Wayback Machine vs. Google: Verlorene Seiten nach dem Cache finden

Zwanzig Jahre lang war der schnellste Weg, eine gerade offline gegangene Seite zu sehen, der Cached-Link von Google. Im Februar 2024 entfernte Google ihn, und bis September funktionierte auch der cache:-Suchoperator nicht mehr. Im selben Jahr tat Google etwas Unerwartetes: Es begann, aus seinem „Über dieses Ergebnis"-Panel auf die Wayback Machine des Internet Archive zu verlinken. Die Botschaft war klar, Google ist ein Live-Index, kein Archiv, und es hatte genug, so zu tun, als wäre es anders.

Aber die beiden Tools ergänzen sich noch immer am besten. So kombiniere ich sie, wenn eine Seite oder ein ganzer Webauftritt verschwunden ist, einschließlich der Operator-Tricks, die das Ausmusterung überlebt haben.

Wayback Machine vs. Google: zwei verschiedene Arten von Erinnerung

Google pflegt einen Index des Live-Webs. Es crawlt ständig neu, schreibt Rankings stündlich um, und sein einziger Zweck ist, mit dem zu antworten, was gerade aktuell ist. Wenn sich eine Seite ändert, wird die alte Version beim nächsten Crawl verworfen. Verschwindet die Seite, bleibt der Eintrag kurz bestehen und fällt dann heraus.

Die Wayback Machine macht das Gegenteil. Sie ist eine nur wachsende Bibliothek von Snapshots bis zurück ins Jahr 1996, über 900 Milliarden Seiten. Sie interessiert sich nicht für das, was diese Woche relevant ist; sie interessiert sich dafür, was die Seite am 12. März 2014 sagte, und sie zeigt Ihnen genau diese Version, inklusive allem Drumherum.

Die Tools beantworten also unterschiedliche Fragen. Google: Was steht auf dieser Seite jetzt? Wayback: Was stand auf dieser Seite früher? Die Verwechslung der beiden ist der Grund, warum so viele Menschen denken, das Web habe ein Gedächtnis, das es gar nicht hat.

Was mit dem Google-Cache passiert ist

Zwei Jahrzehnte lang verbarg jedes Google-Ergebnis einen Cached-Link, einen Snapshot der Seite, so wie Googlebot sie zuletzt gesehen hat. Er war die Standardlösung, wenn eine Seite fünf Minuten vor einem Meeting den Fehler 404 meldete. Im Februar 2024 kündigte Googles Search Liaison Danny Sullivan an, dass der Link eingestellt wird, und argumentierte, die Seitenzuverlässigkeit habe sich verbessert und die Nutzung sei gesunken. Bis September 2024 funktionierte der cache:-Suchoperator gar nicht mehr.

Zwei Dinge am Timing sind wichtig. Erstens: Der Cache war nie ein Archiv. Er enthielt genau eine Version, den letzten Crawl, und überschrieb sie ständig. Sein Verlust kostet uns den Anwendungsfall „heute Morgen gelöscht", nichts Historisches. Zweitens: Im selben Monat, in dem der Cache starb, fügte Google Links zur Wayback Machine in sein „Über dieses Ergebnis"-Panel ein. Klicken Sie auf die drei Punkte neben einem Ergebnis, wählen Sie „Mehr über diese Seite", und Google leitet Sie an die Snapshots des Internet Archive weiter. Google hat seine Nutzer offiziell auf das Tool verwiesen, das die Aufgabe tatsächlich erfüllt.

Für sehr frische Löschungen sind die Möglichkeiten jetzt dünner: Die Wayback crawlt beliebte Seiten häufig, archive.today speichert Seiten auf Abruf, und Google-Snippets selbst bleiben nach dem Verschwinden einer Seite noch tagelang in den Ergebnissen. Das reicht meistens. Kaum.

Google nutzen, um den Index der Wayback Machine zu durchsuchen

Die Wayback Machine hat eine Beta für die Volltextsuche, aber sie ist inkonsistent. Der Workaround, über den niemand spricht: Google indexiert einen Teil von web.archive.org selbst, und Google ist sehr gut im Suchen.

Das Muster ist einfach: site:web.archive.org/web plus eine Domain, ein Titel oder, am besten, ein Satz, an den Sie sich wörtlich erinnern. Die Suche site:web.archive.org „we regret to inform you" zusammen mit einem Markennamen fördert archivierte Einstellungsmitteilungen zutage, die die eigene Suche der Wayback nicht findet. Archivierte Pressemitteilungen, gelöschte Entschuldigungsbeiträge, alte Dokumentation: alles erlaubt.

Richten Sie Ihre Erwartungen richtig ein. Google hat nur einen Bruchteil der Archive-Snapshots indexiert, die meisten dieser 900 Milliarden Seiten sind für Google unsichtbar. Eine Suche ohne Ergebnisse beweist nichts; sie bedeutet „nicht in Googles Teil des Archivs", nicht „nicht archiviert". Behandeln Sie Google als Discovery-Schicht und den eigenen Kalender der Wayback als Quelle der Wahrheit.

site:-Operator-Tricks mit Google und der Wayback Machine

Das sind die Suchanfragen, die ich tatsächlich ausführe, grob in dieser Reihenfolge:

1. site:example.com, das schnellste Inventar dessen, was Google über eine sterbende Seite noch weiß. Snippets bleiben tagelang oder wochenlang, nachdem die Seiten selbst längst 404 liefern.
2. site:example.com inurl:blog (oder /products/, /docs/), zerlegt eine große Domain in Abschnitte, damit Sie die Abdeckung pro Bereich prüfen können.
3. site:example.com filetype:pdf, alte Whitepaper, Handbücher und Datenblätter. Jede tote PDF-URL geht direkt in die Wayback-Leiste.
4. "exakter Satz von der gelöschten Seite", Suchen in Anführungszeichen finden Scraper-Kopien, Forum-Zitate und Spiegelserver. Je markanter der Satz, desto besser.
5. before:2019-01-01, die Operatoren before: und after: verschieben die Ergebnisse in Richtung der Epoche, die Sie interessiert.
6. site:web.archive.org/web "example.com", springt direkt zu den Snapshots, die Google indexiert hat.

Sobald Sie eine URL haben, sparen zwei Abkürzungen echte Zeit. Fügen Sie sie in die Wayback mit web.archive.org/web/2/ gefolgt von der Adresse ein, die 2 leitet zum zeitnächsten Snapshot weiter. Oder nutzen Sie die Verfügbarkeits-API: archive.org/wayback/available?url=example.com/old-page liefert den nächsten Snapshot als sauberes JSON zurück, genau das, was Sie in Skripten brauchen.

Wann Google gewinnt und wann die Wayback Machine gewinnt

Eine kurze Entscheidungstabelle:

Kurz gesagt: Google findet Nadeln; die Wayback speichert Heuhaufen. Wenn Sie das vollständige URL-Inventar brauchen statt nur einer Seite, ist der CDX-Weg Schritt für Schritt im Leitfaden zum Finden aller Seiten einer Website beschrieben.

Ein Praxisbeispiel: Jagd auf eine tote Produktseite von 2012

Echtes Szenario aus dem letzten Frühjahr. Der WooCommerce-Shop eines Kunden hatte Jahre zuvor seine alte Joomla-Seite ersetzt; ein Händler brauchte das Datenblatt für ein eingestelltes Teil, und die eigenen Backups des Kunden lagen, in seinen Worten, irgendwo auf einer Festplatte.

1. Führte site:clientdomain.com filetype:pdf und site:clientdomain.com inurl:products aus. Die Live-Seite hatte nichts, aber ein verbliebenes Snippet verriet das alte Joomla-URL-Muster, index.php mit einer Artikel-ID.
2. Fügte die Domain in die Wayback Machine ein und sprang über die Kalender-Sparkline zu den Snapshots von 2012.
3. Navigierte vom Startseiten-Snapshot in den Produktbereich. Der erste Snapshot hatte kaputte Bilder; ein Snapshot vier Monate später war vollständig, PDF verlinkt und abrufbar.
4. Prüfte archive.today für die wenigen Seiten, die die Wayback verfehlt hatte.

Gesamtzeit: etwa zehn Minuten. Ohne die Operator-Tricks ist es ein Abend voller Sackgassen. Die Schritte sind einfach; zu wissen, welches Tool welche Frage beantwortet, ist die eigentliche Kunst.

Ein Detail aus diesem Auftrag, das es sich zu merken lohnt: Die kaputten Bilder im ersten Snapshot waren nicht verloren, nur asynchron. Die Wayback crawlt Seiten und ihre Assets zu unterschiedlichen Zeitpunkten, sodass eine im März erfasste Seite Bilder referenzieren kann, die erst im Juni erfasst wurden. Wenn ein Snapshot halbleer wirkt, geben Sie nicht auf, springen Sie ein paar Monate vor oder zurück, und die fehlenden Teile füllen sich meist auf. Google-Snippets leiden unter derselben gestaffelten Aktualität, weshalb ein Snippet einen Absatz zitieren kann, den die aktuelle Seite nicht mehr enthält.

Von gefundenen Seiten zu einer funktionierenden Website

Die Seiten zu finden ist der spaßige Teil. Einen Webauftritt aus Snapshots wieder aufzubauen nicht: Rechtsklick „Speichern unter", Assets umbenennen, Pfade reparieren, und bei Seite vierzig stellt man fest, dass das Stylesheet in einem anderen Snapshot-Datum liegt. Ich habe erlebt, wie Leute ein ganzes Wochenende an einer fünfzehn Seiten umfassenden Website verbrannten.

Genau das ist das Problem, das dieser Wiederherstellungsdienst automatisiert. Die kostenlose Schätzung liest den CDX-Index der Wayback und nennt Ihnen die genaue Anzahl archivierter Dateien, die Gesamtgröße und einen festen Preis, bevor Sie etwas bezahlen. Wiederherstellungen laufen pro Datei ab, die erste Datei ist kostenlos, Sie können die Analytics- und Werbecodes der jeweiligen Ära entfernen, und die wieder aufgebaute Seite wird mit einem Klick auf Ihr eigenes Hosting deployt, oder als strukturierte Daten exportiert, falls Sie lieber selbst hosten möchten. Wenn Google und die Wayback Machine Ihnen gezeigt haben, was existierte, ist dies der Weg, es zurückzubekommen.