Wie funktioniert GEO auf Hindi?

Hindi ist die am dritthäufigsten gesprochene Sprache der Welt — über 600 Millionen Menschen nach Zählung von Ethnologue — und die Inhaltssprache von weniger als 0,1% aller Websites. Keine andere Sprache, in der wir arbeiten, hat ein auch nur annähernd so schiefes Verhältnis von Sprechern zu Inhalten: Hebräisch versorgt mit 0,4% Webanteil rund neun Millionen Sprecher; der Hindi-Splitter versorgt sechshundert Millionen. Wenn ein Assistent eine Hindi-Antwort komponiert, holt er sie aus einem der dünnsten kommerziellen Korpora des Webs.

Diese Dünne verändert, wer zitiert wird. Assistenten stützen sich entweder auf die Handvoll strukturierter Hindi-Quellen, die es gibt, oder weichen auf englische Seiten aus und übersetzen im Vorbeigehen — was heißt: Die wenigen nativen Hindi-Quellen, die eine Frage sauber beantworten, werden immer wieder zitiert. In überfüllten englischen Nischen kostet ein Zitationsplatz Monate an Bestätigung; auf Hindi kann eine einzige gut strukturierte Seite ihn nahezu konkurrenzlos besetzen.

Dieser Guide ist das sprachliche Gegenstück zu unserem Indien-Guide, der den Markt selbst behandelt — Nutzerzahlen, Prompts auf Metro-Ebene, Preissensibilitätsmuster. Hier bleiben wir bei der Sprache: was Devanagari mit Bytes und Tokens macht, wie sich Hinglish im Retrieval verhält und warum Hindi-Entitätsarbeit über Indiens Grenzen hinaus trägt.

Devanagari hat mechanische Kosten, die die meisten Teams nie sehen. In UTF-8 belegt jedes Devanagari-Zeichen drei Bytes, derselbe Inhalt wiegt also rund dreimal so viel wie sein englisches Pendant. Crawl-Budgets spüren das, maschinenlesbare Exporte spüren es — auf unserer eigenen Website zwang uns der llms-full-Export auf Hindi, das Größenlimit zu verdoppeln — und alles, was nach Bytezahl kappt, kappt Hindi zuerst.

Die Tokenisierung verschärft das Problem. Die Tokenizer hinter den großen Modellen sind überwiegend auf Englisch und lateinische Schrift trainiert und zerlegen Devanagari in weit mehr Tokens pro Satz: Forschung zu Tokenizer-Fairness maß für denselben Text Unterschiede von bis zum 15-Fachen zwischen Sprachen. In der Praxis passt weniger Hindi in ein Kontextfenster, Retrieval-Snippets brechen früher ab, und weitschweifige Seiten verlieren ihre Kernaussagen an die Kappung.

Die Gegenmaßnahme ist strukturell, nicht raffiniert: kurze, eigenständige Passagen, die Markennamen und Aussage im ersten Satz nennen, schlichte wiederholte Formen statt eleganter Variation und Überschriften, die so klingen, wie Fragen tatsächlich formuliert werden. Antwort-zuerst-Schreiben zählt in jeder Sprache; auf Hindi macht die Token-Ökonomie es unverhandelbar.

Ein großer Teil der echten Hindi-Prompts berührt Devanagari nie. Nutzer tippen Hindi-Grammatik in lateinischer Schrift, mit englischem Kaufvokabular — Markennamen, Kategorien, "best", "price" — mitten im Satz. Dieses Code-Switching ist strukturell genug, dass NLP-Forschende einen Benchmark darum gebaut haben (GLUECoS, mit Englisch-Hindi als einem der beiden Sprachpaare), und Retrieval behandelt die Devanagari-Form, die Hinglish-Form und die englische Form derselben Frage als drei verschiedene Formulierungen, die drei verschiedene Quellpools erreichen.

Hinglish hat eine Tücke, die den beiden anderen Modi fehlt: keine Standardschreibung. Dasselbe Wort romanisiert als "accha", "acha" oder "achha"; "kaise" konkurriert mit "kese"; "zyada" mit "jyada". Das löst man nicht mit einer separaten Hinglish-Website — Hinglish ist ein Retrieval-Modus, keine Locale. Man löst es mit Passagen, die Marke und Kategorie in beiden Schriften nennen, damit gemischtschriftliches Matching sie findet, und mit einer Hinglish-Prompt-Batterie, die auf ihrer eigenen Kurve gemessen wird.

Modelle müssen lernen, dass die Devanagari-Schreibung und die lateinische Schreibung einer Marke dieselbe Entität sind — sonst zersplittern die Zitationen auf zwei halb bekannte Namen, und keiner von beiden sammelt Autorität. Das heißt, beide Formen bewusst zu deklarieren: strukturierte Daten mit Alternativnamen, Profile, die beide Schreibungen ausschreiben, und Hindi-Seiten, die den lateinischen Markennamen neben den Devanagari-Namen setzen, statt die Zuordnung dem Zufall zu überlassen. Hindi-Quellen mischen die Schriften gewohnheitsmäßig mitten im Satz — das arbeitet für Sie, wenn Ihre eigenen Seiten die kanonische Paarung zuerst setzen.

Hindi-Entitätsarbeit reist außerdem. Hindi-Prompts kommen aus der Diaspora in den VAE, den USA und Großbritannien, nicht nur aus Indien — unser Dubai-Guide führt genau deshalb eine eigene Hindi-Spur, denn die indische Community ist die größte Bevölkerungsgruppe der Emirate. Eine Hindi-Quelle, die Assistenten zitieren können, bedient einen Käufer in Lucknow und einen Käufer in Dubai von derselben Seite aus; die Sprachebene ist eine Investition, amortisiert über jeden Markt, in dem Hindi-Sprecher Fragen stellen.

Hindi ist keine Wette auf die Zukunft; die Flächen sind live. Google startete AI Overviews in Indien im August 2024 auf Englisch und Hindi, mit einem Sprachumschalter, den es als India-first-Funktion einführte, und ChatGPT, Perplexity und Gemini beantworten Hindi- und Hinglish-Prompts heute. Der Korpus ist dünn, und die meisten Marken haben es nicht bemerkt — diese Kombination ist die ganze Chance.

Hindi ist eine unserer neun nativen Sprachen, und wir messen es so, wie wir alle messen: ein festes Prompt-Set je Sprache, definiert am ersten Tag, saubere ausgeloggte Sitzungen über ChatGPT, Perplexity und Gemini und Share of Voice plus Zitierrate, verfolgt gegen die Baseline vom ersten Tag. Wir erfinden keine Kundenergebnisse — die Methode wird zuerst auf unsere eigene Website angewendet und mit unbearbeiteten Screenshots in unserer öffentlichen Fallstudie dokumentiert, mit Hindi ausdrücklich unter den verifizierten Fähigkeiten.