Entity SEO: Vom Keyword zur Identität – der vollständige Guide 2026

TL;DR: Entity SEO optimiert Inhalte nicht mehr für Keywords, sondern für eindeutig identifizierbare Konzepte – Entitäten – im Knowledge Graph. Seiten mit mindestens 15 verknüpften Knowledge-Graph-Entitäten haben eine 4,8-fach höhere Wahrscheinlichkeit, in Google AI Overviews zitiert zu werden. Domain Authority korreliert dagegen nur noch mit r=0,18 mit KI-Sichtbarkeit. Wer 2026 in der generativen Suche existieren will, braucht eine konsistente JSON-LD-Identität, sameAs-Verknüpfungen zu Wikidata und Wikipedia sowie ein systematisches Hub-and-Spoke-Content-Cluster. Entity SEO ist keine optionale Erweiterung klassischer SEO-Arbeit, sondern die Grundvoraussetzung für Sichtbarkeit in AI Overviews, ChatGPT und Sprachassistenten.

Was ist Entity SEO?

Entity SEO ist der Ansatz, Inhalte nicht für Suchbegriffe, sondern für eindeutig identifizierbare Objekte zu optimieren. Eine Entität ist jedes klar definierbare Ding: eine Person, ein Unternehmen, ein Ort, ein Produkt oder ein abstraktes Konzept. Google behandelt Entitäten grundlegend anders als Keywords. Ein Keyword ist eine Zeichenfolge ohne eigene Identität – das Wort „Apple" kann die Frucht, das Technologieunternehmen oder das Plattenlabel der Beatles bedeuten. Eine Entität wie „Apple Inc." hat eine eindeutige Knowledge-Graph-ID, definierte Attribute und klare Beziehungen zu anderen Entitäten. Das zentrale Prinzip: Von Strings zu Things. Diesen Paradigmenwechsel leitete Google 2012 mit dem Satz „Things, not strings" ein. Seitdem bewertet die Suche nicht mehr, ob ein Dokument einen bestimmten Suchbegriff enthält, sondern ob es eine eindeutige Entität mit ausreichendem Kontext repräsentiert.

Was ist eine Entität im SEO-Kontext?

Entitäten lassen sich in mehrere Kategorien einteilen: - Personen: Autoren, Gründer, öffentliche Figuren - Organisationen: Unternehmen, Institutionen, Marken - Orte: Städte, Regionen, Adressen - Produkte: Software, physische Waren, Dienste - Konzepte: Fachbegriffe, Ideen, Technologien, Ereignisse Entscheidend ist: Eine Entität hat stabile Attribute und Beziehungen. Google kann beispielsweise verstehen, dass „Leonardo DiCaprio" in „Titanic" mitgespielt hat, dass „James Cameron" der Regisseur war und dass der Film den Oscar für den besten Film gewann – alles ohne ein einziges dieser Wörter in einem Suchdokument direkt abzugleichen.

Der Google Knowledge Graph

Der Google Knowledge Graph ist die Datenbank, die Entitäten und ihre Beziehungen speichert. Er funktioniert nicht wie ein klassischer Index, der Webseiten auflistet, sondern wie ein relationales Modell: Knoten sind Entitäten, Kanten sind Beziehungen zwischen ihnen. Jede Verbindung zwischen zwei Knoten beschreibt eine spezifische Eigenschaft: „Gründer von", „Sitz in", „Teil von". Wenn du eine komplexe Suchanfrage stellst – „Welche anderen Filme hat der Regisseur von Titanic gemacht?" –, navigiert Google durch dieses Netzwerk, ohne einen exakten Textvergleich durchzuführen. Für deine Marke bedeutet das: Wenn du nicht als Entität mit klaren Beziehungen im Knowledge Graph verankert bist, bist du für die moderne Suche unsichtbar – egal wie gut dein klassisches SEO ist.

Wie funktioniert Entity SEO technisch?

Entity SEO arbeitet auf zwei Ebenen: Suchmaschinen extrahieren Entitäten automatisch aus Fließtext via Natural Language Processing – und Webseitenbetreiber liefern parallel maschinenlesbare Identitätsfakten via JSON-LD direkt an den Knowledge Graph.

NLP und Named Entity Recognition

Suchmaschinen identifizieren Entitäten aus unstrukturiertem Text durch Natural Language Processing (NLP). Google nutzt dafür bidirektionale Sprachmodelle wie BERT (seit 2019) und Gemini 3 (seit November 2025). Der Erkennungsprozess läuft in mehreren Schritten: 1. Tokenisierung: Der Text wird in einzelne Einheiten (Token) zerlegt. 2. Part-of-Speech (POS) Tagging: Jedem Token wird eine grammatikalische Kategorie zugeordnet – Substantiv, Verb, Adjektiv. 3. Named Entity Recognition (NER): Eigennamen werden erkannt und klassifiziert: PERSON, LOCATION, ORGANIZATION, EVENT. 4. Coreference Resolution: Pronomen werden den zuvor identifizierten Entitäten zugeordnet. 5. Entity Disambiguation: Das System gleicht die erkannte Entität mit dem Knowledge Graph ab – so wird aus dem Wort „Apple" im Kontext „Kurs" das Unternehmen, im Kontext „Rezept" die Frucht.

Entitäts-Salienz

Ein zentrales Konzept ist die Entitäts-Salienz (Entity Salience). Sie beschreibt, wie prominent eine Entität innerhalb eines Dokuments ist, und wird auf einer Skala von 0,0 bis 1,0 berechnet: Für deine primäre Entität solltest du einen Salienz-Wert von mindestens 0,10 anstreben. Werte über 0,30 signalisieren starken thematischen Fokus. Die Salienz wird durch drei Faktoren bestimmt: - Position: Entitäten in Überschriften (H1, H2) erhalten mehr Gewicht als Entitäten im Fließtext. - Frequenz: Wie oft wird die Entität im Dokument erwähnt? - Relationale Dichte: Wie viele verwandte Entitäten tauchen im gleichen Dokument auf? Faustregel: Ein Artikel über „E-Mail-Marketing" gewinnt Salienz, wenn er gleichzeitig verwandte Entitäten wie „Mailchimp", „Segmentierung" und „A/B-Testing" integriert. Du stärkst damit nicht nur die primäre Entität, sondern bietest dem Algorithmus einen vollständigen semantischen Kontext.

JSON-LD als Identitätsnachweis

Während NLP den Text interpretiert, liefert JSON-LD (JavaScript Object Notation for Linked Data) maschinenlesbare Fakten direkt an den Knowledge Graph. JSON-LD ist das direkteste Werkzeug, um deine Entität klar zu definieren. 1. Entity-ID mit @id Damit Google deine Marke über alle Unterseiten hinweg als dieselbe Entität erkennt, verwendest du stabile @id-Fragmente: Ohne konsistente @id vermutet die Suchmaschine für jede Unterseite eine neue, isolierte Entität. 2. Disambiguierung mit sameAs sameAs ist das wichtigste Werkzeug zur Identitätsverifizierung. Du verknüpfst deine Entität mit externen, autoritativen Datenbanken – Wikipedia, Wikidata, LinkedIn: Dieser Eintrag sagt jedem KI-System unmissverständlich: „Das Unternehmen auf dieser Seite ist exakt dasselbe wie in diesem Wikidata-Eintrag." Ohne sameAs muss der Algorithmus raten. 3. Kontext mit about und mentions Mit about definierst du, worüber eine Seite primär berichtet. Mit mentions gibst du an, welche Entitäten beiläufig erwähnt werden. Diese Felder werden von LLMs aktiv genutzt, um die Relevanz eines Textes für komplexe Suchanfragen zu bewerten.

Warum entscheidet Entity SEO über KI-Sichtbarkeit?

Moderne KI-Suchsysteme rufen keine Webseiten ab, die Suchbegriffe enthalten – sie rufen Entitäten ab, denen sie vertrauen. Drei Mechanismen erklären, warum klassische Ranking-Faktoren in dieser Welt an Wirkung verlieren.

Der 4,8-Faktor bei AI Overviews

Die Zahlen sind eindeutig: Seiten mit mindestens 15 verknüpften Entitäten im Knowledge Graph haben eine 4,8-fach höhere Wahrscheinlichkeit, in Google AI Overviews zitiert zu werden. Domain Authority korreliert dagegen nur noch mit r=0,18 mit AI-Overview-Zitierungen – ein drastischer Rückgang gegenüber 0,23 im Jahr 2024. Moderne KI-Suchsysteme wie Google Gemini oder ChatGPT rufen keine Webseiten ab, die Suchbegriffe enthalten. Sie rufen Entitäten ab, die sie aus Trainingsdaten und Web-Crawls kennen und denen sie vertrauen. Eine Seite, die auf Platz 1 rankt, wird von ChatGPT ignoriert, wenn die Entitätssignale und strukturierten Daten fehlen. Dabei nutzen moderne KIs eine Technologie namens Graph Retrieval-Augmented Generation (GraphRAG): Informationen werden in Wissensgraphen umgewandelt, und die KI navigiert durch Entitäten und Beziehungen, um eine Antwort zu synthetisieren. Wenn deine Marke nicht als Knoten mit klaren Kanten in diesem Graphen existiert, bist du für mehrstufige KI-Anfragen schlicht nicht auffindbar.

Brand Mentions als neue Backlinks

Im Entity-SEO-Zeitalter ist die Häufigkeit und der Kontext von Markenerwähnungen (Brand Mentions) der entscheidende Autoritätsfaktor. Forschungsdaten belegen: - Brand Mention Frequency korreliert mit KI-Sichtbarkeit: 0,664 - Backlinks korrelieren mit KI-Sichtbarkeit: 0,218 Quelle: Daten basierend auf Ahrefs / Onely GEO Studien. Wikipedia ist dabei das gewichtigste einzelne Signal: Wikipedia wird in 18% aller Google AI Overview Zitierungen als Quelle angegeben, ChatGPT zitiert Wikipedia in 7,8% aller Zitierungen. Eine einzige Erwähnung in einem bestehenden Wikipedia-Artikel schafft eine strukturierte Beziehung zwischen deiner Markenentität und deiner Kategorie im Knowledge Graph – genau das, was KI-Systeme benötigen, um dich einer Suchanfrage zuzuordnen. Wie du Mentions gezielt aufbaust und den Unterschied zwischen Mentions und Citations nutzt, erklärt der Mentions vs. Citations Guide.

Das Risiko der Schatten-Entität

Das gefährlichste Szenario in der KI-Suche ist das der Schatten-Entität: eine Marke, die noch nicht als verifizierter Knoten im Knowledge Graph verankert ist. KI-Modelle trainieren sich fortlaufend mit Daten, die bereits auf erkannte Entitäten ausgerichtet sind. Mit jedem neuen Trainingszyklus fallen nicht etablierte Marken weiter zurück – sie werden systematisch aus den KI-Antworten „heraustrainiert". Konkrete Zahlen zeigen die Dimension: Aktuell empfehlen KI-Plattformen nur 1,2% der lokalen Unternehmen, während 35,9% in klassischen Google Local Results erscheinen. Marken, die heute mit dem Aufbau ihrer Entity-Autorität beginnen, sichern sich 3,4-fach mehr KI-Sichtbarkeit als spätere Einsteiger. Ein Knowledge Panel in den Suchergebnissen ist Googles öffentliche Bestätigung, dass deine Marke als verifizierte Entität anerkannt ist. Es signalisiert jedem KI-System: Diese Quelle ist geprüft und sicher zu empfehlen.

Wie baust du Topical Authority auf?

Topical Authority (Themenautorität) ist die Fähigkeit einer Website, von Suchmaschinen als umfassende Expertenquelle für ein bestimmtes Themengebiet anerkannt zu werden. Die Formel, maßgeblich geprägt durch SEO-Experte Koray Tuğberk Gübür, lautet: Topical Coverage bedeutet nicht die bloße Menge an Artikeln oder die Häufigkeit von Entitätsnennungen. Stuffing hilft nicht. Abdeckung bedeutet: Wenn du ein Konzept nicht definierst, hast du es nicht abgedeckt. Wenn du X nicht mit Y verbindest, hast du es nicht abgedeckt. Wenn du ein Thema nur beiläufig erwähnst, hast du es nicht abgedeckt.

Content-Cluster: Hub-and-Spoke Architektur

Der praktische Aufbau von Topical Authority folgt dem Hub-and-Spoke-Modell: - Pillar Page (Hub): Eine umfassende Übersichtsseite zur primären Entität (z.B. „Search Engine Optimization") - Cluster Pages (Spokes): 5 bis 10 detaillierte Unterseiten, die sekundäre Entitäten tiefgehend behandeln (z.B. Technical SEO, Keyword-Strategie, Link Building, Analytics) Wichtig: Jede Cluster-Seite muss zwingend auf die Pillar Page zurückverlinken. Wo es inhaltlich sinnvoll ist, sollten Cluster-Seiten auch horizontal untereinander verlinkt werden. Isolierte Seiten ohne semantische Verbindung schwächen das gesamte Themencluster. Faustregel: Decke 20% mehr relevante Entitäten ab als die Wettbewerber in deiner Nische – aber verteile sie natürlich. Keyword-Stuffing zerstört Lesbarkeit und signalisiert Manipulation.

Entitäten-Sets statt Keyword-Listen

Der entscheidende Wechsel in der Praxis: Statt „Diese Seite zielt auf das Keyword ‚Semantic SEO Checkliste'" denkst du: - Primäre Entität: Semantic SEO - Sekundäre Entitäten: Suchintention, Knowledge Graph, Strukturierte Daten, Topic Modeling, Interne Verlinkung, NLP, Entity Recognition Jede Seite erhält ein Entitäten-Set, keine Keyword-Liste. Für jede primäre Entität vergibst du genau eine Seite (verhindert semantische Kannibalisierung) und 5 bis 15 unterstützende sekundäre Entitäten.

Semantische interne Verlinkung

Interne Links sind semantische Signale, keine bloße Navigation. Jeder Link erklärt dem Suchalgorithmus eine Beziehung zwischen zwei Entitäten. Drei Regeln gelten dabei: 1. Entitätsreiche Ankertexte: „Entity SEO Implementierung" statt „hier klicken" 2. Bidirektionale Verlinkung: Cluster-Seiten verlinken zur Pillar Page; sinnvolle horizontale Links zwischen Cluster-Seiten ergänzen die Struktur 3. Kein Overlinking: Zu viele interne Links verwässern Relevanz und stören die Nutzererfahrung

Entity SEO vs. klassisches Keyword-SEO

Der Unterschied der beiden Ansätze lässt sich an sechs Dimensionen ablesen: | Merkmal | Keyword-SEO | Entity SEO | |---|---|---| | Logik | Mustererkennung von Zeichenfolgen (Strings) | Semantisches Verständnis von Objekten (Things) | | Fokus | Keyword-Dichte und Platzierung | Entitäts-Salienz und semantische Beziehungen | | Content-Struktur | Separate Seiten für Keyword-Variationen | Umfassende Themen-Hubs und Cluster | | Zielsetzung | Ranking für spezifische Suchbegriffe | Aufbau von Topical Authority und Identität | | Schnittstelle | Metadaten und Textinhalte | JSON-LD und Knowledge Graph | | Erfolgsmessung | Position einzelner Keywords | Cluster-Performance und Entity Coverage Score | Keyword-SEO versucht, einzelne Queries zu gewinnen. Entity SEO gewinnt ganze Themengebiete. Der WordPress-Beispielfall macht das deutlich: Statt separater Seiten für „WordPress schneller machen", „WordPress Performance" und „WordPress Optimierung" (mit dem Risiko der Keyword-Kannibalisierung) erstellt Entity SEO einen einzigen, umfassenden Hub über die Entität „WordPress Performance Optimierung" mit Spokes zu Caching, Bildoptimierung und Datenbankoptimierung. Das Ergebnis: Rankings für alle Keyword-Variationen gleichzeitig, weil Google das Konzept ganzheitlich versteht.

FAQ: Häufig gestellte Fragen zu Entity SEO

Was ist der Unterschied zwischen Entity SEO und Semantic SEO? Semantic SEO ist der übergeordnete Begriff für alle Optimierungsmaßnahmen, die auf dem semantischen Verständnis von Inhalten basieren – also auf Bedeutung statt auf Zeichenfolgen. Entity SEO ist ein Teilbereich davon, der sich spezifisch auf die Identifikation, Verknüpfung und Verifizierung von Entitäten im Knowledge Graph konzentriert. Semantic SEO umfasst zusätzlich Konzepte wie Suchintention, Topic Modeling und natürliche Sprachverarbeitung. Muss ich in Wikipedia vertreten sein, um von KI zitiert zu werden? Wikipedia ist das stärkste externe Signal für KI-Sichtbarkeit: 18% aller Google AI Overview Zitierungen und 7,8% aller ChatGPT-Zitierungen verweisen auf Wikipedia. Eine einzige Erwähnung in einem bestehenden Wikipedia-Artikel ist effektiver als viele eigene Blog-Artikel. Du musst keinen eigenen Wikipedia-Artikel haben – eine Erwähnung in einem thematisch verwandten Artikel reicht aus, um eine strukturierte Beziehung im Knowledge Graph herzustellen. Wie messe ich den Erfolg von Entity SEO? Klassische Keyword-Rankings sind der falsche Maßstab für Entity SEO. Die relevanten Metriken sind: Coverage Score (wie viele relevante Entitäten deiner Nische deckst du ab im Vergleich zu Wettbewerbern), Knowledge Panel Präsenz (binäres Signal: Hat Google deine Marke als Entität anerkannt?), Keyword Expansion Rate (wie viele neue Suchbegriffe rankst du ohne explizite Optimierung?), Brand Mention Frequency (wie oft wird deine Marke auf autoritativen Seiten erwähnt?) und AI Overview Inclusion (wirst du in generativen Antworten zitiert?). Was ist eine Schatten-Entität und warum ist sie gefährlich? Eine Schatten-Entität ist eine Marke, die noch nicht als verifizierter Knoten im Knowledge Graph der KI-Systeme verankert ist. Da KI-Modelle regelmäßig mit Daten neu trainiert werden, die bereits stark auf erkannte Entitäten ausgerichtet sind, fällt eine nicht etablierte Marke mit jedem Trainingszyklus weiter zurück. Der Effekt ist kumulativ: Wer heute nicht als Entität sichtbar ist, wird systematisch aus den KI-Antworten heraustrainiert. Derzeit empfehlen KI-Plattformen nur 1,2% der lokalen Unternehmen. Wie schnell wirkt Entity SEO? Entity SEO ist kein kurzfristiger Hebel. Der Aufbau von Topical Authority und die Verankerung einer Entität im Knowledge Graph dauert typischerweise 3 bis 6 Monate, bevor messbare Effekte in AI Overviews und Knowledge Panels sichtbar werden. Strukturierte Daten via JSON-LD werden von Google-Crawlern dagegen schneller verarbeitet – erste Signale in der Search Console sind oft innerhalb von 2 bis 4 Wochen erkennbar. Welche Schema-Typen sind für Entity SEO Pflicht? Für den Aufbau einer Marken-Entität sind drei Schema-Typen unverzichtbar: Organization (definiert Markenidentität, Kontaktdaten, Dienste, sameAs-Links), Person (verknüpft Autoren mit ihrer Expertise und ihren Profilen) und Article / BlogPosting (definiert Autor, Veröffentlichungsdatum, Thema). Ergänzend kommen FAQPage (für direkte KI-Extraktion), BreadcrumbList (für Seitenstruktur) und WebSite (für die Gesamtidentität der Domain) hinzu.

Fazit

Entity SEO ist der Übergang von der Optimierung für Suchmaschinen, die Zeichenfolgen abgleichen, zur Optimierung für KI-Systeme, die Bedeutung verstehen. Wer weiterhin ausschließlich auf Keywords und isolierte Rankings setzt, verliert schrittweise die Sichtbarkeit in AI Overviews, Sprachassistenten und generativen Antworten – dem eigentlichen Wachstumssegment der Suche. Die Grundlage ist klar: Eine konsistente Entity-ID via JSON-LD, sameAs-Verknüpfungen zu autoritativen externen Quellen, ein systematisch aufgebautes Content-Cluster nach dem Hub-and-Spoke-Modell und gezielte Brand-Mention-Arbeit auf thematisch relevanten Plattformen. Das ist kein Sprint, sondern ein Systemaufbau – mit einem Zinseszinseffekt, der früh Startende überproportional begünstigt. Den strategischen Überblick zur KI-Sichtbarkeit insgesamt bietet der Guide zur Generative Engine Optimization. Wie du technisch die richtigen Crawler-Einstellungen vornimmst und deine Infrastruktur für KI-Suchsysteme vorbereitest, erklärt der GEO Technik Deep Dive. Verifizierte Quellen: Google Knowledge Graph Launch (2012, „Things, not strings"), Ahrefs / Onely GEO-Studien zu KI-Zitierungen und Brand Mentions, Koray Tuğberk Gübür – Topical Authority Framework, Schema.org Vocabulary für Organization, Person, Article und FAQPage. Für die operative Umsetzung ist außerdem das Verständnis von Mentions vs. Citations im GEO hilfreich, weil es zeigt, welche Erwähnungen tatsächlich auf Entitäten einzahlen.