WDF*IDF: Texte semantisch optimieren

Wer Texte für Google schreibt, stößt früher oder später auf drei Buchstaben, die gleichzeitig faszinieren und verwirren: WDFIDF. Die Formel verspricht eine objektive, datengestützte Antwort auf eine alte SEO-Frage: Welche Begriffe muss ein Text enthalten, und in welcher Gewichtung, damit Suchmaschinen ihn als thematisch relevant einstufen? Statt blind nach Bauchgefühl Keywords einzustreuen, liefert WDFIDF eine nachvollziehbare Grundlage, die zeigt, welche Wörter in den erfolgreichen Wettbewerbertexten zu einem Thema überdurchschnittlich oft vorkommen – und welche in deinem eigenen Text noch fehlen.

In diesem Guide erfährst du, was sich hinter der Formel verbirgt, wie WDF und IDF zusammenhängen, wie du eine WDFIDF-Analyse Schritt für Schritt durchführst, welche typischen Fehler du vermeiden solltest und mit welchen Werkzeugen du arbeiten kannst. Wichtig vorweg: WDFIDF ist ein nützliches Hilfsmittel, kein magischer Ranking-Hebel. Wer es richtig einordnet, schreibt bessere, vollständigere Texte. Wer es als starre Checkliste missversteht, produziert oft überoptimierte, leblose Inhalte. Genau diese Balance ist das Ziel dieses Artikels.

Was ist WDF*IDF?

WDF*IDF ist eine Formel aus dem Information Retrieval, die misst, wie wichtig ein bestimmter Begriff (Term) innerhalb eines Dokuments im Verhältnis zu einer Menge anderer Dokumente ist. Im SEO-Kontext bedeutet das: Die Methode vergleicht, wie oft ein Wort in deinem Text vorkommt, mit der Häufigkeit desselben Wortes in den Texten, die zu deinem Ziel-Keyword bereits ranken. Daraus ergibt sich eine Gewichtung, die zeigt, welche Begriffe für ein Thema charakteristisch und damit relevant sind.

Die Formel setzt sich aus zwei Komponenten zusammen:

• WDF steht für Within Document Frequency – die Häufigkeit eines Begriffs innerhalb eines einzelnen Dokuments, allerdings logarithmisch gedämpft, nicht linear gezählt.
• IDF steht für Inverse Document Frequency – ein Maß dafür, wie selten oder häufig ein Begriff über die gesamte betrachtete Dokumentmenge (das Korpus) hinweg vorkommt.

Multipliziert man beide Werte, erhält man eine Kennzahl, die hohe Werte für Begriffe ergibt, die in deinem Text oft, aber im Gesamtkorpus selten vorkommen. Genau das sind die thematisch aussagekräftigen Wörter. Allerwelts-Wörter wie „und”, „der”, „ist” oder „auch” kommen überall vor und bekommen deshalb durch den IDF-Anteil eine sehr niedrige Gewichtung – sie sind für die thematische Einordnung wertlos.

Der entscheidende Unterschied zur Keyword-Dichte

Lange Zeit galt die Keyword-Dichte (Keyword Density) als zentrale On-Page-Kennzahl: Man berechnete, wie viel Prozent der Wörter eines Textes das Hauptkeyword ausmachten, und steuerte auf einen vermeintlich idealen Wert zu. Das Problem: Die Keyword-Dichte betrachtet nur deinen eigenen Text isoliert und ignoriert vollständig, womit du eigentlich konkurrierst. Zwei Texte mit identischer Dichte können thematisch völlig unterschiedlich vollständig sein – die Kennzahl sieht den Unterschied nicht.

WDFIDF setzt genau hier an. Bekannt wurde die Methode im deutschsprachigen SEO ab 2012, maßgeblich durch den Online-Marketer Karl Kratz, der die reine Keyword-Dichte als Steuerungsgröße infrage stellte und stattdessen die vergleichende, vektorbasierte Betrachtung populär machte. Der Reiz von WDFIDF liegt darin, dass es nicht nur ein Keyword, sondern das gesamte semantische Umfeld eines Themas betrachtet – und dieses Umfeld immer relativ zur Konkurrenz bewertet.

Der gedankliche Schritt von der isolierten Dichte hin zur vergleichenden, semantischen Betrachtung ist eng verwandt mit dem Prinzip der semantischen Content-Optimierung: Es geht nicht mehr um ein einzelnes Wort, sondern um thematische Vollständigkeit.

Die Formel verständlich erklärt

Du musst kein Mathematiker sein, um WDF*IDF zu nutzen – moderne Tools rechnen für dich. Aber wer die Logik dahinter versteht, interpretiert die Ergebnisse deutlich besser und tappt seltener in Fehler. Schauen wir uns beide Bestandteile an.

WDF: Within Document Frequency

Die WDF beschreibt, wie oft ein Begriff in einem Dokument vorkommt – aber mit einer logarithmischen Dämpfung. Der Grund ist intuitiv: Das fünfte Vorkommen eines Wortes ist weniger bedeutsam als das erste, und das fünfzigste ist fast belanglos. Eine lineare Zählung würde Vielfach-Wiederholungen massiv überbewerten und damit Keyword-Stuffing belohnen. Der Logarithmus sorgt dafür, dass die Bedeutung mit jeder Wiederholung abflacht.

Konzeptionell lässt sich die WDF so beschreiben: Sie steigt mit der Häufigkeit eines Begriffs im Text, aber immer langsamer, und sie wird ins Verhältnis zur Gesamtzahl der Wörter im Dokument gesetzt. Ein Begriff, der in einem kurzen Text dreimal vorkommt, hat eine höhere WDF als derselbe Begriff, der in einem sehr langen Text dreimal vorkommt. Die WDF normalisiert also die reine Anzahl an der Textlänge.

IDF: Inverse Document Frequency

Die IDF dreht den Blickwinkel um: Statt deinen Text anzuschauen, betrachtet sie das gesamte Korpus. Sie misst, in wie vielen Dokumenten ein Begriff überhaupt auftaucht. Vereinfacht ausgedrückt berechnet sie sich aus dem Logarithmus des Verhältnisses zwischen der Gesamtzahl der Dokumente und der Zahl der Dokumente, die den Begriff enthalten.

Die Konsequenz: Ein Begriff, der in fast jedem Dokument vorkommt (etwa „Information” auf einer Informationsseite), bekommt eine niedrige IDF. Ein fachlich spezifischer Begriff, der nur in wenigen, thematisch passenden Dokumenten erscheint, erhält eine hohe IDF. Die IDF ist gewissermaßen ein Seltenheitsfilter, der die Spreu (Allerweltswörter) vom Weizen (thematisch unterscheidende Begriffe) trennt.

Das Produkt: warum die Multiplikation den Trick macht

Erst die Multiplikation von WDF und IDF erzeugt den eigentlichen Mehrwert. Ein Begriff erhält nur dann einen hohen WDF*IDF-Wert, wenn beide Bedingungen erfüllt sind:

1. Er kommt in deinem Text verhältnismäßig häufig vor (hohe WDF).
2. Er ist im Korpus insgesamt selten und damit unterscheidend (hohe IDF).

Ein Wort wie „auch” hätte vielleicht eine hohe WDF (kommt oft vor), aber eine verschwindend kleine IDF (kommt überall vor) – das Produkt geht gegen null. Ein hochrelevanter Fachbegriff dagegen, der in deinem Text mehrfach und im Korpus selten auftaucht, erreicht einen hohen Wert. So entsteht eine Rangliste der wirklich themenrelevanten Begriffe.

Kennzahl	Was sie misst	Blickrichtung	Folge für die Gewichtung
Keyword-Dichte	Anteil eines Keywords am Gesamttext	nur eigener Text	überbewertet Wiederholung, ignoriert Konkurrenz
WDF	gedämpfte Häufigkeit im Dokument	eigener Text	flacht mit jeder Wiederholung ab
IDF	Seltenheit über alle Dokumente	gesamtes Korpus	hebt unterscheidende Begriffe hervor
WDF*IDF	Relevanz im Verhältnis zur Konkurrenz	Text vs. Korpus	zeigt thematisch entscheidende Terme

Wofür WDF*IDF im SEO eingesetzt wird

Die Methode hat in der Praxis vor allem drei Anwendungsfelder, die alle auf demselben Grundgedanken beruhen: Texte thematisch vollständiger zu machen, als sie es nach reinem Bauchgefühl wären.

1. Themenabdeckung prüfen. Eine WDF*IDF-Analyse zeigt dir, welche Begriffe die Top-Rankings zu deinem Keyword gemeinsam verwenden. Wenn alle erfolgreichen Texte zu „Gartenteich anlegen” über Folie, Bepflanzung, Pumpe, Filter und Wassertiefe sprechen, dein Entwurf aber die Pumpe komplett auslässt, hast du eine inhaltliche Lücke. Das Tool macht diese Lücke sichtbar.

2. Bestehende Inhalte überarbeiten. Besonders wertvoll ist WDF*IDF für die nachträgliche Optimierung. Du hast einen Text, der auf Seite zwei oder drei festhängt? Eine Analyse deckt auf, welche relevanten Begriffe deinen rankenden Wettbewerbern gegenüber fehlen oder unterrepräsentiert sind. Oft genügen gezielte Ergänzungen, um die thematische Tiefe spürbar zu erhöhen.

3. Briefings für Texter erstellen. Wenn du Inhalte auslagerst oder im Team arbeitest, liefert eine WDF*IDF-Auswertung eine objektive Begriffsliste, die ins Briefing wandert. So stellst du sicher, dass auch externe Autorinnen und Autoren die thematisch entscheidenden Aspekte abdecken, ohne das Thema selbst tief zu durchdringen.

Diese drei Einsatzzwecke greifen ineinander mit anderen Disziplinen. Wer etwa SEO-Texte schreiben will, die wirklich ranken, kombiniert WDF*IDF mit einer sauberen Analyse der Suchintention – denn die beste Begriffsabdeckung nützt nichts, wenn der Text die eigentliche Nutzerfrage verfehlt.

WDF*IDF Schritt für Schritt: die Methode

Eine WDF*IDF-Analyse folgt einem klaren Ablauf. Die folgenden Schritte funktionieren unabhängig vom konkreten Tool und führen von der ersten Idee bis zum fertig optimierten Text.

Schritt 1: Ziel-Keyword und Suchintention festlegen

Bevor du irgendetwas analysierst, klärst du, worauf du optimieren willst. Definiere ein präzises Haupt-Keyword und verstehe, was Nutzer dahinter erwarten: eine Anleitung, einen Vergleich, eine Definition, ein Produkt? Diese Einordnung entscheidet darüber, welche Texte überhaupt als Vergleichsbasis taugen. Optimierst du auf „Kaffeemaschine kaufen”, aber das Tool zieht Rezeptseiten heran, ist das Ergebnis verfälscht. Die Suchintention ist das Fundament jeder sinnvollen Analyse.

Schritt 2: Das Korpus bestimmen

Das Korpus sind die Vergleichsdokumente. In der SEO-Praxis sind das in der Regel die Top-Ergebnisse der Google-SERP für dein Keyword – häufig die ersten zehn bis dreißig organischen Treffer. Die meisten Tools übernehmen diesen Schritt automatisch: Sie crawlen die aktuell rankenden Seiten und bilden daraus das Korpus. Wichtig ist, dass dieses Korpus thematisch homogen ist. Mischen sich stark abweichende Seitentypen (etwa ein Forum, ein Shop und ein Lexikoneintrag), wird das semantische Profil unscharf.

Schritt 3: WDF*IDF-Werte berechnen lassen

Jetzt berechnet das Tool für jeden relevanten Begriff im Korpus den WDF*IDF-Wert und erstellt eine gewichtete Liste. Das Ergebnis ist meist ein Diagramm oder eine Tabelle: Auf der einen Seite siehst du, welche Begriffe die Wettbewerber wie stark gewichten, auf der anderen Seite, wie dein eigener Text (sofern schon vorhanden) im Vergleich abschneidet. So erkennst du auf einen Blick Über- und Unterrepräsentation.

Schritt 4: Den eigenen Text gegen das Profil legen

Dieser Abgleich ist das Herzstück. Du vergleichst dein Begriffsprofil mit dem des Korpus und identifizierst drei Kategorien:

1. Fehlende Begriffe – relevante Terme, die die Konkurrenz nutzt, du aber gar nicht.
2. Unterrepräsentierte Begriffe – Wörter, die du erwähnst, aber deutlich seltener als der Durchschnitt der Top-Texte.
3. Überrepräsentierte Begriffe – Terme, die du im Vergleich übertreibst (ein Warnsignal für Überoptimierung).

Schritt 5: Den Text gezielt überarbeiten

Auf Basis dieser Analyse ergänzt und justierst du. Fehlende relevante Begriffe arbeitest du natürlich in passende Absätze ein – idealerweise dort, wo sie inhaltlich hingehören, nicht in künstlich angehängten Aufzählungen. Überrepräsentierte Begriffe dünnst du aus oder ersetzt sie durch Synonyme. Das Ziel ist nie, eine Zahl zu erreichen, sondern den Text inhaltlich vollständiger und ausgewogener zu machen.

Schritt 6: Erneut messen und gegenlesen

Nach der Überarbeitung führst du die Analyse erneut aus und prüfst, ob sich dein Profil dem Korpus angenähert hat. Genauso wichtig: Lies den Text laut. Klingt er noch flüssig und natürlich? Wenn die Optimierung den Lesefluss zerstört hat, hast du zu mechanisch gearbeitet. Hier zeigt sich der entscheidende Punkt: WDF*IDF ist ein Kompass, kein Autopilot.

Ein konkretes Beispiel

Nehmen wir an, du schreibst einen Ratgeber zum Keyword „Hochbeet bepflanzen”. Du analysierst die zehn bestrankenden Seiten und das Tool liefert eine Begriffsliste, die unter anderem folgende Terme stark gewichtet: Schichten, Drainage, Kompost, Mischkultur, Aussaat, Nährstoffe, Gründüngung, Substrat, Erde, Saison.

Dein erster Entwurf behandelt zwar Erde, Kompost und Aussaat ausführlich – aber „Schichten”, „Drainage” und „Mischkultur” tauchen gar nicht auf. Das ist ein klares Signal: Die rankenden Texte erklären offensichtlich den schichtweisen Aufbau eines Hochbeets und das Prinzip der Mischkultur, weil das zentrale Aspekte des Themas sind. Deine Lücke ist also keine reine Wortlücke, sondern eine inhaltliche Lücke.

Die richtige Reaktion ist nicht, die Wörter „Schichten” und „Mischkultur” zehnmal mechanisch einzustreuen. Die richtige Reaktion ist, jeweils einen vollwertigen Abschnitt zu ergänzen, der den Schichtaufbau erklärt und das Konzept der Mischkultur mit Beispielpflanzen beschreibt. Die Begriffe ergeben sich dann von selbst – und der Text wird tatsächlich besser, nicht nur statistisch optimierter. Genau so sollte WDF*IDF funktionieren: als Indikator für fehlende Substanz, nicht als Wortquote.

Häufige Fehler bei WDF*IDF

Die Methode ist mächtig, aber sie wird oft falsch eingesetzt. Diese Fehler begegnen einem in der Praxis am häufigsten:

• WDF*IDF als starre Quote behandeln. Der größte Irrtum. Wer einen Begriff zwingend „siebenmal” unterbringen will, weil das Tool das nahelegt, schreibt für den Algorithmus statt für Menschen. Die Werte sind Richtwerte, keine Befehle.
• Überoptimierung. Wenn du jeden empfohlenen Begriff bis ans Maximum auslastest, entsteht ein unnatürlicher, gestelzter Text. Suchmaschinen erkennen Überoptimierung – und Leser sowieso. Ein gutes WDF*IDF-Profil liegt im Korridor des Korpus, nicht an dessen Obergrenze.
• Synonyme und Wortvarianten ignorieren. Klassische WDF*IDF-Tools zählen Begriffe oft exakt. „Auto”, „Wagen”, „Fahrzeug” und „Pkw” können dasselbe meinen, werden aber getrennt erfasst. Wer stur den einen Term wiederholt, verschenkt natürliche Sprachvielfalt. Moderne, NLP-basierte Werkzeuge berücksichtigen Synonyme deutlich besser.
• Die Suchintention vernachlässigen. Ein perfektes Begriffsprofil rettet keinen Text, der die eigentliche Nutzerfrage verfehlt. WDF*IDF sagt dir welche Begriffe, aber nicht ob dein Format überhaupt zur Intention passt.
• Ein verunreinigtes Korpus verwenden. Wenn die analysierten Top-Seiten thematisch zu heterogen sind, ist das resultierende Profil wertlos. Prüfe immer, ob die Vergleichsdokumente wirklich dein Thema treffen.
• Kontext und Platzierung ignorieren. Wo ein Begriff steht (Überschrift, erster Absatz, Fließtext), beeinflusst seine Wirkung. Reine Häufigkeit erfasst das nicht. Setze wichtige Begriffe dort ein, wo sie inhaltlich Gewicht haben.

Es ist übrigens kein Zufall, dass diese Fehlerliste an die Diskussion um die alte Keyword-Density erinnert. WDF*IDF wurde populär, weil die Keyword-Dichte zu mechanisch war – und verliert genau dann seinen Vorteil, wenn man es wieder mechanisch anwendet.

Werkzeuge für die WDF*IDF-Analyse

Die manuelle Berechnung von WDF*IDF ist theoretisch möglich, in der Praxis aber kaum sinnvoll – das Crawlen der SERP, die Tokenisierung der Texte und die logarithmische Rechnung übernehmen spezialisierte Tools in Sekunden. Bei der Auswahl lohnt es sich, zwischen zwei Generationen zu unterscheiden.

Klassische WDF*IDF-Tools liefern dir die reine Formel: Sie crawlen das Korpus, berechnen die Werte und zeigen dir ein Begriffsdiagramm. Sie sind solide für die schnelle Lückenanalyse, behandeln Begriffe aber oft als isolierte Strings und erkennen Synonyme nur eingeschränkt.

Moderne, NLP-basierte Content-Editoren gehen einen Schritt weiter. Sie analysieren nicht nur einzelne Begriffe, sondern ganze Entitäten, Themencluster und Fragen, die in den Top-Rankings vorkommen, und bewerten deinen Text in Echtzeit mit einem Content-Score. Statt einer nackten Begriffsliste bekommst du eine kontextualisierte Empfehlung, die der Funktionsweise heutiger Suchmaschinen näherkommt.

Genau in dieser zweiten Kategorie ist NeuronWriter angesiedelt. Das Tool wertet die Google-SERP zu deinem Keyword aus, extrahiert das semantische Feld – also die Begriffe, Entitäten und Fragen, die die erfolgreichen Seiten gemeinsam verwenden – und zeigt dir während des Schreibens einen Content-Score an, der signalisiert, wie vollständig dein Text das Thema abdeckt. Für eine WDF*IDF-orientierte Arbeitsweise ist das praktisch, weil du die Lückenanalyse und das Optimieren in einer Oberfläche erledigst, statt zwischen Berechnung und Texteditor hin- und herzuspringen.

Konkret hilft das Tool bei drei der oben beschriebenen Schritte: beim Analysieren des semantischen Felds (welche Begriffe die Konkurrenz gewichtet), beim Scoren des eigenen Texts in Echtzeit (wo stehst du im Vergleich zum Korpus) und beim Erstellen eines Briefings mit den relevanten Begriffen für externe Texter. Damit deckt es die WDF*IDF-Logik ab, ohne dich in eine starre Quote zu zwingen – vorausgesetzt, du nutzt den Score als Orientierung und nicht als Selbstzweck.

Bevor du dich für ein Werkzeug entscheidest, lohnt sich ein Blick auf die Alternativen. In unseren Vergleichen NeuronWriter vs Surfer SEO und NeuronWriter vs Frase findest du eine Einordnung der wichtigsten Content-Editoren – inklusive der Frage, welches Tool für welchen Anwendungsfall am besten passt.

WDF*IDF im Kontext moderner SEO

So nützlich die Formel ist – man muss sie heute richtig einordnen. Als WDFIDF um 2012 im deutschsprachigen SEO populär wurde, arbeiteten Suchmaschinen stärker auf der Ebene einzelner Begriffe. Inzwischen hat sich das Spielfeld verschoben: Mit semantischen Datenbanken, Sprachmodellen und einem tieferen Verständnis von Entitäten und Nutzerabsichten bewerten Suchmaschinen Inhalte nicht mehr Wort für Wort, sondern als Ganzes. Genau deshalb ist die Wirksamkeit von WDFIDF als isolierte Ranking-Methode heute umstritten.

Das heißt aber nicht, dass die Methode überholt ist – sie hat nur ihren Platz verändert. WDF*IDF ist heute weniger ein direkter Ranking-Hebel und mehr ein Diagnosewerkzeug für thematische Vollständigkeit. Es deckt zuverlässig auf, wo deinem Text Substanz fehlt. Diese Erkenntnis fügt sich nahtlos in ein größeres Bild ein:

• Wer thematische Tiefe systematisch aufbauen will, denkt nicht in einzelnen Texten, sondern in Themenclustern, die ein Thema über mehrere verlinkte Seiten hinweg umfassend abdecken.
• Vollständigkeit allein genügt nicht – Inhalte müssen auch Vertrauen und Kompetenz ausstrahlen. Das beschreibt Googles Qualitätskriterium E-E-A-T, das WDF*IDF sinnvoll ergänzt: Das eine sorgt für Glaubwürdigkeit, das andere für Abdeckung.
• Und die beste Begriffsabdeckung beginnt mit der richtigen Themenauswahl. Eine fundierte Keyword-Recherche liefert die Keywords, auf die sich eine WDF*IDF-Analyse überhaupt erst lohnt.

Die ehrliche Einordnung lautet also: WDF*IDF ist ein hervorragender Ausgangspunkt, um einen Text vollständiger zu machen, aber ein schlechter Endpunkt. Es ersetzt weder die Analyse der Suchintention noch journalistische Sorgfalt, eigene Erfahrung oder die übergeordnete Content-Strategie. Es ist ein Instrument im Werkzeugkasten – ein sehr brauchbares, wenn man weiß, wofür.

Best Practices für die Praxis

Zum Abschluss eine kompakte Sammlung bewährter Vorgehensweisen, die WDF*IDF zu einem echten Vorteil machen, statt zu einer Optimierungsfalle:

1. Schreibe zuerst, optimiere danach. Verfasse einen vollständigen, gut recherchierten Entwurf, bevor du analysierst. So bleibt der Text natürlich, und WDF*IDF dient nur der Feinabstimmung – nicht der Konstruktion.
2. Behandle Werte als Korridor, nicht als Ziel. Strebe an, im mittleren Bereich des Korpus zu liegen, nicht an dessen Obergrenze. Ein ausgewogenes Profil schlägt ein maximiertes.
3. Arbeite mit Synonymen und natürlicher Sprache. Variiere deine Wortwahl bewusst. Suchmaschinen verstehen Bedeutungszusammenhänge – starre Wiederholung wirkt eher schädlich.
4. Platziere wichtige Begriffe sinnvoll. Greife zentrale Terme in Überschriften, der Einleitung und dort auf, wo sie inhaltlich Gewicht haben – nicht wahllos über den Text verteilt.
5. Prüfe immer die Suchintention. Bevor du Begriffe ergänzt, vergewissere dich, dass dein Format überhaupt zur Nutzerabsicht passt. Begriffsabdeckung kann ein falsches Format nicht retten.
6. Achte auf das Korpus. Wirf erkennbar themenfremde Seiten aus deiner Vergleichsbasis. Ein sauberes Korpus liefert ein verlässliches Profil.
7. Lies den fertigen Text laut. Der finale Qualitätstest ist immer das menschliche Ohr. Wenn der Text holprig klingt, war die Optimierung zu mechanisch.
8. Denke über den Einzeltext hinaus. Verknüpfe optimierte Inhalte sinnvoll untereinander. Eine starke interne Verlinkung verteilt thematische Autorität und stärkt das gesamte Cluster.

Wer diese Punkte beherzigt, nutzt WDF*IDF so, wie es gemeint war: als datengestützten Kompass, der zeigt, wo ein Text noch Substanz braucht – und nicht als Maschine, die guten Inhalt durch das Abhaken von Wortquoten ersetzt. Die Formel macht aus mittelmäßigen Texten keine guten. Aber sie hilft dir, gute Texte vollständig zu machen. Und genau das ist im modernen SEO oft der entscheidende Unterschied zwischen Seite zwei und Seite eins.