RankBrain
RankBrain ist das erste Machine-Learning-basierte Ranking-System, das Google 2015 in die Suche einführte. Es versteht die Wörter einer Suchanfrage nicht als einzelne Keywords, sondern als Konzepte, sodass selbst nie zuvor gesehene Anfragen wie bereits bekannte, bedeutungsähnliche Anfragen verarbeitet werden können.
RankBrain ist das erste Machine-Learning-basierte Ranking-System, das Google 2015 in die Suche einführte. Es versteht die Wörter einer Suchanfrage nicht als einzelne Keywords, sondern als Konzepte, sodass selbst nie zuvor gesehene Anfragen wie bereits bekannte, bedeutungsähnliche Anfragen verarbeitet werden können.
Warum es wichtig ist
RankBrain markiert den Wendepunkt, an dem der Google-Algorithmus vom Keyword-Abgleich zum Bedeutungsverständnis überging. Zum Zeitpunkt der Vorstellung gab Google an, dass etwa 15 % der täglich eingehenden Anfragen nie zuvor gesucht worden seien, und überraschte die Branche mit der Aussage, RankBrain sei neben Inhalt und Links das drittwichtigste Signal. Für Content-Ersteller ist die Bedeutung eindeutig: Selbst wenn im Fließtext keine mit der Suchanfrage exakt übereinstimmende Formulierung vorkommt, kann der Beitrag ranken, sofern die Bedeutung passt — daher ist es vorteilhafter, ein Thema gründlich zu behandeln, als mechanisch Synonyme aneinanderzureihen.
Funktionsweise
RankBrain stellt Wörter und Phrasen als mathematische Vektoren dar und berechnet den Abstand zwischen Konzepten. Geht eine lange, mehrdeutige Long-Tail-Keyword-Frage ein, verknüpft es sie mit bekannten Anfragen ähnlicher Bedeutung und findet so die Ergebnisse. Anfangs wurde es nur auf die 15 % der nie zuvor gesehenen Anfragen angewandt, später aber auf alle Anfragen ausgeweitet. Anders als ein verbreitetes Missverständnis ist RankBrain weniger ein Ranking-Faktor, der Seiten bepunktet, sondern eher ein System, das Anfragen interpretiert — weshalb es keine gesonderte Methode der "RankBrain-Optimierung" gibt. Die Suchabsicht in natürlicher Sprache zu erfüllen, ist die faktische Antwort.
Die Entwicklung hin zu BERT und MUM
Die von RankBrain eröffnete Linie des Machine-Learning-Rankings setzt sich wie folgt fort.
| System | Einführung | Rolle |
|---|---|---|
| RankBrain | 2015 | Versteht Wörter als Konzepte, interpretiert nie zuvor gesehene Anfragen |
| Neural Matching | 2018 | Erfasst, wie Anfrage und Seite konzeptuell zusammenhängen |
| BERT | 2019 | Versteht den Kontext eines Wortes im Satz bidirektional (BERT-Update) |
| MUM | 2021 | 1.000-mal leistungsfähiger als BERT, Multitask-Modell über 75 Sprachen sowie Text und Bild hinweg |
Diese Systeme ersetzen einander nicht, sondern arbeiten als Ensemble zusammen, und alle sind im Leitfaden zu Googles Ranking-Systemen bis heute aufgeführt. Auch heutige generative Suchfunktionen wie AI Overviews stehen auf diesem Stack des Bedeutungsverständnisses.
Sources:
- A guide to Google Search ranking systems - Google Search Central
- How AI powers great search results - Google Blog
- FAQ: All about the Google RankBrain algorithm - Search Engine Land
Wie inblog hilft
Die Suche nach RankBrain ist kein Keyword-Matching, sondern Bedeutungs-Matching. Schreiben Sie mit inblog Beiträge, die ein Thema passend zur Suchabsicht gründlich behandeln, können diese in einer Vielzahl bedeutungsverwandter Anfragen erscheinen, ohne dass Sie jede einzelne Keyword-Variante gezielt anvisieren müssen.