Die 13-Wochen-Regel — warum Recency 2026 wichtiger ist als jedes Schema-Markup
von Lembke & Tegtmeier GbR
Die GEO-Branche hat einen neuen Stresstest. Drei voneinander unabhängige Forschungs-Cluster haben dieselbe Zahl gemessen: 50 % aller URLs, die in AI-Antworten zitiert werden, sind jünger als 13 Wochen. Das verschiebt die strategische Balance — und macht die meisten klassischen GEO-Audits unvollständig.
TL;DR
Recency ist 2026 kein Optimierungs-Bonus, sondern ein struktureller Filter mit drei Schichten: Trainings-Cutoff der LLMs, Live-Index-Retrieval, Freshness-Gewichtung der Such-Engine selbst. Wer Money-Seiten älter als 90 Tage unverändert lässt, fällt aus dem AI-Antwortset. Das blanke Bumpen von dateModified reicht nicht und kann sogar schaden. Pflicht: 20–30 % Body-Text wirklich ändern, dann Timestamp setzen.
Was die Daten sagen
| Studie | Stichprobe | Kernzahl |
|---|---|---|
| Lily Ray / Amsive Research (2026) | tausende LLM-Antworten | 50 % der zitierten URLs < 13 Wochen alt |
| Princeton / Georgia Tech / Allen Institute (KDD 2024, fortgeschrieben) | erste peer-reviewte GEO-Studie | AI-zitierter Content 25,7 % frischer als Top-10-Google |
| Demand Local Agency Brief (2026) | Citation-Tracking-Sample | Pages mit Update < 30 Tagen erhalten 3,2× mehr AI-Citations |
Drei Methodiken, drei Daten-Sets, dieselbe Richtung. Das ist keine Korrelation, das ist Architektur.
Warum die Filterung so hart ist
LLMs haben dreifache Recency-Gewichtung gebaut, ob sie wollen oder nicht:
- Trainings-Cutoff. Jedes Modell hat einen Stichtag. Alles danach kennt es nicht.
- Live-Index-Pull. Antworten ziehen ihre Quellen in Echtzeit aus einer Such-Engine.
- Suchmaschinen-Bias. Google, Bing & Co. gewichten Freshness selbst — und das LLM erbt diesen Bias.
Drei voneinander unabhängige Schichten filtern in dieselbe Richtung. Wenn ein System so gebaut ist, ändert sich auch das Spiel nicht durch eine clevere Mikro-Optimierung.
Plattform-Unterschiede
Die drei großen Surfaces gewichten unterschiedlich hart:
- Perplexity — härtester Filter. 50 % der Zitate < 13 Wochen, 50 % sogar aus 2025/2026. Wer hier sichtbar bleibt, ist es überall.
- ChatGPT — hybrid. 76,4 % der Top-Cited Pages haben ein Update in den letzten 30 Tagen. Trotzdem sind 29 % der Zitate älter als 2022 (Trainings-Bias auf Long-Tail-Themen).
- Google AI Overviews — Pages mit Update < 30 Tagen werden 3,2× häufiger zitiert. Mit Gemini 3 als neuer Default seit Mai 2026 verschärft sich das Signal noch.
Logische Konsequenz: optimiere für den härtesten Filter (Perplexity). Wer dort durchkommt, kommt überall durch.
Der häufigste Fehler
Schema-Markup dateModified aktualisieren, ohne den Body zu ändern. Ahrefs hat 1.885 Pages getrackt, die genau das gemacht haben — kaum messbarer Citation-Uplift. Schlimmer: LLMs vergleichen Schema-Datum mit tatsächlicher Content-Veränderung. Wenn das Schema „frisch” sagt und der Body identisch ist mit dem Vorjahr, wertet das System die Page wegen Fake-Freshness-Signal ab.
Echter Refresh bedeutet:
- mindestens 20–30 % Body-Text geändert,
- Zahlen aktualisiert,
- Beispiele ausgetauscht,
- mindestens eine eigene neue Aussage / Datenpunkt,
- Quellen re-checked.
- Dann erst
dateModifiedsetzen — auf das echte Update-Datum.
Refresh-Kadenz, die funktioniert
| Page-Typ | Kadenz |
|---|---|
| High-Priority-Hubs (Service-Seiten, Pillar-Pages) | alle 90 Tage |
| News- und Trend-Posts | alle 30 Tage |
| Evergreen-Guides | alle 6 Monate |
| Archiv-Inhalte | jährlicher Audit (refreshen, redirecten oder ehrlich löschen) |
90 Tage ist exakt das Doppelte des 13-Wochen-Cutoffs. Damit liegst du sicher im frischen Citation-Set.
Was Kisemo daraus macht
Im Parameter-Set ist date-stamping ein etablierter Audit-Hook. Wir prüfen strukturell (Schema vorhanden, ISO-konform) und werden im Q3 2026 zusätzlich auf Substanz-Refresh prüfen — also vergleichen, ob sich der Body-Text seit dem letzten dateModified-Bump auch wirklich verändert hat. Die Hypothese: Pages mit Substanz-Drift werden im Citation-Set überproportional rausfallen.
Vertiefung
Wer den vollständigen 5-Schritte-Refresh-Plan, mehr Studien-Details und konkrete Implementierungs-Tipps will, liest bei iLembke weiter: Die 13-Wochen-Regel — Vertiefungs-Artikel von Ingo Lembke (12 Min Lesezeit).
— Lembke & Tegtmeier GbR
// Quellen
- [01]
Content Freshness and AI Search — Salespeak / Amsive Research
Salespeak / Amsive · 2026-04
- [02]
The 13-Week Rule — How Content Freshness Drives AI Search Citations
Rank & Convert · 2026-05
- [03]
Generative Engine Optimization Study — Princeton/Georgia Tech/Allen Institute
KDD Conference 2024 · 2024-08
- [04]
Content Freshness AI Rankings — 2026 Agency Brief
Demand Local · 2026-02
- [05]
Perplexity AI Optimization Strategy — Citation Guide
Stackmatix · 2026-03
- [06]
Die 13-Wochen-Regel (Vertiefung mit 5-Schritte-Plan)
iLembke · Mon May 18 2026 00:00:00 GMT+0000 (Coordinated Universal Time)
- [07]
We Tracked 1.885 Pages Adding Schema — Citation Impact Study
Ahrefs · 2026-02