Jemand tippt „keine Mehrwertsteuer" in das Suchfeld deiner Website. Die Seite, die genau das erklärt, steht seit drei Jahren online, sie heißt „Kleinunternehmerregelung", und das Suchfeld antwortet: keine Ergebnisse. Der Besucher schließt den Tab und fragt woanders. Dieser Beitrag handelt nicht von Google und nicht davon, ob deine Seite in einer KI-Antwort vorkommt, dazu steht alles im Beitrag Zitiert statt geklickt. Er handelt von dem Feld oben rechts auf deiner eigenen Website, der internen Suche. Sie ist an den meisten Stellen ein Zeichenvergleich, während der Besucher eine Bedeutung sucht. Diese Seite zeigt, was die eingebaute Suche technisch tut, welche Anfragen daran scheitern, wen du bei null Treffern verlierst, was unsere eigene Stichprobe auf zehn Websites ergeben hat und wie eine Suche aussieht, die Bedeutung statt Buchstaben findet.
Was passiert technisch, wenn jemand etwas in dein Suchfeld tippt?
Bei WordPress, dem am weitesten verbreiteten System für Unternehmenswebsites, lässt sich das im Quellcode nachlesen. Die Methode WP_Query::parse_search(), seit Version 3.7 im Kern, baut aus der Anfrage eine Datenbankabfrage. Jeder eingetippte Begriff bekommt links und rechts einen Platzhalter, im Code steht wörtlich $like = $n . $wpdb->esc_like( $term ) . $n;, und wird dann per LIKE gegen drei Spalten geprüft: Titel, Auszug und Inhalt des Beitrags. Mehr passiert nicht. Kein Wortstamm, kein Synonym, keine Tippfehlertoleranz, keine Gewichtung nach Bedeutung. „Mehrwertsteuer" findet „Umsatzsteuer" nicht, weil die Zeichenfolge eine andere ist. „Rechnung" findet „Rechnungen" und „Rechnungsstellung", weil die kurze Form in den langen steckt; umgekehrt findet „Rechnungen" die Seite nicht, auf der nur von der „Rechnung" die Rede ist.
Shopify zeigt, wie der Gegenentwurf innerhalb derselben Klasse aussieht. Die Dokumentation zum Suchverhalten beschreibt eine Tippfehlertoleranz: Treffer dürfen sich vom Suchbegriff „by one letter" unterscheiden oder „two letters in a different order" haben, allerdings nur, wenn „the first four letters of a search term" richtig getippt sind. Häufige Wörter gelten als Stoppwörter und werden gar nicht erst indexiert. Synonyme kennt auch diese Suche nicht von selbst, sie müssen als Gruppen von Hand angelegt werden. Das ist besser als ein reiner Zeichenvergleich, aber es bleibt eine Suche nach Schreibweisen. Der Unterschied zwischen „Mehrwertsteuer" und „Umsatzsteuer" ist für beide Systeme ein Unterschied zwischen zwei Wörtern, nicht eine Nähe zwischen zwei Bedeutungen.
Welche Anfragen scheitern, und welche kommen durch?
Das Baymard Institute prüft seit Jahren, wie die Suche großer Shops mit verschiedenen Anfragetypen umgeht. Nach dem Benchmark der Suchanfragetypen, zuletzt aktualisiert am 29. April 2026 und gestützt auf mehr als 170 geprüfte Shops und Apps, haben 12 Prozent der Sites Probleme mit exakten Suchen, also dem genauen Produktnamen. Bei der Suche nach einem Produkttyp sind es 20 Prozent. Bei Anfragen nach einem Merkmal 39 Prozent, nach einem Anwendungsfall 43 Prozent, nach Kompatibilität 44 Prozent, bei Abkürzungen und Symbolen 54 Prozent und bei Anfragen, die gar kein Produkt meinen, sondern etwa Versand oder Rückgabe, 66 Prozent. Insgesamt, so Baymard, „56% of sites fail to adequately support users' search needs".
Die Reihenfolge ist die Geschichte. Solange der Besucher den Wortlaut kennt, der auf der Seite steht, funktioniert die Suche fast überall. Sobald er beschreibt, was er braucht, statt zu nennen, wie es heißt, verdreifacht sich die Fehlerquote. Das ist die Lücke zwischen Zeichenkette und Bedeutung, gemessen an echten Shops. Die Zahlen stammen aus dem Handel, aber der Mechanismus dahinter ist auf jeder Website derselbe: Eine Kanzlei hat ihre „Kleinunternehmerregelung", ein Handwerksbetrieb seine „Wärmepumpe", und die Besucher fragen nach „keine Mehrwertsteuer" und „Heizung ohne Gas".
Wie Menschen dabei suchen, hat Jakob Nielsen schon 2001 gemessen, und an den Grundzügen hat sich wenig geändert. In seiner Auswertung „Search: Visible and Simple" lag die mittlere Anfrage bei 2,0 Wörtern. Die erste Suche führte in 51 Prozent der Fälle zum Ziel, die zweite in 32 Prozent, die dritte in 18 Prozent, und „almost half the users whose first search failed gave up immediately". Zwei Wörter, ein Versuch: Das ist das Budget, das ein Besucher deiner Suche gibt. Wenn die zwei Wörter nicht buchstabengenau auf der Seite stehen, ist der Versuch verbraucht.
Wen verlierst du, wenn die Suche „keine Ergebnisse" sagt?
Den wertvollsten Besucher, den die Seite hat. Der Suchanbieter Constructor hat in einer Auswertung vom Mai 2026 nach eigener Angabe Milliarden von Shop-Interaktionen ausgewertet: Besucher, die die Suche benutzen, „convert at 2.5x the rate of non-searchers", sie machen 25 Prozent des Traffics aus und bringen 57 Prozent des Umsatzes. Das sind Anbieterdaten, ein Suchanbieter misst hier den Wert seiner eigenen Kategorie. Die Richtung deckt sich aber mit dem, was jeder in seinen eigenen Zahlen sieht: Wer sucht, weiß, was er will, und ist deshalb näher an der Entscheidung als jeder, der nur scrollt.
Was passiert, wenn dieser Besucher nichts findet, hat Google Cloud 2023 durch Harris Poll erheben lassen: eine Befragung von fast 13.500 Erwachsenen in 14 Ländern, die in den sechs Monaten zuvor die Suche auf einer Händlerseite benutzt hatten. 80 Prozent weltweit (81 Prozent in den USA) sagen, dass sie nach einer erfolglosen Suche eher woanders kaufen. 77 Prozent (USA: 82 Prozent) meiden Websites, auf denen sie schon einmal Schwierigkeiten mit der Suche hatten. 53 Prozent brechen den Warenkorb ab, wenn sie auch nur einen Artikel nicht finden. Google beziffert den weltweiten Schaden auf mehr als 2 Billionen Dollar im Jahr. Auch diese Umfrage stammt aus dem Handel und wurde von einem Anbieter beauftragt, der Suchtechnik verkauft; für eine Kanzlei oder einen Handwerksbetrieb gilt sie nicht eins zu eins. Die zweite Zahl ist trotzdem die, die bleibt: Wer einmal vergeblich gesucht hat, kommt so schnell nicht wieder.
Was ergibt eine eigene Stichprobe auf zehn Websites?
Wir haben es am 11. September 2026 selbst nachgemessen, mit dem Beispiel aus dem ersten Absatz. Auf 19 öffentlichen Websites aus Deutschland und Österreich, die Selbstständige zu Steuern und Buchhaltung informieren, Kanzleien, Software-Anbieter und Gründerportale, haben wir dieselbe Frage in drei Formulierungen in die eingebaute Suche eingegeben: das Fachwort „Kleinunternehmerregelung", die Alltagsformulierung „keine Mehrwertsteuer" und den Buchstabendreher „Kleinunternhemerregelung". Als Treffer zählte, wenn in der Ergebnisliste eine Seite mit „kleinunternehmer" in der Adresse auftauchte, die bei einem Unsinnsbegriff nicht auftaucht. Neun Sites fielen aus der Wertung, weil ihre Suche nicht serverseitig antwortet oder schon das Fachwort keine Seite fand. Es ist eine eigene Stichprobe, keine repräsentative Messung, und wir nennen keine Site einzeln.
Auf den zehn verbleibenden Sites fand das Fachwort die Seite in zehn von zehn Fällen. Die Alltagsformulierung fand sie in vier von zehn. Der Buchstabendreher in einem von zehn, und diese eine Site setzt erkennbar eine Suche mit Tippfehlertoleranz ein. Neun von zehn Suchen waren also mit einem einzigen vertauschten Buchstabenpaar am Ende, und sechs von zehn scheiterten daran, dass der Besucher „Mehrwertsteuer" sagt, wo die Seite „Umsatzsteuer" schreibt. Die Antwort stand in allen zehn Fällen auf der Site.
Wie findet eine Suche Bedeutung statt Buchstaben?
Mit demselben Mechanismus, der hinter KI-Antworten steckt, nur ohne die Antwort. Ein Embedding übersetzt einen Text in eine lange Zahlenreihe, die nicht seine Buchstaben beschreibt, sondern seine Bedeutung. „Keine Mehrwertsteuer auf der Rechnung" und „Kleinunternehmerregelung" ergeben zwei Zahlenreihen, die nah beieinander liegen, obwohl kein Wort übereinstimmt. Eine Vektordatenbank ist der Speicher, der zu einer Anfrage in Millisekunden die nächsten Nachbarn unter Tausenden solcher Zahlenreihen findet. Beides zusammen ist semantische Suche: Die Seite wird gefunden, weil sie das Gleiche meint, nicht weil sie das Gleiche schreibt. Für eine Website mit ein paar hundert Seiten ist das kein Großprojekt, die Zahlenreihen passen in dieselbe Datenbank, in der die Seiten schon liegen.
Wichtig ist, was daran nicht nötig ist. Retrieval-Augmented Generation nimmt dieselben Fundstellen und lässt ein Sprachmodell daraus eine Antwort formulieren; das ist der KI-Chatbot. Für das Suchfeld brauchst du diesen zweiten Schritt nicht. Eine Trefferliste, die nach Bedeutung sortiert ist, löst das Problem aus dem ersten Absatz vollständig, ohne dass jemand mit deiner Website chatten muss, ohne Halluzination und ohne die Frage, wer für eine falsche Antwort geradesteht. Der Sprung von Zeichenkette zu Bedeutung ist der große. Der von Trefferliste zu Chat ist klein, und er ist optional.
Und für alle, die sich bei der Suche auf der eigenen Website auf Google verlassen haben: Google hat die Sitelinks-Suchbox, das Suchfeld unter manchen Treffern, laut Ankündigung vom 21. Oktober 2024 ab dem 21. November 2024 weltweit abgeschaltet, weil „usage has dropped". Das zugehörige Markup darf auf der Seite bleiben, es bewirkt nur nichts mehr. Was in deinem Suchfeld passiert, ist damit vollständig deine Sache.
Was steht in deinem Suchprotokoll, das niemand liest?
Bevor du etwas an der Technik änderst, lies, was die Leute eintippen. Fast jedes System protokolliert Suchanfragen, WordPress braucht dafür ein kleines Plugin, Shopify zeigt sie in den Berichten. Interessant sind die Anfragen ohne Treffer. Jede davon ist eine Frage, die ein Besucher in seinen eigenen Worten gestellt hat, und die Sammlung dieser Fragen ist die ehrlichste Liste an Suchintentionen, die du bekommen kannst, weil sie von Menschen stammt, die schon auf deiner Seite waren. Meistens steht dahinter kein fehlender Inhalt, sondern ein anderes Wort: Die Seite existiert, sie heißt nur anders, als deine Kunden sie nennen. Dieselbe Liste ist der Test für jede neue Suche. Nimm die zwanzig häufigsten Null-Treffer-Anfragen und prüfe, was die neue Suche damit macht, bevor du sie einbaust.
Drei Hebel für diese Woche
Erstens: Such selbst, wie ein Kunde sucht. Nimm dein wichtigstes Thema und tipp es in drei Formulierungen in dein eigenes Suchfeld: das Fachwort, das Alltagswort, ein Tippfehler. Wenn zwei von drei scheitern, weißt du, was deine Besucher seit Jahren sehen.
Zweitens: Hol dir das Protokoll der Null-Treffer-Anfragen. Die letzten drei Monate reichen. Sortiere nach Häufigkeit und trage neben jede Anfrage die Seite ein, die sie hätte finden sollen. Diese Tabelle ist die Synonymliste, die deine Suche seit Jahren braucht, und gleichzeitig die beste Themenliste für deinen nächsten Inhalt.
Drittens: Entscheide zwischen Synonymliste und Bedeutung. Für zehn bekannte Wortpaare reicht eine Synonymliste, die jede bessere Suche kennt. Für alles, was Besucher beschreiben statt benennen, brauchst du eine Suche, die Bedeutung vergleicht. Der Aufwand dafür ist heute kleiner als der für ein neues Kontaktformular.
Wenn du wissen willst, was deine Suche heute mit den Anfragen deiner Besucher macht: Wir testen das einmal gemeinsam, mit deinem Protokoll. 🔍