BERT-Algorithmus

BERT steht für Bidirectional Encoder Representations from Transformers. In einfachen SEO-Begriffen hilft es Google, Sprache so zu interpretieren, wie ein Mensch einen Satz liest: indem es die Wörter vor und nach jedem Begriff berücksichtigt. Dadurch änderte sich, wie Google mit mehrdeutigen, konversationellen und stark modifier-lastigen Suchanfragen umgeht.

Das ist relevant, weil Keyword-Matching allein schon seit Jahren nicht mehr ausreicht. Wenn deine Seite zwar bei der Formulierung übereinstimmt, aber die eigentliche Absicht (Intent) verfehlt, macht BERT diese Schwäche sichtbarer.

Was BERT tatsächlich verändert hat

Google hat BERT 2019 in der Suche angekündigt und gesagt, dass es bei Launch etwa 10% der englischen Anfragen beeinflusst. Die eigentliche Wirkung war kein neuer Ranking-Faktor, den du direkt optimieren kannst. Es war ein besseres System zur Einordnung von Suchanfragen.

Diese Unterscheidung ist wichtig. Du „optimierst für BERT“ nicht mit einer Checkliste. Du verbesserst Inhalte so, dass Google sie die differenzierte Suchintention genauer zuordnen kann.

Googles John Mueller hat wiederholt gesagt, dass es kein spezielles BERT-Tag, kein entsprechendes Markup und keinen Trick gibt. Auch 2025 ist das die richtige Einordnung: schreibe natürlich, beantworte die Anfrage vollständig und hör auf, exakte Match-Formulierungen zu erzwingen, wenn das den Text verschlechtert.

Was du in der Praxis tun kannst

• Prüfe Abweichungen zwischen Suchanfragen und Rankings in der Google Search Console: Achte auf URLs, die für Long-Tail-Begriffe zwar Impressionen bekommen, aber eine schwache CTR oder durchschnittliche Positionen im Bereich von 6–20 haben. Das sind oft Probleme der Intent-Passung – nicht der Autorität.
• Nutze Semrush oder Ahrefs, um SERP-Intent zu vergleichen: Wenn die Top 5 Ergebnisse Erklärseiten sind und deine Seite eine Produktseite ist, wird BERT dir nicht helfen. Behebe die Format-Mismatch.
• Schwache Passagen ausbauen: Screaming Frog plus ein Content-Export kann helfen, dünne Bereiche zu identifizieren. Seiten mit 40-Wort-Antworten auf komplexe Fragen schneiden häufig schlechter ab als Seiten mit klareren, reicheren Passagen.
• Mit Modifikatoren weiterschreiben: Wörter wie „für“, „zu“, „ohne“, „nahe“ und „mit“ ändern oft die Bedeutung. Klassisches SEO hat sie früher oft entfernt – das ist jetzt faul.
• Passagen auf Nutzen prüfen: Surfer SEO, Clearscope-artige Workflows oder manuelle SERP-Reviews können helfen, aber das Ziel ist nicht die reine Wortanzahl. Ziel ist die Antwortqualität auf Absatzebene.

Wo sich viele dabei irren

Der größte Fehler ist, BERT wie einen eigenständigen Algorithmus zu behandeln, den man mit Entity-Density-Scores oder NLP-Gimmicks gezielt beeinflussen kann. Die meisten dieser Metriken sind bestenfalls Stellvertreter. Ein Teil ist reines Theater.

Ein weiterer Fehler: anzunehmen, dass jeder Rückgang bei Rankings auf Informationsinhalten „wegen BERT“ passiert. Meist liegt es eher an einer schwächeren Intent-Ausrichtung, einer schlechten Seitenstruktur oder stärkeren Wettbewerbern. Prüfe die SERP, bevor du eine Machine-Learning-Erklärung erfindest.

Außerdem gibt es hier eine GEO-Sonderbedingung. BERT ist ein Google-Suchsystem, kein Framework für generative Optimierung (GEO). Es überschneidet sich mit GEO, weil beide klare Sprache und kontextreiche Passagen belohnen, aber ChatGPT, Perplexity und Googles AI Overviews nutzen nicht einfach „BERT-Inhalte“. Unterschiedliche Systeme. Unterschiedliche Abrufebenen.

Wie du die Wirkung misst

Nutze GSC für Verschiebungen bei Suchanfragen, Ahrefs oder Semrush für Sichtbarkeits-Trends und On-Page-Engagement-Daten zur Validierung nach dem Klick. Gute Anzeichen sind mehr Impressionen bei Long-Tail-Varianten, bessere Rankings bei modifier-lastigen Anfragen sowie eine höhere CTR, wenn die Seite die Suchintention besser trifft.

Sei nur ehrlich bei der Zurechnung (Attribution). Du kannst BERT in 2026 nicht sauber isolieren – genauso wenig wie du RankBrain sauber isolieren kannst. Miss Ergebnisse, nicht Mythen.