AI-Suche & Sichtbarkeit

Knowledge Graph

Der Knowledge Graph ist Googles semantische Wissensdatenbank, die Entitäten – Personen, Orte, Unternehmen, Konzepte – und ihre Beziehungen zueinander speichert und die Grundlage für KI-gestützte Suchantworten bildet.

Der Knowledge Graph ist eine gigantische, strukturierte Wissensdatenbank, die Google seit 2012 kontinuierlich aufbaut und pflegt. Er enthält Milliarden von Entitäten – von Angela Merkel über den Kölner Dom bis hin zu Volkswagen – und definiert die Beziehungen zwischen ihnen (z. B.: „Volkswagen ist ein Automobilhersteller mit Sitz in Wolfsburg, Deutschland"). Diese Strukturdaten bilden heute das Rückgrat von Googles semantischer Suche und von Gemini, dem zugrundeliegenden KI-Modell für AI Overviews.

Einordnung

Vor dem Knowledge Graph arbeitete Google primär mit Strings: Es suchte nach der Zeichenkette „Angela Merkel" in Webseiten. Mit dem Knowledge Graph denkt Google in Things, not Strings – ein Motto, das Google selbst 2012 einführte. Das Konzept basiert auf dem Prinzip des Semantic Web und nutzt Quellen wie Wikipedia, Wikidata, Freebase (akquiriert), offizielle Unternehmensregister und strukturierte Daten (Schema.org) auf Websites.

Für Unternehmen bedeutet der Knowledge Graph: Wer dort verankert ist – also als Entität mit klaren Eigenschaften und Beziehungen geführt wird –, hat eine deutlich höhere Chance, in AI-Antworten genannt zu werden und ein Knowledge Panel in den Suchergebnissen zu erhalten.

Wie funktioniert das?

Der Knowledge Graph speichert Entitäten mit Attributen und Relationen:

Entität: z. B. „Klickweise" (eine Marketingagentur)
Attribute: Standort, Gründungsjahr, Leistungen, Branche
Relationen: befindet sich in → Niederrhein; gehört zur Kategorie → Digitalagentur

Google reichert diese Daten aus verschiedenen Quellen an: strukturierte Daten auf der Website (Schema.org), Wikipedia/Wikidata-Einträge, Google Business Profile, Erwähnungen in vertrauenswürdigen Publikationen und Signale aus dem gesamten Web. Für Optimierer ist besonders wichtig: KI-Modelle wie Gemini nutzen den Knowledge Graph als Validierungsschicht – Informationen, die dort konsistent verankert sind, gelten als vertrauenswürdig.

Praxisbeispiel

Ein Handwerksbetrieb aus Rheinberg lässt ein vollständiges Schema.org/LocalBusiness-Markup implementieren, richtet ein Google Business Profile ein und sorgt für konsistente NAP-Daten (Name, Adresse, Telefon) in lokalen Verzeichnissen. Als Ergebnis erscheint das Unternehmen in einem Knowledge Panel rechts neben den Suchergebnissen – und wird häufiger als lokale Quelle in KI-Antworten zu Handwerksthemen zitiert.

Häufig gestellte Fragen zu Knowledge Graph

Wie kommt mein Unternehmen in den Google Knowledge Graph?

Durch konsistentes Schema-Markup, ein vollständiges Google Business Profile, Wikidata-Einträge und Erwähnungen in vertrauenswürdigen Quellen. Ein direktes Einreichen ist nicht möglich.

Was ist der Unterschied zwischen Knowledge Graph und Knowledge Panel?

Der Knowledge Graph ist die interne Datenbank. Das Knowledge Panel ist die sichtbare Info-Box in der Google-Suche, die auf Basis des Knowledge Graphs generiert wird.

Hilft der Knowledge Graph auch bei lokaler Suche?

Ja, erheblich. Lokale Entitäten mit klaren Attributen (Standort, Öffnungszeiten, Branche) werden bevorzugt in lokalen AI-Antworten und im Google Maps-Ökosystem ausgespielt.