Knowledge Graph und E-E-A-T: Wie KI Vertrauen bewertet

Wenn du heute in Google nach einem Unternehmen suchst, erscheint rechts oft ein kompakter Kasten mit Logo, Gründungsjahr, Bewertung und Verknüpfungen. Wenn du dieselbe Frage einer KI wie Claude oder Perplexity stellst, bekommst du eine fertige Antwort, die manche Marken nennt und andere weglässt. In beiden Fällen entscheidet im Hintergrund dieselbe Frage: Versteht die Maschine, wer du bist - und hält sie dich für vertrauenswürdig?

Hinter diesen beiden Fragen stehen zwei Konzepte, die jeder kennen sollte, der online gefunden werden will: der Knowledge Graph und E-E-A-T. Der eine sorgt dafür, dass dein Unternehmen als eindeutiges Ding erkannt wird. Der andere bestimmt, wie viel Gewicht deine Aussagen bekommen. In diesem Artikel erfährst du, was beide genau bedeuten, wie sie zusammenhängen, wie Google und KI Vertrauen technisch bewerten und wie du als kleines oder mittleres Unternehmen Schritt für Schritt zur eindeutigen, vertrauenswürdigen Entität wirst.

Was ist ein Knowledge Graph? Definition und Einordnung

Ein Knowledge Graph ist eine Wissensdatenbank, in der reale Dinge als Entitäten gespeichert und über ihre Beziehungen zueinander verknüpft sind. Statt Wörter als bloße Zeichenketten zu behandeln, kennt ein Knowledge Graph die Dinge dahinter: dass "AUTIMA" ein Unternehmen ist, dass es einen Gründer hat, dass dieser an einem Ort sitzt und sich mit bestimmten Themen befasst. Jede dieser Tatsachen ist eine Kante zwischen zwei Knoten im Graphen.

Google hat seinen Knowledge Graph im Mai 2012 vorgestellt - unter dem berühmten Leitsatz things, not strings, also Dinge statt Zeichenketten. Schon zum Start umfasste er über 500 Millionen Entitäten und mehr als 3,5 Milliarden Fakten über diese Entitäten und ihre Verbindungen. Seither ist er die Grundlage für die Knowledge Panels in der Suche, für Sprachassistenten und zunehmend für die Quellenauswahl generativer KI-Systeme.

Der entscheidende Punkt für dich: Eine Entität im Knowledge Graph ist mehr als ein Eintrag in einer Liste. Sie ist ein Knotenpunkt, der mit anderen verknüpft ist - mit deinem Gründer, deinen Themen, deinen externen Profilen. Je sauberer und konsistenter diese Verknüpfungen sind, desto eindeutiger ist deine Marke für die Maschine von ähnlich klingenden Wettbewerbern zu unterscheiden. Diese Eindeutigkeit ist die Voraussetzung für alles Weitere.

Was E-E-A-T bedeutet - und warum Google die vier Buchstaben prüft

E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness - auf Deutsch Erfahrung, Expertise, Autorität und Vertrauenswürdigkeit. Es ist der Rahmen, mit dem Google die Qualität und Verlässlichkeit von Inhalten und ihren Urhebern einschätzt. Ursprünglich hieß das Konzept E-A-T; Google hat im Dezember 2022 das zweite E für Experience ergänzt, um eigene, nachweisbare Praxiserfahrung mit einem Thema stärker zu gewichten.

Die vier Kriterien greifen unterschiedlich. Experience fragt, ob der Urheber das Thema selbst erlebt hat - ob er das Produkt wirklich benutzt, das Projekt wirklich umgesetzt hat. Expertise fragt nach fachlichem Wissen und Können. Authoritativeness fragt, ob der Urheber und die Website als anerkannte Quelle für das Thema gelten. Trustworthiness, die Vertrauenswürdigkeit, ist das wichtigste der vier - Google selbst beschreibt sie als das Zentrum, weil eine Seite mit hoher Expertise, die aber nicht vertrauenswürdig ist, wenig wert ist.

Wichtig zur Einordnung: E-E-A-T ist kein einzelner Schalter, den ein Algorithmus direkt ausliest. Es ist ein Konzept, das Googles menschliche Quality Rater nutzen, um Suchergebnisse zu bewerten und die Algorithmen zu kalibrieren. Die Algorithmen wiederum nähern E-E-A-T über viele Einzelsignale an. Für die Praxis heißt das: Du optimierst nicht eine Kennzahl, sondern baust vier Arten von Belegen auf, die sich in zahlreichen Signalen niederschlagen.

Knowledge Graph und E-E-A-T: Wie sie zusammenhängen

Knowledge Graph und E-E-A-T werden oft getrennt behandelt, sind aber zwei Seiten derselben Medaille. Der Knowledge Graph beantwortet die Frage: Wer bist du? E-E-A-T beantwortet die Frage: Wie vertrauenswürdig bist du? Und das Entscheidende: Die zweite Frage lässt sich nur beantworten, wenn die erste geklärt ist.

Stell dir vor, deine Website strotzt vor Belegen - echte Bewertungen, ein erfahrener Gründer, Referenzen aus der Praxis. Wenn die Maschine aber nicht eindeutig erkennt, zu welcher Entität diese Belege gehören, verpuffen sie. Vertrauenssignale brauchen einen Akteur, dem sie zugeordnet werden. Eine Bewertung ohne klar verknüpfte Organisation ist nur eine Zahl im Raum. Ein Experten-Artikel ohne identifizierbaren Autor ist anonym. Erst die eindeutige Entität macht E-E-A-T-Signale zuordenbar - und damit überhaupt wirksam.

Umgekehrt ist eine Entität ohne Vertrauenssignale leer. Du kannst im Knowledge Graph als klar definiertes Unternehmen erscheinen und trotzdem nicht zitiert werden, wenn nichts auf deine Verlässlichkeit hindeutet. Die beiden bedingen einander: Der Graph liefert die Identität, E-E-A-T füllt sie mit Gewicht. Genau dieses Zusammenspiel ist der Kern dessen, was Generative Engine Optimization ausmacht - die Disziplin, in KI-Antworten als Quelle ausgewählt zu werden.

Warum das für KMU heute entscheidend ist

Lange galt der Aufbau einer starken Entität als Thema für große Marken mit Wikipedia-Eintrag und Presseabteilung. Das hat sich verschoben. KI-Antwortmaschinen treffen heute Vorauswahlen darüber, welche Anbieter überhaupt in einer Antwort genannt werden - und sie tun das gerade in beratungsintensiven Branchen, in denen die Kaufentscheidung mit einer offenen Recherche beginnt. Wer hier als vertrauenswürdige Quelle erscheint, sitzt mit am Tisch, bevor das Auswahlgespräch beginnt.

Für kleine und mittlere Unternehmen liegt darin eine Chance. Eine saubere, eindeutige Entität mit belegbaren Vertrauenssignalen ist kein Privileg der Konzerne, sondern eine Frage der Sorgfalt. Wer früh eine konsistente Entität aufbaut, kann in seiner Nische schnell zur klaren Referenz werden - oft bevor ein größerer, aber unstrukturierter Wettbewerber nachzieht. Die Eindeutigkeit, die der Knowledge Graph belohnt, lässt sich mit überschaubarem Aufwand herstellen.

Dazu kommt ein praktischer Nebeneffekt: Dieselbe Arbeit zahlt doppelt ein. Eine konsistente Entität und nachweisbare Vertrauenssignale verbessern nicht nur die Chance auf einen Knowledge-Panel-Eintrag und KI-Zitate, sondern auch die klassische Suchsichtbarkeit. Du baust keine zwei getrennten Systeme auf, sondern ein Fundament, das in beide Richtungen wirkt. Entscheidend ist dabei, vom bloßen Zugang zur tatsächlichen Wirkung zu kommen - der Unterschied zwischen KI-ready und KI-produktiv gilt für die eigene Entität genauso wie für jeden anderen KI-Hebel.

Wie Google und KI Vertrauen technisch bewerten

Hinter den Begriffen E-E-A-T und Knowledge Graph stehen konkrete technische Mechanismen, die sich aus Googles Patenten ablesen lassen. Sie zeigen, dass Vertrauen kein vages Marketing-Konzept ist, sondern berechnet wird.

Ein zentrales Beispiel ist das Patent US11769017B1, das einen query-unabhängigen Vertrauens-Score beschreibt - also einen Wert, der einer Quelle unabhängig von der konkreten Suchanfrage zugeordnet wird und mitentscheidet, ob sie als verlässliche Grundlage für eine generative Antwort herangezogen wird. Vereinfacht gesagt: Bevor eine KI deine Aussage zitiert, fragt sie, wie verlässlich die Quelle generell ist.

Ein zweiter Mechanismus betrifft die Identität der handelnden Personen. Das Patent US20240378400 beschreibt, wie benannte Entitäten über sameAs-Verknüpfungen mit autoritativen Datenquellen verbunden werden - etwa der Autor eines Artikels mit seinem Wikidata-Eintrag, seinem LinkedIn-Profil und seiner Bewertungsseite. Diese Verknüpfungen sind der maschinenlesbare Beweis dafür, dass hinter den Inhalten eine reale, identifizierbare Person steht. Genau das ist E-E-A-T in Code gegossen.

Der dritte Mechanismus ist Konsistenz. Das Patent US12417274B2 macht deutlich, dass strukturierte Daten dem sichtbaren Seitentext entsprechen müssen. Was du im JSON-LD als Bewertung, Gründungsjahr oder Aussage hinterlegst, muss ein Mensch auf der Seite genauso vorfinden. Weicht das Schema vom sichtbaren Inhalt ab, wird es als Manipulationsversuch gewertet und ignoriert. Vertrauen entsteht hier durch Übereinstimmung, nicht durch Behauptung.

Wie du als KMU in den Knowledge Graph kommst: Schritt für Schritt

Den Eintrag im Knowledge Graph kannst du nicht erzwingen, aber gezielt vorbereiten. Die folgende Reihenfolge hat sich bewährt.

1. Die Entität konsistent definieren

Lege fest, wie dein Unternehmen heißt, wo es sitzt und wofür es steht - und sorge dafür, dass diese Angaben überall identisch sind: auf der Website, in Verzeichnissen, auf Bewertungsplattformen, in sozialen Profilen. Schon kleine Abweichungen im Namen oder in der Adresse erschweren der Maschine die Zuordnung. Konsistenz ist die Grundvoraussetzung dafür, dass aus vielen Erwähnungen eine einzige Entität wird.

2. sameAs-Verknüpfungen setzen

Verbinde deine Entität über das sameAs-Feld im strukturierten Datensatz mit autoritativen Profilen: Wikidata, LinkedIn, Bewertungsplattformen, Branchenverzeichnisse. Jede dieser Verknüpfungen ist ein Hinweis für die Maschine, dass es sich um dieselbe reale Organisation handelt. Ein eigener Wikidata-Eintrag ist dabei besonders wirksam, weil Wikidata eine der Hauptquellen für den Google Knowledge Graph ist.

3. Den Autor als Person-Entität verankern

E-E-A-T hängt an Menschen. Gib deinen Inhalten einen benannten Autor mit eigenem Profil, Foto, Kurzbiografie und sameAs-Verknüpfungen. So wird aus einem anonymen Text die Aussage einer identifizierbaren Person mit nachweisbarer Erfahrung. Die Person-Entität sollte dabei klar mit der Organisations-Entität verknüpft sein - der Gründer gehört zur Firma, und beide zeigen aufeinander.

4. Strukturierte Daten als zusammenhängenden Graph aufbauen

Einzelne Schema-Schnipsel reichen nicht. Wirksam ist ein verketteter JSON-LD-Graph, in dem Organisation, Standort, Website, Autor und Inhalt über stabile Identifikatoren verbunden sind. So erkennt die Maschine nicht nur einzelne Fakten, sondern die Beziehungen dazwischen. Wie dieselbe Verkettung die Sichtbarkeit in KI-Antworten bestimmt, vertiefen wir im GEO-Leitfaden - die saubere Verkettung ist der eigentliche Hebel, nicht die schiere Menge an Markup.

5. Externe Bestätigung aufbauen

Der unbequemste Schritt ist zugleich der wichtigste: Erwähnungen von außen. Eine Entität festigt sich, wenn unabhängige Quellen sie bestätigen - Branchenartikel, Verzeichnisse, Fachbeiträge, Kundenstimmen auf Drittplattformen. Diese externen Signale sind die Währung, in der sowohl Google als auch KI-Maschinen Autorität messen. Ohne sie bleibt selbst die sauberste On-Page-Struktur im Zweifel unsichtbar.

Worauf du bei Knowledge Graph und E-E-A-T achten solltest

Bei der Umsetzung entscheiden ein paar Details darüber, ob die Arbeit greift oder verpufft.

Konsistenz zwischen Schema und sichtbarem Text

Jede Zahl, jede Bewertung, jede Aussage im strukturierten Datensatz braucht ihr sichtbares Gegenstück auf der Seite. Hinterlegst du eine Bewertung im Schema, muss sie für einen Menschen auch lesbar sein. Diese Übereinstimmung ist nicht nur eine technische Pflicht, sondern selbst ein Vertrauenssignal.

Erfahrung wirklich belegen, nicht behaupten

Das Experience-Kriterium fragt nach echter Praxis. Allgemeine Ratgebertexte, die jeder schreiben könnte, tragen wenig dazu bei. Was zählt, sind konkrete eigene Erfahrungen: ein benanntes Projekt, eine echte Zahl, ein nachvollziehbares Beispiel. Genau hier haben Unternehmen mit echtem Track-Record einen Vorteil, den rein generierte Massenware nicht hat.

Geduld einplanen

Eine Entität festigt sich nicht über Nacht. Strukturierte Daten werden in Tagen bis Wochen verarbeitet, aber ein stabiler Knowledge-Graph-Eintrag und belastbares Vertrauen wachsen über Monate. Wer das Programm zu früh abbricht, gibt genau in dem Moment auf, in dem die Signale zu greifen beginnen.

Häufige Fehler bei Knowledge Graph und E-E-A-T

Der mit Abstand häufigste Fehler ist ein technisch zerfallener Daten-Graph. In unseren SEO- und GEO-Audits sehen wir immer wieder Websites, die viele Schema-Bausteine ausspielen, diese aber nicht über stabile Identifikatoren verketten - die Organisation hängt an einer anderen Kennung als der Inhalt, der Autor ist nirgends verankert. Für die Maschine zerfällt die Seite dann in zusammenhanglose Fakten, statt eine vertrauenswürdige Entität zu ergeben. E-E-A-T-Signale finden keinen Akteur, dem sie sich zuordnen lassen.

Wie das richtig aussieht, haben wir auf autima.de selbst umgesetzt: Das Organisations-Schema ist über eine feste Kennung als Wurzel-Anker aufgebaut, die echte ProvenExpert-Bewertung von 4,96 aus 514 Bewertungen ist als verkettete Bewertung hinterlegt, und die Gründer-Entität ist über sameAs mit Wikidata verknüpft. Über 600 umgesetzte Kundenprojekte seit 2012 haben uns dabei eines gelehrt: Für die Maschine schlägt eine saubere Verkettung jede Menge an Markup. Es geht nicht darum, möglichst viel Schema auszuspielen, sondern eine einzige, eindeutige Entität sichtbar zu machen.

Der zweite häufige Fehler ist die Verwechslung von E-E-A-T mit einem Marketing-Versprechen. Vertrauenswürdigkeit lässt sich nicht behaupten, sondern nur belegen - mit echten Bewertungen, einem benannten Autor, nachprüfbaren Zahlen und Quellenangaben. Wer auf seiner Seite schreibt, er sei der vertrauenswürdigste Anbieter, hat E-E-A-T missverstanden. Das Vertrauen entsteht aus den Belegen, nicht aus der Aussage über sie. Der dritte Fehler ist, die Person hinter dem Unternehmen unsichtbar zu lassen: Inhalte ohne identifizierbaren Urheber verschenken das gesamte Experience- und Expertise-Signal.

Wann sich der Aufbau lohnt

Für kleine und mittlere Unternehmen lohnt sich der Aufbau einer sauberen Entität fast immer, weil hier ein struktureller Vorsprung möglich ist. Wer in seiner Nische früh eine eindeutige, vertrauenswürdige Entität etabliert, wird für Google und KI schnell zur Referenz - ein Vorteil, der mit überschaubarem Aufwand zu holen ist und sich in klassischer Suche wie in KI-Antworten gleichzeitig auszahlt. Besonders in beratungsintensiven Feldern, in denen Kunden vor dem Kauf recherchieren, ist die Erwähnung als vertrauenswürdige Quelle bares Geld.

Für größere Unternehmen und Konzerne verschiebt sich der Schwerpunkt. Hier existiert oft schon Autorität, aber die Angaben sind über viele Systeme verteilt und widersprechen sich. Der Hebel liegt dann in der Konsolidierung: widersprüchliche Daten vereinheitlichen, die Entität über alle Quellen hinweg konsistent machen und die vorhandene Autorität in maschinenlesbare Struktur übersetzen. Oft ist das größte Vertrauensleck nicht fehlende Substanz, sondern Inkonsistenz.

Weniger dringend ist der Aufwand dort, wo noch gar keine Website-Basis und keine externe Sichtbarkeit existieren. Dann ist der erste Schritt nicht der Knowledge Graph, sondern überhaupt eine auffindbare, belegbare Präsenz. Entität und E-E-A-T setzen darauf auf - sie verstärken vorhandene Substanz, sie ersetzen sie nicht.

So entscheidest du dich

Die ehrliche Einordnung lautet: Eine eindeutige Entität und nachweisbares E-E-A-T sind kein Trick, sondern Grundlagenarbeit mit doppelter Auszahlung. Sie kosten überschaubar viel, schaden nie und verbessern deine Sichtbarkeit in klassischer Suche und in KI-Antworten zugleich. Den Knowledge-Graph-Eintrag selbst kannst du nicht erzwingen, aber die Wahrscheinlichkeit dafür systematisch erhöhen - und an echten Checks messen, ob du auftauchst, wenn du deine Kernfragen in Claude, ChatGPT oder Perplexity eingibst.

Der pragmatische Einstieg sieht so aus: Bring zuerst deine Entität in Ordnung - konsistente Daten über alle Quellen, ein sauber verketteter Daten-Graph, ein benannter Autor mit Profil und sameAs-Verknüpfungen. Mach dann deine Vertrauenssignale sichtbar und belegbar, statt sie zu behaupten. Und baue parallel externe Erwähnungen auf, weil sie die Autorität tragen, die On-Page allein nicht liefern kann. Dieses Zusammenspiel aus Identität, Belegen und externer Bestätigung ist genau das, woran wir bei Trust-Marketing und in der KI-Strategie-Beratung arbeiten - Vertrauen so aufzubauen, dass es für Mensch und Maschine gleichermaßen nachweisbar ist.

Wenn du wissen willst, ob deine eigene Entität für Google und KI schon eindeutig genug ist, ist das die erste Frage, die wir gemeinsam beantworten - bevor es um einzelne Maßnahmen geht. Denn ohne klare Entität bleibt jedes weitere Vertrauenssignal ohne Adressaten.