Embedding-Cluster-Analyse mit KI für Themen

Wenn Sie 80 Blog-Artikel haben, aber nicht wissen, welche davon sich gegenseitig Konkurrenz machen, hilft Bauchgefühl nicht weiter. Eine Embedding-Cluster-Analyse zeigt Ihnen in wenigen Minuten, welche Texte thematisch zu nah beieinander liegen und wo komplette Themen fehlen.

Dieser Artikel erklärt, was Embeddings sind, wie Sie damit Content-Cluster und Themenlücken sichtbar machen und welche Tools Sie dafür brauchen - ganz ohne Data-Science-Studium.

Was Embeddings einfach erklärt sind

Ein Embedding ist eine Liste von Zahlen, die die Bedeutung eines Textes beschreibt. Ein KI-Modell liest Ihren Artikel und übersetzt ihn in einen Vektor mit oft 768 bis 1536 Dimensionen. Klingt kompliziert, ist aber im Kern simpel: Texte mit ähnlicher Bedeutung bekommen ähnliche Zahlen.

Der entscheidende Punkt: Embeddings verstehen Bedeutung, nicht nur Worte. "Auto reparieren" und "KFZ-Werkstatt" teilen kein einziges Wort, landen im Vektorraum aber dicht beieinander, weil sie dasselbe meinen. Genau das macht Embeddings so wertvoll für die thematische Analyse von Inhalten.

Für SEO heißt das: Sie können messen, wie ähnlich sich zwei Seiten wirklich sind - aus Sicht einer Maschine, die auch Google und ChatGPT ähnlich einsetzen. Wie KI grundsätzlich in die Content-Erstellung passt, zeigen wir im Artikel zu KI-gestütztem Content.

Wie Sie damit Content-Cluster und Themenlücken finden

Stellen Sie sich Ihre gesamte Website als Punktwolke vor. Jeder Artikel ist ein Punkt im Raum. Artikel, die thematisch zusammengehören, bilden Gruppen - sogenannte Cluster.

Aus dieser Content-Cluster-Karte lesen Sie drei Dinge ab:

• Dichte Cluster. Viele Punkte sehr eng beieinander bedeuten: Sie behandeln ein Thema mehrfach. Das ist ein Warnsignal für Kannibalisierung.
• Leere Bereiche. Lücken zwischen den Clustern zeigen Themen, die zu Ihrem Profil passen würden, die Sie aber noch nicht abdecken.
• Einzelgänger. Isolierte Punkte sind Artikel ohne thematischen Anschluss. Sie bekommen selten interne Links und ranken oft schwach.

Eine typische Praxis-Beobachtung: In gewachsenen Blogs liegt regelmäßig ein Teil der Artikel so dicht beieinander, dass sie um dieselben Suchbegriffe konkurrieren. Diese Themenlücken und Überschneidungen finden Sie ohne Embeddings kaum, weil die Überschriften oft unterschiedlich klingen.

Der Workflow Schritt für Schritt

Der Ablauf ist immer gleich, egal ob Sie 20 oder 2000 Seiten haben.

1. Texte sammeln. Ziehen Sie URL, Titel und Haupttext jeder Seite in eine Tabelle. Bei kleinen Sites genügt Copy-Paste, bei größeren ein Crawler, der alle Seiten automatisch ausliest.
2. Vektorisieren. Schicken Sie jeden Text an ein Embedding-Modell. Sie bekommen pro Text einen langen Vektor zurück, der dessen Bedeutung als Zahlenfolge speichert.
3. Ähnlichkeit berechnen. Die Kosinus-Ähnlichkeit zwischen zwei Vektoren ergibt einen Wert zwischen 0 und 1. Werte über 0,85 deuten auf inhaltliche Überschneidung hin und gehören genauer geprüft.
4. Clustern. Ein Algorithmus wie K-Means oder HDBSCAN gruppiert die Vektoren automatisch in Themenbereiche, ohne dass Sie die Gruppen vorgeben müssen.
5. Visualisieren. Mit UMAP oder t-SNE bringen Sie die vielen Dimensionen auf eine 2D-Karte, die Sie als Streudiagramm lesen können.

Praktische Tools und Ansätze ohne Data-Science-Studium

Sie müssen keinen einzigen Algorithmus selbst programmieren. Diese Wege funktionieren in der Praxis:

• Embedding-APIs. Die OpenAI-API liefert mit text-embedding-3-small Vektoren für rund 0,02 US-Dollar pro eine Million Token (OpenAI-Preisliste). 500 Artikel kosten oft unter einem Euro.
• Google Colab. Ein kostenloses Notebook im Browser. Sie kopieren ein fertiges Skript hinein, tragen Ihren API-Key ein und drücken auf Start.
• Tabellen plus KI-Assistent. Lassen Sie sich von einem KI-Assistenten ein Python-Skript schreiben. Gut formulierte Anweisungen sparen viel Zeit - die Grundlagen dazu finden Sie in unserem Artikel zu Prompt-Techniken für SEO.
• Fertige SEO-Tools. Einige Anbieter bauen Embedding-Analysen mittlerweile direkt ein, etwa für interne Verlinkung oder Content-Audits.

Wichtig ist nur Konsistenz: Nutzen Sie für alle Texte dasselbe Modell, sonst sind die Vektoren nicht vergleichbar.

Anwendung: Kannibalisierung und Pillar-Struktur erkennen

Hier wird die Analyse konkret. Zwei Anwendungsfälle bringen den größten Hebel.

Kannibalisierung auflösen. Wenn zwei Seiten eine Ähnlichkeit über 0,9 haben, verteilen sie ihre Ranking-Signale auf zwei statt eine URL. Die Lösung ist meist eine Zusammenlegung: Sie führen beide Artikel zu einem starken Beitrag zusammen und leiten die schwächere URL per 301-Weiterleitung um. In der Praxis steigen zusammengelegte Seiten oft mehrere Positionen, weil sich Backlinks und Relevanz bündeln.

Pillar-Struktur planen. Die Cluster aus der Analyse sind faktisch Ihre Themenbereiche. Das größte, zentralste Thema wird zur Pillar-Page, die kleineren Artikel rundherum zu Cluster-Inhalten, die darauf verlinken. Wie diese Architektur sauber aufgebaut wird, beschreiben wir ausführlich im Artikel zu Pillar-Pages und Themen-Clustern.

Ein dritter Nebeneffekt: Sie sehen sofort, welche Artikel keinem Cluster zuzuordnen sind. Diese Einzelgänger sind Kandidaten für eine bessere interne Verlinkung oder für eine Löschung, falls sie thematisch nicht zu Ihrer Marke passen.

Grenzen der Methode

Eine Embedding-Analyse ist ein Werkzeug, kein Orakel. Diese Grenzen sollten Sie kennen:

• Ähnlichkeit ist nicht gleich Kannibalisierung. Zwei Seiten können thematisch nah sein und trotzdem unterschiedliche Suchintentionen bedienen. Prüfen Sie verdächtige Paare immer manuell.
• Embeddings sehen kein Suchvolumen. Eine Themenlücke ist nur dann wertvoll, wenn auch Menschen danach suchen. Kombinieren Sie die Analyse mit einer echten Keyword-Recherche.
• Modell-Bias. Jedes Modell hat blinde Flecken. Bei sehr fachlichen Nischen liegen die Vektoren manchmal daneben.
• Aktualität. Die Analyse ist eine Momentaufnahme. Nach größeren Content-Änderungen sollten Sie die Vektoren neu berechnen.

Trotz dieser Einschränkungen ersetzt die Methode etwas, das sonst sehr teuer ist: das stundenlange manuelle Durchklicken großer Content-Bestände. Sie liefert in Minuten eine Landkarte, für die ein Mensch Tage bräuchte.

Fazit

Embeddings machen sichtbar, was in einem großen Content-Bestand sonst verborgen bleibt: doppelte Themen, fehlende Inhalte und die natürliche Struktur Ihrer Website. Der Einstieg kostet weniger als einen Euro an API-Gebühren und einen Nachmittag Zeit.

Wer regelmäßig publiziert, sollte die Analyse ein- bis zweimal pro Jahr wiederholen. So bleibt die Themen-Architektur sauber - und Ihre Seiten arbeiten füreinander statt gegeneinander.