Welche Knowledge Graph Signale entscheiden, ob Google Ihre Marke als Entität führt? Fünf Signale im Prüfkatalog, gemessen an 63 Websites

1. Was sind Knowledge Graph Signale, und welche Frage steckt dahinter?

Knowledge Graph Signale sind Hinweise, aus denen Google eine Entität formt. Das Angebot dieser Hinweise fällt dünn aus. Von 63 erreichbaren Websites deutscher Optik-, Photonik- und Medizintechnikbetriebe trugen 19 überhaupt einen Organisationsknoten mit Namen im Quelltext, 10 davon Verweise auf externe Profile (Hubert-Strategies-Stichprobe, September 2026). Kein einziger dieser Knoten verwies auf Wikipedia oder Wikidata (die offene Faktendatenbank hinter Wikipedia).

Die Suchanfrage trägt zwei Bedeutungen. In der Technik meint ein Signal die Rohdaten, aus denen Betriebe eigene Knowledge Graphs bauen: Logs aus Anlagen, Stammdaten, Kennzahlen aus mehreren Systemen. In der Suche meint es die Hinweise, mit denen Google ein Unternehmen als eigenes Ding in seinem semantischen Netz einordnet. Der Beitrag behandelt beide Lesarten. Wie ein solches Wissensnetz aufgebaut ist, erklärt der Beitrag Knowledge Graph als Datenmodell.

Auf einen Blick

Knowledge Graph Signale sind maschinenlesbare und redaktionelle Hinweise, aus denen Google entscheidet, ob ein Unternehmen als eigenständige Entität in den Knowledge Graph aufgenommen wird. Dazu zählen ein Organisationsknoten mit Namen und Anschrift, Verweise auf bestätigte Profile, ein Eintrag in offenen Wissensdatenbanken sowie wiederkehrende, übereinstimmende Nennungen durch Dritte.

Was das für Sie heißt

Betrifft Sie das? Ja, sobald Kunden Ihren Firmennamen eingeben oder einem KI-Chatbot eine Frage zu Ihrer Branche stellen. Was kostet Nichtstun? Ihre Firma bleibt für diese Systeme ein Wort im Text, verwechselbar mit einem ähnlich klingenden Betrieb, und fehlt in der Antwort. Erster Schritt: Geben Sie Ihren Firmennamen ein und sehen Sie nach, ob rechts neben den Treffern eine Infobox erscheint.

2. So haben wir die fünf Signale bewertet

Die fünf Signale stehen in dieser Reihenfolge, weil zwei Maßstäbe sie ordnen: Wie eindeutig lässt sich ein Signal von außen prüfen, und wie direkt liest Google es aus? Was Sie selbst im Quelltext setzen, steht vorn. Was von Dritten abhängt, steht hinten. Eine Rangfolge nach Wirkung wäre nicht belegbar, denn Google veröffentlicht keine Gewichtung.

Für die Zahlen in diesem Beitrag haben wir am 14. September 2026 aus dem öffentlichen Mitgliederverzeichnis eines deutschen Industrieverbands für Optik, Photonik, Analysen- und Medizintechnik 278 Betriebe mit eigener Domain gezogen, davon jeden vierten systematisch ausgewählt und 69 Startseiten abgerufen. 63 antworteten. Ausgewertet wurde nur das ausgelieferte Roh-HTML ohne JavaScript. Die Stichprobe ist eine Momentaufnahme, keine repräsentative Erhebung.

3. Welches Signal beschreibt Ihre Identität am direktesten?

Der Organisationsknoten im Quelltext beschreibt Ihre Identität am direktesten. Er ist ein kleiner Datenblock nach dem Vokabular von schema.org, der Name, Anschrift, Website, Logo und die Verweise auf bestätigte Profile in einer maschinenlesbaren Struktur bündelt. Weltweit liefern 4.318.211 Hosts einen solchen Knoten aus, verteilt auf rund 613 Millionen Seiten (Web Data Commons, Korpus Oktober 2024). Das klingt nach viel und ist im Verhältnis zum gesamten Web wenig.

In unserer Stichprobe lag der Anteil noch niedriger. 19 von 63 erreichbaren Websites trugen einen Organisationsknoten mit Namen, 10 davon Verweise auf eigene Profile. Wer Verweise setzte, setzte im Mittel drei, meist auf LinkedIn, YouTube und ein soziales Netzwerk. Ob diese Ziele wirklich erreichbar sind und zur Firma gehören, lässt sich im Quelltext gegenprüfen.

Ein Organisationsknoten ist ein Vorschlag, keine Eintrittskarte. Er wirkt wie ein Schild am Werkstor und sagt Google, wie Sie heißen und wohin Sie gehören. Entschieden wird anderswo, und genau dafür sind die nächsten Signale da.

4. Warum wiegt ein Wikidata Eintrag schwerer als die eigene Website?

Ein Wikidata-Eintrag wiegt schwerer, weil er nicht von Ihnen stammt. Dort trägt jedes Ding eine feste Kennung, an der geprüfte Beziehungen hängen: die künstliche Intelligenz etwa Q11660, mit dem englischen Label Artificial Intelligence. Ihre eigene Website ist Selbstauskunft. Ein Eintrag in einer offenen Wissensdatenbank ist dagegen ein Abgleich mit Dritten, und jedes System kann ihn ohne Umweg abrufen.

In unserer Stichprobe klafft genau hier die Lücke. Keiner der 19 gefundenen Organisationsknoten verweist auf Wikipedia oder Wikidata. Damit fehlt der eine Verweis, der eine Selbstauskunft an eine unabhängige Kennung bindet. Warum Sprachmodelle solche Einträge bevorzugt heranziehen, zeigt der Beitrag Wikidata im Sprachmodell.

Ein Eintrag lässt sich nicht bestellen. Wikidata verlangt für ein Unternehmen belegbare Angaben aus unabhängigen Quellen, Wikipedia zusätzlich eine öffentliche Bedeutung. In Wikidata fanden wir 8 der 63 erreichbaren Betriebe über die dort hinterlegte Website wieder, 7 davon haben zusätzlich einen Wikipedia-Artikel (Hubert-Strategies-Stichprobe, September 2026). Der Weg dorthin führt über Belege, nicht über einen Antrag.

5. Welche Rolle spielen Nennungen durch Dritte?

Nennungen durch Dritte liefern den Abgleich, den ein Unternehmen über sich selbst nicht erzeugen kann. Nachrichtenmedien, Fachportale, Verbandsverzeichnisse und Foren nennen Namen, Sitz, Produkte und Personen in eigenen Worten. Stimmen diese Angaben über viele Quellen hinweg überein, entsteht das Muster, aus dem ein System auf ein reales Ding schließt. Widersprechen sie sich, bleibt der Eintrag unsicher. Wie diese Signale zu einem Gesamtbild Ihres Unternehmens werden, zeigt der Überblick zu Entity SEO und Knowledge Graph.

Wie stark fremde Quellen wiegen, zeigt eine Auswertung von 8.400 Abfragen an ChatGPT, Claude, Perplexity und Gemini (Visionary Marketing, Mai 2026). Dort heißt es: „Über alle 8.400 zitierten Quellen in unserem Panel hinweg stellt Wikipedia 24 Prozent der Zitate.“
(„Across all 8,400 cited sources in our panel, Wikipedia accounts for 24% of citations.“) Es folgen Reddit mit 19 Prozent, Nachrichtenmedien mit 14 und markeneigene Seiten mit 12 Prozent. Die Erhebung stammt von einer Agentur, die Methodik liegt offen.

Für mittelständische Hersteller heißt das: Ein Eintrag im Verbandsverzeichnis, eine Fachmeldung und ein gepflegtes Unternehmensprofil wiegen zusammen mehr als eine weitere Unterseite. Berichte in etablierten Medien zahlen auf dasselbe Konto ein, sofern Name und Anschrift überall gleich geschrieben sind. Der häufigste Bruch in unseren Tests ist banal: einmal mit Rechtsform, einmal ohne, einmal mit altem Sitz.

6. Wie prüfen Sie, ob Google Ihre Marke bereits führt?

Google führt eine eigene Abfrage für genau diese Frage. Die Knowledge Graph Search API gibt zu einem Namen die Kennungen zurück, unter denen Google ein Ding kennt. Sie ist bewusst schmal gehalten.

„Die Google Knowledge Graph Search API liefert nur einzelne passende Entitäten, keine Graphen aus miteinander verbundenen Entitäten.“
(„The Google Knowledge Graph Search API returns only individual matching entities, rather than graphs of interconnected entities.“)

Seit dem Umzug auf den Nachfolger in der Google Cloud fehlt zudem ein Feld, das gern als Note gelesen wurde. Die Enterprise Knowledge Graph documentation hält fest: „Das Feld resultScore wurde aus der Antwort entfernt.“
(„The resultScore field has been removed from the response.“) Eine einzelne Zahl genügt als Maßstab nicht mehr.

Das Knowledge Panel bleibt der sichtbare Beleg, dass Google Sie als Ding führt. Es erscheint nicht überall gleich, weil Ergebnisse regional und personalisiert ausgespielt werden. Als Momentaufnahme genügt es trotzdem, und es zeigt zugleich, welche Angaben Google für richtig hält. Der Aufbau der eigenen Entität setzt genau an diesen Angaben an.

7. Was Knowledge Graph Signale nicht leisten

Knowledge Graph Signale kaufen keine Erwähnung. Viele Ratgeber behaupten, Marken mit Infobox würden ein Vielfaches an Zitaten in KI-Antworten erhalten. Aus unserer Perspektive fehlt dafür der Beleg: Die genannten Vielfachen stammen aus Beobachtungen ohne offengelegte Stichprobe, und wer viel Presse hat, hat beides zugleich, die Infobox und die Zitate. Ein Zusammenhang ist plausibel, eine Ursache ist damit nicht gezeigt.

Die zweite Grenze betrifft die Pflege. Die Autoren des Prüfstands definieren ihren Gegenstand so: „Knowledge Graphs speichern strukturiertes Faktenwissen, indem sie Entitäten über Beziehungen verknüpfen.“
(„Knowledge Graphs store structured factual knowledge by linking entities through relationships.“) Genau dieses Wissen muss laufend geprüft werden, und dafür taugen Sprachmodelle bisher nur bedingt. Ein Prüfstand vom Februar 2026 testete offene und kommerzielle Modelle an drei echten Wissensgraphen, mit über zwei Millionen Dokumenten für den Abgleich. Das Urteil der Autoren fällt klar aus.

„Sprachmodelle sind noch nicht stabil und verlässlich genug, um in echten Validierungen von Wissensgraphen eingesetzt zu werden.“ (Shami, Marchesin und Silvello, arXiv, Februar 2026)

Für die technische Lesart gilt dasselbe in klein. Knowledge Graphs im eigenen Haus entstehen aus Signalen, die längst anfallen: Logs aus Anlagen, Stammdaten aus der Warenwirtschaft, Tickets aus dem Service. Der Unterbau heißt Graphdatenbank und speichert Knoten und Kanten statt Zeilen und Spalten.

Für die Abfrage gibt es inzwischen eine Norm. Die Sprache GQL für Property Graphs ist als ISO/IEC 39075:2024 veröffentlicht, damit Queries an Graphdatenbanken wie Neo4j über Systeme hinweg gleich formuliert werden.

Der schwierige Teil ist trotzdem nicht die Technik. Eine Query liefert erst dann etwas, wenn im Haus geklärt ist, was ein Kunde, ein Auftrag oder ein Vorfall bedeutet. Diese Definitionen entstehen in Gesprächen, nicht in einer Datenbank. Ein Wissensgraph ersetzt deshalb weder Business Intelligence noch saubere Datenpflege.

8. Fazit: Wenige Signale, konsequent gesetzt

Knowledge Graph Signale sind kein Geheimwissen, sondern Fleißarbeit an wenigen Stellen. Der Organisationsknoten kostet eine Stunde und fehlt trotzdem bei zwei von drei geprüften Websites. Die Verweise auf bestätigte Profile kosten zehn Minuten und fehlen bei acht von zehn. Ein Eintrag in einer offenen Wissensdatenbank und Nennungen durch Dritte brauchen länger, weil sie Belege verlangen. Das Ziel ist eine dokumentierte Ausgangsmessung, gegen die jede spätere Maßnahme gehalten werden kann.

9. Anhang: Prüfkatalog in sieben Punkten

1. Organisationsknoten suchen: Quelltext der Startseite öffnen und nach dem Typ Organization sehen. Fehlt er, ist das die erste Aufgabe.
2. Pflichtfelder füllen: Name, Anschrift, Website und Logo gehören in den Knoten, in der Schreibweise des Handelsregisters.
3. Verweise setzen und anklicken: Jeder sameAs-Verweis muss auf ein erreichbares, gepflegtes Profil zeigen, das Ihnen gehört.
4. Schreibweise vereinheitlichen: Firmierung, Sitz und Telefonnummer über Website, Verzeichnisse und Profile hinweg abgleichen.
5. Offene Wissensdatenbank prüfen: Firmennamen in Wikidata suchen und die dort hinterlegte Website mit Ihrer vergleichen.
6. Belege durch Dritte sammeln: Fachbeiträge, Verzeichniseinträge und Medienberichte notieren, die Ihren Namen und Sitz korrekt nennen.
7. Stand festhalten: Ergebnis mit Datum dokumentieren und nach drei Monaten mit denselben Schritten wiederholen.

Alle Untersuchungen sind mit Herausgeber, Datum und Stichprobe benannt; Zahlen von Anbietern und Agenturen sind als solche gekennzeichnet. Die eigene Stichprobe ist eine Momentaufnahme aus einer Branche und nicht repräsentativ. Wie Google Entitäten aufnimmt, veröffentlicht das Unternehmen nicht im Detail; die Reihenfolge der Signale ist daher eine begründete Einschätzung, keine belegte Gewichtung. Dieser Beitrag ist keine Rechtsberatung.