Prüfer für Entitätsabdeckung

Free, no signup. Find likely entities in your page text, then reconcile selected names against Google’s Knowledge Graph and Wikidata. Local extraction works when the AI path is unavailable.

Built by Patrick Stox

Wird vollständig in deinem Browser ausgeführt – nichts, was du einfügst, wird hochgeladen oder gespeichert. The optional AI extraction sends your pasted text to the bounded model endpoint. Reconciliation sends only a selected entity name to Google KG and Wikidata; local extraction stays in your browser. Anonyme Ergebniszähler auf Ausführungsebene können für aggregierte Forschung verwendet werden; URLs, Domains, IP-Adressen und Kennungen werden nie einbezogen, und Statistiken werden erst ab 100 Ausführungen veröffentlicht.

Rückmeldung

Lokale Daten

Gespeicherte Ziele, benannte Listen und Zusammenfassungen der letzten Prüfungen bleiben nur in diesem Browser.

Entity JSON-LD

Über dieses Werkzeug

Füge sichtbaren Seitentext oder HTML ein und extrahiere wahrscheinliche benannte Entitäten. Prüfe ausgewählte Namen anschließend gegen Googles Knowledge Graph und Wikidata und erstelle transparentes about-/mentions-JSON-LD nur für bestätigte Identitäten.

Die lokale Extraktion funktioniert ohne API oder Modell; optionale Modell- und Live-Lookups bleiben begrenzt, nachvollziehbar und einer menschlichen Identitätsprüfung unterstellt.

Funktionen

Lokale Erkennung großgeschriebener Namensfolgen ohne API oder Modell
Optionale modellgestützte Kandidatenextraktion mit sichtbarer Herkunft
On-demand-Abgleich einzelner Entitäten mit Google Knowledge Graph und Wikidata
sameAs-JSON-LD nur für abgeglichene Entitäten sowie klare Zustände für Mehrdeutigkeit und Nichtverfügbarkeit

So funktioniert es

Die lokale Route zählt großgeschriebene Folgen von bis zu fünf Begriffen, entfernt eine kleine Stoppliste und sortiert nach Erwähnungen. Die optionale KI-Route liefert Kandidatennamen mit Herkunft. Erst nach Auswahl und Abgleich werden about, mentions und sameAs für die gewählten Identitäten erstellt.

Einschränkungen

Die Heuristik verpasst kleingeschriebene Marken und kann Überschriften oder Satzanfänge als Entitäten verwechseln; die Häufigkeit ist keine thematische Bedeutung.
Ein erster Knowledge-Graph-Treffer ist nicht zwingend die beabsichtigte Identität. Ein Fehlschlag bedeutet nicht, dass eine Entität nicht existiert.
Das Werkzeug vergleicht die Seite nicht mit einem erforderlichen Themenmodell oder mit Wettbewerbern; jedes erzeugte Schema muss vor der Veröffentlichung geprüft werden.

Häufig gestellte Fragen

Was ist Entitätsabdeckung?

Hier bezeichnet sie die benannten Personen, Organisationen, Produkte und Konzepte im bereitgestellten Seitentext. Das Tool inventarisiert wahrscheinliche Bezeichnungen, entscheidet aber nicht, welche Entitäten ein Thema enthalten muss.

Was ist der Unterschied zwischen Extraktion und Abgleich?

Die Extraktion schlägt im Inhalt gefundene Bezeichnungen vor. Der Abgleich verbindet einen ausgewählten Bezeichnungen mit einem stabilen Wissensgraph-Identifikator. Ein Bezeichnung kann korrekt extrahiert, aber der falschen realen Entität zugeordnet werden; deshalb muss jeder Treffer geprüft werden.

Bedeutet ein Fehlschlag im Wissensgraph, dass eine Entität nicht existiert?

Nein. Ein Fehlschlag kann Mehrdeutigkeit, Abdeckung, Kontingent oder Dienstverfügbarkeit widerspiegeln. Das Tool meldet ihn als nicht zugeordnet oder nicht bewertet, niemals als Beweis der Nichtexistenz.

Kann ich das erzeugte JSON-LD unverändert veröffentlichen?

Prüfe es zuerst. Nur abgeglichene Entitäten werden aufgenommen, doch auch der beste Treffer kann falsch sein. Bestätige jede Identität und stelle sicher, dass die Seite tatsächlich von der Entität handelt oder sie erwähnt.

Verbessert das Hinzufügen weiterer Entitäten die KI-Sichtbarkeit?

Nicht automatisch. Eine klare, genaue Abdeckung kann Mehrdeutigkeit verringern, aber das Anhäufen von Bezeichnungen oder strukturierte Daten, die auf der sichtbaren Seite nicht gestützt werden, erzeugt irreführendes Markup statt Autorität.

Nächster SchrittValidator für Schema-Markup — verify it with a direct check. Anleitung auf Englisch verfügbar.

Häufige Probleme und ihre Behebung

Warnung Begriff Entität hat keinet gewesen Begriff Lösung: Prüfung Kandidat Begriff und Begriff die korrekt stabil Knowledge Graph ID bevor Begriff Entität Verweise.
Warnung Wichtig erwartet Entität ist nicht vorhanden Lösung: Hinzufügen korrekt Abdeckung von die erwartet Entität wo ist Begriff Begriff antwort die Seite’s Thema.
Warnung Entität Kandidat karten zu Begriff Begriff Lösung: Begriff die Begriff mit typ und kontext, dann auswählen die verifiziert Entität ID statt als die erste treffer.
Information Entität Abdeckung ist Begriff Lösung: Hinzufügen fehlend Begriff-Begriff Entitäten und Begriff basierend auf die Seite’s Begriff Begriff, nicht Begriff Begriff Begriff.