Linked Data

Linked Data ist ein Konzept, das Tim Berners-Lee — der Erfinder des World Wide Web — 2006 in einer TED-Talk-Vision formuliert hat. Sein Ziel: das Web nicht nur als Sammlung von Dokumenten zu betrachten, sondern als globale Datenbank von verknüpften Entitäten. Während klassische Webseiten primär für menschliche Leser optimiert sind, ist Linked Data für Maschinen lesbar — und genau diese Maschinenlesbarkeit ist 2026 die Grundlage von KI-Antwortmaschinen.

Linked Data folgt vier Grundprinzipien (Berners-Lees 'Linked Data Principles'): erstens jede Sache bekommt einen URI als eindeutigen Bezeichner. Zweitens diese URIs sollen über HTTP abrufbar sein. Drittens beim Abruf liefert die URI strukturierte Daten in einem standardisierten Format (typisch RDF, JSON-LD oder Turtle). Viertens diese Daten verlinken weitere relevante URIs — so entsteht ein globales Netz verknüpfter Entitäten. Wikidata ist 2026 das beste Beispiel für funktionierende Linked Data im grossen Stil — über 105 Millionen Entitäten, jede mit eindeutiger QID, alle untereinander verknüpft.

Für GEO ist Linked Data der konzeptionelle Hintergrund von Schema.org und JSON-LD. Wenn eine Site sameAs-Verknüpfungen auf Wikidata setzt, wird sie Teil des globalen Linked-Data-Netzes. Wenn eine Person mit Person-Schema und @id auf /ueber#marco-biner dokumentiert ist und dieser @id von anderen Schema.org-Blocks (Article.author, Organization.founder) referenziert wird, baut die Site ein internes Linked-Data-Netz auf — das Crawler und LLMs als kohärente Wissens-Repräsentation verarbeiten können.

Das praktische Werkzeug-Set für Linked Data in 2026 umfasst: RDF als formales Datenmodell (Subject-Predicate-Object-Tripel), JSON-LD als JavaScript-freundliche RDF-Serialisierung (im Web dominant), Turtle als kompakte Text-Serialisierung (in akademischer Welt verbreitet), SPARQL als Abfrage-Sprache für RDF-Datenbanken (Pendant zu SQL für relationale DBs). Schema.org liefert das Vokabular — also welche Entitäts-Typen und Properties verwendet werden — innerhalb des Linked-Data-Frameworks.

Wichtig zur Abgrenzung: Linked Data ist nicht Big Data ist nicht Open Data. Big Data bezeichnet schiere Daten-Volumen (Terabyte+). Open Data ist eine Lizenz-Haltung (Daten frei zugänglich). Linked Data ist eine Architektur-Form (Daten verknüpft via URIs). Die drei Konzepte können sich überlappen — Wikidata ist Linked + Open + relativ Big — aber sie sind konzeptionell unabhängig. Für GEO zählt primär die Linked-Komponente, weil sie Maschinenlesbarkeit ermöglicht.

Linked Data in JSON-LD-Form für eine Schweizer Treuhand:

{
  '@context': 'https://schema.org',
  '@graph': [
    {
      '@type': 'Organization',
      '@id': 'https://www.mueller-treuhand.ch/#organization',
      'name': 'Mueller Treuhand GmbH',
      'sameAs': [
        'https://www.wikidata.org/wiki/Q123456789',
        'https://www.zefix.ch/de/search/entity/list/firm/12345'
      ],
      'founder': {
        '@id': 'https://www.mueller-treuhand.ch/team#anna-mueller'
      }
    },
    {
      '@type': 'Person',
      '@id': 'https://www.mueller-treuhand.ch/team#anna-mueller',
      'name': 'Anna Mueller',
      'worksFor': {
        '@id': 'https://www.mueller-treuhand.ch/#organization'
      },
      'sameAs': 'https://www.linkedin.com/in/anna-mueller'
    }
  ]
}

Hier sehen wir Linked Data in Aktion: zwei Entitäten (Organization, Person) mit eindeutigen @id verknüpft via founder/worksFor. sameAs verbindet beide mit externen Authority-Quellen (Wikidata, Zefix, LinkedIn). Crawler und LLMs lesen das als kohärentes Wissens-Netz statt als isolierte Datenpunkte.