Knowledge Graph

Ein Knowledge Graph ist die strukturelle Grundlage moderner KI-Systeme. Statt einzelner, voneinander getrennter Datenpunkte werden Entitäten (Personen, Unternehmen, Orte, Produkte, Konzepte) als Knoten und ihre Beziehungen zueinander als Kanten in einem Graph abgebildet. Eine Frage wie „Wer hat das SEAKT-Framework entwickelt?“ wird vom Knowledge Graph nicht durch Volltextsuche, sondern durch Knotenpunkt-Traversal beantwortet — direkt, deterministisch und semantisch korrekt.

Für GEO ist der Knowledge Graph zentral, weil alle modernen Antwortmaschinen — Google Knowledge Graph, ChatGPT mit Bing-Index, Perplexity mit eigenem Index, Anthropics Claude — ihre Antworten primär aus solchen Graphen konstruieren statt aus Trefferlisten zusammenzustellen. Wer als Entität in den relevanten Graphen verankert ist, wird konsequent als Quelle erkannt; wer nur als Fliesstext existiert, fällt durch das Raster.

Technisch besteht ein Knowledge Graph aus drei Schichten. Erstens dem Schema-Layer, der Typen und mögliche Beziehungen definiert (typisch: Schema.org). Zweitens dem Daten-Layer mit konkreten Entitätsinstanzen und ihren Property-Werten. Drittens dem Linking-Layer, der über sameAs-Verbindungen Identität zwischen verschiedenen Graphen herstellt — eine Person-Entity auf der eigenen Site verlinkt via sameAs auf den Wikidata-Eintrag derselben Person, womit beide Graphen verschmelzen und die Entität in beiden auffindbar wird.

Die wichtigsten öffentlichen Knowledge Graphs 2026 sind Wikidata (kollaborativ, Wikipedia-nah, der wichtigste Authority-Anker), der Google Knowledge Graph (proprietär, speist die Knowledge Panels in der Suche), Wikipedia (impliziter Graph durch Verlinkungen), und die internen Knowledge Graphs der LLM-Anbieter (OpenAI, Anthropic, Google). Plus zahlreiche fachspezifische Graphs wie GeoNames für Orte oder ORCID für Wissenschaftler.

Für eine Schweizer KMU heisst das praktisch: die eigene Organization, die Geschäftsführung und die Kerndienstleistungen müssen als saubere Entitäten ausgezeichnet sein und mindestens eine sameAs-Verknüpfung in einen öffentlichen Graph haben. Bei Schweizer Firmen ist Zefix der Pflicht-Anker — das Handelsregister ist in praktisch allen relevanten Wissensgraphen indexiert. Wer dort verankert ist, hat einen stabilen Knoten im globalen Wissensgraphen, an dem sich alle weiteren Aussagen über die Firma konsolidieren.

Knowledge Graphs sind nicht statisch, sondern werden kontinuierlich aktualisiert: Wikidata bekommt täglich tausende Edits, der Google Knowledge Graph reindexiert Entitäten innerhalb von Tagen nach Site-Updates. Für GEO heisst das: jede Verbesserung der eigenen Entitäts-Auszeichnung wird relativ schnell in den Antwort-Layer der grossen LLMs propagiert. Geduld braucht man dennoch — der Effekt zeigt sich im Citation-Tracking nach 6–12 Wochen.

Konkret bei einer Schweizer Architektur-Firma: das Knowledge-Graph-Setup verbindet die Organization-Entity via sameAs mit dem Zefix-Eintrag. Damit ist die Firma im Graph verankert.

{
  "@type": "Organization",
  "@id": "https://www.architektur-bsp.ch/#organization",
  "name": "BSP Architekten AG",
  "sameAs": [
    "https://www.zefix.ch/de/search/entity/list/firm/56789",
    "https://www.wikidata.org/wiki/Q12345678",
    "https://www.linkedin.com/company/bsp-architekten"
  ],
  "founder": { "@id": "https://www.architektur-bsp.ch/team/marc-bsp#person" }
}

Die Person des Founders wird als zweite Entity ausgezeichnet und via sameAs an LinkedIn und an den eigenen Wikipedia-Eintrag (falls vorhanden) verknüpft. Damit hat die Firma einen vollständigen lokalen Mini-Graph, der über drei sameAs-Verbindungen in den globalen Graphen integriert ist — Wikidata, Zefix und LinkedIn als Anker. KI-Modelle, die nach „Schweizer Architektur-Büros mit Schwerpunkt Holzbau“ gefragt werden, finden die Firma jetzt deterministisch in ihrem Retrieval-Layer.