SEO-Experte Dan Petrovic (DEJAN) hat Rohdaten der Google-Gemini-API analysiert und damit erstmals empirisch offengelegt, welche Sätze die Google-AI-Suche (auf Gemini-Basis) aus einer Webseite als Beleg für Antworten (grounding snippets) auswählt.
Wichtige Erkenntnisse:
- Frage → Zerlegung per query fanout in mehrere Unterabfragen
- Für jede Unterabfrage werden 5–20 Seiten ausgewählt → Bewertung der Query-Relevanz auf Satzebene
- Wichtigstes Kriterium = semantische Ähnlichkeit des Satzes (query-ferne Abschnitte werden komplett ignoriert)
- Einleitung (erster Absatz) wird selbst bei geringer Relevanz fast immer extrahiert → starker Lead-Bias vorhanden
- Strukturelle Elemente wie Inhaltsverzeichnis, Header und Code-Snippets werden wie normale Sätze behandelt und bewertet
- Die ausgewählten Sätze werden mit … verbunden und bilden so ein Snippet, das bei der Generierung der finalen Antwort als zitierte Grundlage verwendet wird
Letztlich basiert die Google-AI-Suche also nicht auf freier Interpretation durch die AI, sondern auf einem Prozess aus präziser Relevanzbewertung und Auswahl auf Satzebene.
→ Das liefert die praktische Erkenntnis, dass Kernaussagen stark in der Einleitung platziert werden sollten und jeder einzelne Satz semantisch eng mit der Query verknüpft sein muss, damit er mit höherer Wahrscheinlichkeit in AI-Antworten zitiert wird.
Petrovic hat außerdem ein Demo-Tool veröffentlicht, das diesen Mechanismus nachbildet.
Noch keine Kommentare.