Was ist Keyword-Clustering?

Keyword-Clustering ist das Gruppieren einer großen Keyword-Liste in Mengen von Begriffen mit derselben Suchintention — sodass aus jeder Gruppe eine Seite wird statt vieler dünner Seiten, die sich gegenseitig Konkurrenz machen. Es ist der Schritt zwischen Keyword-Recherche und dem tatsächlichen Schreiben.

Das Problem, das es löst

Keyword-Recherche liefert dir eine Tabelle. Eine kleine Website exportiert vielleicht 400 Zeilen, eine ernsthafte 40.000. Nichts in dieser Tabelle beantwortet die Frage, um die es eigentlich geht: Wie viele Seiten soll ich schreiben, und worum geht es in jeder einzelnen?

Die naheliegende Antwort — eine Seite pro Keyword — ist genau der Punkt, an dem die meisten Websites scheitern. Wenn du getrennte Seiten für „Keywords clustern“, „Keyword-Clustering Anleitung“ und „wie gruppiere ich Keywords für SEO“ veröffentlichst, hast du drei Artikel geschrieben, die eine Suchmaschine als ein einziges Thema sieht. Sie konkurrieren um dasselbe Ergebnis, deine interne Verlinkung verteilt sich auf drei Ziele, und jede Seite ist dünner als die eine starke Seite, die du stattdessen hättest schreiben können. Dieses Problem hat einen Namen: Keyword-Kannibalisierung.

Clustering repariert die Grundlage dieser Entscheidung. Gruppiere die Keywords zuerst, und die Anzahl der Seiten ergibt sich aus den Daten statt aus dem Bauchgefühl.

Keyword-Gruppierung und Clustering: dasselbe?

Die beiden Begriffe werden meist synonym verwendet, und darüber zu streiten lohnt sich nicht. Ein Unterschied ist trotzdem hilfreich:

• Gruppieren heißt üblicherweise: nach einem gemeinsamen Wortbestandteil sortieren — alles mit „Preis“, alles mit „vs“. Schnell, und zum Filtern nützlich.
• Clustern heißt üblicherweise: nach Verwandtschaft gruppieren — nach Bedeutung oder danach, wie stark sich die echten Suchergebnisse überschneiden.

Das Zweite ergibt einen Content-Plan. Das Erste ergibt vor allem ordentlichere Tabellen.

Methoden des Keyword-Clusterings

Drei Methoden sind gebräuchlich: nach gemeinsamen Wörtern, über die Überschneidung der Suchergebnisse und nach Bedeutung. Zur ersten greifen die meisten zuerst, und sie bricht als Erste ein. Drei Keywords von einer Kaffee-Website:

„cold brew verhältnis“ · „cold brew selber machen“ · „eiskaffee rezept“

Ein Wortabgleich packt die ersten beiden zusammen, weil sie „cold brew“ teilen. Das dritte landet irgendwo anders — es teilt mit keinem der beiden ein Wort. Wer aber nach allen dreien sucht, will im Grunde denselben Artikel, und die Suchergebnisse dazu überschneiden sich stark.

Das ist die zentrale Schwäche. Sprache hat Synonyme, Abkürzungen und völlig unterschiedliche Formulierungen für dieselbe Absicht. „günstige flüge berlin“ und „billige tickets nach berlin“ teilen ein Wort. „SERP“ und „Suchergebnisseite“ teilen keines.

Diese erste Methode hat einen Namen — lexikalische Gruppierung — und einen natürlichen Ort, nämlich eine Tabelle. Für ein paar hundert Begriffe, die du kennst, ist sie eine völlig brauchbare Methode zum Gruppieren von Keywords, und die Formeln dafür stehen hier. Darüber hinaus lösen zwei Ansätze das Problem sauber:

Clustering über SERP-Überschneidung

Jedes Keyword wird gesucht, und Keywords mit stark überlappenden Top-Ergebnissen kommen in eine Gruppe. Das ist der direkteste verfügbare Beleg, denn es ist Googles eigene Einschätzung darüber, welche Suchanfragen dasselbe meinen. Der Haken sind die Kosten: Es braucht ein Live-Suchergebnis pro Keyword — deshalb sind Tools, die das gut machen, teuer.

Semantisches Clustering mit Embeddings

Jedes Keyword wird in einen Vektor umgewandelt — eine Zahlenreihe, die es in einem Raum positioniert, in dem Abstand für Bedeutungsunterschied steht — und Begriffe, die nah beieinander liegen, bilden eine Gruppe. Ein Modell, das mit sehr viel Text trainiert wurde, lernt von selbst, dass „SERP“ und „Suchergebnisseite“ zusammengehören.

Genau das macht Graph My Keywords, mit einem kompakten Sentence-Embedding-Modell, das direkt in deinem Browser läuft. Es kostet nichts, braucht keine API-Schlüssel und lädt deine Keyword-Liste nie hoch. Es sieht keine Live-Suchergebnisse und kann deshalb gelegentlich zwei Dinge zusammenlegen, die Google getrennt behandelt — das Ergebnis ist ein Entwurf, den du prüfst, kein Orakel.

Die Vorteile von Keyword-Clustering

Vier, in der Reihenfolge, in der sie dir auffallen:

• Du erfährst, wie viele Seiten du schreiben musst. Ein Export mit 3.000 Zeilen sind keine 3.000 Artikel, und meistens auch keine 300. Clustering macht aus einer unlesbaren Liste eine zählbare.
• Du machst dir selbst keine Konkurrenz mehr. Seiten, die aus Clustern entstehen, können sich nicht kannibalisieren, weil per Konstruktion keine zwei dieselbe Intention bedienen.
• Die Prioritäten verschieben sich. Das aufsummierte Cluster-Volumen hebt regelmäßig ein Thema aus dreißig kleinen Keywords über einen offensichtlichen Hauptbegriff — und das kleinteilige Thema ist deutlich leichter zu ranken.
• Die Briefings schreiben sich von selbst. Die Keywords in einem Cluster sind die Gliederung der Seite. Einem Autor ein Cluster zu geben ist ein besseres Briefing als ein einzelnes Keyword.

Von Clustern zu Seiten

Ein Cluster ist noch kein Plan. Drei Dinge machen einen daraus:

1. Ein Seitentitel. Nimm das repräsentativste Keyword der Gruppe, nicht das mit dem höchsten Suchvolumen — das sind oft zwei verschiedene, und das repräsentative beschreibt den Artikel besser.
2. Die Suchintention. Ein Cluster aus „bestes X“, „X vs. Y“, „X Alternativen“ ist kommerziell: Die Leserin wählt aus. Ein Cluster aus „was ist X“, „wie funktioniert X“ ist informationell: Die Leserin lernt. Dasselbe Thema braucht je nachdem einen völlig anderen Artikel.
3. Das Gesamtsuchvolumen. Summiere das Volumen über das ganze Cluster, nicht nur über den Hauptbegriff. Ein Thema aus dreißig kleinen Keywords schlägt regelmäßig einen einzelnen offensichtlichen Hauptbegriff — und ist deutlich leichter zu ranken.

Der letzte Punkt wird am häufigsten übersehen. Clustering sagt dir nicht nur, was du schreiben sollst — es verändert, welche Themen überhaupt lohnenswert aussehen.

Ein Beispiel für Keyword-Clustering

Das nützlichste Beispiel, das wir haben, ist unser eigenes. Wir haben den Search-Console-Export dieser Seite durch das Tool dieser Seite geschickt, und ein Cluster kam mit diesen Begriffen zurück:

keyword clustering · keyword grouping · what is keyword clustering · how to do keyword clustering · keyword clustering methods · benefits of keyword clustering · keyword clustering examples · keyword grouper excel · keyword grouping excel · free keyword grouper · keyword grouper software · group keywords · cluster keyword · pre-clustered keywords

Semantisch ist das ein enges Cluster, und die Gruppierung stimmt: Jeder Begriff dreht sich um dasselbe Thema. Liest man es aber nach Intention, sind es offensichtlich zwei Stapel.

Als eine Seite geschrieben würde sie beide halb bedienen und keine gewinnen. Das ist das mit Abstand Häufigste, was sich in einem Cluster versteckt, und kein Tool nimmt dir das ab — die Trennung ist ein Urteil über Menschen, nicht über Wörter.

Wie groß sollte ein Cluster sein?

Es gibt keine richtige Zahl, aber zwei Fehlerbilder.

Zu grob heißt: ein riesiges Cluster mit wirklich unterschiedlichen Intentionen darin — genau der Fall oben, wo ein korrektes Cluster aus gut zwanzig Begriffen in Wahrheit zwei Seiten unter einem Etikett war.

Zu fein heißt: vierzig Cluster mit je zwei Keywords, also deine ursprüngliche Tabelle mit Zusatzaufwand.

Eine brauchbare Faustregel: Alles über etwa fünfzehn Keywords verdient einen manuellen Blick, ob sich dort zwei Intentionen verstecken. Alles unter drei ist meist Rauschen, das in ein Nachbarcluster gehört.

Häufige Fehler

• Cluster als endgültig behandeln. Sie sind ein erster Entwurf einer Maschine, die deinen Markt nie gesehen hat. Prüfe sie.
• Die Intention innerhalb eines Clusters ignorieren. Eine Gruppe, die zu 60 % informationell und zu 40 % kommerziell ist, sind zwei Seiten — egal wie eng sie clustert.
• Nur nach dem Volumen des Hauptbegriffs sortieren. Die Cluster-Summe ist die Zahl, auf die es ankommt.
• Eine unsaubere Liste clustern. Markenbegriffe, Dubletten und Tippfehler verzerren die Gruppen. Vorher entfernen.
• Jedes Cluster schreiben. Die meisten Keyword-Listen enthalten Themen, bei denen du nichts zu suchen hast. Clustering zeigt, was existiert — nicht, was du angehen solltest.

Häufige Fragen

Wie viele Keywords sollte eine Seite abdecken?

So viele, wie dieselbe Intention teilen. Eine gut geschriebene Seite rankt regelmäßig für Dutzende Varianten derselben Frage, und sie auf mehrere Seiten aufzuteilen schadet aktiv. Die Grenze ist die Intention, nicht die Anzahl.

Brauche ich ein kostenpflichtiges Tool?

Nein. Bezahltools kaufen dir vor allem SERP-Überschneidungsdaten und Skalierung. Für eine Liste von einigen tausend Keywords liefert semantisches Clustering im Browser kostenlos einen brauchbaren Plan — dieses hier tut genau das.

Kann ich Keywords in Excel oder Google Sheets clustern?

Ja, und für ein paar hundert Keywords ist es sogar das richtige Werkzeug — hier stehen die Formeln, inklusive des Abgleichs gegen eine Gruppenliste, nach dem die meisten suchen. Was eine Tabelle nicht kann: erkennen, dass zwei Formulierungen ohne ein gemeinsames Wort dasselbe bedeuten — und dort liegt der größte Teil des Nutzens.

Wie oft sollte ich das wiederholen?

Wenn sich deine Keyword-Daten wesentlich ändern — ein neuer Search-Console-Export nach ein paar Monaten oder der Einstieg in ein neues Themenfeld. Die Cluster selbst sind stabil; was sich bewegt, ist deine Abdeckung.

Weiterlesen