- Ob ChatGPT oder Perplexity Ihr Unternehmen bei einer Anfrage nennt, entscheidet eine Frage: Ist Ihr Betrieb im Knowledge Graph als eigenständige Entität verankert?
- Entität heißt: konsistenter Name, Adresse, Branche und Leistungen über alle Quellen hinweg, maschinenlesbar ausgezeichnet per Schema.org Organization.
- Der stärkste Einzelhebel ist die
sameAs-Property im Schema: Sie verknüpft Ihre Website mit einem Wikidata-Eintrag und bildet so die Brücke zum Knowledge Graph. - Inkonsistente Daten, fehlende Auszeichnungen oder ein dünnes Erwähnungsprofil lassen KI-Systeme im Zweifel den Mitbewerber nennen.
Ob ChatGPT, Google Gemini oder Perplexity Ihre Firma bei einer Anfrage nennt, hängt weniger an der Qualität Ihres Produkts als daran, ob das KI-System Ihr Unternehmen als eigenständige Entität kennt und einordnen kann. Fehlt dieses Fundament, tauchen Sie in den Antworten nicht auf, so gut Ihre Website auch gestaltet sein mag.
Was eine Entität ist (und warum KI anders denkt als Google früher)
Stellen Sie sich vor, jemand fragt Google 2012 nach „Bäcker Stuttgart“. Die Suchmaschine scannt Seiten, zählt Erwähnungen des Begriffs und liefert eine Liste. Seiten mit vielen Treffern des Schlüsselworts kommen nach oben.
Heute fragt ein KI-System nicht mehr: Welche Seite enthält das Wort „Bäcker Stuttgart“? Es fragt: Welche bekannten Dinge in Stuttgart gehören zur Kategorie Bäckerei? Welche haben einen guten Ruf, eine klare Adresse, redaktionelle Erwähnungen? Und wen kann ich mit Sicherheit benennen, ohne Gefahr zu laufen, Falsches zu behaupten?
Dieser Wechsel, von Keyword-Auswertung zu Entitäts-Erkennung, ist der Kern des Themas. Eine Entität ist ein eindeutig identifizierbares Objekt der realen Welt: ein Unternehmen, eine Person, ein Produkt, ein Ort. Suchmaschinen und große Sprachmodelle arbeiten nicht mehr in erster Linie mit Wörtern, sondern mit Bedeutung.
Google verknüpft diese Informationen im sogenannten Knowledge Graph, einer Datenbank aus Entitäten mit ihren Eigenschaften und Beziehungen. Wie der Knowledge Graph aufgebaut ist und wie KMU dort hineingelangen, erklärt ein eigener Ratgeber. Die Trainingsdaten großer Sprachmodelle spiegeln dieselben Strukturen. Ist Ihr Unternehmen dort nicht klar verankert, kann ein Sprachmodell bestenfalls raten, was Sie anbieten, und nennt im Zweifel einen bekannteren Mitbewerber.
Wie KI-Systeme ein Unternehmen als Entität einordnen
KI-Systeme erschließen eine Entität aus übereinstimmenden Datenquellen. Wenn Unternehmensname, Adresse, Branche und Kernleistungen auf der eigenen Website, in Branchenverzeichnissen, in Presseerwähnungen und auf Bewertungsplattformen durchgängig gleich formuliert sind, können diese Signale einem einzigen Betrieb zugeordnet werden.
Der Unterschied zwischen Erwähnung und Bestätigung ist dabei wichtig. Eine einzelne Nennung reicht selten. Erst wenn mehrere unabhängige Quellen dieselben Eckdaten zeigen, behandelt ein System diese Angaben als gesichert.
Strukturierte Daten als maschinenlesbarer Kontext
Technisch spielt strukturiertes Markup eine zentrale Rolle. Auszeichnungen nach dem Standard Schema.org, etwa Organization, LocalBusiness oder OnlineBusiness, liefern Maschinen einen klaren Kontext. Sie sagen explizit: Dieses Unternehmen heißt so, hat diesen Sitz, bietet diese Leistungen an und gehört zu dieser Branche. Ohne solche Auszeichnungen muss ein KI-System dieselben Informationen aus dem Fließtext ableiten. Das ist fehleranfällig.
Besonders wirkungsvoll ist die sameAs-Property: Sie verknüpft Ihre Website mit externen Quellen, etwa einem Wikidata-Eintrag, LinkedIn oder dem Google-Unternehmensprofil. Google nutzt diese Eigenschaft, um Entitäten über verschiedene Quellen hinweg eindeutig zuzuordnen. Wie strukturierte Daten nach Schema.org im Detail funktionieren, lesen Sie im Grundlagen-Ratgeber.
Externe Referenzen, die das Profil stützen
Verlässliche Erwähnungen außerhalb der eigenen Website helfen zusätzlich: redaktionelle Beiträge, ein Wikipedia-Artikel (sofern vorhanden), Einträge in offenen Datenbanken wie Wikidata, strukturierte Firmenprofile in Branchenportalen. Jede konsistente Referenz von unabhängiger Stelle festigt das Profil.
Am schnellsten geht die Arbeit bei den Quellen, die Sie selbst kontrollieren: Website, Impressum und das Google-Unternehmensprofil. Sie bilden den Kern, an dem sich alle weiteren Signale ausrichten. Den Zusammenhang zu E-E-A-T, dem Vertrauensrahmen von Google und KI-Systemen, erklärt der Artikel E-E-A-T für kleine Unternehmen.
Die wichtigsten Entitätssignale auf einen Blick
| Entitätssignal | Quelle / Ort | So bauen Sie es auf |
|---|---|---|
Organization-Schema (@type: Organization) |
Eigene Website, Startseite oder Über-uns-Seite | JSON-LD im <head> einbinden, alle Kernfelder füllen |
| Konsistente NAP-Daten (Name, Adresse, Telefon) | Website, Google-Unternehmensprofil, Verzeichnisse | Einheitliche Schreibweise auf allen Plattformen |
sameAs-Verknüpfungen |
Im Organization-Schema auf der eigenen Website | URLs zu Wikidata, LinkedIn, Google-Profil als Array eintragen |
| Wikidata-Eintrag | wikidata.org | Eintrag anlegen, sofern externe Relevanz belegbar ist (s. Abschnitt unten) |
| Google-Unternehmensprofil | business.google.com | Vollständig ausfüllen, regelmäßig aktuell halten |
| Redaktionelle Erwähnungen | Branchenmedien, lokale Presse, Fachportale | Gastartikel, Interviews, Pressemitteilungen |
| Sachliche Über-uns-Seite | Eigene Website | Wer, was, für wen, seit wann, wo: klare Antworten ohne Werbesprache |
Praxis: Das Organization-Schema richtig aufbauen
Ein vollständiges Organization-Schema ist der technische Kern des Entitätsprofils. Google benennt konkrete Eigenschaften, die für die Einordnung in Suchergebnissen und das Knowledge Panel relevant sind, ohne einzelne davon als Pflicht zu definieren. Das Minimum, das wirklich etwas bewirkt:
sameAs ist das Schema-Markup wie ein Namensschild ohne Personalausweis. Die Property verbindet Ihre Website mit externen Quellen, die Google bereits kennt.{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"@id": "https://www.beispiel.de/#organisation",
"name": "Muster GmbH",
"legalName": "Muster Gesellschaft mit beschränkter Haftung",
"url": "https://www.beispiel.de",
"logo": "https://www.beispiel.de/logo.png",
"description": "Webdienstleistungen und digitale Lösungen für mittelständische Unternehmen im Raum Stuttgart.",
"foundingDate": "2004",
"address": {
"@type": "PostalAddress",
"streetAddress": "Musterstraße 1",
"addressLocality": "Stuttgart",
"postalCode": "70173",
"addressCountry": "DE"
},
"telephone": "+49-711-1234567",
"email": "info@beispiel.de",
"areaServed": {
"@type": "GeoCircle",
"geoMidpoint": {
"@type": "GeoCoordinates",
"latitude": 48.775846,
"longitude": 9.182932
},
"geoRadius": "50000"
},
"iso6523Code": "0060:DE123456789",
"sameAs": [
"https://www.wikidata.org/wiki/Q12345678",
"https://www.linkedin.com/company/muster-gmbh",
"https://www.google.com/maps?cid=123456789"
]
}Drei weitere Felder wirken laut Google-Dokumentation im Hintergrund. iso6523Code (ISO-6523-Kennung) ist für EU-Unternehmen das passende Feld zur Disambiguierung: Google nennt es explizit als Werkzeug, um ähnlich klingende Betriebe auseinanderzuhalten. Das Format folgt dem Muster ICD-Code:Kennung, zum Beispiel "0060:DE123456789" für eine deutsche Registernummer. naics (Branchenklassifikation) ist dagegen primär für US-amerikanische und kanadische Unternehmen gedacht. Für deutsche KMU ist das Feld optional und nur dann sinnvoll, wenn dem Betrieb tatsächlich eine NAICS-Nummer vorliegt. Die vatID (Umsatzsteuer-ID) dient nicht der Disambiguierung, signalisiert aber Seriosität und gehört deshalb trotzdem ins Schema.
Das Schema gehört als JSON-LD-Block in den <head> der Homepage oder der Über-uns-Seite. In WordPress übernimmt das ein mu-plugin oder ein SEO-Plugin. Den Markup-Check nimmt Google selbst ab: mit dem Rich Results Test sehen Sie Sekunden nach der Implementierung, ob alles korrekt erkannt wird.
Wikidata: Wann ein Eintrag hilft und wann nicht
Wikidata ist eine freie, maschinenlesbare Wissensdatenbank der Wikimedia Foundation. Jedes Objekt bekommt eine eindeutige ID (Q-Nummer), dazu Eigenschaften wie Branche (P452) und offizielle Website (P856). Diese Daten fließen in den Knowledge Graph von Google ein, in vielen Fällen mit direkterem Einfluss als ein Wikipedia-Eintrag.
Der sameAs-Wert, der auf Ihren Wikidata-Eintrag zeigt, ist die direkteste Verbindung, die Sie aus dem eigenen Schema ziehen können. Google hat dann eine maschinenlesbare Brücke: Diese Domain ist dasselbe wie dieses bekannte Wikidata-Objekt.
Allerdings gilt eine wichtige Einschränkung. Wikidata ist kein Unternehmensverzeichnis. Neue Einträge ohne belegbare externe Relevanz werden von der Community als werblich eingestuft und können zur Löschung eingereicht werden. Belegbare Relevanz bedeutet: Der Betrieb wurde in unabhängigen, öffentlichen Quellen erwähnt, nicht nur auf der eigenen Website.
Für Betriebe ohne Pressegeschichte gilt daher: erst Schema und Google-Profil aufbauen, dann Erwähnungen aufbauen, dann einen Wikidata-Eintrag anlegen oder anlegen lassen. Wer ohne Fundament beginnt, riskiert einen gelöschten Eintrag.
Was die Entitätserkennung schwächt
Das häufigste Problem ist Inkonsistenz. Ein leicht abweichender Firmenname im Google-Unternehmensprofil gegenüber der Website, eine veraltete Adresse in einem Branchenportal, unterschiedliche Beschreibungen der Kernleistungen in verschiedenen Verzeichnissen: Daraus entstehen für ein KI-System Widersprüche, die es entweder ignoriert oder falsch auflöst.
Hinzu kommt fehlende Tiefe. Über ein Unternehmen, zu dem sich außerhalb der eigenen Website kaum etwas finden lässt, hat kein Dritter geschrieben, kein Branchenmedium erwähnt es, keine Plattform führt es mit strukturierten Daten. Für KI-Systeme ist das ein Zeichen geringer Relevanz.
Technische Lücken kommen oft noch dazu: fehlendes oder fehlerhaftes Schema-Markup, eine Seitenstruktur ohne klare semantische Hierarchie, eine fehlende Unternehmensseite oder unvollständige Impressumsdaten, die grundlegende Fragen über den Betrieb unbeantwortet lassen.
Entitätssichtbarkeit versus klassische SEO
Klassische Suchmaschinenoptimierung richtet sich auf Keywords: Welcher Begriff soll auf welcher Position erscheinen? Entitätssichtbarkeit setzt eine Ebene davor an. Die Frage ist nicht, für welches Keyword Sie ranken, sondern ob KI-Systeme Ihr Unternehmen als passende Antwort auf eine Frage kennen, auch wenn diese Frage Ihren Firmennamen gar nicht enthält.
Ein Beispiel: Fragt jemand ein KI-System „Welche Webagenturen in der Region Ulm haben Erfahrung mit Mittelstandskunden?“, entsteht keine Keyword-Auswertung. Das System zieht aus seinem Wissen und aus aktuellen Datenquellen eine Antwort zusammen. Ob Ihr Unternehmen darin vorkommt, hängt davon ab, ob es als Entität mit genau diesen Eigenschaften bekannt ist, nicht davon, ob Sie auf „Webagentur Ulm“ optimiert sind.
Beides schließt sich nicht aus. Gute Platzierungen erzeugen Sichtbarkeit, aus der externe Erwähnungen entstehen, und die stärken das Entitätsprofil. Wie beides zusammenwirkt, beschreibt der Artikel GEO: Von ChatGPT empfohlen werden. Die Denkweise verschiebt sich trotzdem: vom einzelnen Keyword hin zum Konzept dahinter.
Für mittelständische Unternehmen ist das eine Chance. Wer als Erster in seiner Region ein sauberes, konsistentes Entitätsprofil aufbaut, wird in KI-Antworten genannt, während Mitbewerber mit unklaren Daten dort schlicht fehlen.
Ein Beispiel aus der Praxis
In einem Website-Projekt haben wir eine kleine Steuerberatungskanzlei analysiert, die bei keiner GEO-Anfrage in ihrem Landkreis auftauchte. Google-Suche nach dem Kanzleinamen brachte kein Knowledge Panel. Die lokalen Verzeichnisse führten drei verschiedene Firmennamen (GmbH, Partnerschaftsgesellschaft, kurze Version ohne Rechtsform), und die Website hatte kein Schema-Markup.
Wir haben drei Dinge geändert: erstens einen einheitlichen Namen in allen Verzeichnissen gesetzt (immer mit vollständiger Rechtsformangabe), zweitens ein LocalBusiness-Schema mit sameAs-Verweis auf das gepflegte Google-Unternehmensprofil eingespielt, drittens die Über-uns-Seite auf vier klar formulierte Antworten reduziert (Was? Für wen? Seit wann? Wo?). Nach sechs Wochen erschien das Unternehmen in Perplexity bei lokalen Anfragen nach Steuerberatung. Nach drei Monaten ein Knowledge Panel in Google.
Kein einziger neuer Inhalt wurde geschrieben, keine Linkbuilding-Kampagne, kein Wikidata-Eintrag, keine bezahlten Einträge. Die Grundlage war schon da. Sie stimmte nur nicht überein.
Sofort-Checkliste: Entitätsprofil aufbauen
- Ist Ihr Unternehmensname auf Website, Google-Profil und allen Verzeichnissen identisch (inkl. Rechtsform)?
- Sind Adresse und Telefonnummer (NAP) über alle Plattformen hinweg gleich?
- Gibt es ein vollständiges
Organization– oderLocalBusiness-Schema auf der Homepage? - Enthält das Schema ein
sameAs-Array mit mindestens Google-Profil und LinkedIn? - Ist Ihre Über-uns-Seite ein sachliches Profil (Wer, Was, Für wen, Seit wann, Wo)?
- Hat das Schema eine
@id-Property mit Ihrer kanonischen URL? - Haben Sie das Markup mit dem Rich Results Test geprüft?
- Gibt es außerhalb der eigenen Website mindestens drei bis fünf unabhängige Erwähnungen?
- Ist Ihr Google-Unternehmensprofil vollständig ausgefüllt (Öffnungszeiten, Kategorien, Beschreibung)?
- Stimmen Branchenbezeichnungen auf Website und Profilen überein?
- Entität vor Keyword: KI-Systeme kennen Dinge, keine Wörter. Ihr Unternehmen muss als eindeutiges Objekt mit klaren Eigenschaften bekannt sein.
- Das Organization-Schema mit vollständiger
sameAs-Property ist der stärkste technische Hebel, den Sie direkt auf Ihrer eigenen Website setzen können. - Wikidata ist mächtiger als Wikipedia für die Entitätsverankerung, aber nur dann sinnvoll, wenn externe Relevanz durch Presseerwähnungen belegbar ist.
- Inkonsistente NAP-Daten über Plattformen hinweg sind oft die eigentliche Ursache, warum KI-Systeme einen Betrieb nicht zuverlässig erkennen, und der schnellste Fix.
Häufige Fragen
Brauche ich einen Wikipedia-Eintrag, damit KI-Systeme mein Unternehmen kennen?
Nein. Wikipedia ist kein Pflichtbestandteil. Ein Eintrag stärkt das Entitätsprofil, weil Wikipedia eine hochwertige Quelle ist, die von KI-Systemen gut ausgewertet wird. Für die meisten mittelständischen Unternehmen ist Wikipedia jedoch nicht das passende Instrument, schon weil es klare Relevanzkriterien gibt. Sinnvoller sind konsistente Daten über Branchenverzeichnisse, das Google-Unternehmensprofil und strukturiertes Markup auf der eigenen Website. Wikidata ist für Unternehmen der wirkungsvollere Einstieg, weil die Hürde niedriger liegt und der Effekt auf den Knowledge Graph direkter ist.
Reicht das Google-Unternehmensprofil aus, damit KI mein Unternehmen erkennt?
Das Google-Unternehmensprofil ist ein wichtiges Signal, allein genügt es aber nicht. Es stärkt die Entitätserkennung vor allem bei lokalen Anfragen. Für eine belastbare KI-Sichtbarkeit brauchen Sie zusätzlich strukturiertes Markup auf Ihrer Website und eine konsistente Präsenz auf weiteren Plattformen. Das Profil ist ein Baustein, kein Ersatz für das Organization-Schema.
Was ist der Unterschied zwischen Organization und LocalBusiness in Schema.org?
LocalBusiness ist ein Untertyp von Organization und ergänzt standortbezogene Eigenschaften wie Öffnungszeiten (openingHours) und den Einzugsbereich (areaServed). Für einen stationären Betrieb oder eine Agentur mit regionalem Fokus ist LocalBusiness die treffendere Wahl. Wer überregional tätig ist und keinen Ladenbesuch anbietet, kann bei Organization bleiben. Beide Typen unterstützen sameAs vollständig.
Wie lange dauert es, bis KI-Systeme Änderungen an meinem Entitätsprofil registrieren?
Das lässt sich nicht pauschal sagen, weil die Systeme unterschiedlich schnell aktualisieren. Änderungen im Google-Unternehmensprofil können innerhalb von Tagen sichtbar werden. Sprachmodelle mit festem Trainingsstand übernehmen Änderungen erst mit dem nächsten Trainingszyklus, was Monate dauern kann. Systeme mit direktem Web-Zugriff wie Perplexity reagieren schneller. Vorrang haben deshalb die konsistenten Grundlagen, keine kurzfristigen Korrekturen.
Muss ich alle meine Texte umschreiben, damit KI-Systeme mich besser verstehen?
Meistens nicht. Häufig genügen strukturelle Ergänzungen wie Schema-Markup, eine bessere Unternehmensseite und konsistente Verzeichniseinträge, ohne dass Sie Inhalte komplett neu schreiben. Sind Ihre Texte allerdings thematisch vage und treffen keine klaren Aussagen zu Leistungen und Zielgruppen, ist eine inhaltliche Schärfung sinnvoll. Auch das ist eine gezielte Überarbeitung und kein Neuanfang.
Was ist NAP und warum spielt es für die Entitätserkennung eine Rolle?
NAP steht für Name, Adresse, Telefonnummer. Anhand dieser drei Eckdaten ordnen KI-Systeme und Suchmaschinen Erwähnungen aus verschiedenen Quellen demselben Unternehmen zu. Weicht der Name in einem Verzeichnis ab, etwa GmbH einmal ausgeschrieben, einmal abgekürzt, sinkt die Sicherheit, mit der das System die Zuordnung trifft. Je konsistenter NAP über alle Plattformen ist, desto zuverlässiger die Entitätserkennung.