Google PageSpeed Insights: Den Website-Test richtig auswerten
Die Leistungsfähigkeit der eigenen Internetpräsenz objektiv zu bewerten, ist eine der zentralen Aufgaben für Betreiber. Führen Sie einen Website-Test mit Google PageSpeed Insights durch, erhalten Sie eine Fülle an Metriken, die Aufschluss über die technische Gesundheit der Seite geben. Auf den ersten Blick können diese Zahlenkombinationen, Farbcodierungen und Warnungen jedoch schwer zu durchschauen sein. Um konkrete Schlüsse für den Betrieb ziehen zu können, ist es wichtig, die Herkunft und die Aussagekraft dieser Datenpunkte präzise zu verstehen.
Dieser Leitfaden erklärt, wie sich die ausgegebenen Werte zusammensetzen, warum sie schwanken können und was die einzelnen Kategorien für die tatsächliche Nutzung bedeuten.
Labordaten und Felddaten: Zwei unterschiedliche Messansätze
Wenn Sie einen Website Speed Test über Google initiieren, greift das System auf zwei grundlegend verschiedene Datenquellen zurück. Es unterscheidet strikt zwischen Felddaten und Labordaten. Beide Perspektiven sind notwendig, um das vollständige Bild der Performance zu erfassen.
Die Felddaten repräsentieren die tatsächliche Nutzererfahrung. Sie stammen aus dem Chrome User Experience Report (CrUX). Hierbei handelt es sich um anonymisierte Leistungsdaten von realen Besuchern, die Ihre Domain mit verschiedenen Endgeräten und unter unterschiedlichen Netzwerkbedingungen aufrufen. Der Test fasst diese Messwerte über einen rollierenden Zeitraum der vergangenen 28 Tage zusammen. Felddaten zeigen somit, wie die Seite in der echten Welt funktioniert. Sie unterliegen aber der Einschränkung, dass die Seite öffentlich crawlbar sein muss und ein gewisses Traffic-Aufkommen aufweisen muss, um statistisch belastbare Werte zu liefern.
Die Labordaten hingegen basieren auf einer Simulation. Das Tool Lighthouse analysiert die URL in einer kontrollierten Testumgebung. Dabei simuliert der Test standardmäßig ein Mobilgerät der mittleren Preisklasse (oft ein Moto G4) sowie eine definierte Drosselung der Netzwerkverbindung. Da diese Diagnose unter gleichbleibenden Laborbedingungen stattfindet, eignen sich Labordaten hervorragend, um technische Engpässe aufzuspüren. Sie spiegeln jedoch nicht zwingend reale Engpässe echter Besucher wider.
Die Kernmetriken: Signale richtig deuten
Der Bericht teilt die Leistungsbewertung in verschiedene Einzeldisziplinen auf. Ein strukturierter Google Core Web Vitals Test fokussiert sich dabei auf eine spezifische Auswahl an Leistungssignalen, die für die Interaktion kritisch sind. Folgende Werte tauchen in der Analyse auf und müssen verstanden werden:
Largest Contentful Paint (LCP)
Der LCP misst die visuelle Ladezeit. Genauer gesagt erfasst er die Zeitdauer, die benötigt wird, bis das größte zusammenhängende inhaltliche Element im sichtbaren Bereich des Nutzers vollständig auf dem Bildschirm gerendert ist. Das kann ein großes Beitragsbild oder ein umfangreicher Textblock sein. Ein LCP-Wert von bis zu 2,5 Sekunden wird als gut eingestuft. Werte zwischen 2,5 und 4,0 Sekunden erfordern Optimierung, und alles über 4,0 Sekunden gilt als unzureichend.
Cumulative Layout Shift (CLS)
Dieser Wert quantifiziert die visuelle Stabilität. Er hält fest, wie stark sich das Layout der Seite während des Ladevorgangs unerwartet verschiebt. Ein typisches Beispiel ist ein Textabsatz, der nach unten springt, weil ein Bild verzögert geladen wird. Ein CLS von unter 0,1 signalisiert eine gute Stabilität. Werte über 0,25 werden als mangelhaft kategorisiert, da Nutzer dadurch versehentlich auf falsche Schaltflächen klicken könnten.
Interaction to Next Paint (INP)
Der INP-Wert bewertet die Reaktionsfähigkeit der Website auf Benutzereingaben. Er misst die Zeit, die verstreicht, bis der Browser nach einer Interaktion (etwa einem Klick auf ein Menü) das nächste visuelle Feedback liefert. Um als gut zu gelten, muss dieser Wert unter 200 Millisekunden liegen. Überschreitet er 500 Millisekunden, empfinden Nutzer die Seite als träge.
Weitere begleitende Messgrößen
Zusätzlich zu den Kernmetriken weist die Analyse weitere Indikatoren aus, die vor allem im Laborbericht eine Rolle spielen:
- First Contentful Paint (FCP): Gibt an, wann das erste beliebige Element auf dem Bildschirm erscheint. Er sollte im Idealfall unter 1.800 Millisekunden liegen.
- Time to Interactive (TTI): Beschreibt den Zeitpunkt, an dem die Seite vollständig interaktiv ist und zuverlässig auf Eingaben reagieren kann.
- Total Blocking Time (TBT): Die Summe der Zeitspannen zwischen FCP und TTI, in denen Aufgaben länger als 50 Millisekunden dauern und den Hauptthread blockieren.
Die 75-Prozent-Regel bei der Auswertung
Ein wichtiger Aspekt beim Lesen des Berichts ist die statistische Auswertung. Google PageSpeed Insights nutzt für die Bewertung der Felddaten das sogenannte 75. Perzentil. Das bedeutet: Die ausgewiesenen Werte stellen nicht den Durchschnitt aller Nutzer dar.
Stattdessen filtert das System die Messwerte so, dass drei Viertel aller Nutzererfahrungen besser ausfallen als der angezeigte Schwellenwert. Ein Beispiel: Wenn Ihr LCP-Wert mit 2,4 Sekunden im grünen Bereich liegt, heißt das, dass 75 Prozent Ihrer realen Besucher das größte Element in 2,4 Sekunden oder schneller sehen konnten. Dieses strikte Verfahren stellt sicher, dass die Einstufung auch Nutzer mit schlechteren Verbindungen oder langsameren Geräten berücksichtigt. Die Betrachtung der oberen 75 Prozent gewährt somit einen realistischen Sicherheitsabstand.
Ursachen für schwankende Analyseergebnisse
Viele Betreiber beobachten, dass sich die Punktzahl bei aufeinanderfolgenden Tests ohne eigenes Zutun verändert. Für diese Fluktuationen gibt es logische technische Erklärungen, die vor allem die Labordaten betreffen.
Die Variabilität in der Leistungsmessung entsteht durch verschiedene externe Faktoren. Zum einen schwankt die Auslastung der lokalen Netzwerke der Rechenzentren, von denen aus der Test gestartet wird. Zum anderen können Hardware-Ressourcen des simulierten Clients zum Testzeitpunkt kurzzeitig stärker beansprucht sein. Zudem werden oft Elemente von Drittanbietern geladen (etwa eingebettete Karten oder externe Schriftarten), deren eigene Server-Antwortzeiten von Test zu Test variieren. Eine solche punktuelle Abweichung ist normal und unterstreicht, warum die Labordaten stets nur als grobe Richtung, die Felddaten der letzten 28 Tage hingegen als Maßstab für die Realität dienen sollten.
Der Umgang mit unzureichenden Felddaten
Es kommt vor, dass das Tool für eine bestimmte URL keine echten Nutzerdaten ausgeben kann. In diesen Fällen erscheint eine Meldung, dass nicht genügend Daten für diesen Ursprung oder diese URL vorliegen. Das System weicht dann oft auf die Daten der gesamten Domain (Ursprungsebene) aus, sofern diese ausreichend frequentiert ist.
Dieser Fall tritt ein, wenn eine Einzelseite neu veröffentlicht wurde, noch nicht im Suchindex vertreten ist oder schlichtweg zu wenig Traffic in den letzten vier Wochen verzeichnete, um anonymisierte, statistisch signifikante Durchschnittswerte zu bilden. Ist dies der Fall, bleibt Betreibern vorerst nur die Orientierung an den simulierten Labordaten, um technische Defizite zu erkennen.
Werte objektiv einordnen und priorisieren
Die Farbskalen des Tools sind ein klares Signal: Grün steht für eine gute Leistung (Score ab 90), Gelb erfordert Aufmerksamkeit (Score 50 bis 89) und Rot markiert deutlichen Handlungsbedarf (Score unter 50). Dennoch ist ein Score von 100 im Laborbericht weder zwingend erforderlich noch garantiert er automatisch eine perfekte Nutzererfahrung im Feld.
Die Priorität bei der Auswertung sollte immer auf den Core-Metriken liegen, die direkt das Nutzungserlebnis am Bildschirm beeinflussen. Wenn visuelle Elemente zu spät laden oder das Layout instabil wirkt, spiegeln das die Felddaten wider. Die rein technischen Laborwarnungen dienen anschließend als Wegweiser, um die identifizierten Schwachstellen im Code, bei den Serverantworten oder den Medienressourcen systematisch abzuarbeiten.
Die Metriken als kontinuierlicher Prozess
Die Leistungswerte einer Domain sind niemals ein abgeschlossenes Projekt. Werden neue Plugins aktiviert, frische Inhalte eingepflegt oder Änderungen am Layout vorgenommen, verändern sich unweigerlich auch die Ladezeiten und die Stabilität. Daher dient die Auswertung solcher Berichte weniger der einmaligen Kontrolle als vielmehr der regelmäßigen Überwachung. Durch das Verständnis der Differenzierung zwischen Labor- und Realbedingungen sowie den Mechanismen der einzelnen Messwerte lassen sich Leistungsrückgänge im laufenden Betrieb frühzeitig diagnostizieren und objektiv bewerten.
Antworten auf drängende Analyse-Fragen
Was genau bedeuten die Begriffe Labordaten und Felddaten?
Felddaten sind aggregierte Messwerte echter Nutzer aus den vergangenen 28 Tagen, die Aufschluss über reale Erfahrungen geben. Labordaten werden im Moment des Tests künstlich über eine Emulation ermittelt, um tiefergehende technische Analysen und Audits durchführen zu können.
Welches Endgerät wird beim Speed-Test im Labor simuliert?
Die Labordiagnose nutzt für die mobile Simulation standardmäßig ein Smartphone der mittleren Leistungsklasse, in der Regel ein Moto G4, in Kombination mit einer gedrosselten Mobilfunkverbindung.
Wieso ändert sich der Gesamt-Score, obwohl an der Seite nichts verändert wurde?
Der simulierte Test unterliegt temporären Schwankungen. Lokale Netzwerkauslastungen beim Test-Rechenzentrum, vorübergehende Hardware-Limitierungen bei der Simulation oder schwankende Antwortzeiten von Drittanbieter-Skripten führen zu abweichenden Ergebnissen bei aufeinanderfolgenden Tests.
Wie lange dauert es, bis sich Änderungen in den Felddaten bemerkbar machen?
Da die Felddaten auf dem Chrome User Experience Report (CrUX) basieren, der Nutzerdaten über eine Spanne von 28 Tagen bündelt, vergehen oft mehrere Wochen, bis sich technische Anpassungen vollständig in besseren Feld-Metriken niederschlagen.
Warum fehlen bei einigen Unterseiten die Felddaten im Bericht?
Um Felddaten anzeigen zu können, muss die getestete URL über ein Mindestmaß an tatsächlichen Besucherzugriffen verfügen und öffentlich crawlbar sein. Ist die Seite neu oder wenig besucht, reicht die Datenmenge nicht aus, um statistisch verwertbare, anonymisierte Werte zu generieren.
Was sagt das 75. Perzentil aus?
Der Test weist nicht den Durchschnittswert aller Besucher aus, sondern den Wert, den 75 Prozent der Nutzer erreichen oder unterbieten. Dieser strenge Maßstab stellt sicher, dass die Seite auch für den überwiegenden Teil der Nutzer mit schwächeren Geräten gut funktioniert.