Keywords: Von Strings zu Entities und semantischem Verständnis

Warum Semantisches SEO heute ueber Sichtbarkeit entscheidet

Suchmaschinen lesen seit Jahren keine Zeichenketten mehr, sondern Bedeutung. Wer 2026 Inhalte nach Keyword-Dichte optimiert, optimiert fuer ein Modell, das Google bereits 2013 abgeloest hat. Den Wendepunkt markierte der Knowledge Graph: Google beschrieb ihn als ein intelligentes Modell, das reale Entitaeten und ihre Beziehungen versteht, also "things, not strings". Schon zum Start umfasste er mehr als 500 Millionen Objekte und mehr als 3,5 Milliarden Fakten und Beziehungen zwischen diesen Objekten. Seitdem verarbeitet die Suche Begriffe als verknuepfte Konzepte, nicht als isolierte Wortfolgen.

Der zweite Schritt war das maschinelle Sprachverstaendnis. Mit RankBrain fuehrte Google 2015 ein Lernsystem ein, das Anfragen interpretiert, die es nie zuvor gesehen hat, und das betrifft laut Search Engine Journal etwa 15 Prozent aller Suchanfragen. Genau hier setzt Semantisches SEO an: Es geht nicht mehr darum, ein Wort moeglichst oft zu platzieren, sondern darum, ein Thema vollstaendig und als erkennbare Entitaet abzudecken.

Fuer den B2B-Markt im DACH-Raum ist das doppelt relevant. In Oesterreich laeuft der mit Abstand groesste Teil der Suche ueber Google: Der Suchmaschinen-Marktanteil liegt bei 81,87 Prozent fuer Google, 9,01 Prozent fuer Bing und 2,75 Prozent fuer DuckDuckGo (Stand Mai 2026). Gleichzeitig sind praktisch alle Entscheider erreichbar: Oesterreich zaehlte im Januar 2025 8,69 Millionen Internetnutzer bei einer Online-Penetration von 95,3 Prozent. Wer in diesem Markt von Google semantisch verstanden wird, erreicht nahezu die gesamte Zielgruppe.

Wie Bedeutung entsteht: Vom String zum Entity und die Rolle von BM25

Eine Entitaet ist ein eindeutig identifizierbares Konzept: ein Unternehmen, ein Produkt, eine Person, ein Fachbegriff. Der Knowledge Graph weist solchen Entitaeten eine ID zu und verknuepft sie mit Attributen und anderen Entitaeten. "Jaguar" ist fuer Google nicht ein Wort, sondern entweder das Tier, der Automobilhersteller oder das Betriebssystem, abhaengig vom Kontext. Diese Disambiguierung ist der Kern semantischer Suche.

Die Retrieval-Pipeline arbeitet zweistufig. Zuerst grenzt ein lexikalisches Verfahren wie BM25 aus dem Index schnell die relevanten Dokumente ein. Erst danach ordnet ein semantisches Re-Ranking mit Transformer-Embeddings die Treffer nach Bedeutung. BM25 bleibt also die Basis, das Sprachmodell verfeinert.

Entscheidend ist, wie BM25 funktioniert, denn daran zerbricht der Mythos Keyword-Dichte:

• Termfrequenz-Saettigung: BM25 belohnt zusaetzliche Wiederholungen eines Begriffs immer schwaecher. Ab einem gewissen Punkt bringt das zehnte Vorkommen kaum mehr Relevanz als das fuenfte. Gesteuert wird das ueber den Parameter k1.
• Dokumentlaengen-Normalisierung: Laengere Texte enthalten Begriffe haeufiger, ohne deshalb relevanter zu sein. Der Parameter b gleicht das aus. Die Standardwerte sind k1 = 1,2 und b = 0,75 und funktionieren laut Elastic fuer die meisten Korpora gut.

Aus beiden Mechanismen folgt: Eine hoehere Keyword-Dichte verbessert das Ranking nicht linear, sondern flacht ab und kann durch Laengen-Normalisierung sogar abgewertet werden. Wer ein Keyword kuenstlich haeuft, optimiert gegen die Mathematik des Systems. Sinnvoller ist es, das Thema durch verwandte Begriffe und Entitaeten breit abzudecken.

Entity SEO in der Praxis: Identifizieren, verknuepfen, verankern

Semantisches SEO uebersetzt sich in konkrete On-Page-Arbeit. Der Ablauf folgt drei Schritten.

Erstens, Entitaeten identifizieren. Pro URL gehoert eine dominante Entitaet, das thematische Zentrum der Seite. Dazu kommen unterstuetzende Entitaeten, die das Thema rahmen. Eine Seite ueber "Auftragsverarbeitungsvertrag" sollte Entitaeten wie DSGVO, Auftragsverarbeiter und Datenschutzbehoerde mitfuehren, weil diese in jedem fachlich vollstaendigen Text gemeinsam auftreten.

Zweitens, Entitaeten maschinenlesbar verknuepfen. Mit strukturierten Daten nach Schema.org laesst sich einer Seite mitteilen, ueber welche Entitaet sie handelt. Das Attribut sameAs verlinkt auf autoritative Referenzen wie Wikipedia, Wikidata oder offizielle Unternehmensprofile und verankert die eigene Entitaet im Knowledge Graph. Strukturierte Daten sind im Web inzwischen Standard: JSON-LD findet sich laut Web Almanac 2024 auf 41 Prozent der mobilen Seiten, ein Anstieg von 34 Prozent im Jahr 2022. Am haeufigsten ausgezeichnet werden dabei WebSite mit 12,73 Prozent, Organization mit 7,16 Prozent und LocalBusiness mit 3,97 Prozent der mobilen Seiten. Wer hier praezise auszeichnet, liefert Suchmaschinen und KI-Systemen eine eindeutige, gegenpruefbare Datenquelle zur Entitaetserkennung.

Drittens, im Knowledge Graph verankern. Eine Entitaet wird durch konsistente Nennung ueber Quellen hinweg stabilisiert. Identische Schreibweise, identische Verknuepfungen und ein klarer Bezug zwischen Marke, Autor und Thema erhoehen die Wahrscheinlichkeit, dass Google die Entitaet als eigenstaendiges Objekt fuehrt.

Entity Salience messen und steuern

Nicht jede genannte Entitaet ist fuer einen Text gleich wichtig. Die Salience beschreibt, wie zentral eine Entitaet fuer das gesamte Dokument ist. Googles Natural Language API gibt dafuer einen Salience-Score im Bereich 0 bis 1,0 aus: Werte nahe 1,0 stehen fuer hohe Zentralitaet, Werte nahe 0 fuer Randthemen. Der Score misst laut Dokumentation die Wichtigkeit oder Zentralitaet einer Entitaet fuer den gesamten Dokumenttext.

Salience laesst sich gezielt erhoehen:

• Position: Die dominante Entitaet gehoert frueh in den Text, idealerweise in den ersten Satz und in die H1. Frueh genannte Entitaeten gewichtet die NLP-Analyse staerker.
• Frequenz mit Augenmass: Die Hauptentitaet sollte erkennbar wiederkehren, aber im Rahmen der oben beschriebenen Saettigung, nicht durch Stuffing.
• Grammatische Abhaengigkeit: Entitaeten als Subjekt oder Objekt von Kernaussagen wiegen schwerer als Nennungen in Nebensaetzen.

Praktisch heisst das: Eine URL, eine dominante Entitaet, konsequent in Title, H1, Einleitung und Zwischenueberschriften platziert. Streut man dagegen mehrere konkurrierende Entitaeten gleichgewichtig ueber den Text, sinkt die Salience jeder einzelnen und das thematische Signal verwaessert.

Best Practices: Semantische Content-Architektur und On-Page-Hebel

Aus den Mechanismen ergibt sich eine klare Arbeitsweise fuer thematische Vollstaendigkeit statt Keyword-Stuffing.

• Topic Cluster bilden: Eine Pillar-Seite deckt das Kernthema ab, spezialisierte Cluster-Seiten behandeln Teilaspekte und verlinken zurueck. So entsteht ein zusammenhaengender Themenraum, in dem jede Seite eine eigene dominante Entitaet besetzt.
• Co-Occurrence nutzen: Verwandte Entitaeten, die in fachlich vollstaendigen Texten regelmaessig gemeinsam vorkommen, gehoeren in den Content. Sie sind das Signal fuer thematische Tiefe.
• Umfang folgt dem Thema, nicht der Wortzahl: Umfassende Inhalte korrelieren mit besseren Rankings. Die durchschnittliche Wortzahl eines Google-Top-10-Ergebnisses liegt bei 1.447 Woertern, ermittelt aus einer Analyse von 11,8 Millionen Suchergebnissen. Aufschlussreich ist die zweite Beobachtung derselben Analyse: keyword-ueberladene Title- und H1-Tags zeigten keine Korrelation mit besseren Rankings. Vollstaendigkeit schlaegt Dichte.
• On-Page-Signale konsistent setzen: Title Tag, H1 und Einleitung tragen die Hauptentitaet. Die Heading-Hierarchie von H1 bis H3 strukturiert Teilentitaeten logisch. Interne Verlinkung mit beschreibendem Anchor-Text, der die Zielentitaet benennt, staerkt deren Bezug. "Auftragsverarbeitungsvertrag pruefen" ist als Anker wertvoller als "hier klicken".

Beim Uebergang von Keywords zu Suchintention verschiebt sich auch die Recherche. Statt Match-Types zaehlt das Mapping auf Intent: Will der Nutzer etwas wissen, vergleichen, kaufen oder eine Aufgabe erledigen? Im DACH-B2B-Kontext sind die Intents oft fachlich und transaktionsfern, dafuer entscheidungsrelevant. Eine Seite, die die Intention exakt bedient, schlaegt eine, die nur das Keyword trifft.

GEO und E-E-A-T on-page: Sichtbarkeit in KI-Antworten

Generative Suchsysteme und AI Overviews veraendern, wie Inhalte gefunden werden. Deren Praesenz ist volatil, aber substanziell: Laut einer Semrush-Analyse von mehr als 10 Millionen Keywords erreichten AI Overviews im Juli 2025 einen Hoechstwert von knapp unter 25 Prozent der Anfragen und fielen bis November 2025 auf unter 16 Prozent zurueck. Wer in diesen Antworten zitiert werden will, optimiert fuer Generative Engine Optimization (GEO).

Die wirksamsten GEO-Hebel sind belegt. Eine kontrollierte Studie ueber 10.000 Anfragen zeigt, dass GEO die Sichtbarkeit in generativen Antworten um bis zu 40 Prozent steigern kann. Die staerksten Einzelmethoden sind dabei das Hinzufuegen von Zitaten mit rund 27,8 Prozent, von Statistiken mit rund 25,9 Prozent und das Belegen von Quellen mit rund 24,9 Prozent relativer Verbesserung auf der Position-Adjusted-Word-Count-Metrik. Konkret bedeutet das: vertrauenswuerdige Quellen verlinken, Aussagen mit Zahlen belegen und Statistiken nennen, genau wie in diesem Artikel.

Parallel operationalisiert E-E-A-T on-page das Vertrauenssignal. Google fuehrt Experience, Expertise, Authoritativeness und Trustworthiness als Qualitaetsdimensionen und stellt klar, dass Trust die wichtigste Komponente ist. On-Page heisst das: Autoren als eigene Entitaet auszeichnen, Author-Schema einsetzen, Quellen belegen und nachvollziehbare Trust-Signale wie Aktualisierungsdatum, Impressum und fachliche Belege setzen. Eine Autoren-Entitaet, die mit dem Thema und der Marke konsistent verknuepft ist, staerkt die Glaubwuerdigkeit der gesamten Seite.

Featured Snippets und Position Zero strukturieren

Strukturierte Antwortformate erhoehen die Chance auf das hervorgehobene Snippet. Laut einer Ahrefs-Analyse von zwei Millionen Featured Snippets zeigen etwa 12,29 Prozent der Suchanfragen ein Featured Snippet. Die Klickverteilung ist allerdings differenziert zu lesen: Steht das Snippet ueber Position 1, erhaelt es im Schnitt nur etwa 8,6 Prozent der Klicks, waehrend das direkt darunter rankende Ergebnis etwa 19,6 Prozent bekommt. Das Snippet bringt also Sichtbarkeit und Markenpraesenz, ist aber kein Garant fuer den Loewenanteil der Klicks.

Fuer die Snippet-Eignung gilt:

• Direkte Antwort zuerst: Eine praegnante Definition oder Antwort in 40 bis 60 Woertern direkt nach der Frage-Ueberschrift erleichtert die Extraktion. Dieses Format dient zugleich der Zitierfaehigkeit in KI-Antworten.
• Listen und Tabellen einsetzen: Aufzaehlungen und strukturierte Tabellen werden bevorzugt als Snippet gezogen, besonders bei Vergleichen und Schritt-fuer-Schritt-Inhalten.
• Fragen als Ueberschriften: H2- oder H3-Ueberschriften in Frageform treffen die tatsaechliche Suchformulierung und liefern den Antwortkontext direkt mit.

Metriken und Messung: Entity-Coverage und Wettbewerbs-Gap

Semantisches SEO laesst sich messen, nicht nur behaupten. Die relevanten Groessen:

• Salience-Score: Den eigenen Text durch Googles Natural Language API laufen lassen und pruefen, ob die beabsichtigte Hauptentitaet tatsaechlich den hoechsten Salience-Wert erreicht. Liegt eine unbeabsichtigte Entitaet vorne, ist das Thema nicht klar genug fokussiert.
• Entity-Coverage: Abgleichen, welche verwandten Entitaeten fachlich vollstaendige Texte zum Thema enthalten und welche im eigenen Content fehlen. Diese Luecke ist die konkrete Content-Aufgabe.
• Wettbewerbs-Entity-Gap: Eine semantische SERP-Analyse der Top-Ergebnisse zeigt, welche Entitaeten die rankenden Seiten gemeinsam abdecken. Im DACH-Markt ist diese Luecke oft leichter zu schliessen als im englischsprachigen Wettbewerb, weil weniger fachlich tiefe deutschsprachige Quellen konkurrieren.
• Strukturierte-Daten-Validierung: Mit dem Schema-Markup-Validator und der Rich-Results-Pruefung sicherstellen, dass Entitaets-Auszeichnung und sameAs-Verknuepfungen fehlerfrei ausgelesen werden.
• Sichtbarkeit in Rich Results und AI Overviews: Tracking, ob Seiten als Rich Result erscheinen und ob sie in generativen Antworten zitiert werden. Letzteres ist der direkte Indikator fuer erfolgreiche GEO-Arbeit.

Weiterfuehrendes

Semantisches SEO ist kein Zusatz zur On-Page-Optimierung, sondern deren Rahmen. Wer eine dominante Entitaet pro URL definiert, sie mit Schema.org und sameAs verankert, Salience ueber Position und Struktur steuert und das Thema durch verwandte Entitaeten vollstaendig abdeckt, optimiert gleichzeitig fuer klassische Rankings, Featured Snippets und KI-Antworten. Sinnvolle naechste Schritte sind die Vertiefung in Schema-Markup on-page, die Operationalisierung von E-E-A-T ueber Autoren-Entitaeten sowie die Verzahnung der internen Verlinkung zu einer konsistenten Topic-Cluster-Architektur. Der gemeinsame Nenner bleibt: Bedeutung schlaegt Zeichenkette.