Bild-SEO: Wie du Bilder 2026 wirklich rankst (Google + KI-Suche)

Bild-SEO ist die On-Page-Stellschraube mit den meisten generischen Tipps und der wenigsten echten Messung. Jeder Leitfaden zu "bild seo" empfiehlt moderne Formate, beschreibenden Alt-Text, Breiten- und Höhenangaben und Lazy-Loading für Bilder unter dem Fold. Kaum einer dieser Leitfäden liefert moderne Formate auf der Seite, auf der die Empfehlung steht. Das Ergebnis ist eine SERP voller WebP-predigender JPEG-ausspielender Artikel, die meisten zuletzt 2022 oder 2023 angefasst, auch wenn der Titel "2026" sagt.

Ich habe einen Live-Audit der 10 Top-Treffer auf Google EN und DE für "image seo" und "bild seo" durchgeführt — mit Luminas Alt-Text Checker, Schema Validator und PageSpeed Insights. Das Muster ist eindeutig: null von 97 Artikel-Bildern über die 10 Pillars liefern WebP oder AVIF in der img-Quelle, nur 6 von 97 nutzen fetchpriority="high" auf dem LCP-Kandidaten, nur Yoast verdrahtet die Author-Person mit einem sameAs-Array (2 Einträge), und Löwenstark rankt auf Rang vier auf google.de mit einem 1.411 Tage stale Artikel, dessen Titel weiterhin stolz "2026" sagt. Dieser Leitfaden ist die komplette Evergreen-Referenz: was Bild-SEO wirklich ist, die sechs Ranking-Faktoren, die es bewegen, die Alt-Text-Regel, die fast jede Seite verfehlt, moderne-Format-Adoption (und warum sie kaum jemand macht), das LCP-Bild-Muster, Bild-Schema, der KI-Such-Layer, der 2026 neu ist, die sechs Fehler, die die SERP ständig wiederholt, und ein 5-Schritte-Workflow für einen Sprint.

Was Bild-SEO wirklich ist

Bei Bild-SEO geht es darum, jedes Bild auf einer Seite so zu optimieren, dass Suchmaschinen und KI-Suchmaschinen es crawlen, verstehen und die Seite entsprechend ranken oder zitieren können. Die Arbeit teilt sich in drei Layer. Technische Attribute decken Format, Abmessungen, Alt-Text, strukturierte Daten und srcset ab. Performance-Attribute decken Lazy Loading, fetchpriority und responsive Größen ab. Accessibility-Signale decken beschreibenden Alt-Text, semantischen Kontext und korrekte figure-Markup ab. Jeder Layer wirkt auf einer anderen Ranking-Fläche.

Der technische Mechanismus ist einfach. Googlebot lädt die Seite, parst jedes <img>-Tag, extrahiert src, alt, width, height, loading und umgebenden HTML-Kontext und nutzt diese Daten für drei Entscheidungen. Ob das Bild gecrawlt wird. Ob es in Google Bilder indexiert wird. Wie stark das Bild im gesamten Content-Signal der Seite gewichtet wird. Modernes Google läuft zusätzlich Google Lens gegen die tatsächlichen Pixel, um Objekte, Szenen und eingebetteten Text zu extrahieren — ein gut benanntes Bild mit schwachem Alt kann also trotzdem ranken, wenn die Pixel klar genug sind.

Was sich 2026 ändert, ist der KI-Such-Layer. ChatGPT Search, Perplexity, Claude mit Web-Zugriff und Google AI Overviews setzen alle multimodale Vision-Modelle ein, um die Bilder auf den Seiten zu lesen, die sie für Citations abrufen. Sie lesen Alt-Text so, wie Google ihn immer gelesen hat, aber sie extrahieren die Bildbedeutung auch so, wie ein Mensch es täte — sie schauen auf das Bild, nicht nur auf das Markup. Eine Seite mit starkem Alt-Text und visuell klaren Bildern wird zitierbarer als eine Seite mit starkem Text allein.

Die 6 Ranking-Faktoren mit echter Wirkung

Sechs Faktoren bewegen Bild-SEO-Ergebnisse 2026 zuverlässig. Sie sind nicht gleich gewichtet — Alt-Text und Core Web Vitals machen die meiste Arbeit, während strukturierte Daten und Dateiname Nebenrollen spielen. Hier ist, was jeder tut und wie Googles Doku ihn beschreibt.

1. Alt-Text-Qualität

Alt-Text ist das primäre Signal, das Google liest, um zu verstehen, was ein Bild zeigt. Googles Bild-SEO-Doku empfiehlt beschreibenden Alt-Text explizit, und Lighthouse plus übliche Accessibility-Audits markieren fehlende Alts auf bedeutungstragenden Bildern als Qualitäts-Signal, das in das Page-Experience-Scoring einfließt. Moderner Alt-Text beschreibt das Bild faktisch in 5 bis 15 Wörtern: "Lumina Dashboard zeigt GSC-Klicks +38% Woche über Woche" schlägt "Dashboard" und schlägt "Lumina SEO Tool Dashboard Screenshot 2026 beste".

2. Modernes Bildformat

WebP und AVIF komprimieren 30 bis 60 Prozent kleiner als JPEG bei gleicher visueller Qualität — das verbessert LCP direkt. Browser-Support erreichte 2025 98% für WebP und 94% für AVIF. Das pragmatische 2026er-Setup liefert AVIF zuerst mit WebP als Fallback, ausgespielt über ein <picture>-Element. Rohes JPEG oder PNG auf einer inhaltsstarken Seite zu shippen, ist der häufigste Bild-SEO-Fehler der SERP.

3. LCP-Priorität

Das LCP-Bild (meist das Hero auf einer Content-Seite) braucht loading="eager" und fetchpriority="high". Das eager-Attribut verhindert, dass Lazy-Loading den Fetch verzögert. Das fetchpriority-Attribut sagt dem Browser, dass diese Ressource Critical-Path ist, bevor das Layout läuft. Beide sind als Lighthouse-Empfehlungen dokumentiert und beide bewegen die LCP-Metrik in echten Messungen um 200 bis 600 ms.

4. Explizite Breite und Höhe

Width- und height-Attribute auf jedem <img> lassen den Browser Platz reservieren, bevor das Bild lädt — das eliminiert Layout-Shift. Cumulative Layout Shift (CLS) ist eines der drei Core Web Vitals, und Bilder ohne Größe sind die häufigste Ursache für CLS-Fehler. Moderne responsive Bilder setzen width und height auf die intrinsischen Quelldimensionen und skalieren visuell per CSS — das Seitenverhältnis ist, was für die Layout-Reservierung zählt.

5. Dateiname und URL

Der Bilddateiname fließt in Googles Bildverständnis ein, besonders wenn der Alt-Text dünn ist. lumina-dashboard-gsc-clicks.webp schlägt IMG_4827.webp aus demselben Grund, aus dem eine beschreibende URL einen numerischen Slug schlägt. Nutze Kleinbuchstaben, Bindestriche zwischen Wörtern und halte Dateinamen unter 40 Zeichen. Die CDN-gehashten Filenames typischer Next.js- und Gatsby-Builds sind in Ordnung — Google liest zuerst Alt-Text, dann Dateinamen.

6. Bild-strukturierte Daten

ImageObject-Schema (typischerweise eingebettet in Article-, Product- oder Recipe-Schema) erlaubt dir, Bildmetadaten explizit zu deklarieren: caption, license, creator, content URL, contentLocation. Das Signal wirkt meist auf Google-Bilder-Vertikalen-Ranking (Lizenz-Bild-Carousels, Bild-Such-Snippets), bewegt klassisches Blau-Link-Ranking selten — aber für Produktfotos, Recipe-Fotos, Infografiken und jede Seite, auf der das Bild DIE primäre Entität ist, lohnt sich ImageObject.

Alt-Text: Die Regel, die fast jede Seite verfehlt

Alt-Text ist die am meisten missverstandene Bild-SEO-Fläche. Drei Muster dominieren die SERP und alle drei sind auf subtil unterschiedliche Weise falsch. Das erste ist keyword-gestopfter Alt: "lumina seo tool dashboard bestes seo 2026 keyword recherche". Das zweite ist leerer Alt auf bedeutungstragenden Bildern: alt="" auf einem Content-Screenshot. Das dritte ist fehlender Alt komplett auf bot-hochgeladenen Bildern aus Markdown-Templates, die das Attribut entfernen.

Das korrekte Muster ist beschreibende faktische Prosa, 5 bis 15 Wörter, geschrieben für jemanden, der den Bildschirm nicht sieht. "GSC Dashboard zeigt Klicks +38% Woche über Woche" schlägt "Dashboard". "Klempner repariert Siphon unter Spüle" schlägt "Klempner Spüle". Der Alt-Text wird der Name des Bildes in Google Bildern, die Ankündigung des Screenreaders und der textuelle Anker der KI-Engine für den visuellen Inhalt. Alle drei Zielgruppen werden von derselben beschreibenden Prosa bedient.

Drei Regeln decken fast alle echten Fälle ab. Erstens nehmen dekorative Bilder (Hintergrund-Gradients, Trenn-Linien, Icon-Dekorationen) bewusst alt="" — das sagt Screenreadern, sie zu überspringen, und sagt Google, dass das Bild keine semantische Bedeutung trägt. Zweitens nehmen bedeutungstragende Bilder 5 bis 15 Wörter faktischer Beschreibung, idealerweise mit dem primären Thema der Seite, wenn das Bild direkt darauf bezogen ist. Drittens nehmen komplexe Bilder (Charts, Infografiken, dichte Screenshots) kurzen Alt plus längere Beschreibung in der Nachbar-Caption oder im Text — der Alt deckt die Überschrift ab, der umgebende Text die Details.

Die Keyword-Frage taucht häufig auf. Die ehrliche Antwort: Schließe das Primär-Keyword der Seite ein, wenn sich das Bild direkt darauf bezieht — in natürlicher Prosa. Wiederhole das Keyword nicht über jedes Bild-Alt. Konstruiere Alt-Text nicht aus Komma-getrennten Keyword-Listen. Googles Bild-Doku flaggt Keyword-Stuffing in Alts explizit als Qualitäts-Signal, das der Seite schaden kann. Eine Seite mit 12 Bildern, die alle dasselbe Keyword im Alt verankern, sieht manipuliert aus; eine Seite mit 12 Bildern, die jeweils beschreiben, was sie tatsächlich zeigen, sieht natürlich aus.

Moderne Formate: WebP, AVIF und warum sie kaum jemand nutzt

Jeder Bild-SEO-Leitfaden der letzten vier Jahre empfiehlt WebP. Die meisten Guides seit 2023 empfehlen auch AVIF. Luminas Audit hat null von 97 Artikel-Bildern über 10 Top-Pillars gefunden, die eines der beiden Formate tatsächlich in der img-src ausliefern. Die Empfehlung ist universell. Die Adoption ist im Wesentlichen nicht existent.

WebP wurde 2010 gelauncht und erreichte 2024 98% Browser-Support. Es komprimiert etwa 30% kleiner als JPEG bei vergleichbarer Qualität, unterstützt sowohl lossy- als auch lossless-Modi und beherrscht Transparenz. Jedes große Bild-CDN liefert WebP-Varianten automatisch. Jedes moderne Build-Tool (Next.js, Astro, Nuxt, Hugo) generiert WebP-Outputs standardmäßig. Eine Kompatibilitäts-Ausrede gibt es nicht mehr. Sites, die 2026 weiter rohes JPEG und PNG ausspielen, zahlen die Bandbreiten-Strafe vollständig aus Trägheit.

AVIF wurde 2019 gelauncht und erreichte 2025 94% Browser-Support (Chrome, Edge, Firefox, Safari ab iOS 16 und macOS Ventura). Es komprimiert etwa 50% kleiner als JPEG und etwa 30% kleiner als WebP bei gleicher visueller Qualität. Encoder-Komplexität ist höher (AVIF-Encodes sind 10- bis 50-mal langsamer als JPEG), aber Build-Pipeline-Tools cachen encodete Outputs, also fällt der Cost zur Build-Zeit an, nicht zur Request-Zeit. AVIF ist das richtige Primärformat für neue Sites 2026.

Das pragmatische 2026er-Setup ist ein <picture>-Element mit drei Sources: AVIF für die 94% Browser, die es unterstützen, WebP für die 4%, die das nicht aber WebP, und JPEG oder PNG als finaler Fallback. Das <img> innerhalb von picture ist der JPEG-Fallback plus Alt-Text, width und height. Browser laufen die Source-Liste durch und laden die erste, die sie unterstützen — exakt ein Bild pro Slot.

<picture>
  <source srcset="hero.avif" type="image/avif">
  <source srcset="hero.webp" type="image/webp">
  <img src="hero.jpg" alt="Lumina Dashboard zeigt steigende GSC-Klicks"
       width="1200" height="630" loading="eager" fetchpriority="high">
</picture>

LCP-Bild: Das Muster, das wirkt

Die Largest-Contentful-Paint-Metrik misst, wie lange das größte sichtbare Element zum Rendern braucht. Auf inhaltsstarken Seiten ist das fast immer ein Bild — das Hero auf einer Artikel-Seite, das Produktfoto auf einer E-Commerce-Seite, das Recipe-Foto auf einer Food-Seite. Schlechtes LCP ist der häufigste Core-Web-Vitals-Fehler, und unoptimierte Hero-Bilder sind die häufigste Ursache für schlechtes LCP.

Drei Attribute bewegen LCP messbar auf Hero-Bildern. Setze loading="eager", um automatisches Lazy-Loading zu überschreiben — ein lazy-geladenes LCP-Bild bekommt seinen Fetch bis nach dem Layout verzögert, was die Metrik auf einer typischen mobilen Verbindung um 200 bis 400 ms erhöht. Setze fetchpriority="high", um dem Browser zu sagen, dass diese Ressource Critical-Path ist, bevor das Layout läuft — der Browser stuft es dann höher als andere Ressourcen in derselben Prioritäts-Klasse. Setze explizite width- und height-Attribute (oder aspect-ratio per CSS), damit der Browser Layout-Platz reservieren und den Fetch sofort starten kann.

Für oberhalb-des-Folds-Bilder, die NICHT der LCP-Kandidat sind (Icons, dekorative Grafiken, Badges), gilt das Gegenteil: liefere sie mit loading="lazy" und ohne fetchpriority aus. Der Browser depriorisiert diese dann zugunsten des LCP-Bildes. Der Fehler der meisten Sites ist, alle oberhalb-des-Folds-Bilder uniform mit eager zu behandeln, was Bandbreite über nicht-kritische Bilder streut und das tatsächliche LCP verlangsamt. Wähle einen LCP-Kandidaten pro Seite, gib ihm Priority-Hints, lazy-alles-andere.

Luminas Audit fand 6 von 97 auditierten Bildern mit fetchpriority=high — und mehrere dieser 6 sitzen auf Leitfäden, die LCP-Optimierung explizit lehren. Der Yoast-Bild-SEO-Leitfaden, Rang 3 auf Google für "image seo", ist eines der besseren Beispiele (1 Bild mit fetchpriority auf dem Hero). Der Rest der SERP shippt eager-only- oder lazy-only-Muster ohne Priority-Hints überhaupt.

Bild-Schema und strukturierte Daten

ImageObject-Schema ist der JSON-LD-Typ, den Google nutzt, um Metadaten an Bilder zu hängen: caption, license, creator, content URL, content location und width/height. Das Schema wirkt hauptsächlich auf Google-Bilder-Ergebnisse (Lizenz-Bild-Carousels, Bild-Such-Snippets) und bewegt klassisches organisches Ranking selten — aber für Produktfotos, Recipe-Fotos, Infografiken und jede Seite, auf der das Bild DIE primäre Entität ist, lohnt sich ImageObject.

Das Minimum-nützliche-Muster bettet ein ImageObject in das Haupt-Schema der Seite. Auf einem BlogPosting kann das image-Feld entweder ein einfacher URL-String sein (Googles meist-empfohlene Baseline) oder ein vollständiges ImageObject mit width, height und caption. Auf einem Recipe ist das image-Feld erforderlich. Auf einem Product ist das image erforderlich für Google-Shopping-Eligibility. Auf einem NewsArticle wirkt das image auf Top-Stories-Carousel-Eligibility.

"image": {
  "@type": "ImageObject",
  "url": "https://example.com/hero.avif",
  "width": 1200,
  "height": 630,
  "caption": "Lumina Dashboard zeigt GSC-Klicks +38% Woche über Woche"
}

Das tiefere Muster nutzt die License-Property, um Bild-Lizenzierung zu deklarieren — das verschiebt das Bild in Googles Lizenz-Bild-Filter. Große Stockfoto-Anbieter (Shutterstock, Getty) shippen das auf jedem Bild; der meiste Blog-Content braucht es nicht. Der Schema-Markup-Leitfaden deckt die breitere Schema-Landschaft ab; ImageObject sitzt darin als einer von vielen Typen.

Bild-SEO für die KI-Suche: Der neue Layer

KI-Suchmaschinen lesen Bilder anders als die klassische Google-Suche. ChatGPT, Perplexity, Claude mit Web-Zugriff und Google AI Overviews setzen alle multimodale Vision-Modelle ein, um die Bilder auf den Seiten zu lesen, die sie für Citations abrufen. Sie lesen Alt-Text (dieselbe Quelle, die Google schon immer gelesen hat), sie lesen umgebenden HTML-Kontext (Caption, Nachbar-Absatz, Heading) und sie lesen die tatsächlichen Pixel via Vision-Modelle, die Objekte, Szenen und eingebetteten Text extrahieren. Drei Eingaben pro Bild — und eine Seite, die alle drei Signale aligniert, wird zitierbarer als eine Seite mit starkem Text allein.

Die praktische Konsequenz für Bild-SEO-Content: Alt-Text zählt mehr denn je. KI-Engines, die multimodale Vision laufen, können prüfen, ob der Alt-Text dem entspricht, was die Pixel tatsächlich zeigen. Ein Dashboard-Bild mit Alt-Text "Dashboard" besteht den alten Google-Check, scheitert aber am KI-Alignment-Check — die KI-Engine kann die Chart-Labels lesen und weiß, dass der Alt zu dünn ist. Dasselbe Bild mit Alt-Text "GSC Dashboard zeigt organische Klicks +38% Woche über Woche" besteht beide: Google hat reichen Text zum Indexieren, und die KI-Engine bestätigt, dass der Alt zu den Pixeln passt.

Bilddateinamen fließen ebenfalls in KI-Retrieval ein. Wenn ChatGPT Search eine Seite lädt und entscheidet, welche Bilder zur Nutzeranfrage relevant sind, sind beschreibende Filenames wie lumina-gsc-dashboard-klicks-trend.webp leichter für das Modell zu grounden als IMG_4827.png. Behandle Filename als sekundären Alt-Text — beschreibend, in 3 bis 7 bindestrich-getrennten Wörtern, lowercase.

Die neue Einschränkung für 2026: KI-Crawler (GPTBot, ClaudeBot, PerplexityBot) führen JavaScript nicht immer aus, was bedeutet, dass Bilder, die über JS-abhängige Lazy-Loading-Libraries geladen werden, für KI-Retrieval unsichtbar sind. Natives loading="lazy" funktioniert gut, weil es HTML-Attribut-Level ist. Custom-JS-Lazy-Loader, die src beim Scrollen tauschen, nicht — der Bot sieht den Platzhalter-src und nie das echte Bild. Luminas JS-vs-No-JS-Tool rendert jede Seite mit und ohne JavaScript, damit du prüfen kannst, welche Bilder in beiden Ansichten vorhanden sind.

Die 6 Fehler, die fast jede Seite macht

Sechs Fehler tauchen über die auditierten Pillars und die breitere SERP konsistent auf. Jeder ist in einem Nachmittag behebbar, sobald du ihn findest. Die meisten Sites haben drei oder vier davon gleichzeitig.

1. Rohes JPEG oder PNG ausspielen, wenn WebP oder AVIF einen Build-Schritt entfernt sind

Der definierende Fehler der 2026er-Bild-SEO-SERP. WebP hat 98% Browser-Support. AVIF hat 94%. Jedes moderne Build-Tool generiert beide automatisch. Sites, die immer noch rohes JPEG und PNG shippen, lassen 30 bis 50 Prozent Bandbreiten-Ersparnis grundlos liegen. Der Fix ist eine Config-Änderung in deiner Build-Pipeline plus ein <picture>-Element in deinem Bild-Template.

2. Alle Above-Fold-Bilder als LCP-Kandidaten behandeln

Eager-Loading aller Above-Fold-Bilder (Logo, Hero, Sekundär-Bilder, Icons) verteilt Bandbreite dünn und verlangsamt das tatsächliche LCP. Wähle das eine Bild, das am wahrscheinlichsten der LCP-Kandidat ist, ship es mit loading="eager" und fetchpriority="high", und ship alles andere mit loading="lazy". Die Ausnahme: Navigations-Logos, die auf jeder Seite erscheinen, profitieren von eager, brauchen aber nie fetchpriority.

3. Leerer oder fehlender Alt auf bedeutungstragenden Bildern

Bot-hochgeladene Bilder aus Markdown-Templates und CMS-Content-Blocks streifen Alt-Text häufig ab. Das Ergebnis ist eine Seite mit 6 informativen Screenshots, die alle alt="" oder keinen Alt tragen — unsichtbar für Google Bilder, unsichtbar für KI-Vision-Text-Alignment, und ein Hard-Fail bei Accessibility. Auditiere periodisch mit Luminas Alt-Text Checker und ergänze Alts für nicht-dekorative Bilder.

4. Keyword-gestopfter Alt-Text

"lumina seo tool bild checker kostenlos 2026 beste alt text dashboard" hilft Google nicht, das Bild zu ranken — Googles Doku markiert Keyword-Stuffing in Alt explizit als Qualitäts-Signal, das der Seite schaden kann. Schreib faktische Prosa. Wenn das Primär-Keyword der Seite natürlich in ein oder zwei Bild-Alts passt, gut. Wenn du es in zehn zwingst, optimierst du in die falsche Richtung.

5. Fehlende width- und height-Attribute (oder aspect-ratio)

Ohne intrinsische Dimensionen kann der Browser keinen Layout-Platz reservieren, das Bild-Pop-In verursacht Cumulative Layout Shift, und CLS ist eines von drei Core Web Vitals. Setze width und height auf die intrinsischen Dimensionen des Quellbilds (die Pixel in der Datei), nutze CSS zum visuellen Skalieren, und das Seitenverhältnis bleibt erhalten. Moderne Alternative: aspect-ratio: 16/9 in CSS plus width-only oder height-only auf dem img — beides funktioniert.

6. Bilder auf einer Domain ohne CDN oder HTTP/2 hosten

Bild-lastige Seiten profitieren massiv von einem CDN, das HTTP/2 oder HTTP/3 ausspielt, moderne Formate automatisch unterstützt und geografisch nahe am Nutzer ausliefert. Selbst-gehostete Bilder auf einem Single-Region-Apache-Server mit HTTP/1.1 fügen typischerweise 200 bis 500 ms an Bild-Ladezeit hinzu im Vergleich zu Cloudflare, Vercel oder Netlify (worauf Lumina läuft). Für eine inhaltsstarke Site ist der CDN-Switch die höchstwirksame Bild-SEO-Änderung, die du an einem Nachmittag machen kannst.

5-Schritte-Workflow für Bild-SEO

Fünf Schritte in zwei Wochen decken die Arbeit ab, die echte Zahlen bewegt. Die Reihenfolge zählt: Format- und LCP-Änderungen wirken zuerst auf Core Web Vitals, Alt-Text-Änderungen wirken zweitens auf Google Bilder, Schema-Änderungen wirken zuletzt auf Rich Results. Starte da, wo der nutzersichtbare Effekt am größten ist.

FAQ

Wo du startest

Wenn du diese Woche genau eine Sache machst, konfiguriere deine Build-Pipeline, damit sie AVIF und WebP automatisch ausgibt. Jedes moderne Static-Site-Framework unterstützt das mit einer One-Line-Config-Änderung: Next.js (next/image mit formats), Astro (astro:assets), Nuxt (nuxt-img), Hugo (resources.GetMatch mit mediaType), Eleventy (eleventy-img). Wrappe deine Bilder in <picture> mit beiden Sources + JPEG-Fallback im <img>. Core Web Vitals mit Luminas PageSpeed neu testen. Die LCP-Verbesserung ist meist im selben Mess-Fenster sichtbar.

Wenn du mehr Zeit hast, fix die LCP-Priority-Hints auf jeder Seite in Schritt 2. Identifiziere den LCP-Kandidaten (meist das Hero-Bild), setze loading="eager" + fetchpriority="high" darauf, stelle jedes andere Bild auf der Seite auf loading="lazy", und teste neu. Seiten mit starken LCP-Priority-Hints ranken typischerweise besser in Googles Page-Experience-Scoring und verlieren weniger Mobile-User an langsame Loads. Beide Änderungen kumulieren: AVIF halbiert die Transfer-Zeit, fetchpriority sortiert den halbierten Transfer korrekt ein, und die LCP-Metrik spiegelt beides.

Julien El-Bahy

Web Development Lead und Macher von Lumina SEO. Spezialisiert auf SEO, GEO und KI-gestützte Such-Tools.

Auf LinkedIn vernetzen →

Passende Tools & Artikel