Wat is de Knowledge Graph?

Een knowledge graph is een gestructureerde database die informatie opslaat over entiteiten — personen, organisaties, plaatsen, concepten — en de relaties daartussen. In plaats van informatie als documenten of webpagina’s op te slaan, slaat een knowledge graph feiten op als verbindingen: “Hans Schepers” → “werkt in” → “digital marketing”; “Hands on GEO” → “gaat over” → “Generative Engine Optimization.”

Google’s Knowledge Graph

De meest bekende knowledge graph is die van Google, gelanceerd in 2012. Het is de motor achter de informatiepanelen die je rechts in Google-zoekresultaten ziet: als je zoekt naar een bedrijf en je dan de oprichtingsdatum, het hoofdkantoor, de CEO en de beurskoers in een gestructureerd paneel aan de rechterkant van je scherm ziet, dan komt die informatie uit de Knowledge Graph. Google’s Knowledge Graph put uit meerdere bronnen: Wikidata, Wikipedia, officiële websites met schema-markup, overheidsdatabases en branchebronnen met veel autoriteit. Het bevat miljarden entiteiten en tientallen miljarden relaties daartussen.Voor entity optimization is Google’s Knowledge Graph van belang omdat vertegenwoordigd zijn erin aan Google (en aan AI-systemen gebouwd op Google-data, waaronder Gemini en Google AI Overviews) signaleert dat je een herkende, verifieerbare entiteit bent. Kortom: dat je bestaat.

Wikidata als open knowledge graph

Wikidata is een gratis, open knowledge graph beheerd door de Wikimedia Foundation. Het dient als gestructureerde databron voor Wikipedia, maar wordt ook rechtstreeks gebruikt door Google, AI-modellen en andere systemen. Anders dan Wikipedia kent Wikidata geen drempel voor het aanmaken van entries. Elke entiteit die met verifieerbare uitspraken kan worden beschreven, kan een Wikidata-entry krijgen. Elke entry ontvangt een uniek Q-identificatienummer (bijvoorbeeld Q5 voor “mens”, Q95 voor “Google”) dat dient als permanent, taalonafhankelijk identificatiemiddel. Voor merken en professionals biedt een Wikidata-entry:

  • Een uniek identificatienummer waarnaar AI-systemen kunnen verwijzen
  • De onderlinge structuur van die relaties (werkgever, opleiding, branche, locatie)
  • Consistente beschrijvingen in meerdere talen
  • Een databron waaruit Google’s Knowledge Graph en meerdere LLM’s putten

Hoe knowledge graphs AI search beïnvloeden

AI-zoekmachines gebruiken knowledge graphs op twee manieren:

Entiteitsherkenning. Wanneer een gebruiker vraagt naar een specifieke persoon, bedrijf of concept, gebruikt het AI-systeem knowledge graph-data om precies te bepalen welke entiteit wordt bedoeld en daar dan de juiste kenmerken van op te halen. Hier is consistente entiteitsinformatie in Wikidata, schema-markup en webcontent van belang.
“Graph traversal” (relatietraversering). Knowledge graphs stellen AI-systemen in staat complexe vragen te beantwoorden door relaties te volgen. “Wie heeft het bedrijf opgericht dat [product] maakt?” vereist begrip van de relatie tussen een product, een bedrijf en een persoon — informatie die knowledge graphs expliciet opslaan.

Schema-markup en knowledge graphs

Schema.org is een standaard — een afgesproken vocabulaire waarmee je zoekmachines vertelt wat er op je website staat. Niet in lopende tekst, maar in code die je aan je pagina’s toevoegt. Je zegt daarmee bijvoorbeeld: “dit is een organisatie, dit is de oprichter, dit is het e-mailadres.” Google, Bing en AI-systemen lezen die code en gebruiken het om je beter te herkennen.
Concreter: je voegt aan je website een blok code toe (onzichtbaar voor bezoekers) dat je bedrijfsnaam, oprichter, contactgegevens en profiellinks bevat. Google leest dat en gebruikt het om je op te nemen in de Knowledge Graph. Wat daarbij het verschil maakt is de koppeling naar je profielen op andere platformen: Wikidata, LinkedIn, je bedrijfspagina’s. Die kruisverwijzingen vertellen Google dat het overal om dezelfde organisatie gaat. Hoe meer bronnen dat bevestigen, hoe sterker Google je herkent als entiteit.

Je aanwezigheid in knowledge graphs opbouwen

Stap 1: Maak een Wikidata-entry aan
Ga naar wikidata.org en maak een item aan voor je organisatie. Vul in: officiële naam, branche, vestigingsland, oprichtingsdatum, website-URL en links naar je LinkedIn-bedrijfspagina. Doe hetzelfde voor de oprichter of CEO als die een publiek profiel heeft. Wikidata is een open database die Google, Bing en AI-systemen allemaal raadplegen — het is vaak de eerste plek waar ze informatie over je organisatie vandaan halen.
Stap 2: Voeg schema-markup toe aan je website
Laat je developer een onzichtbaar codeblok toevoegen aan je website (in Schema.org-formaat) dat je bedrijfsnaam, contactgegevens, oprichter en links naar al je externe profielen bevat. Op elke pagina een Organization-blok, op auteurspagina’s ook een Person-blok. Het belangrijkste onderdeel is de lijst met profiellinks (LinkedIn, Wikidata, branchevermelding) — daarmee vertel je Google: “dit zijn allemaal dezelfde organisatie.” Hoe meer bronnen dat bevestigen, hoe sterker Google je herkent.
Stap 3: Maak je profielen overal identiek
Controleer je LinkedIn-bedrijfspagina, Google Business Profile, branchevermeldingen en Wikidata-entry. Dezelfde bedrijfsnaam, dezelfde beschrijving, dezelfde kernfeiten. Elk verschil — een andere schrijfwijze, een verouderde beschrijving — maakt het voor Google moeilijker om te bevestigen dat het om dezelfde organisatie gaat.
Stap 4: Publiceer content die kruisverwijzingen mogelijk maakt
Vermeld in je artikelen verifieerbare feiten met bronvermelding. Knowledge graphs geven voorrang aan informatie die ze vanuit meerdere onafhankelijke bronnen kunnen bevestigen. Een claim op je website die ook in een vakartikel of op een brancheplatform staat, weegt zwaarder dan een claim die alleen op je eigen site voorkomt.

Gerelateerde concepten

  • AI Search — de platformen waar knowledge graph-data antwoorden beïnvloedt

—

Laatst bijgewerkt: maart 2026 | Hands on GEO