TL;DR
- Google Cloud hat Open Knowledge Format v0.2 am 24.
- Juli 2026 veröffentlicht, mit fünf Trust-Signalen: sources, Vertrauensstufen, Aktualität, Lebenszyklus-Status und Attested Computation.
- OKF ist ein internes Format, das KI-Crawler nie von Websites lesen, eine öffentliche Veröffentlichung ändert also nichts.
- Publizieren Sie stattdessen die sichtbaren Entsprechungen: Zitierungen pro Aussage, namentlich genannte Prüfer, Prüfdaten, Hinweise auf veraltete Inhalte, Methodik neben Statistiken.
Am 24. Juli 2026 hat Google Cloud Version 0.2 des Open Knowledge Format veröffentlicht, sechs Wochen nach dem ersten Release. Das Update ergänzt fünf Trust-Signale, die einem KI-Agenten sagen, woher ein Wissensbaustein stammt, wer ihn geprüft hat und ab wann er nicht mehr verlässlich ist. Die Spezifikation liegt auf GitHub, sie besteht aus einem Ordner mit Markdown-Dateien, und Sie lesen das Ganze in zwanzig Minuten.
Meine Kurzfassung für alle, die im Search-Bereich arbeiten: Setzen Sie OKF nicht auf Ihrer Website um, lesen Sie die Spezifikation trotzdem. Sie ist die bisher klarste Aussage dazu, wie Maschinen aus Sicht von Google entscheiden sollten, was sie glauben. Genau diese Frage steht derzeit im Zentrum von KI-Sichtbarkeit, und die fünf Signale lassen sich fast eins zu eins auf Dinge übertragen, die Sie heute in Ihren Inhalten sichtbar machen können.
Was das Open Knowledge Format ist
OKF ist eine Konvention dafür, Unternehmenswissen so festzuhalten, dass Agenten es nutzen können: Kennzahlendefinitionen, Tabellen-Schemas, Playbooks, Richtlinien. Ein Konzept pro Markdown-Datei, Metadaten im YAML-Frontmatter, Dateien in Ordnern gruppiert, das gesamte Bundle als Git-Repository ausgeliefert. Kein SDK, keine Schema-Registry, kein vorgeschriebenes Tooling. Die Spezifikation wirbt damit selbst: Wenn Sie cat auf eine Datei ausführen können, lesen Sie auch OKF.
Google Cloud hat OKF im Juni 2026 angekündigt, aus der Data-Analytics-Sparte heraus, und die Beispiele liegen mitten in der BigQuery-Welt: Umsatzdefinitionen, Warehouse-Schemas, dbt-Modelle. Das Zielproblem ist interner Wildwuchs. Wissen steckt in Wikis, Katalogen, Drives und Dashboards, und ein Agent, der aus diesem Haufen Fragen beantwortet, kann eine gültige Richtlinie nicht von einem Dokument unterscheiden, das seit drei Jahren niemand angefasst hat.
Die v0.2-Spezifikation benennt deutlich, warum Vertrauen plötzlich ein eigenständiges Grundelement werden musste: Ein moderner Korpus wird “kontinuierlich von Agenten geschrieben und gepflegt.” Wenn die meisten Ihrer internen Dokumente maschinell geschrieben sind, wird die Frage, wer das sagt, zum Pflichtfeld.
Die fünf Trust-Signale in v0.2
| Signal | Wo es steht | Die Frage, die es beantwortet |
|---|---|---|
| Provenienz | sources-Feld | Woraus wurde das erstellt? |
| Vertrauen | generated- und verified-Felder | Wie sehr sollte ich dem vertrauen? |
| Aktualität | stale_after-Feld | Stimmt es noch? |
| Lebenszyklus | status-Feld | Ist das die aktuelle Version? |
| Attestierung | Konzepttyp Attested Computation | Wurde die Zahl auf dem freigegebenen Weg erzeugt? |
Beim Lesen der Spezifikation sind mir vier Details aufgefallen.
Es gibt bewusst keinen Glaubwürdigkeits-Score. Stattdessen trägt jede Quelle objektive Signale: wer sie verfasst hat, wie oft sie genutzt wird, wann sie zuletzt geändert wurde. Was daraus in Summe folgt, entscheidet der Konsument. Googles Begründung: Ein gespeicherter Score ist subjektiv und veraltet in dem Moment, in dem Sie ihn festschreiben. Wer eine Metrik für KI-Sichtbarkeit baut oder einkauft, sollte einen Moment darüber nachdenken.
Die Zuordnung erfolgt pro Aussage, nicht pro Dokument. Version 0.1 hatte am Ende jeder Datei eine Zitationsliste. Version 0.2 schafft sie ab. Quellen wandern mit stabilen IDs ins Frontmatter, und einzelne Aussagen verweisen über Markdown-Fußnoten auf diese IDs. Eine lose Linkliste am Ende eines Dokuments hält Google für Maschinen für nutzlos. Am Ende eines Blogposts ist sie genauso nutzlos.
Die Prüfung hat Stufen, und Menschen stehen über Maschinen. Ein Konzept ohne verified-Feld gilt als ungeprüft. Bestätigt ein Agent oder ein automatisierter Prozess es, gilt es als maschinell bestätigt. Gibt ein Akteur mit dem Präfix human: die Freigabe, gilt es als von Menschen geprüft, die höchste Stufe. Die Prüfung durch eine namentlich genannte Person ist buchstäblich der höchste Vertrauenszustand im Format.
Zahlen brauchen Belege. Der neue Typ Attested Computation hinterlegt den freigegebenen Weg, einen Wert zu berechnen, etwa eine Umsatzabfrage, dazu einen deterministischen Prüfer, der bestätigt, dass die tatsächlich ausgeführte Abfrage der freigegebenen entspricht. Die Spezifikation benennt den Fehlerfall direkt: ein Agent, der einen Dollarbetrag meldet, nachdem er sein eigenes SQL improvisiert hat.
Warum das für Search-Leute relevant ist
OKF ist ein internes Format, und keine KI-Engine holt es sich von öffentlichen Websites. Warum also hier darüber schreiben?
Weil das Vertrauensproblem, das OKF löst, dasselbe ist, vor dem Answer Engines bei der Auswahl von Zitierungen stehen. Ein Modell, das entscheidet, welchem internen Kennzahlendokument es glaubt, und ein Modell, das entscheidet, welche Seite es zitiert, wenn es um eine Preisfrage geht, führen dieselbe Bewertung durch: Wer hat das geschrieben, hat es jemand geprüft, ist es aktuell, lassen sich die Zahlen nachrechnen. Google hat gerade in Spezifikationsform veröffentlicht, welche Signale es für diese Entscheidung als grundlegend ansieht.
Es setzt außerdem ein Muster fort, das ich das ganze Jahr über beobachte: Infrastruktur für Agenten läuft immer wieder auf schlichtes Markdown plus explizite Metadaten hinaus. Agenten, die über MCP-Server browsen, Claude Skills, llms.txt und jetzt OKF sind allesamt Wetten darauf, dass maschinelle Konsumenten kleine, lesbare Dateien mit deklariertem Kontext wollen. OKF ist das erste davon, das Trust-Metadaten zum Hauptmerkmal macht, und die Engines gewichten beim Ranking bereits dieselben Dimensionen, von der Gewichtung nach Aktualität bis zu Trust-Signalen zur Autorschaft. Heute müssen sie diese Signale von gerenderten Seiten abgreifen. OKF zeigt, wie die native Variante aussieht.
Sollten Sie OKF auf Ihrer Website ergänzen? Nein.
Keine Suchmaschine und kein KI-Crawler liest OKF-Bundles von öffentlichen Websites. Es gibt keinen Ranking-Effekt, keinen Zuwachs an Zitierungen und keinen Crawler, der die Dateien überhaupt anfragen würde. Crawler holen sich Ihre gerenderten Seiten, im Rahmen Ihrer Crawl-Berechtigungen, und genau auf dieser gerenderten Oberfläche werden Trust-Signale gelesen. Alles, was ich dieses Jahr zur KI-Suche gemessen habe, weist in dieselbe Richtung: Sichtbare Inhalte bewegen Zitierungen, unsichtbares Beiwerk nicht.
Wenn Sie interne Agenten-Infrastruktur betreiben, ist das eine andere Diskussion. Eine Wissensbasis mit Kennzahlendefinitionen und den Feldern verified und stale_after hätte mehreren Teams, mit denen ich gearbeitet habe, Agenten erspart, die selbstbewusst tote Zahlen zitieren. Das ist aber eine Entscheidung der Datenplattform und hat mit Ihrer öffentlichen Website nichts zu tun.
Was Sie übernehmen sollten: die fünf Signale sichtbar machen
Der nützliche Schritt ist, jedes Signal in etwas zu übersetzen, das Leser und Crawler auf Ihren Seiten gleichermaßen sehen. Das ist E-E-A-T-Mechanik mit einer Spezifikation im Rücken.
- Provenienz. Zitieren Sie die Quelle direkt neben der Aussage, die sie stützt, und nennen Sie die Quelle im Satz. Eine Quellensammlung am Ende des Beitrags ist genau das Muster, das Google im eigenen Format gerade abgeschafft hat.
- Vertrauen. Setzen Sie einen namentlich genannten Autor mit echten Qualifikationen auf die Seite, und wenn jemand einen Beitrag prüft, nennen Sie wer und wann. Halten Sie Ihren Entitäten-Fußabdruck konsistent, damit Maschinen auflösen können, wer diese Person ist.
- Aktualität. Zeigen Sie ein ehrliches Aktualisierungsdatum und einen echten Prüfrhythmus. “Geprüft im Juli 2026, nächste Prüfung Q4” ist ein stale_after-Feld, das ein Mensch lesen kann.
- Lebenszyklus. Wenn ein Beitrag abgelöst wird, kennzeichnen Sie ihn und verweisen Sie auf die aktuelle Version, statt ihn still zu löschen. Veralteter Inhalt, der sich selbst als veraltet ausweist, behält seine Links und verliert die Fähigkeit, in die Irre zu führen.
- Attestierung. Veröffentlichen Sie Ihre Methode direkt neben Ihren Zahlen: Stichprobengröße, Query-Set, Zeitraum, Tooling. Wenn ein Modell Ihre Statistik nachrechnen kann, kann es Ihrer Statistik vertrauen. Strukturieren Sie das in sauberem semantischem HTML, damit die Extraktion trivial ist.
Wenn Sie noch am Anfang stehen, beginnen Sie mit dem, was GEO tatsächlich ist, und prüfen Sie dann, welche der fünf Fragen Ihre wichtigsten Seiten unbeantwortet lassen. Die Agenten stellen sie bereits.