Ein Überblick über Googles NLP-Algorithmen

Wie wirkt sich die Verarbeitung natürlicher Sprache auf SEO aus? Vielleicht kennen Sie den Begriff bereits. Die Grundlagen reichen bis 2011 zurück; hier geht es darum, wie diese Entwicklung zukünftige Updates zunehmend beeinflusst.

Seit 2011 wird daran geforscht. Als neuronale Netzmodelle 2015 populärer wurden, beschleunigte sich die Entwicklung NLP-basierter Sprachmodelle.

Google gelang der Durchbruch erst 2019. BERT (Bidirectional Encoder Representations from Transformers) war das erste von Google entwickelte NLP-System, das erfolgreich in der Suchmaschine eingesetzt wurde. Es nutzt Googles eigenes Transformer-NLP-Modell auf Basis einer neuronalen Netzarchitektur.

Die Ankündigung war bedeutend: BERT sollte sofort 10 % der weltweiten Suchanfragen beeinflussen. Zwei Jahre später, 2021, erklärte Google, dass es inzwischen 99 % aller englischen Suchergebnisse unterstütze.

Nach BERT kündigte Google 2020 mit SMITH (Siamese Multi-depth Transformer-based Hierarchical) ein weiteres, verfeinertes NLP-Modell an.

• Google SMITH: Das Modell versteht Dokumentpassagen ähnlich wie BERT Wörter und Sätze und kann dadurch längere Dokumente erfassen. SMITH soll vollständige Dokumente verstehen. BERT wurde für Wörter im Satzkontext entwickelt; SMITH versteht vereinfacht gesagt Passagen im Dokumentkontext. Während BERT zufällig verdeckte Wörter aus ihrem Satzkontext vorhersagt, lernt SMITH die Vorhersage des nächsten Satzblocks.

Gegenüber BERT bietet SMITH eine höhere Verarbeitungsgeschwindigkeit und ein besseres Verständnis längerer Inhalte. Das unterstützt die Qualität von Suchergebnissen und den Aufbau von Datensätzen.

Später im selben Jahr erneuerte Google sein quelloffenes, transformerbasiertes NLP-Modell zur Einführung von GTP-3 (Generative Pre-trained Transformer 3), das mittels Deep Learning menschenähnliche Texte erzeugen sollte.

• Generative Pre-trained Transformer 3, kurz GPT-3, ist ein autoregressives Sprachmodell, das mithilfe von Deep Learning menschenähnliche Inhalte erzeugt.

2020 kündigte Google weitere Forschung und Entwicklung im NLP-Bereich an. Später folgte LaMDA (Language Model for Dialogue Applications), ein weiterer NLP-Algorithmus mit mehreren Sprachmodellen, darunter BERT und GPT-3.

LaMDA wird als 1.000-mal schneller als BERT beschrieben. Da das Modell auf Dialogen trainiert wurde, kann es natürliche Gespräche führen. Google betont insbesondere offene Gesprächsverläufe.

Es wurde darauf trainiert, viele Wörter oder ganze Absätze zu verstehen, ihren Zusammenhang zu erkennen und daraus die nächsten Wörter vorherzusagen.

Wie funktioniert das BERT-Update?

Frühere Sprachmodelle lasen Texte nacheinander entweder von links nach rechts oder umgekehrt, jedoch nicht gleichzeitig in beide Richtungen.

BERT wurde für das gleichzeitige Lesen in beide Richtungen entwickelt. Diese Fähigkeit unterstützt das Vortraining anhand zweier NLP-Aufgaben:

Masked Language Modelling

Das maskierte Sprachmodell (MLM) sagt ein verdecktes Wort anhand seines Kontexts im Satz voraus.

Next Sentence Prediction

Diese Trainingsaufgabe prüft, ob zwei Sätze logisch zusammengehören oder zufällig kombiniert wurden.

Mit dem BERT-Update wurde die Verarbeitung natürlicher Sprache zu einem grundlegenden Bestandteil jeder SEO-Arbeit.

Google konzentriert sich in letzter Zeit auf häufige umfassende Core-Updates. Ihre Wirkung ist größer als die anderer Aktualisierungen, etwa des jüngsten Link-Spam- oder Page-Experience-Updates.

Laut Googles offiziellem Blog bedeutet eine Beeinträchtigung durch ein Core-Update nicht unbedingt, dass eine Website erhebliche SEO-Probleme hat. Google empfiehlt, die Inhaltsqualität zu verbessern.

Als Teile des Kernalgorithmus lernen BERT und SMITH fortlaufend aus den sekündlich von Nutzern gelieferten Datensätzen und geben Hinweise darauf, welche Inhalte Menschen konsumieren möchten.

Dabei kann es um die Absicht hinter einer Longtail-Anfrage oder einer Sprachsuche gehen.

Google zufolge profitieren Websites mit relevanteren Inhalten von umfassenden Core-Updates. Das deutet auf eine genauere Betrachtung der Suchanfrage und der Absicht hinter hoch platzierten Inhalten hin.

Bei der Einführung 2019 betraf BERT nur 10 % der Anfragen. Dies war erst der Beginn einer weitreichenden Aktualisierung.

Als Machine-Learning-Algorithmus besitzt BERT selbstlernende Fähigkeiten und entwickelt sich mit zusätzlichen Datensätzen weiter.

Google bestätigte, dass 15 % der Suchanfragen neu sind und erstmals gestellt werden. Besonders gilt das für die Sprachsuche, bei der keine Suchvorhersage verwendet wird.

Laut Google ist BERT inzwischen überall in der Suche präsent und bestimmt 99 % der englischen Ergebnisse. Zusätzliche Daten aus zwei Jahren haben das Modell verbessert. BERT lässt sich als wichtigster Fortschritt für Googles sprachliche KI-Fähigkeiten bezeichnen.

Wie prägt Googles NLP-Algorithmus die Suchergebnisse?

Google sieht seine Zukunft zu Recht in NLP, weil das Verständnis der Nutzerabsicht wichtiger wird. Websitebetreiber und Content-Verantwortliche sollten sich deshalb darauf konzentrieren, was Nutzer wirklich wollen.

Eine reine Keyword-Perspektive verliert an Bedeutung. Gefragt sind konkrete, erklärende Inhalte, die die unmittelbaren Fragen beantworten, mit denen Menschen suchen.

Google sucht nicht bloß nach einzelnen Formulierungen, sondern versucht Satzkontext und Bedeutung zu verstehen, um Inhalte mit den bisher führenden Ergebnissen zu vergleichen.

BERT kann sogar den Kontext von Links in einem Artikel verstehen. Hochwertige Backlinks bleiben damit ein wichtiger Ranking-Bestandteil.

Eine Seite nur auf ein Keyword zu optimieren ist kein zukunftsfähiger Weg. Optimieren Sie für verwandte Themen und ergänzen Sie unterstützende Inhalte.

Gestalten Sie den Inhalt so informativ, wie es das Thema erfordert, und beantworten Sie vor allem die entscheidenden Nutzerfragen.

Auswirkungen von NLP auf Backlinks

Inhaltsqualität und thematische Tiefe sind wesentlich. Interne und externe Links verlieren dadurch aber nicht ihre Bedeutung.

NLP und BERT helfen Google, die Qualität von Links zu verstehen. Der Algorithmus erkennt natürliche Strukturen und Platzierungen sowie Ankertexte und deren kontextuelle Relevanz.

Ist die Stimmung rund um einen Ankertext negativ, kann auch die Wirkung negativ sein. Steht ein Link nur zur Gewinnung von Backlink-Wert in einem unpassenden Absatz, kann Google ihn inzwischen ignorieren.

Ein beliebiger Link auf irgendeiner Website verändert deshalb nicht einfach einen Ranking-Faktor. Googles NLP-Algorithmus prüft, ob der Link auf einer relevanten Website mit passenden Inhalten und in natürlichem Kontext steht.

Google möchte, dass Links das Nutzererlebnis verbessern und den Zugang zu zusätzlichen Informationen ermöglichen.

Durch NLP-Fortschritte kann Google Manipulationsversuche beobachten. Berücksichtigen Sie dies beim nächsten Backlink-Aufbau, bevor Sie Ihr Budget einsetzen.