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 nutzt maschinelles Lernen, um Anfragen zu interpretieren, die Google noch nie gesehen hat. Es erschließt die Absicht hinter unbekannten Formulierungen, Rechtschreibfehlern und neuer Terminologie.

DeepRank ist ein tieferes neuronales Netzmodell zum Verstehen von Anfragen. Es nutzt 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, dass DeepRank als eigenständiges System existiert.

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. Damit sind RankBrain und DeepRank architektonisch einzigartig: Nur bei ihnen können Googles Ingenieure nicht vollständig erklären, warum eine bestimmte Ranking-Entscheidung getroffen wurde.

02Wie RankBrain die Suche veränderte

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

RankBrain verarbeitet auch Suchanfragen, die Google noch nie gesehen hat. Etwa 15 % der Suchanfragen sind neu, wurden also nie zuvor gesucht. Vor RankBrain verarbeitete Google diese Suchanfragen per Pattern-Matching. Seit 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 wirken (E: indirekt, Exp: indirekt, A: indirekt, T: indirekt). Das heißt: RankBrain misst keine E-E-A-T-Dimension direkt. Es misst das Verständnis von Suchanfragen, und das beeinflusst indirekt alle Dimensionen.

03DeepRank: die Transformer-Evolution

DeepRank ist Googles Weiterentwicklung von RankBrains einfacherem ML-Modell hin zu transformerbasiertem Deep Learning. RankBrain verstand Suchanfragen. DeepRank versteht 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. Das deutet darauf hin, dass Google BERT-ähnliche Embeddings sowohl für Suchanfragen als auch für Dokumente verwendet und danach 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. Das 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, rankt schlechter als eine Seite, die verwandte Konzepte verwendet und die Frage tatsächlich beantwortet.

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

Die Transparenz von DeepRank (Zerlegung von LLM-Signalen) bedeutet, dass Google seine KI-Systeme debuggen kann. Für SEO heißt das: Macht DeepRank einen Fehler (rankt es eine irrelevante Seite), kann Google herausfinden, warum, und ihn beheben. KI-Ranking-Fehler sind also nicht dauerhaft – sie lassen sich korrigieren.

05Quellen