Semantisches Triple.

Ein semantisches Triple beschreibt eine Tatsache in drei Teilen: Subjekt, Prädikat, Objekt. «Zollikon – liegt im Kanton – Zürich» ist ein Triple, «DLM Digital – bietet an – Local SEO» ein zweites. Menschen lesen so etwas als Satz, Maschinen als Datensatz. Der Vorteil dieser Zerlegung ist, dass sich Millionen solcher Aussagen widerspruchsfrei zu einem Netz verknüpfen lassen. Genau daraus bestehen Wissensgraphen wie Googles Knowledge Graph oder Wikidata: nicht aus Fliesstexten, sondern aus Beziehungen zwischen eindeutig identifizierten Dingen.

Der Übergang von Text zu Triples ist die Stelle, an der SEO technisch wird. Wenn eine Seite schreibt «Wir sind eine Digitalagentur in Zollikon und betreuen KMU in der Region Zürich», muss eine Maschine daraus erst Entitäten und Beziehungen extrahieren, mit entsprechendem Fehlerrisiko. Wird derselbe Sachverhalt zusätzlich als JSON-LD ausgezeichnet, liegt er bereits als Triple vor: Organization, address, Zollikon. Strukturierte Daten sind also nichts anderes als vorformulierte Triples, die der Maschine die Interpretationsarbeit abnehmen und Fehldeutungen verhindern.

Für die KI-Suche ist das mehr als Technik-Hygiene. Sprachmodelle beantworten eine Frage wie «Welche Agenturen in Zollikon machen GEO?» faktisch als Abfrage über Beziehungen: Suche alle Entitäten vom Typ Organisation mit Standort Zollikon und Leistung GEO. Ein Unternehmen, dessen Fakten sauber als Triples vorliegen und über mehrere Quellen übereinstimmen, ist in dieser Abfrage auffindbar. Ein Unternehmen, das dieselben Fakten nur in Fliesstext und Bildern führt, muss darauf hoffen, dass die automatische Extraktion zufällig richtig funktioniert.

Ein konkreter Anwendungsfall: Ein Handwerksbetrieb wurde von Assistenten dem falschen Ort zugeordnet, weil die Rechnungsadresse in einem Verzeichnis und die Werkstattadresse auf der Website auseinanderliefen. Als Triple gelesen existierten schlicht zwei widersprüchliche Aussagen zum selben Subjekt. Die Lösung war nicht mehr Content, sondern Eindeutigkeit: eine einzige Adresse, im LocalBusiness-Schema ausgezeichnet, dazu sameAs-Verweise auf die offiziellen Profile und die Korrektur des abweichenden Verzeichniseintrags. Danach enthielt das Netz nur noch eine Aussage zum Standort, und die Zuordnung in Karten wie in KI-Antworten stimmte.