Wie liefert Google eigentlich die richtigen Suchergebnisse?

Wie liefert Google eigentlich die richtigen Suchergebnisse?

Copyright © pixabay/geralt


In einem neuen Beitrag im Google Blog wurde aufgeklärt, wie Google menschliche Sprache versteht, um Nutzern relevante Suchergebnisse zu liefern. Hierbei kommen vier KI-Modelle zum Einsatz, die zusammen verstehen, nach was genau Nutzer suchen und wie die Ergebnisse gerankt werden sollen.

Googles KI-Modelle

Pandu Nayak, Vice President of Search, erklärt in einem neuen Google Blogbeitrag die verschiedenen KI-Modelle, die bei der Beantwortung von Suchanfragen zum Einsatz kommen. Dabei handelt es sich um

  • RankBrain
  • Neural matching
  • BERT
  • MUM

Hinter diesen Namen verstecken sich vier verschiedene Funktionen, die in Synergie verstehen, nach was User suchen und welche Ergebnisse am relevantesten sind.

RankBrain

RankBrain ist Googles erstes KI-System und ist seit 2015 im Einsatz. Wie der Name schon vermuten lässt, ist die Aufgabe von RankBrain, die richtige Reihenfolge der Suchergebnisse zu beurteilen, so dass die relevantesten Ergebnisse oben stehen auf der SERP. Nayak gibt in diesem Kontext ein Beispiel, wie RankBrain funktioniert:

“For example, if you search for ‘what’s the title of the consumer at the highest level of a food chain,’ our systems learn from seeing those words on various pages that the concept of a food chain may have to do with animals, and not human consumers.

By understanding and matching these words to their related concepts, RankBrain understands that you’re looking for what’s commonly referred to as an “apex predator.”

Neural Matching

Die Aufgabe dieser KI ist es, den breiteren Kontext von einzelnen Suchanfragen und relevanten Seiten zu verstehen. Auch dies lässt sich laut Nayak am besten an einem Beispiel zeigen:

“Take the search “insights how to manage a green,” for example. If a friend asked you this, you’d probably be stumped. But with neural matching, we’re able to make sense of it.

By looking at the broader representations of concepts in the query — management, leadership, personality and more — neural matching can decipher that this searcher is looking for management tips based on a popular, color-based personality guide.”

BERT

Dieses KI-Modell bewältigt zwei verschiedene Aufgaben gleichzeitig: Relevante Inhalte zu finden und diese zu bewerten. Dabei versteht es auch, wie sich Wörter in einer Suchanfrage aufeinander beziehen und stellt sicher, dass keine Wörter ausgelassen werden. Wenn jemand beispielsweise nach “can you get medicine for someone pharmacy” sucht, versteht BERT, dass der Nutzer Medikamente für jemand anderen aus der Apotheke abholen möchte.

MUM

Das jüngste Akronym in Googles KI Familie gibt es es seit letztem Jahr und steht für Multitask Unified Model. Es ist tausendmal leistungsfähiger als BERT und kann Sprache verstehen und Sprache selbst erstellen. Anhand von 75 verschiedenen Sprachen hat es ein umfangreicheres Verständnis von Informationen als bisherige Modelle.

Zudem ist diese KI multimodal, was bedeutet, dass sie Informationen sowohl aus Text als auch Bildern ziehen kann. Mit MUM können somit auch Fragen wie “I’ve hiked Mt. Adams and now want to hike Mt. Fuji next fall, what should I do differently to prepare?” beantwortet werden.

Fazit

Die vier KIs RankBrain, Neural matching, BERT und MUM arbeiten in Synergie, um Suchanfragen und deren Kontext zu verstehen, relevante Suchergebnisse zu finden und diese zu ranken.

Quelle: searchenginejournal.com

Kostenloser SEO-Check der OSG



Weitere Inhalte


Keine Kommentare vorhanden


Du hast eine Frage oder eine Meinung zum Artikel? Teile sie mit uns!

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

*
*