dass Sprachmodelle ausschließlich den semantischen Inhalt erfassen.

Sprachliche Vereinfachung und klarer Textfluss steigern die Sichtbarkeit in generativen Suchmaschinen um bis zu 30 Prozent

Während Entwickler unter Lesbarkeit oft nur die Beseitigung von HTML-Ballast verstehen, belegen empirische Untersuchungen der Princeton University, des Georgia Institute of Technology und des Allen Institute for AI einen direkten Zusammenhang zwischen sprachlicher Verständlichkeit und Zitationshäufigkeit (Aggarwal et al., ACM SIGKDD 2024, arXiv:2311.09735).

In der bisher umfangreichsten Untersuchung zu generativen Suchmaschinen (Generative Engine Optimization / GEO-bench) analysierten die Forscher über 10.000 Suchanfragen in Systemen wie Perplexity, Bing Chat und GPT-basierten Antwort-Engines. Sie testeten verschiedene redaktionelle Optimierungsstrategien an den Quelltexten, um deren Einfluss auf die Zitation in den generierten Antworten zu messen:

• Einfache Verständlichkeit (Easy-to-Understand): Das redaktionelle Vereinfachen komplexer Satzgefüge und das Auflösen verschachtelter Konstruktionen steigerte die relative Sichtbarkeit in den KI-Antworten um 15 bis 30 Prozent.

• Optimierung des Sprachflusses (Fluency Optimization): Texte mit flüssigen Übergängen und klaren logischen Verknüpfungen erzielten einen Zuwachs im selben Korridor.

• Zitate und Statistiken: Das gezielte Einfügen belegbarer Zitate steigerte die Zitationswahrscheinlichkeit um bis zu 40 Prozent, überprüfbare Zahlen und Fakten brachten ein Plus von 37 Prozent.

• Autoritäre Tonalität (Authoritative): Der Versuch, Texten durch akademischen Fachjargon oder demonstrativ autoritäre Formulierungen mehr Gewicht zu verleihen, brachte im Gesamtschnitt über 10.000 Abfragen keinen statistisch signifikanten Sichtbarkeitsgewinn.

Dieser Befund steht in einem scheinbaren Widerspruch zu den offiziellen Richtlinien von Google Search Central (AI features and your website, Stand November 2026). Google betont dort, dass für das Erscheinen in AI Overviews oder dem AI Mode keinerlei spezielle Auszeichnungen, KI-Dateien oder sprachliche Sonderanpassungen erforderlich seien. Maßgeblich seien allein die allgemeine Indexierbarkeit und die Berechtigung zur Snippet-Anzeige.

Die Synthese beider Positionen löst den Widerspruch auf: Googles traditioneller Suchindex fungiert als Vorfilter (Retrieval-Stufe), der die relevanten Dokumente anhand etablierter Rankingfaktoren bestimmt. Die nachgelagerte generative Synthese (das Sprachmodell) wählt aus diesem Dokumenten-Pool jedoch bevorzugt diejenigen Textfragmente aus, die syntaktisch klar aufgebaut sind und Fakten ohne linguistischen Ballast formulieren. Ein Text, der für menschliche Leser leicht verständlich ist, bietet dem Sprachmodell die geringste Reibung bei der Zusammenfassung.

Zero-Shot-Sprachmodelle übertreffen historische Lesbarkeitsformeln von 1948 auf 13 von 14 internationalen Datensätzen

Um die Lesbarkeit von Texten zu messen, greift die Softwarebranche seit Jahrzehnten auf mathematische Formeln zurück. Zu den bekanntesten zählen der Flesch Reading Ease (Rudolf Flesch, 1948), der Flesch-Kincaid Grade Level (J. Peter Kincaid et al., 1975) und der Gunning-Fog-Index (Robert Gunning, 1952).

Diese historischen Metriken basieren ausnahmslos auf leicht zählbaren Oberflächenmerkmalen: der durchschnittlichen Satzlänge in Wörtern und der durchschnittlichen Silbenanzahl pro Wort.

In der Ära moderner Sprachmodelle sind diese rein quantitativen Formeln überholt. Sie weisen drei strukturelle Mängel auf:

1. Ignorieren semantischer Kohärenz: Ein Text aus grammatisch korrekten, kurzen Sätzen ohne jeden logischen Zusammenhang erhält bei Flesch Höchstnoten für Lesbarkeit, obwohl er für Menschen und Maschinen unverständlich ist.

2. Bestrafung präziser Fachbegriffe: Zusammengesetzte Substantive oder etablierte technische Termini treiben den Silbenwert in die Höhe und stufen Fachtexte pauschal als unverständlich ein, selbst wenn die Zielgruppe den Begriff exakt versteht.

3. Blindheit für syntaktische Verzweigungen: Ob ein Satz zwei Hauptsätze linear aneinanderreiht oder mehrfach verschachtelte Relativsätze nutzt, erkennt die Formel nicht, solange die Wortanzahl identisch bleibt.

Eine wissenschaftliche Evaluierung von zehn quelloffenen Sprachmodellen auf 14 internationalen Datensätzen (arXiv:2604.24470, 27. April 2026) belegt das Ende der mathematischen Oberflächenmetriken. Die Forscher wiesen nach, dass unüberwachte Sprachmodelle im Zero-Shot-Verfahren (ohne vorheriges Training auf den Datensatz) historische Lesbarkeitsformeln auf 13 von 14 Benchmarks übertreffen. Das in der Studie vorgestellte Hybrid-Modell LAURAE verbindet die Kontext-Embeddings von Transformern mit traditionellen Oberflächenmerkmalen und erzielt eine noch höhere Korrelation zu menschlichen Verstehenstests.

Chain-of-Thought und In-Context-Beispiele erfassen semantische Verständlichkeit statt Silbenzahlen

Wie Sprachmodelle als Prüfer (LLM-as-a-Judge) für Lesbarkeit instruiert werden müssen, untersuchten Forscher im September 2026 für mehrsprachige Korpora (arXiv:2609.24650):

• Chain-of-Thought (Gedankenkette): Wenn ein Modell aufgefordert wird, vor der finalen Bewertung eine strukturierte Begründung zu formulieren (Analyse von Satzbau, Kohärenz, Fachbegriffen und Leserführung), steigt die Übereinstimmung mit menschlichen Lese-Experten signifikant gegenüber einer direkten Notenvergabe.

• 1-Shot In-Context Learning: Das Bereitstellen eines einzigen kalibrierten Referenzbeispiels im System-Prompt liefert den stärksten Zuwachs an Bewertungsgenauigkeit. Weitere Beispiele (Few-Shot) zeigen einen stark abnehmenden Grenznutzen.

Ein moderner LLM-basierter Lesbarkeitsprüfer bewertet nicht Silben, sondern kognitive Reibung. Er erkennt, ob ein Passivkonstrukt den Handelnden verschleiert, ob Aufzählungen parallel strukturiert sind und ob ein Absatz seine Kernaussage im ersten Satz formuliert.

Zweigleisige Auslieferung trennt gestaltetes HTML für Leser von hierarchischem Markdown für KI-Crawler

Aus der Gegenüberstellung von menschlicher und maschineller Wahrnehmung ergibt sich ein inhärenter Zielkonflikt bei der Webentwicklung:

• Der menschliche Leser benötigt typografische Hierarchien, Weißraum zur optischen Entlastung, illustrative Infografiken und visuelle Navigationselemente.

• Das Sprachmodell wird durch visuellen Whitespace mit 24,5 Prozent Mehrkosten belastet (arXiv:2508.13666), scheitert bei rohem HTML mit einer Fehlerquote von 28 Prozent (arXiv:2608.28027) und benötigt ausschließlich semantisch dichten Fließtext.

Wer beide Zielgruppen bedienen will, muss Webinhalte zweigleisig ausliefern:

┌────────────────────────────────────────────────────────────────────────┐
│                   ZWEIGLEISIGE CONTENT-ARCHITEKTUR                     │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │
            ┌───────────────────────┴───────────────────────┐
            ▼                                               ▼
┌───────────────────────────────┐               ┌───────────────────────────────┐
│     CLIENT: WEB-BROWSER       │               │      CLIENT: KI-CRAWLER       │
│      (Menschliches Auge)      │               │     (OAI-SearchBot / RAG)     │
├───────────────────────────────┤               ├───────────────────────────────┤
│ • Vollständiges HTML5 & CSS   │               │ • Bereinigtes Markdown        │
│ • Navigation & Footer         │               │ • Keine Menüs, kein Whitespace│
│ • Visuelle Formatierung       │               │ • H2/H3 als logische Anker    │
│ • Interaktive Komponenten     │               │ • Fokussierte Sinneinheiten   │
└───────────────────────────────┘               └───────────────────────────────┘

Die technische Umsetzung kann über unterschiedliche Kanäle erfolgen:

1. Semantische Markdown-Routen (.md): Bereitstellung einer reinen Textversion unter einer standardisierten Route (oder via llms.txt), die Crawler ohne Parsing-Aufwand direkt abrufen können.

2. Serverseitige Trafilatura-Bereinigung: Vor dem Einspeisen externer Webinhalte in unternehmenseigene RAG-Datenbanken muss der HTML-DOM zwingend über Parser wie Trafilatura oder Mozilla Readability von Layout-Tags befreit werden.

3. Reduktion von Layout-Whitespace in APIs: Bei der Übergabe strukturierter Daten an Sprachmodelle sollten überflüssige Einrückungen und Leerzeilen programmatisch entfernt werden, um das Token-Budget um ein Viertel zu entlasten.

Hierarchische Absatzstrukturen verhindern das Zerreißen logischer Sinneinheiten in Vektorspeichern

Für RAG-Pipelines ist die maschinelle Lesbarkeit nicht mit der reinen Textbereinigung abgeschlossen. In Vektordatenbanken wird Text selten als Gesamtdokument gespeichert, sondern über Chunking-Algorithmen in kleinere Abschnitte zerlegt.

Wird ein Text als Fließtext ohne Zwischenüberschriften verfasst oder erstreckt sich eine Argumentationskette über einen ausufernden Block ohne logische Absätze, zerschneidet der Chunking-Splitter den Gedanken mitten im Satz. Das Vektor-Embedding des abgeschnittenen Fragments verliert den semantischen Kontext; bei der Suche nach der Antwort liefert das System unvollständige Belege oder halluziniert.

Maschinenlesbare Webtexte zeichnen sich durch drei strukturelle Eigenschaften aus:

• Atomare Absätze: Jeder Absatz behandelt genau eine in sich geschlossene Aussage und verzichtet auf redundante Füllsätze.

• Aussagekräftige Zwischenüberschriften: Jede H2- und H3-Überschrift formuliert eine vollständige Antwort statt einer vagen Andeutung. Crawler und Einbettungsmodelle nutzen Überschriften als semantische Anker für den nachfolgenden Textvektor.

• Verzicht auf unaufgelöste Pronomina: Sätze, die mit „Dieser Umstand führt dazu...“ oder „Wie oben erwähnt...“ beginnen, verlieren ihren Bezug, wenn sie in einem isolierten RAG-Chunk landen. Das Nennen des konkreten Subjekts sichert die Zitationsfähigkeit.

Unbelegte Produktiv-Pipelines und methodische Grenzen rein maschineller Textanalysen

Die wissenschaftliche Literatur belegt die Vorteile strukturierter Textaufbereitung, lässt jedoch spezifische Leerstellen offen:

1. Unbekannte Produktiv-Pipelines kommerzieller Betreiber: Weder OpenAI noch Google oder Perplexity legen offen, welche exakten HTML-Bereinigungsbibliotheken in ihren Live-Systemen laufen. Ob OAI-SearchBot Heuristiken ähnlich Trafilatura nutzt, einen modifizierten Headless-Chromium-Renderpfad betreibt oder eigene neuronale Parser einsetzt, bleibt Betriebsgeheimnis der Betreiber.

2. Mangelnde Replikation synthetischer GEO-Studien im Produktivbetrieb: Die Princeton-Studie (Aggarwal et al. 2024) lieferte bahnbrechende Daten zur Zitationssteigerung um 15 bis 30 Prozent durch vereinfachte Sprache. Die Tests fanden jedoch in kontrollierten Laborumgebungen statt. Langzeitstudien mit echten kommerziellen Domains, die den isolierten Effekt sprachlicher Vereinfachung in Googles realen AI Overviews messen, existieren bislang nicht.

3. Plattformabhängige Chunking-Schwellenwerte: Ab welcher exakten Absatzlänge ein RAG-System Kontext verliert, hängt vom jeweils eingesetzten Einbettungsmodell und der Split-Strategie der Pipeline ab. Für unterschiedliche Modellfamilien existiert hierzu bislang kein einheitlicher Standardwert.