Entitäten im SEO – Die Grundlagen

Was sind Entitäten?

Der Begriff Entität stammt ursprünglich aus der Datenbankentwicklung. Im sog. Entity-Relationship-Modell (ERM) ist eine Entität ein eindeutig unterscheidbares Objekt, das als Information in einer Datenbank konsistent abgespeichert wird.¹

Im SEO bezeichnet eine Entität ein eindeutig identifizierbares „Ding“, etwa eine Person, eine Organisation, einen Ort, ein Objekt, ein literarisches Werk, eine Krankheit oder ein abstraktes Konzept mit einer Bedeutung und Beziehung zur realen Welt. Die Identität einer Entität ist dabei unabhängig von einer bestimmten Bezeichnung. Suchmaschinen ordnen unterschiedliche Namen und Schreibweisen derselben Entität zu und verknüpfen so Informationen über sie.

Trennung von Bezeichnung und Bedeutung

Für Suchmaschinen ist die Trennung von Entität und Bezeichnung notwendig, weil ein Wort oft mehrere Bedeutungen habe kann. Das Wort „Jaguar“ kann eine Tierart, einen Automobilhersteller oder ein Fahrzeugmodell bezeichnen. Die Zeichenfolge bleibt gleich, gemeint sind jedoch verschiedene Entitäten mit unterschiedlichen Bedeutungen.

Um diesen Grundgedanken zu verstehen muss man sich klarmachen, dass eine Entität nicht dasselbe ist wie ihre sprachliche Bezeichnung, oder eine allgemeine Kategorie, oder ein Dokument über sie oder ein konkretes Objekt. Die folgenden Beispiele grenzen diese vier Perspektiven voneinander ab. Dabei können sich die Perspektiven natürlich überschneiden, weil der Zweck eines Systems bestimmt, was es als eigene Entität behandelt.

Entität gegenüber Wort. Ein Wort ist ein sprachliches Zeichen. Es kann eine Entität bezeichnen, ist aber nicht mit ihr identisch. Eine Entität kann mehrere Bezeichnungen haben. So können „Jaguar Land Rover“ und die Abkürzung „JLR“ dasselbe Unternehmen bezeichnen. Die Bezeichnungen unterscheiden sich, die gemeinte Entität bleibt jedoch dieselbe.

Entität gegenüber Begriff. Ein Begriff beschreibt eine Klasse und ihre gemeinsamen Merkmale. „Automobilhersteller” ist ein solcher Begriff. „Jaguar Land Rover Limited“ ist eine konkrete Entität innerhalb dieser Klasse. Ein Wissensmodell kann einen Begriff als abstrakte Entität behandeln. In diesem Fall erhält der Begriff eine eigene Identität, eigene Attribute und eigene Beziehungen. Ob dies sinnvoll ist, legt der Zweck des Systems fest.

Entität gegenüber Dokument. Ein Dokument kann Aussagen über Entitäten enthalten. Der Wikipedia-Artikel über Jaguar beispielsweise ist nicht das Unternehmen selber, sondern eine Informationsquelle über das Unternehmen. Dabei kann ein System das Dokument selber wiederum auch zu einer Entität machen und als solche behandeln. In diesem Fall identifizieren Merkmale wie URL, Titel, Autor und Veröffentlichungsdatum das Dokument als Entität.

Entität gegenüber Objekt. Ein Objekt ist ein konkreter Gegenstand in der physischen oder digitalen Welt, etwa ein einzelnes Automobil oder eine Datei. Jedes Objekt kann eine Entität sein. Der Begriff „Entität” ist jedoch weiter gefasst. Er umfasst auch Organisationen, Ereignisse, Marken und abstrakte Konzepte ohne gegenständliche Form.

Am Beispiel Jaguar zusammengefasst:

• „Jaguar“ ist ein Wort und eine mögliche Bezeichnung.
• Jaguar Cars ist eine Entität. Die Tierart Panthera onca ist eine andere Entität.
• „Automobilhersteller“ ist ein Begriff und eine Kategorie.
• Eine Webseite über Jaguar Land Rover ist als Dokument eine eigene Entität.
• Ein bestimmter Jaguar F-Type ist ein Objekt und kann zugleich eine Entität sein.

Eigenschaften von Entitäten

Semantische Informationssysteme beschreiben eine Entität in der Regel durch sechs Arten von Angaben:

• Identität: Sie unterscheidet die Entität von anderen. Ein technisches System bildet diese Identität durch eine eindeutige Kennung ab.
• Typ: Er ordnet die Entität einer Klasse zu, etwa Person, Organisation, Ort, Produkt oder Ereignis.
• Bezeichnungen: Dazu gehören der bevorzugte Name, alternative Namen, Abkürzungen und sprachabhängige Varianten.
• Attribute: Sie beschreiben Merkmale, etwa das Geburtsdatum einer Person oder den Sitz eines Unternehmens.
• Beziehungen: Sie verbinden die Entität mit anderen Entitäten. Eine Person arbeitet für ein Unternehmen. Ein Unternehmen besitzt eine Marke oder betreibt eine Webseite.
• Kontext: Er hilft bei der Auswahl der passenden Bedeutung. Das ist besonders bei mehrdeutigen Bezeichnungen wie „Jaguar“ notwendig.

In einem System muss nicht eine einzelne Quelle zwingend alle Informationen enthalten. Ein Quelle nennt vielleicht nur eine der Bezeichnungen. Eine andere Quelle ergänzt dann Attribute oder Beziehungen. Letztlich führt ein Wissensgraph diese Angaben zusammen. Dafür muss das System zunächst aber erkennen, dass sich alle Angaben auf dieselbe Entität beziehen.

Warum Suchmaschinen mit Entitäten arbeiten

Klassische Suchverfahren stützen sich vor allem auf lexikalische Übereinstimmungen zwischen Suchanfragen und Dokumenten. Sie stoßen an Grenzen, wenn Bezeichnungen mehrdeutig sind oder dieselbe Sache verschiedene Namen trägt. Entitäten ergänzen die lexikalische Suche um eine semantische Repräsentationsebene. Sie helfen Suchmaschinen, eine Bezeichnung einer bestimmten Person, Organisation, Sache oder einem abstrakten Konzept zuzuordnen.

Wie die klassische Keyword-Suche funktioniert

Die „klassische“ Keyword-Suche basiert auf Methoden des Information Retrieval. In diesem Forschungsfeld wird seit den 1950er-Jahren untersucht, wie Systeme relevante Dokumente in großen Beständen finden. Solche großen Bestände sind z.B. die Bücher einer Bibliothek oder Textdateien aus einer Datenbank.

Ein Suchsystem verarbeitet zunächst den Dokumentbestand und erstellt daraus einen invertierten Index. Dieser funktioniert ähnlich wie das Stichwortverzeichnis eines Buches. Zu jedem Wort verzeichnet der Index, in welchen Dokumenten es vorkommt. Bei einer Suchanfrage schlägt das System die Suchbegriffe im Index nach und ermittelt passende Dokumente.

Die Relevanz wird dabei vor allem aus der lexikalischen Nähe zwischen Anfrage und Dokument abgeleitet. Suchsysteme können zwar unterschiedliche Wortformen, Schreibweisen und teilweise auch Synonyme berücksichtigen. Die zugrundeliegende Bedeutung eines Begriffs lässt sich aus der Zeichenkette allein jedoch nicht zuverlässig bestimmen.

Grenzen der reinen Wortsuche

Eine rein lexikalische Keyword-Suche bestimmt die Bedeutung eines Dokuments nicht unmittelbar. Sie vergleicht vor allem Wörter und andere erkennbare sprachliche Formen in der Suchanfrage und im Dokument. Dieses Verfahren funktioniert in vielen Fällen sehr gut, stößt aber an Grenzen, wenn unterschiedliche Bezeichnungen dieselbe Entität meinen, eine Bezeichnung mehrere Bedeutungen besitzt oder wichtige Zusammenhänge nicht ausdrücklich genannt werden, denn:

Erstens kann dieselbe Entität verschiedene Namen haben. Wer nach „JLR“ sucht, könnte bei einer einfachen Keyword-Suche Dokumente übersehen, in denen ausschließlich der vollständige Name „Jaguar Land Rover“ vorkommt. Der Inhalt würde zur Anfrage passen, obwohl die verwendeten Zeichenfolgen nicht übereinstimmen. Abkürzungen, Übersetzungen, unterschiedliche Schreibweisen und Namensänderungen können ähnliche Probleme verursachen.

Zweitens kann derselbe Name verschiedene Dinge bezeichnen. So steht „Jaguar” beispielsweise für eine Raubkatze, eine Automobilmarke oder ein Fahrzeugmodell. Eine reine Wortsuche kann diese Bedeutungen nicht sicher unterscheiden und liefert daher möglicherweise Ergebnisse zu mehreren Lesarten, die thematisch komplett unterschiedlich sind.

Drittens bildet eine reine Wortsuche keine Beziehungen zwischen Entitäten ab. So weiß ein Suchsystem beispielsweise nicht, dass eine bestimmte Person ein Unternehmen leitet oder ein Unternehmen ein Produkt herstellt. Fragen wie „Wer leitet Jaguar Land Rover?” setzen Wissen über solche Beziehungen voraus. Ein reiner Wortvergleich reicht dafür nicht aus.²

Diese Tatsachen zeigen, dass Wortübereinstimmungen allein für viele Suchanfragen nicht ausreichen. Nutzer suchen fast immer sehr spezifisch, also nach einer bestimmten Person, einem bestimmten Unternehmen, einem bestimmten Produkt oder einem bestimmten Ort, auch wenn sie dafür unterschiedliche oder mehrdeutige Bezeichnungen verwenden. Ein Suchsystem muss deshalb neben den Wörtern auch berücksichtigen, welche konkrete Entität im jeweiligen Kontext der Suche gemeint ist.

Semantic Search: Bedeutungen statt Zeichenketten

Die Entwicklung semantischer Suchverfahren erfolgte schrittweise³. Mit dem Wachstum des Internets stieg die Zahl der Dokumente in den Suchindizes exponentiell. Dadurch konnten mehrdeutige Suchanfragen wiederum eine größere Zahl irrelevanter Ergebnisse erzeugen.

Auch das Suchverhalten veränderte sich. Durch die mobile Nutzung und die Sprachsuche wurden immer häufiger vollständige Fragen gestellt. Solche Suchanfragen enthalten mehr Kontext, der bei einem reinen Wortvergleich nur begrenzt berücksichtigt wird.

Ein Suchsystem sollte deshalb neben den verwendeten Wörtern auch die bezeichneten Entitäten berücksichtigen. Dafür trennt das System zwei Ebenen. Die erste Ebene enthält die Erwähnung im Text. Auf der zweiten Ebene befindet sich die Entität mit einer stabilen Kennung in einer Wissensdatenbank. Das System erkennt die Erwähnung, bestimmt anhand des Kontexts die gemeinte Bedeutung und verknüpft sie mit der entsprechenden Kennung.

Dieser Ansatz überwindet die zuvor beschriebenen Grenzen der Keyword-Suche. Verschiedene Namen können nun auf dieselbe Kennung verweisen, während derselbe Name abhängig vom Kontext unterschiedlichen Kennungen zugeordnet werden kann. Sind zu den Entitäten außerdem Typen, Attribute und Beziehungen gespeichert, kann das System auch Zusammenhänge zwischen ihnen auswerten.

Verknüpft eine Wissensdatenbank Entitäten über ihre Beziehungen, entsteht ein Wissensgraph. Die Entitäten bilden darin die Knoten. Die Beziehungen verbinden diese Knoten miteinander und sind die Kanten des Graphen.

Semantische Verfahren haben die Keyword-Suche nicht ersetzt, vielmehr ergänzen sich beide Ansätze. Suchsysteme verwenden nachwievor invertierte Indizes und Wortübereinstimmungen. Sie können diese Daten jedoch um Entitätskennungen, Typen, Attribute und Beziehungen ergänzen. Dadurch kombiniert das Ranking von möglichen Dokumenten einer Suche die lexikalischen Signale mit semantischen und strukturierten Informationen.⁴

Semantic Search bezeichnet Suchverfahren, die neben den verwendeten Wörtern auch die gemeinte Bedeutung und den Kontext einer Anfrage berücksichtigen. Informationen über Entitäten können dabei helfen, unterschiedliche Bezeichnungen zuzuordnen, Mehrdeutigkeiten aufzulösen und Beziehungen einzubeziehen.

Wie Suchmaschinen Entitäten erkennen

Damit eine Suchmaschine mit Entitäten arbeiten kann, muss sie drei Aufgaben lösen: Sie muss Erwähnungen in Dokumenten erkennen, Mehrdeutigkeiten auflösen und eine solche Erwähnung einer konkreten Entität zuordnen.

Named Entity Recognition (NER)

Named Entity Recognition markiert Textstellen, die wahrscheinlich den Namen einer Entität enthalten. Zusätzlich ordnet das Verfahren jeder markierten Textstelle einen allgemeinen Typ zu. Dazu wertet das Verfahren den Namen und seinen sprachlichen Kontext aus und vergleicht beides mit Mustern, die es aus gekennzeichneten Trainingsdaten gelernt hat.

Für den Satz „Jaguar produziert Fahrzeuge in Solihull“ lautet das Ergebnis beispielsweise:

• „Jaguar“: Organisation
• „Solihull“: Ort

Die markierte Textstelle wird als Entitätserwähnung bezeichnet. Der zugewiesene Typ beschreibt lediglich, um welche Art von Entität es sich handelt. Eine eindeutige Zuordnung zu einem bestimmten Eintrag in einer Wissensdatenbank erfolgt erst in einem späteren Schritt, dem Entity Linking.

Disambiguierung mehrdeutiger Begriffe

VNach der Erkennung einer Entitätserwähnung muss das System bestimmen, welche Bedeutung im jeweiligen Zusammenhang gemeint ist. Dieser Vorgang heißt Disambiguierung, also Auflösung einer Mehrdeutigkeit. Er ist notwendig, weil dieselbe Bezeichnung auf verschiedene Entitäten verweisen kann. „Jaguar“ kann beispielsweise eine Tierart, ein Unternehmen, eine Automobilmarke oder ein Fahrzeugmodell bezeichnen.

Für die Zuordnung wertet das System den sprachlichen und thematischen Kontext aus. Wörter wie „produziert“, „Fahrzeug“ und „Werk“ sprechen eher für ein Unternehmen aus der Automobilbranche. „Lebt“, „Zoo“ und „Raubkatze“ weisen dagegen auf die Tierart hin. Angaben wie „PS“, „Motor“ oder „Kühlergrill“ können ein Fahrzeug oder Fahrzeugmodell nahelegen. Reichen diese Hinweise nicht aus, bleiben mehrere Bedeutungen möglich und eine sichere Zuordnung kann ausbleiben. Ein anschauliches Beispiel für solche Mehrdeutigkeiten bietet die Wikipedia-Seite „Jaguar“ als Begriffsklärung.

Entity Linking

Nach der Disambiguierung verbindet das Entity Linking die erkannte Erwähnung mit dem Eintrag einer konkreten Entität in einer Wissensdatenbank. Im Beispielsatz wird die Erwähnung „Jaguar“ dadurch nicht mehr nur als Organisation eingeordnet, sondern einem bestimmten Unternehmen zugewiesen. Dieser Eintrag besitzt eine stabile interne Kennung, durch die er unabhängig von einzelnen Namen und Schreibweisen identifizierbar bleibt.

Verschiedene Bezeichnungen wie „Jaguar Land Rover“ und „JLR“ können deshalb auf denselben Eintrag verweisen. Über seine Kennung erhält das System Zugriff auf weitere gespeicherte Informationen, etwa den Entitätstyp, alternative Namen, Attribute und Beziehungen zu anderen Entitäten.

Das Ergebnis des Entity Linking ist somit die eindeutige Verbindung zwischen einer konkreten Textstelle und der in der Wissensdatenbank gemeinten Entität.

Von Beziehungen zu Wissensgraphen

Eine eindeutige Kennung unterscheidet eine Entität zuverlässig von anderen Entitäten und schafft damit die Voraussetzung, ihr weitere Informationen und Beziehungen zuzuordnen. Aus der Kennung allein geht aber erst einmal nicht hervor, um welche Art von Entität es sich handelt, welche Eigenschaften sie besitzt oder in welchen Zusammenhängen sie steht.

Entitäten, Klassen und Instanzen

Die Begriffe Entität, Klasse und Instanz werden häufig miteinander verwechselt, denn Sie beschreiben zusammenhängende, aber unterschiedliche Konzepte.

Eine Klasse fasst Entitäten mit gemeinsamen Merkmalen zusammen. Sie beschreibt einen allgemeinen Typ und nicht ein bestimmtes Objekt. Beispiele für Klassen sind „Person“, „Unternehmen“, „CreativeWorks“ oder „Ort“.

Eine Entität ist ein eindeutig identifizierbares Objekt innerhalb einer solchen Klasse. So ist „Jaguar Land Rover Limited“ eine Entität der Klasse „Unternehmen“. Entitäten besitzen eine eigene Identität sowie Attribute und Beziehungen zu anderen Entitäten.

Der Begriff Instanz bezeichnet in der Informatik eine konkrete Ausprägung einer Klasse. In Wissensgraphen und semantischen Informationssystemen werden Instanzen in der Regel als Entitäten modelliert. Eine konkrete Entität ist dann eine Instanz der entsprechenden Klasse.

Wie durch Verbindungen Wissen entsteht

Klassen beschreiben, welche Arten von Entitäten ein Wissensmodell unterscheidet. Konkrete Entitäten (Instanzen) gehören einer oder mehreren dieser Klassen an und können über typisierte Beziehungen miteinander verbunden werden. Der jeweilige Beziehungstyp legt fest, welcher Sachverhalt durch die Verbindung beschrieben wird. So beschreibt beispielsweise die Beziehung „Unternehmen stellt Produkt her” einen anderen Zusammenhang als die Beziehungen „Person leitet Unternehmen” oder „Unternehmen befindet sich in Ort”.

Werden Informationen aus verschiedenen Quellen derselben Entität zugeordnet, kann ein System ihre Eigenschaften zusammenführen und ergänzen. Verweisen diese Informationen zusätzlich auf andere Entitäten, entsteht ein Netz aus miteinander verbundenen Personen, Organisationen, Orten, Produkten oder Ereignissen.

Das System kann außerdem Pfade aus mehreren aufeinanderfolgenden Beziehungen auswerten. Dadurch lassen sich Informationen miteinander verknüpfen und Fragen beantworten, deren Antwort sich erst aus mehreren einzelnen Aussagen ergibt.

Beispielsweise kann bekannt sein, dass Anna bei Jaguar Land Rover arbeitet und dass das Unternehmen von einer bestimmten Person geleitet wird. Ist zu dieser Person zusätzlich das Geburtsdatum gespeichert, lässt sich auch die Frage „Wann wurde der Geschäftsführer des Unternehmens geboren, bei dem Anna arbeitet?” beantworten. Die Antwort ergibt sich nicht aus einer einzelnen Aussage, sondern aus der Verknüpfung mehrerer Beziehungen.

Mit Wissen sind hier keine frei erzeugten Fakten gemeint. Das System leitet keine neuen Tatsachen ab, sondern führt vorhandene Informationen aus unterschiedlichen Quellen zusammen und macht dadurch Zusammenhänge sichtbar, die in den einzelnen Aussagen isoliert noch nicht erkennbar waren.

Taxonomie als hierarchische Ordnung

Eine Taxonomie ordnet Klassen nach dem Prinzip der Über- und Unterordnung. Sie zeigt beispielsweise, dass eine Klasse eine speziellere Unterklasse einer allgemeineren Klasse ist:

Säugetier → Katze → Großkatze → Jaguar

In dieser Darstellung bezeichnen die einzelnen Stufen keine bestimmten Tiere, sondern allgemeine Tiergruppen beziehungsweise Klassen. Die Klasse „Jaguar“ ist spezieller als die Klasse „Großkatze“, diese wiederum spezieller als „Katze“ und „Säugetier“. Ein einzelner Jaguar in einem Zoo wäre dagegen eine konkrete Entität, die der Klasse „Jaguar“ zugeordnet werden kann. Die Taxonomie zeigt somit, welche Klassen ein Wissensbereich unterscheidet und wie diese Klassen hierarchisch zusammenhängen.

Ontologien: Bedeutung und Regeln

Eine Ontologie enthält in der Regel eine Taxonomie, beschränkt sich jedoch nicht auf die hierarchische Ordnung von Klassen. Sie erweitert diese Ordnung um ein semantisches Modell weiterer Eigenschaften, Beziehungen und Regeln. Sie definiert Entitätstypen, Eigenschaften und Beziehungstypen sowie die Regeln für deren Verwendung.

Eine Ontologie kann beispielsweise Folgendes festlegen: Die Beziehung „arbeitet bei” verbindet eine Person mit einer Organisation. Sie bestimmt außerdem, welche Werte eine Eigenschaft annehmen darf, welche Richtung eine Beziehung besitzt und ob zwei Klassen zueinander passen.

Eine Ontologie beschreibt somit das Modell, nach dem Wissen strukturiert und seine Bedeutung eindeutig festgelegt wird.

Wissensgraphen

Ein Wissensgraph („Knowledge Graph“) bildet konkrete Entitäten und ihre Beziehungen auf Grundlage des in einer Ontologie festgelegten Modells ab. Die Entitäten bilden die Knoten und die typisierten Beziehungen die Kanten zwischen diesen Knoten. Stabile Kennungen sorgen dafür, dass jede Entität unabhängig von ihrem Namen eindeutig identifizierbar bleibt.

Die Ontologie definiert beispielsweise die Beziehung „arbeitet bei“, die die Klasse Person mit der Klasse Organisation verbindet. Das Attribut „Name” ist der Klasse Person zugeordnet.

In einem Wissensgraphen lässt sich die Aussage „Anna arbeitet seit 2019 bei Jaguar“ in mehrere strukturierte Bestandteile zerlegen. „Anna“ ist eine Entität vom Typ Person und über die Beziehung „arbeitet bei“ mit der Entität „Jaguar“ vom Typ Unternehmen verbunden. Die Angabe „seit 2019“ beschreibt, seit wann diese Beziehung besteht.

An das Unternehmen können weitere Beziehungen anschließen. So kann „Jaguar“ über die Beziehung „wird geleitet von“ mit seinem Geschäftsführer verbunden sein. Zu dieser Person kann wiederum das Attribut „Geburtsdatum“ gespeichert sein. Der Wissensgraph bildet damit folgenden Pfad ab:

Anna → arbeitet bei → Jaguar → wird geleitet von → konkrete Person → hat Geburtsdatum → Datum

Weil die Bedeutung jedes Verbindungsschritts festgelegt ist, kann das System Informationen über mehrere Entitäten hinweg zusammenführen. Dadurch lässt sich beispielsweise die Frage beantworten: „An welchem Tag wurde der Geschäftsführer des Unternehmens geboren, bei dem Anna arbeitet?“

Der Google Knowledge Graph

Ein „Knowledge Graph” bezeichnet ein Datenmodell, das Entitäten und ihre Beziehungen strukturiert abbildet. Google führte im Jahr 2012 mit dem „Google Knowledge Graph“ eine eigene Umsetzung eines solchen Modells ein. Google gewinnt die darin gespeicherten Informationen aus verschiedenen Quellen. Dazu gehören automatisch ausgewertete Webinhalte, strukturierte Daten wie Schema.org-Markup sowie etablierte Wissensquellen wie Wikipedia und Wikidata.

Informationen aus dem Google Knowledge Graph können in verschiedenen Elementen der Google-Suche erscheinen. Dazu zählen Knowledge Panels mit gebündelten Fakten zu einer Entität, direkte Antworten auf Suchanfragen und Verweise auf verwandte Entitäten.

Suchintention und Topic: Was Nutzer wirklich suchen

Die Erkennung und Verknüpfung von Entitäten ermöglicht es Suchsystemen, Personen, Orte, Organisationen, Produkte oder abstrakte Konzepte voneinander zu unterscheiden und sie in Wissenszusammenhänge einzuordnen. Damit ist jedoch noch nicht geklärt, welche dieser Entitäten für eine konkrete Suchanfrage relevant sind.

Welche Entitäten relevant sind, hängt vom vermuteten Informationsbedarf, dem Thema und dem Kontext eines Dokuments ab. Relevanz entsteht also nicht durch die Nennung möglichst vieler Entitäten, sondern durch die Auswahl und Beschreibung jener Entitäten, Eigenschaften und Beziehungen, die zum Verständnis und zur Beantwortung der Suchanfrage beitragen. Dieser Zusammenhang bildet die Grundlage für die Entitätenoptimierung im SEO.

Suchintention: das vermutete Ziel hinter einer Suchanfrage

Eine Suchanfrage ist die sichtbare Zeichenfolge, die ein Nutzer in eine Suchmaschine eingibt. Die Suchintention bezeichnet dagegen das vermutete Ziel der Suche hinter dieser Eingabe. Dieses Ziel kann darin bestehen, Informationen zu erhalten, eine bestimmte Website aufzurufen, Angebote zu prüfen oder eine Handlung auszuführen.

Die Suchintention ist nicht unmittelbar aus der Anfrage ablesbar. Kurze Formulierungen wie „Jaguar“ lassen beispielsweise offen, ob Informationen über die Tierart, die Automarke oder eine bestimmte Website gesucht werden. Suchsysteme müssen die wahrscheinliche Intention daher aus der Formulierung, dem Kontext und weiteren Signalen erschließen. Diese Zuordnung bleibt eine Interpretation und kann mehrere plausible Ergebnisse besitzen.

Die klassische Forschung unterscheidet drei Grundformen: informationsorientierte, navigationsorientierte und transaktionsorientierte Suchanfragen. Diese Einteilung geht unter anderem auf Andrei Broders „A Taxonomy of Web Search“ zurück und wurde später anhand umfangreicher Suchprotokolle untersucht. Dabei zeigte sich auch, dass ein substantieller Teil der Suchanfragen mehrdeutig ist oder mehrere Ziele miteinander verbindet. Daraus folgt die Notwendigkeit einer probabilistischen Zuordnung.

Für die praktische SEO-Analyse wird die kommerzielle Recherche häufig als vierte Form von der eigentlichen Transaktion getrennt. Diese Erweiterung ist kein einheitlicher wissenschaftlicher Standard, macht aber den Unterschied zwischen der Prüfung eines Angebots und der unmittelbar beabsichtigten Handlung sichtbar.

Die vier Formen lassen sich wie folgt unterscheiden:

• Informationale Suchintention: Der Nutzer möchte etwas erfahren, verstehen oder eine Frage beantworten. Bei der Suchanfrage „Wie schnell läuft ein Jaguar?“ stehen die Tierart Jaguar und die Eigenschaft Geschwindigkeit im Mittelpunkt.
• Navigationale Suchintention: Der Nutzer möchte eine bestimmte Website, Plattform oder Unterseite erreichen. Die Anfrage „Jaguar Deutschland“ kann beispielsweise auf die deutsche Website des Fahrzeugherstellers zielen.
• Kommerzielle Suchintention: Der Nutzer prüft Produkte, Anbieter oder Alternativen, ohne bereits zwingend eine Transaktion ausführen zu wollen. Bei der Suche „Jaguar I-Pace Erfahrungen“ sind neben dem Fahrzeugmodell beispielsweise Eigenschaften, Bewertungen und vergleichbare Modelle relevant.
• Transaktionale Suchintention: Der Nutzer möchte eine konkrete Handlung ausführen, etwa etwas kaufen, buchen, herunterladen oder registrieren. Bei der Anfrage „Jaguar I-Pace Probefahrt buchen“ sind deshalb unter anderem das Fahrzeugmodell, ein Anbieter, ein Standort und verfügbare Termine relevant. In der Forschung wird der Begriff „transaktional“ teilweise weiter gefasst und umfasst grundsätzlich alle Handlungen, die über das Web ausgeführt werden.

Die vier Beispiele zeigen: Die Suchintention beeinflusst, welche Entitäten, Eigenschaften und Beziehungen für einen Inhalt benötigt werden. Je nach Ziel der Anfrage können für dieselbe Entität andere Informationen erforderlich sein. Für die Optimierung der Entitäten reicht es daher nicht aus, nur die Hauptentität zu erkennen. Ebenso wichtig ist die Frage, in welchem Zusammenhang und zu welchem Zweck Informationen über diese Entität gesucht werden.

Topic: der thematische Rahmen einer Suchanfrage oder Seite

Ein Topic bezeichnet den thematischen Zusammenhang, in dem eine Suchanfrage oder ein Dokument steht. Es beschreibt, worum es inhaltlich geht und welche Fragen, Entitäten, Eigenschaften und Beziehungen grundsätzlich zu diesem Gegenstand gehören. Ein Topic kann eng gefasst sein, zum Beispiel „Lebensraum des Jaguars“, oder einen größeren Themenbereich wie „Lebensweise und Verbreitung von Großkatzen“ umfassen.

Ein Topic ist weder ein Keyword noch eine Entität. Ein Keyword ist eine konkrete sprachliche Formulierung, die in einer Suchanfrage oder einem Dokument vorkommt. Eine Entität ist ein eindeutig bestimmbares Objekt oder Konzept, beispielsweise die Tierart Jaguar. Das Topic beschreibt dagegen den thematischen Rahmen, in dem diese Entität behandelt wird.

Bei der Suchanfrage „Wo leben Jaguare?“ ist die Tierart Jaguar die Hauptentität. Das Topic umfasst ihren Lebensraum und ihre geografische Verbreitung. Dazu gehören weitere Entitäten wie Südamerika oder das Amazonasbecken, Eigenschaften verschiedener Lebensräume sowie Beziehungen wie „kommt vor in“ oder „ist verbreitet in“. Angaben zur Körpergröße oder Fortpflanzung können zwar zur Tierart gehören, sind aber nicht automatisch Bestandteil dieses engeren Topics.

Umgekehrt kann dieselbe Entität in verschiedenen Themen vorkommen. So kann der Jaguar beispielsweise im Zusammenhang mit Lebensräumen, Artenschutz, Nahrung, Fortpflanzung oder biologischer Klassifikation behandelt werden. Die Entität bleibt dabei dieselbe, während sich der thematische Rahmen verändert. Eine Hauptentität kann somit im Mittelpunkt eines Themas stehen, ist aber nicht mit diesem Thema identisch.

Topics aus sprachlichen Mustern ableiten

Topics können mit unterschiedlichen Verfahren aus Textsammlungen abgeleitet werden. Ein klassisches statistisches Modell ist die Latent Dirichlet Allocation von Blei, Ng und Jordan. Dieses Modell stellt ein Dokument als Wahrscheinlichkeitsverteilung über mehrere verborgene Topics dar und jedes Topic als Verteilung charakteristischer Wörter. Neuere Verfahren können Dokumente zunächst als Vektoren abbilden, ähnliche Vektoren gruppieren und aus den entstandenen Clustern beschreibende Topics ableiten.⁵

Ein berechnetes Topic ist deshalb nicht zwangsläufig ein fest definiertes Wissensobjekt mit einer stabilen Kennung. Es handelt sich um eine aus sprachlichen oder semantischen Mustern abgeleitete Darstellung eines thematischen Zusammenhangs. Welche Topics entstehen und wie ein Dokument ihnen zugeordnet wird, hängt vom verwendeten Modell, den untersuchten Dokumenten und den gewählten Parametern ab.

Die Suchintention beschreibt somit das vermutete Ziel einer Suche, während das Topic den dazugehörigen thematischen Rahmen abgrenzt. Welche Informationen innerhalb dieses Rahmens tatsächlich benötigt werden, richtet sich nach ihrer Relevanz.

Relevanz: Welche Entitäten ein Inhalt braucht

Auf Grundlage von Suchintention und Topic lässt sich bestimmen, welche Entitäten, Eigenschaften und Beziehungen ein Inhalt behandeln sollte. Dabei entsteht Relevanz nicht durch die Nennung möglichst vieler Entitäten, sondern durch deren Beitrag zum konkreten Informationsbedarf.

Wann eine Entität relevant ist

Relevanz bezeichnet die Passung zwischen einem Informationsbedarf und den Informationen, die ein Dokument bereitstellt. Sie ist keine feste Eigenschaft eines Dokuments und ebenso wenig eine feste Eigenschaft einer Entität. Eine Information ist immer nur in Bezug auf eine bestimmte Suchanfrage, ein bestimmtes Ziel und in einem bestimmten Kontext relevant.

In der Informationswissenschaft wird Relevanz deshalb als Beziehung zwischen mehreren Elementen betrachtet. Zu diesen Elementen gehören unter anderem der tatsächliche Informationsbedarf, seine Formulierung als Suchanfrage und die Informationen eines gefundenen Dokuments. Stefano Mizzaro zeigt in seiner Übersicht zur Relevanzforschung, dass sich diese Beziehung durch Aufgabe, Kontext und Zeitpunkt zusätzlich verändern kann.

Das bedeutet für die Auswahl von Entitäten: Eine Entität ist relevant, wenn ihre Identität, ihre Eigenschaften oder ihre Beziehungen zur Beantwortung des konkreten Informationsbedarfs beitragen. Neben der Hauptentität können deshalb weitere Entitäten erforderlich sein, sofern sie einen notwendigen sachlichen Zusammenhang herstellen.

Dabei muss zwischen der Relevanz einer Entität für eine Suchanfrage und ihrer Salienz, also ihrer inhaltlichen Zentralität innerhalb eines Dokuments, unterschieden werden. Jesse Dunietz und Daniel Gillick behandeln diese Zentralität in ihrer Arbeit „A New Entity Salience Task with Millions of Training Examples” als eigenständige Aufgabe für erkannte Entitäten eines Dokuments.

Suchsysteme können diese Passung nicht allein anhand identischer Wörter bestimmen. Google erläutert am Beispiel von BERT in der Suche, dass die Reihenfolge, die Beziehungen und der Kontext von Wörtern dazu beitragen, die Bedeutung und Intention einer Anfrage zu erfassen.

Ein Google LLC zugeordnetes Patent, US10691702B1, beschreibt einen möglichen technischen Ansatz zur Bewertung von Entitäten. Der dargestellte Wert kann unter anderem davon abhängen, wie relevant eine Entität für ein Dokument ist, wie relevant dieses Dokument für die Anfrage ist und ob Eigenschaften der Entität zu Bestandteilen der Anfrage passen. Das Patent veranschaulicht damit die relationale Natur von Entitätenrelevanz. Es belegt jedoch weder den gegenwärtigen Einsatz dieses Verfahrens noch einen eigenständigen Rankingfaktor.

Wie Relevanz den inhaltlichen Umfang bestimmt

Die Relevanzprüfung beginnt mit der Suchintention und dem Thema. Anschließend wird festgelegt, welche Hauptentität im Mittelpunkt steht und welche weiteren Entitäten, Eigenschaften und Beziehungen zur Beantwortung der Frage benötigt werden. Der inhaltliche Umfang ergibt sich somit nicht aus der Menge aller auffindbaren Informationen, sondern aus der Aufgabe der Seite.

Bei der zuvor verwendeten Anfrage „Wo leben Jaguare?” gehören die geografische Verbreitung, die bevorzugten Lebensräume und die regionalen Unterschiede zum benötigten Zusammenhang. Entitäten wie Südamerika, Mittelamerika oder das Amazonasbecken können diese Verbreitung räumlich einordnen. Beziehungen wie „ist verbreitet in” oder „bewohnt” zeigen die Verbindung dieser Entitäten zur Hauptentität.

Andere Angaben über den Jaguar können zwar fachlich richtig sein, für diese Anfrage jedoch nicht relevant. Informationen über Körperbau, Fortpflanzung oder Jagdverhalten erweitern zwar das Wissen über die Tierart, beantworten aber nicht die Frage nach ihrem Lebensraum. Sie gehören nur dann auf die Seite, wenn sie für das Verständnis der Verbreitung erforderlich sind oder eine klar erkennbare weiterführende Funktion besitzen.

Thematische Vollständigkeit bedeutet also nicht, alle bekannten Entitäten und Fakten zu erwähnen. Ein Inhalt ist dann vollständig, wenn er die für seinen Zweck erforderlichen Fragen, Eigenschaften und Beziehungen abdeckt. Auch Google empfiehlt in seinen Hinweisen zu hilfreichen und verlässlichen Inhalten, ein Thema substanziell, vollständig oder umfassend zu behandeln. Eine bestimmte Wortzahl oder Menge semantisch verwandter Begriffe nennt Google dafür allerdings nicht.

Die Auswahl relevanter Entitäten erfüllt somit zwei Aufgaben. Einerseits begrenzt sie den Inhalt auf den benötigten Zusammenhang, andererseits verhindert sie, dass notwendige Beziehungen fehlen. Zu wenige Informationen lassen den Zusammenhang unvollständig erscheinen. Zu viele nur lose verbundene Entitäten können dagegen den Schwerpunkt der Seite verwischen.

Aus dieser Prüfung lässt sich eine einfache inhaltliche Ordnung ableiten:

• Die Hauptentität bestimmt, worüber die Seite spricht.
• Die Suchintention bestimmt, welches Ziel der Inhalt erfüllen soll.
• Das Topic grenzt den thematischen Zusammenhang ein.
• Relevante Eigenschaften und Beziehungen bestimmen, welche Informationen benötigt werden.
• Weiterführende Teilfragen werden auf eigene Seiten verteilt und über interne Links verbunden.

Diese Ordnung ist eine redaktionelle Methode, kein von Google bestätigtes Rankingmodell. Google beschreibt seine Suche als Zusammenspiel zahlreicher Systeme und Signale, die Seiten auf ihre Relevanz und Nützlichkeit prüfen. Der Leitfaden zu den Ranking-Systemen nennt jedoch weder die Anzahl erwähnter Entitäten noch eine allgemeine Entitätenoptimierung als eigenständigen Rankingfaktor.

Was Entitätenoptimierung umfasst

Der Begriff Entitätenoptimierung bezeichnet in diesem Artikel die redaktionellen, strukturellen und technischen Maßnahmen, mit denen relevante Entitäten und ihre Beziehungen eindeutig dargestellt werden. Es handelt sich nicht um eine einzelne Methode, sondern um mehrere aufeinander abgestimmte Aufgaben.

Textebene

Auf der Textebene müssen Entitäten so benannt werden, dass ihre Identität aus dem Zusammenhang hervorgeht. Dazu gehören vollständige Bezeichnungen, erkennbare Typen und eindeutige Bezugnahmen. Statt nur „Jaguar“ zu nennen, kann ein Text beispielsweise verdeutlichen, dass die Tierart Panthera onca und nicht die gleichnamige Automarke gemeint ist.

Eigenschaften sollten der jeweils beschriebenen Entität eindeutig zugeordnet werden. Dasselbe gilt für Beziehungen. Eine Aussage wie „Der Jaguar kommt vor allem in Mittel- und Südamerika vor“ verbindet die Tierart mit geografischen Entitäten und benennt zugleich die Art der Beziehung. Eine bloße Aufzählung von „Jaguar, Südamerika, Amazonas, Regenwald“ stellt diesen Zusammenhang dagegen nicht her.

Seitenstruktur

Auf der Ebene der Website erhält jede Seite einen klaren inhaltlichen Schwerpunkt. Übergreifende Seiten erklären ein Topic und seine zentralen Beziehungen. Detailseiten behandeln einzelne Entitäten, Eigenschaften oder Teilfragen. Interne Links verbinden diese Inhalte miteinander. Google weist in seinen Empfehlungen für Links darauf hin, dass aussagekräftige Linktexte Menschen und Google dabei helfen, den Zusammenhang einer Website und den Inhalt der verlinkten Seite zu verstehen.

Strukturierte Daten können sichtbare Angaben zusätzlich maschinenlesbar beschreiben. Sie können beispielsweise den Typ einer Entität, ausgewählte Eigenschaften und Beziehungen ausdrücklich kennzeichnen. Nach der Einführung von Google zu strukturierten Daten liefern solche Angaben explizite Hinweise auf die Bedeutung und Klassifikation eines Seiteninhalts.

Mehr über Sturkturierte Daten habe ich im Artikel Schema.org zusammengefasst.

Das Markup muss jedoch den tatsächlich sichtbaren Inhalt wiedergeben. Google verlangt in seinen allgemeinen Richtlinien für strukturierte Daten, dass ausgezeichnete Informationen für den Leser sichtbar, relevant und repräsentativ für den Hauptinhalt der Seite sind. Strukturierte Daten erzeugen daher weder eine Entität noch ersetzen sie eine unklare inhaltliche Darstellung.

Entitätenoptimierung umfasst damit vier miteinander verbundene Ebenen:

1. relevante Entitäten, Eigenschaften und Beziehungen auswählen,
2. diese Zusammenhänge im Text eindeutig formulieren,
3. zugehörige Inhalte über Seiten und interne Links sinnvoll organisieren,
4. bereits sichtbare Informationen bei Bedarf mit strukturierten Daten abbilden.

Diese Maßnahmen können Suchsystemen die Interpretation eines Inhalts erleichtern und zugleich die Verständlichkeit für Leser verbessern. Sie versprechen jedoch weder automatisch bessere Rankings noch die Darstellung eines Rich Results. Google bestätigt Entitäten in seiner öffentlichen Dokumentation nicht als eigenständigen allgemeinen Rankingfaktor und garantiert auch bei korrekten strukturierten Daten keine besondere Darstellung in den Suchergebnissen.

Fazit: Entitäten schaffen Zusammenhänge

Mithilfe von Entitäten können Wörter und Bezeichnungen eindeutig bestimmten Personen, Orten, Organisationen, Produkten oder Konzepten zugeordnet werden. Mithilfe von Eigenschaften und Beziehungen werden diese Entitäten in einen größeren Zusammenhang eingeordnet. Dadurch lässt sich nicht nur erkennen, welche Entität gemeint ist, sondern auch, welche Bedeutung sie innerhalb eines Themas besitzt.

Für die Suchmaschinenoptimierung ist deshalb nicht die Anzahl der erwähnten Entitäten entscheidend. Eine Entität, Eigenschaft oder Beziehung muss zur Suchintention und zum thematischen Schwerpunkt einer Seite beitragen. Ein Inhalt sollte die Informationen enthalten, die zur Einordnung und Beantwortung einer Anfrage benötigt werden, ohne den Schwerpunkt durch nur lose verbundene Aspekte zu verwischen.

Entitätenoptimierung bedeutet, die Hauptentität eindeutig zu benennen, relevante Eigenschaften und Beziehungen verständlich darzustellen und diese Informationen über Seiten, interne Links und strukturierte Daten hinweg konsistent abzubilden. Die Entitätenoptimierung ist kein isolierter Rankinghebel, sondern eine Methode zur klaren Modellierung von Inhalten. Diese Klarheit unterstützt sowohl Leser als auch Systeme, die Inhalte erkennen, einordnen und miteinander in Beziehung setzen.

1. Paper von Chen aus dem Jahre 1976, in dem er das Modell zur Datenmodellierung vorschlug. https://dl.acm.org/doi/10.1145/320434.320440 [↩]
2. Natürlich würde die Suche etwas finden, wenn es ein Dokument mit dem entsprechenden Text gäbe. [↩]
3. ’00 Themenmodelle / LDA ; ’13 Word-Embeddings / Word2Vec; ’20 Neuronales Retrieval / DPR [↩]
4. Ab ’12 Google Knowledge Graph [↩]
5. Ein Beispiel hierfür ist BERTopic. [↩]