Topic-Embeddings: Wie Google versteht, worum es auf deiner Seite geht

01Was sind Topic-Embeddings?

Topic-Embeddings sind Googles Darstellung dessen, worum es auf einer Seite geht. Sie arbeiten nicht mit Keywords, sondern in einem hochdimensionalen Vektorraum, in dem ähnliche Themen nahe beieinander liegen. Das System erzeugt zwei Werte: einen Fokusvektor (wo das Thema der Seite im Embedding-Raum liegt) und einen Radius (wie breit die thematische Abdeckung der Seite ist).

Das Google API-Leak bestätigte, dass Topic-Embedding-Felder existieren. Der Fokusvektor ist selbstüberwacht: Er wird aus dem tatsächlichen Text der Website abgeleitet, aus der realen Sprachverwendung auf allen Seiten, ohne menschliche Labels. Die resultierenden Vektoren fließen als Fokusvektoren in NSR (System 7) ein.

Topic-Embeddings sind der moderne Ersatz für Keyword-Matching. Anstatt zu prüfen, ob eine Seite das Wort 'Wetter' enthält, prüft das System, ob der Themenvektor der Seite dem Themenvektor der Suchanfrage im Embedding-Raum nahe ist. So kann Google 'Sturmwarnung' mit 'schwere Unwetterwarnung' abgleichen, selbst wenn die genauen Wörter sich nicht überschneiden.

02Fokus und Radius: was sie bedeuten

Der Fokusvektor markiert den Mittelpunkt des Seitenthemas im Embedding-Raum, also den Punkt, an dem das Thema der Seite unter allen Themen liegt. Eine Seite über 'Hamburger Wetter' hat einen Fokusvektor, der anderen wetterbezogenen Seiten nahesteht, aber näher an Seiten über Hamburg als an Seiten über Münchner Wetter. Der Fokusvektor erfasst sowohl das Thema (Wetter) als auch die Spezifität (Hamburg).

Der Radius gibt an, wie breit die thematische Abdeckung einer Seite ist. Eine Seite, die ausschließlich das Hamburger Wetter behandelt, hat einen kleinen Radius: Sie ist eng fokussiert. Eine Seite, die Wetter, Klima, Tourismus und Lokalgeschichte behandelt, hat einen großen Radius: Sie deckt viele Themen ab. Der Radius beeinflusst, wie Google die Seite mit Suchanfragen abgleicht. Eine Seite mit kleinem Radius passt sehr gut zu einer engen Menge von Suchanfragen. Eine Seite mit großem Radius passt zu einer breiten Menge von Suchanfragen weniger präzise.

Der Fokusvektor bestimmt, für welche Suchanfragen eine Seite relevant ist, und der Radius bestimmt, wie sicher Google in dieser Relevanz ist. Eine Seite mit kleinem Radius und einem Fokusvektor, der der Suchanfrage nahesteht, wird höher eingestuft als eine Seite mit großem Radius und demselben Fokusvektor. Der Grund: Die Seite mit kleinem Radius entspricht eindeutiger dem Thema der Suchanfrage.

03Topic-Embeddings in der Ranking-Architektur

Topic-Embeddings fließen in NSR (System 7) ein, den normalisierten Site-Rank. Der Fokusvektor ist eine der Eingaben, aus denen NSR den qualitäts- und autoritätsbezogenen Wert auf Site-Ebene berechnet. Das heißt: Themenrelevanz ist nicht nur eine Matching-Funktion, sondern Teil der Qualitätsbewertung.

Topic-Embeddings ordnen sich zwei E-E-A-T-Dimensionen zu: Expertise (Exp: indirekt) und Autorität (A: indirekt). Eine Seite, die sich eng auf ein bestimmtes Thema konzentriert, signalisiert Expertise: Sie zeigt tiefes Wissen in einem Bereich statt oberflächliches Wissen in vielen. Das Autoritätssignal ergibt sich aus der Nähe des Fokusvektors zu anderen autoritativen Seiten zum selben Thema.

Topic-Embeddings operieren auf Site-Ebene (Reach: Site), nicht auf Dokumentebene. siteEmbeddings, siteFocusScore und siteRadius sind allesamt site-weite Felder. Die Leak-Beschreibung von siteRadius nennt seitenweite Embeddings nur als internen Eingabewert: Sie misst, wie weit einzelne Seiten-Embeddings vom aggregierten Site-Embedding abweichen. Gespeichert und bewertet wird aber der Wert auf Site-Ebene. Eine Website, bei der die meisten Seiten im Wetterbereich des Embedding-Raums liegen, bekommt einen hohen siteFocusScore auf Site-Ebene. Das macht es wahrscheinlicher, dass sie für Wetteranfragen rankt, aber die Messeinheit ist die Site, nicht die einzelne Seite.

04siteFocusScore: das Feld selbst

siteFocusScore ist das konkrete Leak-Feld, das Topic-Embeddings in der Praxis seinen Namen gibt. Das Content-Warehouse-Modul QualityAuthorityTopicEmbeddingsVersionedItem dokumentiert es, in Googles eigenem Wortlaut, als „Number denoting how much a site is focused on one topic." Das Schwesterfeld siteRadius steht direkt daneben, als „The measure of how far page_embeddings deviate from the site_embedding" – beide sind dieselbe Messung von entgegengesetzten Enden aus gesehen: Ein hoher siteFocusScore entspricht einem kleinen siteRadius.

Mike King, der die Leak-Analyse veröffentlichte, paraphrasiert das Paar so: siteFocusScore erfasst, wie sehr die Site an einem einzigen Thema festhält, siteRadius erfasst, wie weit die Site von ihrem Kernthema abweicht. Diese Paraphrase ist kein Leak-Wortlaut. Sie ist Kings Lesart des Felds. Sie deckt sich aber mit den wörtlichen Beschreibungen oben.

Die Quality Rater Guidelines behandeln Authoritativeness als themengebunden: Eine Site kann für ein Thema maßgeblich sein und für ein anderes nicht. siteFocusScore ist die klarste bekannte mechanische Entsprechung zu dieser Idee. Es ist ein einzelnes numerisches Feld, das im Kern fragt: „Geht es auf dieser Site um eine Sache." Das Feld verrät weder sein Gewicht noch seine genaue Berechnung, noch ob es an anderer Stelle im Ranking als direkter Multiplikator oder als Normalisierungsgröße wirkt.

05Implikationen für SEO-Praktiker

Für große Publisher schafft der Fokusvektor eine strategische Spannung: breite Abdeckung (viele Themen, großer Radius) vs. enge Fokussierung (wenige Themen, kleiner Radius). Eine Wetterseite, die auch Reisen, Kochen und Sport abdeckt, hat einen großen Radius, was bedeutet, dass ihre Wetterseiten für Wetteranfragen schlechter ranken als die Seiten einer reinen Wetterseite.

Topic-Embeddings sind selbstüberwacht, das System lernt also aus dem tatsächlichen Text auf der Seite. Ein Fokusvektor lässt sich nicht über Meta-Tags oder strukturierte Daten 'injizieren'. Er wird aus dem Inhalt selbst abgeleitet. Wenn die Seite über Wetter handelt, wird der Fokusvektor das widerspiegeln, unabhängig davon, was die Meta-Tags angeben.

Für Websites mit programmatisch generiertem Content spielt der Radius eine Rolle. Tausende von Standortseiten mit echten Wetterdaten haben Fokusvektoren mit kleinem Radius, weil jede Seite eng auf das Wetter eines bestimmten Standorts fokussiert ist. Das ist gut fürs Ranking: Der kleine Radius macht jede Seite klar relevant für die jeweilige standortspezifische Anfrage.

Der embedding-basierte Ansatz erklärt auch, warum Synonyme funktionieren: 'storm warning' und 'severe weather alert' haben Fokusvektoren, die im Embedding-Raum nahe beieinander liegen, obwohl sich die Wörter nicht überschneiden. Google braucht nicht das exakte Keyword, sondern den richtigen Themenvektor.

06Quellen