Was sind semantische Triples? 145 von 280 Startseiten liefern keine einzige

1. Einführung: Drei Teile, aus denen KI-Systeme Wissen über Ihre Firma bauen

Semantische Triples sind der kleinste Baustein maschinenlesbaren Wissens. Drei Teile genügen. Der Satz „Hubert Strategies hat den Sitz in Göttingen“ zerfällt sauber in Subjekt, Prädikat und Objekt. Mehr braucht ein Sprachmodell nicht, um die Angabe zu behalten. Es liest Ihre Startseite wie ein Lagerist eine Lieferung: Was kein Etikett trägt, landet irgendwo im Regal.

Wir haben am 4. Oktober 280 Startseiten aus der deutschen Lebensmittelwirtschaft ausgelesen. 145 davon tragen keine einzige maschinenlesbare Aussage im Quelltext, der Median liegt bei null (Hubert-Strategies-Stichprobe, Oktober). Beschrieben werden diese Firmen von ChatGPT, Gemini und Perplexity trotzdem. Die Angaben stammen dann aus dem Fließtext.

Wer auf Englisch sucht, tippt „semantic triples“ und meint dasselbe. Dieser Beitrag zeigt den Aufbau an fünf Beispielen, grenzt den Begriff gegen seine Nachbarn ab und sagt, woher die Systeme ihre Aussagen wirklich nehmen. Den größeren Rahmen liefert Entity SEO im Überblick.

Auf einen Blick

Semantische Triples sind Aussagen, die in drei feste Teile zerlegt sind: Subjekt, Prädikat und Objekt. Das Subjekt benennt die Sache, über die gesprochen wird. Das Prädikat beschreibt die Beziehung, das Objekt nennt den Wert oder die zweite Sache. Viele solcher Aussagen zusammen ergeben ein Wissensnetz, aus dem Suchsysteme und KI-Assistenten ihre Antworten zusammensetzen.

Was das für Sie heißt

Betrifft Sie das? Ja, sobald jemand eine KI-Suche nach Ihrer Leistung startet. Steht die Angabe nirgends in einem klaren Satz, rät das System oder nennt einen Wettbewerber. Ihr erster Schritt kostet wenig. Schreiben Sie die zehn wichtigsten Angaben über Ihre Firma so auf, dass jede in einen kurzen Satz passt. Wer das liegen lässt, korrigiert später jede falsche Auskunft einzeln, und das kostet je nach Ausgangslage mehrere Stunden Nacharbeit (Schätzung aus unseren Tests).

2. Wie ist ein Triple aufgebaut?

Ein Triple besetzt drei Stellen, immer in derselben Reihenfolge. Vorne steht das Subjekt, also die Sache, über die etwas gesagt wird. In der Mitte steht das Prädikat, die Art der Beziehung. Hinten steht das Objekt, der Wert oder die zweite Sache. Die drei Stellen funktionieren wie bei einem Lieferschein: wer, was, wohin.

Festgelegt ist das im Resource Description Framework, kurz RDF, einem Standard des W3C für die Beschreibung von Ressourcen im Web. Dort heißt es: „Die drei Bestandteile (s, p, o) eines RDF-Triples heißen Subjekt, Prädikat und Objekt des Triples.“
(„The three components (s, p, o) of an RDF triple are respectively called the subject, predicate and object of the triple.“)

Der Wortlaut lässt sich in den RDF 1.2 Concepts des W3C nachlesen. Der Standard ist seit Jahren stabil, die Aufteilung in drei Stellen gilt also unabhängig vom KI-System.

Jede Zeile lässt sich einzeln lesen, auch ohne den Rest der Seite. Genau das macht sie zitierfähig.

Falsch wird ein Triple, sobald eine der drei Stellen unklar bleibt. „Wir liefern schnell“ hat kein benennbares Subjekt und kein prüfbares Objekt. Jede Stelle, die eine Sache benennt, heißt im Fachjargon Entität. Ohne Namen entsteht keine Entität, und ohne Entität keine Aussage, die sich ablegen lässt.

Das Wort semantisch zielt dabei auf die Semantik, also auf die Bedeutung einer Aussage, nicht auf ihre äußere Form. Im Englischen heißt eine einzelne solche Aussage Statement.

Praktisch heißt das für eine Unternehmensseite: Jede Tatsache bekommt einen eigenen Satz. Nicht „Wir sind seit vielen Jahren für unsere Kunden da“, sondern „Hubert Strategies berät Unternehmen zu ihrer Sichtbarkeit in KI-Suchsystemen“. Im zweiten Satz sind alle drei Stellen besetzt, im ersten keine einzige.

3. Triple, Knowledge Graph und Schema Markup: die Abgrenzung

Drei Begriffe stehen hier dicht nebeneinander und meinen Verschiedenes. Ein Triple ist die einzelne Aussage. Ein Knowledge Graph ist das Netz aus vielen solchen Aussagen. Schema Markup ist nur eine von mehreren Schreibweisen, in der eine Aussage im Quelltext stehen kann.

Das W3C formuliert den Zusammenhang knapp: „Ein RDF-Graph ist eine Menge von RDF-Triples.“
(„An RDF graph is a set of RDF triples.“)

Ein solches Netz verhält sich ähnlich wie ein Karteikasten, in dem jede Karte auf andere Karten verweist. Die Regeln, nach denen ein Netz aufgebaut wird, nennt man Ontologie; der zugehörige Standard des W3C heißt Web Ontology Language, kurz OWL. Datenbanken, die solche Aussagen speichern, heißen Triple Store.

Wie dieses Netz im Großen aussieht, beschreibt der Beitrag über das Netz aus Fakten und Kanten.

Welche Auszeichnung im Quelltext dafür taugt und welche nicht, steht im Beitrag zum Markup im Quelltext.

Eine vierte Größe gehört dazu. Wikidata ist eine offene, gemeinschaftlich gepflegte Datenbank, die Suchsysteme als Nachschlagewerk nutzen, und führt rund 123,5 Millionen Einträge. Jede Angabe darin liegt als Triple vor.

Wie weit dieses Prinzip trägt, zeigt ein Forschungsprojekt: QuoteKG, ein Wissensnetz des L3S Research Center, sammelt knapp eine Million Zitate von fast 70.000 Personen in 55 Sprachen.

Die Abgrenzung ist mehr als Begriffsklauberei. Wer glaubt, mit der Auszeichnung im Quelltext sei die Arbeit getan, pflegt am Ende eine Datei und nicht die Aussagen selbst. Beides gehört zusammen, allerdings in dieser Reihenfolge: zuerst die klare Aussage, danach ihre Auszeichnung.

Ein Triple ist nichts, was man einbaut. Es ist eine Aussage, die so klar formuliert ist, dass sie sich in drei Teile zerlegen lässt.

4. Nehmen KI-Systeme die Triples aus dem Markup oder aus dem Text?

Sprachmodelle ziehen die Aussagen überwiegend aus dem sichtbaren Text. Häufig heißt es, semantische Triples entstünden im Markup, man müsse sie dort nur einbauen. Das trifft nicht zu, weil die Systeme beim Abruf vor allem den lesbaren Fließtext auswerten und den separat abgelegten Datenblock häufig übergehen.

Geprüft wurde das an einer eigens gebauten Seite mit 62 Einbauorten, abgefragt über sechs KI-Systeme. JSON-LD (das Format, in dem Angaben im Quelltext stehen), Meta-Description und Open-Graph-Angaben kamen auf null von sechs Treffern. Zum sichtbaren Text hält die Auswertung fest: „Statischer Fließtext ist das Einzige, worin sich alle Crawler einig sind.“
(„Static body text is the one thing every crawler agrees on.“)

Ein Unterschied zählt: Angaben im sichtbaren HTML lasen alle sechs Systeme, nur den separat abgelegten Datenblock nicht.

Die Forschung weist in dieselbe Richtung. Eine Untersuchung vom Oktober 2025 prüfte, wie gut Sprachmodelle aus Dokumenten Wissensnetze bauen, ohne vorgegebenes Schema. Das Ergebnis: „Aktuelle Spitzenmodelle können in der Regel relevante und dokumenttreue Triples mit begrenzter Halluzination erzeugen.“
(„state-of-the-art LLMs can generally produce relevant and document-faithful triples with limited hallucination“)

Ein zweiter Punkt kommt dazu. Ein Sprachmodell bildet die drei Stellen beim Lesen selbst, und es bildet sie aus dem, was dasteht. Steht dort eine Werbeformel, entsteht eine Werbeformel. Steht dort ein prüfbarer Satz, entsteht eine prüfbare Aussage. Die Qualität der Triples entscheidet sich damit im Lektorat und nicht im Quelltext.

Unsere Stichprobe passt dazu. Mehr als die Hälfte der geprüften Startseiten trägt keine einzige maschinenlesbare Aussage, und trotzdem geben die KI-Assistenten Auskunft über diese Firmen. Die Angaben kommen dann aus dem Fließtext oder von fremden Seiten.

Einbauen schadet deswegen nicht. Eine saubere Auszeichnung macht eine Aussage eindeutiger, sie ersetzt die Aussage im Text aber nicht. Tools prüfen den Quelltext auf solche Aussagen, das Formulieren nehmen sie niemandem ab. Wie weit Ihre Angaben heute tragen, zeigt eine dokumentierte Ausgangsmessung.

5. Welche Fehler tauchen bei semantischen Triples am häufigsten auf?

Vier Fehlerbilder sehen wir in unseren Tests immer wieder.

Erstens das Pronomen an der Stelle des Namens. „Wir beraten Mittelständler“ nennt kein Subjekt, und ein KI-System muss raten, wer gemeint ist. Ein Pronomen im Firmentext wirkt wie ein Paket ohne Absender.

Zweitens die Werbesprache. „Führender Anbieter für nachhaltige Lösungen“ enthält kein Prädikat, das sich prüfen lässt, und kein Objekt, das sich nachschlagen ließe.

Drittens die Angabe, die nur im Bild oder im PDF steht. Was nicht als Text im Quelltext auftaucht, kommt bei den Systemen nicht an.

Viertens der Widerspruch. Steht der Firmensitz auf der Startseite anders als im Impressum oder im Wikipedia-Eintrag, kann die Aussage an Gewicht verlieren. Aufgelöst werden solche Widersprüche nur an der Quelle.

Ein fünfter Punkt ist kein Fehler, sondern eine Lücke. Viele Seiten nennen die Leistung, aber weder den Ort noch die Zielgruppe. Gerade diese Angaben entscheiden, ob ein KI-Assistent Ihre Firma einer konkreten Anfrage zuordnet.

Gegen alle fünf hilft dieselbe Routine. Schreiben Sie die wichtigsten Angaben als kurze, benannte Sätze und wiederholen Sie sie dort, wo sie hingehören. Gesammelt werden diese Sätze am besten einmal an einer Stelle, damit die nächste Textänderung nicht wieder bei null anfängt. Diese Pflege der Angaben über ein Unternehmen gehört zum Verankern der Markenfakten.

Gewicht gewinnt eine Aussage, wenn sie außerhalb der eigenen Seite auftaucht. Ein Fachbeitrag, ein Verzeichniseintrag, eine Meldung: Belege außerhalb der eigenen Seite bestätigen, was Sie selbst behaupten.

6. Fazit

Semantische Triples sind kein technisches Extra, sondern eine Schreibdisziplin. Wer eine Angabe nicht in drei Teile zerlegen kann, hat sie noch nicht klar genug formuliert.

Unsere Stichprobe zeigt, wie viel Luft nach oben bleibt: Über die Hälfte der geprüften Startseiten liefert keine einzige maschinenlesbare Aussage. Ziel ist es, jede wichtige Tatsache über Ihre Firma einmal als kurzen, benannten Satz auf einer Seite zu zeigen, die sich auch ohne JavaScript lesen lässt.

7. Anhang: Checkliste für triple-taugliche Inhalte

Zum Weiterlesen: Die deutschsprachige Einführung ist „Semantic Web Grundlagen“ von Pascal Hitzler, Markus Krötzsch, Sebastian Rudolph und York Sure (Springer 2008), die englische Fassung erschien als „Foundations of Semantic Web Technologies“ (CRC Press 2009). Frei zugängliche Vorlesungsfolien dazu stellt die Universität Ulm bereit. Den Begriff selbst beschrieben Tim Berners-Lee, James Hendler und Ora Lassila im Aufsatz „The Semantic Web“ im Scientific American Magazine (Mai 2001).

8. FAQ: Häufige Fragen zu semantischen Triples

Der Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. KI-Systeme entwickeln sich schnell; genannte Zahlen sind den verlinkten Quellen entnommen und können sich ändern.