RankBrain / DeepRank / FastSearch
Diese Systeme messen die semantische Passung zwischen einer Suchanfrage und einer Seite — also ob die Bedeutung übereinstimmt, nicht nur die Schlüsselwörter.
Was es misst
Diese Systeme messen die semantische Passung zwischen einer Suchanfrage und einer Seite — also ob die Bedeutung übereinstimmt, nicht nur die Schlüsselwörter. RankBrain war Googles erstes KI-System für diesen Zweck; DeepRank ist eine tiefere Sprachverständnis-Schicht; FastSearch beschleunigt diese Einschätzung für schnellere Antworten. Entscheidend: Diese Systeme messen Relevanz, keine Inhaltsqualität.
Woraus
Gelernte mathematische Darstellungen (Embeddings) von Suchanfragen und Dokumenten, plus Verhaltens-Kalibrierung (welche Suchergebnisse haben Nutzer tatsächlich als befriedigend bewertet?).
Metrik-Erläuterung
RankBrain = ML-System für (neue) Anfragen via Embeddings; DeepRank = tieferes Sprachverständnis (BERT-verwandt); RankEmbedBERT = das BERT-basierte Embedding-Feld. Messen Passung, keine Güte. [B Felder, O RankBrain/BERT]
Einzahlungs-Begründung
Expertise (Exp), Autorität (A) und Vertrauen (T) sind je indirekt — diese Systeme flankieren alle E-E-A-T-Dimensionen über besseres Bedeutungsverständnis, messen sie aber nicht direkt. Experience (E) hat keinen Bezug: Bedeutungsähnlichkeit berührt Erstmaterial nicht.
Strategische Konsequenz
Keyword-Stuffing (das Einfügen möglichst vieler Suchbegriffe) funktioniert nicht mehr — RankBrain erkennt, ob die Bedeutung stimmt. Wer einen Text schreibt, der das Informationsbedürfnis hinter einer Suchanfrage wirklich beantwortet, schneidet besser ab. Außerdem ist RankBrain eine Brücke zur KI-Zitierung: Seiten, die semantisch gut positioniert sind, haben bessere Chancen in AI-Übersichten (AIO) zu erscheinen.