Keyword-Clustering: So bündelst du Keywords, damit eine Seite für viele rankt

SERP-basiertes vs semantisches Clustering: die zwei Methoden

Es gibt zwei Wege zu entscheiden, ob Keywords zusammengehören, und sie beantworten unterschiedliche Fragen.

Semantisches Clustering gruppiert Keywords nach Bedeutung, meist mit natürlicher Sprachverarbeitung, die vergleicht, wie verwandt die Wörter sind. Es ist schnell, funktioniert offline auf riesigen Listen und ist ideal zum Entdecken: 5.000 rohe Keywords in eine Handvoll breiter Themen-Buckets zu verwandeln.

Seine Schwäche ist die Intentions-Blindheit. Ein semantisches Modell kann „Kaffee rösten“ mit „gerösteten Kaffee kaufen“ gruppieren, weil sie sich ähnlich lesen, obwohl das eine ein Ratgeber und das andere ein Kauf ist.

SERP-basiertes Clustering gruppiert Keywords danach, was Google tatsächlich zurückgibt. Du ziehst die Top-Ergebnisse für jedes Keyword und gruppierst die, deren Ergebnismengen sich überschneiden.

Eine übliche Schwelle sind etwa 3 bis 4 gemeinsame URLs in den Top 10 (rund 40 % Überschneidung), bevor zwei Keywords als ein Cluster zählen.

SERP-basiertes Clustering ist für das Seiten-Mapping vertrauenswürdiger, weil es Fälle erkennt, die die Bedeutung allein übersehen würde.

Welches nutzen?

Beide. Nutze semantisches Clustering, um schnell die breite Themenkarte zu entwerfen, und prüfe dann jede Gruppe gegen die Live-SERP, bevor du dich festlegst. Alle Keywords, deren Ergebnisse auseinandergehen, werden abgespalten.

Keywords manuell clustern: ein durchgespieltes Beispiel

Der ganze Prozess umfasst fünf Schritte. Angenommen, du arbeitest an einer Website für Laufschuhe.

1. ›Sammle eine breite Liste. Ziehe Keywords aus deinen Recherche-Tools, aus Lücken der Konkurrenz und aus den Suchanfragen, für die du bereits rankst. Filtere noch nicht zu stark; die Gruppierung übernimmt das Sortieren.

Angenommen, du startest mit: Laufschuhe reinigen · Laufschuhe waschen · kann man Laufschuhe in die Waschmaschine geben · Laufschuhe trocknen · beste Laufschuhe für Plattfüße · Laufschuhe für Überpronation · wie oft Laufschuhe wechseln · wann Laufschuhe wechseln.

2. ›

   Kennzeichne die Intention jedes Keywords. Markiere jedes Keyword als informativ, kommerziell oder transaktional. Beste Laufschuhe für Plattfüße ist kommerziell (jemand vergleicht Produkte); Laufschuhe reinigen ist informativ (jemand, der die Schuhe bereits besitzt).

3. ›

   Gruppiere zuerst nach Bedeutung. Grobe Buckets tauchen schnell auf: eine Reinigungsgruppe, eine Wechselgruppe und eine Passform-/Pronationsgruppe.

4. ›

   Prüfe gegen die SERP. Suche zwei Keywords aus derselben Entwurfsgruppe und vergleiche die Top 10. Wenn Laufschuhe reinigen und Laufschuhe waschen überwiegend dieselben Seiten zurückgeben, bleiben sie zusammen. Prüfe den Grenzfall: Laufschuhe trocknen teilt diese Ergebnisse oft ebenfalls, also schließt es sich dem Reinigungs-Cluster an, statt eine eigene Seite zu werden.

5. ›

   Trenne dort, wo die SERP widerspricht. Beste Laufschuhe für Plattfüße und Laufschuhe für Überpronation fühlen sich verwandt an, aber wenn ihre Ergebnisse Produktlisten mit wenig Überschneidung sind, halte sie getrennt (oder mach eine davon zu einem Pillar mit unterstützenden Seiten). Das ist der Schritt, der später Kannibalisierung verhindert.

Du endest mit etwa Folgendem:

• ›Cluster A (informativ): Laufschuhe reinigen · Laufschuhe waschen · kann man Laufschuhe in die Waschmaschine geben · Laufschuhe trocknen → ein Ratgeber
• ›Cluster B (informativ): wie oft Laufschuhe wechseln · wann Laufschuhe wechseln → ein Ratgeber
• ›Cluster C (kommerziell): beste Laufschuhe für Plattfüße · Laufschuhe für Überpronation → SERP-Überschneidung prüfen, dann eine oder zwei Vergleichsseiten

Acht Keywords fallen zu drei oder vier Seiten zusammen, jede mit einem klaren Haupt-Keyword und einem Satz unterstützender Begriffe.

Keywords mit Tools clustern (und im großen Maßstab)

Tools automatisieren die zwei schweren Schritte: die Top-Ergebnisse für jedes Keyword abrufen und die Überschneidung berechnen.

Im großen Maßstab ist der effiziente Workflow der hybride: semantisches Vor-Clustering, um eine Liste von zehntausenden auf ein paar hundert Buckets zu schrumpfen, und dann SERP-Prüfung nur am repräsentativen Kopf-Keyword jedes Buckets.

Du kannst auch ChatGPT (oder Claude) für den semantischen Durchgang nutzen. Reiche ihm deine Keyword-Liste und bitte darum, nach gemeinsamer Intention zu gruppieren und das Haupt-Keyword jedes Clusters zu kennzeichnen. Behandle diese Ausgabe als Entwurf einer Themenkarte, nicht als endgültige: ein LLM gruppiert nach Bedeutung, also prüfst du die Grenzfälle weiterhin gegen die echte SERP, bevor du veröffentlichst.

Wo sich Clustering langfristig auszahlt, ist wenn deine Cluster neben deinen Performance-Daten leben statt in einer Wegwerf-Tabelle.

Google Search Console hat keine Möglichkeit, Suchanfragen nach Thema zu gruppieren; sie bietet Regex- und Enthält-Filter, aber keine gespeicherte Taxonomie, also exportieren und taggen die meisten Teams jede Woche von Hand. Der Rank Tracker von SEOcrawl AI ergänzt diese fehlende Ebene: du taggst Keywords und ordnest sie in eigene Cluster über deinen echten Search-Console-Klicks und -Impressionen ein, und eine Top-Tags-Ansicht zeigt die aggregierte Performance pro Cluster, sodass du siehst, welche Themen zulegen oder nachlassen.

Weil die Daten aus deiner eigenen GSC kommen und nicht aus einem gescrapten Panel, gibt es keine Keyword-Limits.

Cluster auf Inhalte abbilden: Pillar- und unterstützende Seiten

Eine Cluster-Karte dient zugleich als Content-Plan. Jedes Cluster wird zu einem Briefing: ein Haupt-Keyword (meist der Begriff mit dem höchsten Volumen der Gruppe), die unterstützenden Keywords, die es ebenfalls abdecken soll, und die anvisierte Suchintention.

Bei breiten Themen teile die Arbeit in eine Pillar-Seite und unterstützende Seiten auf. Der Pillar zielt auf den Kopf-Begriff und verlinkt zu fokussierten Artikeln, die jeweils ein Sub-Cluster besitzen; die unterstützenden Seiten verlinken zurück.

Im Laufschuh-Beispiel könnte ein Pillar Laufschuhpflege zur Reinigungs- und zur Wechsel-Anleitung verlinken, das Cluster zusammenbinden und die thematische Autorität stärken.

Zwei Regeln halten das sauber: nutze das Haupt-Keyword im Titel und eine Seite pro Cluster, und platziere unterstützende Keywords als Zwischenüberschriften und natürliche Varianten innerhalb dieser Seite, statt für jedes eine neue URL hochzuziehen.

Häufige Fehler beim Keyword-Clustering

• ›Keywords mit unterschiedlichen Intentionen auf eine Seite zu stopfen, um mehr abzudecken, ergibt einen aufgeblähten Artikel, der für keines gut rankt. Wenn die SERPs widersprechen, teile.
• ›Nahezu identische Suchanfragen auf getrennten Seiten zu behalten, so beginnt Kannibalisierung.
• ›Nur nach Wörtern zu gruppieren statt danach, was der Suchende will, mischt Käufer und Rechercheure auf derselben Seite.
• ›Der semantischen Ausgabe ohne SERP-Prüfung zu vertrauen: ähnliche Bedeutung, andere Ergebnisse. Prüfe, bevor du baust.
• ›Einmal zu clustern und es zu vergessen. SERPs verschieben sich. Prüfe Cluster regelmäßig, besonders nach großen Google-Updates.

Bring es zusammen

Clustering kann den Unterschied zwischen einem Stapel dünner Seiten und einer Handvoll autoritativer ausmachen. Gruppiere nach Intention, nutze semantisches Clustering zum Entwerfen und SERP-Überschneidung zum Prüfen, und ordne jedes Cluster einer einzigen Seite zu (oder einem Pillar plus unterstützenden Seiten).

Willst du deine Cluster an echte Performance-Daten statt an eine Tabelle knüpfen? Gruppiere und tagge deine Search-Console-Keywords in SEOcrawl AI und verfolge Klicks, Impressionen und Position jedes Clusters im Zeitverlauf.

FAQs

Was ist Keyword-Clustering?

Keyword-Clustering bedeutet, Keywords mit derselben Suchintention zu bündeln und die ganze Gruppe mit einer Seite abzudecken, statt für jedes Keyword eine eigene Seite zu bauen.

Ein gut gebautes Cluster hat ein Haupt-Keyword und mehrere unterstützende Begriffe, die alle auf dasselbe Informationsbedürfnis zeigen. Der Nutzen ist stärkere thematische Autorität und weniger Seiten, die miteinander konkurrieren, sodass eine Seite für Dutzende verwandte Suchanfragen ranken kann statt nur für eine.

Was ist der Unterschied zwischen SERP-basiertem und semantischem Clustering?

Semantisches Clustering gruppiert Keywords nach Bedeutung mithilfe von Sprachanalyse. SERP-basiertes Clustering gruppiert sie danach, wie stark sich ihre tatsächlichen Google-Ergebnisse überschneiden. SERP-basiert ist verlässlicher für die Entscheidung, was auf eine Seite gehört, weil es das echte Verhalten von Google widerspiegelt.

Kann ich ChatGPT zum Clustern von Keywords nutzen?

Ja, für den semantischen Durchgang. Gib ChatGPT oder Claude deine Keyword-Liste und bitte darum, die Begriffe nach gemeinsamer Intention zu gruppieren und das Haupt-Keyword jedes Clusters zu benennen. Es geht schnell und erkennt bedeutungsbasierte Beziehungen gut, was einen soliden ersten Entwurf ergibt.

Denk daran, dass LLMs nach Bedeutung gruppieren, nicht nach Live-Suchergebnissen, also prüfe die Grenzfälle gegen die echte SERP.

Wie viele Keywords sollte ein Cluster haben?

Ein Cluster kann zwei Keywords oder zwanzig umfassen, solange sie eine Intention teilen und von einer einzigen Seite gut beantwortet werden können.

Ist eine Gruppe so groß, dass die Seite mehrere verschiedene Intentionen abdecken müsste, teile sie. Würden zwei Cluster nahezu identische Seiten ergeben, führe sie zusammen. Lass die SERP-Überschneidung und die Intention die Grenzen bestimmen, nicht eine Zielzahl.

Kann ich die Keywords clustern, für die ich in der Search Console bereits ranke?

Das ist einer der besten Ausgangspunkte, denn das sind Suchanfragen mit nachgewiesenen Impressionen. Die Search Console selbst hat keine thematische Gruppierung (nur Regex- und Enthält-Filter), also exportierst du normalerweise und taggst von Hand. SEOcrawl AI lässt dich deine echten GSC-Keywords direkt taggen und clustern, manuell oder mit Auto-Tag-Regeln, und sogar aus Claude oder ChatGPT über sein MCP.