Warum Google Ihre Marke nicht für innovativ hält – auch wenn Sie es „glauben“, und auf jede Seite schreiben

Viele Unternehmen investieren erheblich in ihre Markenpositionierung: „Innovativ“, „nachhaltig“, „führend in der Branche“ – diese Attribute stehen auf Websites, in Broschüren und in LinkedIn-Profilen in inflationärer Häufigkeit. Aber wie entscheiden Google, ChatGPT und andere KI-Systeme, ob diese Zuschreibungen stimmen? Ein Google-Patent gibt darauf eine erstaunlich konkrete Antwort. Und sie lautet: Ihre Selbstbeschreibung spielt dabei eine untergeordnete Rolle.

Das Problem: Die Lücke zwischen Selbstbild und Systembild

Stellen Sie sich vor, ein potenzieller Kunde fragt ChatGPT: „Welche mittelständischen Maschinenbauer in Süddeutschland gelten als besonders innovativ?“, wenn dieser seine Shortlist für passende Partner bildet. Oder er fragt Gemini: „Wer sind die führenden IT-Dienstleister für den Mittelstand?“ Oder er googelt eine Dienstleistung und bekommt in der AI Overview eine Auswahl von Anbietern – ohne je eine klassische Ergebnisliste gesehen zu haben.

Die Frage, die sich jedes Unternehmen stellen sollte: Taucht mein Name in diesen Antworten auf? Und wenn ja – mit welchen Attributen werde ich dort beschrieben?

Die meisten mittelständischen Unternehmen können diese Frage nicht beantworten. Sie kennen ihr Google-Ranking für bestimmte Suchbegriffe, sie messen Website-Traffic und je nachdem u.a. auch Konversionsraten. Aber sie haben keine oder nur eine diffuse Vorstellung davon, wie KI-Systeme ihre Marke wahrnehmen – welche Eigenschaften ihnen zugeordnet werden, in welchem Wettbewerbsumfeld sie verortet sind und ob das Bild, das diese Systeme zeichnen, mit der eigenen Positionierung übereinstimmt.

Genau in dieser Lücke liegt ein strategisches Risiko, das mit der wachsenden Bedeutung von KI-gestützten Suchsystemen und Empfehlungsmaschinen rapide zunimmt.

Wie Google entscheidet, welche Attribute zu Ihrer Marke gehören

Ein Google-Patent aus dem Jahr 2019 – US20210004438A1, „Identifying Entity Attribute Relations“, erteilt 2022 – beschreibt im Detail, wie dieses System funktioniert. Das Patent wurde von Dan Iter, Xiao Yu und Fangtao Li bei Google LLC entwickelt und adressiert ein spezifisches Problem: Wie erkennt man maschinell, ob ein Attribut tatsächlich zu einer Entität gehört – oder ob es nur zufällig im selben Text vorkommt?

Die Antwort: Nicht durch eine einzelne Erwähnung, sondern durch drei parallele Analyseschichten.

Schicht 1: Pfad-Analyse. Das System untersucht die Wörter und grammatikalischen Strukturen zwischen Entität und Attribut in einer großen Menge von Sätzen. Mindestens 30 Sätze, in denen beide Begriffe gemeinsam vorkommen, bilden die Grundlage. Ein LSTM-Netzwerk verarbeitet diese Pfade und erzeugt daraus ein mathematisches Modell der Beziehung.

Was das für Ihr Unternehmen heißt: Wenn „[Ihr Firmenname]“ und „innovativ“ nicht in mindestens 30 Sätzen gemeinsam vorkommen – quer über die gesamte Datenbasis, die Google auswertet – hat das System schlicht nicht genug Material, um eine Verknüpfung herzustellen. Eine Erwähnung auf der eigenen Website und zwei Pressemitteilungen werden diesen Schwellenwert i.d.R. nicht erreichen.

Schicht 2: Kontextanalyse. Das System betrachtet, in welchem Zusammenhang Ihre Entität in Texten verwendet wird. Es erkennt dabei nicht nur direkte Zuschreibungen, sondern auch semantische Einbettungen – ob Ihr Unternehmen in Kontexten genannt wird, die typischerweise mit Innovation assoziiert sind: Patentanmeldungen, Forschungskooperationen, Technologie-Berichterstattung, Branchenpreise.

Was das für Ihr Unternehmen heißt: Nicht das Wort „innovativ“ auf Ihrer About-Seite zählt, sondern ob Ihr Unternehmen in Quellen auftaucht, die Google als innovationsrelevant klassifiziert. Ein Fachartikel in einem Branchenmedium wiegt mehr als zehn Blogposts auf der eigenen Domain.

Schicht 3: Entitäts-Netzwerk. Das ist die Ebene, die das Patent von früheren Ansätzen unterscheidet – und die für den Mittelstand besonders relevant ist. Das System betrachtet, welche anderen Attribute Ihr Unternehmen mit bereits klassifizierten Entitäten teilt. Wenn Ihr Unternehmen in denselben Branchen aktiv ist, ähnliche Technologiefelder bedient oder von denselben Experten zitiert wird wie Organisationen, die bereits als „innovativ“ klassifiziert sind, fließt dieses Netzwerkwissen als zusätzliches statistisches Signal in die Bewertung ein.

Das Patent illustriert das Prinzip am Beispiel von Fußballern: Wenn das System weiß, dass Ronaldo und Messi beide das Attribut „Rekord“ teilen, und Messi zusätzlich das Attribut „Tore“ zugeordnet ist, kann es schlussfolgern, dass „Tore“ wahrscheinlich auch ein relevantes Attribut für Ronaldo ist – selbst wenn in den verfügbaren Texten nie direkt „Ronaldo“ und „Tore“ im selben Satz stehen.

Was das für Ihr Unternehmen heißt: Ihre Attribut-Zuordnung hängt nicht nur von dem ab, was über Sie geschrieben wird, sondern auch davon, in welchem Entitäts-Netzwerk Sie verortet sind. Wer regelmäßig im Kontext von Innovationsführern genannt wird – sei es durch gemeinsame Konferenzen, Kooperationen, Lieferantenbeziehungen oder Branchenvergleiche – liefert dem System zusätzliche Signale für die Attribut-Zuordnung. Wer in keinem relevanten Netzwerk auftaucht, liefert keine.

Warum der Mittelstand hier besonders verwundbar ist

Für Konzerne wie Apple, Siemens oder Bosch existieren Hunderttausende von Quellen, die konsistent und über Jahrzehnte hinweg dieselben Attribute transportieren. Die Attribut-Zuordnung im Knowledge Graph ist bei diesen Unternehmen robust und kaum zu erschüttern.

Mittelständische Unternehmen stehen vor einer anderen Ausgangslage. Die Anzahl der externen Quellen ist begrenzt. Branchenmedien berichten seltener, Wikipedia-Einträge fehlen häufig komplett, und die Präsenz in wissenschaftlichen oder technologischen Kontexten ist dünn bis nicht vorhanden. Das bedeutet: Jede einzelne Quelle wiegt schwerer – aber es gibt zu wenige davon.

Gleichzeitig ist der Mittelstand besonders darauf angewiesen, dass die richtigen Attribute transportiert werden. Ein Maschinenbauer mit 200 Mitarbeitern, der für seine Innovationskraft im Sondermaschinenbau bekannt sein will, konkurriert in KI-Systemen nicht nur mit direkten Wettbewerbern, sondern mit dem gesamten Entitäts-Netzwerk seiner Branche. Wenn die Datenlage zu dünn ist, ordnet das System entweder gar keine Attribute zu – oder die falschen.

Das Problem verschärft sich durch einen Effekt, den das Patent implizit beschreibt: Die Attribut-Verteilungsanalyse arbeitet mit gewichteten Summen. Häufig genannte Attribute bekannter Entitäten haben ein höheres Gewicht als selten genannte. Wer in den Quellen nicht präsent ist, wird vom System nicht bestraft – aber schlicht übergangen. Das Unternehmen taucht in der Berechnung nicht auf, und damit auch nicht im Ergebnis.

Was das für die KI-Sichtbarkeit bedeutet

Was dieses Patent für den Knowledge Graph beschreibt, gilt in ähnlicher Form für generative KI-Systeme. ChatGPT, Claude und Gemini arbeiten auf einer breiteren, weniger strukturierten Datenbasis – aber die Grundlogik ist dieselbe: Attribute werden nicht aus Selbstbeschreibung abgeleitet, sondern aus der Gesamtheit der verfügbaren Quellen.

Eine aktuelle Studie von Rand Fishkin (SparkToro) hat das mit konkreten Zahlen untermauert: Wenn KI-Systeme Marken empfehlen, gibt fast jede Antwort eine andere Liste in anderer Reihenfolge zurück. Aber welche Marken überhaupt in diesen Listen auftauchen – das ist über Hunderte von Abfragen hinweg erstaunlich stabil. Ob eine Marke respektive Ihr Unterehmen genannt wird, hängt nicht vom Zufall einer einzelnen Abfrage ab, sondern davon, wie tief sie in den Datenquellen verankert ist, aus denen diese Systeme schöpfen. Genau das, was das Entity-Attribute-Patent für den Knowledge Graph beschreibt.

Und Microsofts offizielle Anerkennung von GEO – Generative Engine Optimization – durch Corporate Vice President Jordi Ribas bestätigt: Die Optimierung für KI-gestützte Suchsysteme ist keine Zukunftsmusik, sondern eine Disziplin, die die größten Technologiekonzerne aktiv vorantreiben.

Was Unternehmen jetzt tun sollten

Die praktische Konsequenz aus dem Patent und der aktuellen Entwicklung lässt sich in einer Frage zusammenfassen: Wissen Sie, welche Attribute Google und KI-Systeme aktuell mit Ihrer Marke verknüpfen – und stimmen diese mit Ihrer Positionierung überein?

Für die meisten mittelständischen Unternehmen lautet die ehrliche Antwort: Nein.

Der Weg dahin beginnt mit einer Bestandsaufnahme:

Wie ist Ihre Entität im Knowledge Graph dargestellt? Welche Attribute sind zugeordnet, welche fehlen? Welche externen Quellen stützen die vorhandenen Zuordnungen – und wo gibt es Lücken? Taucht Ihr Unternehmen in den Kontexten auf, die mit Ihren Wunschattributen assoziiert sind? In welchem Entitäts-Netzwerk sind Sie verortet – und ist es das richtige?

Darauf aufbauend entsteht eine Quellenstrategie: Gezielte Präsenz in den externen Quellen, die KI-Systeme und Knowledge Graphs als vertrauenswürdig einstufen. Konsistente Entitätsinformationen über alle Plattformen hinweg. Strukturierte Daten auf der eigenen Website. Fachliche Autorität in den Themenfeldern, die mit den Zielattributen verknüpft sind.

Und schließlich Monitoring: Wie entwickelt sich die Attribut-Zuordnung über die Zeit? Verändert sich Ihre Sichtbarkeit, die AI-Visibility in KI-Systemen?

Mit MetalYzer machen wir die Sichtbarkeit in generativen Systemen einsehbar. Und u.a. mit dem Bing AI Performance Dashboard steht ein weiteres Instrument zur Verfügung, das erstmals Zitierungsdaten aus KI-Systemen transparent(er) macht.

Die zentrale Erkenntnis: Ihre Marke hat in KI-Systemen bereits ein Profil – ob Sie es gestalten oder nicht. Die Frage ist, ob dieses Profil Ihrer Strategie entspricht und Ihre Ziele unterstützt?

Wenn Sie wissen möchten, wie Google und KI-Systeme Ihr Unternehmen aktuell einordnen und wo die strategischen Lücken liegen, sprechen Sie uns an. Eine erste Einschätzung geben wir gerne im persönlichen Gespräch.

---

Häufige Fragen: Begriffe und Hintergründe zu diesem Artikel

Was ist eine Entität im Sinne von Google?
Eine Entität ist ein eindeutig identifizierbares „Ding“ – eine Person, ein Unternehmen, ein Ort, ein Produkt oder ein Konzept. Google erfasst Entitäten in seinem Knowledge Graph und verknüpft sie mit Attributen und Beziehungen zu anderen Entitäten. Ihr Unternehmen ist eine Entität – sofern Google genug Informationen hat, um es als solche zu erkennen.

Was ist ein Attribut in diesem Zusammenhang?
Ein Attribut ist eine Eigenschaft, die einer Entität zugeordnet wird. Bei einer Person kann das der Geburtsort sein, bei einem Unternehmen die Branche, der CEO oder eben eine Eigenschaft wie „innovativ“. Das Google-Patent beschäftigt sich genau mit der Frage, wie das System entscheidet, ob ein Attribut tatsächlich zu einer Entität gehört – oder nur zufällig im selben Text erwähnt wird.

Was ist der Knowledge Graph?
Der Knowledge Graph ist Googles strukturierte Wissensdatenbank. Er enthält Milliarden von Fakten über Entitäten und deren Beziehungen zueinander. Wenn Sie bei Google nach einem Unternehmen suchen und rechts ein Infokasten mit Firmensitz, Gründer und Branche erscheint, sehen Sie einen Ausschnitt aus dem Knowledge Graph. Die Qualität und Vollständigkeit dieses Eintrags beeinflusst direkt, wie Google Ihre Marke versteht und in KI-gestützten Antworten berücksichtigt.

Was ist ein LSTM-Netzwerk?
LSTM steht für Long Short-Term Memory – eine spezielle Form von neuronalem Netzwerk, die darauf ausgelegt ist, Zusammenhänge in Abfolgen von Daten zu erkennen. Im Kontext des Patents analysiert das LSTM-Netzwerk die Wortfolgen zwischen einer Entität und einem Attribut in Sätzen. Es erkennt dabei Muster: Steht zwischen „Tesla“ und „innovativ“ typischerweise „gilt als“, „ist bekannt für“ oder „wird beschrieben als“? Diese Muster helfen dem System zu entscheiden, ob die Verknüpfung valide ist.

Was bedeutet „semantische Einbettung“ (Embedding)?
Ein Embedding ist eine mathematische Darstellung eines Begriffs als Zahlenfolge (Vektor), die seine Bedeutung im Kontext erfasst. Begriffe mit ähnlicher Bedeutung haben ähnliche Vektoren. Das System nutzt diese Darstellung, um zu verstehen, dass „bahnbrechend“, „zukunftsweisend“ und „innovativ“ in ähnlichen Kontexten verwendet werden – auch wenn die Wörter selbst unterschiedlich sind. Für Unternehmen heißt das: Es geht nicht nur um das exakte Wort „innovativ“, sondern um das gesamte semantische Feld, in dem Ihre Marke auftaucht.

Was ist eine AI Overview?
AI Overviews sind KI-generierte Zusammenfassungen, die Google seit 2024 oberhalb der klassischen Suchergebnisse anzeigt. Statt einer Liste von Links bekommt der Nutzer eine direkt formulierte Antwort – zusammengestellt aus verschiedenen Quellen. Für Unternehmen bedeutet das: Google entscheidet nicht mehr nur, ob Ihre Website in der Ergebnisliste auftaucht, sondern ob und wie Ihre Marke in einer KI-generierten Antwort erwähnt wird.

Was sind strukturierte Daten?
Strukturierte Daten sind standardisierte Auszeichnungen im Code einer Website, die Suchmaschinen und KI-Systemen helfen, den Inhalt eindeutig zu verstehen. Über Formate wie Schema.org können Sie Google explizit mitteilen, dass Ihre Seite ein bestimmtes Unternehmen beschreibt, wer die Geschäftsführung ist, welche Dienstleistungen angeboten werden und in welcher Branche Sie tätig sind. Strukturierte Daten ersetzen nicht die externe Quellenpräsenz – aber sie stellen sicher, dass die Informationen auf Ihrer eigenen Website korrekt und maschinenlesbar erfasst werden.

Woher weiß ich, ob mein Unternehmen im Knowledge Graph existiert?
Der einfachste Test: Suchen Sie bei Google nach Ihrem Firmennamen. Erscheint rechts ein Infokasten mit Firmenlogo, Adresse und grundlegenden Fakten, hat Google eine Entität für Ihr Unternehmen angelegt. Fehlt dieser Kasten, ist Ihr Unternehmen im Knowledge Graph entweder nicht vorhanden oder nicht eindeutig genug identifiziert. In beiden Fällen ist das ein Signal, dass die Datenbasis, auf der KI-Systeme aufbauen, für Ihre Marke dünn ist.

Kann ich die Attribut-Zuordnung meiner Marke aktiv beeinflussen?
Ja – aber nicht durch Selbstbeschreibung auf der eigenen Website. Der Hebel liegt in der systematischen Präsenz in den Quellen, die Google und KI-Systeme als vertrauenswürdig einstufen: Fachmedien, Branchenverzeichnisse, wissenschaftliche Publikationen, konsistente Einträge in relevanten Plattformen. Je mehr unabhängige Quellen ein Attribut für Ihre Marke bestätigen, desto wahrscheinlicher wird die Zuordnung im System. Genau diesen Aufbau systematisch zu planen und zu messen, ist Kern unserer GEO-Beratung.