Ein Leitfaden zu den Google-Suchranking-Systemen

Google verwendet automatisierte Rankingsysteme, die
viele Faktoren und Signale betrachten
über Hunderte von Milliarden Webseiten und andere Inhalte in unserem Suchindex, um in Bruchteilen einer Sekunde die relevantesten und nützlichsten Ergebnisse zu präsentieren. Diese Seite ist ein Leitfaden zum Verständnis einiger unserer bekannteren Rankingsysteme. Sie behandelt einige Systeme, die Teil unserer Core-Rankingsysteme sind – der zugrundeliegenden Technologien, die Suchergebnisse als Reaktion auf Suchanfragen erzeugen. Sie deckt zudem einige Systeme ab, die an spezifischen Ranking-Anforderungen beteiligt sind.

Unsere Rankingsysteme sind so konzipiert, dass sie auf Seitenebene arbeiten und eine Vielzahl von Signalen und Systemen nutzen, um zu verstehen, wie einzelne Seiten zu ranken sind. Website-weite Signale und Klassifizierer werden ebenfalls verwendet und tragen zu unserem Verständnis von Seiten bei. Gute website-weite Signale zu haben bedeutet nicht, dass alle Inhalte einer Website immer hoch ranken, genauso wie schlechte website-weite Signale nicht bedeuten, dass alle Inhalte einer Website schlecht ranken.

Wir verbessern unsere Rankingsysteme regelmäßig durch
strenges Testen und Evaluieren
und kündigen
Updates unserer Rankingsysteme
an, wenn diese für Content-Ersteller und andere nützlich sein könnten.

Sie können auch unsere Website Wie die Suche funktioniert
besuchen, um zu verstehen, wie unsere Rankingsysteme, kombiniert mit anderen Prozessen, zusammenarbeiten, damit die Google Suche unsere Mission erfüllt, die Informationen der Welt zu organisieren und allgemein zugänglich und nützlich zu machen.

BERT

Bidirectional Encoder Representations from Transformers (BERT) ist ein von Google verwendetes KI-System, das es uns ermöglicht zu verstehen, wie Wortkombinationen unterschiedliche Bedeutungen und Absichten ausdrücken.

Kriseninformationssysteme

Google hat Systeme entwickelt, um in Krisenzeiten hilfreiche und rechtzeitige Informationen bereitzustellen, unabhängig davon, ob es sich um persönliche Krisensituationen, Naturkatastrophen oder andere weit verbreitete Krisensituationen handelt:

• Persönliche Krise: Unsere Systeme arbeiten daran zu verstehen, wenn Menschen Informationen über persönliche Krisensituationen suchen, um Hotlines und Inhalte von vertrauenswürdigen Organisationen für bestimmte Suchanfragen im Zusammenhang mit Selbstmord, sexuellem Übergriff, Vergiftung, geschlechtsspezifischer Gewalt oder Drogensucht anzuzeigen. Erfahren Sie mehr darüber, wie
  Informationen zu persönlichen Krisen in der Google Suche angezeigt werden.
• SOS-Alarme: In Zeiten von Naturkatastrophen oder weit verbreiteten Krisensituationen arbeitet unser SOS-Alarme-System daran, Updates von lokalen, nationalen oder internationalen Behörden anzuzeigen. Diese Updates können Notrufnummern und Websites, Karten, Übersetzungen nützlicher Phrasen, Spendenmöglichkeiten und mehr umfassen. Erfahren Sie mehr darüber,
  wie SOS-Alarme funktionieren und wie sie Teil von Googles Krisenalarmen
  sind, die bei Überschwemmungen, Waldbränden, Erdbeben, Hurrikanen und anderen Katastrophen helfen.

Deduplizierungssysteme

Suchen auf Google finden möglicherweise Tausende oder sogar Millionen passender Webseiten. Einige davon können einander sehr ähnlich sein. In solchen Fällen zeigen unsere Systeme nur die relevantesten Ergebnisse an, um nicht hilfreiche Duplikate zu vermeiden. Erfahren Sie mehr darüber,
wie Deduplizierung funktioniert und wie man weggelassene Ergebnisse sieht
wenn gewünscht, wenn eine Deduplizierung stattfindet.

Deduplizierung findet auch bei Featured Snippetsstatt. Wenn ein Website-Eintrag zu einem Featured Snippet hochgestuft wird, wiederholen wir den Eintrag später auf der ersten Ergebnisseite nicht. Dies sorgt für mehr Übersichtlichkeit und hilft den Leuten, relevante Informationen leichter zu finden.

Exact-Match-Domain-System

Unsere Rankingsysteme berücksichtigen die Wörter in Domainnamen als einen von vielen Faktoren, um festzustellen, ob ein Inhalt für eine Suche relevant ist. Unser Exact-Match-Domain-System arbeitet jedoch daran sicherzustellen, dass wir Inhalten, die unter Domains gehostet werden, die genau auf bestimmte Suchanfragen abgestimmt sind, nicht zu viel Gewicht beimessen. Jemand könnte beispielsweise einen Domainnamen erstellen, der die Wörter “best-places-to-eat-lunch” enthält, in der Hoffnung, dass alle diese Wörter im Domainnamen den Inhalt in den Rankings nach oben treiben. Unser System gleicht dies aus.

Frische-Systeme

Wir haben verschiedene “Abfrage verlangt Frische”-Systeme, die darauf ausgelegt sind, frischere Inhalte für Suchanfragen anzuzeigen, bei denen dies zu erwarten ist. Wenn zum Beispiel jemand nach einem Film sucht, der gerade veröffentlicht wurde, möchte er wahrscheinlich aktuelle Bewertungen statt älterer Artikel aus der Zeit des Produktionsbeginns. Ein weiteres Beispiel: Normalerweise liefert eine Suche nach “Erdbeben” Material über Vorbereitung und Ressourcen. Wenn sich jedoch kürzlich ein Erdbeben ereignet hat, können stattdessen Nachrichtenartikel und frischere Inhalte erscheinen.

Link-Analysesysteme und PageRank

Wir haben verschiedene Systeme, die verstehen, wie Seiten aufeinander verlinken, um festzustellen, worum es auf Seiten geht und welche als Reaktion auf eine Suche am hilfreichsten sein könnten. Darunter ist PageRank, eines unserer Core-Rankingsysteme, das beim ersten Start von Google verwendet wurde. Neugierige können mehr erfahren, indem sie das originale PageRank-Forschungspapier
und das Patentlesen. Wie PageRank funktioniert, hat sich seither stark weiterentwickelt und ist weiterhin Teil unserer Core-Rankingsysteme.

Lokale Nachrichtensysteme

Wir haben Systeme, die daran arbeiten, lokale Nachrichtenquellen wann immer relevant zu identifizieren und hervorzuheben,
etwa durch
unsere Funktionen “Top-Storys” und “Lokale Nachrichten”.

MUM

Multitask Unified Model (MUM) ist ein KI-System, das sowohl Sprache verstehen als auch generieren kann. Es wird derzeit nicht für das allgemeine Ranking in der Suche verwendet, sondern für bestimmte Anwendungen wie das
Verbessern von Suchen nach Informationen zum COVID-19-Impfstoff
und das Verbessern von angezeigten Featured-Snippet-Hinweisen.

Neural Matching

Neural Matching
ist ein KI-System, das Google verwendet, um Repräsentationen von Konzepten in Suchanfragen und Seiten zu verstehen und sie miteinander abzugleichen.

Originalinhalts-Systeme

Wir haben Systeme, die sicherstellen sollen, dass wir Originalinhalte in den Suchergebnissen prominent anzeigen,
einschließlich Originalberichterstattung,vor denjenigen, die sie lediglich zitieren. Dazu gehört die Unterstützung eines speziellen
kanonischen Markups,
das Ersteller verwenden können, um uns besser verstehen zu lassen, welches die primäre Seite ist, wenn eine Seite an mehreren Stellen dupliziert wurde.

Entfernungsbasierte Abstufungssysteme

Google hat Richtlinien, die das Entfernen bestimmter Arten von Inhalten erlauben. Wenn wir ein signifikantes Volumen solcher Entfernungen bezüglich einer bestimmten Website verarbeiten, nutzen wir dies als Signal zur Verbesserung unserer Ergebnisse. Insbesondere:

• Rechtliche Entfernungen:
  Wenn wir ein signifikantes Volumen an
  gültigen Anträgen auf Entfernung wegen Urheberrechtsverletzung
  bezüglich einer bestimmten Website erhalten,
  sind wir in der Lage, dies zu nutzen
  , um andere Inhalte der Website in unseren Ergebnissen herabzustufen. Auf diese Weise stoßen die Leute bei anderen verletzenden Inhalten weniger wahrscheinlich darauf im Vergleich zum Originalinhalten. Wir wenden ähnliche Abstufungssignale auf Beschwerden bezüglich Diffamierung, gefälschter Waren und gerichtlich angeordneter Entfernungen an. Im Falle von Material über sexuellen Kindesmissbrauch (CSAM) entfernen wir solche Inhalte immer, wenn sie identifiziert werden, und wir stufen alle Inhalte von Websites mit einem signifikanten Anteil an CSAM-Inhalten herab.

• Entfernung persönlicher Informationen:
  Wenn wir ein signifikantes Volumen an Entfernungen persönlicher Informationen bezüglich einer Website mit
  ausbeuterischen Entfernungspraktikenverarbeiten, stufen wir andere Inhalte der Website in unseren Ergebnissen herab.
  Wir prüfen außerdem,
  ob dasselbe Verhaltensmuster bei anderen Websites auftritt, und wenden in diesem Fall Abstufungen auf
  Inhalte auf diesen Websites an. Ähnliche Abstufungspraktiken können wir für Websites anwenden, die eine erhebliche
  Menge an Entfernungen von Inhalten erhalten, die Folgendes betreffen:
  Doxing-Inhalte,
  explizite,
  ohne Zustimmung erstellte oder geteilte persönliche Bildmaterialien, oder
  explizite,
  nicht einvernehmliche gefälschte Inhalte.

Passage-Ranking-System

Passage-Ranking
ist ein KI-System, mit dem wir einzelne Abschnitte oder „Passagen“ einer Webseite identifizieren, um
besser zu verstehen, wie relevant eine Seite für eine Suche ist.

RankBrain

RankBrain
ist ein KI-System, das uns hilft zu verstehen, wie Wörter mit Konzepten zusammenhängen. Das bedeutet, dass wir
relevante Inhalte besser zurückgeben können, selbst wenn sie nicht alle in einer Suche verwendeten Wörter genau enthalten,
indem wir verstehen, dass der Inhalt mit anderen Wörtern und Konzepten verbunden ist.

Systeme für zuverlässige Informationen

Mehrere Systeme arbeiten auf verschiedene Weise, um die zuverlässigsten Informationen wie möglich anzuzeigen, wie zum Beispiel um die Anzeige autoritativerer Seiten zu unterstützen und qualitativ minderwertige Inhalte herabzustufen
und um Qualitätsjournalismus zu fördern.
In Fällen, in denen zuverlässige Informationen fehlen könnten, zeigen unsere Systeme automatisch
Inhaltswarnungen
zu sich schnell ändernden Themen an oder wenn unsere Systeme kein großes Vertrauen in die Gesamtqualität
der für die Suche verfügbaren Ergebnisse haben. Diese bieten Tipps, wie man auf eine Weise suchen kann,
die zu hilfreicheren Ergebnissen führen könnte. Erfahren Sie mehr über unseren Ansatz zur Bereitstellung hochwertiger
Informationen in der Suche.

Rezensionssystem

Das Rezensionssystem zielt darauf ab,
hochwertige Rezensionen, Inhalte mit tiefgreifenden Analysen und originaler Recherche
besser zu belohnen, die von Experten oder Enthusiasten verfasst wurden, die das Thema gut kennen.

Site-Diversity-System

Unser Site-Diversity-System sorgt dafür, dass wir in unseren Top-Ergebnissen im Allgemeinen nicht mehr als zwei Webseiten-Listings derselben Website anzeigen, damit keine einzelne Website alle Top-Ergebnisse dominiert. Wir können jedoch in Fällen, in denen unsere Systeme feststellen, dass dies für eine bestimmte Suche besonders relevant ist, dennoch mehr als zwei Listings anzeigen. Die Site-Diversity behandelt Subdomains im Allgemeinen als Teil einer Root-Domain. D. h.: Listings von einer Subdomain (subdomain.example.com) und der Root-Domain (example.com) werden alle als von derselben einzelnen Website stammend betrachtet. Manchmal werden Subdomains jedoch für Diversity-Zwecke als separate Websites behandelt, wenn dies als relevant erachtet wird.

Spam-Erkennungssysteme

Niemand möchte seinen E-Mail-Posteingang voller Spam haben, deshalb sind Spam-Filter so hilfreich.
Die Suche steht vor einer ähnlichen Herausforderung, da das Internet riesige Mengen an Spam enthält,
der uns, wenn er nicht bekämpft würde, daran hindern würde, die hilfreichsten und relevantesten Ergebnisse anzuzeigen. Wir
setzen eine Reihe von Spam-Erkennungssystemenein,
darunter SpamBrain, um mit
Inhalten und Verhaltensweisen umzugehen, die gegen unsere Spam-Richtlinienverstoßen.
Diese Systeme werden ständig aktualisiert , um mit
den neuesten Methoden Schritt zu halten, mit denen sich die Spam-Bedrohung weiterentwickelt.

Eingestellte Systeme

Die folgenden Systeme werden zu historischen Zwecken erwähnt. Sie wurden entweder in
Nachfolgesysteme integriert oder sind Teil unserer Core-Ranking-Systeme geworden.

System für hilfreiche Inhalte

Ankündigung im Jahr 2022 als das „Helpful Content Update“, dies war ein System, das entwickelt wurde, um besser sicherzustellen, dass Nutzer originelle, hilfreiche Inhalte sehen, die von
Menschen für Menschen in den Suchergebnissen geschrieben wurden, anstatt Inhalte, die hauptsächlich erstellt wurden, um Suchmaschinenverkehr zu gewinnen. Im März 2024 wurde es weiterentwickelt und
wurde Teil von

unseren Core-Ranking-Systemen, da unsere Systeme eine Vielzahl von Signalen und Systemen verwenden,
um Nutzern hilfreiche Ergebnisse zu präsentieren.

Hummingbird

Dies war eine große Verbesserung unserer gesamten Ranking-Systeme, die im August 2013 vorgenommen wurde. Unsere
Ranking-Systeme haben sich seitdem weiterentwickelt, genau wie sie sich auch zuvor weiterentwickelt hatten.

Panda-System Dies war ein System, das entwickelt wurde, um besser sicherzustellen, dass qualitativ hochwertige und originelle Inhalte in
unseren Suchergebnissen erscheinen.
Ankündigung im Jahr 2011

und mit dem Spitznamen „Panda“ versehen, entwickelte es sich weiter und wurde 2015 Teil unserer Core-Ranking-Systeme.

Penguin-System Dies war ein System zur Bekämpfung von Link-Spam.
Ankündigung im Jahr 2012 und mit dem Spitznamen „Penguin Update“ versehen, wurde es
integriert