Sagen Sie einmal laut: „Jaguar.“

Was haben Sie gerade gesehen? Die Raubkatze im Geäst? Den Wagen in der Einfahrt? Vielleicht ein Sportteam mit Logo. Das Wort war dasselbe für alle. Das Ding dahinter nicht.

In genau dieser Lücke zwischen dem Wort und dem Gemeinten wohnt ein Begriff, der unsichtbar fast alles ordnet, was Suchmaschinen heute tun: die Entität.

Eine Entität ist ein eindeutig identifizierbares Ding in der Welt. Eine Person, ein Ort, ein Ereignis, ein Unternehmen, ein Konzept. Etwas, das sich nicht verwechseln lässt, weil es klar von allem anderen abgegrenzt ist. Maschinen haben jahrelang nur Zeichen verglichen, Buchstabe gegen Buchstabe. Heute versuchen sie, Dinge zu erkennen. Google hat diesen Wechsel 2012 in drei Worte gegossen: „things, not strings“. Dinge, nicht Zeichenketten.

Stellen Sie sich den Unterschied wie zwei Türsteher vor. Der eine hält eine Gästeliste und gleicht Namen ab. Steht „Schmidt“ auf dem Papier und „Schmidt“ am Eingang, klappt die Schranke hoch. Welcher Schmidt? Egal. Der andere kennt seine Gäste. Er weiß, dass die Bäckerin Schmidt nichts mit dem Zahnarzt Schmidt zu tun hat, wer mit wem gekommen ist, wer hierher gehört. Der erste verarbeitet Strings. Der zweite versteht Entitäten. Suchmaschinen wollten lange Zeit der erste sein. Inzwischen werden sie zum zweiten.

Eine Entität ist kein bloßes Wort, sondern ein eindeutig bestimmbares Ding mit Eigenschaften, Kontext und Beziehungen.

Was eine Entität ausmacht

Drei Dinge machen aus einem beliebigen Ding eine Entität.

Erstens: Sie ist eindeutig referenzierbar, über eine ID, eine URI oder einen kanonischen Namen. Zweitens: Sie hat Eigenschaften, also Attribute, die sie beschreiben. Drittens: Sie steht in Beziehungen zu anderen Entitäten. Ein Mensch ohne Name, ohne Merkmale und ohne Verbindungen wäre kein Mensch, sondern ein Schemen. Mit einer Entität ist es genauso.

Wichtig ist die Trennung von Klasse und Instanz. Person ist eine Klasse, eine Kategorie. Marie Curie ist eine Instanz dieser Klasse, eine konkrete Entität. Die Klasse ist die Schublade. Die Entität ist das, was darin liegt. Wer beides verwechselt, modelliert Luft.

Entitäten in Datenbanken: das ER-Modell

Lange bevor jemand „SEO“ sagte, lebten Entitäten in Datenbanken. Das Entity-Relationship-Modell, kurz ER-Modell, beschreibt die Wirklichkeit mit genau jenen drei Bausteinen: Entitäten, Attribute, Beziehungen. Dazu kommen Kardinalitäten, die festlegen, wie viele auf wie viele treffen, etwa 1:1, 1:n oder n:m.

Jede Entität gehört zu einem Entitätstyp wie Kunde. Alle Kunden zusammen bilden die Entitätsmenge. Ein Schlüsselattribut wie die Kundennummer sorgt dafür, dass kein Kunde mit einem anderen verwechselt wird. Das Ziel dahinter ist nüchtern und entscheidend: Widerspruchsfreiheit, saubere Daten, keine doppelten Wahrheiten.

Hier liegt auch die häufigste Falle. Wer einen Sammelbegriff wie „Inventar“ zur Entität macht, verwechselt eine Kiste mit ihrem Inhalt. Inventar ist keine Entität, sondern eine Ansammlung vieler. Solche Fehler rächen sich später mit unklaren Schlüsseln und Redundanz. Die Frage, die jedes saubere Modell beantworten muss, ist simpel: Ist das hier ein Ding oder ein Haufen Dinge?

Entitäten im Semantic Web: RDF, OWL, SPARQL

Im Web brauchten Entitäten eine eigene Sprache. Sie heißt RDF und denkt in Tripeln: Subjekt, Prädikat, Objekt. „Marie Curie“ – „erhielt“ – „Nobelpreis“. Drei Bausteine, ein Faktum. In diesen RDF-Tripeln sind Subjekt und Objekt Entitäten, und IRIs sorgen dafür, dass weltweit kein Zweifel besteht, welche Marie Curie gemeint ist.

Darauf baut OWL auf. Es ergänzt Klassen, Eigenschaften und Axiome und erlaubt Maschinen sogar, logisch zu schließen: Wenn jeder Physiker ein Wissenschaftler ist und Curie Physikerin war, dann war sie Wissenschaftlerin, ohne dass es jemand eintragen musste. Und mit SPARQL lässt sich dieser Wissensgraph gezielt befragen, Entität für Entität, Beziehung für Beziehung.

Für die Praxis im Web übersetzt Schema.org das Ganze in ein Vokabular, das Verlage einsetzen können, meist als JSON-LD. Die Wurzel von allem heißt dort schlicht Thing. Ding. Drei Eigenschaften lohnen besondere Aufmerksamkeit: identifier für Kennungen wie ISBN oder GTIN, sameAs für Verweise auf autoritative Quellen, und disambiguatingDescription für jenen kurzen Satz, der Verwechslungen ausschließt.

„Things, not strings“: Google und der Knowledge Graph

2012 baute Google seinen Türsteher um. Mit dem Knowledge Graph hörte die Suche auf, nur Wörter abzugleichen, und begann, Dinge zu kennen. Seitdem stehen neben den blauen Links jene Wissenskarten, die Fakten über eine Person, einen Ort, ein Unternehmen verdichten. Diese Knowledge Panels entstehen aus vielen Quellen und nur dann, wenn Google einer Entität ausreichend vertraut.

Ein Missverständnis hält sich hartnäckig: Strukturierte Daten seien ein Rankingfaktor. Sind sie nicht. Die Google-Dokumentation sagt es deutlich. Markup verbessert das Verständnis und qualifiziert Seiten für reichere Darstellungen. Es kauft kein Ranking. Wer das verspricht, verkauft Nebel.

Wie Maschinen Entitäten lesen

Damit eine Maschine eine Entität erkennt, muss sie zuerst lesen lernen. Das passiert in drei Schritten.

Named Entity Recognition findet die Nennungen im Text. Berlin wird als Ort markiert, Apple je nach Kontext als Unternehmen oder als Frucht. Entity Linking verknüpft diese Nennung anschließend mit einer eindeutigen ID im Wissensgraphen, etwa einer Wikidata-Kennung. Erst hier wird aus „Jaguar“ entweder die Katze oder das Auto. Diesen Schritt nennt man Disambiguierung, das Auflösen der Mehrdeutigkeit.

Und dann kommt der Teil, den viele übersehen: die Entitäts-Salienz. Sie misst nicht, ob eine Entität im Text vorkommt, sondern wie wichtig sie für ihn ist. Ein Artikel, der „Berlin“ einmal am Rand erwähnt, handelt nicht von Berlin. Für Inhalte heißt das: Eine Entität zu nennen, reicht nicht. Sie muss im Zentrum stehen, präzise beschrieben, klar verknüpft. Sonst hält die Maschine sie für Beiwerk.

Entitäten in der SEO-Praxis

Keywords sind nicht tot. Aber sie sind nicht mehr der Mittelpunkt. Entitäten bilden die semantische Klammer, die Suchanfrage, Dokument und Absicht zusammenhält, auch wenn jemand ein Synonym tippt oder eine Frage umformuliert.

Praktisch bedeutet das vor allem Eindeutigkeit. Geben Sie Ihrer Entität eine kanonische Seite, die sie vollständig beschreibt. Belegen Sie ihre Identität mit sameAs, indem Sie auf Wikidata, Wikipedia oder offizielle Profile verweisen. Bei lokalen Unternehmen verbindet LocalBusiness-Markup Name, Adresse und Öffnungszeiten zu einer erkennbaren Einheit. Google empfiehlt JSON-LD als Format, und die Richtlinien zeigen, welche Eigenschaften eine Auszeichnung tragen. So sieht das für eine Organisation aus:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://www.beispiel.de/#org",
  "name": "Beispiel GmbH",
  "url": "https://www.beispiel.de/",
  "sameAs": [
    "https://de.wikipedia.org/wiki/Beispiel",
    "https://www.wikidata.org/wiki/Q123456",
    "https://www.linkedin.com/company/beispiel"
  ],
  "logo": "https://www.beispiel.de/logo.svg",
  "description": "Deutsches Unternehmen für ...",
  "foundingDate": "2012-05-16"
}

Das sameAs ist dabei mehr als Dekoration. Es ist der Ausweis Ihrer Entität. Wählen Sie nur stabile, hochwertige Ziele. Ein toter Link beweist keine Identität, er bezeugt Nachlässigkeit.

Warum Entitäten 2026 über Sichtbarkeit entscheiden

Hier kommt der Punkt, an dem das Thema vom Pflichtkapitel zur Überlebensfrage wird.

Die Suche zerfällt nicht mehr in zwei getrennte Welten. Klassische Trefferlisten, Googles AI Overviews und Antwortmaschinen wie ChatGPT, Perplexity oder Gemini greifen auf dieselbe Schicht zu: auf Entitäten. Wer im Wissensgraphen nicht sauber erkannt wird, fällt aus beiden Welten zugleich. Die KI bevorzugt bei der Quellenauswahl Marken und Personen, die als klare Entität existieren. Eine Marke ohne erkennbares Profil wird nicht zitiert, sie wird übersprungen.

Im deutschsprachigen Raum kommt eine eigene Pflicht hinzu. Eine gepflegte Wikidata-Präsenz, konsistente Angaben über alle Kanäle, Erwähnungen in glaubwürdigen Fachmedien. Nicht, weil ein Algorithmus es belohnt, sondern weil so Vertrauen entsteht, und Maschinen folgen den Spuren des Vertrauens. Die Google Search Essentials beschreiben dasselbe Prinzip in nüchterner Sprache.

Eine Frage zum Mitnehmen: Wenn morgen eine KI gefragt würde, wer Sie sind und was Sie tun, fände sie eine klare Antwort? Oder nur einen Namen, der zu vielen passt?

Entitäten sauber aufsetzen: ein Weg in sieben Schritten

1. Heimat schaffen. Eine kanonische Seite, die Ihre Entität vollständig beschreibt.
2. Strukturieren. JSON-LD mit dem passenden Schema.org-Typ, validiert im Rich-Results-Test.
3. Eindeutig machen. @id, identifier und sameAs setzen, damit keine Verwechslung bleibt.
4. Konsistent bleiben. Name, Adresse, Logo, Profile überall gleich. Widersprüche kosten Glaubwürdigkeit.
5. Tiefe geben. Eigenschaften und Beziehungen erklären, statt die Entität nur zu erwähnen.
6. Belegen. Aussagen mit verlässlichen Quellen stützen. Vertrauen ist verknüpfbar.
7. Beobachten. Search Console und Wikidata-Einträge im Blick behalten, Fehler früh sehen.

Häufige Fragen

Was unterscheidet eine Entität von einem Keyword?
Ein Keyword ist eine Zeichenfolge, die jemand eintippt. Eine Entität ist das Ding selbst, mit Eigenschaften und Beziehungen. Das Keyword ist der Name auf der Liste. Die Entität ist der Gast, den der Türsteher kennt.

Brauche ich wirklich Schema.org-Markup?
Es ist keine Rankinggarantie, aber es macht Inhalte verständlicher und qualifiziert sie für reichere Darstellungen. In einer Welt der Antwortmaschinen ist Verständnis die halbe Miete.

Sind Wikidata-Kennungen wichtig fürs SEO?
Nicht als direkter Faktor, aber als stabiler Anker. In Kombination mit sameAs helfen sie Maschinen, Ihre Identität sicher festzumachen.

Wie misst man Entitäts-Salienz?
Es gibt keine offizielle Google-Kennzahl. In der Forschung beschreibt Salienz die inhaltliche Wichtigkeit einer Entität im Text. Sie steigt durch Fokus, präzise Benennung und klar gezeigte Beziehungen.

Resümierend

Entitäten sind der gemeinsame Nenner zwischen Datenbanken, Wissensgraphen, Sprachverarbeitung und Suche. Auf technischer Ebene halten RDF, OWL und SPARQL die Form. Im Web schafft Schema.org die Verständigung. In der Suche verdichten Wissensgraphen die Bedeutung.

Am Ende läuft alles auf eine alte, menschliche Sache hinaus. Es ist der Unterschied zwischen gehört und gekannt werden. Ihr Name lässt sich tippen. Ob die Maschine dahinter Sie erkennt, entscheiden Sie.