Google Semantische Infrastruktur
Google ist die dominierende Suchmaschine und der zentrale Akteur im Ökosystem der semantischen Infrastruktur, der mit seinem Knowledge Graph die Entitätsbasierung der Suche vorangetrieben hat.
Google hat mit der Einführung des Knowledge Graph 2012, den Algorithmus-Updates Hummingbird (2013), RankBrain (2015), BERT (2019) und MUM (2021) die Suche von der Keyword-Ebene auf die semantische Ebene transformiert. Als Mitgründer von Schema.org definiert Google de facto, welche strukturierten Daten im Web relevant sind. Der Google Knowledge Graph enthält Milliarden von Fakten über Entitäten und speist Knowledge Panels, AI Overviews und andere Suchergebnis-Features. In der semantischen Infrastruktur ist Google gleichzeitig der größte Konsument und der wichtigste Maßstab: Structured Data, Entity SEO und semantische Content-Strategien orientieren sich primär an Googles Anforderungen und Verarbeitung. Die Google Search Quality Rater Guidelines mit E-E-A-T definieren die Qualitätskriterien für Webinhalte. Googles Natural Language API und die Search Console bieten Werkzeuge zur Analyse der semantischen Verarbeitung. Mit AI Overviews hat Google den Übergang zur generativen Suche eingeleitet, was die Bedeutung der semantischen Infrastruktur weiter erhöht.
Googles Knowledge Graph als semantische Infrastruktur
Der Knowledge Graph ist nicht Googles Antwort auf Wikipedia, sondern seine Infrastruktur für semantisches Verstehen.
Als Google 2012 den Knowledge Graph ankündigte, formulierte es das Ziel: 'things, not strings'. Keine Zeichenketten sollen die Grundlage von Suchergebnissen sein, sondern Entitäten mit Eigenschaften und Relationen. Das war keine Marketingaussage, sondern eine architektonische Weichenstellung.
Der Knowledge Graph verbindet Milliarden von Fakten über Entitäten miteinander. Eine Person hat eine Nationalität, einen Beruf, Werke, Auszeichnungen, Verbindungen zu Institutionen. Jede dieser Relationen ist maschinenlesbar und für Inferenz nutzbar. Wenn du nach einer Person suchst, antwortet Google nicht aus einem Dokument, sondern aus diesem Geflecht von Fakten.
Die Quellen, aus denen der Knowledge Graph gespeist wird, sind nicht vollständig dokumentiert. Wikidata, Wikipedia, Schema.org-Markup, offizielle Websites, vertrauenswürdige Datenbanken: All das fließt ein, aber die Gewichtung bleibt Googles Betriebsgeheimnis.
Für semantische Infrastruktur ist das relevant, weil der Knowledge Graph als Goldstandard für Entitätswissen fungiert. Wer dort nicht repräsentiert ist oder falsch repräsentiert wird, kämpft gegen ein System, das ihn schlicht nicht kennt.
Semantische Signale für Google richtig setzen
Google liest deinen Text nicht, es interpretiert Signale, und diese Signale musst du aktiv gestalten.
Das klingt wie eine Provokation, ist aber eine technische Beschreibung. Googles Crawling-System extrahiert Entitäten, Relationen und Kontexte aus deinem Content. Was nicht als Signal kodiert ist, hat keine Wirkung, unabhängig davon, wie präzise dein Text formuliert ist.
Drei Signalklassen sind entscheidend. Strukturelle Signale: Schema.org-Markup, das Entitätstypen und Eigenschaften deklariert. Autoritative Signale: externe Verlinkungen von und zu vertrauenswürdigen Quellen, Erwähnungen in Wissensgraphen. Konsistenz-Signale: übereinstimmende Selbstbeschreibung über alle Touchpoints hinweg, von deiner Website über Social-Profile bis zu Verzeichniseinträgen.
Ein häufig unterschätzter Hebel ist die Google Search Console. Sie zeigt nicht nur Performance-Daten, sondern gibt Hinweise darauf, welche Suchanfragen deine Seite triggern, also welche Entitäten und Intentionen Google mit dir assoziiert. Diese Daten sind Feedback aus dem System selbst.
Nutze das Google Natural Language API, um deinen eigenen Content zu analysieren. Welche Entitäten extrahiert das System? Mit welcher Salienz? Stimmt das Ergebnis mit deiner Intention überein? Wenn nicht, liegt das Problem nicht im Algorithmus, sondern in deiner Signalgebung.