Der Begriff „Google“
Etymologie
Die Bezeichnung Google basiert auf einem Wortspiel (manche Quellen sprechen auch von einem Rechtschreibfehler) mit der amerikanischen Aussprache des Wortes googol.[4] Milton Sirotta, der Neffe des amerikanischen Mathematikers Edward Kasner, hatte den Ausdruck im Jahr 1938 erfunden, um der Zahl mit einer Eins und hundert Nullen (10100) einen Namen zu geben. Die Google-Gründer wiederum suchten eine treffende Bezeichnung für die Fülle an Informationen, die ihre Suchmaschine im Web finden sollte.[5]
Das Verb „googeln“
Der Rechtschreib-Duden nahm das Verb googeln (sprich: [ˈɡuːgl̩n] „guhg(e)ln“) 2004 in die 23. Auflage auf.[6]
Das Wort wird im allgemeinen Sprachgebrauch meist nicht nur für die Suche mit Google verwendet, sondern auch allgemein als Synonym für die Websuche mit einer beliebigen Suchmaschine (vgl. Wiktionary,[7] LEO Dictionary[8]). Google geht gegen diese Verallgemeinerung vor, um zu verhindern, dass „googeln“ zum Gattungsbegriff wird und dadurch den Markenschutz verlieren könnte. 2006 forderte Google Zeitungs- und Wörterbuchredaktionen auf, „to google“ oder „googeln“ nicht mehr allgemein für die Suche im Internet zu verwenden. Auf eine „Bitte“ von Google wurde der Eintrag in der 24. Auflage des Duden genauer definiert („mit Google im Internet suchen“).[9]
Arbeitsweise der Google-Suche
Indexierung von Internetseiten
Die Google-Suchmaschine folgt mithilfe so genannter Webcrawler den gefundenen Links und versucht so, möglichst viele publizierte Seiten in ihren Suchindex aufzunehmen. (Zum Umfang dieser Datenbank siehe Indexgröße). Dabei werden die Seiten nach Suchbegriffen und Schlüsselworten aufgegliedert.
Sortierung der Suchergebnisse
Google zielt darauf ab, den Nutzern die Suchergebnisse nach Relevanz zu sortieren. Der Algorithmus wird von Google als Betriebsgeheimnis gehandhabt, stützt sich aber zur Sortierung der Suchergebnisse vor allem auf ein patentiertes Verfahren, das den so genannten PageRank-Wert errechnet. Er basiert auf einer Messung, wie gut ein Dokument verlinkt ist und von wem, was sich als brauchbare Annäherung an soziale Relevanzkriterien erwiesen hat.
Ermittelt wird der PageRank eines Dokuments rekursiv anhand von Verweisen auf dieses Dokument. Für jede Seite wird eine Punktzahl errechnet, die aus der Summe der gewichteten Punktzahlen aller Seiten bestehen, die auf die entsprechende Seite verlinken. Je häufiger eine Seite verlinkt ist und je höher die Punktzahl der verlinkenden Seiten ist, desto höher der PageRank der Seite. Der jeweilige Wert des PageRanks einer Seite lässt sich anhand des Browser-Plugins Google Toolbar ermitteln. Allerdings ist der in der Toolbar angezeigte Wert meist einige Monate alt und steht in einem logarithmischen Verhältnis zum tatsächlichen Wert. Jedoch gibt es auch Onlinedienste, die zu einer bestimmten Domain einen aktuellen PageRank ermitteln können.
Neben dem PageRank werden weitere Faktoren in die Sortierung einbezogen, so wird etwa das Auftreten der Suchbegriffe im Dokumententitel oder in Überschriften gewertet. Des Weiteren spielt die Verwendung der Begriffe als Ankertext in verweisenden Dokumenten eine große Rolle. Letzteres wird bei Google-Bomben missbraucht.
Die exakte Funktionsweise der Seitensortierung ist Googles Betriebsgeheimnis, nicht zuletzt, um Manipulationen durch Website-Betreiber zu erschweren, die die eigene Site für gewisse Begriffe auf den Ergebnisseiten möglichst weit nach oben bringen möchten. Die Suchmaschinenoptimierung beschäftigt sich mit Methoden, dies zu erreichen.
Einschränkungen aufgrund Datenschutz
Das politische Umfeld erlaubt teils nicht, dass alle Suchergebnisse angezeigt werden. Beispielsweise in der Schweiz können selbst private Personen eine Löschung eines Links fordern, sofern ein Link im Zusammenhang mit der eigenen Person im Suchergebnis von Google erscheint. Diesbezüglich muss sich Google Inc. an das Bundesgesetz über den Datenschutz halten.
Technik
Hardware-Architektur
Google Inc. betreibt weltweit eine Reihe von Rechenzentren, die jeweils die komplette Funktionalität der Suchmaschine enthalten. Eine Benutzeranfrage wird, durch das Domain Name System (welches Namen wie google.com in IP-Adressen übersetzt) gesteuert, im Idealfall an das netztopologisch nächste Rechenzentrum – nur manchmal mit dem geographisch nächstgelegenen identisch – geleitet und von diesem beantwortet. Fällt ein Rechenzentrum komplett aus, können die verbleibenden Rechenzentren die Last übernehmen.
Jedes Rechenzentrum besteht aus einem Computercluster. Die verwendeten Rechner sind IBM-kompatible Personal Computer, bestehen also aus preiswerten Standardkomponenten. Hier kommt das selbstentwickelte Google File System zum Einsatz, eine verteilte Architektur, bei der alle Daten mehrfach redundant auf verschiedenen Geräten gespeichert sind. Ist einer der Rechner oder nur eine Festplatte eines Rechners ausgefallen, werden die entsprechenden Daten von einer anderen Stelle im Cluster auf einen Ersatzrechner umkopiert und die ausgefallene Hardware-Komponente kann im laufenden Betrieb ausgetauscht werden, ohne dass Ausfälle entstehen. Das Gesamtsystem ist auch leicht skalierbar, da nach Bedarf immer weitere Rechner und Festplatten hinzugefügt werden können.
Durch Ablage der einzelnen Datenstrukturen (Indizes, Dokumentenkopien, Verzeichnisse aller Art) auf verschiedenen Rechnern und die große Anzahl verfügbarer Einzelrechner lassen sich Anfragen sehr schnell beantworten, da durch die Parallelisierung der zu erledigenden Arbeit nur ein Bruchteil der Zeit benötigt wird, die ein einzelner Rechner benötigen würde – in der Tat beschäftigen sich bis zu 1000 Einzelrechner mit jeder Suchanfrage. Eine Antwortzeit von höchstens einer halben Sekunde wird als Richtwert angestrebt. Die schnelle Lieferung von Ergebnissen hatte auch frühzeitig zur Popularität von Google beigetragen. Die Konkurrenz ließ sich mit der Anfragebeantwortung oft mehr Zeit. Insbesondere bei inkrementellen Anfragen, also immer weiter verfeinerten Anfragen des Benutzers, der das jeweils vorige Suchergebnis berücksichtigt, ist die Zeitersparnis insgesamt deutlich spürbar.[10]
Software
Als Betriebssystem wird eine funktionsreduzierte Variante der Linux-Distribution Red Hat verwendet.[11] Die Programmiersprachen C, C++ und Python spielen essentielle Rollen bei der Implementierung der proprietären Suchmaschinensoftware.
MapReduce
Der zentrale Aspekt aller verteilten Google-Anwendungen, allen voran die Indizierung des Internets und die Suche darin, ist der von Google entwickelte Algorithmus MapReduce für die automatisierte Parallelisierung von Arbeitsaufträgen in Clustern.[12] Der Entwickler muss bei diesem speziellen Programmierstil nur zwei Hooks implementieren, die, in Anlehnung an entsprechend benannte und ähnlich arbeitende Funktionen der LISP-Sprachfamilie, map und reduce genannt werden.
Die Map-Funktion erzeugt dabei in allen entsprechend entworfenen Anwendungen aus dem gesamten Input (zum Beispiel der Gesamtheit aller betrachteten Webseiten) eine Liste von Zwischenresultaten in Form von Wertepaaren, die einen Schlüssel mit einem symbolischen Wert kombinieren. Zum Beispiel wird so für jedes Vorkommen von „Wert“ in einem Text ein Paar ('Wert','1') erzeugt – jedes mal, wenn die Funktion auf das Wort trifft. Die Menge der Zwischenresultate wird dann durch die Reduce-Funktion derart reduziert, dass mit jedem Schlüssel nur noch ein symbolischer Wert assoziiert ist, der sich aus der Menge aller symbolischen Werte für diesen Schlüssel in den Zwischenergebnissen ergibt. Eine typische Aufgabe wäre, unter Rückgriff auf das Beispiel weiter oben, alle (beispielsweise 43) Paare ('Wert','1') je Schlüssel zu einem einzigen Paar pro Schlüssel zu kombinieren – etwa ('Wert','43').[13]
Die Leistung von MapReduce ist nun, dass alle anderen Aufgaben, die mit der Parallelisierung dieser Aufgaben zusammenhängen (und sich prinzipiell für alle solch parallelisierten Anwendungen wiederholen), vom Framework übernommen werden. Es kümmert sich um die Verteilung der Funktionalitäten, der Daten und Zwischenergebnisse und um das Einsammeln der Ergebnisse und beinhaltet zudem Maßnahmen zur Fehlerbehandlung (via redundanter oder wiederholter Ausführung)[14][15] – etwa wenn ein einzelner Arbeiter-Rechner ausfällt oder so schlechte Leistungen zeigt, dass er die Fertigstellung des Gesamtergebnisses übermäßig verzögert.
Google selbst setzt den Algorithmus in steigendem Maße für seine eigene Arbeit ein – nach Einführung von MapReduce im Jahre 2003 hatte sich die Anzahl der Produktionsanwendungen in der Code-Bibliothek von Google binnen zwei Jahren auf fast 1000 Anwendungen exponentiell vervielfacht.[16] In der zentralen Anwendung, dem Aufbau des Dokumenten-Indexes für die Suchmaschine selbst, sind 24 Instanzen von MapReduce hintereinander geschaltet.[17]
Indexgröße
Die ungefähre Anzahl der Dokumente im Index der Websuche wurde die ersten sieben Jahre unten auf der Hauptseite eingeblendet.
* Unternehmensgründung Januar 1998: 25.000.000[18]
* August 2000: 1.060.000.000
* Januar 2002: 2.073.000.000
* Februar 2003: 3.083.000.000
* September 2004: 4.285.000.000
* November 2004: 8.058.044.651
* Juli 2008 : 1.000.000.000.000[19]
Außerdem existierte im Juni 2005 nach eigener Aussage ein Index von 1.187.630.000 Bildern, einer Milliarde Usenet-Artikeln, 6.600 Katalogen und 4.500 Nachrichtenquellen.
Seit dem siebten Geburtstag des Unternehmens Google im September 2005 wird die Größe des Index nicht mehr auf der Hauptseite angezeigt, da laut Eric Schmidt keine eindeutige Zählweise existiert.[20] Im Juli 2008 ermittelte Google nach eigenen Angaben[19] das Vorhandensein von mehr als einer Billion URLs im World Wide Web.
Suchdienstleistungen für Portale
Googles Suchtechnik wird auch an Internetportale lizenziert, um dort eine Websuche anbieten zu können, ohne dass Benutzer das Portal verlassen müssten.
Google Appliance
Mit der Google Appliance verkauft Google seine Suchtechnologie an Unternehmen, die sie im eigenen Intranet einsetzen möchten. Bei der Appliance handelt es sich um einen Server mit vorinstallierter Software, der im unternehmenseigenen Netz dieselbe Aufgabe übernimmt, die Google für das World Wide Web leistet. Dokumente werden im Index vorgehalten und Suchanfragen beantwortet.
Gebrauch der Suchmaschine
Weitere Funktionen:
Taschenrechner
Bei Eingabe einfacher mathematischer Schreibweisen wie z. B. „2+5(4/5)^8“ gibt Google standardmäßig keine Seiten aus, in denen diese Formulierung vorkommt, sondern gibt das Ergebnis der Rechnung (= 2.8388608) zurück.
Einheitenrechner
Man kann auch Einheiten Umrechnen lassen: z. B. „inch in cm“, „usd in euro“, oder auch komplizierter „l/100km in miles/gallon“
Rechtschreibprüfung
Google liefert bei falsch geschriebenen Wörtern einen Vorschlag zur richtigen Schreibweise („Meinten Sie …“). Die Empfehlung beruht auf einem phonetischen, vollautomatisierten Vergleich, was teilweise zu abwegigen Vorschlägen führen kann.
Adressen-Suche
Wer eine Adresse bei der Google Suche eingibt, bekommt diese sofort auf der Karte gezeigt.
Übersetzer
Beim Eingeben von „Translate“ und einem beliebigen Wort übersetzt Google dieses automatisch.
Folgende Funktionen stehen nicht in allen landesspezifischen Versionen von Google zur Verfügung. Unter anderem können sie in den Google-Mutationen Deutschlands, Österreichs und der Schweiz verwendet werden:
Zugauskunft
Gibt man zwei Orte in die Suchleiste ein, schlägt Google einen aktuellen Fahrplan vor, der die nächsten Zugverbindungen zwischen den Orten anzeigt.
Kinopläne
Durch die Eingabe „Kino“ und dem entsprechenden Ort erhält man aktuelle Kinopläne aller ortsansässigen Kinos. Es werden dabei Angaben zu Film, Uhrzeiten, FSK und Genre gemacht.
Wetter
Ebenso lässt sich auch eine kurze Übersicht zu den Wetterverhältnissen anzeigen. Durch Eingabe von „Wetter“ und dem Namen der Stadt erscheint der Wetterbericht für die kommenden drei Tage.
Erweiterte Benutzung
Es kann zusätzlich zu dieser einfachen Such-Syntax eine erweiterte Syntax in die Suchmaske eingegeben, bzw. größtenteils auch über die „erweiterte Suche“ zusammengeklickt werden. Folgende, teils undokumentierte Schlüsselbegriffe sind derzeit bekannt. Diese Schlüsselbegriffe werden durch einen Doppelpunkt „:“ gekennzeichnet.
