Google-Vertreter erklärten, dass die Erstellung von "mundgerechten" Inhalten speziell für große Sprachmodelle (LLMs) wie Gemini die Suchmaschinenplatzierung nicht verbessern wird. In einer aktuellen Folge von Googles Podcast "Search Off the Record" sprachen John Mueller und Danny Sullivan über die zunehmend beliebte SEO-Praxis des Content Chunking, bei der Websites Informationen in kleinere Absätze und Abschnitte aufteilen, oft mit zahlreichen Unterüberschriften in Form von Fragen.

Die Absicht hinter Content Chunking ist es, es generativen KI-Bots zu erleichtern, die Informationen aufzunehmen und zu zitieren, was theoretisch die Sichtbarkeit in der Suche erhöht. Websites, die diese Technik anwenden, weisen oft kurze Absätze auf, die manchmal nur aus ein oder zwei Sätzen bestehen und auf KI-Algorithmen zugeschnitten sind. Sullivan stellte jedoch klar, dass die Suchalgorithmen von Google diese Signale nicht verwenden, um das Ranking zu verbessern. "Eines der Dinge, die ich in einigen SEO-Ratschlägen immer wieder sehe, ist, dass man die Dinge in diese wirklich mundgerechten Stücke zerlegen sollte", sagte Sullivan. "Und das ist nichts, worauf wir achten."

Suchmaschinenoptimierung (SEO) hat sich zu einer bedeutenden Branche entwickelt, in der Unternehmen ständig nach Wegen suchen, die Sichtbarkeit ihrer Website in den Suchergebnissen zu verbessern. Während einige SEO-Praktiken legitim und vorteilhaft sind, basieren viele andere auf Spekulationen und unbewiesenen Theorien. Der Aufstieg von LLMs hat zu neuen SEO-Strategien geführt, die darauf abzielen, Inhalte für den KI-Konsum zu optimieren, aber Googles Aussage deutet darauf hin, dass diese Strategien möglicherweise fehlgeleitet sind.

Die Implikation von Googles Haltung ist, dass Content-Ersteller der Erstellung umfassender und gut strukturierter Inhalte für menschliche Leser Priorität einräumen sollten, anstatt zu versuchen, das System durch die Erstellung fragmentierter Inhalte für KI auszutricksen. Dies steht im Einklang mit Googles langjährigem Fokus auf die Bereitstellung hochwertiger, relevanter Suchergebnisse für Nutzer. Die Entwicklung unterstreicht die anhaltende Spannung zwischen der Optimierung von Inhalten für Algorithmen und der Erstellung wertvoller Inhalte für menschliche Nutzer. Da LLMs sich ständig weiterentwickeln und eine größere Rolle bei der Informationsbeschaffung spielen, wird die Debatte darüber, wie Inhalte am besten sowohl für KI als auch für Menschen optimiert werden können, wahrscheinlich weitergehen.