Entitätenanalyse: Warum Themenabdeckung mehr ist als Keywords

Content-Planung folgte lange einem einfachen Muster: Keyword recherchieren, Suchvolumen prüfen, Text schreiben, Keyword möglichst oft unterbringen. Das Ergebnis kennen viele SEO-Manager:innen aus dem Reporting. Die Texte enthalten alle relevanten Begriffe und ranken trotzdem nicht. In KI-Antworten tauchen sie erst recht nicht auf.
Dabei geht es längst nicht mehr nur darum, ob ein Begriff auf der Seite steht. Suchmaschinen und Sprachmodelle wollen verstehen, worum es geht, wie die Dinge zusammenhängen und ob ein Inhalt ein Thema wirklich abdeckt. Es stellt sich also die Frage: Wie bewertest du Themenabdeckung, wenn Keywords allein dafür nicht mehr taugen?
Genau hier setzt die Entitätenanalyse an. In diesem Artikel erkläre ich, was Entitäten sind, warum ihre Analyse für SEO und GEO unverzichtbar geworden ist und warum eine Liste fehlender Begriffe noch keine Strategie ist.

Was sind Entitäten und warum denken Suchmaschinen in Dingen statt in Wörtern?

Eine Entität ist ein eindeutig identifizierbares Ding oder Konzept. Das kann eine Person, ein Unternehmen, ein Produkt oder ein Ort sein, aber auch ein abstrakter Begriff wie „Arbeitsschutz“ oder „Suchintention“. Entscheidend ist nicht das Wort, sondern die Bedeutung dahinter.
Google hat diesen Wechsel schon 2012 mit dem Knowledge Graph eingeläutet, unter dem Motto „things, not strings“. Seitdem ordnet Google Begriffe Entitäten zu, kennt ihre Eigenschaften und ihre Beziehungen zueinander. Ob mit „Jaguar“ das Tier oder die Automarke gemeint ist, entscheidet der Kontext, also die Entitäten im Umfeld.
Auch Sprachmodelle bilden solche Bedeutungszusammenhänge ab: Sie lernen, welche Konzepte zu einem Thema gehören und wie sie zusammenhängen. Für die Content-Planung lohnt sich daher eine klare Unterscheidung:

• Keyword: die Zeichenkette, die Nutzer:innen eintippen oder sprechen
• Entität: das Konzept dahinter, mit Eigenschaften und Beziehungen
• Themenraum: das Netz aus Entitäten, das ein Thema vollständig beschreibt

Jedes Keyword verweist auf eine Entität, aber nicht jede relevante Entität taucht als Keyword in deiner Recherche auf (besonders im B2B-Kontext, wo Fachbegriffe meist wenig Suchvolumen aufweisen).

Warum ist eine Entitätenanalyse nötig?

Die Keyword-Recherche zeigt, wonach gesucht wird. Sie zeigt nicht, was ein Inhalt abdecken muss, damit er als kompetente Antwort gilt. Diese Lücke schließt die Entitätenanalyse.

• Themenabdeckung statt Keyword-Dichte: Ein Text kann das Hauptkeyword zehnmal enthalten und trotzdem zentrale Aspekte auslassen. Die Entitätenanalyse macht sichtbar, welche Konzepte zu einem Thema gehören und welche fehlen.
• Kontext und Eindeutigkeit: Je klarer die umgebenden Entitäten, desto eindeutiger kann eine Suchmaschine einordnen, worum es auf einer Seite geht und für welche Suchanfragen sie relevant ist.
• Topical Authority: Wer ein Themenfeld konsistent über mehrere Seiten abdeckt und die Zusammenhänge sauber abbildet, wird eher als Expert:in für das gesamte Thema wahrgenommen und nicht nur für einzelne Begriffe.
• Zitierfähigkeit in KI-Suchen: AI Overviews, ChatGPT oder Perplexity zerlegen Fragen in Teilfragen (Query Fan-Out) und suchen passende Passagen. Inhalte, die zentrale Entitäten und ihre Beziehungen klar benennen, lassen sich leichter extrahieren und zitieren. Hier ist vieles noch in Bewegung, die Richtung ist aber eindeutig.
• Struktur für die ganze Website: Entitäten zeigen nicht nur, was in einen Text gehört, sondern auch, welche Themen eine eigene Seite verdienen und wie diese zusammenhängen.

Typischer Fehler: Die Entitätenanalyse als einmaliges Text-Tuning verstehen. Ihr größter Hebel liegt in der Planung, also bevor ein Text geschrieben oder eine Seitenstruktur festgelegt wird.

Wie funktioniert eine Entitätenanalyse?

Im Kern beantwortet sie drei Fragen: Welche Konzepte gehören zu einem Thema, wie wichtig sind sie und welche Rolle spielen sie für deine Inhalte? Die konkrete Umsetzung unterscheidet sich je nach Projekt. Bei uns ist die Analyse teilautomatisiert. Datenerhebung und Berechnung laufen über eigene Workflows, die Bewertung bleibt bewusst Handarbeit. So gehen wir vor:

1. Themenraum abstecken: Ausgangspunkt ist die Kernentität, also das zentrale Thema. Wir recherchieren das Suchverhalten rund um dieses Thema und sehen so früh, welche Unterthemen Nutzer:innen beschäftigen.
2. Entitäten extrahieren & gewichten: Per Natural Language Processing (NLP) lesen wir die Entitäten aus relevanten, rankenden Inhalten für das Thema aus. Dabei wird nicht nur erkannt, welche Begriffe vorkommen, sondern auch, um welche Art von Entität es sich handelt und wie zentral sie für einen Text sind. Für jede Entität berechnen wir damit einen Relevanzscore auf Basis weiterer SERP-relevanter Metriken. 
3. Von Hand prüfen: Jetzt kommt der wichtigste Schritt, der fachliche Qualitätscheck. Entitäten mit geringer Relevanz und Zufallstreffer fliegen raus, ebenso Begriffe, die mathematisch passen, inhaltlich aber nichts zum Thema beitragen.
4. Strukturieren: Die verbleibenden Entitäten ordnen wir nach Ebene und Rolle. Was ist der Kern des Themas, was verdient eine eigene Seite, was dient als Filter- oder Vergleichsdimension, also als Merkmal, nach dem Nutzer:innen Angebote eingrenzen oder vergleichen, etwa Unternehmensgröße oder Anbieter, und was liefert nur Kontext?
5. Validieren: Zum Schluss gleichen wir das Ergebnis noch einmal mit dem Google Knowledge Graph ab: Kennt Google die Entität, und passt das zu unserem Score? Ergänzend prüfen wir Wettbewerb, Content-Gaps und SERP-Situation anhand von SEO-Daten.

Das Ergebnis ist keine Begriffsliste, sondern eine Landkarte des Themas.
Fehlinterpretation: KI-Modelle können bei der Plausibilisierung helfen, ersetzen aber keinen Abgleich mit echten Daten. Ein Sprachmodell zeigt, was es über eine Entität vermutet, nicht, was Google tatsächlich dazu gespeichert hat.
Tipp fürs Daily Business: Starte mit einem klar abgegrenzten Thema statt mit der ganzen Domain. Eine saubere Analyse für ein zentrales Thema bringt mehr als eine oberflächliche für zehn.

Entitätenanalyse vs. WDF*IDF: Wo liegt der Unterschied?

Viele kennen Begriffslisten aus der WDF*IDF-Analyse. Sie zählt, welche Wörter die Top-Ergebnisse im Vergleich zu anderen Texten besonders häufig verwenden. Das hilft, Lücken im Vokabular zu finden. Es beantwortet aber eine andere Frage als die Entitätenanalyse.
Der erste Unterschied liegt in der Basis: WDF*IDF arbeitet mit Zeichenketten und ihrer Häufigkeit, die Entitätenanalyse mit Bedeutungen und ihren Beziehungen. Für WDF*IDF ist „Jaguar“ immer dieselbe Zeichenkette, egal ob vom Tier oder von der Automarke die Rede ist. Die Entitätenanalyse erkennt das an den umgebenden Entitäten.
Dasselbe gilt für Synonyme. „CRM“, „Customer-Relationship-Management“ und „Kundenbeziehungsmanagement“ sind für WDF*IDF drei verschiedene Wörter. Tatsächlich verweisen alle drei auf dieselbe Entität, und genau so behandelt sie eine Entitätenanalyse.
Auch das Ergebnis sieht anders aus. WDF*IDF liefert eine Liste einzelner Begriffe, oft mit Zielwerten dafür, wie häufig sie vorkommen sollen, um im Vergleich zum Wettbewerb keine Lücken im Content zu haben. Das verleitet dazu, Texte mit Füllwörtern aufzufüllen. Die Entitätenanalyse liefert dagegen eine Landkarte aus Kernentität, Unterthemen und Attributen, gefiltert nach ihrer Rolle und ihrem Nutzen für die Suchintention.
Damit unterscheidet sich auch der Einsatz: WDF*IDF eignet sich für den Feinschliff auf Term-Ebene. Die Entitätenanalyse ist eine Grundlage für Themenplanung, Informationsarchitektur und Sichtbarkeit in KI-Suchen.
Kurz gesagt: WDF*IDF fragt, welche Wörter die Top-Ergebnisse häufig benutzen. Die Entitätenanalyse fragt, welche Konzepte und Beziehungen ein Inhalt abdecken muss, um ein Thema vollständig und eindeutig zu erklären.

Warum eine Liste fehlender Begriffe noch keine Strategie ist

Begriffe, die die Konkurrenz verwendet und du nicht, lassen sich heute auf Knopfdruck erzeugen. Das wirkt datengetrieben, verleitet aber zu einem bekannten Muster: fehlende Begriffe einsammeln, in den Text streuen, fertig. Im Grunde ist das Keyword-Stuffing, nur mit anderen Wörtern.
Eine Entitätenanalyse, die wirklich weiterhilft, geht anders vor:

• Relevanz ist kontextabhängig: Ob eine Entität wichtig ist, hängt von Zielgruppe, Suchintention, Seitentyp und Geschäftsmodell ab. Ein Begriff, der bei drei Wettbewerbern auftaucht, kann für deine Seite irrelevant sein oder genau das fehlende Puzzleteil.
• Häufigkeit ist nicht gleich Bedeutung: Was oft vorkommt, ist nicht automatisch zentral. Korrelation ist nicht gleich Kausalität, auch hier nicht.
• Rolle statt Menge: Entscheidend ist, welche Funktion eine Entität übernimmt: eigene Seite, eigener Abschnitt, Vergleichsdimension, Kontext oder bewusst weggelassen.
• Beziehungen statt Einzelbegriffe: Suchmaschinen und Sprachmodelle bewerten, ob Zusammenhänge klar und korrekt dargestellt sind, nicht, ob ein Wort irgendwo vorkommt.
• Mehrwert statt Kopie: Wer nur auffüllt, was andere schon haben, wird bestenfalls austauschbar. Echter Mehrwert entsteht dort, wo du Aspekte abdeckst, die im Wettbewerb fehlen, und deine eigene Expertise einbringst (Stichwort Helpful Content).

Fehlannahme: „Je mehr Entitäten ein Text enthält, desto besser.“ Ein Text, der jeden verwandten Begriff abhakt, wird unscharf. Er beantwortet am Ende keine Frage mehr richtig.
Deshalb gestalten wir Entitätenanalysen individuell. Dieselbe Datenbasis führt je nach Projekt zu unterschiedlichen Entscheidungen. Die Daten liefern Hinweise, die Bewertung braucht fachliches Urteil.
Aber wo fängt man an? Wir unterstützen bei der Content Strategie!

Praxistest: Begriffsliste vs. Entitätenanalyse am Beispiel „CRM-System“

Wie sich beide Ansätze in der Praxis unterscheiden, zeigt ein Test mit einem typischen B2B-Thema. Ausgangspunkt ist für beide dieselbe SERP: die Top-Ergebnisse für „CRM-System“ (Stand: Oktober 2026).
Ergebnis 1: die Begriffsliste
Eine automatisch erzeugte Liste der häufigsten Begriffe, vergleichbar mit einer WDF*IDF-Analyse, liefert 60 Begriffe. Prüft man sie so, wie wir es im Qualitätscheck (Schritt 3) tun, bleibt wenig übrig:

Von 60 Begriffen sind also 12 brauchbar. Und weil Synonyme doppelt zählen, etwa „kundenbeziehungen“ und „kundenbeziehungen verbessern“, stehen dahinter nur zehn verschiedene Konzepte.

Was die Liste nicht leisten kann
Gemessen an dem, was eine Entitätenanalyse leisten soll, fehlt der Liste Entscheidendes:

• Bedeutung: „teams“ steht in der Liste und kommt auf ein riesiges Suchvolumen, weil Nutzer:innen damit Microsoft Teams meinen. Mit CRM hat das nichts zu tun. Es ist das “Jaguar-Problem” aus dem Abschnitt über WDF*IDF.
• Rollen: „anbieter vergleich“ und „crm strategie“ stehen gleichrangig nebeneinander. Ob ein Begriff Hub, struktureller Node, Dimension oder Kontext ist, verrät die Liste nicht.
• Suchintention: Informative Varianten wie „crm einfach erklärt“ und kaufvorbereitende wie „anbieter vergleich“ sind gemischt. Dabei zeigt die SERP ein klares Bild: Alle Top-Ergebnisse sind erklärende Ratgeberseiten, auch die von HubSpot und Salesforce.
• Vollständigkeit: In den acht Top-Seiten, deren Inhalte sich auswerten ließen, geht es in sechs um Kosten, in fünf um Schnittstellen, in fünf um die Arten von CRM, in vier um die Abgrenzung zu ERP und in vier um KI-Funktionen. Nichts davon steht in der Liste, obwohl Google zum Keyword sogar die People also asked-Frage „Was ist der Unterschied zwischen CRM und ERP?“ anzeigt.

Ergebnis 2: die Entitätenlandkarte

Im Strukturieren (Schritt 4) ordnen wir dieselben Inhalte nach ihrer Rolle in der Seitenstruktur. Dabei trennen wir, wie oben beschrieben, benannte Entitäten mit eigenem Eintrag im Knowledge Graph von Themenaspekten ohne eigenen Eintrag:

Aus der Landkarte folgen konkrete Entscheidungen. Der Hub ist die zentrale Ratgeberseite zum CRM-System. Die strukturellen Nodes verdienen eigene Seiten, etwa „CRM vs. ERP“ oder „CRM-Kosten“. Die Dimensionen sind Filter: Die Anbieter bilden die Grundlage für eine Vergleichsseite, im Ratgeber sind sie eher Beiwerk. Die Kontext-Begriffe tauchen im Fließtext und in Querverweisen auf.
Die Landkarte ist eine vereinfachte Skizze. In einem echten Projekt kommen die Gewichtung und die Validierung gegen Knowledge Graph und Wettbewerb hinzu. Schon die Skizze zeigt aber den Unterschied: Die Liste sammelt Wörter, die Landkarte sagt, was mit ihnen passiert.
Selber analysieren? Wir vermitteln dir das Know How in einem individuellen SEO- & Content-Redaktionsworkshop!

Was du mit den Ergebnissen anfängst

Eine gute Entitätenanalyse ist kein Selbstzweck. Sie fließt in nahezu jeden Bereich der Content-Arbeit ein:

• Content-Briefings: Redakteur:innen wissen, welche Konzepte ein Text abdecken muss, welche nur Kontext liefern und welche auf eine andere Seite gehören.
• Informationsarchitektur und Topic Cluster: Aus den Rollen der Entitäten ergibt sich, welche Themen eine eigene Seite verdienen und wie Hub- und Unterseiten zusammenhängen.
• Interne Verlinkung: Beziehungen zwischen Entitäten zeigen, welche Seiten logisch miteinander verbunden sein sollten.
• Strukturierte Daten: Mit den Schema.org-Eigenschaften about und mentions kannst du explizit machen, worum es auf einer Seite geht und welche Entitäten nur erwähnt werden. Wichtig: Google verlangt für AI Overviews und AI Mode kein spezielles Markup. Strukturierte Daten ergänzen eine klare Themenabdeckung im Text, sie ersetzen sie nicht.
• Content-Gap-Analysen: Statt nach fehlenden Keywords suchst du nach fehlenden Themenaspekten, im eigenen Bestand und im Vergleich zum Wettbewerb.
• Sichtbarkeit in KI-Suchen: Klar strukturierte Inhalte mit eindeutigen Entitäten und Beziehungen erhöhen die Chance, in KI-Antworten als Quelle aufzutauchen.

Sichtbarkeit in ChatGPT und Co. steigern? Wir beraten dich bei deiner GEO-Strategie!

Fazit: Themen verstehen statt Begriffe sammeln

Keywords zeigen, wonach gesucht wird. Entitäten zeigen, was eine gute Antwort ausmacht. Wer beides zusammenbringt, plant Inhalte, die Suchmaschinen und Sprachmodelle eindeutig einordnen können.
Der Wert einer Entitätenanalyse liegt dabei nicht in der Länge der Liste, sondern in den Entscheidungen, die daraus folgen. Welche Entität trägt das Thema, welche verdient eine eigene Seite, welche lassen wir bewusst weg? Diese Fragen beantwortet kein Schwellenwert allein.
Entitätenorientierte Content-Planung ist kein Schnellschuss, sondern die Grundlage für alles, was danach kommt.

FAQ – Häufige Fragen zur Entitätenanalyse

Was ist der Unterschied zwischen Keyword-Recherche und Entitätenanalyse? Die Keyword-Recherche zeigt, mit welchen Begriffen Nutzer:innen suchen. Die Entitätenanalyse zeigt, welche Konzepte zu einem Thema gehören, wie wichtig sie sind und wie sie zusammenhängen.
Brauche ich für jede Seite eine Entitätenanalyse? Nein. Am meisten lohnt sie sich für zentrale Themen, Pillar-Pages und bei der Planung neuer Themenbereiche oder einer neuen Seitenstruktur.
Hilft eine Entitätenanalyse auch für die Sichtbarkeit in ChatGPT und Co.? Sie schafft eine wichtige Grundlage: Inhalte, die ein Thema vollständig und eindeutig abdecken, lassen sich leichter einordnen und zitieren. Eine Garantie für Nennungen gibt es nicht, da sich KI-Suchsysteme laufend verändern.
Reicht es, fehlende Entitäten in bestehende Texte einzubauen? Selten. Entscheidend ist, welche Rolle eine Entität spielt. Manche gehören in den Text, andere auf eine eigene Seite und manche gar nicht auf deine Website.