Wie geht Five Blocks bei der Entitätsoptimierung vor?
Five Blocks baut strukturierte Signale auf, die einen Kunden für Google und KI-Engines gleichzeitig lesbar machen: vollständige Wikidata-Einträge, Schema-Markup, konsistente NAP-Daten, maßgebliche Drittquellen-Zitationen und explizite Disambiguierungssignale über eigene und fremde Quellen hinweg. Da der Google Knowledge Graph und jede große KI-Engine dieselbe zugrunde liegende Entitätsinfrastruktur auslesen, zahlt sich die einmalige Optimierung dieser Ebenen plattformübergreifend aus.
Entitätsoptimierung leistet pro investiertem Euro mehr, als die meisten Reputations-Teams annehmen, da dieselbe Infrastruktur gleichzeitig den Google Knowledge Graph und jede KI-Engine speist. Five Blocks arbeitet parallel auf fünf Ebenen.
- Wikidata
- Ein vollständiger Entitätsdatensatz mit korrekten Eigenschaften für die Organisation oder Person, verlinkt mit dem Wikipedia-Artikel (sofern vorhanden), mit sameAs-Identifikatoren zu anderen maßgeblichen Wissensdatenbanken. Wikidata ist eine primäre Datenquelle für den Google Knowledge Graph und wird von KI-Engines wie Gemini direkt für Entitätsfakten abgefragt.
- Schema-Markup
Organization,Person,Article,FAQPage,HowTound andere geeignete Schema-Typen, die auf den eigenen Web-Properties des Kunden mit expliziten Beziehungssignalen implementiert werden. Schema-Markup hilft Such- und KI-Engines zu verstehen, welche Aussagen eine Seite trifft, und diese der richtigen Entität zuzuordnen, was beeinflusst, ob diese Inhalte ausgespielt werden.- NAP-Konsistenz
- Name, Adresse, Telefonnummer und andere identifizierende Attribute, die im gesamten offenen Web konsistent ausgelesen werden. Inkonsistente Entitätsattribute fragmentieren die Signale, anhand derer Engines bestätigen, dass sie über verschiedene Quellen hinweg dieselbe Entität erfassen.
- Maßgebliche Zitationen
- Drittquellen, die die Fakten der Entität auf eine Weise bestätigen, die die Engines lesen und gewichten können. KI-Engines vertrauen bei der Generierung von Antworten über ein Unternehmen auf Eingaben wie Wikipedia, die Knowledge Graph-Entität und die Berichterstattung in Medien, die sie hoch gewichten.
- Disambiguierung
- Explizite Signale, die den Kunden von ähnlich benannten Entitäten trennen. KI-Engines können verschiedene Entitäten mit demselben Namen vermischen, wenn die Entitätsinfrastruktur schwach ist: kein Wikidata, kein Schema, keine saubere Disambiguierung. Five Blocks baut die Disambiguierung durch eindeutige Wikidata-Attribute,
sameAs-Links und eigene Web-Properties auf, die so strukturiert sind, dass sie die Identität des Kunden klar abgrenzen.
Der Nutzen potenziert sich über die verschiedenen Engines hinweg, da jede Engine mehr als eine Ebene ausliest. Ein gut aufgebauter Entitätsdatensatz in Wikidata speist den Google Knowledge Graph, informiert das Knowledge Panel, trainiert KI-Modelle und steuert die Retrieval-Augmented Generation – alles aus derselben Arbeit heraus.
Zuletzt überprüft: 19/05/2026
