Knowledge Graph
Ein Knowledge Graph ist ein strukturiertes Netz aus Entitäten – Personen, Unternehmen, Orten, Konzepten – und ihren Beziehungen. Er ist die Grundlage, auf der Suchmaschinen und KI-Systeme Fakten verstehen, einordnen und in Antworten zusammensetzen.
Der Knowledge Graph ist das Fundament jeder ernsthaften Entitäts-Optimierung. Sichtbarkeit in Knowledge Panels und Aufnahme als Quelle in KI-Antworten setzen voraus, dass das eigene Unternehmen im Graph als klar definierte Entität präsent und konsistent verknüpft ist.
In einfachen Worten
Suchmaschinen verarbeiten die Welt nicht als reinen Text, sondern als Netz von Entitäten und ihren Beziehungen: ein Unternehmen hat einen Standort, eine Person arbeitet bei einer Firma, ein Produkt gehört zu einer Kategorie. Knowledge Graphs speichern diese Beziehungen strukturiert und verlinken sie über stabile Bezeichner – etwa Wikidata-Identifikatoren oder die Properties des Schema.org-Vokabulars. Für die Sichtbarkeit entscheidend ist, ob das eigene Unternehmen, die eigenen Personen und die eigenen Themen im Graph präsent und konsistent verknüpft sind. Aus dieser Aufstellung ergibt sich, ob Suchmaschinen ein Knowledge Panel mit Logo, Adresse und Vertretung anzeigen – und ob KI-Antwort-Engines wie die AI Overviews das Unternehmen als zuordenbare Quelle in ihren Antworten zitieren können.
Wozu brauche ich das?
Relevant für jedes Unternehmen, das in KI-Antworten, Knowledge Panels und Brand-Such-Karten sichtbar werden will. Wer im Knowledge Graph als klar definierte Entität auftaucht, wird bei Marken-Suchanfragen häufiger mit eigenem Panel und Sidebar-Karte angezeigt; wer es nicht ist, erscheint nur in der klassischen organischen Liste. Im B2B-Kontext ist die Entitäts-Aufstellung (Entitäten-SEO) in den vergangenen Jahren zu einem eigenständigen Wettbewerbs-Faktor geworden – besonders in Branchen, in denen Suchanfragen mit fachlichem Kontext gestellt werden.
Beispiel aus der Praxis
Eine typische Aufstellung: Ein Maschinenbau-Unternehmen erscheint bei Brand-Suchanfragen ohne Knowledge Panel, während drei Wettbewerber jeweils ein vollständiges Panel mit Logo, Adresse, Geschäftsführungs-Foto und Branchen-Angabe haben. Eine Analyse zeigt die Ursachen: Das eigene Unternehmen hat zwar einen kurzen Wikipedia-Eintrag, aber keine verknüpfte Wikidata-Entität, kein konsistentes Organization-Schema auf der Website und keine sauber verknüpften Person-Schemata für Geschäftsführung und Bereichsleitung. Nach einer abgestimmten Knowledge-Graph-Aufstellung – Wikidata-Eintrag mit Standard-Properties, Schema.org-Pflege auf der Website, sameAs-Verweise auf relevante externe Datenbanken – erscheint innerhalb weniger Monate ein vollständiges Panel bei Brand-Suchanfragen. Parallel steigt die Sichtbarkeit in KI-Antworten, weil die Antwort-Engine nun eine eindeutige Entität referenzieren kann.
Wirtschaftlicher Nutzen
Ein vorhandenes Knowledge Panel wirkt wie eine eigene Visitenkarte direkt in der Suchergebnis-Seite: höhere Klick-Rate bei Brand-Suchanfragen, gestärktes Vertrauen, klarere Kategorie-Zuordnung. Knowledge-Graph-Arbeit ist eine einmalige Aufstellung mit dauerhafter Wirkung; die Pflege ist überschaubar, sobald die Strukturen einmal sauber stehen. KI-Antwort-Engines greifen ebenfalls auf Knowledge-Graph-Daten zurück, um Antworten faktisch korrekt zusammenzustellen – wer dort sauber präsent ist, wird in Antworten häufiger als Quelle korrekt zugeordnet. Der Graph ist damit gleichzeitig Grundlage für klassische Sichtbarkeit (E-E-A-T) und für Generative Engine Optimization.
Typische Fehler
- Angenommen, ein vorhandener Wikipedia-Eintrag wirke automatisch im Knowledge Graph – fehlt die verknüpfte Wikidata-Entität, bleibt die Sichtbarkeit gering.
- Schema.org-Markup ohne sameAs-Verweise gepflegt – die externen Anker fehlen, die für die Entitäts-Verknüpfung entscheidend sind.
- Uneinheitliche Schreibweisen des Firmennamens in verschiedenen externen Verzeichnissen geführt – die Entität zerfasert über mehrere vermeintlich getrennte Datensätze.
- Person-Schemata ohne stabile Identifier gepflegt – ohne Berufsabschluss, Vita oder Verweis auf externe Profile entsteht keine erkennbare Personen-Entität.
- Knowledge-Graph-Arbeit als einmaliges Projekt verstanden – Aktualisierungen bei Wechsel der Geschäftsführung, neuen Standorten oder Umfirmierungen sind verbindlich.
Worauf achten?
- Konsistente Schreibweise des Firmennamens, der Adresse und der Vertretungs-Berechtigten in allen externen Quellen.
- Wikidata-Eintrag mit Standard-Properties pflegen (instance of, country, founded, headquarters location, official website).
- Schema.org Organization auf der Startseite mit sameAs-Verweisen auf Wikidata, Branchen-Portal und einschlägige Verbands-Verzeichnisse.
- Person-Schema für die Vertretungs-Berechtigten mit jobTitle, worksFor und sameAs auf externe Profile.
- Bei Generations-Wechsel oder Standort-Verlegung sofort alle Quellen aktualisieren – auch externe Verzeichnisse und Wikidata-Properties.
Häufig gestellte Fragen
Was ist ein Knowledge Graph?
Ein strukturiertes Netz aus Entitäten – Personen, Unternehmen, Orten, Konzepten – und ihren Beziehungen, das Suchmaschinen und KI-Systeme als Faktenbasis nutzen. Aus dieser Basis speisen sich Knowledge Panels in der Suchergebnis-Seite und Quellen-Angaben in KI-Antworten.
Was ist der Unterschied zwischen Knowledge Graph und Knowledge Panel?
Der Knowledge Graph ist die strukturierte Datenbasis im Hintergrund. Das Knowledge Panel ist die sichtbare Anzeige, die bei Brand-Suchanfragen rechts oder oben in der Suchergebnis-Seite erscheint. Ein Panel setzt eine ausreichend gepflegte Entität im Graph voraus.
Welche Quellen speisen den Knowledge Graph?
Strukturierte Daten auf der eigenen Website (Schema.org), externe Verzeichnisse mit konsistenten Stammdaten, Wikidata-Einträge, Wikipedia-Artikel, etablierte Branchen-Datenbanken und seriöse Verbands-Verzeichnisse. Die Konsistenz über diese Quellen hinweg entscheidet über die Stärke der Entität.
Wie wichtig ist Wikidata?
Sehr wichtig. Wikidata ist eine der zentralen offenen Quellen für Knowledge-Graph-Daten und wird von einer Vielzahl Suchmaschinen und KI-Systeme als Referenz herangezogen. Ein gepflegter Wikidata-Eintrag mit Standard-Properties ist häufig die Voraussetzung dafür, dass ein Knowledge Panel überhaupt entsteht.
Wann lohnt sich der Aufwand?
Für Unternehmen mit klar abgrenzbarem Themen- oder Branchen-Profil und einem Interesse an Sichtbarkeit in KI-Antworten ist der Aufwand wirtschaftlich. Für rein lokal arbeitende Klein-Betriebe ohne überregionale Ambition reicht häufig die saubere Google-Business-Profil-Pflege aus.