Sergey Brin mit 53: Wie PageRank das Web lesen lernte
Sergey Brin wird am 21. August 2026 53 Jahre alt. Seine folgenreichste Idee war weder ein buntes Logo noch ein leeres Suchfeld: Entscheidend war, Links als Belege zu behandeln – und zu fragen, welche Empfehlungen mehr Gewicht verdienen.
Der Nerd-Kalender verzeichnet den Geburtstag von Sergey Michailowitsch Brin, der am 21. August 1973 in Moskau geboren wurde. Die bekannte Kurzfassung – US-amerikanischer Informatiker, Internetunternehmer und Mitgründer von Google – stimmt. Sie ist nur so stark komprimiert, dass der eigentlich ungewöhnliche Gedankensprung hinter dem Unternehmen fast verschwindet.
Brin und Larry Page erfanden nicht die Websuche, und PageRank war nie ein magischer Wahrheitsdetektor. Ihr Durchbruch bestand darin, das junge Web als Beziehungsnetz zu modellieren. Wörter konnten einer Suchmaschine verraten, was auf einer Seite stand. Links zeigten zusätzlich, wie Seiten aufeinander verwiesen. Dieser Unterschied veränderte, was „relevant“ im Netz bedeuten konnte.
Suche gab es schon – doch Relevanz blieb brüchig
Mitte der 1990er-Jahre durchsuchten und indexierten Dienste wie AltaVista, Lycos und Excite bereits das Web. Das schwierige Problem war nicht bloß, Seiten mit einem bestimmten Wort zu finden. Eine Suchmaschine musste entscheiden, welche von Tausenden Treffern zuerst erscheinen sollten.
Eine einfache Textsuche konnte Wiederholungen belohnen. Eine Seite konnte einen Begriff unzählige Male nennen, ohne deshalb das nützlichste Ziel zu sein. Von Menschen gepflegte Verzeichnisse boten Urteilskraft, konnten aber mit einem Web nicht Schritt halten, das schneller wuchs als jeder Katalog. Gefragt war ein skalierbares Signal zwischen bloßem Wörterzählen und manueller Redaktion.
Brins Ausbildung passte zu diesem Problem. Die Biografie von Lemelson-MIT nennt sein Studium der Mathematik und Informatik an der University of Maryland vor der Zeit in Stanford. Dort beschäftigte er sich unter anderem mit Data-Mining: also damit, in sehr großen Datenbeständen verwertbare Strukturen zu erkennen. Das Web war genau ein solcher Bestand – nur dass seine Dokumente sich auch gegenseitig verlinkten.
PageRank machte aus Links gewichtete Empfehlungen
Die Grundidee wird oft mit „Ein Link ist eine Stimme“ zusammengefasst. Das hilft, reicht aber nicht. Würde jede Stimme gleich zählen, ließen sich Tausende schwache Seiten erzeugen, die tausendfach für ein Ziel stimmen. PageRank stellte deshalb eine rekursive Frage: Wie wichtig sind die Seiten, von denen diese Stimmen kommen?
Ein Link von einer Seite, die selbst starke Verweise erhält, wiegt mehr als ein Link von einer isolierten Seite. Bedeutung fließt durch das Netz. Vereinfacht stellt sich das Modell einen Surfer vor, der Links folgt und gelegentlich an eine neue Stelle springt; häufiger besuchte Seiten bekommen einen höheren Wert. Das beweist nicht, dass eine Aussage wahr ist. Es schätzt strukturelle Bedeutung innerhalb eines Graphen.
Genau diese Nuance ist wichtig. PageRank ließ das Web nicht mit einer einzigen demokratischen Stimme sprechen. Es schuf ein Reputationsmodell, in dem Empfehlungen einen Teil des Ansehens der empfehlenden Quelle erbten. Die Zitationsanalyse aus der Wissenschaft war ein Vorbild, doch das offene Web war lauter, kommerzieller und leichter zu manipulieren als eine Sammlung von Fachaufsätzen.
Das Paper von 1998 beschreibt eine Maschine, nicht nur eine Formel
Brin und Page stellten Google in The Anatomy of a Large-Scale Hypertextual Web Search Engine als funktionierenden Forschungsprototyp mit mindestens 24 Millionen Seiten vor. PageRank lieferte eine starke Grundbewertung, doch das System nutzte außerdem Volltext, Position und Darstellung von Wörtern sowie Ankertexte – also jene Begriffe, mit denen andere Seiten ein Dokument verlinkten.
Dieses letzte Signal war besonders klug. Eine Seite kann nicht vollständig kontrollieren, wie andere sie beschreiben. Ankertexte können zudem Bilder, Dateien oder Seiten charakterisieren, deren eigener Inhalt schwer zu indexieren ist. Zusammen mit der Linkstruktur ließ sich so die Umgebung einer Seite an ihrer Bedeutung beteiligen.
Das Paper widmet viel Raum dem Crawling, der Indexierung, Speicherung, Duplikaterkennung und Auswertung von Anfragen. In der Gründungslegende geht diese Ingenieursarbeit leicht verloren. Eine brillante Rangfolge ist wertlos, wenn der Crawler den Graphen nicht einsammelt, der Index die Daten nicht bewältigt oder eine Anfrage zu lange dauert. Der frühe Vorteil von Google lag in einem System, in dem mathematische Idee und Infrastruktur zusammenwirkten.
Der Ursprung war gemeinschaftlich – und der Name täuscht
PageRank ist nach Larry Page benannt, nicht nach Webseiten. Brin war jedoch Mitautor der Sucharchitektur und ergänzte Pages Ansatz mit Arbeit an Data-Mining und Informationsextraktion. Stanfords Geschichtsschreibung stellt beide Doktoranden ins Zentrum des Projekts von 1997. Der Bericht der US-amerikanischen National Science Foundation zeigt zudem das Forschungsumfeld und die öffentliche Förderung, in denen die Arbeit entstehen konnte.
Die Danksagung des ursprünglichen Papers nennt zahlreiche Mitwirkende, darunter Scott Hassan, Alan Steremberg, Rajeev Motwani und Terry Winograd. Googles Ursprung ist damit weder das Werk eines isolierten Genies noch nur eine glückliche Garagengeschichte. Er entstand aus einem Universitätsumfeld, gemeinsamer Infrastruktur, früherer Forschung und einem Team, das ein Experiment in einen verlässlichen Dienst verwandelte.
Jedes Ranking-Signal eröffnet auch ein Spiel
Sobald Sichtbarkeit von einem messbaren Signal abhängt, versuchen Menschen, dieses Signal zu beeinflussen. Links konnten echte Empfehlung, Navigation, Partnerschaft, Werbung oder Manipulation bedeuten. Dasselbe Netz, das PageRank nützlich machte, lieferte also auch das Material für Linkfarmen und andere Tricks.
Brin und Page sahen den kommerziellen Druck früh. Ihr Paper von 1998 argumentierte, werbefinanzierte Suche könne Anreize schaffen, Anzeigenkunden zu bevorzugen. Vor dem Börsengang formulierte der bei der SEC eingereichte Gründerbrief von 2004 öffentlich, dass sich Platzierungen in den organischen Treffern nicht kaufen lassen sollten, und erklärte das Vertrauen der Nutzer zur Verantwortung des Unternehmens. Dieses Versprechen beendet keine spätere Debatte über Macht, Datenschutz oder Marktstellung. Es zeigt aber: Ranking war von Anfang an ein technisches und institutionelles Problem.
Hier berührt die Geschichte unseren Beitrag zum Tag der Fehler und lernenden Systemen. Ein gutes System startet nicht einfach mit einer schlauen Regel. Es beobachtet, wie diese Regel unter Druck versagt, bewahrt Belege und baut Schutzmechanismen ein – ohne zu behaupten, die nächste Version sei endgültig.
PageRank überlebte, indem es nur ein Signal unter vielen wurde
Die heutige Google-Suche ähnelt dem Prototyp von 1998 nur noch entfernt. Suchanfragen können Sprache, Aktualität, Standort, Nutzbarkeit, Quellenqualität und viele andere Signale einbeziehen. Googles aktueller Leitfaden zu Ranking-Systemen erklärt, PageRank habe sich stark weiterentwickelt und sei weiterhin Teil der Kernsysteme – ausdrücklich neben zahlreichen weiteren Verfahren.
Das ist ein interessanteres Erbe als die Behauptung, eine einzige Formel steuere das Internet bis heute unverändert. PageRank lieferte eine beständige Abstraktion: Beziehungen zwischen Dokumenten enthalten Informationen, die in den Dokumenten allein nicht stehen. Moderne Suche kann Sprachmodelle und reichere Darstellungen ergänzen, entkommt aber nicht der Grundfrage. Welche Belege machen eine Quelle sichtbar, wenn viele Quellen eine Antwort anbieten?
Generative KI verschärft diese Frage. Eine flüssige Antwort kann Informationen verbinden, ohne den Weg sichtbar zu machen, über den Autorität weitergereicht wurde. Links sind unvollkommen, aber sie bilden überprüfbare Kanten zwischen Veröffentlichungen. Der alte Webgraph bleibt deshalb wertvoll – nicht als Wahrheitsmaschine, sondern als Protokoll von Zuschreibung, Widerspruch und Reputation.
Die Geburtstagslektion ist eine Methode, kein Mythos
Zu Brins 53. Geburtstag lautet die nützliche Lehre nicht, zwei Gründer hätten einfach eine bessere Idee als alle anderen gehabt. Sie betrachteten vielmehr den Gegenstand neu. Das Web war nicht nur ein Stapel Text. Es war auch ein Graph aus Millionen Entscheidungen, etwas zu zitieren, zu empfehlen oder anzusteuern.
Diese Umdeutung machte unordentliches menschliches Verhalten zu einem berechenbaren Signal. Sie erbte zugleich jede Mehrdeutigkeit dieses Verhaltens: Ansehen kann sich selbst verstärken, Popularität kann wie Qualität aussehen, Anreize können Empfehlungen verbiegen. PageRank war bedeutsam, weil es diese Beziehungen in großem Maßstab nutzbar machte. Seine Grenzen sind aus demselben Grund bedeutsam.
Brins bleibender Beitrag ist daher eine Frage im Inneren eines Algorithmus: Wie entscheidet eine Maschine bei Überfluss an Informationen, was Aufmerksamkeit verdient? Fast drei Jahrzehnte später handelt jede Suchmaschine, jeder Empfehlungsfeed und jede KI-Antwort noch immer eine Variante dieser Frage aus.