Welche Rolle spielen Co-Occurrence und Co-Citation beim Aufbau von Entitäten?

Co-Occurrence und Co-Citation sind zwei Wege, über die Such- und KI-Systeme die Kategorie und die Assoziationen einer Entität aus natürlicher Sprache ableiten, ohne dass dies direkt vorgegeben wird oder Hyperlinks vorhanden sind. Beide beschreiben, wo und neben was eine Entität in glaubwürdigen Inhalten erwähnt wird, und die Systeme lesen diese Muster aus, um die Entität einzuordnen.

Die beiden Muster

Co-Occurrence

Eine Entität erscheint in maßgeblichen Inhalten neben bestimmten Themen, Begriffen oder Mitbewerbern: Eine Führungskraft wird wiederholt in Artikeln über eine Branche genannt, oder ein Unternehmen wird neben seinen Konkurrenten erwähnt. Such- und KI-Systeme verfolgen diese Muster in natürlicher Sprache, nicht nur in Links, und nutzen sie, um abzuleiten, womit eine Entität assoziiert wird und zu welcher Kategorie sie gehört. Begriffe, die in der Nähe einer benannten Entität stehen, werden mit dieser verknüpft.

Co-Citation

Maßgebliche Quellen erwähnen eine Entität zusammen mit verwandten Entitäten, was dem System signalisiert, dass sie zur selben Gruppe oder Kategorie gehören. In der SEO-Fachliteratur bedeutet Co-Citation, dass eine Marke von zwei verschiedenen Quellen erwähnt, aber nicht zwingend verlinkt wird, sodass die Assoziation auch ohne einen Hyperlink zwischen ihnen registriert wird.

Wie Systeme diese Signale nutzen

Die Erkennung benannter Entitäten (Named-Entity Recognition) ermöglicht es Google und den KI-Engines, eine Marke aus dem umgebenden Text zu extrahieren und ihr die Erwähnung zuzuordnen, unabhängig von einem Link. Anschließend speichern sie die aus diesem Inhalt gewonnenen Attribute und verwandten Entitäten in Verbindung mit der Entität. Die Systeme nutzen kontextuelle Signale, die Branche, die Rolle und assoziierte Themen neben strukturierten Identifikatoren zur Disambiguierung und Kategorisierung. Wenn glaubwürdige Quellen ein Unternehmen beständig im Kontext von Distressed-Debt-Investments diskutieren, haben die Engines starke kontextuelle Gründe, es als Distressed-Debt-Entität einzustufen. Entscheidend ist, wo und neben was eine Entität erwähnt wird, nicht nur, dass sie erwähnt wird.

Warum dies für die Reputationsarbeit wichtig ist

Diese Assoziationsmuster prägen, wie Systeme eine Entität kategorisieren. Die richtigen Co-Occurrences in den passenden Kontexten und neben den richtigen Mitbewerbern zu erzielen, ist daher ein Teil der Steuerung, wie die Entität verstanden wird. Wir verfolgen diese Muster und ihre Auswirkungen auf das KI-Framing mit AIQ.