Google Suche 101: So verbessert KI eure Suchergebnisse

Habt ihr euch jemals gefragt, wie Google versteht, wonach ihr sucht? Darauf gibt es nicht “die eine” Antwort. Vielmehr tragen mehrere Faktoren dazu bei, euch hilfreiche Suchergebnisse zu liefern. Allen voran das Verständnis von Sprache. Dank der Fortschritte in den Bereichen Künstliche Intelligenz (KI) und maschinellem Lernen sind wir dem Verständnis der menschlichen Sprache näher gekommen als jemals zuvor. Heute möchten wir euch einen Blick hinter die Kulissen der Google Suche geben und zeigen, wie die Fortschritte zu besseren Suchergebnissen für euch führen.

Lasst uns aber zunächst einen kurzen Ausflug in die Vergangenheit machen: In den frühen Tagen der Google Suche – also bevor wir fortschrittliche KI hatten – suchten unsere Systeme einfach nach passenden Wörtern. Wenn ihr beispielsweise nach „Pziza“ gesucht habt, musstet ihr wahrscheinlich die Suche mit der richtigen Schreibweise wiederholen, um eine Pizzeria in eurer Nähe zu finden – es sei denn, es gab eine Seite mit diesem bestimmten Rechtschreibfehler. Dann lernten wir, wie Algorithmen funktionieren müssen, um Musterklassen zu erkennen. Zum Beispiel häufige Rechtschreibfehler oder potentielle Tippfehler durch benachbarte Buchstaben auf der Tastatur, damit eine Korrektur vorgenommen werden kann. Dank fortschrittlichem maschinellen Lernen sind unsere Systeme nun besser darin, intuitiv zu erkennen, wenn ein Wort nicht richtig aussieht, und wie eine mögliche Korrektur aussehen könnte.

Indem wir solche auf KI basierenden Verbesserungen der Google Suche einführen, können unsere Systeme immer besser verstehen, wonach ihr sucht. Weil sich die Welt und die Neugier der Menschen ständig verändert, ist diese Entwicklung auch notwendig. Tatsächlich sind 15 Prozent der täglichen Suchanfragen völlig neu. KI spielt eine wichtige Rolle, sicherzustellen, dass wir euch hilfreiche Ergebnisse zeigen können, egal wie neugierig ihr seid.

Wie unsere Systeme ineinander greifen

Im Laufe der Jahre haben wir Hunderte von Algorithmen entwickelt, wie zum Beispiel unser früheres Rechtschreibsystem, um relevante Suchergebnisse zu liefern. Wenn wir heute neue KI-Systeme entwickeln, werden unsere alten Algorithmen und Systeme nicht einfach ad acta gelegt. Tatsächlich läuft die Suche auf Hunderten von Algorithmen und Machine Learning Modellen, und wir können sie nur verbessern, wenn unsere Systeme – sowohl die neuen als auch die alten – gut zusammenarbeiten. Jeder Algorithmus und jedes Modell hat eine spezifische Aufgabe und kommt zu unterschiedlichen Zeiten und in unterschiedlichen Kombinationen zum Einsatz, um die hilfreichsten Ergebnisse zu liefern. Einige unserer neuen, fortschrittlichen Systeme können dabei wichtiger sein als andere. Lasst uns gemeinsam einen genaueren Blick auf die wichtigsten KI-Systeme werfen, die heute in der Suche ausgeführt werden, und darauf, was sie tun.

RankBrain – ein smarteres Ranking-System

Als wir RankBrain 2015 einführten, war es das erste in der Suche eingesetzte Deep-Learning-System. Damals war es bahnbrechend – nicht nur, weil es unser erstes KI-System war, sondern weil es uns half, Worte mit verschiedenen Konzepten in Verbindung zu bringen. Das ist etwas, was wir als Menschen schnell verknüpfen. Für Computer ist es jedoch eine große Herausforderung. RankBrain ermöglicht es, dass unsere Systeme Informationen finden, die sonst nicht auffindbar wären. Es hat ein breiteres Verständnis davon, in welchem tatsächlichen Zusammenhang die Suchanfrage zu realen Inhaltekonzepten steht. Wenn ihr beispielsweise nach „Wie nennt man den Konsumenten an der Spitze der Nahrungspyramide“ sucht, sehen unsere Systeme diese Wörter auf verschiedenen Seiten und verstehen, dass der Kontext möglicherweise mit Tieren und nicht mit Menschen zu tun hat. Indem RankBrain diese Wörter versteht und mit dem zugehörigen Kontext abgleicht, hilft RankBrain zu begreifen, dass ihr nach dem sucht, was gemeinhin als „Spitzenraubtier“ bezeichnet wird.

Dank dieser Art des Verständnisses wird RankBrain (wie der Name schon sagt) verwendet, um beim Ranking der besten Suchergebnisse zu helfen. Obwohl es unser allererstes Deep-Learning-Modell war, ist RankBrain auch heute noch eines der wichtigsten KI-Systeme für die Suche.

Neuronales Matching – eine ausgeklügelte Suchmaschine

Neuronale Netze sind heute die Basis vieler moderner KI-Systeme. Aber erst 2018, als wir den neuronalen Abgleich in die Suche einführten, konnten wir es in der Praxis nutzen, um besser zu verstehen, inwiefern sich Suchanfragen auf Seiten beziehen. Neuronales Matching hilft uns, nicht ganz klare Darstellungen von Absichten in Suchanfragen und auf Seiten zu verstehen und sie miteinander abzugleichen. Die Funktionsweise dahinter ist, dass mittels neuronalem Abgleich eine ganze Abfrage oder Seite betrachtet wird und nicht nur einzelne Schlüsselwörter. Dadurch wird ein besseres Verständnis für die zugrunde liegende Absicht entwickelt. Nehmt zum Beispiel die Suche nach „Hilfestellung Management grün Persönlichkeit“. Stellt euch vor, eine Freundin oder ein Freund würde euch das fragen – diese einzelnen Stichworte würden euch wahrscheinlich ratlos zurücklassen. Aber mit dem neuronalem Abgleich können unsere Systeme dieser Suche einen Sinn geben, indem die tiefer liegende Absicht in der Suchabfrage betrachtet wird: Wahrscheinlich sucht die oder der Suchende nach Management-Tipps, die auf einem beliebten, farbbasierten Persönlichkeitstest basieren.

Wenn unsere Systeme den Kontext einer Abfrage oder Seite verstehen, können sie diesen leichter miteinander abgleichen. Dieses Maß an Verständnis hilft dabei, unseren Index breit nach Inhalten zu durchsuchen, die für eure Anfrage relevant sein könnten. Aus diesem Grund ist der neuronale Abgleich ein so entscheidender Teil davon, wie wir relevante Informationen aus einem massiven und sich ständig ändernden Informationsstrom abrufen.

BERT – ein Modell, das Bedeutung und Kontext versteht

BERT wurde 2019 eingeführt und war ein großen Schritt, um natürliche Sprache zu verstehen. Damit konnten unsere Systeme beispielsweise verstehen, wie Wortkombinationen unterschiedliche Bedeutungen und Absichten ausdrücken. Anstatt einfach nach Inhalten zu suchen, die nur mit einzelnen Wörtern übereinstimmen, ermöglicht BERT zu verstehen, wie eine Kombination von Wörtern eine komplexe Idee ausdrückt. BERT versteht Wortabfolgen und wie die Wörter zueinander in Beziehung stehen. Damit wird sichergestellt, dass keine wichtigen Wörter eurer Anfrage unbeachtet bleiben – egal wie unbedeutend sie scheinen.

Heute spielt BERT bei fast jeder englischsprachigen Suchabfrage eine entscheidende Rolle. Das liegt daran, dass unsere BERT-Systeme bei zwei der kritischsten Aufgaben, die für Bereitstellung relevanter Ergebnisse erfüllt werden müssen, hervorragend sind: Beim Ranking und beim Abruf der Suchergebnisse. BERT ist aufgrund seines komplexen Sprachverständnisses in der Lage, Informationen sehr schnell nach Relevanz einzustufen. BERT hat auch bestehende Systeme verbessert und sie beim Abrufen relevanter Informationen für das Ranking hilfreicher gemacht. Und obwohl BERT eine wichtige Rolle in der Suche spielt, arbeitet es nie allein – wie alle unsere Systeme ist BERT Teil eines Ensembles von Systemen, die zusammenarbeiten, um qualitativ hochwertige Ergebnisse bereitzustellen.

MUM – vom Verstehen von Sprache hin zum Verstehen von Informationen

Im Mai letzten Jahres haben wir unseren neuesten Meilenstein im Bereich KI in der Google Suche vorgestellt: das Multitask Unified Model oder kurz gesagt, MUM. MUM ist noch leistungsstärker als BERT und kann Sprache sowohl verstehen als auch erzeugen. Es wird in 75 verschiedenen Sprachen und vielen verschiedenen Aufgaben gleichzeitig trainiert, wodurch es ein umfassenderes Verständnis von Informationen und Weltwissen entwickeln kann. MUM ist auch multimodal, was bedeutet, dass es zukünftig Informationen übergreifend über mehrere Modalitäten wie Text, Bilder und mehr verstehen kann.

Während wir noch ganz am Anfang sind, das volle Potenzial von MUM zu erschließen und auszuschöpfen, haben wir es bereits genutzt, um die Suche nach COVID-19-Impfstoffen zu verbessern. Und wir freuen uns darauf, in Google Lens in naher Zukunft verbesserte, intuitive Suchmöglichkeiten mit einer Kombination aus Text und Bild möglich zu machen. Das alles sind sehr spezielle Anwendungen. Aktuell wird MUM nicht verwendet, um beim Ranking und der Verbesserung der Qualität von Suchergebnissen zu helfen, wie es bei RankBrain, den neuronalen Abgleich- und BERT-Systemen der Fall ist.

Wenn mehr MUM-gestützte Erfahrungen in der Google Suche eingeführt sind, werden wir damit beginnen, von einem fortgeschrittenen Sprachverständnis zu einem noch differenzierteren Verständnis von Informationen überzugehen. Und wie bei allen Verbesserungen der Suche wird jede MUM-Anwendung einem strengen Bewertungsprozess unterzogen. Hierbei wird besonderes Augenmerk auf den verantwortungsvollen Einsatz von KI gelegt. Wenn diese neuen Systeme eingeführt werden, reihen sie sich in die Reihe der Systeme ein, die Hand in Hand zusammenarbeiten, um die Suche besonders nützlich zu machen.