Auch bekannt als: Entity, Named Entity, NER, Benannte Entität
Eine Entität (Entity) ist ein konkretes, eindeutig identifizierbares Konzept der realen Welt: Eine Person (Albert Einstein), ein Ort (Berlin), eine Organisation (Google), ein Produkt (iPhone 15), ein Begriff (Quantenmechanik). Im Gegensatz zu reinen Keywords haben Entitäten eine eindeutige Identität, die unabhängig von ihrer Schreibweise ist: „Apple Inc.", „Apple Computer" und „Apple" als Unternehmen verweisen auf dieselbe Entität, deren Wikidata-ID Q312 ist. Suchmaschinen und LLMs arbeiten zunehmend mit Entitäten statt mit Keywords — Entity-Verständnis ist Grundvoraussetzung für semantische Suche und KI-Antworten.
Named Entity Recognition ist das automatische Erkennen von Entitäten in Freitext — etwa: „Steve Jobs gründete Apple in Cupertino" → drei Entitäten erkannt (Person, Organisation, Ort) und mit ihren Wissensbasis-IDs verknüpft. NER-Modelle sind Bestandteil von Suchmaschinen-Pipelines (Google), LLM-Pipelines (ChatGPT, Claude) und Content-Analyse-Tools. Wenn die eigene Webseite Entitäten klar und konsistent benennt, kann NER sie zuverlässig erkennen und mit dem richtigen Knowledge-Graph-Eintrag verknüpfen.
Drei Kern-Praktiken: (1) Alle wichtigen Entitäten zum Thema explizit nennen — wer über „Suchmaschinen-Optimierung" schreibt, sollte Google, Bing, Schema.org, Wikidata, PageRank und ähnliche zentrale Entitäten erwähnen. (2) Schema.org-Markup mit sameAs verknüpft genannte Entitäten mit Wikidata-QIDs. (3) Konsistente Schreibweisen — „SEO" und „Suchmaschinen-Optimierung" als Synonyme klar markieren, statt verschiedene Begriffe für dieselbe Sache zu mischen. Effekt: KI-Engines erkennen die thematische Vollständigkeit und Authoritativität der Seite.
Eine systematische Methode: Top-3-Konkurrenten zum eigenen Money-Keyword nehmen, NER über deren Texte laufen lassen, Liste aller erkannten Entitäten erzeugen. Die eigene Seite mit derselben NER analysieren. Entitäten, die bei mehreren Konkurrenten vorkommen, aber bei der eigenen fehlen, sind die Entity Gaps — wer sie schließt (kurze Erklärung, Schema.org-sameAs-Verknüpfung), erhöht messbar die thematische Autorität und Citation-Chancen in KI-Antworten.
Beispiel: Eine Webseite zum Thema „Page Speed" hatte 90 % Themen-Relevanz, aber die Entity-Analyse zeigte: Konkurrenten erwähnen konsistent Lighthouse, CrUX, Web Vitals JS Library, WebPageTest — die eigene Seite nur „Google PageSpeed Insights". Einbau dieser fehlenden Entitäten mit kurzen Erklärungen und Schema-sameAs-Verknüpfungen: Nach 8 Wochen rankt die Seite für 6 zusätzliche Long-Tail-Keywords in Top-10 und erscheint in ChatGPT-Antworten zu „Page Speed messen" konsistent als eine der zitierten Quellen.
Entity-Gap-Analyse im GEO-Audit
Kostenloser SEO- & GEO-Check
SEO-Score, KI-Sichtbarkeit und Zitierbarkeit deiner Website in 30 Sekunden — ohne Registrierung.
Kostenlos registrieren, 10 Credits erhalten und direkt loslegen.
Jetzt registrieren