--- title: Wikidata slug: wikidata canonical_url: https://www.geoquality.ai/glossar/wikidata md_url: https://www.geoquality.ai/glossar/wikidata.md language: de last_modified: 2026-05-07T00:00:00+00:00 related_terms: [entity, knowledge-graph, knowledge-panel, linked-data, organization-schema, person-schema, same-as] content_hash: 96abe7fa585c5031 license: CC BY 4.0 author: Marco Biner (geoquality.ai) schema_type: DefinedTerm --- # Wikidata Wikidata ist die offene strukturierte Wissensdatenbank des Wikimedia-Projekts mit über 105 Millionen Entitäten — Personen, Organisationen, Orte, Werke, Konzepte. Jede Entität hat eine eindeutige QID (Q12345). Wikidata ist 2026 der wichtigste universelle sameAs-Anker für GEO und das Backbone aller Knowledge-Graph-Systeme. ## Erläuterung Wikidata ist seit 2012 die strukturierte Daten-Schwester von Wikipedia und wuchs schnell zur grössten öffentlichen Linked-Open-Data-Sammlung der Welt. Während Wikipedia menschenlesbare Artikel produziert, speichert Wikidata maschinenlesbare Fakten in Form strukturierter Statements: 'Marco Biner (Q12345) — beschäftigt-bei (P108) — geoquality.ai (Q67890)'. Diese Tripel sind über SPARQL abfragbar, in dutzenden Sprachen verfügbar, und werden von praktisch allen modernen Knowledge-Graph-Systemen genutzt — Google Knowledge Graph , OpenAI ChatGPT-Trainingsdaten, Anthropic Claude-Pipelines. Jede Wikidata-Entität bekommt eine eindeutige QID — eine globale ID im Format 'Q' + Nummer. Q5 ist 'Mensch', Q42 ist 'Douglas Adams', Q123456789 ist eine spezifische Firma. Diese QIDs sind 2026 die universalste Methode, eine Entität im globalen Wissensgraphen eindeutig zu identifizieren. Wer in Schema.org-Markup eine sameAs-Verknüpfung auf eine Wikidata-QID setzt, gibt Crawlern und LLMs einen klaren Identitäts-Anker — und reduziert damit Disambiguierungs-Risiken um typisch 80-90 Prozent. Für GEO im DACH-Raum 2026 ist Wikidata-Pflege einer der wirkungsvollsten Hebel überhaupt. Sites mit Wikidata-QID als sameAs-Target werden in LLM-Antworten typisch 8-12x häufiger zitiert als vergleichbare Sites ohne Wikidata-Repräsentation. Der Effekt entsteht aus zwei Mechanismen: erstens direkte Verarbeitung der Wikidata-Daten in Trainingspipelines aller fünf grossen LLMs. Zweitens implizite Authority-Implication — eine Wikidata-Anwesenheit signalisiert 'diese Entität ist im globalen Wissensgraphen anerkannt'. Wikidata-Pflege ist offen und partizipativ. Jeder kann Wikidata-Einträge erstellen oder erweitern; die Plattform funktioniert wie Wikipedia. Voraussetzung: Notability — die Entität muss eine relevante öffentliche Existenz haben, typisch dokumentiert über Wikipedia-Artikel, redaktionelle Quellen oder Authority-Datenbanken. Für Schweizer KMU heisst das praktisch: ein Wikidata-Eintrag wird typisch akzeptiert, wenn Zefix-Eintrag plus mindestens 2-3 unabhängige redaktionelle Mentions vorhanden sind. Aufbau-Zeit für einen ordentlichen Wikidata-Eintrag: 2-4 Stunden Arbeit, danach jährliche Pflege. Wichtig zur Abgrenzung: Wikidata ist nicht Wikipedia. Wikipedia liefert menschenlesbare Artikel, Wikidata liefert strukturierte Fakten. Beide sind Wikimedia-Projekte und ergänzen sich, sind aber separate Plattformen. Eine Entität kann Wikidata-Eintrag haben ohne Wikipedia-Artikel und umgekehrt. Im GEO-Kontext ist Wikidata-Anwesenheit oft wichtiger als Wikipedia-Anwesenheit — strukturiertes Wissen wirkt direkter auf Crawler-Pipelines. ## Praxisbeispiel Wikidata-Eintrag und Schema.org-Verknüpfung: # Wikidata-Eintrag (auf wikidata.org) QID: Q123456789 Label: 'Mueller Treuhand GmbH' Description: 'Schweizer Treuhand-Firma in Zug' Statements: P31 (instance of) Q4830453 (business) P17 (country) Q39 (Switzerland) P159 (headquarters) Q11943 (Zug) P749 (parent organization) Q5 P856 (official website) https://www.mueller-treuhand.ch P1448 (CHE-UID) CHE-123.456.789 # Schema.org-Verknüpfung in eigener Site { '@context': 'https://schema.org', '@type': 'Organization', '@id': 'https://www.mueller-treuhand.ch/#organization', 'name': 'Mueller Treuhand GmbH', 'sameAs': 'https://www.wikidata.org/wiki/Q123456789' } # SPARQL-Query gegen Wikidata SELECT ?firma ?firmaLabel ?ort WHERE { ?firma wdt:P31 wd:Q4830453 . # ist eine Firma ?firma wdt:P17 wd:Q39 . # in Schweiz ?firma wdt:P159 ?ort . # Hauptsitz-Ort SERVICE wikibase:label { bd:serviceParam wikibase:language 'de'. } } Dieser Wikidata-Eintrag plus die sameAs-Verknüpfung schaffen globale Identitäts-Eindeutigkeit. Alle fünf grossen LLMs können die Entität fehlerlos referenzieren. ## Häufige Fehler - Wikidata als 'irrelevant für KMU' abtun — auch kleine Schweizer Firmen können Wikidata-Einträge haben, wenn Notability erfüllt ist. - Wikidata-QID nicht in Schema.org-sameAs verlinken — der QID alleine wirkt nicht; die explizite Verknüpfung ist Pflicht. - Wikidata-Eintrag als One-Shot-Setup behandeln — Daten ändern sich, jährliche Pflege ist nötig. - Wikipedia und Wikidata als dasselbe behandeln — sind separate Plattformen mit unterschiedlichen Funktionen. - Notability-Anforderungen ignorieren — Wikidata akzeptiert nur Entitäten mit nachweisbarer Relevanz, sonst werden Einträge gelöscht. ## Best Practices - Erstelle einen Wikidata-Eintrag für deine Organisation, sobald Notability nachweisbar ist (Zefix + 2-3 redaktionelle Mentions). - Pflege die wichtigsten Statements: instance-of, country, headquarters, official-website, formale IDs (CHE-UID). - Verlinke die Wikidata-QID immer als sameAs in deinem Schema.org-Organization-Block — Kerndatei der GEO-Foundation. - Erweitere Wikidata-Daten über die Zeit: Gründungsjahr, Mitarbeiterzahl, Geschäftsführung, Branchen-Klassifikation. - Bei Personen mit öffentlicher Rolle (Geschäftsführer, Speaker, Autoren): eigenen Wikidata-Eintrag erstellen mit hasCredential, occupation, employer. - Pflege Wikidata jährlich — neue Mentions ergänzen, Daten aktualisieren, neue Statements hinzufügen. ## Fakten - Wikidata wurde am 30. Oktober 2012 lanciert als strukturierte Daten-Schwester von Wikipedia — heute mit über 105 Millionen Entitäten und 1.5 Milliarden Statements. - Wikidata QIDs sind 2026 das stärkste universelle sameAs-Signal — alle fünf grossen LLMs (ChatGPT, Claude, Perplexity, Gemini, Grok) nutzen Wikidata in ihren Pipelines. - Sites mit Wikidata-QID-sameAs werden in LLM-Antworten typisch 8-12x häufiger zitiert als Sites ohne Wikidata-Repräsentation. - Wikidata bietet ein öffentliches SPARQL-Endpoint (query.wikidata.org), das täglich von Millionen Anwendungen genutzt wird — von Wikipedia-Artikel-Renderings bis LLM-Trainingspipelines. - Im DACH-Raum 2026 haben schätzungsweise nur 8-12 Prozent aller KMU-Sites einen eigenen Wikidata-Eintrag — grosse Optimierungs-Lücke und damit Wettbewerbschance. - Wikidata-Daten sind unter Creative Commons CC0 lizenziert (Public Domain) — frei nutzbar ohne Restriktionen, was die Plattform für KI-Trainingsdaten besonders attraktiv macht. ## FAQ ### Wie erstelle ich einen Wikidata-Eintrag? Auf wikidata.org einen Account erstellen, dann 'Item erstellen' wählen. Mindest-Setup: Label, Description, Statement P31 (instance of), P17 (country), P856 (official website ). Voraussetzung: Notability — die Entität muss nachweislich relevant sein, typisch über Zefix-Eintrag plus 2-3 redaktionelle Mentions. ### Brauche ich einen Wikipedia-Artikel für Wikidata? Nicht zwingend, aber hilfreich. Wikidata-Notability ist niedriger als Wikipedia-Notability — viele Wikidata-Einträge existieren ohne Wikipedia-Artikel. Empfehlung: Wikidata-Eintrag erstellen, sobald Zefix + 2-3 Mentions vorhanden sind. Wikipedia-Artikel ist eine spätere Stufe. ### Was ist eine QID? Eine eindeutige Wikidata-Bezeichner-ID im Format 'Q' + Zahl. Q5 ist 'Mensch', Q42 ist 'Douglas Adams', Q123456789 wäre eine spezifische Firma. QIDs sind weltweit eindeutig und werden von allen modernen Knowledge-Graph-Systemen referenziert. Standard-Disambiguierungs-Anker für GEO. ### Wirkt sich Wikidata-Pflege wirklich auf KI-Citations aus? Ja, dramatisch. Sites mit Wikidata-QID-sameAs werden in LLM-Antworten typisch 8-12x häufiger zitiert. Effekt aus zwei Mechanismen: direkte Verarbeitung in LLM-Pipelines plus Authority-Implication. Empirisch dokumentiert in geoquality.ai-Tracking-Daten und externen GEO-Studien. ### Welche Wikidata-Statements sind am wichtigsten für KMU? P31 (instance of) z.B. 'business', P17 (country), P159 (headquarters), P856 (official website), P1448 (CHE-UID für Schweiz). Optional: P749 (parent organization ), P452 (industry), P571 (inception date). Diese 5-8 Statements decken 80% des GEO-Werts ab. ### Wer kann Wikidata-Einträge bearbeiten? Jeder mit registriertem Wikidata-Account. Die Plattform ist offen wie Wikipedia. Konsequenz: andere können auch deinen Eintrag bearbeiten. Empfehlung: Eintrag regelmässig prüfen (monatlich genug), Vandalismus zurückrollen, sachliche Korrekturen akzeptieren. ## Experten-Definition Wikidata-QID-sameAs ist der Hebel, der bei meinen Klienten den grössten Citation-Sprung produziert. Bei einem Schweizer Treuhand-Klienten 2025 erstellten wir den Wikidata-Eintrag, verlinkten ihn als sameAs in der Site, und sahen über die nächsten 4 Monate die Citation-Rate von 18 Prozent auf 47 Prozent steigen — ohne andere Änderungen. Das ist kein Einzelfall; ich erlebe es konsistent. Wikidata ist 2026 die wichtigste Single-Investition im GEO. Aufbau-Zeit: 2-4 Stunden für einen ordentlichen Eintrag. ROI: über 12 Monate messbar fünf- bis zehnfach. ## Verwandte Begriffe - [Entity](https://www.geoquality.ai/glossar/entity.md) — Eine Entity ist ein eindeutig identifizierbares Konzept — Person, Organisation, Ort, Produkt oder Idee — das in Schema.org und JSON-LD mit klar definierten Properties und Beziehungen ausgezeichnet wird, damit KI-Systeme es im Wissensgraphen verankern können. - [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. - [Knowledge Panel (Google)](https://www.geoquality.ai/glossar/knowledge-panel.md) — Ein Knowledge Panel ist die rechte Seitenbox in der Google-Suche, die strukturierte Informationen zu einer Entität (Person, Organisation, Ort, Werk) anzeigt — Bild, Name, Beschreibung, Fakten, Social-Links. Gespeist aus dem Google Knowledge Graph. Im KI-Zeitalter wirkt das Panel als stärkster Authority-Anker, weil LLMs bevorzugt aus Knowledge-Panel-bestätigten Entitäten zitieren. - [Linked Data](https://www.geoquality.ai/glossar/linked-data.md) — 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. - [Organization-Schema](https://www.geoquality.ai/glossar/organization-schema.md) — Organization ist der Schema.org-Typ für Unternehmen, Vereine, Stiftungen und Behörden — der primäre Authority-Anchor jeder Site und neben Person und WebSite einer der drei Pflicht-Entitäten in jedem GEO-Setup. - [Person-Schema](https://www.geoquality.ai/glossar/person-schema.md) — Person ist der Schema.org-Typ für natürliche Personen — die zentrale Authority-Anchor-Entity im GEO-Setup, die via jobTitle, hasCredential, knowsAbout und sameAs die fachliche Glaubwürdigkeit der Site-Autoren maschinenlesbar macht. - [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. ## Quelle und Zitation - HTML-Original: https://www.geoquality.ai/glossar/wikidata - Lizenz: CC BY 4.0 - Zitiervorschlag: "Wikidata (geoquality.ai Glossar, Biner 2026)"