Information Gain (Informationsgewinn)

Der Begriff stammt aus der Informationstheorie, wo er beschreibt, wie stark eine neue Angabe die Ungewissheit verringert. Auf Webdokumente übertragen ist die Idee leicht auszusprechen: Wer bereits drei Seiten zu einem Thema gelesen hat, gewinnt durch die vierte nur dann etwas, wenn darin Material steht, das die vorherigen nicht hatten.

Entscheidend ist der Bezugspunkt. Information Gain beschreibt keine absolute Originalität, sondern einen Unterschied zu einer Menge bereits gesehener Dokumente. Ein Text kann sehr gut geschrieben sein und null neue Information liefern, wenn er wiederholt, was der Leser gerade an anderer Stelle gefunden hat. Derselbe Text hätte einen hohen Wert für jemanden, der ohne Vorwissen zum Thema kommt.

Im Sprachgebrauch der Branche steht der Begriff als Synonym für eigenen Beitrag: Daten, die sonst niemand veröffentlicht, ein Test der Person, die unterschreibt, ein Interview, eine Rechnung, die beim Wettbewerb nicht vorkommt. Diese Übersetzung arbeitet sich bequem, vereinfacht aber die technische Definition, die vom Leseverlauf jeder einzelnen Person abhängt und nicht von einem festen Vergleich zwischen Seiten.

Die Quelle ist eine Patentfamilie von Google LLC mit dem Titel «Contextual estimation of link information gain», Prioritätsdatum 18. Oktober 2018. Die erste Erteilung, US11354342B2, stammt von Juni 2022; eine spätere Fortführung, US12013887B2, wurde im Juni 2024 erteilt und ist weiterhin in Kraft. Der Text definiert die Punktzahl als jene, die «auf zusätzliche Information hinweist, die ein Dokument über die Information hinaus enthält, die in bereits vorgelegten Dokumenten enthalten ist».

Das beschriebene Verfahren besteht darin, semantische Repräsentationen der bereits gesehenen und der in Frage kommenden Dokumente in ein maschinelles Lernmodell zu geben, das eine Punktzahl zurückliefert. Das Patent verortet den Mechanismus vor allem bei dialogfähigen Assistenten, wo das System entscheidet, welches Dokument als Nächstes vorgelegt wird, und ergänzt, dass Suchergebnisse teilweise nach diesen Punktzahlen sortiert werden können.

Hier endet die Belegkette. Ein Patent belegt, dass jemand eine Idee angemeldet hat, nicht dass die Idee in einem Produkt arbeitet. Google meldet viele Verfahren an, die nie eingeführt werden, und veröffentlicht keine Liste der Verfahren, die tatsächlich laufen. In seiner öffentlichen Dokumentation für Publizierende verwendet das Unternehmen den Ausdruck «Information Gain» nie. Was dort steht, ist eine Frage zur Selbsteinschätzung: «Bietet der Inhalt originäre Informationen, Berichterstattung, Forschung oder Analysen?», daneben eine weitere, ob ein Text, der sich auf andere Quellen stützt, «es vermeidet, sie einfach zu kopieren oder umzuschreiben, und stattdessen erheblichen Mehrwert und Originalität bietet». Diese Sprache ähnelt der Idee des Patents, bestätigt aber weder eine Punktzahl noch ein System dieses Namens.

Auch wenn die Punktzahl unbestätigt bleibt, taugt das dahinterliegende Kriterium für die Entscheidung, was veröffentlicht wird. Die fünfzehnte Fassung derselben Liste herauszubringen kostet Budget und verschiebt eine Domain selten, weil der Leser diese Information schon vor dem Klick gefunden hat. Die brauchbare Frage lautet nicht, ob der Text gut geschrieben ist, sondern was darin steht, das die ersten zehn Positionen nicht haben.

Mit den generativen Systemen hat das Thema an Gewicht gewonnen. Ein Modell, das mehrere Quellen zusammenfasst, hat Gründe, jene zu zitieren, die eine bei den anderen fehlende Angabe liefert, denn sie rechtfertigt einen zusätzlichen Verweis. Ein Text, der den Konsens wiederholt, geht in der Zusammenfassung auf, ohne dass ein Link nötig wäre.

Es gibt auch eine wirtschaftliche Lesart. Wiederverwerteter Inhalt ist billig herzustellen, und sein Ertrag ist gefallen. Eine eigene Umfrage, ein gemessener Vergleich oder ein dokumentierter Fall kostet mehr und erzeugt Material, das andere zitieren, mit dem Nebeneffekt von Links und Erwähnungen. Information Gain fasst diesen Unterschied in zwei Wörtern, und deshalb sitzt der Begriff bequem in einer Besprechung, solange er nicht als von Google veröffentlichte Kennzahl ausgegeben wird.

• Lies vor dem Schreiben die ersten zehn Positionen und notiere, was jede einzelne behauptet; die verbleibende Lücke ist der Ausgangspunkt des Textes.
• Nimm mindestens ein eigenes Element pro Artikel auf: eine Messung, den Bildschirmausschnitt eines echten Vorgangs, eine Zahl aus dem eigenen Analytics-Konto oder die Antwort einer Quelle, die du gefragt hast.
• Datiere eigene Daten und dokumentiere Methode und Stichprobengröße, damit andere sie ohne Misstrauen zitieren können.
• Setze den neuen Beitrag in den oberen Teil der Seite, weil Leser und zusammenfassende Systeme die ersten Absätze zuerst verarbeiten.
• Aktualisiere alte Texte, indem du neues Material ergänzt, statt dieselben Absätze mit anderen Worten neu zu schreiben.
• Wenn ein Thema von Dritten bereits gut abgedeckt ist und du nichts hinzuzufügen hast, verlinke die Quelle und stecke den Aufwand in einen anderen Inhalt.

• Information Gain als bestätigten Rankingfaktor darstellen. Google hat in seiner öffentlichen Dokumentation kein System dieses Namens anerkannt.
• Den Begriff mit Länge verwechseln. Tausend Wörter Füllmaterial senken die Informationsdichte, statt sie zu heben.
• Werkzeugen vertrauen, die versprechen, «den Information Gain zu messen», ohne offenzulegen, gegen welchen Korpus sie vergleichen; die zurückgelieferte Zahl ist ein hauseigenes Modell des Anbieters.
• Neuheit auf Kosten der Richtigkeit verfolgen und auffällige Behauptungen veröffentlichen, die keine Quelle trägt.
• Das Kriterium auf transaktionale Seiten anwenden, wo der Nutzer Preis, Verfügbarkeit und Versandbedingungen erwartet statt einer bislang ungesehenen Perspektive.