Latent semantische Optimierung

Diese Seite beschreibt, was der Begriff meint, woher er stammt, was daran fachlich haltbar ist und wie wir Texte tatsächlich überarbeiten.

Eine Klarstellung vorweg, weil sie den Rest der Seite erklärt: Latent Semantic Indexing ist ein Verfahren aus der Informationsrückgewinnung, das Google nie als Rankingverfahren bestätigt hat. „LSI-Keywords“, wie sie in vielen SEO-Artikeln beschrieben werden, gibt es als Ranking-Konzept nicht. Was hinter der Bezeichnung an sinnvoller Arbeit steckt – ein Thema vollständig behandeln, statt ein Wort zu wiederholen –, funktioniert trotzdem. Nur eben aus anderen Gründen, als der Name nahelegt.

Die drei Wörter einzeln

Semantisch heißt: die Bedeutung betreffend, im Gegensatz zur bloßen Zeichenfolge. „Bank“ als Sitzgelegenheit und „Bank“ als Geldinstitut sind dieselbe Zeichenfolge und zwei Bedeutungen.

Latent heißt: verborgen, nicht direkt beobachtbar. Gemeint ist eine Struktur, die in den Daten steckt, aber nicht ausgeschrieben dasteht – dass „Motor“, „Getriebe“ und „Kupplung“ zusammengehören, weiß niemand, der nur die einzelnen Wörter zählt.

Optimierung ist der SEO-Anteil des Begriffs und stammt nicht aus der ursprünglichen Fachsprache. Er wurde später angehängt.

Woher das Verfahren kommt

Latent Semantic Analysis, abgekürzt LSA, wurde Ende der 1980er-Jahre in der Dokumentensuche entwickelt; in der Anwendung auf Suchindizes spricht man von Latent Semantic Indexing, kurz LSI. Die Idee: Man stellt Texte und Begriffe in einer großen Matrix gegenüber – Zeilen für Begriffe, Spalten für Dokumente, in jeder Zelle die Häufigkeit – und reduziert deren Dimensionen mathematisch über eine Singulärwertzerlegung, bis Begriffe, die häufig in denselben Zusammenhängen auftauchen, nahe beieinanderliegen. Dadurch findet ein System auch Dokumente, in denen das gesuchte Wort selbst nicht vorkommt – etwa einen Text über „Kraftfahrzeug“ bei der Suche nach „Auto“.

Für Sammlungen von einigen tausend Dokumenten funktioniert das gut. Für einen Index in der Größenordnung des Webs, der sich fortlaufend ändert, ist die Rechenlast nicht praktikabel: Die Zerlegung müsste über den gesamten Bestand laufen und bei jeder Änderung erneuert werden. Google hat andere Wege gewählt.

Warum „LSI-Keywords“ ein Mythos ist

Die Bezeichnung stammt nicht von Google, sondern aus der SEO-Literatur der 2000er-Jahre, die einen Fachbegriff aufgegriffen und mit einer eigenen Bedeutung versehen hat. Vertreter von Google haben dem mehrfach öffentlich widersprochen: Ein Verfahren namens LSI wird in der Websuche nicht eingesetzt, und eine Liste von „LSI-Keywords“, die man in einen Text streuen muss, existiert nicht.

Was Werkzeuge unter diesem Namen ausgeben, sind meist Begriffe, die in gut platzierten Texten zum selben Thema häufig vorkommen. Diese Liste ist durchaus brauchbar – als Hinweis darauf, welche Teilaspekte ein Text behandelt, die Ihrer nicht behandelt. Sie ist keine Zutatenliste, die abgearbeitet wird.

Der Unterschied ist praktisch bedeutsam. Wer Begriffe einstreut, produziert Texte, die alle Wörter enthalten und trotzdem nichts erklären. Wer die dahinterliegenden Fragen beantwortet, deckt die Begriffe nebenbei ab.

Was Google tatsächlich macht

Die Entwicklung lässt sich an vier Stationen ablesen. Mit Hummingbird begann Google 2013, Suchanfragen als Ganzes statt als Wortliste zu behandeln. RankBrain kam 2015 dazu und half, nie zuvor gesehene Anfragen einzuordnen. Mit BERT verarbeitet Google seit 2019 Sprache im Satzzusammenhang – Präpositionen und Wortstellung verändern die Interpretation, was bei Anfragen wie „Visum für Deutschland aus Brasilien“ den Unterschied macht. MUM erweitert das seit 2021 über Sprachen und Formate hinweg.

Dazu kommt der Knowledge Graph: Google arbeitet nicht nur mit Wörtern, sondern mit Entitäten – Personen, Orten, Produkten, Organisationen – und mit den Beziehungen zwischen ihnen. Ein Text über eine Baureihe wird dem Hersteller zugeordnet, auch wenn dessen Name nicht in jedem Absatz steht. Wie sich das Zusammenspiel dieser Systeme über die Jahre entwickelt hat, ordnet der Eintrag zum Google Algorithmus ein.

Aus alldem folgt dasselbe wie aus der alten LSI-Erzählung, nur belastbarer begründet: Ein Text muss ein Thema abdecken, nicht ein Wort bedienen.

Was das für die Arbeit an Texten heißt

Suchintention zuerst. Bevor ein Wort geschrieben wird, gehört geklärt, was jemand erwartet, der diese Anfrage stellt – eine Erklärung, einen Vergleich, ein Produkt, einen Anbieter. Die Ergebnisse, die Google heute für die Anfrage ausliefert, sind die beste verfügbare Auskunft darüber. Wie die Auswahl der Anfragen selbst abläuft, beschreibt der Eintrag zum Keyword.

Vollständigkeit statt Wiederholung. Welche Fragen stellen sich im Anschluss? Was kostet es, wie lange dauert es, welche Voraussetzungen gibt es, was sind die Alternativen? Ein Text, der die naheliegende Folgefrage beantwortet, braucht das Hauptkeyword seltener.

Entitäten benennen. Konkrete Namen, Verfahren, Normen, Formate. Sie sind es, an denen ein System ein Thema festmacht – nicht Adjektive.

Struktur. Überschriften, die den Inhalt benennen. Absätze, die eine Sache behandeln. Google bewertet Abschnitte einer Seite auch einzeln; eine gute Zwischenüberschrift kann eine Seite für eine Anfrage sichtbar machen, um die es im Haupttext gar nicht geht.

Interne Verweise. Ein Thema wird selten von einer Seite abgedeckt, sondern von mehreren, die aufeinander zeigen. Dabei gilt: Nicht zwei Seiten auf dieselbe Anfrage ansetzen, sonst konkurrieren sie miteinander.

Kein Text um des Textes willen. Eine ausführliche Seite ist besser als eine dünne – aber nur, wenn die Länge aus Inhalt entsteht. Was Google unter brauchbaren Inhalten versteht, beschreibt der Eintrag zu Content; warum abgeschriebene Passagen keine Grundlage sind, der Eintrag zu Unique Content. Und warum inhaltliche Qualität mehr wiegt als jede Textformel, behandelt der Beitrag Wie wichtig sind Inhalte für ein gutes Ranking?.

WDF*IDF: ein Werkzeug, keine Formel

Verfahren wie WDF*IDF setzen an einer nachvollziehbaren Stelle an: Sie gewichten, wie oft ein Begriff in einem Text vorkommt, im Verhältnis dazu, wie verbreitet er im Gesamtbestand ist. Das liefert eine Liste von Begriffen, die in vergleichbaren Texten eine Rolle spielen.

Als Diagnose ist das nützlich – es zeigt Lücken, die man beim Schreiben übersehen hat. Als Zielvorgabe wird es schädlich, weil Texte entstehen, die auf einen Zielkorridor geschrieben und nicht mehr gelesen werden können. Wie das Verfahren rechnet und wo seine Grenzen liegen, steht im Eintrag zu WDF*IDF. Eine ausführlichere Anleitung zum Vorgehen an einem einzelnen Text finden Sie im Beitrag Guide: Latent semantische Optimierung.

Begriffe, die damit verwechselt werden

Rund um die semantische Textarbeit hat sich eine Reihe von Bezeichnungen angesammelt, die Unterschiedliches meinen.

TF-IDF setzt die Häufigkeit eines Begriffs in einem Dokument ins Verhältnis zu seiner Verbreitung im Gesamtbestand. Ein Wort, das überall vorkommt, bekommt wenig Gewicht; ein seltenes viel. Das ist ein Gewichtungsmaß aus der Dokumentensuche und keine Bedeutungsanalyse. WDF*IDF ist die im deutschsprachigen SEO verbreitete Variante davon, die die Häufigkeit zusätzlich am Umfang des Textes normiert.

Word Embeddings stellen Wörter als Zahlenvektoren dar, die aus dem Zusammenhang gelernt werden, in dem die Wörter auftreten. Das ist der Ansatz, der LSA technisch abgelöst hat und auf dem heutige Sprachmodelle aufbauen.

Themenautorität beschreibt keine Kennzahl, sondern eine Beobachtung: Wer ein Themenfeld über viele aufeinander verweisende Seiten abdeckt, wird für einzelne Anfragen daraus leichter gefunden als jemand mit einer einzelnen Seite. Das ist der Punkt, an dem die alte LSI-Erzählung und die heutige Praxis sich am nächsten kommen.

Semantic SEO wird als Sammelbegriff für all das verwendet. Er ist so weit gefasst, dass er in einem Angebot ohne Erläuterung wenig aussagt.

Wie wir vorgehen

Wir beginnen mit dem Bestand: Welche Seiten gibt es zum Thema, wofür werden sie gefunden, und wo stehen sich zwei Seiten gegenseitig im Weg? Daraus entsteht eine Aufteilung – welche Seite welche Frage beantwortet.

Dann folgt die inhaltliche Arbeit: fehlende Teilaspekte ergänzen, Absätze streichen, die nichts sagen, Struktur und Überschriften anpassen, interne Verweise setzen. Bei Fachthemen brauchen wir dafür jemanden aus Ihrem Haus, der Rückfragen beantworten kann. Substanz lässt sich nicht recherchieren, wenn sie im Markt nirgends aufgeschrieben ist.

Gemessen wird anschließend über die Search Console: Für wie viele unterschiedliche Suchanfragen erscheint die Seite, und wie entwickelt sich das? Eine Seite, die statt für zwölf für achtzig Anfragen sichtbar ist, hat thematisch zugelegt – auch wenn sich die Position für den Hauptbegriff nicht bewegt hat.

Woran Sie ein unseriöses Angebot dazu erkennen

Wenn Ihnen jemand „LSI-Optimierung“ als eigenständige Leistung mit fester Zahl an Begriffen pro Text verkauft, ist Vorsicht angebracht. Ebenso bei Werkzeugen, die eine Punktzahl ausgeben und den Text erst bei 100 Prozent für fertig erklären – diese Zahl beschreibt die Übereinstimmung mit dem Wettbewerb, nicht die Qualität.

Sinnvoll formuliert klingt dieselbe Leistung anders: Bestandsaufnahme der vorhandenen Texte, Aufteilung der Themen auf Seiten, Ergänzung fehlender Teilaspekte, Bereinigung konkurrierender Seiten.

Für wen sich das lohnt

Für Websites mit vielen bestehenden Texten, die nie überarbeitet wurden. Der Aufwand ist deutlich geringer als bei neuen Inhalten, weil Struktur und Grundgerüst schon stehen. Wo diese Arbeit im Gesamtbild steht, zeigt unsere Seite zur Suchmaschinenoptimierung.

Wenn Sie Ihre bestehenden Inhalte prüfen lassen möchten, schreiben Sie uns über die Kontaktseite.