Hinweis: Dieser Beitrag gehört zur Wissensrubrik Kontext schlägt Content: Warum deine perfekten Texte unsichtbar bleiben im Mehrklicks-Wissensportal.
Die Inhalte beschreiben Methoden und Strukturen, mit denen wir Marken für KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews sichtbar machen.
Eine thematische Einordnung und die operative Umsetzung findest du auf der Seite Agentur für KI-Sichtbarkeit.
Ich erinnere mich an einen Kunden, dessen Team monatelang einen perfekten Pillar-Content über „Markenaufbau“ erstellt hatte. Top-Recherche, super geschrieben, alle On-Page-Faktoren auf Grün. Das Ranking in der klassischen Google-Suche war solide. Doch in den KI-Antworten von ChatGPT, Perplexity & Co. tauchte die Seite nie auf. Stattdessen wurden Wettbewerber zitiert, deren Inhalte auf den ersten Blick schwächer wirkten.
Das Problem: Ihr Content war zwar für Menschen optimiert, aber für Maschinen blieb er mehrdeutig. Google musste interpretieren, worum es wirklich ging. Ging es um den Markenaufbau für Start-ups? Für Konzerne? Um Personal Branding? Die KI, die auf Eindeutigkeit angewiesen ist, ignorierte den Inhalt schlichtweg.
Genau in diesem Moment habe ich aufgehört, Algorithmen raten zu lassen. Stattdessen habe ich angefangen, ihnen explizite Anweisungen zu geben. Mein wichtigstes Werkzeug dafür sind zwei unscheinbare, aber extrem mächtige Eigenschaften in Schema.org: ‚about‘ und ‚mentions‘.
Jahrelang haben wir gelernt, in Keywords zu denken. Wir haben Inhalte um Suchbegriffe herum gebaut und gehofft, dass die Suchmaschine den Kontext schon verstehen wird. Doch das ist ein Relikt aus einer Zeit, in der Google eine reine Text-Suchmaschine war. Heute leben wir in der Ära der Entitäten.
Eine Entität ist nicht nur ein Wort, sondern ein eindeutig identifizierbares Konzept mit Eigenschaften und Beziehungen.
Keyword: „Jaguar“ (Ein mehrdeutiger Text-String)
Entität: „Jaguar (Automarke)“ (Ein spezifisches Konzept, verbunden mit „Luxusautos“, „Großbritannien“, „Tata Motors“)
Entität: „Jaguar (Tier)“ (Ein anderes spezifisches Konzept, verbunden mit „Raubkatze“, „Südamerika“, „Säugetier“)
Moderne KI-Systeme wie Googles Knowledge Graph oder die Modelle hinter ChatGPT bauen ihr Weltwissen auf diesen Entitäten auf. Sie wollen nicht raten, ob du mit „Jaguar“ das Auto oder die Katze meinst. Sie wollen es wissen. Sendet dein Inhalt hier keine klaren Signale, wird er als mehrdeutig und damit weniger relevant eingestuft. Und genau hier setzt die semantische Auszeichnung an, um die KI-Sichtbarkeit deiner Marke zu steuern.
Stell dir vor, du drehst einen Film. Du hast einen Hauptdarsteller und verschiedene Nebendarsteller, die die Handlung vorantreiben und ihm Kontext geben. ‚about‘ und ‚mentions‘ sind deine Chance, das Drehbuch deines Contents direkt an die KI zu übermitteln.
Die ‚about‘-Eigenschaft ist die wichtigste Deklaration deines Inhalts. Du teilst einer Maschine damit mit: „Dieser gesamte Inhalt – jeder Absatz, jedes Bild, jedes Wort – handelt grundlegend von dieser einen, zentralen Entität.“
Es gibt keine zweite Hauptrolle. Es gibt nur ein zentrales Thema. Wenn du einen Artikel über die Volkswagen AG schreibst, dann ist die Entität „Volkswagen AG“ der ‚about‘-Wert. Nicht „Autos“, nicht „Deutsche Wirtschaft“, sondern das spezifische Unternehmen.
Durch diese Klarheit eliminierst du jegliche Ambiguität. Eine Maschine muss nicht mehr aus dem Text ableiten, was das Kernthema ist. Du sagst es ihr.
Ein Inhalt nur mit einem Hauptdarsteller wäre langweilig und kontextlos. Die ‚mentions‘-Eigenschaft erlaubt es dir, alle anderen relevanten Entitäten aufzulisten, die in deinem Inhalt eine Rolle spielen.
In unserem Artikel über die Volkswagen AG (‚about‘) könnten wir folgende Entitäten als ‚mentions‘ deklarieren:
Herbert Diess (ehemaliger CEO)
Ferdinand Porsche (Gründer)
Wolfsburg (Hauptsitz)
Elektromobilität (strategisches Thema)
VW Golf (wichtiges Produkt)
Jede dieser ‚mentions‘ fügt eine weitere Ebene des Verständnisses hinzu. Die KI versteht dadurch sofort die Beziehungen: Der Artikel über Volkswagen erwähnt auch Herbert Diess und behandelt das Thema Elektromobilität. Das schafft ein reiches, vernetztes Verständnis, das weit über simple Keywords hinausgeht. Es ist die Grundlage jeder funktionierenden Entitäten-Architektur für maschinenlesbare Inhalte.
Die Implementierung ist kein Hexenwerk. Ich folge einem simplen, aber rigorosen Prozess, der sicherstellt, dass jeder Inhalt maschinenlesbar wird.
Frage dich vor der Veröffentlichung: Was ist die eine Sache, worum es hier unmissverständlich geht? Wenn du mehr als eine Antwort hast, ist dein Inhalt wahrscheinlich nicht fokussiert genug. Diese eine Antwort ist dein Kandidat für die ‚about‘-Eigenschaft.
Lies deinen Text durch und markiere alle spezifischen Personen, Orte, Organisationen, Produkte oder Konzepte, die du erwähnst. Das sind deine Kandidaten für die ‚mentions‘-Eigenschaft. Sei dabei präzise. Nicht „ein Auto“, sondern „VW Golf 8“.
Entscheidend ist nun, diesen Entitäten eine eindeutige, maschinenlesbare Kennung zuzuordnen. Anstatt nur den Namen „Volkswagen AG“ zu nennen, verknüpfen wir ihn mit seinem eindeutigen Eintrag in einem Wissensgraphen – zum Beispiel der entsprechenden Wikipedia-Seite oder dem Wikidata-Eintrag.
Ein vereinfachtes JSON-LD Beispiel:
{ "@context": "https://schema.org", "@type": "Article", "headline": "Die Transformation der Volkswagen AG zur Elektromobilität", "author": { "@type": "Person", "name": "Dein Name" }, "about": { "@type": "Organization", "name": "Volkswagen AG", "sameAs": "https://de.wikipedia.org/wiki/Volkswagen_AG" }, "mentions": [ { "@type": "Person", "name": "Herbert Diess", "sameAs": "https://de.wikipedia.org/wiki/Herbert_Diess" }, { "@type": "Product", "name": "VW Golf", "sameAs": "https://de.wikipedia.org/wiki/VW_Golf" }, { "@type": "Place", "name": "Wolfsburg", "sameAs": "https://de.wikipedia.org/wiki/Wolfsburg" } ]}Mit diesem Code-Schnipsel gibst du einer Maschine nicht nur Namen, sondern eindeutige Identitäten. Du nimmst ihr die Arbeit der Interpretation ab und lieferst Fakten. Du baust ein Fundament für Vertrauen und Autorität deiner Marke in der KI-Welt.
Als wir dieses Framework bei dem eingangs erwähnten Kunden anwendeten, änderte sich das Spiel. Wir haben den bestehenden Artikel über „Markenaufbau“ neu fokussiert und klar als ‚about‘ „Brand Building for B2B Startups“ deklariert. Als ‚mentions‘ fügten wir Konzepte wie „Venture Capital“, „Product-Market Fit“ und bekannte Gründerpersönlichkeiten hinzu.
Innerhalb weniger Wochen erschien der Inhalt nicht nur in den klassischen Suchergebnissen, sondern wurde auch von KI-Assistenten zitiert: als Quelle für Anfragen wie „Wie bauen B2B-Start-ups eine Marke auf?“. Warum? Weil wir die Mehrdeutigkeit beseitigt hatten. Wir waren nicht mehr nur eine von vielen Quellen, die interpretiert werden mussten. Wir waren die Quelle, die der Maschine eine klare, strukturierte Antwort lieferte.
Hör auf zu hoffen, dass KI-Systeme deine Inhalte richtig verstehen. Fang an, es ihnen zu befehlen.
‚mainEntity‘ wird oft verwendet, um das primäre Objekt einer Seite zu beschreiben, z. B. das Produkt auf einer Produktseite. ‚about‘ ist breiter und beschreibt das übergeordnete Thema des gesamten kreativen Werks, zum Beispiel eines Artikels. Bei Blogartikeln und Wissensinhalten ist ‚about‘ daher oft die präzisere Wahl, um das Kernthema zu definieren.
Nein, und das ist der springende Punkt. Ein gut fokussierter Inhalt hat nur ein Kernthema. Die Verwendung eines Arrays (einer Liste) ist für ‚about‘ laut Schema.org zwar technisch möglich, aber konzeptionell schwach. Wenn du das Gefühl hast, mehrere ‚about‘-Entitäten zu brauchen, ist dein Inhalt wahrscheinlich nicht spitz genug positioniert.
Wikipedia ist ein hervorragender und leicht zugänglicher Startpunkt. Die URL einer spezifischen Wikipedia-Seite ist eine weltweit anerkannte ID für eine Entität. Für fortgeschrittenere Anwendungen sind Wikidata-Einträge noch präziser, da sie rein datenbasiert sind.
Qualität vor Quantität. Füge nur Entitäten hinzu, die im Text auch tatsächlich eine relevante Rolle spielen. Eine Liste von 5–10 stark relevanten Entitäten ist wertvoller als eine Liste von 50 oberflächlich erwähnten Begriffen. Jede ‚mention‘ sollte den Kontext des ‚about‘-Themas sinnvoll erweitern.
Nein, es erweitert sie. Die Keyword-Recherche hilft dir nach wie vor zu verstehen, welche Sprache Menschen verwenden, um nach Informationen zu suchen. Die Entitäten-Optimierung mit ‚about‘ und ‚mentions‘ stellt sicher, dass Maschinen den Kontext hinter dieser Sprache unmissverständlich verstehen. Beides zusammen bildet die Grundlage für moderne KI-Sichtbarkeit.