Traditionelles SEO konzentriert sich auf die Optimierung von Inhalten für spezifische Suchbegriffe. Es geht darum, eine Zeichenkette – das Keyword – strategisch im Text zu platzieren. Entity-SEO geht einen Schritt weiter. Es betrachtet nicht das Wort „Berlin“ als Zeichenkette, sondern als die Entität „Berlin“, die Hauptstadt Deutschlands mit Attributen wie dem Brandenburger Tor, einer bestimmten Einwohnerzahl und einer Rolle in der Geschichte. Während Keyword-SEO die Sprache analysiert, interpretiert Entity-SEO die Bedeutung dahinter. Diese Verschiebung ermöglicht es Google, Inhalte für Anfragen zu ranken, die das Zielkeyword gar nicht explizit enthalten, aber thematisch dieselbe Entität behandeln.
Entity-SEO bringt eine bessere Sichtbarkeit und höhere Rankings, da Suchmaschinen Ihre Inhalte besser verstehen, indem sie sie mit Konzepten und Beziehungen in Verbindung bringen, anstatt sich nur auf Keywords zu verlassen. Dies führt zu relevanteren Suchergebnissen für Nutzer und positioniert Ihre Website als maßgebliche Quelle zu einem Thema.
Wie funktioniert Entity-SEO?
Die Grundlage von Entity-SEO ist der Google Knowledge Graph, eine riesige Wissensdatenbank, in der Google Informationen über Milliarden von Entitäten und deren Beziehungen speichert. Wenn eine Suchanfrage gestellt wird, versucht Google, die darin enthaltenen Entitäten zu erkennen. Durch den Abgleich mit dem Knowledge Graph kann die Suchmaschine die Absicht hinter der Anfrage besser verstehen und relevantere Ergebnisse liefern. Techniken wie die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) helfen dabei, Entitäten in unstrukturiertem Text zu identifizieren. Strukturierte Daten, insbesondere Schema.org Markup, sind ein entscheidendes Werkzeug, um Suchmaschinen explizite Informationen über die Entitäten auf einer Webseite zu liefern und Unklarheiten zu beseitigen.
- Fokus auf Entitäten und Beziehungen: Statt nur auf Keywords zu achten, wird der Inhalt so strukturiert, dass sowohl die einzelnen Entitäten als auch ihre Verbindungen zueinander klar sind. Ein Beispiel wäre, klarzustellen, dass „Rhyolith“ eine Gesteinsart ist (eine Entität) und in „Nye County, Nevada“ vorkommt (zwei weitere Entitäten), wie basedonanalytics.com erklärt.
- Nutzung von Wissensdatenbanken: Suchmaschinen nutzen externe Wissensdatenbanken wie Wikipedia, um Informationen über Entitäten zu verifizieren und zu verstehen. Eine gute Entity SEO-Strategie integriert diese Informationen glaubwürdig in die eigenen Inhalte.
- Einsatz von strukturierten Daten (Schema.org): Durch die Implementierung von strukturierten Daten können Sie Suchmaschinen helfen, Ihre Entitäten und deren Eigenschaften (z. B. Typ, Datum, Standort) klar zu erkennen und zu klassifizieren.
- Natürliche Sprachverarbeitung (NLP): moderne Suchmaschinen verwenden NLP, um die Bedeutung und den Kontext von Texten zu analysieren und die Beziehungen zwischen Wörtern und Begriffen zu erkennen. Durch die Verwendung klarer, prägnanter Sprache und die Vermeidung zu bildhafter Sprache können Sie die Arbeit von NLP unterstützen.
- Konsistente und eindeutige Benennung: Verwenden Sie die primäre Entität oft als Subjekt in Sätzen, um ihr eine höhere Relevanz zuzuweisen. Wenn Sie Synonyme verwenden, nutzen Sie diese in einem ausgewogenen Verhältnis zur primären Entität.
- Verwendung von Korreferenzen: Nutzen Sie Pronomen wie „er“, „sie“, „es“, „sie“ in Sätzen, die sich auf eine bereits erwähnte Entität beziehen, um die semantischen Verbindungen zu stärken.
Was sind die Vorteile von Entity-SEO?
Entity-SEO bietet Vorteile wie eine stärkere Sichtbarkeit in semantischen Suchsystemen, verbesserte Rankings durch semantische Vernetzung anstatt nur Keywords, eine stärkere Markenautorität, die Möglichkeit, in Knowledge Panels zu erscheinen, sowie die Fähigkeit, auch für Suchanfragen optimiert zu sein, die keine expliziten Keywords auf Ihrer Seite enthalten. Dieser Ansatz hilft Suchmaschinen, Ihre Inhalte besser zu verstehen und sie als relevant für eine breitere Palette von Suchanfragen zu erkennen.
Die Vorteile von Entity-SEO im Detail:
- Verbesserte Sichtbarkeit: Suchmaschinen wie Google verstehen den Kontext und die Bedeutung Ihrer Inhalte besser, was zu einer höheren Platzierung in den Suchergebnissen führt, insbesondere in KI-gestützten Systemen.
- Stärkere Markenautorität: Durch eine konsistente, semantisch strukturierte Präsenz können Sie Ihre Marke als eindeutige Entität etablieren, was zu einer höheren Autorität und Glaubwürdigkeit führt.
- Bessere Rankings: Sie können für Suchanfragen ranken, die nicht explizit im Inhalt Ihrer Webseite aufgeführt sind, da die Suchmaschine die thematische Verwandtschaft erkennt.
- Sichtbarkeit in Knowledge Panels: Eine starke Entität kann dazu führen, dass Ihre Inhalte in den prominenten Knowledge Panels der Suchergebnisse erscheinen.
- Optimierung für moderne Suchanfragen: Entity-SEO passt perfekt zu modernen Suchverhalten, einschließlich langer, konversationeller Anfragen, und dem Aufkommen von Sprachassistenten und Chatbots.
- Sprachübergreifende Vernetzung: Google kann Informationen zu einer Entität aus verschiedenen Sprachen sammeln und nutzen, um ein umfassenderes Wissensnetz aufzubauen.
- Relevantere Suchergebnisse: Der Fokus liegt auf der semantischen Bedeutung, was zu relevanteren und qualitativ hochwertigeren Suchergebnissen führt, die den Nutzer besser bedienen
Knowledge Graph Optimierung Schritt für Schritt
Die Optimierung für den Google Knowledge Graph ist ein strategischer Prozess. Ziel ist es, Google klare und konsistente Signale über die eigene Kernentität und deren thematisches Umfeld zu senden. Dieser Prozess stärkt die thematische Autorität und erhöht die Wahrscheinlichkeit für prominente Platzierungen in den SERPs, wie beispielsweise in Knowledge Panels.
Schritt 1: Kernentität identifizieren und definieren
Jede erfolgreiche Knowledge-Graph-Strategie beginnt mit der präzisen Identifikation der Kernentität. Dies ist das zentrale Konzept, für das Ihr Unternehmen oder Ihre Webseite stehen soll. Es kann die Marke selbst, ein Gründer, ein Flaggschiff-Produkt oder eine spezifische Dienstleistung sein. Fragen Sie sich: Was ist das eine „Ding“, das Google zweifelsfrei mit Ihrer Domain in Verbindung bringen soll? Diese Entität ist mehr als ein Keyword; sie ist ein Konzept mit klar definierten Eigenschaften, Beziehungen und einem spezifischen Kontext. Die Definition dieser Entität – was sie ist, was sie tut und für wen sie relevant ist – bildet das Fundament für die gesamte Content-Strategie.
Schritt 2: Inhalte strukturieren und Beziehungen herstellen
Nach der Definition der Kernentität folgt der Aufbau eines thematischen Universums. Ein zentraler, umfassender Artikel – eine sogenannte Pillar Page – dient als Ankerpunkt und behandelt die Kernentität in der Tiefe. Unterstützende Artikel, die als Cluster-Content fungieren, beleuchten spezifische Aspekte oder verwandte Entitäten. Die entscheidende Aufgabe besteht darin, die Beziehungen zwischen diesen Inhalten für Suchmaschinen sichtbar zu machen. Dies geschieht durch eine logische interne Verlinkung mit kontextuell relevantem Ankertext. Jeder Link ist ein Signal, das eine semantische Verbindung herstellt. Explizit wird diese Verbindung durch Schema Markup untermauert, indem beispielsweise mentions-Properties verwendet werden, um auf andere relevante Entitäten innerhalb des Textes zu verweisen.
Schritt 3: Konsistenz über alle Kanäle wahren
Google validiert Entitäten durch den Abgleich von Informationen über zahlreiche Quellen hinweg. Eine auf der Webseite deklarierte Entität gewinnt an Autorität, wenn sie durch externe, vertrauenswürdige Quellen bestätigt wird. Das Ziel ist es, ein widerspruchsfreies und einheitliches Bild der Kernentität im gesamten digitalen Ökosystem zu schaffen. Dies umfasst die eigene Webseite, soziale Medienprofile (insbesondere LinkedIn), Branchenverzeichnisse, Pressemitteilungen und vor allem Einträge in zentralen Wissensdatenbanken wie Wikidata. Widersprüchliche Informationen, etwa unterschiedliche Gründungsdaten oder Adressen, erzeugen Ambiguität und schwächen die Autorität der Entität. Konsistenz ist ein direktes Signal für Vertrauenswürdigkeit und Etabliertheit.
Entitäten in Google Natural Language API erkennen
Die Google Natural Language API ist ein leistungsstarkes Machine-Learning-Modell, das von Google Cloud bereitgestellt wird. Es ermöglicht Entwicklern und SEO-Experten, unstrukturierten Text zu analysieren und daraus wertvolle Informationen zu extrahieren. Für die Suchmaschinenoptimierung ist dieses Werkzeug von unschätzbarem Wert, da es einen direkten Einblick bietet, wie Googles eigene Algorithmen Textinhalte interpretieren, Entitäten identifizieren und deren Beziehungen zueinander verstehen. Anstatt zu vermuten, ob der eigene Content thematisch fokussiert ist, liefert die API objektive, datengestützte Erkenntnisse direkt aus dem Google-Ökosystem.
Die API nimmt einen Text als Input und gibt eine strukturierte Analyse in Form einer JSON-Antwort zurück. Diese Analyse umfasst verschiedene Aspekte wie Sentiment-Analyse, Syntax-Analyse und Inhaltsklassifizierung. Für Entity-SEO ist jedoch die Funktion der Entitäten-Analyse (analyzeEntities) von zentraler Bedeutung. Sie identifiziert nicht nur den Namen einer Entität (z.B. „Steve Jobs“), sondern klassifiziert auch deren Typ (z.B. PERSON) und liefert oft Metadaten, wie einen Link zum entsprechenden Wikipedia-Eintrag. Dieser Link ist ein klares Indiz für die Verbindung zum globalen Knowledge Graph.
Salienz und Relevanz von Entitäten im Text analysieren
Ein entscheidender Messwert, den die Google Natural Language API liefert, ist der Salienz-Score (Salience Score). Dieser Wert, der zwischen 0.0 (nicht relevant) und 1.0 (sehr relevant) liegt, gibt die Wichtigkeit oder Zentralität einer Entität für den Gesamttext an. Ein hoher Salienz-Score bedeutet nicht zwangsläufig, dass die Entität am häufigsten erwähnt wird. Vielmehr spiegelt er wider, wie zentral die Entität für das Hauptthema des Dokuments ist. Eine Entität, die im Titel und in den Hauptüberschriften vorkommt und die zentrale Figur in den beschriebenen Aktionen ist, wird einen höheren Salienz-Score aufweisen als eine Entität, die nur beiläufig in einem Nebensatz erwähnt wird.
Für Content-Ersteller und SEOs ist die Analyse der Salienz-Scores ein mächtiges Diagnoseinstrument:
- Überprüfung des thematischen Fokus: Entspricht die Entität mit dem höchsten Salienz-Score der Kernentität, auf die der Artikel optimiert werden soll? Wenn eine andere Entität einen höheren Score aufweist, könnte der Inhalt thematisch nicht klar genug fokussiert sein.
- Identifikation von semantischen Beziehungen: Die Liste der erkannten Entitäten und ihrer Salienz-Scores zeigt, welches thematische Umfeld Google aus dem Text ableitet. Dies hilft zu verstehen, welche verwandten Konzepte zur Stärkung des Hauptthemas beitragen.
- Optimierung der Inhaltsstruktur: Um die Salienz einer bestimmten Entität zu erhöhen, kann diese strategisch an wichtigeren Positionen im Text platziert werden, beispielsweise in der H1-Überschrift, in Zwischenüberschriften oder im ersten Absatz.
Praktisches Beispiel:
Ein Text lautet: „Die P3.MARKETING, mit Sitz in Frankfurt am Main, wurde von Peter S. Puzzo gegründet und spezialisiert sich auf SEO.“
Die Natural Language API könnte folgende Entitäten mit hypothetischen Salienz-Scores erkennen:
- P3.MARKETING (Typ: ORGANIZATION, Salienz: 0.85)
- Peter S. Puzzo (Typ: PERSON, Salienz: 0.08)
- Frankfurt am Main (Typ: LOCATION, Salienz: 0.04)
- SEO (Typ: OTHER, Salienz: 0.03)
Diese Analyse bestätigt, dass „P3.MARKETING“ die zentrale Entität des Satzes ist. „Peter S. Puzzo“ und „München“ liefern wichtigen Kontext, sind aber für die Hauptaussage des Satzes weniger zentral. Für einen SEO-Manager ist dies die Bestätigung, dass der Inhalt korrekt auf die Marke als Kernentität fokussiert ist.
Entity-SEO für lokale Unternehmen anwenden
Für lokale Unternehmen ist Entity-SEO die grundlegende Disziplin, da lokale Suchanfragen inhärent entitätsbasiert sind. Eine Anfrage wie „Restaurant in meiner Nähe“ zielt darauf ab, die Beziehung zwischen zwei Entitäten aufzulösen: dem gesuchten Konzept (Restaurant) und dem Standort des Nutzers. Der Erfolg im Local SEO korreliert direkt damit, wie klar und autoritativ ein Unternehmen als lokale Entität für Suchmaschinen definiert ist.
Die Kernentität ist das Unternehmen selbst, dessen eindeutige Kennung durch den Namen, die Adresse und die Telefonnummer (NAP-Daten) gebildet wird. Diese Daten verankern ein digitales Konzept an einem physischen Ort in der realen Welt.
Das Google Business Profile (GBP) stellt die primäre Datenquelle für den lokalen Knowledge Graph dar. Jedes Detail, das im GBP hinterlegt wird – von Öffnungszeiten über Dienstleistungen bis zu Kundenrezensionen – spezifiziert die Attribute der Entität und signalisiert deren Relevanz und Aktivität.
Die Konsistenz der NAP-Daten über das gesamte lokale Ökosystem hinweg ist eine zwingende Voraussetzung. Jede externe Erwähnung (Citation) in Branchenverzeichnissen oder auf Bewertungsportalen muss exakt mit den Referenzdaten aus dem GBP und der eigenen Webseite übereinstimmen. Abweichungen erzeugen Ambiguität, untergraben die maschinelle Vertrauenswürdigkeit und schwächen die Autorität der Entität.
Das LocalBusiness Schema Markup validiert diese Off-Page-Signale auf der eigenen Webseite. Es formalisiert die Verbindung zwischen der Online-Präsenz und dem physischen Standort und macht sie für Maschinen unmissverständlich. Spezifische Properties wie geo (Koordinaten) oder openingHours zementieren diese Verbindung. Das Zusammenspiel von optimiertem GBP, konsistenten Citations und präzisem On-Page Schema formt eine autoritative lokale Entität, die Google mit hoher Konfidenz an Nutzer ausspielt.
Entity-SEO für Sprachsuche (Voice Search) optimieren
Sprachsuchen sind oft als vollständige Fragen formuliert, wie „Welche Sehenswürdigkeiten gibt es in der Nähe des Brandenburger Tors?“. Diese Anfragen sind von Natur aus entitätsbasiert. Eine starke Entity-SEO-Strategie, die klare Beziehungen zwischen Entitäten (Sehenswürdigkeit, Brandenburger Tor, Standort) herstellt, positioniert Inhalte ideal, um als direkte Antwort für Voice-Search-Geräte ausgewählt zu werden. Inhalte, die in einem Frage-Antwort-Format strukturiert sind und FAQPage Schema Markup verwenden, haben hier einen klaren Vorteil.
Erfolgsmessung und Herausforderungen im Entity-SEO
Der Erfolg von Entity-SEO lässt sich nicht allein an traditionellen Keyword-Rankings messen. Die Metriken müssen die semantische Leistung widerspiegeln. Eine präzise Erfolgsmessung erfordert die Analyse spezifischer Datenpunkte in der Google Search Console.
Beobachten Sie die Leistung von Suchanfragen, die als Fragen formuliert sind (mit „wer“, „was“, „wie“). Ein Anstieg der Impressionen und Klicks für diese Anfragen signalisiert, dass Google den Inhalt als direkte Antwort auf Nutzerfragen wertet. Analysieren Sie zudem die Klickrate (CTR) für Seiten, die durch korrekt implementiertes Schema Markup Rich Snippets in den Suchergebnissen erhalten. Ein weiterer starker Indikator ist die Sichtbarkeit für semantisch verwandte Suchanfragen, die das Hauptkeyword nicht explizit enthalten. Die ultimative Bestätigung einer etablierten Entität ist das Erscheinen eines Knowledge Panel für die eigene Marke.
Entity Recognition: Die Grundlage der semantischen Suche
Die Grundlage der semantischen Suche ist die Entity Recognition. Dieser technologische Prozess ermöglicht es Suchmaschinen, spezifische Entitäten – Personen, Orte, Organisationen oder abstrakte Konzepte – innerhalb eines unstrukturierten Textes zu identifizieren. Anstatt nur die Zeichenkette „Tesla“ zu registrieren, erkennt der Algorithmus die Entität „Tesla, Inc.“, klassifiziert sie als Organisation und versteht ihre Attribute und Beziehungen. Dieser Schritt ist die Voraussetzung dafür, über den reinen Keyword-Abgleich hinauszugehen und die tatsächliche Bedeutung von Inhalten zu interpretieren.
Der Prozess der Entitätserkennung und Verknüpfung
Nach der Identifikation einer Entität verknüpft der Algorithmus diese mit anderen relevanten Entitäten im selben Kontext. So wird die Entität „Tesla“ mit „Elon Musk“ (Person), „Elektroautos“ (Konzept) und „Gigafactory“ (Ort) in Beziehung gesetzt. Diese Verknüpfungen bilden ein semantisches Netz, das es der Suchmaschine erlaubt, komplexe Zusammenhänge zu verstehen und die thematische Tiefe eines Dokuments zu bewerten. Ein Inhalt, der diese Beziehungen klar und logisch darstellt, signalisiert eine hohe thematische Autorität.
Der Knowledge Graph als semantische Datenbank
Der Google Knowledge Graph fungiert als zentrale, riesige Datenbank für diese Entitäten und ihre verifizierten Beziehungen. Jede erkannte Entität wird mit einem Knoten im Graphen abgeglichen. Diese Datenbank ist die Quelle für die Informationen, die in den Knowledge Panels auf der rechten Seite der Suchergebnisse angezeigt werden. Eine starke Präsenz der eigenen Kernentität im Knowledge Graph ist daher ein direktes Ziel von Entity-SEO, da sie die höchste Form der thematischen Anerkennung durch Google darstellt.
Strategische Anwendung von Entity-SEO
Die Erkenntnisse über die Funktionsweise der Entitätserkennung führen zu konkreten strategischen Ansätzen in der Content-Erstellung und -Optimierung.
Die Entity-First-Strategie in der Content-Optimierung
Eine Entity-First-Strategie verlagert den Fokus der Content-Planung von einer Keyword-Liste auf die zentralen Entitäten einer Nische. Anstatt einen Artikel auf das Keyword „KI-Algorithmen“ zu optimieren, wird der Inhalt so konzipiert, dass er die Entität „Maschinelles Lernen“ umfassend behandelt und deren Beziehungen zu untergeordneten Entitäten wie „Neuronale Netze“, „Datenanalyse“ und „Algorithmen“ klar herausarbeitet. Dieser Ansatz schafft von Natur aus semantisch reichhaltige und relevante Inhalte.
Rich Snippets durch strukturierte Daten
Die korrekte Implementierung von Strukturierten Daten ist das primäre Werkzeug, um Google bei der Entitätserkennung explizit zu unterstützen. Der Standard von Schema.org formalisiert die Informationen auf einer Webseite und macht sie maschinenlesbar. Dies erhöht die Wahrscheinlichkeit für die Darstellung in Rich Snippets, die die Sichtbarkeit in den SERPs signifikant steigern.
Long-Form-Inhalte zur Erzeugung semantischer Tiefe
Umfassende, tiefgehende Artikel (Long-Form-Content) sind für Entity-SEO besonders effektiv. Sie bieten den notwendigen Raum, um eine Kernentität und ihr thematisches Umfeld detailliert zu behandeln und zahlreiche relevante Entitäten miteinander zu verknüpfen. Solche Inhalte demonstrieren eine umfassende Expertise und ermöglichen es Google, ein dichtes Netz an semantischen Beziehungen zu erkennen, was die Autorität der gesamten Domain in diesem Themenbereich stärkt.
Die Zukunft der Suche: Entity References in Frage-Antwort-Systemen
Ein Google-Patent beschreibt die nächste Evolutionsstufe von Frage-Antwort-Systemen und verdeutlicht die zentrale Rolle von Entitäten für die Zukunft der Suche. Es skizziert eine Methode, die auf der Analyse von „Entity References“ in unstrukturierten Daten basiert, um die Genauigkeit und Effizienz von direkten Antworten zu revolutionieren.
Die Grenzen traditioneller Ansätze und die Lösung durch Entity References
Herkömmliche Frage-Antwort-Systeme scheitern oft an der Dynamik und dem Umfang der Informationen im Web. Das Patent löst dieses Problem durch die Nutzung von „Entity References“ – Verweisen auf Entitäten in den Suchergebnissen. Stellt ein Nutzer eine Frage wie „Wer ist der König von Spanien?“, identifiziert das System den gesuchten Entitätstyp (PERSON). Anschließend extrahiert es alle Entitätsreferenzen dieses Typs aus den Top-Suchergebnissen.
Ranking von Entitäten basierend auf Relevanz und Topicality
Die extrahierten Referenzen werden nicht nur gezählt, sondern anhand mehrerer Signale bewertet. Dazu gehören die Häufigkeit ihres Auftretens und ihre „Topicality“ – ihre thematische Relevanz im Kontext der jeweiligen Quellseite. Die Entitätsreferenz mit dem höchsten kombinierten Ranking-Score wird als die wahrscheinlichste Antwort identifiziert und ausgegeben. Dieser dynamische Prozess ermöglicht es dem System, sich in Echtzeit an neue Informationen anzupassen, da er direkt auf den aktuellen Suchergebnissen basiert.
Herausforderungen und Implikationen für SEO
Obwohl diese Technologie eine präzisere Suche ermöglicht, birgt sie auch Herausforderungen wie die Komplexität mehrdeutiger Fragen und die Gefahr von Bias, der aus den zugrunde liegenden Daten übernommen wird. Für SEO bedeutet dies, dass die Etablierung der eigenen Marke und der relevanten Themen als klare, autoritative Entitäten noch kritischer wird. Nur Inhalte, die als verlässliche Quelle für Entitätsreferenzen dienen, werden in Zukunft in der Lage sein, direkte Antworten in intelligenten Suchsystemen zu liefern.
—
„The future of search is about understanding the intent behind a query, not just matching keywords.“ – Gary Illyes, Google Search Advocate
“ The Knowledge Graph is a big step forward in helping people understand the world around them.“ – Amit Singhal, former Senior Vice President of Search at Google
—
Quellen
Die in diesem Artikel dargestellten Analysen und Konzepte basieren auf den primären technologischen Dokumentationen und grundlegenden Veröffentlichungen der jeweiligen Organisationen.
Question answering using entity references in unstructured data
Dieses Patent ist die Primärquelle für das Verständnis, wie Google plant, Entity References aus unstrukturierten Daten zu nutzen, um direkte Antworten auf natürlichsprachliche Fragen zu generieren. Es liefert die technische Grundlage für die Zukunft der semantischen Suche.
Google Patents „Question answering using entity references in unstructured data„
Introducing the Knowledge Graph: things, not strings
Der offizielle Blogbeitrag von Google aus dem Jahr 2012, der den fundamentalen Wandel von der reinen Keyword-Suche („strings“) zum Verständnis von realen Objekten und deren Beziehungen („things“) ankündigte. Ein Gründungsdokument der modernen semantischen Suche.
https://blog.google/products/search/introducing-knowledge-graph-things-not/
Schema.org Official Website
Die offizielle Referenz und das Vokabular für den Standard der Strukturierten Daten. Diese Quelle ist unerlässlich für die technisch korrekte Implementierung von Schema Markup zur Kennzeichnung von Entitäten.
Google Cloud Natural Language API
Die offizielle Produktdokumentation der API. Sie bietet direkten Einblick in die maschinellen Lernmodelle, die Google zur Identifikation von Entitäten, zur Analyse der Salienz und zum Verständnis von Syntax in Texten verwendet.
https://cloud.google.com/natural-language
Introduction to how structured data works
Googles offizieller Leitfaden für Entwickler und SEOs. Er erklärt, wie strukturierte Daten der Suchmaschine helfen, den Inhalt einer Seite zu verstehen und spezielle Suchergebnis-Features wie Rich Snippets zu ermöglichen.
https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data
