Google Knowledge Graph

Geschrieben am: 27. April 2022 | Zuletzt aktualisiert: 27. August 2022 | Lesezeit: ca. 7 Min.

Inhaltsverzeichnis

Was ist ein Knowledge Graph?

Der Begriff Knowledge Graph stammt nicht von Google selbst, sondern beschreibt ein Netzwerk aus Entitäten und deren Beziehung zueinander. Entitäten sind Bezeichnungen für real existierende Dinge, beispielsweise Personen, Orte oder Unternehmen.

Ein Knowledge Graph besteht aus drei Komponenten:

• Knoten: die „Einträge“ bzw. Entitäten, die im Graphen enthalten sind
• Kanten: sie definieren die Beziehungen zwischen den Knoten
• Labels: sie geben die Bedeutung der Beziehung wieder

Diese Organisation von Wissen ermöglicht es Google Ergebnisse anzuzeigen, auch wenn die gesuchte Entität nicht in der Suchanfrage enthalten ist:

Dank des Knowledge Graphen weiß Google, dass Berlin die Hauptstadt von Deutschland ist.

Die beiden Entitäten Berlin und Deutschland stehen im Knowledge Graphen mit dem Label Hauptstadt in einer Beziehung (Kante).

Attribute im Knowledge Graphen

In Googles Knowledge Graphen sind auch Attribute der jeweiligen Entitäten enthalten. Eine Stadt kann beispielsweise Informationen zur Fläche oder ihrer Lage als Attribut vermerkt haben. Das ermöglicht es Google, in den Suchergebnissen entsprechende Attribute einer Entität anzuzeigen:

Entitätstypen

Die Einträge im Knowledge Graphen werden von Google nach Entitätstypen klassifiziert.

Diese Typen beschreiben ihre Themenart: einen Ort, ein Event oder eine berühmte Person. Wird kein passender Typ gefunden, wird die Entität als „Thing“ bezeichnet. Die Zuordnung erfolgt anhand der Eigenschaften der jeweiligen Entität.

	Puma (Tier)	Puma (Unternehmen)
Eigenschaft 1	Höhe: 60 – 90 cm	Gründer: Rudolf Dassler
Eigenschaft 2	Geschwindigkeit: 64 – 80 km/h	Gründung: 1948
Eigenschaft N	Länge: 2,4 m	Hauptsitz: Herzogenaurach
Entitätstyp	Thing	Organization

Googles Knowledge Graph beinhaltet aktuell (Stand: April 2022) folgende Typen:

Dabei kann eine Entität in mehreren Typen enthalten sein. Berlin ist eine Entität, die fünf Entitätstypen zugeordnet ist:

"@type": [
          "Thing",
          "Cemetery",
          "Place",
          "AdministrativeArea",
          "LandmarksOrHistoricalBuildings",
          "City"
        ],
        "url": "http://www.berlin.de",
        "name": "Berlin",
        "description": "Capital of Germany",
        "image": {
          "url": "https://commons.wikimedia.org/wiki/File:Aerial_view_of_Berlin_(32881394137).jpg",
          "contentUrl": "https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcSfuTcGRyIXqnq_tnF_Wsj28fvITHOWA6j7SbrpycoaZ7CLnzlA"
        },
        "@id": "kg:/m/0156q"

Diese Klassifizierung macht es Google einfacher die richtigen Entitäten zu verwenden. Dabei ist wichtig zu wissen, dass Entitäten stets einzigartig sind.

Auch wenn wir in unserer Sprache dasselbe Wort für verschiedene Dinge verwenden, sind ihre jeweiligen Entitäten mit unterschiedlichen IDs und unterschiedlichen Entitätstypen im Knowledge Graphen gespeichert.

Der Knowledge Graph als Grundlage der semantischen Suche

Diese Klassifizierung bietet den Vorteil, dass Google in der Lage ist, bei mehrdeutigen Begriffen innerhalb einer Suchanfrage die richtige Entität zu verwenden.

Als Beispiel soll hier der Begriff „Orange“ dienen, der sowohl eine Frucht als auch einen französischen Telefonkonzern beschreibt. Dazu wurden zwei Sätze mit der Natural Language API demo von Google getestet.

Beim Satz „Ich habe einen Handyvertrag bei Orange“ kann Google erkennen, dass mit „Orange“ die Entität vom Typ „Organization“ gemeint ist.

Beim Satz „Ich hätte gerne eine Orange“ weiß Google, dass eine Entität vom Typ „Other“ gemeint ist.

Dieses kleine Experiment zeigt auch, dass Google in der Lage ist, Entitäten aus unstrukturiertem Text zu extrahieren. Das bring uns zum nächsten Thema.

Wie füllt Google den Knowledge Graphen?

Googles Knowledge Graph enthält über 500 Millionen Objekte (Quelle). Diese werden überwiegend auf drei Arten gewonnen:

• Strukturierte Daten: dabei handelt es sich um Daten, auf die Google entweder via API zugreifen kann (z.B. von Wikidata oder dem CIA World Factbook) oder um Webseiten, die Ihre Inhalte mit strukturierten Daten gemäß schema.org ausgezeichnet haben
• Semistrukturierte Daten: Webseiten wie die Wikipedia, die Ihre Informationen zwar nicht gemäß den Spezifikationen von schema.org ausgezeichnet haben, die aber trotzdem für Google gut lesbar sind.
• Unstrukturierte Daten: hier arbeitet Google mit Natural Language Processing (NLP) bzw. Natural Language Understanding (NLU), um die natürliche Sprache zu verstehen und Entitäten zu erkennen. Wie gut Google das beherrscht, lässt sich anhand der Natural Language API sehen (siehe Beispiel zum Thema “Orange” oben).

Es reicht jedoch nicht, die eigene Website mit strukturierten Daten auszuzeichnen, um als Entität im Knowledge Graphen zu erscheinen. Das würde die Qualität des Graphen negativ beeinflussen. Deshalb setzt Google auf vertrauenswürdige Quellen wie Wikipedia und Wikidata, um die Datenbank zu füllen.

Was der Knowledge Graph für SEO bedeutet

Mit der Einführung des Knowledge Graphen hat sich 2012 vor allem das Erscheinungsbild der Suchergebnisse verändert.

Ab diesem Zeitpunkt führten immer mehr Suchanfragen nach einer Entität zu einer Einblendung des Knowledge Panels, das heute rechts neben den Suchergebnissen erscheint.

Mittlerweile tauchen auch immer häufiger sogenannte Knowledge Cards auf, die oberhalb der Suchergebnisse erscheinen:

Selbstverständlich erscheinen Knowledge Crads hauptsächlich bei Suchbegriffen, die sich nicht gut durch Anzeigen vermarkten lassen.

Mit dem Hummingbird Update und Rankbrain wurde Google immer besser darin, Entitäten in Suchanfragen zu erkennen und so auch in der organischen Suche zu berücksichtigen. Auch wenn diese Inhalte nicht aus dem Knowledge Graphen stammen.

Die Inhalte aus dem Knowledge Graphen finden jedoch auch in anderen Bereichen Verwendung, die SEOs bekannt sind.

Die Box „Ähnliche Fragen“ wird beispielsweise mithilfe des Knowledge Graphen erstellt. So taucht bei der Frage nach „Wie alt ist die Queen?“ recht schnell in der Box die Frage „Wie alt ist Charles?“ auf, was zeigt, dass Google einen starken Zusammenhang zwischen der Queen und Charles erkennt.

SEO für den Knowledge Graphen

Um selbst als Entität im Knowledge Graphen geführt zu werden und im Panel ausgespielt zu werden, bedarf es mehr als nur einer Website, die mit strukturierten Daten ausgezeichnet ist.

In der Regel ist dafür ein Eintrag ein einer Wissendatenbank wie der Wikipedia oder Wikidata nötig. Diese unterliegen jedoch recht strengen Qualitätsrichtlinen und versuche einen Eintrag für das eigene Unternehmen vorzunehmen scheitern oft.

Dennoch ist es ratsam, die eigene Website so gut wie möglich mit strukturierten Daten auszuzeichnen.

Was der Knowledge Graph für Google bedeutet

Wohlwollend formuliert dient der Knowledge Graph vor allem dazu, die Suchergebnisse noch relevanter zu machen. Integrationen wie die Knowledge Cards werden schließlich von den Nutzern vermutlich gerne angenommen, weil der Klick auf eine Website entfällt.

Auch helfen Knowledge Cards Google dabei, komplexe Suchanfragen schnell zu beantworten. Was insbesondere bei der Sprachsuche sehr nützlich ist.

Auf der anderen Seite kostet die Integration eines Knowledge Panels die Seitenbetreiber Klicks, weil die Anfrage direkt von Google beantwortet wird. So wird die Suchmaschine zur Antwortmaschine.

Auch werden die User dadurch im Google Universum gehalten, in der Hoffnung (aus Google-Sicht) vielleicht doch noch irgendwann auf eine Anzeige zu klicken.

Fazit

Zweifelsohne ist der Knowledge Graph die Basis für eine semantische Suchmaschine, die dank Machine Learning (Stichwort: Natural Language Processing) immer ausgeklügelter wird.

Auch wenn der Knowledge Graph kein direkter Raningfaktor ist, ist es für SEOs wichtig, sich mit den Mechanismen der semantischen Suche vertraut zu machen, da diese auch immer mehr Einfluss auf die organischen Treffer nimmt.