Schlüsselwort-Extraktor

Extrahiert die bedeutungsvollsten Wörter und Phrasen aus einem beliebigen langformatigen Text (Artikel, Blogpost, Transkript, Produktbeschreibung). Fünf Extraktionsmodi: (1) SEO-Keywords mit Such-Intent-Tagging, (2) High-Level-Themen + Themen, (3) benannte Entitäten — Personen/Orte/Organisationen, (4) Tag-Stil Kleinbuchstaben-Tags, (5) akademische Index-Begriffe. Ergebnisse bewerteten 0-100 durch TF-IDF, Rohfrequenz oder semantische Relevanz. Exportieren als CSV, TXT oder JSON.

Ja — ein 1.500-Wort-Artikel extrahiert in ~350 Tokens auf dem Standardmodell Qwen 2.5 7B, bequem im 2.500 anonymen oder 10.000 signierten Tagespool. Keine Anmeldung erforderlich für Ihre erste Extraktion.

Diese Tools ziehen Live-Suchvolumen-Daten für Schlüsselwörter, die Sie ihnen geben ($99+/mo). Schlüsselwort-Extraktor tut das Gegenteil — es extrahiert Kandidaten-Keywords aus Ihrem Inhalt und klassifiziert ihre Suchabsicht. Workflow: Verwenden Sie dies, um zu finden, welche Phrasen Ihr Artikel bereits betont, dann fügen Sie diese in Ahrefs/Semrush, um monatliche Suchvolumen zu überprüfen.

Drei Scoring-Modi: (1) TF-IDF (Standard) belohnt Wörter beide häufig in diesem Dokument und selten im Allgemeinen Englisch — am besten für SEO, da dies die unterschiedlichen Begriffe sind. (2) Raw Frequency zählt Ereignisse gerade — am besten, wenn Sie sehen wollen, was Sie am meisten sagen. (3) Semantische Relevanz punktet durch Nähe zu den Dokumenten Hauptthese, auch wenn eine Phrase nur einmal erscheint — am besten für aktuelle Kohärenz.

Ein n-Gramm ist eine zusammenhängende Sequenz von N-Wörtern. "Klimaänderung" ist ein 2-Gramm. "künstliche Intelligenz-Modell" ist ein 3-Gramm. Schalten Sie die Chips, um nur 1-Gramm zu extrahieren (einzelne Wörter wie "photosynthesis"), 2-Gramm (Kopf Phrasen wie "Kohlenstoff-Fußabdruck"), oder 3-Gramm (Long-tail wie "Kohlenstoff-Fußabdruck-Rechner"). Die meisten SEO-Workflows wollen 2+3-Gramm – einzelne Wörter sind zu generisch.

Ja — die Standard-Stopliste entfernt "das", "und", "von", "ist", etc. in 14 Sprachen. Sie können benutzerdefinierte Stoppwörter über das Feld "Words to exclude" hinzufügen — nützlich für die Unterdrückung Ihres eigenen Markennamens, Produktcodes oder Boilerplate Legalese, die sonst die Ergebnisse dominieren würde.

Google klassifiziert Abfragen nach Benutzerzweck: informational ("was ist X"), navigational ("nike offizielles Geschäft"), kommerzielle ("beste Laufschuhe 2026"), transaktional ("buy air max online"). Schlüsselwort-Extraktor tags Ihre extrahierten Schlüsselwörter mit der wahrscheinlichen Absicht, so dass Sie wissen, ob Ihr Artikel für Forscher, Käufer oder direkt-Verkehrs-Suchen Rang. Entscheidend für die Ausrichtung von Inhalten mit SERP-Funktionen.

99 Sprachen über das zugrunde liegende Qwen 2.5-Modell. Höchste Qualität auf Englisch, Spanisch, Französisch, Portugiesisch, Deutsch, Chinesisch, Japanisch. Lower-Resource-Sprachen arbeiten, aber 3-Gramm-Extraktion kann weniger zuverlässig sein — fallen auf 1+2-Gramm für Arabisch, Hindi, Türkisch, etc.

Die Benutzeroberfläche läuft einen Text nach dem anderen. Für die Massenextraktion verdrahten Sie die /v1/chat/API in ein Python-Skript — iterieren Sie über Ihren CMS-Export, POST jeder Artikelkörper, werfen Sie die JSON. Träger auth, 1.000 Anrufe/Stunde auf freien Konten, höhere Grenzen auf pro. Docs bei /api/.

RAKE und JAKE sind klassische lexikalische Algorithmen — schnell, aber schwach auf semantische Nuance (sie vermissen "tech startup", wenn das Dokument sagt "technology startup" aber nicht "technology" allein). KeyBERT verwendet BERT Einbettungen - bessere semantische Qualität, aber langsam und erfordert Installation. TextRank ist graph-basiert. Unser Ansatz verwendet ein 7B-Parameter LLM, die alle der oben genannten Null-Shot plus Such-Intent-Klassifizierung - langsamer pro Anruf, aber Null-Setup, kostenlos, und keine ML-Engineering erforderlich.

In Frequenz- und TF-IDF-Modi, ja – jedes Keyword ist aus dem Quelltext wortwörtlich oder mit minimaler Einbiegungsänderung ableitbar. Im Semantik-Relevanz-Modus kann das Modell eine kontrolliert-vocabuläre Version zurückgeben ("Pulmonologie", auch wenn Ihr Text "Lunge Arztbesuch" sagt).

Ja — POST auf /v1/chat/ mit dem gleichen System prompt diese Seite baut (inspektieren Vorlage Quelle für die genaue Eingabeaufforderung). Gibt strukturierte JSON zurück. Gut für Content-Strategie Dashboards oder CMS-Plugins. Träger auth, monatliche Limits. Docs bei /api/.