Wissensgraphen und Entitäten – Grundlagen
Bevor KI-Systeme Texte generieren, organisieren sie Wissen in Form von Entitäten und Beziehungen — Personen, Organisationen, Orte, Konzepte, und wie diese miteinander verbunden sind. Dieses Konzept heisst Wissensgraph (Knowledge Graph) und ist seit über einem Jahrzehnt das Rückgrat von Googles Suchverständnis — und zunehmend auch die Grundlage dafür, wie KI-Systeme Marken und Themen verstehen.
Was ist eine Entität?
Eine Entität ist ein eindeutig identifizierbares Ding — eine Person, eine Organisation, ein Ort, ein Produkt, ein Konzept. ‘Angela Merkel’ ist eine Entität. ‘Nürnberg’ ist eine Entität. ‘Generative Engine Optimization’ ist eine Entität (ein Konzept). Der entscheidende Unterschied zu einem blossen Keyword: Eine Entität hat Eigenschaften und Beziehungen zu anderen Entitäten. ‘Angela Merkel’ hat die Eigenschaft ‘war Bundeskanzlerin’ und die Beziehung ‘geboren in — Hamburg’.
Wie der Google Knowledge Graph funktioniert
Der Google Knowledge Graph ist eine riesige Datenbank von Entitäten und ihren Beziehungen — gespeist aus Wikipedia, Wikidata, strukturierten Daten von Websites (Schema.org) und Googles eigenen Crawling-Erkenntnissen. Wenn jemand ‘Angela Merkel’ sucht, zeigt Google nicht nur Links — sondern ein Knowledge Panel mit strukturierten Fakten: Geburtsdatum, Position, verwandte Personen. Diese Informationen kommen aus dem Knowledge Graph, nicht aus einer einzelnen Webseite.
Entitäts-Erkennung (Entity Recognition)
Google und KI-Systeme analysieren Text und identifizieren welche Wörter und Phrasen Entitäten repräsentieren — und welche bekannte Entität gemeint ist (Disambiguierung). 'Merkel' könnte mehrere Personen meinen — Kontext entscheidet welche.
Entitäts-Beziehungen
Beziehungen zwischen Entitäten werden erfasst: 'ist Bundeskanzlerin von', 'geboren in', 'Mitglied von', 'Nachfolger von'. Diese Beziehungen bilden den 'Graph' im Wissensgraph — ein Netzwerk verbundener Fakten.
Entitäts-Salienz
Wie zentral ist eine Entität für einen gegebenen Text? Ein Artikel über 'KI im Marketing' hat 'KI' und 'Marketing' als salient (zentral), 'Deutschland' könnte erwähnt sein aber weniger salient. Salienz beeinflusst wie ein Text Entitäten zugeordnet wird.
Wikidata — die offene Wissensgraph-Quelle
Wikidata ist eine freie, kollaborative Wissensdatenbank — das strukturierte Gegenstück zu Wikipedia. Jeder Eintrag hat eine eindeutige ID (Q-Nummer) und strukturierte Eigenschaften (Properties) mit Werten. Wikidata wird von vielen KI-Systemen und Suchmaschinen als Quelle für Entitäts-Informationen genutzt — auch von Systemen die nicht direkt mit Google verbunden sind. Ein Wikidata-Eintrag für eine Marke oder Person ist ein starkes Signal für KI-Systeme: Diese Entität existiert, ist bekannt, und hat diese Eigenschaften.
Entitäts-Denken für Websites
Für Websites bedeutet Entitäts-Denken: nicht nur Keywords optimieren, sondern als klar definierte, konsistente Entität auftreten — mit eindeutigem Namen, klaren Eigenschaften und nachvollziehbaren Beziehungen zu anderen Entitäten (Personen, Orten, verwandten Themen).
Eindeutiger Markenname
Konsistent über alle Seiten und Plattformen verwenden
Organization-Schema
Name, Logo, Adresse, sameAs-Links zu Social Profiles
Person-Schema für Autoren
Name, Rolle, sameAs-Links zu LinkedIn etc.
Konsistente Begriffsverwendung
Kernbegriffe immer gleich benennen, nicht synonymreich variieren
Klare Themen-Zuordnung
Pillar-Cluster-Struktur signalisiert thematische Entitäts-Autorität
Externe Erwähnungen
Konsistente NAP-Daten in Verzeichnissen, Branchenportalen
Entitäten und GEO
KI-Systeme die Antworten generieren, ziehen Informationen über Entitäten aus mehreren Quellen zusammen — Wissensgraph-Daten, Trainingsdaten, Echtzeit-Suchergebnisse. Eine Website die als klar definierte Entität mit konsistenten, gut strukturierten Informationen auftritt, wird leichter korrekt zugeordnet und zitiert. Verwirrung entsteht wenn: derselbe Markenname für mehrere unterschiedliche Dinge verwendet wird, Inhalte widersprüchliche Informationen über dieselbe Entität enthalten, oder die Entität in keiner externen Datenquelle (Wikidata, Branchenverzeichnisse, Social Profiles) verankert ist.
Häufig gestellte Fragen
Brauche ich einen Wikipedia-Artikel für KI-Sichtbarkeit?
Nicht zwingend — aber hilfreich wenn die Relevanzkriterien erfüllt sind. Wikipedia-Artikel sind eine der einflussreichsten Trainingsdaten-Quellen für LLMs. Für die meisten KMU ist ein Wikipedia-Artikel nicht erreichbar (Relevanzkriterien), aber Wikidata-Einträge sind oft zugänglicher und liefern ähnliche Entitäts-Signale für viele Systeme.
Was ist der Unterschied zwischen Keyword und Entität?
Ein Keyword ist eine Zeichenfolge — 'Apple' könnte die Frucht oder das Unternehmen meinen. Eine Entität ist ein konkretes Ding mit eindeutiger Identität und Eigenschaften — 'Apple Inc.' (Unternehmen, gegründet 1976, Hauptsitz Cupertino) ist eine spezifische Entität, unterscheidbar von 'Apple' (Frucht). KI-Systeme arbeiten zunehmend mit Entitäten statt nur Keywords.
Wie finde ich heraus ob meine Marke als Entität erkannt wird?
Google nach dem Markennamen suchen — erscheint ein Knowledge Panel? Bei Wikidata nach dem Namen suchen — existiert ein Eintrag? KI-Systeme (Claude, ChatGPT) nach der Marke fragen — wird sie korrekt und mit akkuraten Informationen beschrieben? Diese drei Checks zeigen den aktuellen Entitäts-Status.
Kann eine kleine lokale Firma überhaupt eine Entität im Wissensgraph werden?
Ja, in begrenztem Masse. Google Business Profile etabliert eine lokale Entität mit Adresse, Öffnungszeiten, Bewertungen. LocalBusiness-Schema verstärkt das. Für umfassendere Wissensgraph-Präsenz (Wikidata, Knowledge Panel) braucht es meist mehr externe Erwähnungen und Bekanntheit als kleine lokale Unternehmen typischerweise haben — aber lokale Entitäts-Signale sind trotzdem wertvoll für lokales GEO.