--- title: Linked Data slug: linked-data canonical_url: https://www.geoquality.ai/glossar/linked-data md_url: https://www.geoquality.ai/glossar/linked-data.md language: de last_modified: 2026-05-07T00:00:00+00:00 related_terms: [at-id-property, json-ld, knowledge-graph, rdf, same-as, schema-org, structured-data] content_hash: f58023b92c0c8ddc license: CC BY 4.0 author: Marco Biner (geoquality.ai) schema_type: DefinedTerm --- # Linked Data Linked Data ist Tim Berners-Lees Vision eines maschinenlesbaren Webs, in dem Daten über URIs eindeutig identifizierbar und über RDF-Tripel miteinander verknüpft sind. Es ist die konzeptionelle Grundlage von Schema.org, JSON-LD, Wikidata und damit auch des modernen Knowledge-Graph-Ökosystems, das GEO-Sichtbarkeit ermöglicht. ## Erläuterung 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. ## Praxisbeispiel 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. ## Häufige Fehler - Linked Data nur als 'Schema.org' verstehen — Schema.org ist nur das Vokabular; Linked Data ist die ganze Architektur mit URIs, RDF und Verknüpfungen. - @id als optional behandeln — ohne @id keine Linked-Data-Verknüpfung, nur isolierte Datenpunkte. - sameAs auf irrelevante Quellen setzen — Linked Data lebt von Authority-Quellen wie Wikidata, nicht von Branchenverzeichnissen. - Linked Data als Backend-only Konzept abtun — es wirkt direkt auf Web-Crawler und LLM-Indexierung der eigenen Site. - Linked-Data-Prinzipien innerhalb der eigenen Site nicht anwenden — Verknüpfungen zwischen eigenen Entitäten via @id sind genauso wichtig wie externe sameAs. ## Best Practices - Vergebe jeder zentralen Entität auf der eigenen Site eine kanonische @id — Foundation für Linked Data Anwendung. - Nutze sameAs-Verknüpfungen primär auf Linked-Open-Data-Quellen wie Wikidata, ORCID, Zefix. - Strukturiere Site-interne Schemas mit @graph-Wrapper, um mehrere Entitäten in einem JSON-LD-Block zu verknüpfen. - Pflege explizite Beziehungen zwischen Entitäten via Properties wie founder, worksFor, mentions, about. - Validiere JSON-LD via validator.schema.org und stelle sicher, dass alle @id-Referenzen auflösbar sind. - Erweitere Linked-Data-Coverage über die Zeit — Wikidata-Eintrag erstellen, ORCID-Profil pflegen, Authority-Quellen hinzufügen. ## Fakten - Tim Berners-Lee formulierte die vier Linked-Data-Prinzipien 2006 in einer Design-Note auf w3.org/DesignIssues/LinkedData.html. - Wikidata ist 2026 die grösste Linked-Open-Data-Sammlung der Welt mit über 105 Millionen Entitäten und über 1.5 Milliarden Statements. - JSON-LD ist seit 2014 W3C-Standard und 2026 das dominante Linked-Data-Format im Web — über 95% aller Schema.org-Implementations nutzen JSON-LD. - RDF wurde 1999 von W3C als formales Datenmodell für Linked Data spezifiziert; SPARQL als Abfrage-Sprache folgte 2008. - Google bestätigt offiziell, dass Linked-Data-Markup (Schema.org via JSON-LD) ein zentrales Signal für Knowledge-Graph-Aufnahme ist — Voraussetzung für Knowledge Panels. - Im DACH-Raum 2026 nutzen schätzungsweise 38 Prozent aller KMU-Sites strukturierte Daten in irgendeiner Form — nur etwa 12 Prozent davon sind echte Linked Data mit @id und sameAs. ## FAQ ### Was sind die vier Linked-Data-Prinzipien? Erstens jede Sache bekommt einen URI. Zweitens URIs sind über HTTP abrufbar. Drittens beim Abruf liefert der URI strukturierte Daten (typisch RDF/JSON-LD). Viertens diese Daten verlinken weitere relevante URIs. Formuliert von Tim Berners-Lee 2006 in einer Design-Note auf w3.org. ### Wie unterscheidet sich Linked Data von Schema.org? Schema.org ist das Vokabular — also welche Entitäts-Typen und Properties verwendet werden. Linked Data ist die Architektur — also wie Daten via URIs verknüpft werden. Schema.org ist 2026 das dominante Vokabular innerhalb der Linked-Data-Architektur, andere Vokabulare wie FOAF, DCMI ergänzen. ### Brauche ich Linked Data für meine KMU-Site? Für GEO-Sichtbarkeit ja. Sites ohne @id und sameAs sind aus Linked-Data-Perspektive isolierte Datenpunkte. Sites mit ordentlicher Linked-Data-Pflege werden Teil des Knowledge-Graph-Ökosystems und in LLM-Antworten überproportional zitiert. Aufwand: 2-4 Stunden Setup, dann jährliche Pflege. ### Was ist der Unterschied zwischen Linked Data und Open Data? Linked Data bezeichnet die Architektur (verknüpft via URIs), Open Data die Lizenz-Haltung (frei zugänglich). Beide können sich überlappen — Wikidata ist Linked + Open — sind aber konzeptionell unabhängig. Eine Firma kann Linked Data publizieren, ohne sie als Open Data zu lizenzieren. ### Welche Tools brauche ich für Linked Data? Für Standard-GEO reicht JSON-LD-Markup auf der Site (validiert via validator.schema.org). Für tiefere Linked-Data-Anwendungen: Wikidata-Editor für Wikidata-Pflege, SPARQL-Endpoints für Daten-Abfragen, Tools wie OpenRefine für strukturierte Daten-Konversion. Im KMU-Kontext primär JSON-LD-fokussiert. ### Wie messe ich, ob meine Site Teil des Linked-Data-Ökosystems ist? Drei Indikatoren: erstens validiertes JSON-LD mit @id auf jeder Seite. Zweitens sameAs-Verknüpfungen auf mindestens 3-5 Authority-Quellen. Drittens Wikidata-Eintrag für die Organisation. Wenn alle drei vorhanden, ist die Site formal Teil des Linked-Data-Netzes. Sichtbarkeit zeigt sich indirekt über Knowledge-Panel-Erscheinen und LLM-Citations. ## Experten-Definition Linked Data ist das konzeptionelle Fundament, auf dem GEO operativ aufsetzt. Bei meinen Klienten erkläre ich oft mit einem Bild: stelle dir das Web nicht als Bibliothek von Dokumenten vor, sondern als Datenbank verknüpfter Entitäten. Jede Person, jede Firma, jeder Artikel ist ein Knoten; sameAs-Links sind die Kanten. Wer seine Entitäten als verknüpfte Knoten dokumentiert, wird Teil des globalen Wissensgraphen. Wer isolierte Daten produziert, bleibt ausserhalb. Genau das ist die Linked-Data-Disziplin: bewusst Verknüpfungen schaffen statt isolierte Webseiten zu bauen. ## Verwandte Begriffe - [@id (Schema.org)](https://www.geoquality.ai/glossar/at-id-property.md) — Die @id-Property in JSON-LD ist der stabile, eindeutige Identifier einer Schema.org-Entity in URI-Form — die unsichtbare Klebematerie, die Entitäten innerhalb und zwischen Sites zu einem kohärenten Wissensgraphen verknüpft. - [JSON-LD](https://www.geoquality.ai/glossar/json-ld.md) — JSON-LD ist ein W3C-standardisiertes Format zur Einbettung strukturierter Daten in Webseiten — typischerweise nach Schema.org-Vokabular — und der von Google sowie allen grossen KI-Crawlern bevorzugte Weg, Entitäten und Beziehungen maschinenlesbar zu beschreiben. - [Knowledge Graph](https://www.geoquality.ai/glossar/knowledge-graph.md) — Ein Knowledge Graph ist eine Datenstruktur, die Entitäten und ihre Beziehungen als verknüpftes Netzwerk repräsentiert und KI-Systemen die Faktenbasis liefert, aus der sie Antworten zusammensetzen. - [RDF (Resource Description Framework)](https://www.geoquality.ai/glossar/rdf.md) — RDF ist das W3C-Standard-Datenmodell für strukturierte Daten im Web, basierend auf Subject-Predicate-Object-Tripeln. Es ist die formale Grundlage von Linked Data, JSON-LD, Schema.org und Wikidata. Für GEO-Praxis selten direkt sichtbar, aber konzeptionell hinter jedem JSON-LD-Schema stehend. - [sameAs](https://www.geoquality.ai/glossar/same-as.md) — sameAs ist eine Schema.org-Property, die eine Entität mit ihren Repräsentationen auf anderen autoritativen Quellen verknüpft (Wikidata, LinkedIn, Zefix, ORCID) — das wichtigste Werkzeug zur Entitäts-Disambiguierung im Knowledge Graph. - [Schema.org](https://www.geoquality.ai/glossar/schema-org.md) — Schema.org ist das von Google, Microsoft, Yahoo und Yandex gemeinsam entwickelte Vokabular zur strukturierten Beschreibung von Web-Inhalten — der De-facto-Standard für maschinenlesbare Auszeichnung und das technische Fundament jeder GEO-Strategie. - [Strukturierte Daten](https://www.geoquality.ai/glossar/structured-data.md) — Strukturierte Daten sind maschinenlesbare Auszeichnungen von Web-Inhalten — typischerweise als JSON-LD im HTML-Head — die Entitäten, Beziehungen und Metadaten explizit benennen statt sie nur implizit im Fliesstext zu hinterlassen. ## Quelle und Zitation - HTML-Original: https://www.geoquality.ai/glossar/linked-data - Lizenz: CC BY 4.0 - Zitiervorschlag: "Linked Data (geoquality.ai Glossar, Biner 2026)"