Entitäten aufbauen für KI-Antworten – Wikidata und Verzeichnisse

Ein Anbieter für industrielle Prüftechnik, gut 90 Mitarbeiter, war in ChatGPT und Perplexity über Monate schlicht nicht vorhanden: In zwanzig Testabfragen nach Anbietern seiner Nische kam er kein einziges Mal vor. Neun Wochen nach einem Wikidata-Eintrag, drei Verbandsprofilen und einer aufgeräumten Schreibweise des Firmennamens lag er bei sieben von zwanzig. Das ist eine Beobachtung aus unserer Projektarbeit und kein Beweis – wir haben parallel auch an den Inhalten gearbeitet, und welchen Anteil welche Maßnahme hatte, lässt sich nachträglich nicht sauber trennen.

Ein Markenname ist noch keine Entität

Sprachmodelle arbeiten nicht mit Zeichenketten, sondern mit Konzepten. “Kern” ist ein Wort. Die Kern GmbH aus Bexbach, der Kern-Verlag und das Verb “kernen” sind drei verschiedene Dinge, und das Modell muss entscheiden, welches gemeint ist. Diese Zuordnung nennt man Disambiguierung, und sie entscheidet darüber, ob Ihre Nennungen im Netz auf ein Konto einzahlen oder sich auf drei halbe verteilen.

Eine Entität ist ein Ding, über das das System Aussagen sammeln kann: Was ist es? Wo sitzt es? Wozu gehört es? Womit wird es typischerweise zusammen genannt? Je mehr belegte Aussagen zusammenkommen und je widerspruchsfreier sie sind, desto stabiler wird das interne Bild. Marken ohne dieses Bild fallen bei Empfehlungsfragen aus – nicht weil das Modell sie ablehnt, sondern weil es nichts hat, worauf es sich stützen könnte.

Der praktische Test dauert zwei Minuten. Fragen Sie ein Modell ohne Websuche: “Was ist die Musterfirma GmbH aus Ulm?” Bekommen Sie eine Beschreibung, existieren Sie als Entität. Bekommen Sie eine höfliche Absage oder eine Verwechslung mit einem gleichnamigen Betrieb, existieren Sie nicht.

Wikidata ist der billigste Eintrag ins Weltwissen

Wikidata ist eine offene, maschinenlesbare Datenbank mit inzwischen über hundert Millionen Objekten. Jedes bekommt eine Q-Nummer, etwa Q95 für Google. Diese Nummer ist eine eindeutige Adresse, an der sich Aussagen aufhängen lassen. Große Teile des Wissensgraphen, den Suchmaschinen und Sprachmodelle nutzen, sind entweder direkt aus Wikidata gespeist oder über Wikipedia damit verbunden.

Wichtig ist die Relevanzhürde, weil sie oft falsch verstanden wird. Wikidata verlangt keine enzyklopädische Bedeutung wie Wikipedia. Es reicht, dass es sich um eine klar identifizierbare Entität handelt, die sich anhand ernsthafter, öffentlich zugänglicher Quellen beschreiben lässt. Ein im Handelsregister eingetragenes Unternehmen mit einem Verbandsprofil und einer Erwähnung in der Fachpresse erfüllt das in der Regel.

Was Sie nicht tun sollten: einen leeren Eintrag mit Firmenname und Website anlegen und hoffen. Solche Objekte werden von der Community regelmäßig zur Löschung vorgeschlagen, und ein gelöschtes Objekt ist schlechter als gar keines – die Löschdiskussion bleibt öffentlich sichtbar.

Was in einen brauchbaren Eintrag gehört

• P31 (ist ein/e): Unternehmen, GmbH, Verlag – so spezifisch wie belegbar
• P452 (Branche) und P1056 (Produkt oder Leistung): hier entsteht die thematische Verbindung, die bei Empfehlungsfragen zählt
• P159 (Hauptsitz), P17 (Land), P571 (Gründungsdatum): die Angaben, mit denen das Modell Sie von Namensvettern unterscheidet
• P856 (offizielle Website): die Brücke von der Datenbank zu Ihren Inhalten
• P1454 (Rechtsform) und, falls vorhanden, P1278 (LEI) oder die Handelsregisternummer: harte Belege gegen Verwechslung
• Beschreibung in Deutsch und Englisch, ein Satz, ohne Werbesprache

Jede Aussage bekommt eine Quellenangabe. Impressum und eigene Website sind für Basisdaten wie Sitz und Rechtsform akzeptiert, für alles Wertende brauchen Sie Dritte. Rechnen Sie mit zwei bis drei Stunden für einen sauberen Ersteintrag, wenn Sie sich in die Oberfläche einarbeiten müssen.

Wikipedia lohnt sich selten als Ziel, oft als Nebenprodukt

Ein Wikipedia-Artikel ist der stärkste Einzelbaustein, den eine Marke im Wissensgraph haben kann. Er ist für die meisten mittelständischen Unternehmen trotzdem der falsche Plan. Die deutschsprachigen Relevanzkriterien für Wirtschaftsunternehmen sind hart: mindestens 1.000 Mitarbeiter, 100 Millionen Euro Umsatz, mindestens zwanzig Betriebsstätten, Börsennotierung oder eine marktbeherrschende Stellung beziehungsweise innovative Vorreiterrolle. Wer keines dieser Kriterien erfüllt, wird gelöscht, oft innerhalb von Stunden.

Agenturen, die Wikipedia-Einträge als Leistung verkaufen, verkaufen in neun von zehn Fällen eine Löschdiskussion. Wir raten davon ab. Sinnvoller ist der Umweg: Wenn Ihr Gründer Fachbücher veröffentlicht hat, wenn Ihr Produkt in einem Fachartikel behandelt wird, wenn Sie an einer Norm mitgearbeitet haben – dann entstehen Wikipedia-Erwähnungen in bestehenden Artikeln, und die zählen im Wissensgraph fast so viel wie ein eigener Beitrag, ohne das Löschrisiko.

Fachverzeichnisse zählen mehr als Branchenbücher

Allgemeine Firmenverzeichnisse mit Millionen automatisch importierter Einträge halte ich für weitgehend wertlos. Sie enthalten keine Aussage, die ein Modell verwerten könnte, sondern nur Adressdaten, die es ohnehin hat. Was zählt, sind Verzeichnisse mit Zugangshürde, weil die Hürde selbst die Information ist.

Konkret geht es um vier Gruppen. Erstens amtliche und halbamtliche Register: Unternehmensregister, IHK- und Handwerkskammer-Firmendatenbanken, GLEIF für den LEI, OpenCorporates. Zweitens Fachverbände – VDMA, Bitkom, BVDW, ZVEI, je nach Branche. Ein Mitgliedsprofil dort ist eine belegte Aussage darüber, in welchem Feld Sie tätig sind. Drittens Fachmedien mit Firmen- oder Anbieterprofilen, oft an Fachmessen gekoppelt. Viertens fachspezifische Register: Zertifizierungsdatenbanken, Normungsgremien, bei Software-Anbietern die Verzeichnisse der Plattformen, in deren Ökosystem Sie arbeiten.

Für Personen gibt es eigene Anker. Die GND der Deutschen Nationalbibliothek erfasst Autorinnen und Autoren, ORCID Forschende, ISNI beides. Wenn Ihre Fachlichkeit an einem Kopf hängt, ist ein GND-Eintrag für diesen Kopf oft wirksamer als ein weiteres Firmenprofil.

Fünfzehn gut gewählte Einträge schlagen zweihundert automatisch verteilte. Das ist eine Einschätzung aus der Projektarbeit, keine gemessene Größe – aber die Logik dahinter ist nachvollziehbar: Massenverteilte Profile mit identischem Text erzeugen kein zusätzliches Wissen, sie erzeugen Wiederholung.

Eine Schreibweise, überall dieselbe

Der langweiligste Teil ist der wirksamste. Legen Sie fest, wie Ihr Unternehmen heißt, und halten Sie sich daran – im Impressum, im Verbandsprofil, in der Pressemitteilung, in der Signatur, im Wikidata-Eintrag.

Widersprüche sind teurer als Lücken. Ein Modell, das zwei Gründungsjahre findet, gewichtet die Information ab oder lässt sie weg. Zwei Schreibweisen können zu zwei getrennten Entitäten führen, von denen keine stark genug für eine Empfehlung ist.

Prüfen Sie das einmal systematisch: Suchen Sie Ihren Firmennamen in allen plausiblen Varianten, notieren Sie jede Fundstelle in einer Tabelle, markieren Sie Abweichungen. Bei einem mittelständischen Betrieb kommen erfahrungsgemäß zwischen dreißig und achtzig Fundstellen zusammen. Die Korrekturschleife dauert dann drei bis sechs Wochen, weil Sie bei jeder Stelle jemanden erreichen müssen.

sameAs macht aus Fundstellen eine Kette

Wenn die Einträge stehen, verbinden Sie sie. Im Organization-Markup auf Ihrer Startseite listen Sie unter sameAs die URLs Ihrer Profile auf: Wikidata-Objekt, Verbandsprofil, LinkedIn-Seite, Registereintrag. Das ist eine explizite Aussage: Diese Adressen bezeichnen dasselbe Ding. Welche Schema-Felder tatsächlich in Antworten ankommen, haben wir an anderer Stelle behandelt – sameAs gehört zu den wenigen, bei denen der Aufwand eindeutig im Verhältnis steht.

Prüfen Sie, was das Modell über Sie zu wissen glaubt

Bauen Sie eine feste Prüfliste aus drei Fragetypen und laufen Sie sie monatlich durch, in mindestens zwei Systemen, jeweils ohne Websuche und mit Websuche.

Der Identitätstest lautet “Was ist [Firmenname] aus [Ort]?”. Der Zuordnungstest lautet “In welcher Branche arbeitet [Firmenname]?”. Der Empfehlungstest lautet “Welche Anbieter für [Leistung] gibt es im deutschsprachigen Raum?”. Der erste zeigt, ob Sie existieren, der zweite, ob Sie richtig einsortiert sind, der dritte, ob es reicht.

Notieren Sie die Antworten wörtlich in einer Datei, nicht als Gefühl. Falsche Fakten in den Antworten sind wertvolle Hinweise: Sie zeigen, welche Quelle das Modell zieht, und die lässt sich meist finden und korrigieren.

Wo die Methode aufhört zu wirken

Entitätsarbeit kann kein Wissen erzeugen, das es nicht gibt. Wenn über Ihr Unternehmen außerhalb der eigenen Website niemand etwas geschrieben hat, fehlt die Substanz, an der ein Wikidata-Eintrag hängen könnte. Dann ist die Reihenfolge umgekehrt: erst Fachbeiträge, Vorträge, Verbandsarbeit, Studien – dann die strukturellen Anker.

Zweite Grenze: Bei sehr generischen Namen ist die Disambiguierung mühsam und manchmal aussichtslos. Ein Handwerksbetrieb namens “Meier Bau” wird in einem Sprachmodell nie eine saubere Entität, weil es hunderte davon gibt. Hier hilft nur, den Ort im Namen mitzuführen und die Erwartung anzupassen.

Dritte Grenze, und die wird gern verschwiegen: Beim reinen Trainingswissen eines Modells wirken Ihre Änderungen erst mit der nächsten Trainingsrunde. Das können zwölf Monate sein oder mehr. Kurzfristige Effekte sehen Sie nur dort, wo das System zur Laufzeit sucht.

Was das für Sie bedeutet

Fangen Sie mit der Bestandsaufnahme an, nicht mit Wikidata. Legen Sie eine Tabelle an, suchen Sie Ihren Firmennamen in allen Schreibvarianten, tragen Sie jede Fundstelle ein und markieren Sie die Widersprüche. Diese Datei ist die Grundlage für alles Weitere und lässt sich an einem Nachmittag füllen.

Danach in dieser Reihenfolge: Schreibweise verbindlich festlegen und intern kommunizieren. Widersprüche in den bestehenden Profilen korrigieren, angefangen bei den Registern. Drei bis fünf Fachverzeichnisse identifizieren, in die Sie legitim gehören, und dort vollständige Profile anlegen – vollständig heißt mit Beschreibung, Leistungen und Ansprechpartner, nicht nur mit Adresse. Erst wenn diese Belege existieren, den Wikidata-Eintrag anlegen und mit ihnen referenzieren. Zum Schluss sameAs auf der Startseite ergänzen.

Setzen Sie sich einen Termin in zehn Wochen und laufen Sie Ihre Prüfliste durch. Wenn der Identitätstest dann eine korrekte Beschreibung liefert, sind Sie einen Schritt weiter, auch wenn der Empfehlungstest noch nichts zeigt. Der kommt später, und er hängt an Inhalten, nicht an Einträgen.