- Home
- Blog
- Entitäten SEO: Google Natural Language API
Entitäten SEO ist die Grundlage dafür, dass Google einen Text nicht nur als Keyword-Sammlung liest, sondern als semantisch strukturiertes Wissensdokument versteht. Seit dem Hummingbird-Update (2013) und der BERT-Integration (2019) bewertet Google Inhalte nicht mehr über Keywords, sondern primär über Entitäten und ihre Beziehungen zueinander. Wer semantisch optimiert, spricht die Sprache, in der Googles Knowledge Graph denkt.
Wie lässt sich das konkret messen? Google stellt dafür ein Werkzeug zur Verfügung, das direkt in die eigene Sprachverarbeitungs-Infrastruktur blicken lässt: die Natural Language API. Sie erkennt, welche Entitäten ein Text enthält, bewertet ihre Wichtigkeit (Salience) und klassifiziert den Inhalt nach Google-eigenen Themenkategorien.
Dieser Artikel zeigt, wie du die API als praktisches SEO-Werkzeug einsetzt, welche drei Lückentypen dabei regelmäßig auftauchen und wie der kostenlose SMART LEMON NLP Entity Gap Analyzer den manuellen Vergleich automatisiert.
Kurzfassung: Das musst du über Entitäten SEO und die NLP-API wissen
- Entitäten SEO statt Keyword-Counting: Google bewertet Texte seit Hummingbird und BERT über Entitäten und deren Beziehungen im Knowledge Graph – nicht über Keyword-Häufigkeit. Wer semantisch optimiert, spricht die Sprache, in der Googles Suche denkt.
- Die Google Natural Language API macht das messbar: Das kostenlose Tool (5.000 Anfragen/Monat) zeigt direkt, welche Entitäten ein Text enthält, wie dominant sie sind (Salience-Wert 0–1) und welche inhaltliche Kategorie Google dem Text zuweist.
- Drei Lückentypen, drei verschiedene Lösungen: Fokus-Lücke (Ziel-Entität zu wenig dominant → Intro umschreiben), Entitäten-Lücke (Kontext-Entitäten fehlen → organisch ergänzen), Kategorie-Lücke (falsche Content-Klassifikation → inhaltliche Ausrichtung ändern).
- Entitäten SEO optimiert gleichzeitig für KI-Antworten: Google AI Overviews, ChatGPT, Perplexity und Gemini bevorzugen Quellen mit klaren Definitionen, hoher Fakten-Dichte und vollständigem Entitäts-Kontext – dieselben Signale, die auch klassisches SEO stärken.
- Der SMART LEMON NLP Entity Gap Analyzer automatisiert den Vergleich: Eigenen Text und bis zu drei Wettbewerber-Texte einfügen → Entitäten-Gaps, Salience-Abweichungen und Kategorie-Unterschiede auf Knopfdruck.
Was sind Entitäten in der Suchmaschinenoptimierung?
📌 Definition: Entität (SEO). Eine Entität ist ein eindeutig identifizierbares Konzept, Objekt, Person oder Ort, das Google im Knowledge Graph erfasst und mit anderen Entitäten verknüpft. Entitäten unterscheiden sich von Keywords: Ein Keyword ist ein Suchbegriff, eine Entität ist eine semantische Einheit mit definierten Eigenschaften und Relationen. Beispiel: [Buchhaltungssoftware] ist eine Produkt-Entität, die Google mit den Entitäten [Steuer], [Selbstständige] und [DATEV] in Beziehung setzt.
Googles Knowledge Graph umfasst laut Google-Angaben über 500 Milliarden Entitäten und verarbeitet täglich über 5 Milliarden Aktualisierungen aus Websites, Wikipedia, News-Quellen und strukturierten Daten (Google, 2025). Named Entity Recognition (NER), das Verfahren, mit dem Sprachmodelle Entitäten in Texten automatisch identifizieren und klassifizieren, ist das technische Fundament, auf dem sowohl die Google-Suche als auch moderne KI-Antwortmaschinen wie ChatGPT, Perplexity und Gemini arbeiten und ist damit auch eine wichtiger Aspekt für LLMs und SEO.
Für SEOs bedeutet das: Wer in Rankings oder KI-Antworten erscheinen will, muss sicherstellen, dass sein Content die für das Thema erwarteten Entitäten enthält und die primäre Ziel-Entität vom System als Hauptthema erkannt wird. Genau das misst die Google Natural Language API.
Google Natural Language API: Was sie analysiert und warum SEOs sie kennen müssen
Die Natural Language API ist ein Webdienst aus Google Cloud, der Texte maschinell analysiert und strukturierte Informationen über deren Inhalt zurückgibt. Sie ist öffentlich zugänglich, kostenlos bis 5000 Anfragen pro Monat und – das ist der entscheidende Punkt für SEOs – keine externe Annäherung an Googles Denkweise, sondern ein direkter Einblick in sie.
Die API nutzt dieselbe Sprachverarbeitungs-Infrastruktur, die Google intern für die Inhaltsanalyse von Webseiten einsetzt. Was das System über einen eingefügten Text ausgibt, entspricht im Wesentlichen dem, was es über eine gecrawlte URL liest. Dabei arbeitet die API auf Basis derselben NLP-Technologien, die auch in Google Search, Google Assistant und den Google AI Overviews zum Einsatz kommen.
🔗 Dokumentation Google Natural Language API: cloud.google.com/natural-language/docs – kostenlos bis 5000 Anfragen/Monat, danach 1–2 $ pro 1000 Anfragen je nach Feature.
Entity Recognition, Salience, Content Classification und Entity Sentiment: die vier Outputs
Die API liefert vier Analysetypen, die für SEO relevant sind:
- Entity Recognition: Erkennt Personen, Orte, Organisationen, Produkte und abstrakte Konzepte im Text. Grundlage für Named Entity Recognition (NER). Es ist dasselbe Verfahren, das auch Googles Crawler bei der Inhaltsanalyse nutzt.
- Salience (SEO) ist ein numerischer Wert zwischen 0 und 1, der angibt, wie zentral eine Entität für das gesamte Dokument ist. Ein Salience-Wert nahe 1.0 bedeutet: Diese Entität ist das Hauptthema. Ein Wert unter 0.05 bedeutet: Randnotiz. Salience misst nicht Häufigkeit, sondern semantische Dominanz. Ähnlich wie TF-IDF Häufigkeit misst, geht Salience über den reinen Zählwert hinaus.
- Content Classification: Ordnet den Text einer oder mehreren Google-Inhaltskategorien zu (z. B. Computers & Electronics, Software, Business & Productivity Software). Wichtig: Für eine valide Klassifizierung benötigt die API mindestens 300–400 Wörter kontinuierlichen Text.
- Entity Sentiment: Gibt an, welche Stimmung der Text gegenüber einer einzelnen Entität ausdrückt. Dies ist nicht mit der allgemeinen Tonalität des Textes zu verwechseln, sondern eine entitätsspezifische Bewertung. Die einzige Einschränkung: Offiziell nicht für deutschsprachige Texte unterstützt (Fallback-Lösung via OpenAI GPT-4o-mini, Kosten ca. 0,01 $ pro Analyse, siehe Tool-Abschnitt).
Die drei Entitäten-Lücken im SEO – und wie du sie mit der NLP-API erkennst
In der Praxis zeigen sich bei der NLP-Analyse immer wieder dieselben drei Muster. Jedes erfordert eine andere Reaktion. Die folgende Tabelle gibt einen Überblick, bevor wir die einzelnen Typen mit konkreten Beispielen durchgehen:
| Lücken-Typ | Definition | Typisches Symptom | Diagnose-Methode | Lösung |
|---|---|---|---|---|
| Fokus-Lücke (Salience-Gap) | Ziel-Entität hat zu niedrige Salience | Position 4–8 trotz relevantem Content; warmer Einstieg | Salience-Wert der Ziel-Entität < 0.30 | Intro umschreiben: Hauptthema im ersten Satz direkt nennen |
| Entitäten-Lücke (Entity-Gap) | Fehlende Ko-Occurenz-Entitäten | Ranking-Decke trotz guter Backlinks; Content semantisch unvollständig | Entitäten-Vergleich eigene vs. Top-Ranking-Seite | Fehlende Kontext-Entitäten organisch einbauen |
| Kategorie-Lücke (Classification-Gap) | Falsche Content-Klassifikation vs. Wettbewerb | Grundsätzlich anderes Ranking-Niveau; Wettbewerb in anderer Kategorie | Content-Classification vergleichen | Inhaltsausrichtung grundlegend ändern (anderer Inhaltstyp) |
Lücke 1: Fokus-Lücke (Salience-Gap)
Eine Fokus-Lücke liegt vor, wenn die primäre Ziel-Entität nicht als Hauptthema des Dokuments erkannt wird, obwohl sie das Keyword ist. Ursache ist fast immer ein zu weicher Einstieg: Der Text nähert sich dem Thema über allgemeine Kontextsätze, anstatt es direkt zu etablieren.
Beispiel: Eine Seite rankt auf Position 4 für [Buchhaltungssoftware für Selbstständige]. Der Intro-Satz lautet:
Wer selbstständig arbeitet, hat viele Dinge im Kopf – von Kundenkommunikation über Steuern bis hin zur richtigen Software für die Buchhaltung.
Die NLP-Analyse ergibt:
- Kundenkommunikation – Salience 0.109
- Steuern – Salience 0.158
- Buchhaltungssoftware – Salience 0.379
Google liest diesen Satz als Text über Selbstständigkeit und Dinge im Kopf im Allgemeinen. Die Ziel-Entität ist auf Platz 3. Die Seite auf Position 1 hat für Buchhaltungssoftware eine Salience von 0.315, weil ihr Einstieg direkt auf das Thema zielt.
Lösung durch überarbeiteten Satz: Buchhaltungssoftware für Selbstständige spart Zeit, reduziert Fehler und macht die Steuererklärung deutlich entspannter.
Ergebnis: Buchhaltungssoftware dominiert jetzt mit Salience 0.379. Die Entität Steuern liefert Kontext, ist aber nicht mehr Hauptthema.
Lücke 2: Entitäten-Lücke (Entity-Gap)
Definition: Entity Gap (SEO) Ein Entity Gap beschreibt das Fehlen von Kontext-Entitäten, die auf Top-Ranking-Seiten konsistent mit hoher Salience auftreten, auf der eigenen Seite jedoch fehlen oder niedrig gewichtet sind. Entity Gaps sind keine Keyword-Gaps: Die fehlenden Entitäten erscheinen nicht in klassischen SEO-Tools als Suchbegriffe, definieren aber für Googles Knowledge Graph das Themenfeld.
Beispiel: Eine Seite zum Thema nachhaltige Sportkleidung rankt auf Position 6. Die NLP-Analyse zeigt: Die Entitäten Recycling, Bio-Baumwolle und Fair Trade kommen auf der eigenen Seite kaum vor. Auf der Seite auf Position 1 sind alle drei hochsalient. Außerdem fehlt die Entität GOTS-Zertifizierung. Das ist kein messbares Suchvolumen in SEO-Tools, aber von Google als thematisch notwendige Ko-Occurenz-Entität für das Themenfeld eingestuft.
Lösung: Einen kurzen Abschnitt ergänzen, der Zertifizierungen wie GOTS und OEKO-TEX nicht als Keyword-Wiederholung, sondern als inhaltlichen Kontext einbettet. Das schließt die semantische Lücke ohne künstliches Stuffing.
⚠️ Abgrenzung Entity Gaps sind keine Keyword-Gaps. Ein Entity Gap besteht aus Konzepten, die Google für das Themenfeld erwartet. Unabhängig davon, ob sie Suchvolumen haben. Klassische SEO-Tools wie SISTRIX oder Ahrefs zeigen diese Lücken nicht.
Lücke 3: Kategorie-Lücke (Classification-Gap)
Eine Kategorie-Lücke ist der aufwendigste Fall: Die eigene Seite wird in eine andere inhaltliche Kategorie eingeordnet als der Top-Wettbewerber. Das bedeutet, dass nicht einzelne Begriffe angepasst werden müssen, sondern die gesamte inhaltliche Ausrichtung.
Beispiel: Eine Seite zum Thema Projektmanagement-Methoden rankt auf Position 8.
| Kriterium | Eigene Seite (Pos. 8) | Wettbewerber (Pos. 1) |
|---|---|---|
| Content-Klassifikation | Business & Industrial / Business Operations | Computers & Electronics / Software / Business & Productivity Software |
| Inhaltlicher Schwerpunkt | Allgemeiner Überblick, Theorie | Tool-Vergleiche: Asana vs. Trello vs. Monday, Integrationen, technische Anforderungen |
Lösung: Nicht mehr Text über Projektmanagement-Methoden, sondern anderen Text. Tool-Perspektive einbauen, Entscheidungshilfen ergänzen, weniger Theorie, mehr Anwendungskontext. Erst wenn der Inhalt die richtige Kategorie erhält, konkurriert er auf derselben Ebene.
Entitäten SEO manuell analysieren: 5-Schritte-Workflow mit der NLP-API
Wenn Du das Prinzip vor Nutzung unseres Tools einmal manuell durchlaufen willst, empfehlen wir folgenden Ablauf:
- URL identifizieren: Eine Seite wählen, die für ein Keyword sichtbar ist, aber bisher nicht auf Position 1–3 steht. Der Bereich der Position 4–8 liefert hier die präzisesten Erkenntnisse.
- Text extrahieren: Intro und ersten Hauptabschnitt der eigenen Seite kopieren – reinen Text, kein HTML. Für die Kategorie-Analyse: mindestens den kompletten Text above the fold plus einen weiteren Absatz (Minimum: 300–400 Wörter).
- API-Demo aufrufen: Unter cloud.google.com/natural-language gibt es eine „Try the API“-Demo. Text einfügen, Analyse starten. Kein API-Key nötig für den Demo-Zugang.
- Top-Ranking analysieren: Denselben Prozess mit der Seite wiederholen, die aktuell auf Platz 1 steht.
- Outputs vergleichen: Welche Entitäten hat der Wettbewerber mit hoher Salience, die bei der eigenen Seite fehlen oder niedrig gewichtet sind? Welche Kategorie bekommt jede Seite?
Speichere abschließend die Outputs (z. B. als Screenshots oder PDF = Seite als PDF ausdrucken) und lass ein KI-Tool wie ChatGPT, Claude oder Gemini die Ergebnisse vergleichen.
Folgender Promptvorschlag mit den Platzhaltern Output A und B.
Vergleiche Output A und B und beanworte folgende Fragen:
1) Welche Entitäten fehlen?
2) Wo ist der Fokus unklar?
3) Welche Struktur- und Abschnittsänderungen sind sinnvoll?
Gib das Ergebnis als eine priorisierte To-do-Liste aus.
Der manuelle Weg funktioniert zuverlässig für Einzelanalysen. Für systematische Arbeit (= mehrere URLs, mehrere Wettbewerber) ist er jedoch zeitaufwendig. Es geht aber auch deutlich eleganter: Der SMART LEMON NLP Entity Gap Analyzer automatisiert diesen Vergleich.
NLP SEO Tool: der kostenlose SMART LEMON Entity Gap Analyzer
Der NLP Entity Gap Analyzer automatisiert den gesamten Vergleichsprozess: Text der eigenen Seite und bis zu drei Competitor-Texte einfügen, API-Key hinterlegen, Analyse starten. Das Tool ruft die Google NLP API im Hintergrund auf, vergleicht alle Outputs und liefert Entitäten-Lücken, Salience-Gaps und Kategorie-Abweichungen als priorisierte Liste.
Set-up in drei Minuten
Einzige Voraussetzung ist ein Google-Cloud-API-Key. Google gewährt 5000 kostenlose API-Anfragen pro Monat. Für den hier beschriebenen Anwendungsfall reicht das problemlos. Die Schritte:
- console.cloud.google.com aufrufen und mit einem Google-Account einloggen
- Neues Projekt anlegen – Name ist beliebig
- Natural Language API aktivieren (einfach danach suchen)
- Unter Anmeldedaten einen API-Key erstellen und kopieren
Praxis-Tipp: Die Kreditkarte wird beim Einrichten abgefragt, aber solange du im Free-Tier bleibst (5.000 Anfragen/Monat), wird nichts berechnet. Richte vorab einen Budget-Alert für 1 € ein. Dann gibt es keine bösen Überraschungen.
Entity Sentiment für deutsche Texte: optionaler OpenAI-Fallback
Google NLP unterstützt Entity Sentiment nicht für Deutsch. Das Tool zeigt in dem Fall standardmäßig keinen Sentiment-Wert. Wenn du auch für deutschsprachige Texte Sentiment-Daten haben möchtest, lässt sich optional ein API-Key von OpenAI in der Konfiguration hinterlegen. Das Tool springt dann automatisch auf gpt-4o-mini um und liefert entity-spezifisches Sentiment für alle Sprachen.
Der Unterschied zu einfachem Text-Sentiment: gpt-4o-mini analysiert, welche Stimmung der Text speziell gegenüber jeder einzelnen Entity ausdrückt. Nicht der allgemeine Ton des Textes, sondern der Kontext, in dem jede Entity erscheint. Die Kosten liegen bei etwa 0,01 $ pro Analyse.
Einzelanalyse oder Gap-Analyse: Welcher Modus wann sinnvoll ist
- Einzelanalyse: Analysiert eine einzelne Seite. Zeigt erkannte Entities, Salience-Verteilung und Content-Kategorie. Geeignet für Bestandsaufnahmen vor Veröffentlichung oder als Grundlage für Texter-Briefings.
- Gap-Analyse: Vergleicht die eigene Seite mit bis zu drei Competitor-Texten. Zeigt fehlende Entities, Salience-Gaps und Kategorie-Abweichungen in einer priorisierten Liste.
Der Markdown-Export gibt alle Ergebnisse strukturiert aus, die direkt als Prompt-Input für Claude oder ChatGPT verwendbar sind.
Wann ist die NLP-Analyse wirklich sinnvol?
Die Methode ist kein universelles SEO-Werkzeug. Sie entfaltet ihren Wert in spezifischen Situationen.
Die vier produktivsten Anwendungsfälle
- Rankings auf Position 4–8: Der ergiebigste Fall. Backlinks sind vorhanden, technische Aspekte sauber, aber der Abstand zu den Top-3-Rankings bleibt. Hier können Entitäten-Gaps und Salience-Abweichungen der ausschlaggebende Faktor sein.
- Evergreen-Content-Audits: Artikel, die vor zwei bis drei Jahren gut rankten und seitdem gedriftet sind. Die NLP-Analyse zeigt, ob die Top-Ranking-Seiten neue Entitäten integriert haben, während die eigene Seite stagniert.
- Texter-Briefings: Statt vager Anweisungen wie „Thema X ausführlicher behandeln“ liefert der NLP-Export konkrete Vorgaben: Diese Entitäten fehlen, diese haben zu niedrige Salience, die Ziel-Klassifikation ist Kategorie B statt aktuell A.
- Pre-Publish-Check: Schneller Sanity-Check vor Veröffentlichung: Ist die Ziel-Entität dominant? Welche Kategorie bekommt der Text? Gibt es offensichtliche thematische Lücken?
Abgrenzung. Die NLP-Analyse adressiert semantische Lücken im Content. Sie ist kein geeignetes Werkzeug für reine Backlink-Gaps, technische Crawl-Probleme oder Fälle, in denen der Haupthebel Domain Authority ist. Wer auf Position 15 rankt und 50 starke Backlinks zur Konkurrenz fehlen, wird durch Entitäten-Optimierung keine Seite gutmachen.
NLP-Output und KI kombinieren: der Analyse-Prompt
Der Markdown-Export aus dem Tool gibt alle Analyse-Ergebnisse strukturiert aus: fehlende Entities, Salience-Gaps, Kategorie-Abweichungen, Sentiment-Auffälligkeiten. Diesen Output direkt als Prompt-Input zu verwenden, spart erheblich Zeit.
Prompt-Vorlage für Claude, Gemini oder ChatGPT:
Analysiere den folgenden NLP-Output aus dem Google Natural Language API Vergleich.
[NLP-Output hier einfügen]
Erstelle eine priorisierte Optimierungsliste mit folgenden Punkten:
1. Welche fehlenden Entities sollten mit welchem Kontext ergänzt werden?
2. Wo ist die Salience der Ziel-Entity zu niedrig – und an welcher Stelle im Text sollte sie gestärkt werden?
3. Falls es eine Kategorie-Lücke gibt: Welche inhaltlichen Änderungen würden die Klassifikation verschieben?
4. Konkrete Formulierungsvorschläge für die wichtigsten Änderungen.
Wichtig: Der KI-Output ist ein Vorschlag, kein fertiger Text. Die Qualitätssicherung – ob die vorgeschlagenen Ergänzungen inhaltlich korrekt, nutzwertig und redaktionell sinnvoll sind – bleibt beim Autor. Das Tool und der Prompt liefern eine Diagnose und erste Richtung, keine automatisierte Content-Produktion.
Die Google Natural Language API macht transparent, was Suchmaschinen intern über Texte denken. Das allein ist zwar noch kein Optimierungsrezept, aber es ist die präziseste Grundlage für Content-Entscheidungen, die für SEOs heute kostenlos zugänglich ist. Entitäten-Lücken schließen, Salience justieren, Kategorie-Abweichungen erkennen: Das sind handhabbare, überprüfbare Stellschrauben. Der Rest ist redaktionelle Arbeit.
Generative Engine Optimization: Wie Entitäten SEO die KI-Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews steigert
Dieser Abschnitt adressiert die direkte Verbindung zwischen Entitäten-SEO und der Sichtbarkeit in KI-Antwortmaschinen (Google AI Overviews, ChatGPT, Perplexity, Gemini). Er ist bewusst als neues Kapitel strukturiert, da KI‑Systeme zusätzlich zum klassischen Google-Ranking, über eigenständige Selektionsmechanismen verfügen.
Klassische SEO-Rankings allein garantieren keine Sichtbarkeit mehr in KI-generierten Antworten. Google AI Overviews, ChatGPT mit Websuche, Perplexity und Gemini nutzen eigene Selektions-Logiken. Alle haben eine Gemeinsamkeit: Sie bevorzugen Quellen mit hoher Entitäts-Klarheit, strukturierten Daten und nachvollziehbarer Informationsherkunft.
Entitäten-SEO ist dabei der gemeinsame Nenner von klassischem SEO und Generative Engine Optimization (GEO). Inhalte, die für Google semantisch klar strukturiert sind – mit dominanter Hauptentität, vollständigem Ko-Occurenz-Netzwerk und präzisen Definitionen – werden auch von KI-Systemen bevorzugt als Grounding-Quellen ausgewählt, weil sie das maschinelle Parsing erleichtern.
Der konkrete Hebel: Wer die drei Entitäten-Lücken (Salience-Gap, Entity-Gap, Classification-Gap) schließt, optimiert gleichzeitig für alle vier KI-Systeme. Warum? Weil alle auf dasselbe Signal reagieren: semantisch klarer, faktisch dichter, strukturiert zugänglicher Content.
Der konkrete Hebel: Wer die drei Entitäten-Lücken (Salience-Gap, Entity-Gap, Classification-Gap) schließt, optimiert gleichzeitig für alle vier KI-Systeme. Warum? Weil alle auf dasselbe Signal reagieren: semantisch klarer, faktisch dichter und durch eine KI-Content-Struktur leichter zugängliche Inhalte.
| KI-System | Selektions-Logik | Entitäten-SEO-Hebel |
|---|---|---|
| Google AI Overviews | Google-Index + hohe E-E-A-T-Bewertung + bereits gut rankende Seiten | Klassische SEO + dominante Hauptentität + FAQPage-Schema |
| ChatGPT (mit Suche) | Bing-Index + klare Fakten-Struktur + Autoritäts-Signal | Klare Entitäts-Definitionen + zitierbare Aussagen + externe Quellen |
| Perplexity | Eigener Crawler + Aktualität + Quellen-Transparenz | Vollständige Quellenangaben + aktuelle Daten + crawlbarer Content |
| Gemini | Google-Index + Knowledge-Graph-Entitäten | Google-SEO + strukturierte Daten + Knowledge-Graph-Verankerung |
Wie sich diese Entitäten konkret aus Google AI Overviews extrahieren und mit der Google Natural Language API analysieren lassen, haben wir ausführlich in unserem SMART LEMON SEO-Newsletter #156 gezeigt.
FAQ: Entitäten SEO, Salience und Google Natural Language API
Was ist der Unterschied zwischen Entitäten SEO und klassischer Keyword-Optimierung?
Klassische Keyword-Optimierung fokussiert auf Häufigkeit und Platzierung von Suchbegriffen. Entitäten-SEO geht einen Schritt weiter: Es geht darum, dass Google nicht nur den Begriff erkennt, sondern das Konzept dahinter und die Beziehungen zu verwandten Konzepten im Knowledge Graph. Ein gut optimierter Entitäten-Text kann für verwandte Begriffe ranken, die darin gar nicht explizit auftauchen.
Was bedeutet Salience und welcher Wert ist für das Ranking relevant?
Salience (Wert 0–1) misst, wie zentral eine Entität für das gesamte Dokument ist. Ein Wert über 0.50 bedeutet: Diese Entität dominiert das Thema. Für das Ranking als SEO-relevanter Schwellenwert gilt: Die Ziel-Entität sollte einen Salience-Wert von mindestens 0.30–0.40 im Intro haben. Liegt sie darunter, liest Google den Text als Text über etwas anderes.
Kann ich die Google NLP API kostenlos nutzen?
Ja. Google stellt 5000 kostenlose API-Anfragen pro Monat zur Verfügung. Für die meisten SEO-Anwendungsfälle wie wöchentliche Content-Audits, Einzel-URL-Analysen usw. reicht das aus. Erst ab der 5.001. Bei Anfragen fallen Kosten von ca. 1–2 $ pro 1.000 Anfragen an. Die API-Demo unter cloud.google.com/natural-language ist auch ohne API-Key zugänglich.
Welche Entitäten fehlen in deutschen SEO-Texten am häufigsten?
In der Praxis treten drei Muster regelmäßig auf: (1) fehlende Zertifizierungs-Entitäten (z. B. TÜV, ISO, GOTS), (2) fehlende Technologie-Entitäten im Software-Bereich (z. B. API, SDK, BERT, Knowledge Graph) und (3) fehlende Personen-Entitäten als Autoritätssignal (Branchenexperten, Studienautoren). Alle drei erscheinen in klassischen Keyword-Tools nicht. Sie sind Entity Gaps, keine Keyword Gaps.
Was ist eine Content-Classification-Abweichung und wie schlimm ist sie?
Eine Classification-Abweichung bedeutet, dass Google deine Seite einem anderen inhaltlichen Kontext zuordnet als den Top-Wettbewerber. Das ist der aufwendigste Typ: Er erfordert keine Wortänderungen, sondern eine inhaltliche Umpositionierung. Wenn der Wettbewerber als Software-Ratgeber klassifiziert wird und du als allgemeiner Business-Content, kannst du durch Optimierung allein keine Spitzenpositionen erreichen.
Hilft die NLP-Analyse auch für KI-Antworten (ChatGPT, Perplexity)?
Ja. Entitäten-SEO ist der gemeinsame Nenner von Google-Ranking und KI-Zitierbarkeit. KI-Systeme bevorzugen Quellen mit klaren Definitionen, hoher Fakten-Dichte und vollständigem Entitäts-Kontext. Wer Salience-Gaps und Entity-Gaps schließt, optimiert gleichzeitig für Google AI Overviews, ChatGPT (Bing-Grounding), Perplexity und Gemini.
Was ist der Unterschied zwischen Salience-Gap und Entity-Gap?
Ein Salience-Gap bedeutet: Die richtige Entität ist vorhanden, aber zu wenig dominant. Lösung: Intro umschreiben, Entität früher und direkter einführen. Ein Entity-Gap bedeutet: Eine für das Themenfeld erwartete Entität fehlt komplett. Lösung: Fehlende Entität inhaltlich einbetten. Beide Typen werden durch die NLP-Analyse diagnostiziert und durch unterschiedliche Maßnahmen behoben.
Wie viele Wörter benötigt ein Text für eine valide NLP-Analyse?
Für die Salience-Analyse genügt ein einzelner Absatz. Für die Content Classification benötigt die API mindestens 300–400 Wörter kontinuierlichen Text. Weniger ergibt keine valide Kategorisierung. Für einen repräsentativen Vergleich mit dem Wettbewerber empfiehlt das SEO-Team von SMART LEMON, jeweils denselben Textbereich zu analysieren (z. B. Intro + erster Hauptabschnitt beider URLs).
Kann ich die NLP-Analyse für Wettbewerber-Texte nutzen, ohne die URL zu haben?
Ja. Der SMART LEMON NLP Entity Gap Analyzer arbeitet mit reinem Text. Du fügst einfach den kopierten Seitentext ein. Das ist auch dann möglich, wenn du keine URL hast, etwa bei Texten aus PDFs, Wettbewerber-Screenshots oder eigenen Entwürfen vor der Veröffentlichung.
Ersetzt Entitäten-Optimierung die klassische SEO?
Nein. Entitäten-SEO ist eine Erweiterung, kein Ersatz. Technische SEO-Grundlagen, Backlink-Profil und Domain Authority bleiben entscheidend. Besonders in kompetitiven Keyword-Umfeldern. Entitäten-Optimierung entfaltet ihren größten Hebel dort, wo technische Grundlagen bereits stimmen und der Content der limitierende Faktor ist.
Fazit: Entitäten SEO und GEO – semantische Optimierung als messbarer Ranking-Hebel
Die Google Natural Language API macht transparent, was Suchmaschinen intern über Texte lesen. Entitäten-Lücken schließen, Salience justieren, Kategorie-Abweichungen erkennen. Das sind handhabbare, überprüfbare Stellschrauben. Seit der Knowledge-Graph-Integration denkt Google in semantischen Netzwerken: Wer die Sprache dieser Netzwerke spricht, wird sowohl in klassischen Rankings als auch in KI-generierten Antworten sichtbarer.
Der Unterschied zu herkömmlicher Content-Optimierung: Entitäten-SEO gibt dir einen direkten Einblick in Googles Verarbeitungslogik. Nicht über Näherungswerte oder externe Metriken, sondern über Googles eigene API. Das ist die präziseste Grundlage für Content-Entscheidungen, die SEOs heute kostenlos zugänglich ist.
Weitere Informationen und Quellen zum Entitäten SEO und Google NLP API
- Google Cloud: Natural Language API Dokumentation und Demo (deutsch/mehrsprachig)
- Wikipedia-Eintrag zur Named-entity recognition mit einigen weiterführenden Quellen (englisch/mehrsprachig)
- Google Cloud: Google Knowledge Graph Search API – auf: docs.cloud.google.com (englisch/mehrsprachig)
- Rachael Deacon-smith: BigQuery Graph Series | Part 1: From “Dark Data” to Knowledge Graphs – auf: medium.com am 24. Februar 2026 (englisch)
- Udo Raaf: Entitäten: Wie Google Inhalte semantisch einordnet – auf: sistrix.de am: 15. Januar 2026 (deutsch)
- Veruska Anconitano: Entity-first SEO: How to align content with Google’s Knowledge Graph – auf: searchengineland.com am 25. November 2025 (englisch)
- Genie Jones: Entity SEO: the Guide to Understanding – auf: inlinks.com am 13. Januar 2025 (englisch)
- Christian Stobitzer: Entitäten im SEO: Was sind Entitäten & warum sind diese so wichtig? – auf: omt.de am 13. August 2024 (deutsch)
- SMART LEMON SEO-Newsletter #50: Mach den Test: Wie bewertet Google deine Texte? Salience-Scoring als SEO-Hilfe – auf: mailchimp.com am 6. September 2023 (deutsch)
- Olaf Kopp: Wie kann Google über Entitäten, NLP & Vektorraumanalysen relevante Dokumente identifizieren und ranken? – auf: sem-deutschland.de am 17. April 2022 (deutsch)
- Jacob Devlin et al.: BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding – auf: arxiv.org – 24. Oktober 2019 (englisch)
