Wissensgraph

Knowledge Graph bedeutet ein strukturiertes Verständnis von Entitäten und ihren Beziehungen: Unternehmen zu Gründer, Produkt zu Kategorie, Autor zu Arbeitgeber, Marke zu offiziellen Profilen. Für SEO ist das entscheidend, weil Google, Bing und KI-Antwortsysteme nicht nur Zeichenketten bewerten. Sie lösen Entitäten auf. Wenn deine Marke mehrdeutig ist, schlecht belegt oder uneinheitlich ausgezeichnet wird, verlierst du Sichtbarkeit dort, wo die Zuordnung in einer einzigen Antwort verdichtet wird.

Was sich in der Praxis ändert

Knowledge-Graph-Arbeit ist nicht nur das Hinzufügen von Schema und es dann „hinterher“ zu nennen. Es geht darum, drei Ebenen aufeinander abzustimmen: strukturiierte Onsite-Daten, interne Konsistenz der Inhalte und externe Bestätigung. Verwende JSON-LD für Organization, Person, Product, Article und FAQPage, wo es sinnvoll ist. Halte Namen, Beschreibungen, sameAs-Links und Identifikatoren auf deiner gesamten Website sowie in LinkedIn, Crunchbase, Wikidata, in App Stores und in großen Verzeichnissen konsistent.

Google Search Console zeigt dir keinen „Knowledge-Graph-Score“. Du leitest also den Fortschritt ab. Prüfe in GSC die Abdeckung bei branded Queries, die SERP-Features mit vielen Entitätsinformationen und ob Google deine Marke dauerhaft konsistent mit den Zielthemen verknüpft. Screaming Frog hilft dir, die Schema-Ausspielung im großen Maßstab zu validieren. Ahrefs und Semrush helfen dir, Drittseiten zu finden, die Entitätszuordnungen entweder bestärken oder verwirren. Moz ist weiterhin nützlich, um die Zitierkonsistenz im lokalen Umfeld und in Kontexten mit Markenprofilen zu prüfen.

Was wirklich hilft

• Entitäts-zuerst-Architektur: Erstelle klare Hub-Seiten für die Marke, Produktlinien, Autor:innen, Standorte und die zentralen Themen. Je Entität genau eine kanonische Seite. Keine Duplikate, die sich um dieselbe Rolle gegenseitig ausspielen.
• Konsistente Identifikatoren: Verwende denselben Markennamen, Autorennamen, dasselbe Logo, dieselbe URL-Struktur und dieselben Social-/Profil-Links. Kleine Abweichungen erzeugen schnell Probleme bei der Unterscheidung (Disambiguation).
• Bestätigung (Corroboration): Eine Behauptung, die nur auf deiner eigenen Seite wiederholt wird, ist schwach. Dieselbe Behauptung, die von 20 relevanten verweisenden Domains wiederholt wird, ist stärker. Denk an Veröffentlichungen mit DR 60+, Branchenverbände, Bewertungsplattformen und Datenbanken.
• Abdeckung strukturierter Daten: Validieren mit dem Rich Results Test von Google und per Crawling mit Screaming Frog Custom Extraction. Schema-Fehler auf 5 URLs sind nervig. Bei 5.000 URLs werden sie zu einem Systemproblem.

Wo Leute es falsch machen

Der häufigste Fehler ist, den Knowledge Graph wie einen direkten Ranking-Faktor zu behandeln. So einfach ist es nicht. Google hat nie gesagt: „Baue einen Knowledge-Graph-Eintrag und die Rankings steigen.“ Auch John Mueller hat wiederholt betont, dass strukturierte Daten Suchmaschinen helfen, Inhalte zu verstehen, aber sie garantieren weder bessere Rankings noch Rich Results. Diese Unterscheidung ist wichtig.

Noch ein Hinweis: Viele GEO-Ratschläge überschätzen den Steuerungsgrad. Du kontrollierst den Knowledge Graph von Google nicht, und du kontrollierst erst recht nicht, wie jedes LLM Quellen zitiert. Selbst perfektes Schema erzwingt keine Aufnahme in KI-Antworten. Surfer SEO kann helfen, die thematische Abdeckung zu schärfen, aber es kann keine Entitätsautorität „herstellen“. Externe Validierung übernimmt weiterhin die Hauptarbeit.

So misst du es

Behalte in GSC die Entwicklung bei branded Impressions und Klicks im Blick, die Genauigkeit im Entitäts-Panel, die Berechtigung für Rich Results sowie die Zitierkonsistenz über die wichtigsten Profile hinweg. Für GEO überwache die Prompt-level-Rate der Marken-Nennungen und die Quelleneinbindung manuell oder über kontrollierte Tests. Halte die Erwartungen realistisch. Knowledge-Graph-Arbeit ist meist ein sich aufbauender Effekt über 3 bis 9 Monate – kein Erfolg innerhalb von zwei Wochen.