Was ist eine Entität für eine KI-Engine?
Eine Entität ist ein Objekt der Welt, das die Engine eindeutig identifizieren kann: ein Unternehmen, eine Person, ein Produkt. In der Vier-Stufen-Pipeline (Retrieval → Grounding → Generierung → Zitation) wird die Entität beim Grounding geprüft: Das Modell kreuzvergleicht, was Ihre Website, Ihre Profile, Verzeichnisse und Presse sagen. Offizielle Website „gegründet 2012“, Verzeichnis „2010“ — die inkonsistente Entität verliert das Vertrauen der Engine. Diese Stufe sortiert Marken mit widersprüchlichen Fakten aus, nicht solche mit mittelmäßigem Content.
Wie baut man eine starke Entität auf?
- Referenzseite „Über uns“: Firmierung, Markenname, Aliase, Gründungsjahr, Adresse, Tätigkeitsfelder — als Klartext, nicht als Bild.
- Organization-Schema in JSON-LD: name, alternateName (für mehrsprachige Namen), foundingDate, address und vor allem sameAs zu allen offiziellen Profilen.
- Externe Ausrichtung: Google-Unternehmensprofil, Branchenverzeichnisse, soziale Netzwerke, Presseerwähnungen — jeder Fakt muss Wort für Wort übereinstimmen.
- Bidirektionale Verankerung: Ihre Profile verweisen auf die Website, die Website deklariert die Profile per sameAs. Der Graph schließt sich.
Und bei mehrsprachigen Marken?
Der heikelste Fall: Eine Marke, die auf Deutsch anders heißt als auf Englisch und wieder anders auf Chinesisch, muss diese Varianten per alternateName deklarieren und ihre lokalisierten Websites per hreflang verbinden, damit die Engine eine einzige Entität erkennt. Genau so ist ChinaGEO aufgebaut: 海鹦云控股集团 (Beijing Huishang Holdings Co., Ltd.) als Hauptentität, 海鹦云 für die nationale Linie, ChinaGEO für die internationale Linie — ein Graph, mehrere deklarierte Namen. Siehe mehrsprachiges GEO.
Wie korrigiert man eine Halluzination?
Wenn eine Engine etwas Falsches über Ihre Marke behauptet (falsches Datum, falsche Tätigkeit), wird an der Quelle korrigiert, nicht in der Engine: Korrigieren Sie den Fakt auf Website und Profilen, lassen Sie fehlerhafte Drittquellen berichtigen und messen Sie im nächsten Monatszyklus nach. Korrekturen brauchen in der Regel ein bis zwei Messzyklen, bis sie sich durchgesetzt haben.
Was hat das mit Googles Knowledge Graph zu tun?
Der Knowledge Graph von Google speist AI Overviews, Gemini und lokale Antworten; er ist der strukturendste Graph für Marken in der DACH-Region. Man „tritt“ ihm nicht direkt bei: Man nährt ihn durch konsistente Signale — Organization-Schema, Unternehmensprofil, ausgerichtete Drittquellen — bis die Engine Ihre Marke nicht mehr mit einer anderen verwechselt oder an Ihren Fakten zweifelt.
Wie läuft ein Entitäts-Audit ab?
Vier Schritte genügen für den Anfang: Erstens den eigenen Faktenkanon festlegen — ein Dokument mit der verbindlichen Schreibweise von Name, Firmierung, Gründungsjahr, Adresse und Leistungen. Zweitens alle eigenen Oberflächen dagegen prüfen: Website, Impressum, Organization-Schema, soziale Profile, Unternehmensprofil. Drittens die wichtigsten Drittquellen abgleichen: Verzeichnisse, Bewertungsplattformen, Presse, Partnerseiten; Abweichungen korrigieren lassen. Viertens das Ergebnis in der Dimension Markenwahrnehmung festhalten und monatlich nachmessen. Der Audit ist kein Projekt mit Enddatum, sondern ein Pflichtenheft, das bei jeder Änderung — Umzug, neues Produkt, Rebranding — erneut abgearbeitet wird.
Typische Fallen
Erste Falle: Täuschendes Markup — Fakten im Schema zu deklarieren, die auf der Seite fehlen oder von Verzeichnissen widersprochen werden, ist ein Täuschungssignal und senkt das Vertrauen. Zweite: Entitäts-Dubletten (mehrere Unternehmensprofile, künstlich angelegte Wikipedia-ähnliche Seiten). Dritte: alte Quellen vernachlässigen — ein veraltetes Verzeichnis mit der früheren Adresse vergiftet das Grounding Jahre nach dem Umzug. Vierte: die Entität als Einmalprojekt behandeln; jedes neue Produkt, jeder Standort, jede Pressemitteilung muss im gesamten Graphen nachgezogen werden. Zur Messdimension siehe den offenen Vier-Dimensionen-Standard.