Googles Algorithmus BERT (Bidirectional Encoder Representations from Transformers) ist ein Transformer-basiertes Sprachmodell, das besonders für die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) entwickelt und 2019 ausgerollt wurde.
Mithilfe der bidirektionalen Verarbeitung und der Transformer-Architektur ist der Algorithmus in der Lage, den Kontext eines Wortes in einem Satz viel besser zu verstehen. BERT kann sowohl vorhergehenden als auch den nachfolgenden Text berücksichtigen, um den Kontext eines bestimmten Wortes zu verstehen.
Google nutzt seit dem BERT-Update ein sogenanntes „Passage Ranking“, bei dem nicht mehr nur ganze Seiten, sondern auch einzelne Textpassagen für die Suchanfrage relevant sein können. Das hilft, wenn die gesuchten Informationen zwar auf einer Seite versteckt sind, aber nicht sofort im Titel oder den Überschriften erscheinen. Damit ist BERT weit mehr als nur ein „Keyword-Interpreter“. Es geht heute darum, die Frage hinter der Frage zu erkennen und dem Nutzer präzise, kontextbezogene Antworten zu geben – und genau da liegt der Vorteil für Blogger, die echten Mehrwert bieten wollen.
Vorteile von BERT
- Kontextverständnis: Da BERT den Kontext in beide Richtungen berücksichtigt, kann es den genauen Sinn von mehrdeutigen Wörtern in einem Satz besser erfassen.
- Generalisiertes Modell: Das “Pre-Training” ermöglicht es BERT, ein stark generalisiertes Modell für viele verschiedene NLP-Aufgaben zu schaffen. Nur eine kleine Anpassung ist erforderlich, um BERT auf spezifische Aufgaben anzuwenden.
- Transformer-Mechanismus: Dank der “Self-Attention” kann BERT die Beziehungen zwischen Wörtern unabhängig von ihrer Position im Satz erfassen. Dies ermöglicht ein besseres Verständnis auch in langen Texten.
Einsatzbereiche von BERT
- Google-Suche: Google verwendet BERT, um die Suchanfragen der Nutzer besser zu verstehen und relevantere Ergebnisse zu liefern.
- Frage-Antwort-Systeme: BERT kann verwendet werden, um Antworten auf natürliche Fragen zu generieren, indem es die Semantik der Fragen und Antworten besser versteht.
- Textklassifikation: Aufgaben wie Sentiment-Analyse, Spam-Erkennung oder Themenklassifizierung können mit BERT sehr präzise gelöst werden.
MUM – die perfekte Versärkung für BERT
Inzwischen wird BERT auch für das Verstehen visueller Inhalte genutzt. Zusammen mit MUM ermöglicht es Google, Bild- und Videoinhalte auf einer tieferen Ebene zu verstehen. Wer eine Frage stellt, kann also in den SERPs Antworten aus Texten, Bildern und Videos gemischt sehen – immer abgestimmt darauf, was am besten zur Suchabsicht passt.
Bei MUM handelt es sich um ein KI-Modell, das komplexe Fragen versteht und in über 75 Sprachen Antworten generieren kann. MUM kann komplexe Fragen nicht nur mit Fakten, sondern auch mit einer Einschätzung aus verschiedenen Perspektiven beantworten.
Beispielfrage: “Welche veganen Ernährungsoptionen sind für eine Person geeignet, die an Eisenmangel leidet und gleichzeitig auf Soja verzichten möchte?” MUM verarbeitet die Frage in all ihren Facetten und liefert eine kombinierte Antwort, die Tipps zur Ernährung, wissenschaftliche Empfehlungen und alternative Ansätze bietet.
Statt einfach eine Liste eisenreicher, veganer Lebensmittel anzuzeigen, berücksichtigt MUM unterschiedliche Aspekte der Frage und könnte folgende Infos liefern:
- Ernährungsempfehlungen: MUM könnte eisenreiche, pflanzliche Alternativen wie Linsen, Kichererbsen, Quinoa, Kürbiskerne und dunkelgrünes Blattgemüse (z. B. Spinat und Mangold) vorschlagen. Dabei könnte es auch auf Zubereitungsweisen hinweisen, die die Eisenaufnahme verbessern, wie z. B. das Kombinieren mit Vitamin-C-reichen Lebensmitteln (Paprika, Zitrusfrüchte).
- Verzicht auf Soja: Da viele eisenreiche vegane Lebensmittel, z. B. Tofu, auf Sojabasis sind, würde MUM diese Alternativen ausschließen und stattdessen eine Liste anderer Lebensmittel vorschlagen, die eisenreich sind und ohne Soja auskommen.
- Perspektive aus der Ernährungswissenschaft: MUM könnte auch einen Hinweis zu möglichen Nahrungsergänzungsmitteln einfügen, falls der Eisenbedarf über die Ernährung allein schwer zu decken ist. Hier könnte es jedoch auch Ratschläge basierend auf wissenschaftlichen Artikeln und Studien zur Supplementierung geben und auf Risiken sowie die optimale Dosierung hinweisen.
- Expertenmeinungen und persönliche Erfahrungen: MUM könnte darüber hinaus Artikel oder Erfahrungsberichte verlinken, die von Ernährungsexperten oder Veganern mit ähnlichen gesundheitlichen Anliegen geschrieben wurden. Das gibt der Antwort einen persönlichen Touch und zeigt, wie andere Menschen erfolgreich mit veganer Ernährung und Eisenmangel umgehen.