Google Open Knowledge Format: OKF für KI-Agenten

Google hat mit dem Open Knowledge Format (OKF) einen offenen Standard vorgestellt, der Wissen für KI-Agenten strukturiert bereitstellt. Für Marketing- und SEO-Teams markiert der Schritt einen weiteren Übergang: Sichtbarkeit entsteht nicht mehr nur über klassische Rankings, sondern zunehmend über maschinenlesbare Wissenspakete, die Agenten direkt konsumieren können. Das Format standardisiert organisatorisches Wissen als portables Verzeichnis aus Markdown-Dateien mit YAML-Frontmatter und adressiert damit ein zentrales Problem der KI-gestützten Suche.

Bisher mussten Unternehmen für jeden Agenten-Stack eigene Kontext-Pipelines bauen. OKF formalisiert das sogenannte LLM-Wiki-Muster in eine herstellerneutrale Spezifikation. Version 0.1 ist bewusst minimal gehalten: Es gibt keine zentrale Registry, kein proprietäres SDK und keinen Pflicht-Backend-Dienst. Wer Dateien lesen und in Git versionieren kann, kann OKF-Bundles erstellen, teilen und von unterschiedlichen Agenten einlesen lassen.

Was das Open Knowledge Format technisch leistet

Ein OKF-Bundle ist ein Ordner mit Markdown-Dateien. Jede Datei beschreibt ein Wissenselement und trägt im Frontmatter Metadaten. Pflicht ist lediglich das Feld type; weitere Attribute bleiben dem Erzeuger überlassen. Querverweise zwischen Dateien bilden einen leichten Wissensgraphen, den Agenten traversieren können. Die Spezifikation umfasst Konformitätskriterien, Regeln für Cross-Links und wenige reservierte Dateinamen – insgesamt kompakt genug, um schnell implementierbar zu bleiben.

Google veröffentlichte OKF v0.1 im Juni 2026 gemeinsam mit Referenzimplementierungen und Beispiel-Bundles im Repository GoogleCloudPlatform/knowledge-catalog. Dazu gehören unter anderem Musterdatensätze für E-Commerce-Analysen, öffentliche Datensätze und Werkzeuge wie ein BigQuery-Enrichment-Agent sowie ein statischer HTML-Visualizer. Parallel wurde der Google Cloud Knowledge Catalog erweitert, um OKF-Bundles nativ zu ingestieren und Agenten bereitzustellen.

Format statt Plattform

Entscheidend ist die Abgrenzung: OKF ist kein neues Cloud-Produkt, sondern eine Interoperabilitätsschicht. Der Standard ist nicht an einen Modellanbieter, eine Datenbank oder ein bestimmtes Agent-Framework gebunden. Damit unterscheidet sich OKF von klassischen Metadaten-Katalogen mit Export-Schnittstellen und von reinen Vektor-Indizes in RAG-Systemen, die Inhalte in Chunks zerlegen statt kuratierte Konzepte zu versionieren.

Warum das für Marketer und GEO relevant ist

Generative Engine Optimization zielt darauf ab, Marken in KI-Antworten, Agenten-Workflows und AI Overviews sichtbar zu machen. OKF liefert dafür ein gemeinsames Transportformat: Produktwissen, Glossare, FAQ-Strukturen, Richtlinien und redaktionelle Leitplanken lassen sich als agentenlesbare Pakete ausliefern. Statt jedes Mal Kontext neu zu assemblieren, können Systeme auf ein standardisiertes Wissensmodell zugreifen – vorausgesetzt, die Inhalte sind sauber kuratiert und aktuell.

Für Online-Marketing bedeutet das eine Verschiebung der Content-Arbeit. Neben klassischen Landingpages gewinnt maschinenfreundliche Wissensarchitektur an Gewicht. Teams sollten prüfen, welche Kernbotschaften, Produktdefinitionen und Use Cases heute in PDFs, internen Wikis oder fragmentierten CMS-Feldern stecken – und ob diese Informationen in OKF-taugliche Konzeptdateien überführt werden können.

Auswirkungen auf SEO- und Content-Strategien

OKF ersetzt keine On-Page-Optimierung, ergänzt aber die Sichtbarkeitsschicht für KI-Systeme. Suchmaschinen und Agenten benötigen konsistente Entitäten, klare Definitionen und verlässliche Querverweise. Wer E-E-A-T-Prinzipien bereits in redaktionellen Guidelines verankert hat, findet in OKF ein Format, das Expertise und Autorität maschinenlesbar transportieren kann – etwa durch typisierte Konzeptseiten zu Methoden, Produkten oder Branchenwissen.

Gleichzeitig wächst der Druck auf Governance: Versionierte Wissenspakete in Git machen Änderungen nachvollziehbar, erfordern aber klare Verantwortlichkeiten. Marketing, Produkt und SEO sollten gemeinsam festlegen, welche Inhalte als öffentliche OKF-Bundles gedacht sind und welche nur intern für Agenten gelten. Fehlende Pflege führt dazu, dass Agenten veraltete Aussagen zitieren – ein Risiko, das über klassische Meta-Descriptions hinausgeht.

Analytics-Teams können OKF-Bundles zudem als strukturierte Datenquelle für Assistenz- und Reporting-Agenten nutzen. Wenn Produkt- und Kampagnenwissen einheitlich typisiert ist, lassen sich Antworten in internen Copilots und externen KI-Oberflächen leichter auf dieselbe Faktenbasis stützen.

Praktische Schritte für Unternehmen

Der Einstieg beginnt mit einer Inventur zentraler Wissensartefakte: Markenstory, Produktmatrix, Support-FAQs, Compliance-Hinweise und branchenspezifische Definitionen. Anschließend lassen sich Pilot-Bundles mit wenigen Konzeptdateien aufsetzen, deren type-Werte die Semantik für Agenten steuern. Cross-Links zwischen verwandten Themen helfen, Zusammenhänge explizit zu machen – ein Hebel, der auch für interne Such- und Assistenzsysteme nützlich ist.

• Kernwissen in kuratierte Markdown-Konzepte mit klarem type-Feld überführen.
• OKF-Bundles versionieren und mit redaktionellen Freigabeprozessen koppeln.
• Pilotprojekte mit Agenten- oder Analytics-Stacks testen, die OKF ingestieren können.
• GEO-Kennzahlen ergänzen: Zitate in KI-Antworten und Agenten-Nutzung messen.
• Öffentliche Website-Inhalte und agentenoptimierte Wissenspakete bewusst abstimmen.

Google positioniert OKF als Startpunkt einer offenen Community. Unternehmen, die früh standardisierte Wissensformate einführen, können Agenten-Integrationen beschleunigen und ihre Markeninformationen konsistenter in KI-Kontexten platzieren – unabhängig davon, ob sie Google Cloud oder andere Plattformen nutzen.