Chunking und SEO: die Praxis, die Such‑Experten spaltet

Das "Chunking", also das Zerlegen von Inhalten in kurze, für sich stehende Abschnitte, ist es eine ultimative Technik, um von KI übernommen zu werden, oder Zeitverschwendung? Die Frage entzweit die SEO-Community. Manche Experten halten diese Methode für ein bloßes Schlagwort ohne Mehrwert, andere betrachten sie als unverzichtbare Optimierung. Ein Blick in die Mitte einer Debatte, die SEO und GEO trennt.

Aus Sicht der Kritiker: „Chunking ist eine Fata Morgana“

Um Nikki Pilkington, der Begriff ist vor allem recycelter Marketing-Jargon:

« Was die GEO-Experten als Chunking bezeichnen, ist in Wirklichkeit das, was SEO-Fachleute seit 2009 empfehlen: klare Überschriften, eine Idee pro Abschnitt und konzentrierte Absätze. (...) Man kann nicht für Chunking optimieren, da es kein SEO-Hebel ist, sondern ein technischer Begriff aus dem KI-Bereich. »

Despina Gavoyannis geht in dieselbe Richtung und hebt die unmögliche Beherrschung dieses Prozesses hervor:

« Die Technik der ‚Chunk-Optimierung‘ ist eine Sackgasse. Sie können nicht kontrollieren, wie Google, ChatGPT oder Perplexity Ihre Inhalte aufteilen. Jedes Modell wendet eigene Strategien an, basierend auf technischen Erwägungen (Kosten, Kontext, Modellgröße). »

Dan Petrovic, die den Quellcode von Chrome zerlegt hat, erinnert daran, dass Chunking vor allem ein Ingenieursentscheidung in die Systeme selbst integriert ist:

« Der DocumentChunker-Algorithmus von Chrome teilt jede Webseite in semantische Abschnitte von etwa 200 Wörtern. Diese Aufteilung erfolgt vollautomatisch, basiert auf der HTML-Struktur und ist darauf ausgelegt, vom Browser und nicht vom Autor optimiert zu werden. »

Mit anderen Worten, wenn man diesen Experten glaubt, würde der Versuch, das Chunking auf Inhaltsseite zu „optimieren“, letztlich bedeuten einer Variable hinterherzulaufen, die den Erstellern völlig entgeht.

Aus Sicht der Befürworter: „Chunking ist eine unverzichtbare Praxis“

Im Gegenteil sagen andere Experten wie Philippe Yonnet oder Aishwarya Srinivasan halten, dass Chunking nicht nur ein Modewort ist, sondern einen Eckpfeiler des Webschreibens im KI-Zeitalter darstellt.

Philippe Yonnet erklärt :

« Chunking bedeutet, Abschnitte von 150 bis 300 Wörtern zu produzieren, die auch isoliert zu 100 % verständlich sind. (...) Diese Methode ist an die Begrenzungen der Transformer angepasst, die Texte in aufeinanderfolgenden Fenstern von einigen Hundert Tokens analysieren. Kohärente Chunks maximieren die Wahrscheinlichkeit, von RAG-Systemen wie Perplexity oder Bing Copilot übernommen zu werden. »

Ihrerseits, Aishwarya Srinivasan betont die greifbaren Vorteile in einer RAG-Pipeline (Retrieval Augmented Generation) :

„ Schlechte Aufteilung = irrelevante Ergebnisse. Intelligente Aufteilung = bessere Verankerung, höhere Präzision, schnellere Antwort. (...) Die Art und Weise, wie Sie Ihre Dokumente aufteilen, beeinflusst direkt die Qualität der generierten Antworten. »

Sie hebt fortgeschrittene Techniken hervor :

• Overlap-Chunking : den Kontext zwischen zwei Passagen bewahren.
• Semantikbasiertes Chunking : nach Bedeutungswechseln schneiden und nicht nach festen Längen.
• Modalitätsbewusstes Chunking : den Zuschnitt an Dokumente anpassen, die Text, Tabellen oder Bilder mischen.

Ihre Botschaft ist klar : Besser chunken heißt besser antworten.

Realer Einfluss: klassisches SEO, RAG und Sichtbarkeit in der KI

Erfahrungsberichte und einige aktuelle Studien zeigen, dass Chunking, wenn es richtig angewendet wird, nicht nur ein Spielzeug für KI ist. Mehrere Benchmarks und empirische Analysen zeigen greifbare Ergebnisse hinsichtlich Sichtbarkeit und Relevanz in Suchmaschinen, sowohl für menschliche Nutzer als auch für KI-Algorithmen.

• Princeton-Studie (2024)  : eine angepasste Strukturierung des Inhalts (eigenständige Abschnitte, »Chunk«-Format) kann die Sichtbarkeit in RAG-Systemen und erweiterten SERPs von 27 % auf 41 % erhöhen. Auch wenn die Methodik Verzerrungen aufweist, wurden diese Ergebnisse teilweise von anderen Fachleuten, etwa Marie Haynes, repliziert, die eine Verbesserung der Sichtbarkeit um 15 % durch diesen Ansatz feststellt.
• Rückmeldungen aus der SEO-Praxis  : wenn man Texte »wie fürs Chunking« strukturiert (eine Idee pro Abschnitt, kurze Absätze, klare Überschriften), beobachtet man nicht nur eine bessere Erfassung durch LLM-basierte Suchmaschinen (Google, Bing, Perplexity …), sondern auch positive Effekte auf klassisches SEO: höhere Leserraten, besser hervorgehobene Abschnitte in den Ergebnissen und verbesserte Indexierung gezielter Antworten.
• Menschliches Verständnis  : einer der großen Vorteile dieser Best Practices liegt auch in der Lesbarkeit. Ein gechunkter Text ist besser scannbar, erleichtert schnellen Zugriff auf Informationen und macht Inhalte zugänglicher – sowohl für die breite Öffentlichkeit als auch für Fachleute oder Informationssuchende.

Zusammenfassend scheint Chunking, auch wenn es keine magische Platzierung in KI-Systemen garantiert, echte messbare Vorteile in Bezug auf Sichtbarkeit, Verständnis und SEO-Effizienz zu bringen: es wirkt wie ein Beschleuniger sowohl für die künstliche als auch für die menschliche Intelligenz.

Eine aufschlussreiche Debatte über zwei radikal unterschiedliche Sichtweisen

Letztlich ist Chunking weniger ein „Wundermittel“ als vielmehr ein Hinweis auf zwei Herangehensweisen:

• Für die Skeptiker (Pilkington, Gavoyannis, Petrovic) ist Chunking kein Hebel: Entscheidend ist, Atomarer Inhalt, klare und eigenständige Bedeutungseinheiten, bereits seit langem Kern guter SEO-Praktiken.
• Für die Befürworter (Yonnet, Srinivasan) ist Chunking ein Antwort, die auf die technischen Anforderungen von Transformers und RAG abgestimmt ist. : Inhalte in knappen, eigenständigen Abschnitten zu schreiben erhöht die Wahrscheinlichkeit, dass Ihre Inhalte von KI ausgewählt und verstanden werden.

Und Sie? Wie ist Ihre Sicht auf diese Technik?

Der Artikel „Chunking und SEO: die Praxis, die Such‑Experten spaltet“ wurde auf der Seite veröffentlicht Abondance.