Entity-SEO

TL;DR — Eine Entität ist ein Ding, das eine Maschine identifizieren kann – Sie, Ihr Unternehmen, Ihr Produkt. Entity-SEO bedeutet, sicherzustellen, dass Suchmaschinen und KI-Tools genau wissen, wer Sie sind, statt Sie mit etwas anderem zu verwechseln. Die Grundlagen: Verwenden Sie überall denselben Namen und dieselbe Beschreibung, erwägen Sie einen Wikidata-Eintrag (und Wikipedia, falls Sie die Relevanzkriterien erfüllen), und lassen Sie sich auf vertrauenswürdigen Websites erwähnen. Keine dieser Maßnahmen ist eine strenge Anforderung – es sind Signale, die es KI erleichtern, Sie sicher zu identifizieren und zu zitieren.

Was ist eine Entität?

Eine Entität ist ein identifizierbares Objekt; Schema.org bietet Kennungen und Beziehungseigenschaften, die verdeutlichen können, was eine Seite beschreibt. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing Strukturierte Daten sind ein unterstützendes Signal und kein garantierter Mechanismus, um in den Knowledge Graph aufgenommen oder zitiert zu werden. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

Wenn Sie „Taj Mahal“ lesen, wissen Sie aus dem Kontext, ob ich das Denkmal, den Bluesmusiker oder das Casino meine. Eine Maschine weiß das nicht – es sei denn, sie hat gelernt, dass dies drei separate Entitäten sind, jede mit ihrer eigenen Identität, ihrem Typ und ihren Fakten.

Eine Entität ist einfach ein eindeutig identifizierbares Ding: eine Person, ein Ort, ein Unternehmen, ein Produkt, sogar ein Konzept. Google speichert Millionen davon mit ihren Beziehungen in einer Datenbank namens Knowledge Graph. Entity-SEO ist die Arbeit, sicherzustellen, dass Ihre Entität – Ihre Marke, Sie als Autor, Ihre Produkte – klar darin enthalten ist und nicht mit etwas anderem vermischt wird.

Warum KI-Systeme dem so viel Bedeutung beimessen

Traditionelle Suche verglich die eingegebenen Wörter mit den Wörtern auf einer Seite. KI- Suche ist anders: Sie versucht zu verstehen, um wen und was es in einer Anfrage geht, und fasst dann eine Antwort zusammen. Um Ihre Marke in dieser Antwort zu nennen, muss die KI zunächst sicher sein, dass sie weiß, welche Marke Sie sind.

Wenn Ihre Identität vage ist – gleicher Name wie ein anderes Unternehmen, unterschiedliche Beschreibungen auf jedem Profil, keine externe Bestätigung – zögert die KI und überspringt Sie. Wenn sie klar und gut bestätigt ist, zitiert die KI Sie mit Zuversicht. Das ist das ganze Spiel.

Einfache Dinge, die tatsächlich helfen

• Seien Sie konsistent. Verwenden Sie exakt denselben Firmennamen, dieselbe Beschreibung, Adresse und Telefonnummer überall – auf Ihrer Website, in sozialen Profilen, Verzeichnissen, Google Business Profile. Inkonsistenz verwirrt die Maschine.
• Erstellen Sie einen Wikidata-Eintrag. Wikidata ist eine maschinenlesbare Datenbank, die KI- Systeme und Google direkt lesen. Fast jedes Unternehmen kann einen Eintrag erstellen – ohne „Relevanz“-Hürde wie bei Wikipedia.
• Streben Sie langfristig Wikipedia an. Eine Wikipedia-Seite ist Gold für KI-Sichtbarkeit, aber Sie können Ihre eigene nicht selbst schreiben – Sie benötigen zuerst echte Presseberichterstattung, damit Redakteure Sie als relevant einstufen.
• Lassen Sie sich von anderen erwähnen. Über Sie auf vertrauenswürdigen Drittanbieter-Websites gesprochen zu werden, ist wichtiger als fast alles andere. KI lernt, wer Sie sind, daraus, wie oft und wo Ihr Name vorkommt.
• Füllen Sie Ihr Google Business Profile aus, wenn Sie ein lokales Unternehmen sind – es ist eine gut dokumentierte Google-Quelle für lokale Daten, obwohl nicht belegt ist, dass jedes KI-System sich bei lokalen Antworten gleichermaßen darauf verlässt.

Die tieferen Mechanismen – der Knowledge Graph, Entitätssalienz, das Schema und die Forschungsdaten hinter „Erwähnungen schlagen Links“ – finden Sie im Erweitert-Tab.

TL;DR — Entity-SEO ist ein Begriff aus der Praxis, kein dokumentiertes Google-Ranking-System — für KI verschiebt sich der Schwerpunkt jedoch deutlich auf eindeutige Zuordnung und Bestätigung. Berichten zufolge verlor der Knowledge Graph bei einer Bereinigung im Juni 2025 einen großen Teil seiner Entitäten; das genaue Ausmaß und die Folgen für ein bestimmtes KI-Produkt kann ich nicht unabhängig verifizieren. Verstehen Sie dies daher als richtungsweisende Beobachtung, nicht als unumstößliche Wahrheit. In der Ahrefs-Forschung korrelierten Markenerwähnungen im Web und Präsenz auf YouTube weitaus stärker mit der Sichtbarkeit in KI-Antworten als Backlinks — eine Korrelation und kein Beweis für Kausalität. Vertrauen lässt sich auch nicht durch vorgetäuschte Bestätigung erzwingen: Ein unabhängiges Experiment, das fiktive Experten in Hunderte Presseartikel einschleuste, führte im Wesentlichen zu keinen KI-Zitaten. sameAs-Schema ist am robustesten, wenn es serverseitig gerendert wird. Ob ein bestimmter KI-Crawler JavaScript ausführt, hängt vom Anbieter und von der Version ab; gehen Sie daher nicht pauschal davon aus, dass keiner es tut.

Entity-SEO ist nur SEO — mit einer anderen Betonung für KI

Beginnen wir mit der klar eingegrenzten Definition: „Entity-SEO“ ist ein Begriff aus der Praxis, nicht der Name eines dokumentierten Google-Ranking-Systems. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing Der Begriff bietet eine nützliche Perspektive auf bestehende SEO-Arbeit — klare Identität, Bestätigung und korrekte strukturierte Daten —, bezeichnet aber weder eine eigene Disziplin noch eine universelle KI-Optimierungsebene mit eigenem Bewertungsmodell. Nutzen Sie diese Maßnahmen als Signale für Klarheit, nicht als garantierte Rankingfaktoren. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

Meine grundsätzliche Einordnung hat sich für die traditionelle Suche nicht geändert: “the entity identification part is more on Google’s end than ours.” (Übersetzung) „Die Identifizierung der Entität liegt eher bei Google als bei uns.“ Sie betreiben nicht manuell „Entity-SEO“, indem Sie Entitäten in eine Seite stopfen. Sie veröffentlichen hochwertige Inhalte, versehen sie mit korrekten strukturierten Daten, halten Ihre Signale konsistent, und Google übernimmt die Identifizierung.

Was sich geändert hat, ist die Gewichtung für die KI-Suche. Wenn ein Modell eine Antwort schreibt, zieht es Sätze und Namen heran, nicht Link-Equity — das Bild der Markensignale sieht also anders aus als in der linkgetriebenen Welt der Rankings. Bei den folgenden Mechanismen geht es darum, Ihre Entität für diese Maschine unmissverständlich zu machen.

Der Knowledge Graph und was wir über KI sagen können und was nicht

Google stellte den Knowledge Graph 2012 unter dem Motto “things, not strings” (Übersetzung) „Dinge statt Zeichenketten“ vor — ein Modell, das “understands real-world entities and their relationships to one another.” (Übersetzung) „reale Entitäten und ihre Beziehungen zueinander versteht“. Er sollte Mehrdeutigkeiten auflösen (welches „Taj Mahal“?), Inhalte zusammenfassen und Entdeckungen ermöglichen; als Ausgangsquellen dienten Freebase, Wikipedia und das CIA World Factbook. Die Zahlen von 2012 sind historisch; Google hat keine aktuelle Anzahl von Entitäten veröffentlicht.

Hier möchte ich vorsichtig sein: Es ist verlockend zu sagen: „Der Knowledge Graph speist jetzt KI-Übersichten, den KI-Modus und Gemini, also macht die Aufnahme darin Sie für KI-gestützte Antworten qualifiziert.“ Google bestätigt, dass der Knowledge Graph Suchfunktionen wie Panels unterstützt und sich auf Hunderte von Quellen im offenen Web stützt. Aber ich habe keine produktspezifische Primärdokumentation, aus der eine direkte Verbindung zwischen der Mitgliedschaft im Knowledge Graph und der Eignung für jede KI-Oberfläche hervorgeht, und ich werde keine produktübergreifende Kausalbehauptung aufstellen, die ich nicht mit einem Zitat belegen kann. Verstehen Sie „Der KG ist KI-Infrastruktur“ als plausible Einschätzung aus der Branche, nicht als bestätigten Mechanismus.

Öffentlich berichtet wurde Folgendes: Der Journalist Jason Barnard (Kalicube) dokumentierte im Juni 2025 eine starke Verkleinerung des Knowledge Graph. Besonders betroffen waren veraltete Ereignis-Entitäten und mehrdeutige Entitäten der Kategorie „Thing“; zugleich wurden Personen-Entitäten präziser typisiert. Ich nenne die genauen Prozentsätze hier nicht erneut. Sie stammen aus einer Analyse von Googles Daten durch einen Dritten, die ich nicht unabhängig reproduzieren kann, und ich verweise lieber auf den ursprünglichen Beitrag, als eine veraltete oder falsch übertragene Zahl zu riskieren. Die richtungsweisende Aussage bleibt: Barnard formulierte es als “in the Knowledge Graph, clarity is the only point of entry.” (Übersetzung) „Im Knowledge Graph ist Klarheit der einzige Zugang.“ Qualität und eindeutige Zuordnung scheinen wichtiger zu sein als die bloße Menge an Signalen; die vollständige Aufschlüsselung steht in der Quelle

Die Entitäts-Signal-Hierarchie – richtungsweisend, nicht exakt

Das ist der Teil, den die meisten Ratschläge zu Entity-SEO falsch verstehen: Sie behandeln lose zusammenhängende Signale wie erwiesene Rankingfaktoren. Wir haben bei Ahrefs Korrelationsstudien mit großen Stichproben von Marken und KI-Antworten durchgeführt. Das richtungsweisende Muster ist wissenswert, auch wenn ich die genauen Koeffizienten erst nach einer unabhängigen Prüfung anhand der Originaldatensätze nenne. Korrelationsstudien werden leicht falsch zitiert, und eine Korrelation belegt unabhängig von ihrer Stärke keine Kausalität.

Über die Studien hinweg zeigte sich richtungsweisend: Markenerwähnungen im Web und Präsenz beziehungsweise Erwähnungen auf YouTube korrelierten mit Kennzahlen zur KI-Sichtbarkeit, etwa Markenerwähnungen in AI Overviews, deutlich stärker als Backlinks. In den von uns gemessenen Rangfolgen lagen Signale aus Markenerwähnungen und YouTube vor linkbasierten Signalen wie Domain Rating und verweisenden Domains. Das Suchvolumen nach Markenbegriffen verhielt sich zudem als vorlaufender statt als nachlaufender Indikator. Ich fasste es so zusammen: “Google favors brands and Perplexity seems to show some favoritism as well. What’s surprising is the weakness of ChatGPT here.” (Übersetzung) „Google bevorzugt Marken, und auch Perplexity scheint sie in gewissem Maß zu bevorzugen. Überraschend ist, wie schwach dieser Zusammenhang bei ChatGPT ausfällt.“

Wir stellten außerdem fest, dass sich die von Google, ChatGPT und Perplexity zitierten Quellen nur begrenzt überschneiden: Lediglich eine kleine Minderheit erschien gleichzeitig in allen drei Systemen. Entity-SEO ist daher eine plattformübergreifende Aufgabe und keine Optimierung für eine einzelne Suchmaschine. Die genauen Koeffizienten und Stichprobengrößen finden Sie direkt in der plattformübergreifenden Studie und in der Studie zu Markenkorrelationen in AI Overviews, statt sich auf hier wiedergegebene Zahlen zu verlassen.

Disambiguierung ist die Priorität Nr. 1

KI kann keine Entität zitieren, die sie nicht sicher identifizieren kann. Wenn Ihre Marke einen Namen mit einem anderen Unternehmen teilt, inkonsistente NAP-Daten (Name/Adresse/Telefon) hat oder keine externe Verifizierung besitzt, werden Sie übersprungen. Der ganze Sinn der Bereinigung vom Juni 2025 war es, den Anteil eindeutig typisierter Entitäten zu erhöhen – Google optimiert für die Marken, bei denen es sicher sein kann.

Die Aufgabe lautet also, Mehrdeutigkeiten aufzulösen: Definieren Sie auf Ihrer Entity-Homepage (Über-uns-Seite oder Startseite) einmal eine konsistente kanonische Identität — per Organization-JSON-LD mit stabiler @id — und stellen Sie über sameAs Verbindungen zu externen Referenzen her. John Muellers Einschränkung: Verweisen Sie mit sameAs nicht auf eine Knowledge-Graph-ID-URL (kg:/m/...), denn “that ID might change” (Übersetzung) „diese ID könnte sich ändern“. Verwenden Sie stattdessen stabile URLs wie Wikidata, Wikipedia und soziale Profile.

Sie können Bestätigung nicht fälschen – das entities.org-Experiment

Hier ist die wichtigste Leitplanke im gesamten Feld. Forscher von Entities.org beschreiben, dass KI-Systeme Entitätskonsens wollen – unabhängige, hochvertrauenswürdige Quellen, die sich über dieselbe Behauptung einig sind, bevor die Systeme diese Behauptung aufstellen. Unterhalb einer Schwelle unabhängiger Bestätigung zögert KI; oberhalb davon behauptet KI.

Das wichtigste Ergebnis: In einem kontrollierten Experiment wurden fiktive Experten in eine große Anzahl von Presseartikeln eingebettet und das Ergebnis über neun Modelle hinweg gemessen – im Wesentlichen keine KI-Empfehlungen resultierten. Volumen ohne Unabhängigkeit scheitert; die Forscher argumentieren, dass KI-Systeme synthetischen Konsens erkennen können. Ich wiederhole hier nicht ihre genaue Artikelanzahl, die Modell-Empfehlungsschwelle oder die Zitieranteilszahlen – das sind spezifische Zahlen aus einem Drittforschungsprojekt, die ich nicht unabhängig reproduziert habe. Überprüfen Sie daher die ursprüngliche Forschung für die genauen Zahlen. Was ich mit Sicherheit in die Richtung sagen kann: Selbstveröffentlichte Inhalte allein bringen eine Marke selten in eine KI-Antwort, und die meisten KI-Antworten scheinen sich eher auf Drittquellen als auf markeneigene Veröffentlichungen zu stützen.

Das ist der tiefere Grund, warum „Entity-Stacking“, massenhaft gestreute Pressemitteilungen und Linkkampagnen in großer Stückzahl bei der KI-Sichtbarkeit nicht funktionieren. Es gibt keinen verborgenen Entitätswert, den man austricksen könnte — verdienen Sie sich echte Erwähnungen.

sameAs, Wikidata und Wikipedia

Weder Wikipedia noch Wikidata sind eine dokumentierte Voraussetzung für die Google- oder KI-Erkennung – Google nennt Wikipedia als eine von vielen häufigen Quellen, aus denen es für Wissenspanels schöpfen kann, nicht als Pflichteingabe. Dennoch sind sie nützliche, zugängliche externe Referenzen, die es wert sind, in Ihrer sameAs-Liste priorisiert zu werden, ungefähr in dieser Reihenfolge:

1. Wikidata – maschinenlesbar und mit niedriger Einstiegshürde (ohne die Relevanzhürde von Wikipedia); mehrere KI-Systeme und Google sollen darauf zurückgreifen, obwohl ich keine Primärdokumentation dafür habe, wie genau jeder Anbieter es gewichtet.
2. Wikipedia – sofern Sie die Relevanzkriterien erfüllen. Untersuchungen Dritter nennen Wikipedia als wichtige Zitatquelle für einige KI-Systeme. Den genauen Prozentsatz wiederhole ich hier nicht; prüfen Sie die Quellenstudie für die aktuelle Zahl und die Methodik. Manche Systeme nutzen Wikipedia-Inhalte nicht nur im Training, sondern auch für den Faktenabgleich in Echtzeit. Sie können keine eigene Seite über sich verfassen — verdienen Sie sich zunächst die Presseberichterstattung, die enzyklopädische Relevanz belegt.
3. LinkedIn / Crunchbase / offizielle Registrierungen, dann soziale Profile.

Eine warnende Geschichte aus unserem eigenen Team: Ryan Law hat Google versehentlich glauben lassen, er besitze die Ahrefs-Website, indem er Schema auf seiner persönlichen Website mit einem Fehler in der sameAs-Eigenschaft hinzufügte. Überprüfen Sie Schema immer doppelt, bevor Sie es live schalten.

Strukturierte Daten: indirekter Hebel, kein Zitierknopf

Seien Sie sich klar darüber, was Schema bewirkt. Eine Ahrefs-Beobachtungsstudie von Louise Linehan und Xibeijia Guan verfolgte eine große Anzahl von Seiten, die über etwa sieben Monate JSON-LD hinzufügten, und verglich das Zitiervolumen vorher und nachher – siehe die Schema/KI-Zitate-Studie für den Datensatz und die genauen Prozentsätze. Das richtungsweisende Ergebnis: Das Hinzufügen von Schema zu einer bereits zitierten Seite führte zu keinem klaren positiven Anstieg des KI-Zitiervolumens auf den verfolgten Plattformen.

Behandeln Sie Schema also nicht als zuverlässigen Hebel für Zitate. Sein Wert liegt in der eindeutigen Zuordnung von Entitäten — also darin, Ihre Marke mit ihrer Identität im Knowledge Graph zu verbinden — und in der korrekten Indexierung, nicht in einer unmittelbaren Steigerung der Zitierhäufigkeit. Muellers Position passt dazu: Strukturierte Daten sind kein direkter Ranking-Faktor, helfen Maschinen aber, Entitäten zu verstehen, und sind bei Shopping-Daten wirklich nützlich, die “basically impossible to read in high fidelity… from a text page.” (Übersetzung) „sich aus einer Textseite praktisch nicht mit hoher Genauigkeit auslesen lassen“.

Speziell für KI ist @id auf jeder Entität und ein @graph, das Organization, Person und Article in einem Graphen verbindet, ein nützliches Modellierungsmuster, das Praktiker empfehlen, um eine verbundene Identität konsistent zu halten – es ist keine dokumentierte Anforderung von Google oder KI-Anbietern, und seine Verwendung garantiert keinen Ranking-, Panel- oder Zitationseffekt. Isolierte Schema-Blöcke für dieselben Entitäten funktionieren ebenfalls; ein verbundener Graph dient dazu, Wartung und Konsistenz zu erleichtern, nicht um eine Funktion freizuschalten.

Serverseitiges Rendern Ihres Schemas – gehen Sie nicht davon aus, dass ein Crawler Ihr JavaScript ausführt

Dies ist ein technischer Fehler, der ansonsten gute Entitätsarbeit stillschweigend zunichtemachen kann, und es lohnt sich, präzise zu sein, was tatsächlich dokumentiert ist, anstatt eine pauschale Behauptung zu wiederholen. Google dokumentiert explizit das Rendern von JavaScript-generierten strukturierten Daten für die Suche. Ob ein bestimmter KI-Crawler – GPTBot, ClaudeBot, PerplexityBot oder ein anderer benannter Anbieter – JavaScript ausführt, ist anbieter- und versionsspezifisch und ändert sich im Laufe der Zeit; ich habe keine aktuellen, anbieterspezifischen Primärdokumente, um eine universelle Regel „KI-Crawler führen kein JavaScript aus“ zu behaupten, und ich schicke Sie lieber selbst zur Überprüfung des aktuellen Verhaltens (ein datierter Fetch-Test gegen den Anbieter, der Sie interessiert), als eine unverifizierte Verallgemeinerung zu wiederholen.

Der sichere, anbieterunabhängige Schritt ist in jedem Fall: Behandeln Sie serverseitig gerendertes Schema im ursprünglichen HTML als robuste Basislinie. Wenn ein von Ihnen anvisierter Crawler JavaScript nicht rendert, ist nur serverseitig ausgeliefertes Schema für ihn garantiert sichtbar; wenn er JS rendert, kostet Sie serverseitiges Rendern nichts. Überprüfen Sie Ihr sameAs und @graph in der rohen HTML-Antwort (nicht nur im gerenderten DOM), damit Sie wissen, was tatsächlich ausgeliefert wird, bevor ein Rendering-Schritt erfolgt.

Was tun Sie also tatsächlich?

Dies ist eine praktische Anleitung – eine Möglichkeit, die ich nützlich finde, um die Arbeit zu organisieren, kein dokumentiertes Bewertungsmodell von KI-Systemen. Ich betrachte es als drei Ebenen: Identität, Beziehungen und unabhängig verifizierte Bestätigung.

Identität. Optimieren Sie Ihre Entity-Homepage – eine kanonische Seite, Organization/Person-Schema serverseitig gerendert als robuste Basislinie und genau sameAs. Halten Sie NAP (Name/Adresse/Telefon) und Beschreibungen überall konsistent, einschließlich Ihres Google Business-Profils, falls Sie lokal tätig sind – eine gut dokumentierte Google-Datenquelle, auch wenn ich nicht bestätigen kann, dass sie die primäre lokale Quelle für jedes KI-System ist.

Beziehungen. Verbinden Sie Ihre Entitäten – sameAs zu Wikidata (und Wikipedia, falls Sie bekannt sind), ein @graph, das Organization, Person und Article verbindet, wo es Ihnen hilft, Dinge konsistent zu halten. In Ihren Inhalten behandeln Sie die Entitäten und Beziehungen, die Ihre Leser tatsächlich erklärt brauchen – jagen Sie keinem Salienzwert aus Cloud Natural Language hinterher, als wäre er ein Ranking-Eingabefaktor; Salienz beschreibt, wie eine Dokumentanalyse-API einen Text bewertet, nicht einen dokumentierten Google-Such- oder KI-Zitations-Rankingfaktor.

Bestätigung. Die Ebene, die meiner Erfahrung nach am meisten bewirkt – verdienen Sie sich echte Erwähnungen durch Dritte und eine echte YouTube-Präsenz, denn diese (nicht nur Links) sind starke Signale dafür, ob KI unabhängiges, bestätigtes Vertrauen hat, dass Sie die sind, die Sie zu sein behaupten. Wie ich über das KI-Zeitalter gesagt habe: “SEO itself hasn’t drastically changed, but getting good results may now require closer collaboration with other teams like PR and partnerships.” (Übersetzung) „SEO selbst hat sich nicht drastisch geändert, aber gute Ergebnisse zu erzielen, erfordert heute möglicherweise eine engere Zusammenarbeit mit anderen Teams, etwa aus PR und Partnerschaften.“

KI-Zusammenfassung

Eine komprimierte Darstellung der erweiterten Version:

• Entität = ein Ding, das eine Maschine eindeutig identifizieren kann (Marke, Person, Produkt). Entity-SEO macht diese Identifizierung sicher und eindeutig, damit KI Sie zitieren kann.
• Entity-SEO ist ein Begriff aus der Praxis, kein benanntes Google-Ranking-System — “the entity identification part is more on Google’s end than ours” (Übersetzung) „Die Identifizierung der Entität liegt eher bei Google als bei uns“ — für KI verschiebt sich die Gewichtung hin zu Disambiguierung + Bestätigung.
• Der Knowledge Graph durchlief laut Berichten im Juni 2025 eine große Klarheitsbereinigung (laut Drittberichten, hier nicht in exakten Zahlen wiedergegeben). Google bestätigt, dass der Knowledge Graph Suchfunktionen wie Panels speist; eine direkte, produktübergreifende Verbindung zur Eignung jeder KI-Oberfläche kann ich nicht mit Primärdokumentation belegen, daher wird dies als plausible Lesart behandelt, nicht als bestätigte Tatsache.
• Signalhierarchie für KI-Sichtbarkeit (richtungsweisend, nicht exakt): in der Ahrefs- Forschung korrelierten Marken-Web-Erwähnungen und YouTube-Präsenz deutlich stärker mit KI-Sichtbarkeits- Metriken als Backlinks — Korrelation, nicht Kausalität. Exakte Koeffizienten finden sich in den verlinkten Studien, hier nicht wiedergegeben, bis eine unabhängige Verifizierung erfolgt.
• Man kann es nicht vortäuschen: Ein unabhängiges Experiment, das fiktive Experten in Presseartikel einspeiste, fand praktisch keine daraus resultierenden KI-Zitate. Unabhängig bestätigte Quellen sind wichtig; die meisten KI-Antworten scheinen sich auf Drittquellen zu stützen statt auf markeneigene Veröffentlichungen.
• Schema ist ein indirekter Hebel: Eine Beobachtungsstudie zu Seiten, die JSON-LD hinzufügten, fand keinen klaren positiven Effekt auf das KI-Zitiervolumen. Der Wert von Schema liegt in eindeutiger Zuordnung und korrekter Indexierung, nicht in einem Zitierknopf.
• Überbeanspruchen Sie die JS-Falle nicht: Ob ein bestimmter KI-Crawler JavaScript ausführt, ist anbieterabhängig und ändert sich im Laufe der Zeit — es gibt keine verifizierte universelle Regel. Serverseitig gerendertes Schema bleibt dennoch die robuste Basis.
• Tun Sie: Entity-Homepage + serverseitig gerendertes Organization/Person-Schema als robusten Standard, genaue sameAs-Verweise auf Wikidata/Wikipedia (nützlich, nicht erforderlich), konsistente NAP + Google Business Profile, und verdienen Sie sich echte Erwähnungen durch Dritte + YouTube-Präsenz.

Offizielle Dokumentation

Primärquellen-Dokumentation zu Entitäten, dem Knowledge Graph und Entitäts-Strukturierten Daten.

Google — Knowledge Graph und Entitäten

• Einführung in den Knowledge Graph: Dinge statt Zeichenketten (2012) — Amit Singhals Startbeitrag; der Leitsatz “things, not strings” (Übersetzung) „Dinge statt Zeichenketten“.
• Knowledge Graph Search API — “lets you find entities in the Google Knowledge Graph” (Übersetzung) „ermöglicht es, Entitäten im Google Knowledge Graph zu finden“; gibt JSON-LD nach Schema.org, mehr als 20 Entitätstypen, KG-IDs (kg:/m/...) und einen resultScore zurück.
• Cloud Natural Language API — Entity — die offizielle Entitätsdefinition mit name, type, salience (0–1,0), metadata, mentions und sentiment.
• Entity Salience Task (Google Research, EACL 2014) — das grundlegende Papier, das Entitäts-Salienz als eigenständige NLP-Aufgabe etabliert.

Google — strukturierte Daten für Entitäten

• Strukturierte Daten für Organisationen — keine erforderlichen Eigenschaften; eindeutige Zuordnung über sameAs, iso6523Code, naics und legalName.
• Strukturierte Daten für Profilseiten — ProfilePage mit mainEntity (Person/Organization) für selbst verwaltete Autorenprofile.
• Wie Knowledge Panels erstellt werden — Panels werden “created automatically… when there is enough information available on the open web.” (Übersetzung) „automatisch erstellt, wenn im offenen Web genügend Informationen verfügbar sind“. Eine manuelle Einreichung ist nicht möglich.

Microsoft / Bing

• Bings Unterstützung für strukturierte Daten und Markup — Schema für Produkte, Veranstaltungen, Rezepte, Artikel und Videos; Copilot kann Signale aus Wissensgraphen und strukturierten Daten einbeziehen, sofern sie verfügbar sind.

Zitate aus der Quelle

Aussagen von Suchvertretern auf dem Record und Googles eigene Materialien.

Google — der Wissensgraph

• “an intelligent model—in geek-speak, a ‘graph’—that understands real-world entities and their relationships to one another: things, not strings.” (Übersetzung) „Ein intelligentes Modell – im Fachjargon ein ‚Graph‘ –, das reale Entitäten und ihre Beziehungen zueinander versteht: Dinge, nicht Zeichenketten.“ — Amit Singhal, damals SVP Engineering, Google (2012). Quelle

Google Cloud Natural Language — was eine Entität ist

• “a phrase in the text that is a known entity, such as a person, an organization, or location,” (Übersetzung) „ein Ausdruck im Text, der eine bekannte Entität bezeichnet, etwa eine Person, eine Organisation oder einen Ort“, erhält einen salience-Wert für seine “importance or centrality… to the entire document text.” (Übersetzung) „Bedeutung oder zentrale Rolle für den gesamten Dokumenttext“. — Google Cloud Natural Language API-Referenz. Quelle

John Mueller, Google — sameAs und KG-IDs

• Mueller rät davon ab, Knowledge-Graph-ID-URLs für sameAs zu verwenden, da “that ID might change” (Übersetzung) „diese ID sich ändern könnte“. Bevorzugen Sie stabile URLs wie Wikipedia, Wikidata und soziale Profile. Abdeckung

John Mueller, Google — Schema und LLMs

• “Some features thrive with structured data… Pricing, shipping, availability for shopping is basically impossible to read in high fidelity & accurately from a text page, for example.” (Übersetzung) „Einige Funktionen profitieren von strukturierten Daten … Preise, Versandangaben und Verfügbarkeit für Shopping lassen sich beispielsweise praktisch nicht zuverlässig und präzise aus einer Textseite auslesen.“ Mueller hat wiederholt darauf hingewiesen, dass strukturierte Daten kein direkter Ranking-Faktor sind. Abdeckung

Patrick Stox, Ahrefs — Entitätsidentifikation ist Googles Aufgabe

• “The entity identification part is more on Google’s end than on our end.” (Übersetzung) „Der Teil der Entitätsidentifikation liegt mehr bei Google als bei uns.“ Quelle

Entity-SEO-Checkliste

Ein Durchgang, um Ihre Entität für Suchmaschinen und KI unmissverständlich zu machen:

• Entity-Homepage gewählt (Startseite oder Über-Seite) mit vollständigem Organization JSON-LD: name, url, logo, description und einer stabilen @id.
• Schema ist serverseitig gerendert im rohen HTML und nicht nur über Google Tag Manager oder clientseitiges JS injiziert – die robuste Basis unabhängig davon, welche Crawler Sie als JavaScript-rendering-fähig annehmen, da dies anbieter- und versionsspezifisch ist und nicht einfach vorausgesetzt werden sollte.
• sameAs verweist auf stabile externe Referenzen (Wikidata, Wikipedia, LinkedIn, Crunchbase, soziale Netzwerke) – niemals auf eine Knowledge-Graph-ID-URL.
• Wikidata-Eintrag erstellt/beansprucht, wo relevant (niedrige Hürde; eine nützliche, nicht erforderliche Referenz, auf die mehrere Systeme laut Berichten zurückgreifen).
• Wikipedia wird nur dann angestrebt, wenn echte Relevanz (unabhängige Berichterstattung) vorliegt – schreiben Sie niemals selbst eine werbliche Seite.
• Beschreibungen und NAP (Name/Adresse/Telefon) sind auf allen Profilen, Verzeichnissen und Ihrer Website identisch.
• Google Business Profile vollständig ausgefüllt, wenn Sie ein lokales Unternehmen sind – eine gut dokumentierte Google-Quelle für lokale Daten, die es wert ist, richtig gemacht zu werden.
• Person- / ProfilePage-Schema für Autoren, mit sameAs, jobTitle, affiliation, verknüpft in einem @graph mit Organization und Article.
• Aktiver Plan, um hochwertige Dritterwähnungen zu verdienen (PR, Partnerschaften, redaktionelle Beiträge) – der stärkste Hebel für KI-Sichtbarkeit, nicht Linkvolumen.
• YouTube-Präsenz vorhanden – eines der stärksten Off-Site-Signale, die wir in der Ahrefs-Korrelationsforschung gemessen haben.
• Schema vor der Veröffentlichung validiert (überprüfen Sie sameAs, @id – ein Tippfehler kann die Eigentümerschaft falsch zuordnen).

Entity-Signale – Spickzettel

Signale, die nach Korrelation mit KI-Sichtbarkeit richtungsweisend eingestuft sind (Ahrefs-Studien – genauen Koeffizienten hier zurückgehalten, bis unabhängige Verifizierung erfolgt; siehe die verlinkten Studien für Zahlen)

Erwähnungen vs. Links: Markenbezogene Web-Erwähnungen korrelierten in der zugrunde liegenden Studie deutlich stärker mit KI-Übersichts-Sichtbarkeit als Backlinks – Korrelation, keine Kausalität, und das genaue Verhältnis ist in der Quellstudie angegeben und wird hier nicht wiederholt.

Schnellregeln zur Disambiguierung

• Entity-Homepage + Organization JSON-LD mit stabiler @id.
• sameAs → Wikidata, Wikipedia, LinkedIn, soziale Netzwerke (nützliche Referenzen, keine Anforderungen). Niemals kg:/m/... (das ändert sich).
• Identischer Name / Beschreibung / NAP überall.

Harte Wahrheiten

• Schema ≠ Zitate. Eine Beobachtungsstudie zu Seiten, die JSON-LD hinzufügen, fand keinen klaren positiven Effekt auf die Anzahl der KI-Zitate. Schemas Aufgabe ist die Disambiguierung, nicht das Erhalten von Zitaten.
• Konsens kann man nicht vortäuschen. Ein unabhängiges Experiment, das fiktive Experten in die Presseberichterstattung einschleuste, fand im Wesentlichen keine daraus resultierenden KI-Zitate. Unabhängige Bestätigung ist wichtig; selbst veröffentlichte Inhalte allein bringen eine Marke selten in eine KI-Antwort.
• Gehen Sie nicht davon aus, dass „KI-Crawler kein JS ausführen“ eine universelle Regel ist. Das ist anbieterabhängig und ändert sich im Laufe der Zeit. Rendern Sie Schema serverseitig als robusten Standard, unabhängig davon.
• Plattformen unterscheiden sich. Die plattformübergreifende Zitatüberschneidung (Google, ChatGPT, Perplexity) ist begrenzt – behandeln Sie Entity-SEO als eine Multi-Plattform-Übung.

Das Entity-Autoritäts-Framework

Dies ist ein praxisorientiertes Modell – eine nützliche Art, wie ich Entity-SEO-Arbeit organisiere, kein dokumentiertes KI-System-Bewertungsmodell oder eine Reihe von Ranking-Anforderungen. Es übernimmt eine dreiteilige Struktur, die Praktiker in diesem Bereich beschreiben: Erkennung → Beziehungen → Bestätigung. Entity-Autorität ist “the degree to which search systems recognize your brand as a credible, well-corroborated source on a specific entity” (Übersetzung) „das Maß, in dem Suchsysteme Ihre Marke als glaubwürdige, gut bestätigte Quelle zu einer bestimmten Entität erkennen“ — eine Definition aus der Praxis und kein Google-Begriff.

1. Erkennung – kann die Maschine Sie überhaupt identifizieren? Die Disambiguierungsebene. Ist Ihre Identität einmal auf Ihrer Entity-Homepage mit einer stabilen @id deklariert, und sind Ihr Name / Ihre Beschreibung / NAP überall konsistent? Mehrdeutige oder inkonsistente Signale machen es plausibel schwerer für KI-Systeme, eine Entität sicher zu zitieren, obwohl ich keinen dokumentierten Mechanismus habe, der diese Verbindung für jeden Anbieter garantiert.

2. Beziehungen – versteht es, wie Sie sich verbinden? Die Graphenebene. sameAs verbindet Ihr Schema mit autoritativen externen Datensätzen als nützliches Muster aus der Praxis (keine Anforderung); @graph, das Organization, Person (Gründer/Autoren) und Article-Entitäten verknüpft, ist eine Modellierungskonvention, um sie konsistent zu halten; konsistentes gemeinsames Auftreten verbindet Ihren Markennamen mit Ihrem Thema im Inhalt selbst.

3. Bestätigung – bürgen unabhängige Quellen für Sie? Die Vertrauensebene, und diejenige, die Sie nicht abkürzen können. Forschung von Drittanbietern legt nahe, dass KI- Systeme unabhängige, hochsichere Quellen abwägen, bevor sie eine Behauptung selbstbewusst aufstellen, und dass selbst veröffentlichte Inhalte allein eine Marke selten in eine KI- Antwort bringen – also leisten Earned Media, YouTube-Präsenz und echte Markennachfrage hier echte Arbeit. Synthetischer Konsens (eingeschleuste Presse, Massenlinks) scheint erkannt und verworfen statt belohnt zu werden, wie das oben in der erweiterten Ansicht erwähnte Experiment mit fiktiven Experten nahelegt.

Die Entscheidungsregel. Bei KI-Sichtbarkeit festgefahren? Diagnostizieren Sie, welche Ebene versagt:

• Nicht erkannt → Disambiguierung beheben (Entity-Homepage, Konsistenz, Wikidata).
• Erkannt, aber nicht verbunden → Beziehungen beheben (sameAs, @graph, thematisches gemeinsames Auftreten).
• Erkannt und verbunden, aber nicht zitiert → Bestätigung beheben (unabhängige Erwähnungen verdienen).

Fügen Sie kein Schema hinzu und hoffen Sie. Finden Sie die defekte Ebene.

Entity-SEO-Fehler, die Sie vermeiden sollten

sameAs als Beweis behandeln

Markup kann eine Identität behaupten, aber es kann keine Bestätigung durch Dritte herstellen. Verwenden Sie sameAs, um Profile zu verbinden, die wirklich dieselbe Entität repräsentieren, und machen Sie dann Namen, Beschreibungen und Fakten auf diesen Profilen konsistent.

Identifikatoren für die falsche Entität erstellen

Ein ähnlich benanntes Unternehmen, eine ähnlich benannte Person oder ein ähnlich benanntes Produkt ist keine Abkürzung. Bestätigen Sie die Attribute und Beziehungen der Entität, bevor Sie Wikidata, Wikipedia, soziale oder Verzeichnisprofile verlinken.

Entity-Signale nur über clientseitiges JavaScript veröffentlichen

Ob ein bestimmter KI-Crawler JavaScript rendert, ist anbieterabhängig und keine Annahme, die man in die eine oder andere Richtung treffen sollte. Platzieren Sie die Identitätsaussage, Kernfakten, Links und strukturierte Daten in serverseitig geliefertem HTML, damit Sie unabhängig davon abgesichert sind.

Erwähnungen optimieren, ohne Mehrdeutigkeit zu beheben

Mehr Abdeckung kann die falsche Interpretation verstärken, wenn der Markenname geteilt wird. Führen Sie mit einem stabilen Namen, einer Kategorie, einem Standort oder Markt, einer offiziellen URL und unterscheidenden Beziehungen.

Häufige Probleme bei Entity-SEO

Suchergebnisse verwechseln die Marke mit einer anderen Entität

Symptom: Panels, Zusammenfassungen oder Zitate vermischen Namensvettern. Wahrscheinliche Ursache: Schwache oder widersprüchliche Disambiguierungssignale. Behebung: Richten Sie die offizielle Website, Organisations- Markup, autoritative Profile und Drittanbieter-Beschreibungen an denselben definierenden Fakten aus; überprüfen Sie dann erneut die genaue mehrdeutige Abfrage.

Ein Knowledge Panel existiert, enthält aber eine falsche Tatsache

Symptom: Das Panel identifiziert die richtige Entität, zeigt aber veraltete oder falsche Informationen. Wahrscheinliche Ursache: Google hat eine widersprüchliche Quelle ausgewählt. Behebung: Beanspruchen Sie das Panel, wenn Sie berechtigt sind, korrigieren Sie die Erstanbieter-Quelle, schlagen Sie eine Bearbeitung mit Belegen vor und reparieren Sie inkonsistente bestätigende Profile.

Strukturierte Daten validieren, aber das Entity-Verständnis verbessert sich nicht

Symptom: Schema-Tools bestehen, während die Marke unerkannt oder verwechselt bleibt. Wahrscheinliche Ursache: Validierung beweist Syntax, nicht reale Identität oder Autorität. Behebung: Prüfen Sie unabhängige Erwähnungen und Identitätskonsistenz, anstatt weitere Eigenschaften ohne Belege hinzuzufügen.

Prompts für Entity-Audits

Audit these first-party and third-party descriptions of one organization. Extract the
name, aliases, category, location or market, founding facts, people, products, official
URL, and sameAs identifiers from each source. Return a contradiction table, likely
namesake collisions, facts supported by multiple independent sources, and facts that
must not be asserted yet. Do not merge similarly named entities without evidence.

[paste source excerpts and URLs]

Review this Organization JSON-LD against the visible page content and the supplied
official profiles. Flag unsupported claims, wrong entity links, duplicate identifiers,
and useful missing disambiguation properties. Return corrected JSON-LD using only facts
present in the inputs, followed by a verification checklist.

[paste JSON-LD, page excerpt, and profile list]

Snippets zur Extraktion von Entity-Signalen

sameAs-Werte in Chrome DevTools auflisten

Führen Sie in der Konsole auf der offiziellen Seite der Entität aus:

[...document.querySelectorAll('script[type="application/ld+json"]')].flatMap(el => {
  try { const data = JSON.parse(el.textContent); return (Array.isArray(data) ? data : [data]).flatMap(item => item.sameAs || []); }
  catch { return []; }
})

Identitätslinks in einer Crawl-Extraktion finden

Verwenden Sie diesen case-insensitiven regulären Ausdruck gegen den JSON-LD-Quelltext. Erfassungsgruppe 1 enthält das sameAs-Array zur Überprüfung:

"sameAs"\s*:\s*(\[[\s\S]*?\])

Server-HTML mit dem gerenderten DOM vergleichen

Rufen Sie die Antwort ab, bevor Sie sich auf die Browserausgabe verlassen:

curl -sS https://example.com/about/ | grep -Eio 'application/ld\+json|sameAs|Organization'

Die Prüfung ist bewusst einfach: Wenn Identitätssignale erst nach dem Rendern erscheinen, verschieben Sie diese Signale in das vom Server gelieferte Dokument.

Tools für Entity-SEO

• Entity Coverage Analyzer: Inventarisieren Sie die Entitäten und Beziehungen, die eine Seite klar angibt, und finden Sie dann wichtige Lücken.
• Google Knowledge Graph Explorer: Prüfen Sie, ob Google einen Namen zu einer eindeutigen Entität auflöst, und untersuchen Sie Identifikatoren, ohne ein Ergebnis als Garantie für ein Panel zu behandeln.
• Schema Markup Validator: Validieren Sie Organization, Person, Product und sameAs-Markup, nachdem Sie die zugrunde liegenden Fakten bestätigt haben.
• Suchergebnisse und Knowledge Panels: Testen Sie Marken- und mehrdeutige Abfragen in sauberen Sitzungen, um zu sehen, welche Entitätsinterpretation auftaucht.
• Ein Crawler mit benutzerdefinierter Extraktion: Vergleichen Sie Entity-Markup, Namen, offizielle URLs und Profillinks über Vorlagen hinweg in großem Maßstab.

Eine Entity-SEO-Änderung validieren

Server-sichtbare Identitätssignale testen

Durchzuführender Test: Rufen Sie die Seite ohne JavaScript ab und prüfen Sie die Identitätsaussage, offizielle Links und JSON-LD. Erwartetes Ergebnis: Die definierenden Fakten und strukturierten Daten sind in der Antwort vorhanden. Fehlerinterpretation: KI-Crawler, die nicht rendern, können die Änderung nicht empfangen. Überwachungsfenster: Sofort. Rollback- Auslöser: Ein Release verschiebt Kern-Identitätssignale hinter Client-Rendering.

Identifikatorkonsistenz testen

Durchzuführender Test: Vergleichen Sie die sameAs-Werte und Schlüsselfakten der offiziellen Website mit jedem verlinkten Profil. Erwartetes Ergebnis: Jede URL repräsentiert dieselbe Entität und stimmt bei den stabilen definierenden Fakten überein. Fehlerinterpretation: Der Graph enthält widersprüchliche oder falsche Kanten. Überwachungsfenster: Sofort nach Profil- oder Schemaänderungen. Rollback-Auslöser: Jeder Identifikator löst zu einem Namensvetter oder einer nicht verwandten Entität auf.

Disambiguierung bei mehrdeutigen Abfragen testen

Durchzuführender Test: Überprüfen Sie die konkrete Markenabfrage erneut, die zuvor Entitäten vermischt hat, und dokumentieren Sie das Ergebnis sowie die zitierten Quellen. Erwartetes Ergebnis: Kategorie, Markt, URL und Beziehungen grenzen die beabsichtigte Entität klar ab. Fehlerinterpretation: Die Bestätigung bleibt unzureichend oder widersprüchlich. Überwachungszeitraum: Nach dem erneuten Crawlen und der Aktualisierung der Quellen, nicht sofort. Rollback-Auslöser: Neue Inhalte verstärken die Verwechslung oder behaupten eine Tatsache, die von den Quellen nicht gestützt wird.

Entitätsklarheit messen

Entitätskonsistenzrate

Metrik: Anteil der geprüften eigenen und externen Profile, deren stabile, identitätsbestimmende Fakten übereinstimmen. Aussage: Zeigt, ob Systeme eine kohärente Identität erhalten. Ermittlung: Erstellen Sie ein Quelleninventar und vergleichen Sie Name, Kategorie, offizielle URL, Standort oder Markt sowie wichtige Beziehungen. Benchmark / realistischer Bereich: Streben Sie an, alle wesentlichen Widersprüche zu beseitigen; wie viele Profile erforderlich sind, hängt von der Entität ab. Rhythmus: Vierteljährlich und nach Umbenennungen.

Genauigkeit bei mehrdeutigen Abfragen

Metrik: Anteil eines festgelegten Satzes von Markenabfragen, die ohne Vermischung mit Namensvettern zur beabsichtigten Entität führen. Aussage: Zeigt, ob die eindeutige Zuordnung auf den relevanten Oberflächen funktioniert. Ermittlung: Führen Sie einen dokumentierten Abfragesatz in der Suche und in ausgewählten KI-Systemen aus und speichern Sie Ausgaben sowie Zitate. Benchmark / realistischer Bereich: Legen Sie für jede Abfrage einen Ausgangswert fest; Systeme unterscheiden sich, daher ist ein universeller Prozentsatz nicht vertretbar. Rhythmus: Monatlich.

Bestätigte Faktenabdeckung

Metrik: Anteil wichtiger Entitätsfakten, die sowohl durch die offizielle Quelle als auch durch mindestens eine geeignete unabhängige Quelle gestützt werden. Aussage: Zeigt, welche Behauptungen über die Selbstaussage hinaus belegt sind. Ermittlung: Verwenden Sie eine Fakten-Quellen-Matrix. Benchmark / realistischer Bereich: Sorgen Sie zuerst für eine vollständige Absicherung der identitätsbestimmenden Fakten, statt jede optionale Eigenschaft zu maximieren. Rhythmus: Vierteljährlich.

Testen Sie sich selbst: Entity-SEO

Ressourcen, die Ihre Zeit wert sind

Meine verwandten Artikel & Forschung (Ahrefs)

• AI Overview-Markensichtbarkeits-Korrelationen (75K Marken) — die Quellstudie für die oben genannten Korrelationszahlen zu Erwähnungen vs. Backlinks.
• KI-Markensichtbarkeits-Korrelationen über alle drei Plattformen — die YouTube-Signal-Korrelation und Plattformdivergenz mit genauen Zahlen.
• Beeinflussen Erwähnungen auf stark verlinkten Seiten KI-Erwähnungen? — die Brand-Radar-Studie hinter „Google bevorzugt Marken.“
• Semantisches SEO (Despina Gavoyannis, von mir überprüft) — die thematische Autoritätsseite der Entitätsarbeit.

Meine Vorträge

• GEO / AEO / LLMO — Was ist das alles mit diesem KI-Zeug (Ahrefs Evolve 2025) — meine Präsentation zu KI-Suche, den Daten und was sich ändert. (Der übliche Haftungsausschluss gilt: Dies ist mein Verständnis dieser Systeme, nicht das Evangelium.)

Von anderen

• Schema-Markup und KI-Zitate (Louise Linehan & Xibeijia Guan, Ahrefs) — die JSON-LD-Studie, die zeigt, dass Schema kein Zitat-Hebel ist, mit dem Datensatz und den genauen Prozentzahlen.
• Entity-SEO: Hören Sie auf, Dinge zu verkomplizieren (Ahrefs, Si Quan Ong) — die Position „Entity-SEO ist einfach SEO“; ein Leitfaden eines Kollegen, der Patrick zitiert.
• Google Knowledge Graph erklärt und Schema-Markup-Leitfaden (Ahrefs, Despina Gavoyannis und Kollegen) — die Grundlagen (und Ryan Laws sameAs-Warnung).
• Googles große Klarheitsbereinigung: der Knowledge Graph und die KI-Zukunft — Jason Barnard (Kalicube) über die Verkleinerung des Knowledge Graph im Juni 2025, mit den genauen Zahlen.
• Inhalts- und SEO-Silos aufbrechen, um Entity-Autorität in der KI-Suche aufzubauen — Lang Ploszek (Victorious) über Wiedererkennung / Beziehungen / Bestätigung.
• Entity-Konsensforschung — das Experiment „Volumen ohne Unabhängigkeit scheitert“ zu synthetischem Konsens, mit der Methodik und den Zahlen der Studie.
• Entity-Autorität und KI-Such-Sichtbarkeit (Search Engine Land, Benu Aggarwal) — praktische Aufschlüsselung, wie sich Entity-Autorität in KI-Such-Präsenz übersetzt.
• Schema-Markup und KI-Suche — ohne Hype (Search Engine Land) — nüchterner Blick darauf, was strukturierte Daten tatsächlich für KI-Zitate tun (und nicht tun).
• Was wir über die Auswirkungen von Wikipedia auf ChatGPT-Suchergebnisse wissen (ALLMO) — der berichtete Anteil von Wikipedia an ChatGPT-Zitaten und die Unternehmenslizenzverträge von Wikimedia mit KI-Anbietern, mit den Quellenzahlen.
• 2025 KI-Zitat- und LLM-Sichtbarkeitsbericht (Digital Bloom) — plattformübergreifende Zitatmuster: Google AI Overview vs. ChatGPT vs. Perplexity, und Erkenntnisse zur plattformübergreifenden Überschneidung.
• sameAs und knowsAbout in Schema.org (Will Scott) — der technische Unterschied zwischen der Deklaration von Identitätsgleichheit und thematischer Expertise in Schema.

Änderungsprotokoll