Geschrieben am: 20. April 2022 | Zuletzt aktualisiert: 27. August 2022 | Lesezeit: ca. 4 Min.
Ein wichtiger Aspekt der künstlichen Intelligenz (bzw. Machine Learning) ist das Verarbeiten natürlicher Sprache (Natural Language Processing, NLP), d. h. die Fähigkeit von Computern, die menschliche Sprache zu verarbeiten und zu verstehen.
NLP wird in einer Vielzahl von Anwendungen eingesetzt, unter anderem von Suchmaschinen, bei maschineller Übersetzung oder bei Chatbots.
Neben dem reinen Verarbeiten (Processing) der menschlichen Sprache durch Computer ist für Suchmaschinen das Verständnis (Understanding) von Sprache extrem wichtig.
Dass Google Featured Snippets anzeigen kann, ist auch maschineller Sprachverarbeitung zu verdanken.
Natural Language Processing in der Websuche
Schon lange setzt Google auf NLP, um Suchanfragen, die durch die Nutzer gestellt werden, besser zu verstehen und Entitäten zu erkennen.
Ende 2019 hat Google mit BERT (Bidirectional Encoder Representations from Transformers) ein eigenes NLP Modell in die Suche integriert.
Ziel der Einführung von BERT war, die Anfragen der Nutzer noch besser interpretieren zu können und so bessere Suchergebnisse zu liefern.
Während Google früher lediglich geprüft hat, ob eine Suchanfrage (Keyword) auf einer Website vorkommt, wird mittlerweile mithilfe von NLP versucht zu verstehen, was genau mit der Suchanfrage gemeint ist.
Diese Art der Sprachverarbeitung hilft vor allem bei mehrdeutigen Suchanfragen (z.B. “Bank“ oder “Golf”) oder im Longtail, wo der Suchanfrage sehr viel Kontext in der Suchanfrage mitgegeben wird.
Beispielsweise kann die NLP API von Google den Satz “Ich arbeite in einer Bank” anders interpretieren als den Satz “Ich sitze auf einer Bank“:
Google NLP für den Satz: “Ich arbeite in einer Bank”
Google NLP API für “Ich sitze auf einer Bank”
Dank NLP ist Google auch in der Lage, die entsprechenden Entitäten aus dem Satz zu extrahieren. Ein wichtiger Baustein für die semantische Suche.
Sprachverständnis durch Natural Language Understanding
Dabei kommt Natural Language Understanding (NLU) zum Einsatz. NLU ist ein Teilbereich von NLP, der Computern hilft, menschliche Sprache zu verstehen und zu interpretieren, indem er die einzelnen Bestandteile der Sprache aufschlüsselt.
In einem kostenlosen Erstgespräch besprechen wir deine Situation und wie wir die SEO-Potenziale deiner Website nutzen können.
Jetzt unverbindlich Kontakt aufnehmen
NLU geht dabei über die reine Erkennung von Sprache hinaus, um die Absicht des Nutzers zu ermitteln. Die Spracherkennung wird durch statistische und maschinelle Lernmethoden unterstützt, die großen Datensätzen eine numerische Struktur verleihen.
Bei NLU verbessern sich die maschinellen Lernmodelle im Laufe der Zeit, da sie lernen, Syntax, Kontext, Sprachmuster, eindeutige Definitionen, Stimmungen und Absichten zu erkennen.
Dabei kommen wiederum weitere Teilbereiche des NLP zum Einsatz:
- Part of Speach (POS) Tagging: dabei wird bestimmt, welche Funktion (Verb, Adjektiv etc.) ein Wort innerhalb eines Satzes hat. So kann Google lernen, den Kontext einer Suchanfrage zu verstehen.
- Sentiment Analyse: Dabei wird die „Stimmung“ innerhalb eines Textes interpretiert. Positive oder negative Begriffe wie toll, langweilig oder großartig helfen dabei zu verstehen, welches Gefühl der Autor eines Textes (oder einer Suchanfrage) bei der Formulierung hat.
- Salience Score: Der Salience Score beschreibt, wie dominant einzelne Wörter innerhalb eines Textes sind. Je höher der Score, desto mehr Gewicht hat das jeweilige Wort.
Natural Language API von Google
All diese NLP Techniken demonstriert Google in der kostenlosen Demo der Natural Language API. Hier kann durch einfaches einfügen eines Textes ein POS-Tagging, eine Sentiment Analyse und eine Ermittlung des Salience Score durchgeführt werden.
Was bedeutet Natural Language Processing für SEO?
Das Thema Spracherkennung im Zusammenhang mit SEO wird häufig unterschätzt. Zu Unrecht. Zeigt es doch, dass eine zeitgemäße SEO-Strategie mehr beinhalten muss als das reine einfügen von (“semantischen”) Keywords in einen Text.
Viel mehr sollte beim Texten darauf geachtet werden, dass den wichtigen Begriffen der passende Kontext mitgegeben wird. SEOs, die ein Grundverständnis von NLP haben, wissen, wie man so schreibt, dass die KI daraus Informationen extrahieren kann.
Tipp
Prüfe anhand der Natural Language API von Google, ob die Spracherkennung in der Lage ist, die wichtigen Entitäten in deinen Sätzen zu erkennen. Wenn nicht: formuliere den Satz um. Spiele mit der API und entdecke beispielsweise, wie sich eine aktive und eine passive Formulierung auf den Salience Score auswirken.
Fortgeschrittenere Algorithmen wie Googles MUM (1.000-mal leistungsfähiger als BERT) und wachsende Rechenleistung werden das Thema noch wichtiger machen.
Je besser Googles NLP-Fähigkeiten werden, desto unwichtiger werden Dinge wie strukturierte Daten, weil die Suchmaschinen in der Lage sein werden, mit NLP die wichtigen Informationen und Entitäten selbst aus dem Content zu extrahieren.