Google Knowledge Graph

Was steckt hinter dem Wissensgraphen von Google?

Der Google Knowledge Graph bildet Wissen als Netzwerk aus Entitäten, Eigenschaften und Beziehungen ab. Eine Entität ist ein eindeutig bestimmbares Objekt, beispielsweise eine Person, eine Organisation, ein Gebäude, ein Buch oder eine Marke. Beziehungen verbinden diese Objekte miteinander, etwa eine Person mit ihrem Arbeitgeber oder ein Unternehmen mit seinem Gründungsort.

Google entwickelte den Knowledge Graph, um Suchanfragen nicht ausschließlich als Folge einzelner Wörter zu verarbeiten. Das System soll erkennen, welches reale Objekt mit einem Begriff gemeint ist. Bei mehrdeutigen Suchanfragen kann Google dadurch beispielsweise zwischen einer Person, einem geografischen Ort und einem gleichnamigen Unternehmen unterscheiden. Google beschreibt dieses Prinzip als Orientierung an Dingen statt an reinen Zeichenfolgen.

Ein Wissensgraph speichert Informationen typischerweise in Form von Knoten und Kanten. Die Knoten repräsentieren Entitäten, während die Kanten deren Beziehungen abbilden. Ergänzende Attribute beschreiben Eigenschaften wie Name, Geburtsdatum, Standort, Branche, Autor oder Erscheinungsdatum.

• Entität: Ein eindeutig identifizierbares Objekt wie eine Person, Organisation, Marke oder Sehenswürdigkeit.
• Attribut: Eine Eigenschaft der Entität, beispielsweise der offizielle Name, ein Logo oder eine Adresse.
• Beziehung: Eine semantische Verbindung zwischen zwei Entitäten, etwa Autor eines Buches oder Tochtergesellschaft eines Unternehmens.
• Entitäts-ID: Eine interne Kennzeichnung, mit der gleichnamige Objekte voneinander unterschieden werden können.

Wie funktioniert der Google Knowledge Graph?

Der Google Knowledge Graph führt Fakten aus verschiedenen öffentlich zugänglichen und lizenzierten Datenquellen zusammen. Zusätzlich verarbeitet Google Informationen aus Webseiten, strukturierten Daten, Rückmeldungen verifizierter Entitäten und spezialisierten Datenquellen, beispielsweise für Wetter-, Finanz- oder Sportinformationen. Die erkannten Fakten werden automatisiert bewertet, abgeglichen und miteinander verknüpft.

Die Zuordnung beginnt mit der Entitätserkennung. Google analysiert, ob ein Name oder Begriff ein bestimmtes reales Objekt bezeichnet. Anschließend prüft das System mögliche Attribute, Beziehungen und übereinstimmende Informationen aus mehreren Quellen. Konsistente Namen, Beschreibungen, Profile und Unternehmensdaten erleichtern die eindeutige Zuordnung.

Bei einer Suchanfrage versucht Google außerdem, den Kontext und die vermutete Suchintention zu bestimmen. Die Suchmaschine kann dadurch passende Fakten, verwandte Entitäten, Bilder, Suchergebnisse oder weiterführende Fragen auswählen. Welche Elemente tatsächlich erscheinen, hängt unter anderem von der Anfrage, dem Standort, dem Gerät und der verfügbaren Datenqualität ab.

Knowledge Graph und Knowledge Panel: Was ist der Unterschied?

Der Unterschied zwischen Knowledge Graph und Knowledge Panel liegt in ihrer Funktion. Der Knowledge Graph ist die zugrunde liegende Wissensdatenbank. Ein Knowledge Panel ist dagegen eine sichtbare Informationsbox in den Suchergebnissen, die ausgewählte Daten zu einer Entität darstellen kann.

Knowledge Panels werden automatisch erzeugt, wenn Google genügend geeignete Informationen zu einer Person, Organisation, einem Ort oder einem anderen Objekt erkennt. Die Inhalte können aus mehreren Quellen stammen und werden bei Veränderungen im Web automatisiert aktualisiert. Berechtigte Vertreter einer Entität können ein vorhandenes Panel beanspruchen und Korrekturen vorschlagen.

Welche Bedeutung haben strukturierte Daten?

Strukturierte Daten sind maschinenlesbare Angaben im Quellcode einer Webseite. Sie klassifizieren sichtbare Inhalte nach einem standardisierten Vokabular, meist schema.org. Google empfiehlt für viele Anwendungen JSON-LD, unterstützt abhängig von der jeweiligen Suchfunktion aber auch Microdata und RDFa.

Geeignete Auszeichnungen können Google explizite Hinweise auf Entitäten und Eigenschaften geben. Für ein Unternehmen kommen beispielsweise Organization, LocalBusiness oder ein spezifischerer Untertyp infrage. Typische Eigenschaften sind name, legalName, url, logo, address und sameAs.

Die Eigenschaft sameAs verweist auf offizielle oder eindeutig zugehörige Profile einer Entität. Solche Verbindungen können die Identifikation unterstützen, wenn Name, Website, Social-Media-Profile und andere vertrauenswürdige Quellen konsistente Angaben liefern.

Google empfiehlt, Organisationsdaten auf der Startseite oder einer zentralen Unternehmensseite einzubinden. Das Markup soll die tatsächlich sichtbaren und korrekten Informationen wiedergeben. Besonders spezifische schema.org-Typen helfen dabei, die Art einer Organisation genauer zu beschreiben.

Warum ist der Knowledge Graph für SEO und GEO relevant?

Für SEO unterstützt eine eindeutige Entitätsdarstellung Google dabei, ein Unternehmen, eine Marke oder einen Autor korrekt einzuordnen. Konsistente Fakten reduzieren Mehrdeutigkeiten und können beeinflussen, welche Informationen Google mit einer Suchanfrage verbindet. Ein Eintrag im Wissensgraphen ist jedoch kein eigenständiger, garantierter Ranking-Faktor.

Entitätsoptimierung ergänzt die klassische Keyword-Optimierung. Während Keywords konkrete Suchformulierungen abbilden, beschreibt eine Entität das zugrunde liegende Objekt unabhängig von der jeweiligen Schreibweise. Eine Marke kann dadurch mit ihrem offiziellen Namen, einer Abkürzung, Produkten, Mitarbeitern und Themengebieten in Beziehung gesetzt werden.

Für GEO, kurz für Generative Engine Optimization, sind klar definierte Entitäten ebenfalls relevant. Generative Such- und Antwortsysteme müssen erkennen, welche Person, Organisation oder Leistung eine Aussage betrifft. Eindeutige Namen, überprüfbare Fakten, verständliche Definitionen und semantische Beziehungen verbessern die maschinelle Interpretierbarkeit von Inhalten.

• Ein konsistenter Markenname erleichtert die Zusammenführung verschiedener Erwähnungen.
• Ausführliche Unternehmens- und Autorenseiten liefern überprüfbare Informationen zur jeweiligen Entität.
• Strukturierte Daten kennzeichnen Eigenschaften und Beziehungen für maschinelle Systeme.
• Relevante Erwähnungen auf unabhängigen Webseiten erhöhen die Zahl bestätigender Informationspunkte.
• Klare Definitionsabsätze erleichtern Suchmaschinen und KI-Modellen die Extraktion einzelner Aussagen.

Wenn du deine Sichtbarkeit in klassischen Suchergebnissen und generativen Antwortsystemen gemeinsam entwickeln möchtest, solltest du Entitäten bereits in der Themen-, Content- und Datenstruktur berücksichtigen. Einen passenden Rahmen bieten eine kombinierte SEO- und GEO-Strategie sowie eine gezielte Optimierung der Sichtbarkeit in KI-Suchen.

Wie lässt sich eine Entität für Google eindeutig darstellen?

Eine eindeutige Entitätsdarstellung beginnt mit konsistenten Basisinformationen. Der offizielle Name, alternative Namen, Anschrift, Telefonnummer, Domain, Logo und Profile sollten auf allen kontrollierbaren Plattformen inhaltlich übereinstimmen. Abweichende Firmierungen oder veraltete Beschreibungen erschweren die automatische Zusammenführung.

Die zentrale Unternehmensseite sollte erklären, wer hinter einer Organisation steht, welche Leistungen sie erbringt und wie sie sich von gleichnamigen Organisationen unterscheidet. Für Personen sind biografische Informationen, Tätigkeitsbereiche, Publikationen und offizielle Profile hilfreich, sofern diese Angaben öffentlich und überprüfbar sind.

Konkrete Maßnahmen für die Entitätsoptimierung

• Verwende den offiziellen Namen auf der Website und in relevanten Profilen einheitlich.
• Ergänze passende strukturierte Daten mit vollständigen und aktuellen Eigenschaften.
• Verknüpfe Autoren, Unternehmen, Produkte und Themen über nachvollziehbare interne Links.
• Pflege vorhandene Unternehmensprofile und korrigiere widersprüchliche Angaben.
• Veröffentliche Inhalte, die Zuständigkeiten, Erfahrung und fachliche Schwerpunkte konkret belegen.
• Prüfe regelmäßig, welche Suchfunktionen bei Marken-, Personen- und Produktanfragen erscheinen.

Eine für Google optimierte Website verbindet technische Zugänglichkeit mit klarer Seitenstruktur, konsistenten Entitätsangaben und fachlich vollständigen Inhalten. Reines Schema-Markup kann fehlende oder widersprüchliche Informationen im sichtbaren Content nicht ersetzen.

Wie misst man den Erfolg der Entitätsoptimierung?

Für den Google Knowledge Graph gibt es keine allgemein verfügbare Kennzahl, die den Aufnahme- oder Vertrauensstatus einer Entität vollständig abbildet. Die Bewertung erfolgt deshalb über mehrere beobachtbare Signale in den Suchergebnissen und auf den eigenen Plattformen.

• Erscheint bei einer eindeutigen Marken- oder Personensuche ein Knowledge Panel?
• Sind Name, Beschreibung, Logo, Profile und weitere Fakten korrekt zugeordnet?
• Unterscheidet Google die Entität zuverlässig von ähnlich benannten Objekten?
• Steigen Impressionen f Kombinationen aus Marke und Thema?
• Werden wichtige Seiten für relevante Entitäts- und Themenanfragen gefunden?
• Erscheint die Organisation in generativen Antworten mit korrekten Aussagen oder Quellenverweisen?

Die Performance Suite kann Keyword-Daten, SERP-Funktionen und Rankings regelmäßig auswerten. Zu den verfügbaren Keyword-Insights gehören auch Hinweise auf Knowledge-Graph-Ergebnisse, Videos, Fragen und verwandte Suchanfragen. Dadurch lässt sich nachvollziehen, bei welchen Suchbegriffen Google entitätsbezogene Suchfunktionen ausspielt.

Du möchtest Suchergebnisse, Entitäten und KI-Sichtbarkeit auf Basis deiner eigenen Daten analysieren?

Häufige Fragen zum Wissensgraphen von Google