Multimodale Bereitschaft: Bilder, Alt-Text und Diagramme, die Modelle zitieren können

Multimodale Bereitschaft: Bilder, Alt-Text und Diagramme, die Modelle zitieren können

Von Lukas Richter, Senior Content Automation Strategist

Ein Diagramm kann in Sekunden erklären, wofür eine ganze Textseite Minuten bräuchte. Doch wenn seine Bedeutung nur in einer Bilddatei steckt, verstehen viele Leser – und viele Suchsysteme – den Kern der Sache möglicherweise nicht.

Deshalb geht es bei der multimodalen Bereitschaft nicht darum, mehr Bilder hinzuzufügen. Es geht darum, jedes nützliche visuelle Element so zu verpacken, dass seine Bedeutung im Bild, im Seiteninhalt und im Code, der beides verbindet, klar ist.

Es gibt eine wichtige Einschränkung: Guter Alt-Text kann einem System helfen, ein Bild zu verstehen, garantiert aber nicht, dass ein KI-Assistent die Seite zitieren wird. Ein Bild zu verstehen und eine Webseite als Quelle auszuwählen, sind unterschiedliche Schritte.

Was die Forschung zeigt – und was nicht

Bildunterschriften können bei visuellen Fragen helfen

Einige Studien zeigen, dass mit einem Bild gepaarter Text einem Modell helfen kann, Fragen dazu zu beantworten. Eine Studie aus dem Jahr 2019 ergab, dass das Hinzufügen von Bildunterschriften im Absatzstil zu Bildern die Leistung bei einer visuellen Frage-Antwort-Aufgabe verbesserte. Die Bildunterschriften lieferten Details, die leichter mit einer Frage abzugleichen waren als nur die Bildmerkmale. Dies war jedoch ein Modellexperiment – kein Test, ob das Hinzufügen von Alt-Text zu einer Live-Webseite die KI-Zitationen erhöht. ACL Anthology Papier (aclanthology.org)

Diagramme und Schaubilder bleiben für Modelle schwer präzise zu lesen. Bei einem Benchmark für Diagramm-Fragen fanden Forscher Schwächen bei Aufgaben wie dem Auffinden von Beziehungen zwischen Werten. Ihre Ergebnisse verbesserten sich mit einer speziellen Textaufforderung, was auf den Wert klarer Sprache hindeutet – aber nicht beweist, dass ein bestimmtes Seitenformat mehr Zitationen erhält. ChartInsights Benchmark (arxiv.org)

Die breitere Lehre ist praktisch: Ein visuelles Element kann nützliche Beweise liefern, aber Modelle übersehen möglicherweise immer noch kleine Beschriftungen, genaue Werte oder den Weg zwischen den Schritten. Die Vision-Anleitung von OpenAI warnt beispielsweise vor kleinem Text, Diagrammen, farbcodierten Elementen und präzisem räumlichen Denken. OpenAI Vision-Leitfaden (developers.openai.com)

Besserer Alt-Text ist kein Garant für Zitationen

Suchsysteme können Bildbeschreibungen und den umgebenden Text nutzen, um zu verstehen, was ein Bild zeigt. Google gibt an, Alt-Text, Computer Vision und Seiteninhalte zusammen zu verwenden, wenn es Bilder für die Suche versteht. Es empfiehlt auch, Bilder in der Nähe von relevantem Text zu platzieren. Das unterstützt das Schreiben nützlicher Alt-Texte, ist aber kein Beweis dafür, dass Alt-Text allein einen KI-Assistenten dazu bringt, eine Seite zu zitieren. Google Bild-SEO-Anleitung (developers.google.com)

Die für diesen Artikel überprüften Beweise belegen nicht, dass eine Änderung des Alt-Textes allein die Zitationsraten bei aktuellen KI-Assistenten erhöht. Viele Systeme erklären nicht genau, welche Seitenelemente sie lesen oder warum sie eine Quelle einer anderen vorziehen. Google gibt an, dass seine KI-Suchfunktionen keine speziellen Markup-Anforderungen haben und nicht garantieren, dass eine berechtigte Seite angezeigt wird. Googles KI-Funktionen-Anleitung (developers.google.com)

Betrachten Sie die verbesserte visuelle Verpackung also als eine vernünftige, testbare Hypothese und nicht als ein Versprechen. Sie kann eine Seite benutzerfreundlicher, leichter zu analysieren und wahrscheinlicher dazu bringen, Text zu enthalten, der eine Frage direkt beantwortet. Ob ein Assistent sie dann zitiert, ist ein separates Ergebnis, das gemessen werden muss.

Jedes wichtige visuelle Element als Beweis verpacken

Ein starkes visuelles Paket besteht aus vier Teilen: dem Bild, prägnantem Alt-Text, einer Bildunterschrift und einer Textbeschreibung in der Nähe. Jeder Teil hat eine andere Aufgabe.

1. Alt-Text als kurzen Ersatz schreiben

Alt-Text sollte Lesern, die ein Bild nicht sehen können, die Informationen geben, die sie benötigen, um der Seite zu folgen. Bei einem einfachen Diagramm passt dies möglicherweise in einen Satz. Bei einem komplexen Diagramm oder Flussdiagramm sollte der Alt-Text das visuelle Element und seinen Hauptzweck identifizieren und nicht jedes Detail in eine lange Beschreibung zwängen.

Zum Beispiel:

alt="Bezahlvorgang mit einem Wiederholungspfad nach Zahlungsausfall."

Für ein dekoratives Bild verwenden Sie einen leeren Alt-Text (alt=""), damit assistierende Tools es überspringen können. Lassen Sie Alt-Text nicht weg und füllen Sie ihn nicht mit wiederholten Suchbegriffen. Die W3C-Anleitung für komplexe Bilder und Googles Bildanleitung unterscheiden kurze Textalternativen von ausführlicheren Beschreibungen. (w3.org)

2. Eine Bildunterschrift verwenden, um den Punkt der Abbildung zu verdeutlichen

Eine Bildunterschrift sollte dem Leser helfen zu verstehen, warum das Bild wichtig ist. Eine Bezeichnung wie „Architekturdiagramm“ ist meist zu vage.

Eine nützlichere Bildunterschrift ist:

Abbildung 1. Eine fehlgeschlagene Zahlung schickt den Käufer zurück zur Zahlung; der Warenkorb bleibt offen.

Verwenden Sie die HTML-Elemente <figure> und <figcaption>, um die Bildunterschrift mit dem Bild zu verbinden. Eine klare Abbildungsnummer oder ein klarer Name erleichtert auch das Verweisen auf dasselbe visuelle Element im Artikeltext. Googles Dokumentations-Styleguide enthält Beispiele für Abbildungen, die mit Alt-Text, Bildunterschriften und längeren Beschreibungen gepaart sind. (developers.google.com)

3. Die vollständige Erklärung auf die Seite stellen

Ein komplexes Diagramm sagt in der Regel mehr aus, als eine kurze Alt-Beschreibung erfassen kann. Bringen Sie die wichtige Bedeutung auch in den normalen Seiteninhalt. Beschreiben Sie bei einem Flussdiagramm die Schritte und was an jeder Verzweigung geschieht. Geben Sie bei einem Diagramm den Zeitraum, die Einheiten, die Schlüsselwerte und den Trend an. Nennen Sie bei einem technischen Diagramm die Teile und erklären Sie, wie sie miteinander verbunden sind.

Das W3C empfiehlt eine kurze Beschreibung plus eine ausführlichere Textbeschreibung für komplexe Bilder. Diese ausführlichere Beschreibung kann im Artikel selbst, in der Nähe des Bildes und für alle Leser verfügbar sein. Eine Datentabelle kann hilfreich sein, wenn es auf genaue Werte ankommt. W3C WAI: Komplexe Bilder (w3.org)

4. Namen und Beschriftungen konsistent halten

Wenn Ihr Diagramm etwas als „Aktivierung“ bezeichnet, verwenden Sie dasselbe Wort in der Bildunterschrift und im Artikel. Wenn die Abbildung ein wichtiges Ergebnis zeigt, geben Sie dies in einem Satz in der Nähe an: „In Abbildung 2 brechen die meisten Anmeldungen vor der Erstellung des ersten Projekts ab.“

Dies ist kein magischer Zitationstrick. Es ist eine Möglichkeit, die Beweise der Seite leichter nachvollziehbar und zitierbar zu machen. Google sagt, dass es kein spezielles Schema für KI-Übersichten oder den KI-Modus gibt; die nützliche Arbeit besteht darin, wichtige Inhalte im Text zu halten und die strukturierten Daten an das anzupassen, was Menschen sehen können. (developers.google.com)

Hier ist ein einfaches Muster für ein Flussdiagramm:

html

Der entscheidende Punkt im Bezahlvorgang ist, dass ein Zahlungsausfall den Warenkorb nicht leert.

Abbildung 1 in Worten: Warenkorb → Versand → Zahlung → Bestätigung. Wenn die Zahlung fehlschlägt, kehrt der Käufer zur Zahlung zurück und behält den Warenkorb.

Der kurze Alt-Text identifiziert das Diagramm. Die Bildunterschrift gibt den Hauptpunkt an. Der letzte Satz erklärt den Pfad im Klartext. Für ein Diagramm mit genauen Werten fügen Sie auch eine Tabelle oder Liste dieser Werte hinzu.

Sicherstellen, dass Crawler das Bild abrufen können

Ein gut beschriebenes Bild muss trotzdem verfügbar sein. Verwenden Sie ein normales HTML-Element <img> mit einer echten src-URL. Google gibt an, Bilder im src-Attribut eines <img>-Elements finden zu können, indexiert CSS-Hintergrundbilder jedoch nicht auf dieselbe Weise. Die Bildanleitung unterstützt auch CDN-gehostete Bilder in Bild-Sitemaps. Google Bild-SEO-Anleitung (developers.google.com)

Für ein CDN prüfen Sie die Grundlagen:

• Die Bild-URL funktioniert ohne Login oder ablaufendes Zugriffstoken.
• Die Crawler-Berechtigungen der Seite und die Sicherheitsregeln des CDN erlauben beide den Zugriff.
• Die Bild-URL in der gerenderten Seite ist stabil und liefert die korrekte Datei.
• Responsive Bilder enthalten ein Fallback-src.
• Wichtiger Text ist nicht in einem Bild versteckt, wenn er echter Seitentext sein könnte.
• Bilder, die nicht sofort sichtbar sind (Below-the-fold), laden, wenn sie in den Sichtbereich gelangen – nicht erst, nachdem eine Person klickt oder scrollt, was ein Crawler nicht reproduzieren kann.

Googles Anleitung zum Lazy Loading besagt, dass Bild-URLs im gerenderten HTML erscheinen und laden sollten, wenn sie in den Sichtbereich gelangen. Sie rät auch davon ab, Bilder per Lazy Loading zu laden, die bereits beim Öffnen der Seite sichtbar sind. Googles Lazy-Loading-Anleitung (developers.google.com)

Überprüfen Sie auch die Berechtigungen pro Plattform. OpenAI dokumentiert OAI-SearchBot als seinen Such-Crawler und sagt, dass dieser getrennt von GPTBot ist, der sich auf Trainingsdaten bezieht. Das Erlauben des einen erfordert nicht das Erlauben des anderen. Dies ist wichtig, wenn Sie Suchergebnisse wünschen, aber eine andere Präferenz bezüglich der Trainingsnutzung haben. OpenAI Crawler-Dokumentation (developers.openai.com)

Testen, ob Ihre Seiten für visuelle Fragen zitiert werden

Verlassen Sie sich nicht auf ein paar gelegentliche Chatbot-Eingabeaufforderungen. Führen Sie zwei Tests durch, denn Modellverständnis und Web-Zitation sind nicht dasselbe.

Test 1: Versteht das Modell das visuelle Element?

Wählen Sie eine Reihe von Diagrammen und Schaubildern aus. Schreiben Sie Fragen, deren Antworten davon abhängen, wie zum Beispiel:

• Welcher Schritt folgt nach der Zahlung?
• Was passiert, wenn die Zahlung fehlschlägt?
• Welcher Monat hatte die höchste Konversionsrate?
• Was besagt das Diagramm als Hauptgrund für das Abspringen von Nutzern?

Vergleichen Sie dann die Modellantworten unter kontrollierten Eingabebedingungen:

1. Das Bild allein.
2. Das Bild plus Alt-Text und Bildunterschrift.
3. Das Bild plus diese Anmerkungen und die Textzusammenfassung oder Datentabelle der Seite.

Halten Sie Modell, Frage und Bild gleich. Bewerten Sie die Antworten auf Korrektheit, einschließlich exakter Werte und Beziehungen. Dies hilft zu zeigen, ob der hinzugefügte Text dem Modell hilft, Ihre Fragen zu beantworten. Es zeigt nicht, ob ein Websuchassistent die Seite finden oder zitieren wird.

Test 2: Zitiert ein Suchassistent die Seite?

Führen Sie für ein kleines Pilotprojekt ähnliche, diagrammlastige Seiten zusammen. Fügen Sie das vollständige visuelle Paket einer Gruppe hinzu; belassen Sie die Vergleichsgruppe auf ihrer aktuellen zugänglichen Basislinie. Entfernen Sie nicht den wesentlichen Alt-Text, um eine Kontrollgruppe zu erstellen. Bereiten Sie zwei Sätze von Fragen vor: solche, die das Lesen einer Abbildung erfordern, und gewöhnliche Fragen, die der Text der Seite bereits beantwortet.

Führen Sie dieselben Prompts in den Suchassistenten aus, die für Sie relevant sind. Notieren Sie Datum, Produkt, Frage, Antwort und die zitierte Seite. Wiederholen Sie die Überprüfungen im Laufe der Zeit, da sich die Ergebnisse ändern können. Warten Sie, bis Ihre Crawler- oder Suchtools anzeigen, dass die aktualisierten Seiten erneut gecrawlt wurden. Google weist darauf hin, dass das erneute Crawlen Tage oder länger dauern kann. (developers.google.com)

Verfolgen Sie vier Ergebnisse:

• Zitationsrate: Wie oft zitiert die Antwort die Seite?
• Antwortgenauigkeit: Hat der Assistent die visuelle Tatsache korrekt wiedergegeben?
• Zitationsbeleg: Stützt die zitierte Seite tatsächlich die Antwort?
• Geschäftsergebnis: Hat der Besuch, die Empfehlung oder der Lead dem Geschäft geholfen?

Vergleichen Sie die Ergebnisse visueller Fragen mit der Kontrollgruppe gewöhnlicher Fragen. Ein einfacher Vorher-Nachher-Vergleich kann irreführend sein: Der Assistent, sein Suchindex und das gesamte Web können sich gleichzeitig ändern. Angepasste Seiten und wiederholte Überprüfungen helfen, aber ein kleiner Test sollte immer noch als Pilotprojekt und nicht als universelle Regel berichtet werden.

Seien Sie auch präzise darüber, was das Ergebnis bedeutet. Wenn eine Seite nach dem Hinzufügen einer Textzusammenfassung häufiger zitiert wird, zeigt der Test, dass das Gesamtpaket geholfen hat. Es beweist nicht, dass der Assistent das Bild selbst gelesen hat. Zitations-Dashboards können anzeigen, welche URLs in KI-Antworten erscheinen, aber nicht unbedingt, welcher Teil einer Seite gelesen wurde. Bings AI Performance Bericht meldet beispielsweise zitierte Seiten und Abfrageinformationen. Bing Webmaster Tools: KI-Leistung (blogs.bing.com)

Die Arbeit in Ihr Content-System integrieren

Gründer sollten ein Diagramm nicht jedes Mal von Hand neu schreiben müssen, wenn sie einen Artikel veröffentlichen. Aber die Automatisierung sollte nicht erfinden, was das Bild bedeutet.

Ein einfacher Workflow ist:

1. Der Ersteller liefert die Quelldaten oder das Diagramm sowie den Hauptpunkt, den der Leser mitnehmen soll.
2. Ein Content-Workflow erstellt den Alt-Text, die Bildunterschrift und die Klartext-Zusammenfassung aus diesen Quellmaterialien.
3. Eine Person überprüft, ob die Beschreibung korrekt ist und ob Beschriftungen, Werte und Pfade mit dem visuellen Element übereinstimmen.
4. Die Seite veröffentlicht das Bild und seinen Text zusammen.
5. Eine wiederholbare Überprüfung bestätigt, dass Leser und Crawler auf beides zugreifen können.

Der Punkt des Erstellers ist der Teil, der nicht automatisiert werden sollte. Zum Beispiel möchte ein Gründer vielleicht nicht nur zeigen, dass die Anmeldungen zurückgehen, sondern dass das Team sich entschieden hat, die Einrichtung des ersten Projekts zu optimieren, bevor mehr Traffic gekauft wird. Das ist eine Meinung und eine Produktlektion, keine Beschriftungsaufgabe.

In einer automatisierten Content-Engine können die Eingaben Ersteller, Zielgruppe und Geschmack diesen Punkt über Artikel hinweg bewahren. AutoPod verwendet diese Eingaben, um jeden Artikel zu leiten, während der Workflow wiederholbare Aufgaben wie das Entwerfen von Bildunterschriften und das Überprüfen der Seitenstruktur übernimmt. Das Modell kann die Erkenntnis verpacken. Es sollte die Erkenntnis nicht erfinden.

Fazit

Das stärkste Argument für beschreibenden Alt-Text, Bildunterschriften, Abbildungsbeschriftungen und nahegelegene Zusammenfassungen ist keine versprochene SEO-Verbesserung. Es ist vielmehr, dass sie ein visuelles Element leichter verständlich, zugänglicher und leichter mit dem Argument der Seite zu verbinden machen.

Das kann einem Assistenten auch helfen, eine visuelle Frage zu beantworten und die Seite zu zitieren – aber die Verbesserung ist nicht garantiert. Verpacken Sie Diagramme als Beweismittel, machen Sie das Bild abrufbar und messen Sie Zitationen getrennt vom Verständnis. Das ist ein einfaches System, das zuerst den Lesern einen Mehrwert bietet und einen testbaren Vorteil für die KI-Entdeckung.