Fragt man zum Jahresanfang in der SEO-Branche, welche Themen voraussichtlich in diesem Jahr wichtig werden, so hört man ziemlich häufig “künstliche Intelligenz”. Doch konkreter kann zu Hintergründen, Technik und direkten Auswirkungen kaum jemand werden. Ich möchte diesen Blogpost nutzen, um meine Sicht darzulegen und die Verwirrung zu dem Thema hoffentlich etwas zu ordnen.

Künstliche Intelligenz bei Google

Das, was aktuell als künstliche Intelligenz bezeichnet wird, heißt eigentlich “Machine Learning” (ML) und ist eine Methode, wie Computer selbständig Entscheidungswege erlernen können. So zeigt man dem Computer beispielsweise 1.000 Bilder von Katzen. Auf dieser Basis lernt der Computer in einem sogenannten neuronalen Netz, welche Eigenschaften diese Katzenfotos aufweisen. Nun kann man diese Lernerfolge nehmen und dem Computer neue, unbekannte Fotos zeigen – die Erkennungsquote ist häufig über dem eines Menschen. Möglich gemacht haben das in den letzten Jahren Fortschritte in der Software aber auch insbesondere in der Hardware.

Kein Wunder also, dass Maschine Learning mittlerweile in sehr vielen Bereichen von Google eingesetzt wird. So ist bekannt, dass Google Photos für die Erkennung von Inhalten und Personen auf diese Technik setzt, aber auch die Spamerkennung in Gmail, die Übersetzung bei Google Translate und die Spracherkennung nutzen die Möglichkeiten. Und auch für die Ausspielung der Anzeigen setzt Google seit einigen Jahren stark auf Machine Learning. Wieso hat es also so lange gedauert, dass auch der Bereich der organischen Google-Suche von den Vorteilen des Machine Learnings profitiert?

Singhal geht, Giannandrea kommt

Die Antwort liegt vermutlich stark in der Persönlichkeit von Amit Singhal begründet. Als früher Google-Mitarbeiter hat Singhal den Google-Kern zweimal neu entwickelt: im Jahr 2000 hat er den damalige Google-Algorithmus, an dem noch Larry Page und Sergey Brin maßgeblich beteiligt waren auf eine solide Basis gestellt und erneut 2013 einen Rewrite auf die aktuelle Version unter dem Projektnamen Google Hummingbird geleitet.

Und Singhal hat aus zwei Gründen eine Abneigung gegenüber Machine Learning: Häufig ist unklar, wieso das Ergebnis der Maschine so ist, wie es ist. Machine Learning arbeitet in einer Art Black Box. Doch auch, falls man den Entscheidungsweg dem neuronalen Netz nachverfolgen kann, ist es ziemlich schwierig, das Ergebnis zu verbessern, da man keinen direkten Einfluß auf das Ergebnis hat.

Doch vor knapp einem Jahr ist Amit Singhal in den Ruhestand gegangen und hat seinen Job an John Giannandrea übergeben. Und Giannandrea hatte davor die Machine-Learning-Initiativen von Google geleitet.

Der Beitrag Künstliche Intelligenz, Google Rankings und wie alles zusammenhängt erschien zuerst auf sistrix.de.