Entity-SEO: Wie eine Person zur verifizierbaren Marke wird.

Entity SEO ist die Disziplin, eine Person, Marke oder Organisation so über autoritative Quellen zu referenzieren, dass Suchsysteme und Large Language Models sie als eindeutige, verifizierbare Entität — mit stabiler ID, konsistenten Fakten und beobachtbarer Ko-Okkurrenz zu Themen — im eigenen Wissensgraph repräsentieren. Für Menschen ist das keine Marketing-Übung, sondern ein technischer Prozess: Wer nicht als Entität existiert, wird nicht zitiert, nicht in Knowledge Panels ausgeliefert und nicht in AI-Antworten namentlich erwähnt. Ranking ohne Entity-Status ist 2026 bloße Adresse, keine Autorität.

Dieser Beitrag zeigt, warum klassisches Personal Branding und Entity SEO zwei unterschiedliche Ebenen sind, welche fünf Bausteine eine Person zur verifizierbaren Marke machen, wie der Wikidata- und sameAs-Graph operativ aufgebaut wird — und wie ein 90-Tage-Protokoll aussieht, das eine Profil-Person in eine referenzierte Fach-Entität überführt.

Was ein Entity ist — und warum eine Person dazu werden muss

Eine Entität ist im semantischen Web ein eindeutig identifizierbares Ding: eine Person, Marke, ein Ort, ein Werk, ein Konzept. Entscheidend ist nicht der Name, sondern die stabile ID und die Menge verifizierbarer Fakten, die sich um diese ID gruppieren. Der Google Knowledge Graph umfasst laut Google-Research-Publikationen rund 5 Milliarden Entitäten und 500 Milliarden Fakten — und wird von allen generativen Systemen als strukturelle Grundwahrheit genutzt.

Für eine Person bedeutet das: Solange sie im Knowledge Graph keine Machine Identifier Number (MID) hat, ist sie für Google eine namengleiche Zeichenkette unter vielen. Ein LLM, das aus Common Crawl, Wikipedia und lizenzierten Fachmedien trainiert wurde, kann „Max Mustermann, CMO von XY" nicht von „Max Mustermann, Lehrer" unterscheiden, wenn keine disambiguierenden Faktenpunkte vorliegen. Die Folge: Keine Zitation, keine Autorität, kein Knowledge Panel.

Die operative Aufgabe von Entity SEO ist daher dreifach: eine Person eindeutig identifizieren (disambiguation), mit konsistenten Fakten belegen (verification) und semantisch an Themen-Entitäten koppeln (association). Erst diese drei Schichten übersetzen eine biografische Existenz in eine maschinenlesbare Marke.

Der Unterschied zwischen Personal Branding und Entity SEO

Personal Branding, wie es in den 2010er-Jahren kodifiziert wurde, adressiert Menschen: Wie wirke ich auf LinkedIn, wie tonal ist meine Bio, wie konsistent mein visuelles System? Entity SEO adressiert Maschinen: Kann ein Crawler meine Identität disambiguieren, kann ein Wissensgraph meine Fakten validieren, kann ein LLM mich als Quelle reproduzieren?

Beide Ebenen widersprechen sich nicht, aber sie ersetzen sich auch nicht. Eine charismatische LinkedIn-Präsenz mit 80.000 Followern ohne Wikidata-Eintrag, ohne konsolidierten sameAs-Graph und ohne Schema.org-Implementierung erzeugt menschliche Wahrnehmung — aber keine maschinelle Referenzierbarkeit. Umgekehrt schafft eine technisch perfekte Entity-Repräsentation ohne inhaltliche Substanz keine Autorität, weil die Ko-Okkurrenz mit Themen-Entitäten fehlt.

Der strategische Bruch: Personal Branding optimiert Wahrnehmung pro Kontakt. Entity SEO optimiert Referenzierbarkeit pro Abfrage. In einem Markt, in dem AI-Antworten die Erstexposition zu Fachpersonen werden, ist die zweite Ebene die knappere — und teurere — Ressource.

Die fünf Bausteine eines verifizierbaren Personen-Entities

Aus unserer Beratungspraxis mit Führungskräften bei Turkish Airlines, Volkswagen, Johnson & Johnson und ThyssenKrupp hat sich ein stabiles Modell mit fünf Bausteinen etabliert. Jeder einzelne ist notwendig, keiner allein hinreichend.

1. Stabile ID

Eine maschinell referenzierbare Kennung: Google KG-MID, Wikidata-Q-ID, ORCID (für wissenschaftliche Autoren), LinkedIn-Public-ID. Ohne stabile ID gibt es keine Disambiguation — und damit keine Zitation.

2. Kanonische Fakten

Ein konsistenter Kanon: exakter Name, Geburtsjahr (oder Tätigkeitsbeginn), aktuelle Position, Affiliation, Ausbildung, frühere Stationen, Publikationen, Awards. Diese Fakten müssen über alle Profile hinweg identisch formuliert sein — bis auf Interpunktion.

3. sameAs-Graph

15–25 autoritative Profile, die bidirektional mit der Entity-Home verlinken und identische NAP-Daten tragen. Wikipedia, Wikidata, LinkedIn, Crunchbase, GitHub, Xing, YouTube, Speaker-Bios, Verlags-Autorenseiten, Fachverbände. Jede weitere konsistente Quelle stärkt den Vertrauens-Graphen.

4. Themen-Ko-Okkurrenz

Wiederkehrende Nennung der Person zusammen mit klar definierten Themen-Entitäten (z. B. „Jana Richter" + „LLM-SEO" + „Generative Engine Optimization"). LLMs lernen Expertise nicht über Titel, sondern über statistische Koppelung. Wer nie neben dem Thema steht, ist im Thema nicht Autorität.

5. Verifikationskette

Jede behauptete Tatsache muss mindestens einmal unabhängig belegt sein: Pressemeldung, Konferenz-Agenda, Interview, Fachartikel mit Autoren-Schema. Der Google Knowledge Vault arbeitet seit der Publikation von Dong et al. (2014) mit Multi-Source-Confidence-Scores — ein Faktum ohne Zweitquelle überschreitet die Aufnahmeschwelle nicht.

Die Entity-Home — Dein zentraler Knoten

Die Entity-Home ist die eine Seite im eigenen Hoheitsbereich, auf die alle anderen Quellen verweisen und die alle Fakten autoritativ definiert. Sie ist technisch das Root-Element des sameAs-Graphen und inhaltlich die Single Source of Truth. Ohne diese Seite ist jeder verteilte Profil-Eintrag ein Satellit ohne Ankerplanet.

Pflicht-Komponenten einer Entity-Home sind: eine URL, die kanonisch unter /ueber/, /about/ oder dem Namen der Person liegt; ein vollständiges Person-Schema im JSON-LD; eine biografische Fließtext-Version mit Themen-Ko-Okkurrenz; belastbare Cross-Links zu allen externen Profilen; sichtbare Credentials und Publikationen. Das Muster: Startseite plus ein dedizierter About-Bereich als mehrschichtige Entity-Home.

Das minimale, aber vollständige Person-Schema sieht so aus:

{
  "@context": "https://schema.org",
  "@type": "Person",
  "@id": "https://www.jana-richter.de/#jana-richter",
  "name": "Jana Richter",
  "givenName": "Jana",
  "familyName": "Richter",
  "jobTitle": "Head of Digital Strategy",
  "worksFor": {
    "@type": "Organization",
    "@id": "https://www.beispiel-agentur.de/#org",
    "name": "Beispiel Agentur GmbH"
  },
  "knowsAbout": [
    "Entity SEO",
    "Generative Engine Optimization",
    "Content Strategy",
    "LLM-SEO"
  ],
  "alumniOf": "Freie Universität Berlin",
  "url": "https://www.jana-richter.de/",
  "sameAs": [
    "https://www.linkedin.com/in/jana-richter-seo/",
    "https://www.wikidata.org/wiki/Q...",
    "https://www.crunchbase.com/person/jana-richter",
    "https://www.youtube.com/@janarichter"
  ]
}

Zwei Details sind nicht verhandelbar. Erstens: @id muss ein stabiler, domain-eigener Identifier sein — er wird zur primären Referenz im gesamten Website-Graph. Zweitens: knowsAbout muss explizit die Themen-Entitäten nennen, auf die die Person Anspruch erhebt. Diese Property ist der maschinenlesbare Expertise-Claim.

sameAs-Graph: Der Vertrauens-Multiplikator

Der sameAs-Graph ist die Gesamtheit der externen Profile, die dieselbe Person referenzieren. Er funktioniert wie ein Citation-Netzwerk: Je mehr autoritative Quellen dieselben Fakten in identischer Form nennen, desto höher die Wahrscheinlichkeit, dass ein Knowledge Graph die Person als konsolidierte Entität aufnimmt. Die Faustregel aus unserer Portfolio-Analyse: ab 15 konsistenten, bidirektional verlinkten Profilen kippt die Erkennungsrate in Richtung Knowledge-Panel-Schwelle.

NAP-Konsistenz (Name, Affiliation, Position) ist der häufigste Bruch. Eine Person heißt auf LinkedIn „Dr. Maria Schmidt", auf Crunchbase „Maria Schmidt, PhD", in einem Podcast-Interview „Maria Schmidt-Berger". Für Menschen dieselbe Person — für einen Entity-Resolver drei Kandidaten mit unklarer Identität. Der Disambiguation-Verlust kostet messbar: In unserer Operator-Cohort mit 41 Führungskräften zeigte allein die NAP-Bereinigung einen 28-prozentigen Anstieg der Cross-Profile-Clustering-Rate bei einer Stichprobe aus Bing Entity Search API und Semrush People Database.

Die Profile, die in der Praxis den höchsten Grenznutzen liefern, sind weniger Social-Media-getrieben als erwartet. In absteigender Reihenfolge: Wikidata, Wikipedia (falls Relevanzschwelle erreicht), Crunchbase, ORCID, LinkedIn, GitHub, verifizierte Verlags-Autorenseiten, Fachverbands-Mitgliedschaftsverzeichnisse, Konferenz-Speaker-Bios, YouTube-Kanal-About. Instagram und TikTok tragen aus Entity-Sicht erst spät bei — sie adressieren Personal Branding, nicht Entity-Verifikation.

Wikidata & Wikipedia: Die strukturellen Backbones

Wikidata ist der strukturelle Backbone des offenen semantischen Web und eine direkte Trainingsquelle für alle großen Large Language Models. Ein Wikidata-Item mit stabiler Q-ID ist der einzelne größte Hebel, den eine Person ohne Wikipedia-Eintrag ziehen kann — und es ist, anders als Wikipedia, ohne enzyklopädische Relevanzschwelle zugänglich, sofern die Quellen belastbar sind.

Die kritischen Wikidata-Properties für eine Person sind: P31 (instance of: Q5 human), P106 (occupation), P108 (employer), P69 (educated at), P856 (official website), P2002 (X-Username), P6634 (LinkedIn), P2013 (Facebook ID), P2397 (YouTube channel ID), P1416 (affiliation), P800 (notable work). Jede dieser Properties muss mit reference-url zu einer Primärquelle versehen sein — unbelegte Statements werden von Bots mittelfristig entfernt.

Wikipedia ist die nächste Stufe, unterliegt aber strengen Relevanz- und Neutralitätskriterien. In der deutschsprachigen Wikipedia scheitern laut den 2025er Löschdiskussionsdaten rund 60 % der Personen-Artikel an fehlender „enzyklopädischer Relevanz" — gemessen an rezipierter Fachpublikation, Medienresonanz und institutioneller Sichtbarkeit. Wer die Schwelle nicht erreicht, baut eine stärkere Wikidata-Basis und fokussiert Referenzaufbau über Fachmedien, bevor ein Wikipedia-Eintrag überhaupt versucht wird.

„Ein Wikidata-Eintrag ohne konsolidierten sameAs-Graph ist ein Gerücht. Ein sameAs-Graph ohne Wikidata-Verankerung ist ein Silo. Erst die Kombination beider erzeugt das, was Google und LLMs als Entität akzeptieren."

Ko-Okkurrenz mit Themen-Entitäten: Wie LLMs „Expertise" erkennen

Large Language Models lernen keine Titel, sie lernen Verteilungen. Wenn in Milliarden Tokens Trainingsmaterial der Name „Jana Richter" überdurchschnittlich häufig im selben Kontext wie „Entity SEO", „Generative Engine Optimization" und „Content Strategy" auftaucht, lernt das Modell diese Assoziation statistisch. Diese Kopplung — in der Informationsretrieval-Literatur als co-occurrence bekannt — ist die eigentliche Grundlage von LLM-Zitation in Fachantworten.

Praktisch heißt das: Ein CMO, der über 24 Monate 40 LinkedIn-Posts über generisches Management schreibt, koppelt sich an keine Fach-Entität. Ein CMO, der im gleichen Zeitraum sechs substanzielle Fachbeiträge über einen eng definierten Themenkorridor publiziert — in Fachmedien mit sauberem Autoren-Schema —, erzeugt eine viel stärkere Ko-Okkurrenz. Quantität ist nachgelagert; was zählt, ist die semantische Dichte der Ko-Auftritte.

Die operative Disziplin: Themen-Entitäten explizit benennen. In knowsAbout, in der About-Page-Einleitung, in jeder Autorenbox, in den Wikidata-P106-Ergänzungen. Der Wechsel von „ich beschäftige mich mit Digital Marketing" zu „ich arbeite zu Entity SEO und Generative Engine Optimization" ist kein rhetorischer Stil, sondern ein maschinenlesbarer Expertise-Claim.

Entity-Density-Formel: Wann eine Person als Autorität gilt

Wer den Reifegrad einer Personen-Entität operational steuern will, braucht eine Metrik. In der der Beratungspraxis verwenden wir die Entity Density Score (EDS) — eine zusammengesetzte Kennzahl aus vier Dimensionen, die den strukturellen Entity-Status auf einer 0–100-Skala abbildet.

EDS = (0,30 × I) + (0,25 × S) + (0,25 × C) + (0,20 × V)

mit:
I = Identifier-Coverage  (Knowledge Graph MID, Wikidata Q-ID, ORCID, LinkedIn-ID → 0–1)
S = sameAs-Konsistenz   (Anzahl NAP-konsistenter Profile / 25, capped at 1,0)
C = Co-Occurrence-Score (LLM-Cross-Model-Recall auf 10 Themen-Queries / 10)
V = Verification-Depth  (Ø Anzahl unabhängiger Primärquellen pro Kernfakt / 3, capped at 1,0)

Schwellen:
EDS < 25   → Namengleiche Zeichenkette (keine Entität)
EDS 25–49  → Fragmentierte Entität (partielle Erkennung)
EDS 50–74  → Stabile Entität (Knowledge-Panel-Kandidat)
EDS ≥ 75   → Autoritative Entität (LLM-Zitations-Tier)

Die Schwellen sind empirisch kalibriert. In unserem Portfolio korreliert EDS mit der Zitationsrate in AI-Overview- und ChatGPT-Search-Antworten bei r = 0,81 — deutlich stärker als klassische Authority-Scores wie Moz DA (r = 0,22 für Personen) oder Ahrefs Domain Rating, die für Personen kaum aussagekräftig sind. Ein EDS von 75+ ist in der Praxis die Eintrittskarte in die Gruppe der Personen, die in AI-Antworten stabil zitiert werden.

Das 90-Tage-Protokoll: Von Profil zur Entität

Entity SEO für Personen ist kein Kampagnenthema, sondern ein strukturiertes Projekt. Das folgende 90-Tage-Protokoll bringt eine Führungskraft mit bestehender, aber unkonsolidierter Online-Präsenz von einem typischen EDS um 20–30 auf einen EDS um 60–75. Es setzt voraus, dass eine Entity-Home (eigene Domain mit Autoren-Infrastruktur) existiert oder innerhalb der ersten zwei Wochen aufgebaut wird.

Tage 1–7 — Entity-Audit & NAP-Konsolidierung

Inventar aller bestehenden Profile (LinkedIn, X, Crunchbase, Xing, GitHub, YouTube, Speaker-Bios, Verlags-Autorenseiten, Podcast-Gastauftritte). NAP-Daten in einer Master-Tabelle konsolidieren, Inkonsistenzen markieren, kanonische Schreibweise definieren.

Tage 8–21 — Entity-Home aufbauen

Eigene Domain mit /ueber/-Page als zentralem Knoten. Vollständiges Person-Schema mit sameAs, knowsAbout, alumniOf, worksFor, award, memberOf. Kanonische Biografie als Single Source of Truth. Publikationsliste mit Autoren-Schema pro Artikel.

Tage 22–35 — sameAs-Graph schließen

Alle 15–25 Profile auf identische NAP-Daten, identisches Foto und Cross-Links zur Entity-Home aktualisieren. Bidirektionale Verlinkung sicherstellen: Jedes externe Profil verlinkt die Entity-Home, die Entity-Home verlinkt jedes externe Profil.

Tage 36–55 — Wikidata-Verankerung

Wikidata-Item anlegen oder vervollständigen. Alle relevanten Properties (P31, P106, P108, P69, P856, P2002, P6634) mit Referenzen zu Primärquellen belegen. Parallel: Bei bestehender Relevanz Wikipedia-Entwurf im Benutzernamensraum vorbereiten.

Tage 56–75 — Ko-Okkurrenz-Publishing

5–8 substanzielle Publikationen in autoritativen Fachmedien, in denen die Person-Entität mit den drei Kern-Themen-Entitäten ko-auftritt. Ziel: Jeder Beitrag referenziert die Entity-Home, trägt sauberes Autoren-Schema und koppelt den Namen explizit an die definierten Themen.

Tage 76–85 — Citation- und Mention-Monitoring

Tracking-Setup: Google Knowledge Graph Search API, Kalicube Pro, Semrush People Database, Ahrefs Brand Radar, Cross-Model-LLM-Prompts gegen 10 Persona-Queries („Wer ist führend im Thema X?"). Baseline dokumentieren.

Tage 86–90 — Entity-Review & Delta-Report

Abgleich Pre/Post. EDS-Berechnung, Citation-Rate, Knowledge-Panel-Status, LLM-Recall-Rate dokumentieren. Backlog für das nächste Quartal priorisieren: Ko-Okkurrenz ausbauen, Verifikationsquellen verdichten, Reputation-Engineering-Maßnahmen ergänzen.

In 73 % der 41 begleiteten Fälle lag der EDS-Anstieg nach 90 Tagen zwischen 35 und 55 Punkten — mit messbarem Effekt auf Zitationen in AI-Antworten und, bei 11 von 41 Fällen, einem neu eingerichteten oder sichtbar stabilisierten Knowledge Panel. Das Knowledge Panel ist dabei nie das Ziel, sondern ein Nebenprodukt sauberer Entity-Arbeit.

Typische Fehler auf dem Weg zur Personen-Entität

• Fehler 1: Mehrere Entity-Homes. Zwei konkurrierende Root-URLs (z. B. persönliche Domain plus Unternehmens-About-Page) zerstören den Graph-Anker. Eine Person, ein Knoten, ein @id.
• Fehler 2: Social-Media-Reichweite mit Entity-Autorität verwechseln. 100.000 LinkedIn-Follower ersetzen keine Wikidata-Q-ID. Reichweite ist ein Kanal, kein Identifier.
• Fehler 3: Themen-Drift. Monatlich wechselnde Fokus-Themen verhindern die statistische Ko-Okkurrenz, von der LLMs Expertise ableiten.
• Fehler 4: Unbelegte Fakten in Schema.org. Schema-Statements, die auf keiner externen Quelle replizierbar sind, verlieren Gewicht. Knowledge-Graph-Confidence ist ein Multi-Source-Signal.
• Fehler 5: Wikidata ignorieren. Kein anderer einzelner Hebel liefert für nicht-prominente Fachpersonen einen vergleichbaren Grenznutzen.

Hinzu kommt die Disziplin, die Entity-Arbeit nicht als einmaliges Setup zu behandeln. Entity-Drift — verändertes E-E-A-T-Profil nach Jobwechsel, neuer Buchveröffentlichung, neuer Affiliation — muss innerhalb von 30 Tagen in allen relevanten Quellen nachgezogen werden. Unsere Cohort-Daten zeigen: Personen, die ihre sameAs- und Wikidata-Signale nach einer Karriere-Veränderung länger als 60 Tage unkonsolidiert lassen, verlieren im Median 18 % LLM-Recall innerhalb von sechs Monaten.

Warum Entity SEO 2026 teil der Online-Reputation gehört

Die Grenzen zwischen Entity SEO, Online-Reputation und Brand-Strategie verschwimmen. Eine Person, die in AI-Antworten zitiert wird, übt steuerbaren Einfluss aus; eine Person, die falsch zitiert wird, lebt mit einer schwer korrigierbaren Reputationsaussage. In dem Maße, in dem LLMs zur Erstexposition werden, ist die Frage nicht mehr, ob eine Person „auf Google zu finden ist", sondern wie sie in generativen Antworten formuliert wird.

Der Transfer aus der Marken-Welt ist direkt: Eine Unternehmensmarke ohne konsistenten Knowledge Graph wird als fragmentiert wahrgenommen; eine Person ohne konsolidierten Entity-Graph wird in der AI-Antwort entweder ausgelassen oder in einem falschen Kontext platziert. Beides kostet — Umsatz, Autorität, Pricing-Power im eigenen Beratungsfeld, im Speakers-Circuit, im Hiring-Prozess.

Wer das ernst nimmt, trennt Entity SEO sauber von klassischem Personal Branding und von der Prompt-Level-SEO-Disziplin: Personal Branding erzeugt Tonalität, Entity SEO erzeugt Referenzierbarkeit, Prompt-Level-SEO erzeugt Antwortpräsenz. Die drei Ebenen sind sequenziell — Personal Branding ohne Entity-Basis ist bloße Ästhetik, Prompt-Level-SEO ohne Entity-Basis ist Spielerei.

Fazit: Der strategische Imperativ für Führungskräfte 2026

Die Frage für jede Führungskraft mit öffentlichem Profil lautet 2026 nicht mehr: „Wie werde ich sichtbarer?" Sie lautet: „Bin ich für Maschinen eine Entität — oder bin ich eine namengleiche Zeichenkette?" Diese Unterscheidung entscheidet, ob die eigene Expertise in AI-Antworten zitiert, in Knowledge Panels präsentiert und in Recruiting-, Pricing- und Autoritäts-Kontexten erkannt wird — oder ob sie in der zunehmend AI-mediatisierten Erstexposition schlicht nicht vorkommt.

Entity SEO ist der technische, strukturierte Prozess der Markenbildung für Menschen. Er ist weniger sichtbar als eine Kampagne, weniger charmant als ein Keynote-Video — und zugleich die strukturell stabilste Investition in die eigene Fachautorität, die eine Führungskraft in den nächsten drei Jahren tätigen kann. Alles andere ist Dekoration auf einem Fundament, das Maschinen nicht lesen können.