Warum ein Knowledge Graph 2026 keine Kür mehr ist
Im Oktober 2025 kommt eine Schweizer SaaS-Firma zu mir. Frage: „Warum empfiehlt ChatGPT immer unseren Wettbewerber, obwohl wir mehr Funktionen haben?" Ich öffne ihren Quelltext. Kein JSON-LD. Kein @id. Kein sameAs. Eine Website, die für ein LLM aussieht wie ein anonymer Textblock im Internet.
Sechs Wochen später: 12 monatliche AI-Citations bei Perplexity. Ihr Wettbewerber war innerhalb desselben Quartals von der Top-Empfehlung auf Position 3 gefallen. Was hat sich geändert? Sie hatten einen Knowledge Graph.
Ein Knowledge Graph ist die strukturierte Repräsentation deiner Marke, Produkte, Personen und Beziehungen — in einem Format, das KI-Systeme verstehen, parsen und zitieren können. Klingt akademisch, ist es nicht. Mit den richtigen Patterns baust du das Fundament in drei Stunden.
Das Konzept in 5 Minuten: @id, @graph, sameAs
Drei Konzepte musst du verstehen — danach ist alles nur noch Pattern-Anwendung:
1. @id — die eindeutige Adresse
Jede Entity bekommt eine eindeutige @id (URI). Das ist die Adresse, unter der sie referenziert wird. Beispiel: deine Firma als Organization-Entity hat @id: https://example.ch/#organization. Dieses #organization-Anker macht sie eindeutig.
2. @graph — die Sammlung
Mehrere Entities werden in einem Array unter @graph gesammelt. Das ist effizienter als viele einzelne JSON-LD-Blöcke und erlaubt direktes Cross-Referencing per @id.
3. Property-Referenzen
Entities verweisen aufeinander via Properties wie publisher, author, founder. Statt das ganze Objekt zu duplizieren, schreibt man nur {"@id": "https://example.ch/#organization"}. So entsteht das Netzwerk.
Hier das Minimal-Beispiel:
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "Organization",
"@id": "https://example.ch/#organization",
"name": "Example AG",
"founder": {"@id": "https://example.ch/#founder"}
},
{
"@type": "Person",
"@id": "https://example.ch/#founder",
"name": "Anna Muster",
"worksFor": {"@id": "https://example.ch/#organization"}
}
]
}Anna referenziert Example AG, Example AG referenziert Anna — bidirektional, eindeutig, maschinenlesbar. Das ist ein Knowledge Graph in Reinform.
Die fünf fundamentalen Entities
Jeder Knowledge Graph einer Firma startet mit fünf Entity-Typen. Hier die kompletten Patterns:
Entity 1: Organization
{
"@type": "Organization",
"@id": "https://example.ch/#organization",
"name": "Example AG",
"url": "https://example.ch",
"logo": "https://example.ch/logo.svg",
"foundingDate": "2018-03-15",
"foundingLocation": {"@type": "Place", "name": "Zürich"},
"address": {
"@type": "PostalAddress",
"addressCountry": "CH",
"addressLocality": "Zürich",
"postalCode": "8000"
},
"sameAs": [
"https://www.linkedin.com/company/example-ag",
"https://www.wikidata.org/wiki/Q123456"
],
"founder": {"@id": "https://example.ch/#founder"},
"brand": {"@id": "https://example.ch/#brand"}
}Entity 2: Person
{
"@type": "Person",
"@id": "https://example.ch/#founder",
"name": "Anna Muster",
"jobTitle": "CEO & Founder",
"image": "https://example.ch/team/anna.webp",
"worksFor": {"@id": "https://example.ch/#organization"},
"sameAs": [
"https://www.linkedin.com/in/anna-muster",
"https://orcid.org/0000-0002-1825-0097"
]
}Entity 3: WebSite
{
"@type": "WebSite",
"@id": "https://example.ch/#website",
"url": "https://example.ch",
"name": "Example AG",
"publisher": {"@id": "https://example.ch/#organization"},
"inLanguage": ["de-CH", "en"],
"potentialAction": {
"@type": "SearchAction",
"target": "https://example.ch/search?q={query}",
"query-input": "required name=query"
}
}Entity 4: Brand
{
"@type": "Brand",
"@id": "https://example.ch/#brand",
"name": "Example",
"logo": "https://example.ch/logo.svg",
"parentOrganization": {"@id": "https://example.ch/#organization"}
}Entity 5: SoftwareApplication (für SaaS) oder Product
{
"@type": "SoftwareApplication",
"@id": "https://example.ch/#product",
"name": "Example CRM",
"applicationCategory": "BusinessApplication",
"operatingSystem": "Web",
"offers": {
"@type": "Offer",
"price": "49",
"priceCurrency": "CHF"
},
"publisher": {"@id": "https://example.ch/#organization"}
}Diese fünf Entities zusammen — alle in einem @graph — sind das Foundation-Layer. Daraus wachsen alle weiteren Verknüpfungen.
Die sameAs-Strategie: Anker zu Wikidata, LinkedIn, GitHub
sameAs ist die Property, mit der du deine Entity an externe Identitäts-Anker verknüpfst. Pflicht-Targets 2026:
- Wikidata — der wichtigste Anker. Wer keine Q-ID hat, sollte eine beantragen, sobald minimale Notability gegeben ist (Pressemitteilungen, Branchen-Verbandsmitgliedschaft, Fachartikel).
- LinkedIn Company Page — pflichtig für jede DACH-Firma.
- Crunchbase oder Eintrag im Zefix-Verzeichnis (für CH-Firmen).
- GitHub-Organization — bei Tech-Firmen Pflicht, bei anderen optional.
- Twitter/X-Profil — verliert an Gewicht, aber noch relevant.
Pro Entity-Typ gelten andere Anker. Eine Person sollte ORCID haben (akademisch), Linkedin (Business), GitHub (Tech). Eine Brand verknüpft typisch Wikidata + Twitter.
In meiner Beratungspraxis sehe ich diesen Effekt klar: Firmen mit Wikipedia-Artikel und Wikidata-Eintrag haben in trainingsdaten-basierten Modi (Claude ohne Search, klassisches ChatGPT) 2-3× höhere Mention-Rate als Wettbewerber ohne diese Anker.
Vorher-Nachher: Eine Schweizer Firma in 6 Wochen
Konkretes Beispiel aus Q4 2025. Eine Schweizer SaaS-Firma (anonymisiert) im B2B-Bereich. Status quo Oktober 2025:
- Klassisches SEO ordentlich (Position 5-15 in Google für branchen-typische Keywords)
- JSON-LD: nur leerer Organization-Stub ohne sameAs
- Mention-Rate Perplexity: 4 Prozent (bei 30 getesteten Prompts)
- AI-Citations gemäss GA4: 0-2 pro Monat
Massnahmen über 6 Wochen:
- Woche 1: vollständiger @graph mit den 5 fundamentalen Entities + 3 Personen (Founder + 2 weitere Schlüsselleute)
- Woche 2: sameAs-Pflege — LinkedIn, ORCID für Founder, GitHub-Org für Tech-Anker
- Woche 3: Wikidata-Q-ID beantragt + zugewiesen
- Woche 4-5: 30 Answer Capsules auf der eigenen Domain, alle mit explizitem about-Verweis auf die Organization-Entity
- Woche 6: llms.txt angelegt mit Verweis auf den FAQ-Hub und das @graph-Konstrukt
Resultate Ende Q1 2026 (12 Wochen nach Start):
- Mention-Rate Perplexity: 4 → 28 Prozent (Faktor 7)
- Citation-Rate Perplexity: 1 → 14 Prozent
- AI-Citations gemäss GA4: 0-2 → 12 pro Monat
- AI-Referral-Traffic: +340 Prozent gegenüber Vorquartal
Die einzige strukturelle Änderung war der Knowledge Graph — Content, Produkt, Preis, Marketing-Budget blieben identisch.
Der Drei-Stunden-Plan zum eigenen Knowledge Graph
Dein konkreter Plan:
Stunde 1: Daten sammeln
- Firmenname, UID/Zefix, Adresse, Gründungsdatum
- Logo-URL, Brand-Name (falls anders als Firmenname)
- Founder + 1-2 Schlüsselleute mit LinkedIn-Profilen
- Hauptprodukt(e) mit Beschreibung, Kategorie, Preis
- Externe Profile: LinkedIn, Wikidata (falls vorhanden), GitHub, Twitter/X
Stunde 2: @graph zusammenbauen
Nimm die fünf Patterns aus Sektion 3, ersetze die Beispiel-Werte durch deine Daten. Achte auf konsistente @id-Nomenklatur: alle Anker nutzen denselben Domain-Stamm + Hash. Vermeide Tippfehler in @id — eine inkonsistente Adresse zerreisst die Verlinkung.
Stunde 3: Einbauen + testen
JSON-LD-Block in den <head> aller wichtigen Seiten einbauen — Startseite, About, Produkt-Seiten. Anschliessend mit dem Schema.org-Validator und Googles Rich Results Test prüfen. Beide müssen fehlerfrei durchlaufen.
Bonus: Wikipedia-Stub vorbereiten (optional, +5h)
Falls genug Notability vorhanden ist, Wikipedia-Stub skizzieren mit 5-10 Quellenangaben aus Fachmedien. Vorab in deiner Branche Wikipedia-erfahrene Editoren ansprechen — ein eigener Artikel wird oft binnen Tagen abgelehnt, ein editierter Stub durch erfahrene Communities meist akzeptiert.
Was du jetzt konkret tun kannst
Drei Schritte:
- Status-Audit: Schau in den Quelltext deiner Startseite. Hast du JSON-LD? Hat es @id? Hat es sameAs? Wenn nein bei einem dieser Punkte: starte hier.
- Drei-Stunden-Plan umsetzen. Daten sammeln, Patterns kopieren, einbauen, testen. Mehr ist es nicht.
- Erweitern über 12 Wochen. Pro Quartal neue Entities ergänzen — Articles für Blog-Posts, FAQPage für FAQ-Seiten, Service-Entities für einzelne Dienstleistungen. Konkrete Patterns dafür im Post JSON-LD richtig einsetzen.
Marco Biner sagt zu jedem KMU: Drei Stunden Knowledge-Graph-Setup wirken stärker auf deine KI-Sichtbarkeit als drei Monate klassischer SEO-Optimierung — und das ist keine Übertreibung.
