KI-Antworten statt Ranking: Google Team stellt radikales Redesign für Search vor

Google ist die Suchmaschine der Wahl für den Großteil der Menschen – weltweit über 90 Prozent Marktanteil lassen keinen Zweifel daran aufkommen. Deshalb wirken sich große Veränderungen bei Google direkt auf die meisten Suchenden aus. In den SERPs der Suchmaschine sehen User immer öfter kleine Updates oder Tests. Diese deuten oft auf neue Layout-Elemente oder Funktionen hin. Doch ist es vorstellbar, dass Google die seit nunmehr zwei Jahrzehnten bekannte Struktur von gerankten Seiten mit Links und zusätzlich informierenden Snippets abschafft?

Was derzeit völlig abwegig erscheint, wird in einem theoretischen Versuch eines Google Research Teams in den Raum gestellt. Denn in einem öffentlichen Vorschlag dieses Teams wird eine Abkehr vom Ranking-System für weiterführende Links angeführt. Stattdessen soll die Suchmaschine auf Suchanfragen von Usern mithilfe von sogenannten Pre-trained Language Models unmittelbar und gezielt antworten. Doch auch dafür bräuchte Google Content-Quellen. Aber was hätten diese von ihrer Einbindung, wenn Google nicht direkt Traffic auf die Seite leitet?

Die Suchanfragen der Nutzer:innen besser verstehen: Wird das die Suche nachhaltig verändern?

Vor rund zweieinhalb Jahren führte Google das BERT Update ein. Dieses hatte große Auswirkungen auf die Rankings; schließlich war es ein Meilenstein für die Entwicklung der Suchmaschine. Im Blogpost zum Update erklärte Googles Pandu Nayak seinerzeit:

With the latest advancements from our research team in the science of language understanding – made possible by machine learning – we’re making a significant improvement to how we understand queries, representing the biggest leap forward in the past five years, and one of the biggest leaps forward in the history of Search. 

BERT (Bidirectional Encoder Representations from Transformers) bezeichnet ein Transformer-basiertes Machine-Learning-Modell für das Natural Language Processing (NLP) Pre-Training. Mithilfe dieses Modells versucht Google seither, Suchanfragen von Usern besser – das heißt eher wie ein Mensch denn eine Maschine – zu verstehen. Dass solche Modelle Suchmaschinen künftig noch stärker beherrschen, und sogar deren Aufbau verändern könnten, stellen vier Mitglieder eines Google Research Teams in ihrem Aufsatz „Rethinking Search: Making Experts out of Dilettantes“ vor.

Den Researchern Donald Metzler, Yi Tay, Dara Bahri und Marc Najork geht es darum, eine Alternative zu dem aktuellen Ranking-System zu zeigen, das lediglich Referenzen zu Antworten auf Suchanfragen gibt – was bei informativen Snippets, die die No Click-Suchen vorantreiben, so nicht immer stimmt. Dabei beziehen sie sich auf Pre-trained Language Models. Diese werden allerdings als „Dilettant:innen“ bezeichnet. Um sie zu „Expert:innen“ zu machen, sei eine Synthese von klassischer Informationsabfrage und modernen KI-Sprachmodellen vonnöten.

Bei Google sind Suchanfragen mit No Click schon jetzt überaus häufig

Der mitunter sehr technische theoretische Aufbau des Aufsatzes der Researcher stellt viele Eventualitäten in den Raum. Dabei muss betont werden, dass es sich hierbei um einen Vorschlag und um keinen Plan oder einen offiziellen Test vonseiten Googles handelt. Allerdings wird aus dem Vorschlag ersichtlich, wie sich die Suche künftig entwickeln könnte. Immerhin endeten 2020 knapp zwei Drittel aller Suchanfragen bei Google bereits mit No Click. Wie SEO-Experte Glenn Gabe, der den Aufsatz entdeckt hat, in seinem Tweet zeigt, könnte eine radikale Veränderung von Search anstehen, wenn Google diesem Weg folgen würde.