Definition: Was ist Semantic Search?
Semantic Search bewertet, was eine Anfrage bedeutet — nicht nur, welche Wörter sie enthält. Dafür kombinieren moderne Systeme mehrere Technologien: Vector Embeddings für Query und Dokument, Transformer-basierte Relevanz-Modelle, Entity-Linking mit Knowledge-Graph-Anbindung und Intent-Klassifikation (informational, transaktional, navigational). Ein Dokument kann ranken, ohne die Anfrage-Wörter zu enthalten — und umgekehrt trotz exakter Wort-Treffer irrelevant sein.
Die Entwicklungslinie
Die Meilensteine: Hummingbird (2013) brachte Entity-Orientierung in die Google-Suche, RankBrain (2015) maschinelles Lernen für unbekannte Queries, BERT (2019) kontextuelles Sprachverständnis auf Query-Ebene, MUM und Nachfolger multimodales Verständnis. Mit LLM-basierten Systemen ab 2022 wurde aus semantischem Ranking semantische Antwort-Synthese — die Suche versteht nicht mehr nur, sie formuliert selbst (RAG).
Konsequenzen für die Content-Strategie
- Intent-Cluster statt Einzel-Keywords: Optimiert wird für Fragen-Räume und Themen-Cluster; das Werkzeug dafür ist die Topical Map.
- Tiefe schlägt Frequenz: Semantic Search belohnt erschöpfende Themen-Behandlung (Topical Authority) — nicht Keyword-Dichte. Thin Content mit Keyword-Stuffing rankt strukturell nicht mehr.
- Entitäten statt Strings: Konsistente Entity-Signale (Autor, Organisation, Fachgebiet) verankern Inhalte im semantischen Raum.
- Weniger, aber tiefere Artikel: das Gegenteil der Content-Farm-Logik von 2015–2022.
Verwandte Begriffe
Die technische Grundlage von Semantic Search sind Embeddings und Vector Search; die strategische Antwort sind Topical Maps und Topical Authority. Die Fortsetzung des Paradigmas in generativen Systemen beschreibt RAG.
Die Suche versteht — Content muss es auch
Seit BERT bewertet die Suche Bedeutung, nicht Wortlisten. Wer weiter in Keyword-Frequenzen denkt, optimiert für ein System, das es seit Jahren nicht mehr gibt.
FAQ zu Semantic Search
Was unterscheidet Semantic Search von klassischer Keyword-Suche? ▾
Klassische Suche matcht Zeichenketten und gewichtet Termfrequenzen. Semantic Search bewertet Bedeutung und Intent über Embeddings, Sprachmodelle und Entity-Verknüpfung — Inhalte können ohne exakte Wort-Treffer ranken und trotz Treffern irrelevant sein.
Seit wann ist die Google-Suche semantisch? ▾
Schrittweise: Hummingbird (2013) und RankBrain (2015) waren Vorstufen; mit BERT (2019) wurde kontextuelles Sprachverständnis Standard für praktisch alle Queries. LLM-basierte Systeme ab 2022 haben das Paradigma in die Antwort-Synthese verlängert.
Sind Keywords damit irrelevant? ▾
Nein — sie bleiben Ausdruck der Nutzersprache und Rechercheinstrument. Irrelevant geworden ist die Keyword-Dichte als Optimierungsgröße. Relevanz entsteht aus semantischer Vollständigkeit, Entity-Klarheit und Intent-Passung, nicht aus Wiederholung.
Was bedeutet Semantic Search für GEO? ▾
GEO baut direkt darauf auf: Generative Systeme retrieven semantisch (RAG), und die semantische Position einer Marke — geformt durch Co-Occurrence und Entity-Konsistenz — entscheidet, ob sie als Quelle gefunden und zitiert wird.