Wenn du regelmäßig in der Google Search Console arbeitest, wirst du vermutlich bald an einer Stelle hängen bleiben, an der bisher alles recht vertraut aussah: im Leistungsbericht, genauer gesagt beim Filter für den Suchtyp. Dort taucht nach und nach eine neue Unterscheidung auf. Unter dem Bereich „Web“ gibt es nicht mehr nur das klassische Web-Suchsignal, sondern zusätzlich die Aufteilung in „Text-based“ und „Multimodal“. Klingt erst einmal technisch, fast ein bisschen unscheinbar. Tatsächlich steckt dahinter aber eine Veränderung, die für viele Websites ziemlich spannend werden kann – vor allem, wenn Bilder, Produkte, visuelle Inhalte oder Anleitungen eine Rolle spielen.
Der neue Filter zeigt dir, wie deine Inhalte in Suchsituationen erscheinen, bei denen Nutzer nicht einfach nur Text eintippen, sondern ein Bild, ein Foto oder einen Screenshot als Teil der Suche verwenden. Also etwa über Google Lens, über „Circle to Search“ auf Android-Geräten, über Bild-Uploads in der Google-Suche oder über die Chrome-Funktion „Dieses Bild suchen“, die per Rechtsklick erreichbar ist. Das ist ein anderes Suchverhalten als die klassische Eingabe „beste Laufschuhe für breite Füße“ oder „wie reinige ich Edelstahl“. Hier beginnt die Suche oft mit einem visuellen Impuls: jemand fotografiert etwas, markiert einen Bildausschnitt oder lädt ein bestehendes Bild hoch.
Aus meiner Sicht ist genau das der interessante Punkt. Wir reden nicht mehr nur darüber, welche Keywords jemand tippt, sondern darüber, welche visuellen Situationen Nutzer zu deinen Seiten führen. Das kann für Shop-Betreiber, Publisher, Rezeptseiten, DIY-Portale, Mode-Websites, Technikseiten oder lokale Anbieter ziemlich wertvoll werden. Nicht perfekt, dazu gleich mehr. Aber wertvoll.
Was der neue Multimodal-Filter in der Search Console eigentlich misst
Der neue Berichtsteil trägt sinngemäß die Bedeutung: „Web: multimodal“ umfasst Web-Suchergebnisse, bei denen ein Bild als Teil der Suche verwendet wurde. Rein textbasierte Suchanfragen werden dagegen weiterhin als textbasierte Web-Suche erfasst. Damit trennt Google erstmals deutlicher zwischen zwei Arten von Web-Suche, die im Alltag oft ineinander übergehen.
Früher hast du in der Search Console vor allem gesehen, wie deine Seiten bei klassischen Suchanfragen performen. Du hattest Impressionen, Klicks, CTR, Positionen und, besonders wichtig, die Abfrage-Dimension. Also die Suchanfragen, über die Nutzer deine Inhalte gefunden haben. Bei der multimodalen Suche funktioniert das nicht ganz so sauber. Denn wenn jemand ein Bild hochlädt oder mit der Smartphone-Kamera ein Objekt sucht, gibt es eben nicht zwingend eine Textanfrage. Manchmal ergänzt der Nutzer zwar Text, oft aber nicht. Und selbst wenn er Text ergänzt, steht das Bild als Suchsignal im Vordergrund.
Deshalb ist eine der wichtigsten Einschränkungen: Für multimodale Suchanfragen gibt es keine klassische Query-Dimension. Du bekommst also nicht einfach eine Liste mit Suchbegriffen, wie du sie aus der normalen Websuche kennst. Das wirkt im ersten Moment enttäuschend. Ich gebe zu, mein erster Gedanke wäre auch: „Schön, aber welche Bilder oder Absichten stecken dahinter?“ Genau diese Details bekommst du nicht. Du siehst auch nicht das konkrete Foto, den Screenshot oder das Bild, das der Nutzer verwendet hat.
Was du aber bekommst, ist trotzdem interessant: Du kannst erkennen, welche deiner Seiten bei solchen bildgestützten Suchen angezeigt wurden und wie oft das passiert ist. Das ist gerade für Seiten mit starkem Bildbezug ein neues Fenster in einen Bereich, der bisher eher im Dunkeln lag.
Ein einfaches Beispiel: Stell dir vor, du betreibst eine Website über Zimmerpflanzen. Jemand fotografiert eine Pflanze mit braunen Blatträndern und sucht per Lens nach Hilfe. Wenn deine Seite über Pflegefehler bei Calathea, Monstera oder Ficus erscheint, kann das künftig als multimodale Websuche sichtbar werden. Du weißt dann zwar nicht, welches konkrete Foto der Nutzer gemacht hat. Aber du erkennst, dass bestimmte Seiten über Bildsuche-ähnliche, visuelle Suchpfade Impressionen oder Traffic erhalten.
Oder nimm einen Online-Shop für Ersatzteile. Ein Nutzer fotografiert ein defektes Bauteil, eine Schraube, einen Adapter, ein bestimmtes Kabel. Wenn Google deine Produktseite als passendes Webergebnis ausspielt, kann das nun separat im Leistungsbericht auftauchen. Für so etwas ist der neue Filter wirklich nützlich, weil du damit nicht mehr alles unter der klassischen Websuche vermutest oder gar nicht siehst.
Warum diese Daten neu sind und nicht einfach nur eine neue Sortierung
Ein wichtiger Punkt wurde nach der Einführung noch einmal klargestellt: Diese multimodalen Daten waren offenbar nicht einfach vorher schon im normalen Web-Bericht enthalten. Sie wurden also nicht nur aus einem bestehenden Topf herausgelöst und neu beschriftet. Vielmehr handelt es sich um neue Daten, die bisher in den Zählungen nicht auftauchten.
Das ist mehr als eine technische Fußnote. Denn wenn du in deinen Leistungsberichten Veränderungen siehst, könntest du schnell denken: „Ah, Google hat Web jetzt aufgeteilt, deshalb sinken meine normalen Web-Impressionen.“ So einfach ist es wohl nicht. Wenn diese Daten vorher gar nicht gezählt wurden, dann bedeutet der neue Filter eher, dass ein zusätzlicher Sichtbarkeitsbereich geöffnet wird. Du bekommst mehr Einblick, nicht nur eine andere Schublade.
Natürlich bleibt es in der Praxis ein bisschen knifflig. Bei Rollouts, neuen Filtern und rückwirkenden Daten kann es immer zu merkwürdigen Kurven kommen. Ich habe in Search-Console-Daten schon oft gesehen, dass neue Berichtsfunktionen erst nach einigen Tagen wirklich stabil wirken. Manchmal sind Daten lückenhaft, manchmal taucht ein Filter auf, verschwindet kurz, oder einzelne Properties zeigen etwas früher als andere. Das ist nicht ungewöhnlich. Deshalb würde ich die ersten Tage nicht überinterpretieren.
Trotzdem ist die Aussage wichtig: Multimodale Suchdaten sind ein zusätzlicher Datenbereich. Wenn deine Website solche Zugriffe erhält, solltest du sie künftig im Performance-Bericht sehen können. Wenn du nichts siehst, heißt das nicht automatisch, dass etwas kaputt ist. Es kann schlicht bedeuten, dass deine Seite bisher kaum oder gar nicht bei solchen bildgestützten Suchvorgängen ausgespielt wurde.
Was „multimodal“ für deine SEO-Arbeit praktisch bedeutet
Der Begriff „multimodal“ klingt gerne etwas nach Konferenzfolie. Im Alltag heißt er aber recht simpel: Die Suche versteht mehr als nur Text. Sie nutzt verschiedene Eingabeformen, vor allem Bilder plus Kontext. Ein Nutzer kann ein Foto machen, einen Bereich auf dem Bildschirm einkreisen, ein Bild hochladen oder ein vorhandenes Bild im Browser weiter untersuchen. Google versucht dann, daraus ein Suchbedürfnis abzuleiten.
Für dich als Website-Betreiber verändert das die Frage: Nicht mehr nur „Für welche Keywords ranke ich?“, sondern auch: Für welche visuellen Probleme, Produkte, Orte oder Objekte könnte meine Seite relevant sein?
Das ist ein kleiner, aber ziemlich entscheidender Perspektivwechsel. Bei klassischer SEO optimierst du oft von Suchbegriffen aus. Du schaust dir Keyword-Volumen an, baust Inhalte um Suchintentionen herum, schreibst Titel, H1, Absätze, strukturierte Daten. Das bleibt alles wichtig. Nur kommt jetzt eine Ebene hinzu: Wie erkennt Google deine Inhalte, wenn der Einstieg über ein Bild passiert?
Hier spielen mehrere Dinge zusammen. Gute Bilder helfen, aber nicht nur ästhetisch gute Bilder. Es geht um eindeutige, hilfreiche, kontextreiche Bilder. Ein Produktbild auf weißem Hintergrund kann für einen Shop sinnvoll sein. Ein zusätzliches Bild im Nutzungskontext kann aber ebenfalls wertvoll sein. Bei Anleitungen sind Schritt-für-Schritt-Bilder oft stärker als ein hübsches Symbolfoto. Bei Rezepten zählt nicht nur das fertige Gericht, sondern manchmal auch die Konsistenz eines Teigs, ein Zwischenschritt oder ein bestimmter Zubereitungsgrad.
Ich erinnere mich an ein Projekt aus dem E-Commerce-Bereich, bei dem sehr viel über Textoptimierung gesprochen wurde. Die Produktseiten waren eigentlich ordentlich, aber die Bilder waren generisch, klein, mehrfach komprimiert und teilweise von Herstellern übernommen. Für klassische Rankings reichte das eine Weile. Doch sobald visuelle Suche ins Spiel kommt, werden solche Schwächen deutlicher. Wenn Google ein Objekt, ein Muster, eine Form oder eine Farbe zuverlässig erkennen soll, dann sind verschwommene Standardbilder eben nicht ideal.
Das heißt nicht, dass du jetzt deine komplette Bildstrategie panisch umbauen musst. Aber es lohnt sich durchaus, genauer hinzuschauen: Sind deine Bilder klar? Zeigen sie das, worum es auf der Seite wirklich geht? Haben sie sinnvolle Dateinamen, Alt-Texte und umgebenden Kontext? Sind die Seiten technisch sauber crawlbar? Werden Bilder nicht durch unnötige Skripte versteckt? Solche Basics klingen langweilig, aber sie sind oft der Unterschied zwischen „Google versteht ungefähr etwas“ und „Google kann das sauber zuordnen“.
Für welche Websites der Filter besonders spannend ist
Der neue Multimodal-Filter dürfte nicht für jede Website gleich wichtig sein. Wenn du eine B2B-Software erklärst, deren Produkt rein abstrakt ist, wirst du möglicherweise weniger multimodale Suchdaten sehen. Wenn du aber in einem Bereich arbeitest, in dem Nutzer Dinge sehen, vergleichen, erkennen oder nachkaufen wollen, wird es interessanter.
Besonders relevant ist das für Websites mit vielen Produktbildern, Mode- und Möbelshops, Technik- und Ersatzteilseiten, Rezeptportale, Reise- und Location-Inhalte, Pflanzen- und Tierseiten, medizinische Informationsangebote mit sichtbaren Symptomen – wobei man da natürlich sehr vorsichtig sein muss – sowie DIY-, Reparatur- und How-to-Inhalte. Auch lokale Unternehmen können profitieren, etwa wenn Nutzer ein Geschäft, ein Gericht, ein Gebäude, ein Schild oder ein Produkt fotografieren und darüber weitersuchen.
Ein bisschen unterschätzt wird meiner Meinung nach der Bereich „Problem erkennen“. Viele Menschen suchen nicht, weil sie den Namen einer Sache kennen. Sie suchen, weil sie etwas sehen und nicht wissen, wie es heißt. Ein Fleck auf einem Blatt. Ein Symbol im Auto. Ein unbekannter Anschluss am Laptop. Ein Sneaker-Modell, das jemand auf der Straße trägt. Eine Lampe in einem Hotelzimmer. Genau hier ist multimodale Suche stark.
Wenn deine Inhalte solche Situationen gut beantworten, kannst du über diesen neuen Bericht möglicherweise erkennen, ob Google dich dafür heranzieht. Nicht in der Tiefe, die man sich wünschen würde, aber immerhin sichtbar.
Die große Einschränkung: Du bekommst keine Suchanfragen und keine Bilder
So hilfreich der neue Filter ist, er hat eine deutliche Grenze: Du siehst keine konkreten Query-Daten. Der Grund ist nachvollziehbar. Wenn die Suche überwiegend aus einem Bild besteht, gibt es keine klassische Textabfrage, die man anzeigen könnte. Und selbst wenn es eine zusätzlich eingegebene Textkomponente gibt, ist die eigentliche Suchabsicht oft nur aus der Kombination von Bild und Kontext verständlich.
Auch das verwendete Foto oder der Screenshot wird dir nicht angezeigt. Datenschutz, technische Komplexität und die Natur solcher Suchvorgänge sprechen dagegen. Du bekommst also keine Galerie von Nutzerbildern, die zu deinen Seiten geführt haben. Das wäre für SEOs natürlich faszinierend, aber auch ziemlich heikel.
Was bleibt, ist eher eine Art Schattenriss: Du siehst, dass deine Seite in multimodalen Suchumgebungen sichtbar wurde, aber nicht exakt warum. Das kann frustrierend sein. Aus Erfahrung würde ich sagen: Man braucht hier ein bisschen detektivisches Denken. Wenn eine bestimmte Produktkategorie plötzlich viele multimodale Impressionen bekommt, frage dich, was an diesen Produkten visuell gesucht werden könnte. Ist es die Form? Die Farbe? Eine Modellnummer? Ein Muster? Ein Bauteil? Ein Vergleich mit ähnlichen Produkten?
Bei Content-Seiten ist es ähnlich. Wenn eine Anleitung zu „Schimmel an der Wand erkennen“ multimodale Sichtbarkeit bekommt, liegt der visuelle Zusammenhang nahe. Bei einem Ratgeber zu Steuererklärungen eher weniger. Manchmal wirst du die Logik schnell erkennen, manchmal bleibt sie schwammig. Das ist normal.
Man sollte auch nicht vergessen: Der neue Bericht löst nicht alle offenen Fragen rund um KI- und Such-Performance. Es gibt weiterhin Bereiche, in denen Website-Betreiber gerne mehr Daten hätten, etwa bei generativen Suchfunktionen. Der neue multimodale Filter liefert zwar zusätzliche Einblicke und wird auch im Zusammenhang mit Leistungsberichten für generative AI-Funktionen erwähnt, aber er bedeutet nicht automatisch, dass du nun vollständige Klick-, Query- oder Detaildaten für alle KI-getriebenen Suchoberflächen bekommst. Da bleibt noch Luft nach oben. Sagen wir es freundlich: sehr viel Luft.
Wie du die neuen Daten sinnvoll interpretierst
Wenn der Filter bei dir verfügbar ist, würde ich nicht sofort mit großen strategischen Schlussfolgerungen starten. Erst einmal solltest du beobachten. Wähle im Leistungsbericht den Suchtyp aus und prüfe, ob unter Web die Optionen textbasiert und multimodal erscheinen. Falls ja, schau dir an, ob für deine Property bereits Daten vorhanden sind. Wenn deine Website Traffic aus solchen Suchvorgängen erhält, sollten entsprechende Metriken auftauchen.
Interessant sind vor allem Seitenvergleiche. Welche URLs bekommen multimodale Impressionen? Sind es Produktseiten, Kategorieseiten, Ratgeber, Bildergalerien, Blogbeiträge? Stimmen diese Seiten mit deiner Erwartung überein? Manchmal ist genau das Spannende, dass nicht die Seiten sichtbar werden, die du erwartet hättest. Vielleicht performt ein alter Ratgeber, weil er sehr klare Bilder enthält. Vielleicht taucht eine Produktseite auf, deren Bildmaterial besonders eindeutig ist. Oder eine Kategorieseite erscheint, weil sie viele ähnliche visuelle Varianten bündelt.
Ich würde diese Daten auch exportieren und außerhalb der Search Console mit anderen Informationen kombinieren. Nicht, weil der Export magisch mehr verrät, sondern weil du dann besser vergleichen kannst. Etwa multimodale Impressionen gegen normale Web-Impressionen. Oder Seiten mit vielen Bildzugriffen gegen Seiten mit hoher Conversion. Oder Produktgruppen mit visueller Nachfrage gegen Produktgruppen, die nur über Textsuche funktionieren.
Ein praktischer Ansatz wäre: Schau dir deine Seiten mit multimodalen Impressionen an und prüfe dann manuell, wie gut sie visuell aufgestellt sind. Sind die Hauptbilder hochwertig? Gibt es mehrere Perspektiven? Sind wichtige Details erkennbar? Passt der Text rund um das Bild? Ist das Bild indexierbar? Gibt es strukturierte Daten, wo sie sinnvoll sind? Ladezeiten und Bildformate solltest du ebenfalls im Blick behalten. Große, tolle Bilder helfen wenig, wenn sie die Seite zäh machen oder schlecht ausgeliefert werden.
Gleichzeitig solltest du nicht den Fehler machen, alles nur für Google Lens und Co. umzubauen. Gute visuelle Inhalte helfen meistens auch echten Nutzern. Das ist die angenehmere Seite daran. Wenn du bessere Produktfotos, klarere Anleitungsbilder oder aussagekräftigere Vergleichsansichten erstellst, optimierst du nicht nur für einen Bericht in der Search Console, sondern für Menschen, die schneller verstehen wollen, ob sie bei dir richtig sind.
Warum das ein Signal für die Zukunft der Suche ist
Die Einführung dieses Filters ist kein riesiger Paukenschlag, eher ein leises, aber ziemlich klares Signal. Google betrachtet multimodale Suche nicht mehr als exotische Nebenfunktion, sondern als messbaren Bestandteil der Websuche. Das passt zu dem, was man seit Jahren beobachten kann: Suche wird visueller, kontextueller und stärker in Gerätefunktionen eingebettet.
Gerade auf Smartphones ist die Grenze zwischen Kamera, Browser, Betriebssystem und Suche inzwischen ziemlich fließend. Du siehst etwas, markierst es, fotografierst es, suchst danach. Du tippst nicht mehr unbedingt eine präzise Keyword-Phrase. Manchmal weißt du ja gar nicht, wie das Ding heißt. Genau deshalb ist visuelle Suche so mächtig.
Für SEO bedeutet das nicht, dass Keywords verschwinden. Diese Vorhersage kommt alle paar Jahre wieder und ist meistens übertrieben. Menschen werden weiter tippen, sprechen, filtern, vergleichen. Aber ein wachsender Teil der Suche beginnt eben nicht mehr mit Worten. Und wenn die Search Console anfängt, diesen Teil sichtbar zu machen, solltest du ihn ernst nehmen.
Mein persönlicher Eindruck: Die spannendste Arbeit wird künftig dort passieren, wo klassische Content-Optimierung und visuelle Verständlichkeit zusammenkommen. Eine Seite muss erklären, was sie zeigt. Und sie muss zeigen, was sie erklärt. Das klingt simpel, ist aber in vielen Projekten erstaunlich schlecht umgesetzt. Da gibt es lange Texte ohne brauchbare Bilder, schöne Bilder ohne Kontext oder Produktseiten, die zwar hübsch aussehen, aber für Suchsysteme kaum Sinnzusammenhang liefern.
Der neue Multimodal-Filter macht solche Schwächen nicht automatisch sichtbar, aber er schafft einen Anlass, genauer hinzusehen. Wenn du visuelle Inhalte ohnehin stark nutzt, bekommst du nun eine zusätzliche Messgröße. Wenn du visuelle Inhalte bisher vernachlässigt hast, ist das ein freundlicher Schubs. Vielleicht sogar ein etwas unbequemer.
Was du jetzt konkret tun solltest
Sobald der Filter in deiner Search Console auftaucht, prüfe zuerst, ob Daten vorhanden sind. Nicht jede Website wird sofort etwas sehen. Der Rollout erfolgt global, aber die Sichtbarkeit hängt davon ab, ob deine Website überhaupt Traffic oder Impressionen aus solchen Suchvorgängen erhält. Bleib also ruhig, wenn der Bereich zunächst leer bleibt.
Wenn Daten vorhanden sind, konzentriere dich nicht nur auf die Gesamtzahlen. Die Gesamtzahl ist nett, aber selten besonders aufschlussreich. Wichtiger sind die Seiten, die erscheinen. Dort kannst du herausfinden, welche Inhalte offenbar visuell anschlussfähig sind. Danach lohnt sich ein ehrlicher Blick auf deine Bilder und Seitenstruktur.
Achte auf klare Bildmotive, passende Alt-Texte, sinnvolle Bildplatzierung, schnelle Ladezeiten und guten umgebenden Text. Bei Produkten können mehrere Perspektiven helfen. Bei Anleitungen sind Zwischenschritte Gold wert. Bei Ratgeberthemen solltest du Bilder nicht nur dekorativ verwenden, sondern erklärend. Und ja, manchmal bedeutet das auch, alte Stockfotos rauszuwerfen. Die sehen zwar nett aus, helfen aber oft weder Nutzern noch Suchmaschinen wirklich weiter.
Die wichtigste Erkenntnis bleibt: Google zeigt dir jetzt ein Stück mehr davon, wie Menschen deine Inhalte über bildbasierte Suche entdecken. Nicht vollständig, nicht perfekt, ohne konkrete Suchanfragen und ohne Nutzerbilder. Aber es ist ein Anfang. Und für manche Websites wird dieser Anfang ziemlich aufschlussreich sein.
Wenn du bisher nur auf klassische Suchbegriffe geschaut hast, ist jetzt ein guter Moment, deinen Blick etwas zu weiten. Frag dich nicht nur, wonach Nutzer suchen. Frag dich auch, was sie sehen, bevor sie suchen. Genau dort beginnt multimodale Suche. Und genau dort können deine Inhalte künftig eine größere Rolle spielen, als du vielleicht bisher vermutet hast.
