RankBrain und DeepRank: Wie KI Googles Query-Verständnis veränderte

01Was sind RankBrain und DeepRank?

RankBrain war Googles erstes KI-System zum Verstehen von Suchanfragen. Es wurde 2015 eingeführt und verwendet maschinelles Lernen, um Anfragen zu interpretieren, die Google noch nie zuvor gesehen hat – und dabei die Absicht hinter unbekannten Formulierungen, Rechtschreibfehlern und neuer Terminologie zu verstehen.

DeepRank ist ein tieferes neuronales Netzwerkmodell zum Verstehen von Anfragen. Es verwendet eine Transformer-Architektur (ähnlich wie BERT), um die semantische Beziehung zwischen Anfrage und Dokument zu verstehen – nicht nur die Überschneidung von Schlüsselwörtern, sondern die Bedeutung. Das Google-API-Leak bestätigte die Existenz von DeepRank als eigenständiges System.

Der DOJ-Prozess enthüllte, dass RankBrain und DeepRank die einzigen zwei Systeme bei Google sind, die LLM-basiertes maschinelles Lernen verwenden. Fast jedes andere Signal wird manuell erstellt. Dies macht RankBrain und DeepRank architektonisch einzigartig: Sie sind die einzigen Systeme, bei denen Googles Ingenieure nicht vollständig erklären können, warum eine bestimmte Ranking-Entscheidung getroffen wurde.

02Wie RankBrain die Suche veränderte

Vor RankBrain verließ sich Google hauptsächlich auf Keyword-Matching: Wenn eine Seite die Wörter der Suchanfrage enthielt, war sie ein mögliches Ergebnis. RankBrain änderte dies, indem es Synonyme, verwandte Konzepte und die Suchanfrage-Absicht versteht. Eine Suchanfrage nach 'how to fix a leaky faucet' könnte Ergebnisse über 'repairing a dripping tap' liefern, selbst wenn das Wort 'faucet' nie erscheint.

RankBrain verarbeitet auch Suchanfragen, die Google noch nie zuvor gesehen hat. Etwa 15 % der Suchanfragen sind neu – wurden also zuvor nie gesucht. Vor RankBrain wurden diese Suchanfragen durch Pattern-Matching verarbeitet. Nach RankBrain kann Google die Absicht neuer Suchanfragen verstehen, indem es sie mit ähnlichen früheren Suchanfragen vergleicht.

Das Google-API-Leak bestätigte, dass RankBrain eines der wenigen Systeme ist, bei dem alle vier E-E-A-T-Dimensionen als indirekte Signale fungieren (E: indirekt, Exp: indirekt, A: indirekt, T: indirekt). Das bedeutet, dass RankBrain keine E-E-A-T-Dimension direkt misst – es misst das Verständnis von Suchanfragen, was indirekt alle Dimensionen beeinflusst.

03DeepRank: die Transformer-Evolution

DeepRank repräsentiert Googles Weiterentwicklung von RankBrains einfacherem ML-Modell hin zu transformerbasiertem Deep Learning. Während RankBrain Suchanfragen verstand, versteht DeepRank die semantische Beziehung zwischen einer bestimmten Suchanfrage und einem bestimmten Dokument – kann es bestimmen, ob die Bedeutung der Suchanfrage mit der Bedeutung der Seite übereinstimmt?

Das Google API-Leak bestätigte RankEmbedBERT als verwandtes Feld. Dies deutet darauf hin, dass Google BERT-ähnliche Embeddings sowohl für Suchanfragen als auch für Dokumente verwendet und anschließend den semantischen Abstand zwischen ihnen misst. Ein kurzer Abstand bedeutet, dass das Dokument semantisch zur Suchanfrage passt; ein großer Abstand bedeutet, dass es nicht passt.

Der DOJ-Prozess bestätigte, dass DeepRank das System ist, das LLM-basierte Signale zerlegt, um sie transparenter zu machen. Dies ist Googles Antwort auf das 'Black Box'-Problem: DeepRank rankt nicht nur – es erklärt, warum es so gerankt hat. Diese Transparenz ist wichtig für das Debugging und damit Googles Ingenieure die Ergebnisse verstehen und anpassen können.

04Implikationen für SEO-Praktiker

RankBrain und DeepRank machen Keyword-Optimierung weniger wichtig und semantische Optimierung wichtiger. Eine Seite, die das exakte Keyword 10 Mal verwendet, aber die Absicht des Nutzers nicht erfüllt, wird schlechter ranken als eine Seite, die verwandte Konzepte verwendet und die Frage tatsächlich beantwortet.

Für Content-Ersteller bedeutet dies: Schreiben Sie für Menschen, nicht für Keywords. Natürliche Sprache, die die Frage des Nutzers beantwortet – mit Synonymen, verwandten Konzepten und kontextuellen Erklärungen – wird besser mit dem semantischen Verständnis von RankBrain und DeepRank übereinstimmen als keyword-überfüllter Content.

Die Transparenz von DeepRank (Zerlegung von LLM-Signalen) bedeutet, dass Google seine KI-Systeme debuggen kann. Dies ist wichtig für SEO: Wenn DeepRank einen Fehler macht (eine irrelevante Seite rankt), kann Google identifizieren warum und es beheben. Das bedeutet, dass KI-Ranking-Fehler nicht dauerhaft sind – sie können korrigiert werden.

05Quellen