Was ist ein Knowledge Graph?

Ein Knowledge Graph (Wissensgraph) ist eine Datenstruktur, die Dinge wie Unternehmen, Produkte, Personen oder Orte als Knoten speichert und ihre Beziehungen als benannte Verbindungen. Statt loser Tabellenzeilen entsteht ein Netz aus Fakten, das Maschinen lesen, durchsuchen und für Schlussfolgerungen nutzen können – etwa „Produkt X wird im Werk Y gefertigt“.

Bekannt geworden ist der Begriff durch Google, das 2012 seinen eigenen Knowledge Graph vorstellte. Heute taucht er in zwei Zusammenhängen auf: bei der Frage, wie Suchmaschinen und KI-Assistenten ein Unternehmen verstehen, und bei der Frage, wie Firmen ihr eigenes Wissen so ordnen, dass Software damit arbeiten kann.

Was der Begriff bedeutet

Ein Graph ist in der Informatik nichts anderes als ein Netz aus Punkten und Linien. Ein Wissensgraph füllt dieses Netz mit Bedeutung: Jeder Punkt steht für eine eindeutig benannte Sache (eine Entität), jede Linie für eine Beziehung mit Namen. Aus „Müller GmbH“ und „Augsburg“ wird so die Aussage „Müller GmbH – hat Sitz in – Augsburg“.

Der Wert entsteht durch die Verknüpfung. Aus vielen einzelnen Aussagen lassen sich Fragen beantworten, die in keiner Tabelle direkt stehen: Welche Kunden haben Anlagen mit einem Bauteil, das der Lieferant gerade abgekündigt hat? Ein Mensch müsste dafür drei Systeme öffnen. Ein Graph folgt einfach den Kanten.

Knoten, Kanten, Eigenschaften: der Aufbau

• Knoten (Entitäten): Kunde, Artikel, Maschine, Standort, Norm, Ansprechpartner. Jeder Knoten hat eine eindeutige Kennung, damit „Müller GmbH“ und „Müller Gesellschaft mbH“ nicht als zwei Firmen gelten.
• Kanten (Beziehungen): „liefert an“, „ist Teil von“, „ersetzt“, „zuständig für“. Die Richtung zählt: A liefert an B ist etwas anderes als B liefert an A.
• Eigenschaften: Werte am Knoten oder an der Kante, etwa Gründungsjahr, Gewicht oder „gültig ab“.
• Ontologie: das Regelwerk, welche Arten von Knoten und Beziehungen es überhaupt gibt. Sie verhindert Wildwuchs und macht den Graphen für mehrere Abteilungen nutzbar.

Technisch liegen solche Graphen in Graphdatenbanken oder als Tripel (Subjekt – Prädikat – Objekt) im RDF-Format. Für Websites ist die wichtigste Form das Vokabular von schema.org, eingebettet als strukturierte Daten im JSON-LD-Format.

Der Knowledge Graph von Google

Google sammelt Fakten zu Milliarden Entitäten aus öffentlichen Quellen, strukturierten Daten von Websites, dem Unternehmensprofil und weiteren Datenbeständen. Sichtbar wird das im Knowledge Panel rechts neben den Suchergebnissen: Logo, Sitz, Gründung, Geschäftsführung, verwandte Unternehmen.

Für KI-gestützte Suchen hat der Graph an Gewicht gewonnen. Wenn eine Maschine eine Antwort zusammenstellt, muss sie wissen, dass die Firma auf der Website, im Handelsregister und in einem Fachartikel dieselbe ist. Wer eindeutig als Entität erkannt wird, hat bessere Chancen, in AI Overviews und Assistenten korrekt genannt zu werden. Eine Garantie dafür gibt es nicht, Google entscheidet selbst, was in den Graphen aufgenommen wird.

Beispiele aus dem Mittelstand

• Ersatzteile im Maschinenbau: Ein Hersteller verknüpft Maschinen, Baugruppen, Teile und Nachfolgeartikel. Der Service sieht sofort, welches Teil ein abgekündigtes ersetzt und welche Kundenanlagen betroffen sind.
• Produktdaten im Großhandel: Artikel werden mit Anwendungen, Zulassungen und passenden Zubehörteilen verbunden. Der Onlineshop kann so „passt zu“ zuverlässig anzeigen.
• Normen und Nachweise: Ein Bauunternehmen hinterlegt, welche Prüfnachweise für welches Material und welche Ausschreibung gelten.
• Firmenwissen für KI: Ein Assistent, der Fragen zu Zuständigkeiten beantwortet, greift auf einen Graphen aus Mitarbeitenden, Teams, Kunden und Projekten zurück, statt aus Freitext zu raten.

Knowledge Graph, Datenbank und Vektorsuche

In KI-Projekten ergänzen sich die Ansätze. Bei RAG findet eine Vektordatenbank passende Textstellen, der Graph liefert die harten Fakten dazu. Diese Kombination wird oft GraphRAG genannt.

Aufwand und Grenzen

Ein Graph ist so gut wie seine Pflege. Die größte Arbeit steckt nicht in der Technik, sondern in Fragen wie: Was genau ist ein „Kunde“ – der Konzern oder jede Niederlassung? Wer darf eine Beziehung ändern? Ohne solche Festlegungen entstehen Dubletten und Widersprüche, und der Graph verliert schnell das Vertrauen der Nutzer.

Dazu kommt: Nicht jedes Problem braucht einen Graphen. Wer nur Listen filtert und Summen bildet, ist mit einer gewöhnlichen Datenbank besser bedient. Ein Wissensgraph lohnt sich, wenn Beziehungen über mehrere Stufen die eigentliche Frage sind.

In der Praxis: als eindeutige Einheit erkannt werden

Für die meisten Unternehmen beginnt das Thema auf der eigenen Website. Bei der KI-Sichtbarkeit prüfen wir, ob Suchmaschinen und KI-Assistenten Ihr Unternehmen als eindeutige Entität erkennen, ergänzen strukturierte Daten und gleichen Angaben wie Name, Sitz und Leistungen über alle Quellen ab. Wo ein Graph intern hilft, etwa für Produktdaten oder einen Wissensassistenten, planen wir ihn im Rahmen der KI-Einführung mit Ihren vorhandenen Systemen.

Häufige Fragen

Was ist ein Knowledge Graph einfach erklärt?

Ein Netz aus Fakten: Dinge wie Firmen, Produkte oder Orte sind Punkte, ihre Beziehungen sind beschriftete Linien dazwischen. Software kann diesen Linien folgen und so Fragen beantworten, die mehrere Informationen verbinden.

Kann ich beeinflussen, was Google im Knowledge Panel zeigt?

Indirekt. Einheitliche Angaben auf Website, Unternehmensprofil und in öffentlichen Verzeichnissen sowie schema.org-Auszeichnungen helfen. Ist ein Knowledge Panel vorhanden, können Sie es bei Google beanspruchen und Korrekturen vorschlagen. Die Entscheidung trifft Google.

Braucht ein kleines Unternehmen einen eigenen Wissensgraphen?

Meist nicht als eigenes System. Wichtiger ist, dass die eigenen Daten sauber und eindeutig sind. Ein interner Graph lohnt sich vor allem bei vielen verknüpften Artikeln, Anlagen oder Vorschriften.

Was ist der Unterschied zwischen Knowledge Graph und Ontologie?

Die Ontologie ist der Bauplan: welche Arten von Dingen und Beziehungen es gibt. Der Knowledge Graph ist das gefüllte Gebäude mit den konkreten Fakten.