Entiteiten en de Knowledge Graph: de onzichtbare basis van AI-vindbaarheid

Een van de belangrijkste mentale omslagen in GEO is deze: stop met denken in zoekwoorden, begin met denken in entiteiten. AI-modellen en moderne zoekmachines begrijpen de wereld niet als een verzameling losse trefwoorden, maar als een netwerk van entiteiten — personen, organisaties, producten, plaatsen en concepten — en de relaties daartussen. Dat netwerk heet de Knowledge Graph.

In het kort: een model citeert je niet omdat je de juiste woorden gebruikt, maar omdat het weet wíe je bent en waar je autoriteit ligt. Consistente naamgeving, expliciete schema-markup en betrouwbare vermeldingen elders bepalen samen of je herkenbaar bent als entiteit.

Wat een entiteit precies is

Een entiteit is iets wat op zichzelf bestaat en waarover feiten vastgelegd kunnen worden: een persoon, een bedrijf, een product, een plaats, een concept. Het woord "appel" is een string — een reeks letters. De vrucht appel, het bedrijf Apple en het Griekse eiland zijn drie verschillende entiteiten die toevallig op elkaar lijkende strings hebben.

Dat onderscheid — "things, not strings", zoals Google het in 2012 formuleerde bij de lancering van de Knowledge Graph — is de kern. Een zoekmachine die alleen strings matcht, moet gokken. Een systeem dat entiteiten herkent, weet dat "Erik van der Veen" en "de auteur van hoewerktgeo.nl" naar hetzelfde kunnen verwijzen, en dat een vraag over AI-vindbaarheid dichter bij die entiteit ligt dan een vraag over voetbal.

Elke entiteit heeft drie soorten kenmerken: attributen (naam, functie, oprichtingsjaar), relaties (werkt voor, is gespecialiseerd in, is auteur van) en identificatoren (een URL, een profiel, een vermelding in een register). Aan die drie werk je als je "aan je entiteit werkt".

Van zoekwoorden naar entiteiten

In de oude SEO-wereld optimaliseerde je een pagina voor "GEO-advies Nederland" door die woorden strategisch te herhalen. Een AI-model werkt anders: het probeert te begrijpen wélke entiteit je bent (een consultant? een bureau? een expert?), waar je autoriteit ligt, en hoe je je verhoudt tot andere entiteiten in je vakgebied.

Dat verklaart waarom het Princeton-onderzoek vaststelde dat keyword stuffing niet werkt: het model zoekt geen woorddichtheid, maar een heldere, betrouwbare entiteit.

Waarom entiteiten bepalen of je geciteerd wordt

Als een AI een vraag beantwoordt, put het uit zijn beeld van welke entiteiten gezaghebbend zijn op dat onderwerp. Hoe scherper en consistenter jouw entiteit is gedefinieerd, hoe groter de kans dat het model jou als bron kiest. Een vage, versnipperde online aanwezigheid maakt je voor een model moeilijk te "plaatsen" — en dus makkelijk over te slaan.

Er speelt nog iets mee: disambiguatie. Als er drie bedrijven met een vergelijkbare naam bestaan, moet het model kiezen welke bedoeld wordt. Ontbreken de onderscheidende signalen — een plaats, een sector, een oprichter, een gekoppeld profiel — dan is de kans reëel dat jouw prestaties aan een ander worden toegeschreven, of dat het model de naam helemaal vermijdt om geen fout te maken. Die tweede uitkomst zie je in de praktijk vaker dan de eerste, en hij is onzichtbaar: je wordt niet verkeerd genoemd, je wordt gewoon niet genoemd.

Zo vestig je je merk als entiteit

Een praktische aanpak in vier stappen:

1. Wees consistent in naamgeving en gegevens

Gebruik overal exact dezelfde bedrijfsnaam, dezelfde omschrijving van wat je doet, en dezelfde kerngegevens. Inconsistentie (nu eens "GEO-bureau", dan weer "AI-marketingconsultant") maakt het voor modellen lastig om je als één heldere entiteit te herkennen.

Concreet betekent consistent: dezelfde schrijfwijze inclusief hoofdletters en rechtsvorm, hetzelfde adres in dezelfde notatie, hetzelfde telefoonnummer in hetzelfde format, en dezelfde beschrijving van één of twee zinnen. Leg die gegevens één keer vast in een document en gebruik dat als bron voor elk profiel dat je aanmaakt of bijwerkt. Het klinkt bureaucratisch, maar het is de goedkoopste GEO-investering die er is.

2. Gebruik Organization- en Person-schema

Met structured data vertel je expliciet wie je bent. Organization-schema definieert je merk; Person-schema koppelt auteurs met hun expertise en functie. Het veld "sameAs" is hierbij goud waard: daarmee koppel je je entiteit aan je profielen op andere gezaghebbende platformen, zodat het model de puntjes verbindt.

Twee velden verdienen extra aandacht. sameAs is de expliciete koppeling tussen jouw site en je profielen elders — LinkedIn, een brancheregister, een auteurspagina bij een vakmedium, een Wikidata-item als je dat hebt. Het is het dichtst bij een verklaring "deze verschillende vermeldingen gaan over dezelfde entiteit" die je kunt afgeven. knowsAbout legt vast op welke onderwerpen je expertise claimt; het is geen ranking-signaal op zichzelf, maar het maakt de koppeling tussen jouw entiteit en een thema expliciet in plaats van afleidbaar.

Gebruik daarnaast stabiele “@id”-waarden — een vaste URL met een fragment, bijvoorbeeld https://voorbeeld.nl/#organization — zodat je op elke pagina naar dezelfde entiteit kunt verwijzen in plaats van hem telkens opnieuw te beschrijven. Zo bouw je één samenhangende graaf in plaats van tientallen losse eilandjes.

3. Bouw relaties naar gevestigde entiteiten

Entiteiten krijgen betekenis door hun verbindingen. Word genoemd op gezaghebbende sites, in vakmedia en op erkende profielpagina's. Elke betrouwbare vermelding versterkt je positie in de Knowledge Graph — dit is de entiteit-versie van E-E-A-T en autoriteitsopbouw.

Let op de aard van de vermelding. Een inhoudelijke vermelding waarin staat wát je doet en waaróm je genoemd wordt, is voor entiteitsvorming veel waardevoller dan een naam in een lijst. "Erik van der Veen, AI-trainer en auteur van hoewerktgeo.nl, legt uit dat…" bevat drie feiten en een relatie. Een linkje in een directory bevat er nul.

4. Dek je onderwerp thematisch af

Eén losse pagina maakt je geen autoriteit. Een samenhangende verzameling content rond je kernthema wel. Dit sluit aan op query fan-out: breed en diepgaand een onderwerp afdekken versterkt je entiteit rond dat thema.

Denk daarbij in clusters: een centrale pagina die het onderwerp definieert, met daaromheen pagina's die deelvragen volledig behandelen en onderling naar elkaar verwijzen. Die interne links zijn niet alleen navigatie — ze zijn expliciete relaties tussen jouw eigen entiteiten en concepten, en ze vertellen een model hoe jouw kennisgebied in elkaar zit.

Meet je entiteitsherkenning

Wil je weten hoe goed je entiteit gevestigd is? Vraag een AI-model simpelweg: "Wat weet je over [jouw bedrijf]?" Het antwoord verraadt hoe het model je plaatst — en waar de gaten zitten. Klopt het beeld niet of is het vaag, dan weet je waar je werk ligt.

Een iets systematischer variant, in vier vragen:

• "Wat weet je over [bedrijfsnaam]?" — test of je überhaupt herkend wordt en of de kernfeiten kloppen.
• "Wie is [bedrijfsnaam] en waarin is het gespecialiseerd?" — test of de koppeling tussen jouw entiteit en je vakgebied bestaat.
• "Wie zijn de bekendste aanbieders van [jouw dienst] in Nederland?" — test of je in de categorie zit. Dit is de belangrijkste van de vier, want hier valt de beslissing.
• "Wie is de auteur van [jouw belangrijkste artikel]?" — test of je persoonsentiteit aan je content gekoppeld is.

Herhaal elke vraag een paar keer en op verschillende platformen; antwoorden variëren. Leg de uitkomsten vast in een eenvoudig overzicht en herhaal de test elk kwartaal. Combineer dit met de metingen uit zero-click search meten.

Veelgemaakte fouten

• Schema dat niet overeenkomt met de pagina. Structured data die iets anders beweert dan er zichtbaar staat, ondermijnt je betrouwbaarheid in plaats van hem te versterken.
• Elke pagina een eigen Organization-blok geven zonder gedeelde “@id”. Je maakt dan tientallen losse entiteiten in plaats van één sterke.
• Naamsvarianten laten ontstaan. Een handelsnaam, een statutaire naam en een merknaam die door elkaar lopen, verdelen je autoriteit over drie half-herkende entiteiten.
• Alleen zenden. Je eigen site kan claimen wat hij wil; het zijn de externe, inhoudelijke vermeldingen die de claim geloofwaardig maken.

Samenvattend

Entiteiten en de Knowledge Graph zijn de onzichtbare infrastructuur onder AI-vindbaarheid. Je bouwt je entiteit op door:

• consistente naamgeving en kerngegevens overal;
• expliciete Organization- en Person-schema met "sameAs"-koppelingen en stabiele “@id”-waarden;
• betrouwbare, inhoudelijke externe vermeldingen en relaties;
• thematisch complete content rond je kernonderwerp, onderling verbonden.

Het is traag werk zonder spectaculaire quick wins, maar het is wel het fundament waar alle andere GEO-inspanningen op rusten. Zet de technische basis met structured data, controleer je begrippen in de woordenlijst, en werk de checklist af.