TF-IDF steht für "Term Frequency" mal "Inverse Document Frequency", also Termfrequenz mal inverse Dokumenthäufigkeit. Das Maß stammt aus dem Information Retrieval, der Forschung zur Suche in großen Textsammlungen. Es soll zeigen, wie relevant ein Begriff für ein bestimmtes Dokument ist, gemessen an allen anderen Dokumenten der Sammlung [1]. Die Idee der inversen Dokumenthäufigkeit geht auf einen Aufsatz von Karen Spärck Jones aus dem Jahr 1972 zurück [1].
Wie die Formel funktioniert
Die Rechnung hat zwei Teile. Die Termfrequenz zählt, wie oft ein Begriff in einem Dokument vorkommt, meist ins Verhältnis gesetzt, damit lange Texte nicht automatisch höhere Werte bekommen. Die inverse Dokumenthäufigkeit ist der Logarithmus aus der Zahl aller Dokumente, geteilt durch die Zahl der Dokumente, die den Begriff enthalten [1]. Beide Werte werden multipliziert [1, 2].

Ein einfaches Beispiel: Eine Sammlung hat 1.000 Texte über Gartenarbeit. Das Wort "und" steht in allen 1.000. Der Quotient ist 1, sein Logarithmus 0, das Wort bekommt also kein Gewicht, egal wie oft es vorkommt. "Vertikutieren" steht nur in zehn Texten. Für diese zehn Texte ist der Begriff stark kennzeichnend, sie handeln mit hoher Wahrscheinlichkeit vom Rasen.
In der Praxis gibt es viele Varianten. Die Programmbibliothek scikit-learn etwa glättet die Formel, damit nie durch null geteilt wird, und normiert die Ergebnisse je Dokument auf eine einheitliche Länge [2]. Dort steht auch, wofür das Maß gedacht war: als Gewichtung für die Rangfolge von Suchergebnissen. Heute wird es ebenso zum Einordnen und Gruppieren von Texten genutzt [2].
TF-IDF und SEO
In der Suchmaschinenoptimierung taucht TF-IDF vor allem in Textwerkzeugen auf. Sie vergleichen einen Entwurf mit den Seiten, die für ein Keyword weit oben stehen, und zeigen Begriffe, die dort häufig vorkommen. Im deutschsprachigen Raum ist dafür die Variante WDF*IDF verbreitet, die die Häufigkeit zusätzlich dämpft.

Google beschreibt in seinem SEO-Startleitfaden nichts, was einem Zielwert für einzelne Wörter entspricht. Dort steht, dass es keine Mindest- oder Höchstzahl an Wörtern gibt. Google empfiehlt, sich zu überlegen, nach welchen Begriffen die Zielgruppe sucht, und das beim Schreiben zu berücksichtigen. Jede mögliche Formulierung abzudecken ist nicht nötig, weil die Systeme von Google zum Sprachabgleich ausgefeilt sind [3]. Dieselben Wörter ständig zu wiederholen, ermüdet Leser, und überflüssige Keywords verstoßen gegen die Spamrichtlinien [3]. Mehr dazu steht unter Keyword-Stuffing und Keyword-Dichte.
Nach unserer Erfahrung liegt der Nutzen des Verfahrens im Verständnis. Es erklärt, warum ein Fachbegriff mehr über einen Text verrät als ein Allerweltswort. Daraus folgt eine praktische Regel: Fachbegriffe gehören in den Text, ergänzt um eine verständliche Erklärung für Leser, die den Begriff noch nicht kennen. Wie Suchmaschinen heute über einzelne Wörter hinaus Bedeutung erkennen, beschreibt der Eintrag Semantisches SEO.
Dein Textwerkzeug empfiehlt dir Begriffe, die du nicht einordnen kannst? Bring die Liste in die gratis Sprechstunde mit.
- Tf-idf-Maß. Wikipedia. Stand ohne Datum. abgerufen am 31.10.2026
- Organisation Feature extraction, Abschnitt Tf-idf term weighting. scikit-learn 1.9.1. Stand Version 1.9.1. abgerufen am 31.10.2026
- Organisation SEO-Startleitfaden. Google Search Central. Stand 18.12.2025. abgerufen am 31.10.2026
Häufige Fragen
Ist TF-IDF ein Rankingfaktor bei Google?
Google nennt TF-IDF in seiner Dokumentation nicht als Rankingfaktor. Der SEO-Startleitfaden sagt nur, dass es keine Mindest- oder Höchstzahl an Wörtern gibt und dass überflüssige Keywords gegen die Spamrichtlinien verstoßen.
Was ist der Unterschied zwischen TF-IDF und WDF*IDF?
Beide multiplizieren eine Häufigkeit im Dokument mit der inversen Dokumenthäufigkeit. WDF*IDF dämpft die Häufigkeit stärker, damit häufige Wiederholungen nicht zu stark ins Gewicht fallen.
Warum bekommen Wörter wie "und" kein Gewicht?
Weil sie in fast jedem Dokument stehen. Die inverse Dokumenthäufigkeit wird dann sehr klein, und damit auch das Produkt.
Soll ich meine Texte nach TF-IDF-Werten schreiben?
Nach unserer Erfahrung nicht. Nutze die Werte als Hinweis auf Teilthemen, die fehlen könnten, und entscheide am Inhalt, ob sie zur Frage des Lesers gehören.
Noch eine Frage offen?
In der gratis Sprechstunde beantworten wir Fragen zu SEO live, jeden ersten Samstag im Monat um 18 Uhr. Oder du rufst einfach an.
Zuletzt geprüft am 03.11.2026, nächste Prüfung spätestens im November 2027. Fehler entdeckt? Schreib uns.




