Was ist ein Knowledge Graph?
Ein Knowledge Graph ist eine strukturierte Wissensdatenbank, die Entitäten — also Personen, Orte, Organisationen, Produkte und Konzepte — und ihre Beziehungen zueinander in einem Netzwerk aus Knoten und Kanten abbildet. Im Gegensatz zu klassischen relationalen Datenbanken ist ein Knowledge Graph auf flexible, semantisch reiche Verbindungen ausgerichtet: "Elon Musk" ist CEO von Tesla, gegründet hat SpaceX, wohnt in Texas. Diese Tripel-Struktur (Subjekt – Prädikat – Objekt) ermöglicht es Maschinen, Wissen auf eine Weise zu repräsentieren, die menschlichem Denken ähnelt.
Googles Knowledge Graph, eingeführt 2012, ist das bekannteste Beispiel. Er enthält heute Milliarden von Entitäten und wird kontinuierlich aus öffentlichen Quellen wie Wikipedia, Wikidata, Freebase-Nachfolgern sowie aus strukturierten Websitedaten gespeist. Er ist die Grundlage für die Knowledge Panels in der Google-Suche, für Featured Snippets und für einen wesentlichen Teil der Informationen, die Google-basierte KI-Systeme wie Gemini über Unternehmen wissen.
Wikidata als offene Wissensbasis
Parallel zu Googles proprietärem Graph existiert Wikidata als offene, kollaborative Wissensdatenbank der Wikimedia Foundation. Wikidata wird von Forschern, Unternehmen und der Wikipedia-Community gepflegt und ist eine der meistgenutzten öffentlichen Wissensquellen für das Training und die Anreicherung von KI-Systemen. Ein Unternehmen, das einen vollständigen, korrekten und verifizierten Wikidata-Eintrag besitzt, erhöht die Wahrscheinlichkeit erheblich, dass KI-Modelle korrekte und konsistente Informationen über es abrufen können.
Für AI Search Management bedeutet das: Wikidata ist kein Geheimtipp für Bibliothekare, sondern ein strategisch relevantes Werkzeug. Wer kontrolliert, welche Fakten dort über sein Unternehmen stehen, beeinflusst, was KI-Systeme über es "wissen" — heute und in zukünftigen Trainingsiterationen.
Eigene strukturierte Daten als Ergänzung
Neben externen Wissensdatenbanken können Unternehmen durch strukturierte Daten auf ihrer eigenen Website aktiv zur Knowledge-Graph-Anreicherung beitragen. Schema.org-Markup, insbesondere die Typen Organization, LocalBusiness, Person und Product, liefert Suchmaschinen maschinenlesbare Fakten: Firmensitz, Gründungsjahr, Branchen, Mitarbeiter, Auszeichnungen, Tochterunternehmen. Diese Informationen fließen in Echtzeit in den Google Knowledge Graph ein und ergänzen dort, was aus Drittquellen bekannt ist.
Die Kombination aus externen Quellen (Wikidata, Wikipedia, Branchenverzeichnisse) und internen strukturierten Daten (Schema.org JSON-LD auf der Website) bildet die stärkste Grundlage für eine solide Entitätspräsenz im Knowledge Graph. Unternehmen, die in beiden Dimensionen investieren, sind in KI-gestützten Suchangeworten erheblich besser repräsentiert als solche, die ausschließlich auf klassisches SEO setzen.