Am 13. August 2026 veröffentlichte Microsoft Technology Licensing LLC die Patentanmeldung US20260236548A1, die ein System zur Komprimierung von Daten aus Suchergebnissen beschreibt, bevor sie an ein generatives KI-Modell übermittelt werden. Um eine Seite zusammenzufassen, behält dieses System die Sätze bei, die am stärksten mit dem Rest des Textes und der Anfrage verbunden sind. Das Dokument beweist jedoch nicht, dass Bing oder Copilot dieses Verfahren genau so anwenden.
- Microsoft hat ein Patent zur Komprimierung von Suchergebnissen für generative KI-Modelle angemeldet.
- Das System behält nur die Sätze, die am stärksten mit Text und Anfrage verbunden sind.
- Das Patent beweist jedoch nicht, dass Bing oder Copilot dieses Verfahren nutzen.
- Redaktionsteams sollten eigenständige Zusammenfassungen, sichtbare Daten und einen sachlichen Ton verwenden.
Quellen vor dem Modellaufruf komprimieren
Das Dokument trägt den Titel „Generating and utilizing compressed grounding data for search engines that utilize generative artificial intelligence models ». Es beansprucht die Priorität einer indischen Voranmeldung vom 13. Februar 2025. Es betrifft die „grounding data » oder Verankerungsdaten, also die in den Suchergebnissen abgerufenen Inhalte (Links, Ausschnitte, Metadaten, direkte Antworten), die einem Sprachmodell bereitgestellt werden, um seine Antwort auf überprüfbare Fakten zu stützen. Dieser Mechanismus ist als RAG (Retrieval-Augmented Generation oder durch Abruf augmentierte Generierung) bekannt.
Das Patent geht von einem technischen Problem aus. Wenn diese Daten das Token-Limit (die Texteinheiten, die ein Modell auf einmal verarbeiten kann) überschreiten, müssen mehrere Aufrufe erfolgen, was Zeit und Ressourcen kostet. Umgekehrt führt die Bereitstellung zu vieler Daten auf einmal zu allgemeinen oder inkonsistenten Antworten. Der Text nennt zwei bekannte Schwächen großer Sprachmodelle: das Phänomen „lost in the middle », bei dem Informationen in der Mitte eines langen Prompts schlecht berücksichtigt werden, und den Recency-Bias, der Elementen am Ende eines Prompts zu viel Gewicht verleiht.
Die vorgeschlagene Lösung besteht darin, diese Daten vor der Übermittlung zu komprimieren, um alles in einem einzigen Aufruf zu übertragen. Das System kann eine auf die Anfrage fokussierte Zusammenfassung erstellen und diese dann in Embeddings umwandeln, also in vektorielle Darstellungen der Bedeutung eines Textes. Es kann auch vorab die Aktualität und Glaubwürdigkeit der Inhalte bewerten.
In einer Veröffentlichung auf LinkedIn stellt Ian Sorin dieses Patent als Beschreibung der Funktionsweise der Chatbots Copilot und Bing dar. Der Text selbst spricht allgemein von „generativen Suchmaschinen » und nennt als Beispiele Modelle wie GPT-3.5, GPT-4 oder GPT-4o, ohne Bing oder Copilot explizit zu nennen.
Zentrale Sätze, Aktualität und Glaubwürdigkeit
Für die Zusammenfassung von Seiten bereinigt das System zunächst den Inhalt, indem es HTML-Tags, Sonderzeichen und Kodierungsfehler entfernt. Der Text wird dann in Sätze zerlegt und anschließend extraktiv zusammengefasst, indem bestehende Sätze ausgewählt werden, anstatt den Inhalt neu zu schreiben. Die Hauptmethode stellt jeden Satz als Knoten in einem Graphen dar, der mit anderen durch ihre Kosinus-Ähnlichkeit verbunden ist, einem Maß für semantische Nähe. Ein Satz wird als wichtig erachtet, wenn er stark mit anderen, selbst wichtigen Sätzen verbunden ist, was Ian Sorin als „Pagerank der Sätze » bezeichnet. Das Patent beschreibt auch eine Gruppierung nach Themen und eine Auswahl basierend auf häufigen Begriffen im Verhältnis zur Anfrage. Sätze in Einleitung oder Schluss werden anschließend bevorzugt.
Die Aktualität wird anhand des Zeitstempels der Inhalte bewertet, also ihres Erstellungs- oder letzten Änderungsdatums. Ältere Inhalte erhalten eine geringere Relevanz, mit Ausnahmen für Grundlagenwissen, variablen Lebensdauerschwellenwerten je nach Domäne und einer Erkennung von Aktualisierungen. Die Glaubwürdigkeit basiert auf einem Reputationsscore, der historische Genauigkeit, Domain-Autorität und Peer-Validierung kombiniert. Das System gleicht Informationen auch über mehrere unabhängige Quellen ab und prüft die Vielfalt der Perspektiven. Das Patent spezifiziert nicht, wie diese Kriterien gemessen werden.
Hinweise für Redakteure, ohne nachgewiesene Anwendung
Das Dokument beschreibt viele Varianten, eingeführt durch die Formulierung „in bestimmten Implementierungen ». Seine Veröffentlichung beweist daher nicht, dass dieses System heute hinter Bing oder Copilot arbeitet. Es beleuchtet jedoch die Auswahllogik, die eine generative Suchmaschine auf die von ihr abgerufenen Seiten anwenden kann. Für Redaktionsteams zieht Ian Sorin mehrere Lehren daraus: eigenständige zusammenfassende Sätze, Platzierung des Wesentlichen in Einleitung und Schluss, sichtbare Veröffentlichungs- und Aktualisierungsdaten, ein sachlicher Ton und überprüfbare Daten.
Das Patent lässt jedoch eine Frage offen, nämlich die der exklusiven Informationen. Ein Scoop oder proprietäre Daten, die zum Zeitpunkt ihrer Veröffentlichung von wenigen Quellen aufgegriffen werden, lösen die Suche nach ergänzenden Quellen aus. Der Text spezifiziert nicht, was mit dieser Information geschieht, wenn das System keine findet.
