Journalisten Knowledge Graph: Von 52 ausgezeichneten Innovatoren stehen 6 im Wissensnetz. Was Medienarbeit damit zu tun hat

1. Einführung: Journalisten und der Knowledge Graph

Ein Hersteller von Sondermaschinen gewinnt einen Innovationspreis. Die Urkunde hängt im Foyer. Zwei Wochen später fragt ein Einkäufer einen KI-Assistenten nach den innovativsten Anbietern seiner Nische. Drei Namen kommen zurück, der Preisträger ist nicht dabei. Der Grund liegt nicht am Produkt: über den Betrieb hat nie eine unabhängige Redaktion berichtet, und Wikidata (die frei bearbeitbare Datenbank hinter Wikipedia) übernimmt nur, was belegt ist. Wer wissen möchte, wie diese Ebene gebaut ist, findet die Grundlagen im Wissensnetz hinter den Antworten.

Journalisten Knowledge Graph beschreibt die Arbeitsteilung zwischen Redaktion und Datenmodell: Journalisten prüfen Fakten über ein Unternehmen und veröffentlichen sie unabhängig, Nachschlagewerke wie Wikipedia und Wikidata übernehmen diese Belege, und KI-Systeme lesen von dort. Fehlt die unabhängige Berichterstattung, fehlt die Quelle, auf die sich ein Eintrag stützen kann.

Was das für Sie heißt: Ihr Marktanteil, Ihre Auszeichnungen und Ihre Referenzliste sind für ein Auskunftssystem unsichtbar, solange niemand von außen darüber geschrieben hat. Ein Preis, den Sie selbst vermelden, gilt nicht als Beleg. Ein Fachartikel, den eine Redaktion verantwortet, gilt sehr wohl. Der erste Schritt kostet kein Technikbudget, sondern Zeit für eine Handvoll Redaktionen.

Dieser Beitrag zeigt, wie der Weg von der Berichterstattung in das Wissensnetz technisch verläuft, wie oft er im deutschen Mittelstand tatsächlich genutzt wird, und in welcher Reihenfolge Sie ihn gehen können. Die Zahlen stammen aus einer eigenen Messung im August und aus fünf externen Quellen, die alle am 27. August live geprüft wurden.

2. Warum Berichterstattung in Wissensgraphen landet

Der Weg ist kurz und läuft fast immer gleich. Eine Redaktion prüft einen Sachverhalt und veröffentlicht ihn. Später nutzt jemand diesen Beitrag als Belegstelle für einen Eintrag in einem Nachschlagewerk. Aus dem Eintrag wird ein Objekt mit Namen, Sitz, Branche und Verweisen. KI-Systeme greifen auf dieses Objekt zu, sobald jemand nach Anbietern fragt.

Ein Knowledge Graph ist dabei kein Erzähler, sondern ein Buchhalter, denn er hält fest, dass eine Sache existiert, wie sie heißt und wie sie mit anderen Sachen zusammenhängt. Solche Sachen heißen im Fachjargon Entitäten. Ein Unternehmen, ein Produkt, ein Ort oder eine Person: alles kann eine Entität sein, sobald es eindeutig benannt ist.

Was in diesem Buch fehlt, existiert für die Buchhaltung nicht.

Wer hineinkommt, entscheidet kein Algorithmus, sondern ein Regelwerk. Die deutschsprachige Wikipedia nennt fünf Kriterien für Unternehmen, und vier davon sind Größenschwellen: mindestens 1000 Vollzeitmitarbeiter, mehr als 100 Millionen Euro Jahresumsatz, ein Handel im regulierten Markt einer Börse oder mindestens 20 Betriebsstätten. Von einem Betrieb mit 80 Beschäftigten wird keine dieser vier Schwellen erreicht.

Bleibt das fünfte Kriterium. Es lautet wortgleich: eine „marktbeherrschende Stellung oder innovative Vorreiterrolle haben (unabhängige Quelle erforderlich)“. Der Klammerzusatz ist die eigentliche Nachricht. Ohne unabhängigen Beleg fällt dieses Kriterium aus, und geliefert werden kann dieser Beleg nur von Dritten, die berichten.

Für einen Mittelständler ist die Berichterstattung Dritter keine Imagefrage. Sie ist die einzige Eintrittskarte in das Wissensnetz, die er sich überhaupt verdienen kann.

Das erinnert an Zollpapiere. Eine Palette kann voll bester Ware sein, ohne Papiere bleibt sie an der Grenze stehen. Der Beitrag einer Redaktion ist dieses Papier. Wie solche Papiere planbar entstehen, beschreibt der Weg über digitale PR für KI-Sichtbarkeit.

Welche Belege am Ende in einer Antwort auftauchen, hängt zusätzlich davon ab, wie eine Antwort ihre Quellen wählt. Ein Eintrag im Nachschlagewerk ist also kein Automatismus für Sichtbarkeit, aber er ist die Voraussetzung, die am seltensten erfüllt ist.

3. Was wir gemessen haben: 52 ausgezeichnete Innovatoren

Für diesen Beitrag haben wir im August den aktuellen Jahrgang des Innovationswettbewerbs TOP 100 ausgewertet, einer Auszeichnung für den deutschen Mittelstand; 281 Unternehmen wurden alphabetisch sortiert, jedes fünfte gezogen, kein Handverlesen. So blieben 57 Kandidaten übrig. Bei 52 war die Startseite ohne JavaScript erreichbar, diese 52 sind die Datenbasis.

Der Pool ist bewusst freundlich gewählt. Diese Betriebe wurden von einer Jury als innovativ ausgezeichnet, sie erfüllen das fünfte Wikipedia-Kriterium also inhaltlich; wenn der Weg ins Wissensnetz schon hier ausfällt, dann liegt es nicht am fehlenden Anlass.

Die Reihenfolge dieser Tabelle liest sich wie ein Trichter, und genau so verhält sie sich. 35 Betriebe pflegen einen Pressebereich. 26 liefern überhaupt auswertbare Daten. 21 kennzeichnen darin eine Organisation. 10 setzen Verweise auf eigene Profile. 7 tragen ein Objekt in Wikidata. Und 0 verbinden beide Seiten miteinander.

Zwei Werte lassen sich mit unseren früheren Erhebungen vergleichen: die Quote strukturierter Daten liegt hier bei 50 Prozent und damit im Korridor von 41 bis 78 Prozent, den wir seit Juni messen. Bei den Verweisen liegt die Quote mit 19 Prozent in dem Band von 14 bis 21 Prozent, das im Mittelstand regelmäßig gemessen wird. Die Stichprobe verhält sich also unauffällig, und das macht den Befund eher zur Regel als zur Ausnahme.

In unseren Tests fällt der Verweis auf den eigenen Eintrag am häufigsten aus, obwohl er technisch der kleinste Schritt von allen ist.

4. Unsere Position: Redaktionen sind Zulieferer, nicht nur Nutzer

Wo Journalismus und Knowledge Graphs gemeinsam auftauchen, geht es fast immer um Recherche. Wissensgraphen helfen Redaktionen, verborgene Verbindungen zwischen Personen und Firmen zu finden. Diese Lesart teilen mehrere der bestplatzierten Beiträge zum Thema, und sie ist nicht falsch.

Unsere Position: Für Ihr Unternehmen ist die andere Richtung die wichtigere.

Journalisten sind nicht nur Nutzer solcher Datenmodelle, sie sind deren Zulieferer. Jeder geprüfte Beitrag ist Rohstoff, aus dem ein Eintrag gebaut werden kann. Ohne diesen Rohstoff bleibt die Zeile leer, und zwar dauerhaft.

Diese Symbiose ist keine Behauptung, sie ist organisiert. Das IPTC, das Standardgremium der Nachrichtenbranche, pflegt eine Taxonomie namens Media Topics mit rund 1.100 Begriffen. Die obersten zwei Ebenen hat die zuständige Arbeitsgruppe per Mapping auf Wikidata abgebildet, rund 100 Zuordnungen von Hand; geleitet wird diese Gruppe von einer Taxonomistin der New York Times.

„Die Idee der semantischen Zuordnung und die Beteiligung an einer Linked-Data-Initiative wie Wikidata ist für das IPTC ein natürlicher Schritt.“
(„The idea of semantic mapping and being involved in a linked data initiative like Wikidata is a natural step for IPTC.“)

Jennifer Parrucci, Vorsitzende der IPTC NewsCodes Working Group

Im selben Beitrag steht der Satz, der die Rollenverteilung erklärt: „Wenn eine bestehende Taxonomie mit einer anderen verknüpft wird, dient Wikidata als zentraler Bezugspunkt.“
(„When linking an existing taxonomy to another, Wikidata serves as a central point of reference.“) Die Nachrichtenbranche und das offene Datenmodell benutzen also denselben Bezugspunkt. Wer in dem einen fehlt, fehlt tendenziell eher auch im anderen.

Gepflegt wird diese Taxonomie laufend: die jüngste Aktualisierung vom Juli ergänzte ein einzelnes neues Konzept und war die erste seit dem vergangenen Oktober. Auch bei der Transparenz arbeitet die Branche mit festen Merkmalen. Das Trust Project, ein internationales Konsortium von Nachrichtenorganisationen, bündelt acht Merkmale, an denen sich Herkunft und Arbeitsweise eines Beitrags nachvollziehen lassen.

Die Medienseite ist dabei längst technisch aufgestellt. Der deutsche Fachmedienmarkt zählt nach der Fachpresse-Statistik 5.420 Print-Fachzeitschriftentitel und 8,75 Milliarden Euro Umsatz, davon 4,2 Milliarden im Digitalgeschäft; alle befragten Häuser nutzen inzwischen generative KI, 58 Prozent haben sie in das eigene IT-System integriert.

Parallel dazu erklärt eine Interessengruppe des Börsenvereins ihren Mitgliedern, wie KI-Chatbots mit verlässlichen Daten aus geprüften Inhalten gebaut werden, und damit bauen Verlage gerade die Datenschicht, aus der Antworten entstehen. Ihr Unternehmen kommt in dieser Schicht nur vor, wenn es in den Inhalten vorkommt.

5. Voraussetzungen: Was vorliegen muss, damit Medienarbeit ankommt

Fünf Dinge müssen zusammenkommen. Keines davon ist ein Großprojekt, und drei davon werden von Ihrer Agentur oder Ihrer IT an einem Nachmittag erledigt.

Erstens ein belegbarer Anlass. Eine Auszeichnung, eine Studie, eine Zahl, eine Übernahme. Ohne Anlass gibt es keinen Beitrag, und ohne Beitrag keinen Beleg.

Zweitens ein Pressebereich, den Redaktionen finden. 35 der 52 geprüften Betriebe haben einen, das ist der beste Wert der ganzen Messung; wichtig sind dort ein Ansprechpartner mit Namen, Bildmaterial und ein Archiv älterer Meldungen.

Drittens strukturierte Daten im Quelltext. Gemeint ist damit JSON-LD (ein Datenblock im Quelltext einer Seite), in dem ein Organisationsknoten Name, Sitz, Gründung und Leistung als Metadaten führt, und nur 21 der 52 Startseiten enthalten so einen Knoten.

Viertens die Verweise. Das Feld dafür heißt sameAs (die Angabe, wo dieselbe Sache an anderer Stelle steht). Dort gehören Wikipedia, Wikidata, Branchenverzeichnisse und Profile hinein. In der Stichprobe nutzen 10 Betriebe das Feld, keiner verweist damit auf einen Eintrag im Wissensnetz.

Fünftens genug Text. Die Startseiten der Stichprobe haben im Mittel 938 Wörter im ausgelieferten Rohdokument, sechs liegen unter 300; auf einer Seite ohne Text findet ein Auskunftssystem keinen Satz, der zitiert werden kann.

Ein Knowledge Graph ersetzt dabei keine Fachanwendung. Relationale Datenbanken speichern Zeilen und Spalten, ein Graph speichert Beziehungen zwischen Entitäten; im Betrieb löst so ein Modell Datensilos auf, weil es Angaben aus unterschiedlichen Datenquellen miteinander verknüpft. Für die Sichtbarkeit genügt jedoch der kleine Use Case: Name, Sitz, Leistung, Verweise.

Die vollständige Implementierung einer Ontologie, also eines formalen Begriffsmodells, ist eine eigene Aufgabe. Sie gehört in die IT und nicht ins Marketing. Wer den Weg vom Namen zum Datensatz sauber geht, braucht sie für den Anfang nicht. Die Idee dahinter ist alt und trägt den Namen Semantic Web; Muster darin werden von Machine Learning erkannt, die Zuordnung eines Namens zu einem Rechtsträger bleibt aber eine Frage der Belege.

Genau an dieser Stelle setzt Knowledge-Graph-Optimierung an: nicht als Datenprojekt, sondern als Arbeit an der Frage, ob ein System Ihr Unternehmen eindeutig erkennt.

6. Schritt für Schritt: Von der Meldung zum Eintrag im Wissensnetz

Schritt 1: Den eigenen Stand erheben

Prüfen Sie zuerst, was über Ihr Unternehmen bereits maschinenlesbar vorliegt. Suchen Sie den Firmennamen in Wikipedia und in Wikidata. Öffnen Sie den Quelltext der Startseite und suchen Sie nach dem Datenblock. Notieren Sie zu jedem der sieben Kriterien aus der Tabelle oben ein Ja oder ein Nein. Das Ergebnis ist Ihre Ausgangslinie.

Schritt 2: Drei belegbare Geschichten festlegen

Redaktionen benötigen einen Anlass, keine Selbstbeschreibung. Sammeln Sie drei Sachverhalte, die außerhalb Ihres Hauses überprüfbar sind: eine Auszeichnung mit Jury, eine eigene Messung mit Methodik, eine Zahl aus dem Handelsregister. Formulieren Sie zu jedem Sachverhalt einen Satz, der ohne Adjektive funktioniert. Was ohne Adjektive nicht trägt, trägt auch mit ihnen nicht.

Schritt 3: Die passenden Redaktionen auswählen

Bei 5.420 Fachzeitschriftentiteln ist die Auswahl die eigentliche Arbeit. Zwei Fachmedien Ihrer Branche und ein regionales Wirtschaftsmedium schlagen zehn beliebige Verteilerlisten. Lesen Sie drei Ausgaben, bevor Sie schreiben, und notieren Sie, welche Themen die Redaktion tatsächlich behandelt. Ziel ist es, eine kurze Liste mit Namen zu haben, und nicht eine große mit Adressen.

Schritt 4: Beiträge platzieren und dokumentieren

Jetzt geht die Meldung raus, und zwar mit Datum, Ansprechpartner und einer klaren Zahl. Jeder erscheinende Beitrag wird mit Titel, Medium, Datum und Link in einer Liste festgehalten. Diese Liste ist später die Belegsammlung für den Eintrag. Ohne Dokumentation beginnt die Suche nach den Belegen von vorn.

Schritt 5: Den Eintrag im Wissensnetz vorbereiten

Ein Eintrag entsteht nicht im Alleingang. Sie liefern die Belege, die Gemeinschaft entscheidet über die Aufnahme. Der saubere Weg führt über den Relevanzcheck der deutschsprachigen Wikipedia, in dem das Vorhaben offen mit der eigenen Belegliste vorgelegt wird. Wer selbst schreibt, ohne den Interessenkonflikt zu nennen, riskiert die Löschung und einen schlechteren Stand.

Schritt 6: Verweise setzen und die Wirkung messen

Zum Schluss kommt der Schritt, den in unserer Stichprobe niemand gegangen ist. Tragen Sie im Datenblock Ihrer Startseite die Verweise auf Wikipedia, Wikidata und Ihre Profile ein. Lassen Sie danach die Zielseiten der Verweise prüfen, denn ein Verweis auf eine falsche Seite schadet mehr als keiner. Ein GEO-Audit liefert dafür die Ausgangsmessung.

7. Häufige Fehler und wie Sie sie vermeiden

Die eigene Meldung als Beleg ausgeben. Eine Pressemitteilung auf der eigenen Website ist eine Eigenaussage. Als unabhängige Quelle zählt sie nicht, und in einem Löschantrag fällt das als Erstes auf.

Den Eintrag heimlich selbst schreiben. Das kommt heraus, oft binnen Tagen. Danach ist der Interessenkonflikt aktenkundig und jeder weitere Versuch schwerer.

Reichweite kaufen statt Prüfung. Eine breit gestreute Meldung erzeugt Kopien in Portalen. Solche Kopien sind keine geprüfte Berichterstattung und tragen als Beleg nicht weit.

Den Verweis vergessen. Das ist der Fehler mit dem besten Aufwand-Nutzen-Verhältnis, denn er kostet zehn Minuten. Kein einziger der 52 geprüften Betriebe hat ihn behoben.

Auf eine leere Startseite verweisen. Sechs der 52 Startseiten liefern weniger als 300 Wörter im Rohdokument. Ein KI-System, das dort landet, findet nichts zum Zitieren und geht zur nächsten Quelle.

Noch ein Wort zur Erwartung. Ein Eintrag im Wissensnetz garantiert keine Nennung in KI-Antworten, denn diese Systeme arbeiten nicht deterministisch. Er beseitigt aber den Grund, aus dem Ihr Unternehmen bisher gar nicht in Frage kam.

8. Fazit

Journalisten und Knowledge Graphs sind keine getrennten Welten. Redaktionen liefern die geprüften Aussagen, aus denen Nachschlagewerke ihre Einträge bauen, und KI-Systeme lesen diese Einträge, wenn sie Anbieter nennen sollen. Für ein mittelständisches Unternehmen ist das keine Medientheorie, sondern die praktische Antwort auf die Frage, warum es in Antworten fehlt.

Unsere Messung zeigt, wie groß die Lücke ist. 35 von 52 ausgezeichneten Betrieben pflegen einen Pressebereich, 6 haben einen Artikel in der deutschen Wikipedia, keiner verweist maschinenlesbar darauf. Die Arbeit an der Sichtbarkeit endet also genau dort, wo sie technisch wirksam würde.

Das Ziel ist einfach zu beschreiben: ein belegbarer Sachverhalt, ein Beitrag einer Redaktion, ein Eintrag im Nachschlagewerk und ein Verweis im eigenen Quelltext. Vier Bausteine, in dieser Reihenfolge.

9. Anhang: Checkliste für die nächsten vier Wochen

• Firmenname in Wikipedia und in Wikidata suchen, Ergebnis notieren
• Quelltext der Startseite öffnen, den Datenblock suchen und den Organisationsknoten prüfen
• Zählen, wie viele Wörter die Startseite ohne JavaScript ausliefert
• Drei überprüfbare Sachverhalte aus den letzten Monaten sammeln, je ein Satz ohne Adjektive
• Pressebereich ergänzen: Ansprechpartner mit Namen, Bildmaterial, Archiv
• Zwei Fachmedien und ein regionales Wirtschaftsmedium auswählen, je drei Ausgaben lesen
• Erschienene Beiträge mit Titel, Medium, Datum und Link in einer Belegliste führen
• Relevanzcheck der deutschsprachigen Wikipedia mit offener Angabe des Interessenkonflikts nutzen
• Verweise auf Wikipedia, Wikidata und Profile im Datenblock eintragen und die Zielseiten prüfen
• Nach drei Monaten werden dieselben sieben Kriterien erneut gemessen und miteinander verglichen

FAQ Häufig gestellte Fragen

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. Die eigene Stichprobe ist eine Momentaufnahme vom 27. August und nicht repräsentativ; geprüft wurde ausschließlich das ausgelieferte Rohdokument der Startseite ohne JavaScript, ausgezeichnete Angaben wurden über die Auswertung der eingebetteten Datenblöcke erkannt, Einträge im Wissensnetz über die offenen Schnittstellen von Wikipedia und Wikidata. Einzelne Unternehmen werden bewusst nicht genannt, ausgewertet wurden nur Summen. Die Werte der Deutschen Fachpresse, des IPTC und der deutschsprachigen Wikipedia sind den verlinkten Quellen entnommen und können sich ändern. Relevanzkriterien sind Gemeinschaftsregeln und werden laufend diskutiert.