Was bedeutet Knowledge Graph?
Ein Knowledge Graph beschreibt Wissen nicht als reine Textsammlung, sondern als Netzwerk aus Knoten und Verbindungen. Die Knoten stehen für Entitäten wie Unternehmen, Personen, Themen, Produkte oder Fachbegriffe. Die Verbindungen beschreiben Beziehungen zwischen diesen Entitäten.
Im Glossar-Kontext bezeichnet Knowledge Graph eine maschinenlesbare Struktur, mit der digitale Inhalte besser eingeordnet, verbunden und ausgewertet werden können.
Warum ist ein Knowledge Graph für KI-Sichtbarkeit relevant?
KI-Systeme müssen verstehen, welche Organisation hinter einer Website steht, welche Themen zur Organisation gehören und welche Inhalte als verlässliche Quellen dienen. Ein Knowledge Graph macht diese Zusammenhänge explizit. Dadurch kann eine Domain klarer als fachliche Entität erkannt werden.
Welche Eigenschaften hat ein Knowledge Graph?
- Verknüpfung von Entitäten, Eigenschaften und Beziehungen
- maschinenlesbare Darstellung von Wissen
- semantische Verbindung zwischen Personen, Organisationen, Inhalten und Begriffen
- Grundlage für bessere Kontext- und Quellenzuordnung
- Unterstützung von Suchmaschinen, KI-Systemen und Retrieval-Prozessen
Aus welchen Bestandteilen besteht ein Knowledge Graph?
Ein Knowledge Graph besteht aus Entitäten, Eigenschaften und Beziehungen. Eine Entität kann zum Beispiel eine Organisation sein. Eigenschaften beschreiben diese Organisation, etwa Name, Standort oder Website. Beziehungen verbinden die Organisation mit Personen, Leistungen, Fachbegriffen oder Quellen.
| Bestandteil | Bedeutung | Beispiel |
|---|---|---|
| Entität | Ein eindeutig benennbares Objekt oder Konzept. | LANURI, Schema.org, JSON-LD |
| Eigenschaft | Ein Merkmal einer Entität. | Name, URL, Autor, Thema |
| Beziehung | Eine Verbindung zwischen zwei Entitäten. | LANURI veröffentlicht ein Glossar zu KI-Sichtbarkeit. |
| Quelle | Ein Nachweis oder Bezugspunkt für eine Aussage. | Website, DOI, Publikation, Profil |
Welche Rolle spielen Schema.org und JSON-LD im Knowledge Graph?
Schema.org und JSON-LD können die Grundlage für einen Website-nahen Knowledge Graph bilden. Schema.org definiert Typen und Eigenschaften. JSON-LD stellt diese Informationen maschinenlesbar im HTML-Code bereit.
Für KI-Sichtbarkeit ist entscheidend, dass sichtbarer Inhalt, interne Links und JSON-LD dieselben Entitäten beschreiben. Konsistenz zwischen diesen Ebenen stärkt die maschinelle Einordnung einer Website.
Wie unterscheidet sich ein Knowledge Graph von strukturierten Daten?
| Begriff | Hauptfunktion | Rolle für KI-Systeme |
|---|---|---|
| Strukturierte Daten | Beschreiben einzelne Inhalte nach festen Eigenschaften. | Strukturierte Daten machen einzelne Seiten maschinenlesbar. |
| Knowledge Graph | Verbindet Entitäten und Beziehungen zu einem Wissensnetzwerk. | Ein Knowledge Graph macht semantische Zusammenhänge maschinenlesbar. |
| Schema.org | Liefert das Vokabular für strukturierte Daten. | Schema.org definiert Typen und Eigenschaften für Entitäten. |
| JSON-LD | Stellt strukturierte Daten technisch bereit. | JSON-LD macht Entitäten und Beziehungen im HTML-Code auslesbar. |
Wie sieht ein einfaches Knowledge-Graph-Beispiel aus?
Ein einfaches Knowledge-Graph-Beispiel verbindet eine Organisation mit einer Person, einem Thema und einer Website. Die Beziehungen machen sichtbar, wie einzelne Entitäten zusammengehören.
{
"organization": "LANURI",
"legal_entity": "AI Techno Center GmbH",
"expert": "Svetlana Badak",
"topic": "KI-Sichtbarkeit",
"knowledge_hub": "https://lanuri.de/wissen"
}Experteneinschätzung zum Knowledge Graph
„In LANURI-Audits prüfen wir Knowledge-Graph-Strukturen in drei Ebenen: erstens die Eindeutigkeit der Hauptentitäten, zweitens die Konsistenz zwischen sichtbarem Inhalt und JSON-LD, drittens die Verbindung zu externen Nachweisen wie Profilen, Publikationen oder DOI-Quellen. Erst wenn diese drei Ebenen übereinstimmen, entsteht eine belastbare maschinenlesbare Wissensstruktur.“
— Svetlana Badak, LANURI