Startseite / Blog /SEO

AEO und Schema.org: Welche Markup-Typen die KI-Sichtbarkeit wirklich beeinflussen

Nov 25, 2025 Thomas Horosy

Einleitung
Answer Engine Optimization (AEO) konzentriert sich darauf, Ihre Inhalte so zu gestalten, dass sie Fragen direkt beantworten – sei es in Sprachassistenten, Featured Snippets oder der neuen Welle KI-generierter Suchergebnisse. Im Zeitalter der LLM-basierten Suche (Googles AI Overviews, Bing Chat/Copilot, ChatGPT usw.) sind strukturierte Daten (Schema.org-Markup) zu einem entscheidenden Werkzeug geworden. Warum? Weil Maschinen Informationen belohnen, die sie parsen, verifizieren und zuordnen können. Das Hinzufügen von Schema.org-Markup verwandelt Ihre Seiten in maschinenlesbare Entitäten und verbessert so ihre Eignung für Zitierungen in KI-Antworten sowie eine reichhaltigere Sichtbarkeit in der Suche. Kurz gesagt: Strukturierte Daten schlagen die Brücke zwischen Ihren Inhalten und den „Answer Engines“, die zunehmend die Suchergebnisse dominieren.

Aber welche Schema.org-Typen beeinflussen Ihre Sichtbarkeit in KI-gesteuerten Ergebnissen tatsächlich? Im Folgenden schlüsseln wir die wirkungsvollen Schema-Typen auf – FAQPage, HowTo, Product, About (AboutPage), Person, WebPage, QAPage und ClaimReview – und zeigen, wie jeder Ihre Präsenz in der LLM-basierten Suche stärken kann. Wir behandeln die konzeptionellen Grundlagen von AEO im KI-Kontext, einen technischen Tiefenblick auf die Implementierung dieser Markups, eine Schritt-für-Schritt-Anleitung, Beispiele aus der Praxis, die Auswirkungen auf SEO/LLM, häufige Fehler und eine praktische Zusammenfassungs-Checkliste.

Konzeptionelle Grundlagen: AEO im Zeitalter der KI-Suche

Was ist AEO? Answer Engine Optimization ist eine Weiterentwicklung von SEO mit dem Ziel, Ihre Inhalte direkt in Antworten zu platzieren – man denke an Featured Snippets, Knowledge Panels, Antworten von Sprachassistenten und nun auch KI-generierte Antworten. Beim klassischen SEO ging es darum, in den „zehn blauen Links“ weit oben zu ranken, doch bei AEO geht es darum, die exakte Antwort oder die Informationseinheiten bereitzustellen, die Suchmaschinen (oder Answer Engines) vorab ausspielen können. Mit KI-Chatbots und generativer Suche wird dieses Konzept noch verstärkt – die Suchmaschine selbst synthetisiert Antworten aus mehreren Quellen. Ihr Ziel ist es, eine dieser Quellen zu sein, zitiert und vertrauenswürdig.

Wie die LLM-basierte Suche funktioniert: Die generative KI-Suche (wie Googles Search Generative Experience und Bings KI-Chat) ruft nicht nur Seiten ab; sie konstruiert Antworten, indem sie Entitäten und Fakten aus dem gesamten Web versteht. Googles AI Overviews nutzen beispielsweise einen Prozess des „Grounding“ bzw. Retrieval-Augmented Generation – die KI bezieht Informationen aus dem Suchindex (und dem Knowledge Graph), um die Anfrage zu beantworten, häufig mit Zitierungen. Diese Systeme lesen Webinhalte semantisch, nicht nur über Keywords. Sie suchen nach klarem Wissen: Wer ist beteiligt? Worum geht es? Was ist die Antwort? Genau hier glänzen strukturierte Daten. Schema.org liefert semantische Labels für Ihre Inhalte – es teilt der KI im Grunde mit: „Dieser Text ist eine Frage, und hier ist die Antwort“ oder „Diese Seite handelt von einem Product mit diesen Spezifikationen“ oder „Diese Person ist der Autor mit diesen Qualifikationen“.

Stellen Sie sich Schema als Angriffspunkt für AEO im KI-Kontext vor: Es liefert der KI einen eindeutigen Kontext. Generative Engines „verbinden Entitäten, Fakten und Beziehungen“, und strukturierte Daten kennzeichnen diese Beziehungen explizit. Statt dass eine KI etwa rät, dass ein Textblock eine Frage und Antwort ist, sagt ihr ein FAQPage-Markup genau das. Statt eine Liste von Schritten zu parsen und zu hoffen, dass es sich um eine Anleitung handelt, sagt das HowTo-Schema „Dies ist ein Schritt-für-Schritt-Prozess.“ Statt herzuleiten, wer „Dr. Jane Smith“ ist, kann das Person-Schema Dr. Smith mit ihrer Organisation und ihren sozialen Profilen verknüpfen und so eine klare Entität schaffen.

Schema.org-Markup in Kürze: Schema.org ist ein standardisiertes Vokabular (2011 von Google, Microsoft, Yahoo und Yandex eingeführt) zur Strukturierung von Daten auf Websites. Es definiert Hunderte von „Typen“ (wie FAQPage, Product, Person usw.) und Eigenschaften (wie name, description, price, author). Üblicherweise implementieren wir Schema mithilfe von JSON-LD-Skripten im HTML. Das ändert nicht, was Nutzer sehen, ändert aber sehr wohl, wie Maschinen Ihre Seite interpretieren. Es ist im Wesentlichen eine Bedeutungsebene, die über Ihre Inhalte gelegt wird.

Wichtig ist: Strukturierte Daten sind für sich genommen kein Ranking-Faktor – sie befördern Ihre Seite nicht auf magische Weise auf Platz 1. Google hat durchgängig erklärt, dass sie die zentrale Ranking-Position nicht direkt beeinflussen. Sie beeinflussen jedoch sehr wohl, wie Ihre Inhalte dargestellt werden und ob sie für spezielle Features in Frage kommen. Im klassischen SEO bedeutete das Rich Snippets (Sterne, FAQ-Aufklappmenüs usw.), die wiederum die Klickrate im Durchschnitt um bis zu 30 % verbessern.. Bei AEO und der KI-Suche bedeutet es, dass Ihre Inhalte für die KI deutlich verständlicher sind und daher mit höherer Wahrscheinlichkeit in einer Antwort ausgewählt, zusammengefasst oder zitiert werden. Mit anderen Worten: Strukturierte Daten unterstützen die Sichtbarkeit indirekt, indem sie es der KI erleichtern, Ihren Inhalten zu vertrauen und sie zu nutzen..

Googles eigene Search-Central-Leitlinien für KI-Ergebnisse betonen, dass man bei den SEO-Best-Practices bleiben sollte – einschließlich strukturierter Daten – statt einem „KI-Trick“ hinterherzujagen. Im April 2025 bekräftigte Googles John Mueller, dass für KI-Features keine spezielle Optimierung über gutes SEO hinaus erforderlich ist, aber „Google empfiehlt auch in einer KI-Suchwelt weiterhin die Verwendung strukturierter Daten“, mit Fokus auf Elemente, die in den Suchergebnissen sichtbar sind. So leistungsstark LLMs auch sind, ihnen sauberen, strukturierten Input zu geben, verschafft einen „klaren Vorteil“. Bings Team stimmt zu: Fabrice Canel von Microsoft bestätigte 2025, dass Schema-Markup Bings LLM-basiertem Copilot hilft, Ihre Inhalte zu verstehen – ja, Bings KI nutzt Ihre strukturierten Daten bei der Generierung von Antworten.

Entitäten und Knowledge Graphs: Ein weiteres Konzept bei AEO ist der Knowledge Graph – das Netz aus Entitäten (Personen, Orte, Dinge) und Fakten, das Suchmaschinen zusammenstellen. Schema.org-Markup speist diese Knowledge Graphs direkt. Indem Sie Organization, Person, Product, About/mentions-Eigenschaften usw. verwenden, teilen Sie Google/Bing im Grunde mit: „Diese Seite handelt von X (einer Entität), hier sind die wichtigsten Details, und so steht X in Beziehung zu anderen Entitäten.“ Mit der Zeit kann dies dazu beitragen, Ihre Marke, Ihre Autoren und Ihre Inhaltsthemen in der Wissensbasis der Suchmaschinen zu verankern. Wenn KI-Suchmaschinen eine Antwort konstruieren, stützen sie sich auf diese Wissensschichten, um Genauigkeit sicherzustellen. Wenn die Entitäten Ihrer Website gut definiert sind (z. B. Ihr Autor wird als Experte anerkannt, Ihre Marke ist für ein Thema bekannt), könnte die KI eher geneigt sein, aus Ihren Inhalten zu schöpfen.

Zusammenfassend ist Schema.org ein technisches Fundament für AEO im KI-Zeitalter. Es ersetzt keine hochwertigen Inhalte (Sie müssen Fragen weiterhin klar in menschenlesbarem Text beantworten), wirkt aber als Multiplikator: Es klärt für die Maschine das „Wer/Was/Wann“. Als Nächstes tauchen wir in die spezifischen Schema-Typen und die technischen Details ihrer Nutzung für KI-Sichtbarkeit ein.

Technischer Tiefenblick: Wichtige Schema-Typen und wie sie für KI funktionieren

Schlüsseln wir jeden relevanten Schema.org-Typ auf – was er ist, wie man ihn implementiert und wie er die KI-gesteuerte Sichtbarkeit in der Suche beeinflusst. Wir gehen außerdem auf Codebeispiele im JSON-LD-Format ein. Der Schwerpunkt liegt auf den von Ihnen genannten Typen (FAQPage, HowTo, Product, About, Person, WebPage, QAPage, ClaimReview) sowie einigen eng verwandten (Organization, Article), die das „Rückgrat“ der strukturierten Daten vieler Websites bilden.

FAQPage: Frage-Antwort-Paare

Was es ist: Das FAQPage-Schema ist für Seiten gedacht, die häufig gestellte Fragen und ihre Antworten auflisten. Dies ist für Answer Engines direkt nützlich, da es Frage-Antwort-Paare auf strukturierte Weise präsentiert. Die Google-Suche verwendet FAQPage-Markup, um aufklappbare FAQ-Rich-Results unter Ihrem Eintrag zu erstellen (auch wenn dieses Feature, wie wir sehen werden, kürzlich eingeschränkt wurde). Für die KI ist eine FAQ Gold wert: Sie ist im Grunde eine Mini-Wissensbasis auf Ihrer Seite, und LLMs lieben aus naheliegenden Gründen das Frage-Antwort-Format.

Wie es der KI hilft: Indem Sie eine Frage und Antwort auszeichnen, machen Sie es einem KI-Overview leicht, Ihre Inhalte zu zitieren. Googles Schema-Dokumentation sagte sogar, dass FAQ-Rich-Results „direkte Antworten“ anzeigen lassen. In der Praxis kann eine generative KI, wenn ein Nutzer eine Frage stellt, die zu einer Ihrer FAQs passt, Ihr beantwortetes Paar direkt heranziehen. Ich habe gesehen, wie Bing Chat genau das tat – es zitierte die FAQ-Antwort einer Website wortwörtlich für eine passende Frage. Das FAQ-Schema ruft der Engine im Grunde zu: „Wenn jemand das fragt, haben wir die Antwort genau hier.“

Implementierung: Sie verpacken jede Frage/Antwort wie folgt in JSON-LD:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
     "@type": "Question",
     "name": "How long does shipping take?",
     "acceptedAnswer": {
        "@type": "Answer",
        "text": "Shipping typically takes 3-5 business days within the continental U.S."
     }
  },
  {
     "@type": "Question",
     "name": "Can I return a product if I'm not satisfied?",
     "acceptedAnswer": {
       "@type": "Answer",
       "text": "Yes. We offer a 30-day return policy on all items. Just ensure the product is in original condition."
     }
  }
  /* ... more Q&A pairs ... */ ]
}
</script>

Jede Question benötigt einen name (den Fragetext) und eine acceptedAnswer mit einem Answer-Objekt, das den Antworttext (text) enthält. In der Praxis sollten Sie nur Inhalte auszeichnen, die tatsächlich auf der Seite sichtbar sind (keine versteckten Frage-Antwort-Paare allein fürs Schema einbauen). Googles Richtlinien sind hier streng: Die strukturierten Daten müssen mit dem sichtbaren Inhalt übereinstimmen.

Googles jüngste Änderungen: Im August 2023 hat Google die FAQ-Rich-Results drastisch reduziert. Google kündigte an, dass FAQPage-Rich-Results „nur noch für bekannte, autoritative Behörden- und Gesundheitswebsites angezeigt werden. Für alle anderen Websites wird dieses Rich Result nicht mehr regelmäßig angezeigt.“ Im Klartext: Ihr FAQPage-Markup garantiert kein schickes Akkordeon mehr in den Google-SERPs, sofern Ihre Website nicht in einigen wenigen Kategorien hochautoritativ ist. Das bedeutet jedoch nicht, dass das FAQ-Schema nutzlos ist. Das Markup ist nach wie vor gültig, und Google sagt sogar, dass Sie es nicht entfernen müssen. Wichtiger für unser Thema ist: Die KI-Suche kann diese strukturierten Frage-Antwort-Daten weiterhin nutzen. Branchenexperten raten, das FAQ-Schema für die KI-Optimierung weiter zu verwenden. The Structured Data Company formuliert es klar: Auch wenn FAQPage auf den meisten Websites nicht mehr für Rich Results unterstützt wird, kann es „für KI nach wie vor äußerst nützlich sein.“ Einer generativen Answer Engine ist es egal, ob die Google-Suche ein Akkordeon angezeigt hat oder nicht – ihr ist wichtig, dass Sie eine klare Frage und Antwort haben, die sie verstehen kann. Daher gilt: Zeichnen Sie FAQs für AEO weiterhin aus, wo immer Sie echte Frage-Antwort-Inhalte haben.

HowTo: Schritt-für-Schritt-Anleitungen

Was es ist: Das HowTo-Schema wird für anleitende Inhalte verwendet, die eine Reihe von Schritten umfassen – z. B. „Wie wechsle ich einen platten Reifen“ oder „Wie backe ich einen Kuchen“. Es zerlegt einen Prozess in eine geordnete Liste von Schritten und kann Eigenschaften für Werkzeuge, Materialien, Dauer pro Schritt usw. enthalten. Google hat HowTo-Rich-Snippets in der Vergangenheit mit Schritt-für-Schritt-Karussells oder -Listen angezeigt, einschließlich Bildern für jeden Schritt, hauptsächlich in mobilen Ergebnissen.

Wie es der KI hilft: Prozedurales Wissen wird in der Suche häufig nachgefragt („Wie mache ich …?“). KI-Systeme schätzen es, strukturierte Schritte zu haben, die sie präsentieren oder zusammenfassen können. Ein korrekt ausgezeichneter Anleitungsartikel kann von einem LLM zu einer prägnanten Schrittliste als Antwort synthetisiert werden. Beispielsweise könnte Googles SGE eine Übersicht generieren, die sagt „Hier sind 5 Schritte, um X zu tun“, und wenn Ihre Seite eine klar gekennzeichnete Schrittfolge bereitgestellt hat, kann die KI diese leicht aufgreifen und neu ordnen. Bing kann Schritte in seinen Antworten ebenfalls aufzählen. Im Wesentlichen liefert das HowTo-Schema einer Maschine ein gebrauchsfertiges Rezept an Handlungen, dem sie eher vertrauen kann als einem unstrukturierten Textblock.

Implementierung: Ein HowTo in JSON-LD definiert das übergeordnete HowTo sowie ein Array von HowToStep (oder HowToSection, falls gruppiert). Beispielausschnitt:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "How to Change a Flat Tire",
  "description": "Step-by-step guide to change a car tire safely.",
  "step": [
     {
       "@type": "HowToStep",
       "position": 1,
       "name": "Loosen the lug nuts",
       "text": "Use a wrench to loosen the lug nuts on the flat tire. Don't remove them completely yet."
     },
     {
       "@type": "HowToStep",
       "position": 2,
       "name": "Raise the car",
       "text": "Use a jack to lift the car until the flat tire is off the ground."
     }
     /* ... additional steps ... */
  ]
}
</script>

Sie können auch Angaben wie totalTime, tool (z. B. „Schraubenschlüssel“), supply (benötigte Verbrauchsmaterialien) und so weiter festlegen, die zusätzlichen Kontext liefern.

Googles Support-Update: Gleichzeitig mit der Einschränkung von FAQ hat Google auch die HowTo-Rich-Results beschnitten. Seit August 2023 werden „How-To-Rich-Results nur noch für Desktop-Nutzer angezeigt und nicht mehr für Nutzer auf Mobilgeräten.“ Das ist von großer Bedeutung, da HowTo-Snippets zuvor hauptsächlich auf Mobilgeräten erschienen. Google hat HowTo-Rich-Results auf Mobilgeräten im Grunde eingestellt, was bedeutet, dass die meisten Nutzer das visuelle Schritt-für-Schritt-Snippet nicht mehr sehen. (Vorerst) bleibt es in den Desktop-Suchergebnissen erhalten. Und aufgrund von Googles Mobile-First-Indexierung bedeutet das, dass Sie das Markup auf der mobilen Version Ihrer Seite haben müssen, um überhaupt das Desktop-Snippet zu erhalten. Das ist nuanciert, aber das Fazit lautet: Der klassische SEO-Wert des HowTo-Markups ist gesunken.

Für KI und Sprache würde ich jedoch argumentieren, dass HowTo-Markup nach wie vor sehr nützlich bleibt. Wenn ein Sprachassistent oder eine KI einen Nutzer durch einen Prozess führen muss, helfen strukturierte Schritte sicherzustellen, dass nichts übersehen wird. The Structured Data Company merkt unverblümt an: Google unterstützt HowTo-Rich-Results nicht mehr (in den meisten Fällen), aber es ist nach wie vor sinnvoll, sie für KI auszuzeichnen. Ich habe gesehen, wie Google Assistant und Alexa (Sprache) Schritt-für-Schritt-Anleitungen aus dem Web nutzten; vermutlich bevorzugen sie gut strukturierte Anleitungen. Und KI-Chatbots könnten Schritte aus Ihren HowTo-Inhalten sogar direkt in Antworten aufzählen. Daher: Verwerfen Sie das HowTo-Schema nicht, wenn Sie Anleitungen erstellen. Es bringt Ihnen heute vielleicht kein schickes Snippet in der Google-SERP, aber es speist die Maschine für andere Kontexte.

QAPage: Community-Frage-Antwort-Inhalte

Was es ist: Das QAPage-Schema ähnelt FAQPage, ist aber für eine einzelne Frage mit mehreren Antworten gedacht, wie in einem Forum oder auf einer Q&A-Site (z. B. Stack Exchange, Quora-ähnliche Seiten, Produkt-Supportforen). Die Schema-Struktur umschließt eine Frage (die Hauptaufforderung eines Nutzers) und mehrere Antworten (Nutzerantworten oder die akzeptierte Lösung). Google nutzte QAPage-Markup früher, um Ergebnisse aus Foren mit einem Rich Snippet anzureichern, das die Frage und die beste Antwort zeigte.

Wie es der KI hilft: Viele Long-Tail-Anfragen (insbesondere zur Fehlersuche oder zu Nischenfragen) werden auf Community-Q&A-Seiten beantwortet. Indem Sie diese auszeichnen, helfen Sie der KI zu erkennen: Diese Seite enthält eine bestimmte Frage und eine Reihe von Antworten (möglicherweise mit einer akzeptierten Antwort). Ein LLM kann dies nutzen, um entweder die akzeptierte Antwort zu zitieren oder sogar eine kombinierte Antwort aus mehreren Reaktionen zu synthetisieren. Wenn Ihre Plattform außerdem Nutzerstimmen oder akzeptierte Antworten hat, können Sie das angeben, was der KI mitteilt, welche Antwort als die beste gilt.

Implementierung: Die Struktur ist eine QAPage, die eine Haupt-Question (mit Eigenschaften wie name, text, dateAsked, author) und ein Array von Answer enthält. Eine dieser Antworten kann als acceptedAnswer der Question gekennzeichnet werden, wenn sie die offizielle beste Antwort ist. Zum Beispiel:

{
  "@context": "https://schema.org",
  "@type": "QAPage",
  "mainEntity": {
    "@type": "Question",
    "name": "How do I fix a leaky faucet?",
    "text": "My kitchen faucet is leaking from the base. How can I fix it?",
    "answerCount": 2,
    "dateCreated": "2023-07-10T12:00:00Z",
    "author": { "@type": "Person", "name": "User123" },
    "acceptedAnswer": {
       "@type": "Answer",
       "text": "You likely need to replace the O-ring. Shut off the water, disassemble the faucet to reach the O-ring at the base, and replace it. That stopped the leak in my case.",
       "dateCreated": "2023-07-10T13:00:00Z",
       "upvoteCount": 5,
       "url": "https://example.com/forum/thread123#answer456",
       "author": { "@type": "Person", "name": "HandyAndy" }
    },
    "suggestedAnswer": [{
       "@type": "Answer",
       "text": "Another possibility is the cartridge. Try replacing the faucet cartridge if the O-ring doesn't help.",
       "dateCreated": "2023-07-11T09:30:00Z",
       "upvoteCount": 2,
       "author": { "@type": "Person", "name": "PlumberPro" }
    }]
  }
}

In diesem Beispiel hat die Frage zwei Antworten, eine akzeptierte (mit 5 Upvotes) und einen weiteren Vorschlag. Die KI kann klar erkennen, was die Frage ist und welche Antwort von der Community als korrekt erachtet wird. Das ist für Answer Engines äußerst wirkungsvoll – es ist strukturiertes Wissen von echten Nutzern.

Aktueller Support: Google hatte QAPage-Markup eine Zeit lang gefördert. Es gibt (oder gab) sogar eine Funktion in der Search Console für QAPage-Rich-Result-Fehler. Es gibt keine Anzeichen dafür, dass Google QAPage in Rich Results eingestellt hat – die Kürzungen von 2023 betrafen ausdrücklich nur FAQ und HowTo. Wenn Sie also ein Forum oder eine Q&A-Site betreiben, verwenden Sie unbedingt das QAPage-Schema. Es kann ein Rich Snippet (Frage + ein Ausschnitt der besten Antwort) in der Google-Suche erzeugen und – ebenso wichtig – speist die Inhalte gut in die KI von Bing/Google ein. The Structured Data Co. merkt an, dass QAPage für „Long-Tail-, spezifische Anfragen“ nützlich ist, bei denen ein Forenthread die Frage beantworten könnte. Genau das sind die Arten von Anfragen, die Menschen an Chatbots richten.

Eine Einschränkung: Wenn Sie keine echte Q&A-Seite (mit mehreren Antworten) haben, missbrauchen Sie QAPage nicht. Einige versuchten, eine einzelne FAQ als QAPage auszuzeichnen – das ist nicht korrekt. Verwenden Sie FAQPage für mehrere Frage-Antwort-Paare auf einer Seite und QAPage für eine Frage mit mehreren Antworten auf einer Seite.

Product (und Offer/Review): Detaillierte Produktinformationen

Was es ist: Das Product-Schema (oft kombiniert mit Offer und AggregateRating/Review-Schema) wird auf E-Commerce- oder Produktseiten verwendet. Es kennzeichnet Informationen wie Produktname, Beschreibung, Bild, Marke, Preis, Verfügbarkeit und Bewertungen/Ratings. Google nutzt dies, um Rich Results für Produkte anzuzeigen – einschließlich Sternebewertungen, Preis und Lagerstatus – sowohl in der Websuche als auch in der Bildersuche.

Wie es der KI hilft: Das Product-Schema stellt sicher, dass eine KI faktische Attribute über ein Produkt leicht extrahieren kann: Preis, Merkmale, Abmessungen usw. Überlegen Sie, was ein Nutzer eine KI fragen könnte: „Wie viel kostet das iPhone 15?“ oder „Hat Produkt X die Funktion Y?“ Wenn Ihre Seite ausgezeichnet ist, muss die KI nicht erst Absätze durchforsten, um den Preis oder eine Spezifikation zu finden – das JSON-LD legt es offen. Dies kann beeinflussen, ob Ihre Website als Quelle für eine Antwort ausgewählt wird. Außerdem könnte die Explizitheit von Produktdaten es der KI ermöglichen, Produkte zu vergleichen oder Ihr Produkt mit höherer Zuversicht in eine konversationelle Empfehlung aufzunehmen. Wenn ein Nutzer bei Bing nach einem Produkt fragt, kann Bings Chat ein Snippet mit Preisangaben aus einer Quelle anzeigen – das Product-Schema kann hier eindeutig einfließen.

Implementierung: Product-Markup kann komplex sein, da es oft verschachtelte Typen umfasst. Ein vereinfachtes Beispiel:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "@id": "https://example.com/product/12345",
  "name": "UltraWidget 3000",
  "image": "https://example.com/images/ultrawidget.jpg",
  "description": "The UltraWidget 3000 is an all-in-one gadget that makes your life easier.",
  "sku": "UW3000",
  "brand": { "@type": "Brand", "name": "Widgets Inc." },
  "offers": {
     "@type": "Offer",
     "priceCurrency": "USD",
     "price": "99.99",
     "availability": "https://schema.org/InStock",
     "url": "https://example.com/product/12345#buy"
  },
  "aggregateRating": {
     "@type": "AggregateRating",
     "ratingValue": "4.5",
     "reviewCount": "37"
  }
}
</script>

Hier definieren wir das Produkt und verschachteln ein Offer (mit Preis und Lagerbestand) sowie ein aggregateRating (4,5 Sterne aus 37 Bewertungen). Wenn Sie einzelne Bewertungen haben, können Sie auch einen Review-Typ mit author, date, rating, reviewBody usw. einbinden.

Suchvorteile: Im traditionellen SEO kann dieses Markup Ihnen Rich Snippets verschaffen (Sterne neben Ihrem Ergebnis, Preis usw.), was die CTR für E-Commerce-Ergebnisse erheblich verbessert. Google unterstützt Produkt-Rich-Results nach wie vor vollständig – tatsächlich ist es einer der am häufigsten angezeigten Rich-Snippet-Typen. Es gibt also einen unmittelbaren SEO-Wert. Für KI ist es wahrscheinlich noch entscheidender. Stellen Sie sich einen KI-Shopping-Assistenten vor: Er wird Quellen bevorzugen, bei denen er Produktdetails zuverlässig parsen kann. Microsofts Bing-Team hat ausdrücklich gesagt, dass Bing „stark auf Schema setzt, um strukturierte Inhalte zu identifizieren“, und empfiehlt, sich für die KI-Auffindbarkeit auf Product, Recipe usw. zu konzentrieren. Wenn Sie ein Online-Händler sind, bedeutet ein vollständiges Product-Schema, dass eine KI Nutzerfragen wie „Was kostet [Ihr Produkt]?“ mit Ihren Daten beantworten könnte. Es könnte sogar Halluzinationen reduzieren (die KI erfindet weniger wahrscheinlich einen Preis, wenn sie einen klar gekennzeichneten sieht).

Ein Hinweis: Halten Sie die Produktdaten unbedingt aktuell. Ein häufiger Fehler ist veraltetes Schema (z. B. der Preis hat sich geändert, aber das JSON-LD enthält noch den alten Preis). Das kann nicht nur Nutzer verwirren, sondern „untergräbt das Maschinenvertrauen“, wie Experten anmerken. Wenn Googles Index oder ein künftiger KI-Agent widersprüchliche Informationen sieht (Seite sagt 99 $, Schema sagt 89 $), wird Ihrer Seite weniger vertraut. Daher ist es unerlässlich, das Schema im Rahmen Ihrer Preis-/Katalogaktualisierungen zu aktualisieren.

Person (und Organization): Entitäten für Autoren, Experten und Marken

Was es ist: Das Person-Schema wird verwendet, um Informationen über Einzelpersonen auszuzeichnen – typischerweise Autoren, Teammitglieder oder Biografieseiten. Das Organization-Schema repräsentiert ein Unternehmen oder eine Organisation (und eng damit verwandt können WebSite und WebPage an die Organisationspräsenz anknüpfen). Es gibt außerdem einen spezifischen AboutPage-Typ für eine „Über uns“-Seite und ContactPage für Kontaktinformationen. All dies trägt zum Aufbau des Knowledge Graph Ihrer Website bei.

Wie es der KI hilft: Diese beantworten vielleicht nicht direkt die Anfrage eines Nutzers, aber sie schaffen Vertrauen und Kontext. Im SEO und AEO sprechen wir viel über E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Das Auszeichnen Ihrer Autoren und Ihrer Organisation gibt Suchmaschinen explizites Wissen darüber, wer hinter den Inhalten steht. Googles Dokumentation besagt, dass strukturierte Daten Systemen helfen zu verstehen, was sich auf einer Seite befindet, was zu speziellen Features führen kannwritesonic.com. Für KI gehen wir davon aus (und einige Belege deuten darauf hin), dass bekannte Entitäten bevorzugt werden. Wenn ein LLM beispielsweise weiß, dass „Dr. Jane Smith“ (aus Ihrem Person-Markup) eine renommierte Kardiologin ist, die Ihren Gesundheitsartikel verfasst hat, könnte es Ihren Inhalten bei der Beantwortung einer medizinischen Frage mehr Gewicht beimessen als einer anonymen Seite. Zumindest stärken Person- und Organization-Schema die Glaubwürdigkeitssignale Ihrer Inhalte. Das KI-SEO-Framework von SingleGrain listet Organization und Person als „wirkungsvolle Typen“ auf – Organization „etabliert Ihre Markenentität; unterstützt Vertrauen (Logo, SameAs-Links)“ und Person „verbindet Autoren/Experten mit Themen; stärkt E-E-A-T-Signale.“

Darüber hinaus beseitigt Organization-Markup mit sameAs-Links (zu Wikipedia, LinkedIn usw.) die Mehrdeutigkeit Ihres Markennamens. Wenn Ihr Unternehmen „Acme“ heißt, kann die KI aus dem Organization-Markup und den sameAs-Verweisen erkennen, welches Acme (das mit Ihrer spezifischen Website und Ihren sozialen Profilen) spricht. Dies kann der KI helfen, Quellen zu unterscheiden und zu vermeiden, ähnlich benannte Entitäten zu verwechseln.

Implementierung (Person & Org): Es gibt mehrere Möglichkeiten der Implementierung:

Auf jeder Artikelseite könnten Sie eine Author-Eigenschaft einbinden, die auf eine Person-Entität verweist (die inline definiert oder über einen @id-Link auf ein anderswo definiertes Person-JSON-LD referenziert werden kann).
Sie könnten eine eigene Autorenseite mit einem Person-Schema haben, das diesen Autor beschreibt.
Für Organization würden Sie das JSON-LD typischerweise in den Footer oder Header Ihrer Website setzen oder speziell auf die Über-uns-Seite und eventuell die Startseite und dort Ihren Organisationsnamen, das Logo, sameAs usw. auflisten.

Ein einfacher Person-Ausschnitt (für einen Autor) könnte so aussehen:

{
  "@context": "https://schema.org",
  "@type": "Person",
  "@id": "https://example.com/#person-jane-smith",
  "name": "Dr. Jane Smith",
  "description": "Cardiologist and health writer with 20 years of experience.",
  "affiliation": {
    "@type": "Organization",
    "name": "Heart Health Institute"
  },
  "sameAs": [
    "https://www.linkedin.com/in/janesmith",
    "https://scholar.google.com/citations?user=abcdef" 
  ]
}

Und ein Organization-Ausschnitt:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example.com/#organization",
  "name": "Acme Corp",
  "url": "https://example.com",
  "logo": "https://example.com/logo.png",
  "foundingDate": "2010-05-01",
  "sameAs": [
    "https://www.linkedin.com/company/acme",
    "https://en.wikipedia.org/wiki/Acme_Corp"
  ]
}

Wir geben der Organization eine @id (damit wir sie von Person oder anderen Stellen referenzieren können), einen Namen, eine URL, möglicherweise ein Gründungsdatum und entscheidend einige sameAs-Links zu autoritativen Profilen. Die Person verknüpft sich über affiliation oder worksFor mit der Organization und über sameAs mit ihren eigenen sozialen Profilen.

WebPage/AboutPage: Sie können auch den WebPage-Typ verwenden, um Metadaten auf Seitenebene anzugeben. Auf Ihrer Über-uns-Seite könnten Sie beispielsweise Folgendes haben:

{
 "@context": "https://schema.org",
 "@type": "AboutPage",
 "mainEntity": { "@id": "https://example.com/#organization" }
}

Dies teilt Google mit, dass diese Seite eine AboutPage ist, deren Hauptentität Ihre Organization ist (wir referenzieren die @id der Org). Ähnlich könnte ein Blogbeitrag Article-Markup verwenden und den Autor über author: { "@id": "...#person-jane-smith" } verknüpfen.

Während WebPage– oder Article-Markup allein vielleicht kein visuelles Rich Result erzeugt, hilft es Suchmaschinen dennoch, ihr Verständnis zu strukturieren. Googles John Mueller hat davor gewarnt, es mit irrelevantem Schema zu übertreiben („Schema-Bloat“), und empfiehlt stattdessen, sich auf das zu konzentrieren, was die Inhalte wirklich beschreibt. In unserem Kontext lohnt sich das Auszeichnen von Autoren und Organisationen in der Regel sehr – es „klärt das ‚Wer‘ hinter den Inhalten“, was das Vertrauen beeinflussen kann.

Aspekt Knowledge Panel: Korrektes Person-/Organization-Markup kann sogar dazu beitragen, Knowledge Panels zu erhalten. Wenn beispielsweise Ihr CEO oder Autor ein Knowledge Panel erhält (etwa über Schema plus eine Wikipedia-Seite), wird jedes KI-System, das den Knowledge Graph nutzt, die Expertise dieser Person leichter erkennen. The Structured Data Co. erwähnt, dass die Verwendung von ProfilePage (ein WebPage-Typ) und Person-Schema für Ihr Team helfen kann, persönliche Knowledge Panels zu erhalten, und „ein Unternehmen voller anerkannter Personen-Entitäten ist weitaus autoritativer als eines ohne.“ Mit anderen Worten: Zu zeigen, dass die Inhalte Ihrer Website von echten, identifizierten Personen und einer etablierten Organisation stammen, kann indirekt steigern, wie die KI Ihre Autorität wahrnimmt.

ClaimReview: Faktenprüfung und Glaubwürdigkeitssignale

Was es ist: Das ClaimReview-Schema wird für Faktencheck-Artikel verwendet, in denen Sie eine von anderen aufgestellte Behauptung bewerten (z. B. ein Nachrichten-Faktencheck oder ein Artikel zur Entlarvung von Mythen). Es fasst die Behauptung, wer sie aufgestellt hat, das Urteil (wahr/falsch/teilweise wahr usw.) und eine Bewertung dieser Behauptung zusammen. Google hat mit diesem Markup „Fact Check“-Rich-Snippets angezeigt (mit einer Kennzeichnung wie „Faktencheck: Falsch“ in den Suchergebnissen).

Wie es der KI hilft: Im Zeitalter der Desinformation sind faktengeprüfte Inhalte äußerst wertvoll. Wenn Sie Inhalte produzieren, die falsche Behauptungen widerlegen, kann ClaimReview-Markup Ihre Seite als autoritative Quelle hervorheben, die Wahrheit von Falschheit unterscheidet. Für KI, die bekanntermaßen falsche Informationen „halluzinieren“ kann, ist das Zitieren eines Faktenprüfers eine hervorragende Möglichkeit, die Zuverlässigkeit der Antwort zu erhöhen. Eine KI könnte ClaimReview-Markup nutzen, um die Schlussfolgerung eines Faktenchecks direkt zu finden. Wenn jemand etwa fragt „Ist XYZ wahr oder falsch?“, könnte die KI nach ClaimReview-Daten zu dieser Behauptung suchen. Es ist außerdem eine defensive AEO-Strategie: Wenn in Ihrer Nische eine falsche Information kursiert, könnte Ihre mit ClaimReview ausgezeichnete Faktencheck-Seite die maßgebliche Antwort sein, die die KI gibt (mit korrekter Zuschreibung). Das verschafft Ihnen nicht nur Sichtbarkeit, sondern positioniert Sie auch als vertrauenswürdige Autorität.

Implementierung: ClaimReview wird typischerweise auf einer Seite implementiert, die ein Artikel oder ein dedizierter Faktencheck-Beitrag ist. Das JSON-LD enthält die geprüfte Behauptung, wer sie aufgestellt hat, die Urteilsbewertung und eine Zusammenfassung. Zum Beispiel:

{
 "@context": "https://schema.org",
 "@type": "ClaimReview",
 "url": "https://example.com/fact-checks/earth-flat",
 "author": {
   "@type": "Organization",
   "name": "FactCheck Daily"
 },
 "claimReviewed": "The world is flat",
 "claimResult": {
   "@type": "ClaimResult",
   "text": "False",
   "ratingValue": 0,
   "typicalAgeRange": "16-"  // (just an example property; not required)
 },
 "itemReviewed": {
   "@type": "Claim",
   "author": { "@type": "Person", "name": "John Doe" },
   "datePublished": "2024-06-20",
   "appearance": { "@type": "CreativeWork", "headline": "Twitter post by John Doe" }
 },
 "reviewRating": {
   "@type": "Rating",
   "ratingValue": 1,
   "bestRating": 1,
   "worstRating": 0,
   "alternateName": "False"
 },
 "description": "A widely circulated claim that the Earth is flat has been rated false by experts."
}

Das ist etwas komplex – im Wesentlichen sagen wir, dass die Behauptung „The world is flat“ überprüft und von FactCheck Daily als falsch befunden wurde. Googles Richtlinien enthalten detaillierte Beispiele für ClaimReview.

Änderungen am Google-Support: Google hob ClaimReview früher in der Suche hervor (mit einer „Fact Check“-Kennzeichnung und einer Zusammenfassung) für Nachrichtenseiten. Mitte 2025 kündigte Google jedoch an, dass es den Support für ClaimReview in den Google-Suchergebnissen auslaufen lässt. Es hieß, es werde „nicht häufig verwendet“, und das Entfernen verschlanke die Ergebnisse. Seit September 2025 berichtet die Search Console nicht mehr über ClaimReview, und es ist einer der strukturierten Datentypen, die aus den Rich Results entfernt werden. Wichtig: Google merkte an, dass das Markup im dedizierten Fact Check Explorer weiterhin unterstützt bleibtl (ein Google-News-Tool für Journalisten). Für die normale Suche wird es jedoch zurückgestuft.

Bedeutet das also, dass Sie sich die Mühe sparen sollten? Für AEO nicht unbedingt. Genau wie bei FAQ/HowTo wird das Schema von Google nach wie vor verstanden; man gibt Ihnen nur nicht mehr diese schöne Rich-Snippet-Box. The Structured Data Co. merkt an, dass ClaimReview „von Google nicht mehr für Rich Results unterstützt wird und ausläuft, aber für KI nach wie vor nützlich sein kann.“ Wenn Sie eine Faktencheck-Site betreiben oder gelegentlich Mythos-Entlarvungen veröffentlichen, zeichnen Sie sie weiterhin aus. Es könnte ein Unterscheidungsmerkmal in KI-Ergebnissen sein – stellen Sie sich eine KI-Antwort vor, die sagt: „Laut FactCheck Daily ist diese Behauptung falsch.“ Würden Sie nicht gern diese zitierte Quelle sein? Das ist großartige Markenpräsenz, und Sie helfen, Desinformation zu bekämpfen, was von Plattformen wohl bevorzugt wird.

WebPage (und Article): Allgemeines Seiten-Markup und Inhaltstypen

Ich fasse WebPage und Article (oder BlogPosting) zusammen, da sie allgemeinerer Natur sind.

WebPage-Schema kann auf jeder Seite verwendet werden, um Metadaten wie name, description zu definieren, und es hat Untertypen (FAQPage, AboutPage, QAPage, ProfilePage usw. sind technisch gesehen alle Arten von WebPage). Es hat außerdem Eigenschaften wie primaryImageOfPage oder breadcrumb, die nützlich sein können. In der Praxis sieht man WebPage oft verwendet, um eine AboutPage oder ContactPage mit einer Organization zu verknüpfen oder eine Seite als ProfilePage für eine Person zu kennzeichnen.
Article/BlogPosting-Schema wird auf Nachrichtenartikeln oder Blogbeiträgen verwendet. Das ist tatsächlich sehr wichtig: Googles Richtlinien ermutigen dazu, Ihre Nachrichten- und Blog-Inhalte mit Article auszuzeichnen, da es Features wie Top Stories ermöglicht oder einfach Google hilft, die Überschrift, das Veröffentlichungsdatum, den Autor usw. zu verstehen. Article-Markup umfasst Dinge wie headline, datePublished, author, publisher, image, articleBody (oder eine Beschreibung). Im Hinblick auf AEO macht das Article-Schema selbst noch keine „Antwort“ aus, aber es liefert den Kontext rund um Ihre Inhalte, der der KI helfen kann.

Warum sie der KI helfen: Sie können sich Article/WebPage-Markup als das Gerüst vorstellen, das die spezifischeren Q&A-/HowTo-/Product-Bausteine zusammenhält. Eine HowTo-Seite könnte beispielsweise auch ein Article sein (sie hat einen Autor, ein Datum usw.). Indem Sie sie als Article mit einem about-Thema auszeichnen, teilen Sie der KI auf prägnante Weise mit, worum es im Inhalt geht. Der SingleGrain-Artikel merkte an, dass Article-/BlogPosting-Schema den Hauptinhalt sowie Dinge wie about und sogar Zitate definiert. Ja, Sie können die about-Eigenschaft tatsächlich nutzen, um Ihren Artikel mit einem Konzept (Thing) oder einer Entität zu verknüpfen. Wenn ich beispielsweise einen Artikel über COVID-19-Impfstoffe habe, könnte ich "about": {"@type": "MedicalCondition", "name": "COVID-19"} verwenden oder auf einen Wikidata-Eintrag verlinken. Dies verbindet Ihren Inhalt explizit mit einer bekannten Entität, was der KI hilft, ihn einzuordnen. (Das ist fortgeschrittene Nutzung, aber erwähnenswert.)

WebPage kann auch verwendet werden, um einen Breadcrumb-Pfad (BreadcrumbList) auszuzeichnen, den Google oft in den Suchergebnissen anzeigt. Auch wenn Breadcrumbs keine „Antwort“-Sache sind, zeigen sie Kontext in den Ergebnissen und können von der Suche (und vielleicht von der KI) genutzt werden, um die Seitenstruktur zu verstehen.

Kurz gesagt werden Article- und WebPage-Schema Sie wahrscheinlich nicht direkt in eine KI-Antwort zitieren lassen, aber sie sind Teil der Gesundheit der strukturierten Daten Ihrer Website. Sie „definieren den Inhaltstyp und die Metadaten“, die in den Knowledge Graph einfließen. Googles KI-Suchleitfaden (Mai 2025) enthielt den Tipp „Stellen Sie sicher, dass strukturierte Daten mit den sichtbaren Inhalten übereinstimmen“ als eine der besten Methoden für den Erfolg in KI-Ergebnissen – was impliziert, dass Sie strukturierte Daten auf Ihren Seiten weiter verwenden sollten, um Google beim Verständnis zu helfen. Google betont außerdem, sich auf unterstützte Schema-Typen zu konzentrieren (d. h. solche mit Suchfeatures) – was Article ganz sicher umfasst, sowie Breadcrumbs usw.

ClaimReview, FAQ, HowTo – Zusammenfassung von Suchsupport vs. KI-Nutzen

Es lohnt sich, die jüngsten Suchänderungen für einige dieser Typen zusammenzufassen, um Verwirrung zu vermeiden:

FAQPage: Google-Suche – zeigt Rich Results jetzt nur noch für eine begrenzte Auswahl von Websites (Behörden/Gesundheit). KI – nach wie vor wertvoll; für direkte Frage-Antwort-Inhalte weiter verwenden.
HowTo: Google-Suche – Rich Results nur auf Desktop (auf Mobilgeräten gestrichen). KI – nach wie vor wertvoll für schrittweise Inhalte.
QAPage: Google-Suche – wird weiterhin unterstützt (Rich Snippet für eine Frage mit Antwortvorschau). KI – hervorragend für Long-Tail-Antworten, nutzen Sie es.
Product: Google-Suche – unterstützt Rich Results (Preis, Bewertungen). KI – sehr nützlich für Shopping- und Faktenanfragen (Bing nutzt es ausdrücklich).
Person/Organization: Google-Suche – kein direktes Rich Result (abgesehen von möglichem Einfluss auf das Knowledge Panel), aber für E-A-T empfohlen. KI – hilft indirekt, Autorität und Kontext zu etablieren.
ClaimReview: Google-Suche – Rich Results werden ausgelaufen (bis Ende 2025). KI – für Faktencheck-Inhalte verwenden, um als autoritative Quelle wahrgenommen zu werden.
Article/WebPage: Google-Suche – Article hilft bei Nachrichten (Eignung für Top Stories usw.), WebPage wird für Breadcrumbs und Verständnis genutzt. KI – grundlegend für das Inhaltsverständnis, aber kein direktes „Antwort“-Format.

Kurz gesagt: Die Schema-Typen, die die KI-Sichtbarkeit am direktesten beeinflussen, sind jene, die Daten in einer Frage-Antwort-Form oder leicht extrahierbaren Weise strukturieren (FAQ, HowTo, QAPage, Product-Spezifikationen), sowie jene, die Ihre Entitäten definieren (Person, Organization und verbindende Seiten wie About/Profile), die dazu beitragen, dass Ihre Inhalte im Wissensraum einer KI als vertrauenswürdig und relevant wahrgenommen werden.

Nachdem wir nun das Was und Warum behandelt haben, kommen wir zur praktischen Umsetzung auf einer Website.

Schritt-für-Schritt-Anleitung zur Implementierung von Schema-Markup (AEO-fokussiert)

Die Implementierung strukturierter Daten für AEO/KI ist keine einmalige Aufgabe – es ist ein fortlaufender Prozess aus Templating, Integration mit Ihrem CMS und Konsistenzprüfung. Nachfolgend finden Sie eine Schritt-für-Schritt-Anleitung, um das Markup effektiv auszurollen:

1. Inventarisieren Sie Ihre Inhalte und identifizieren Sie Chancen – Beginnen Sie damit, die Inhaltstypen Ihrer Website zu prüfen und festzustellen, wo strukturierte Daten angewendet werden können. Sehen Sie sich Ihre hochwertigen Seiten an und prüfen Sie, welches Format sie haben:

Haben Sie FAQ-Abschnitte auf einigen Seiten oder eine dedizierte FAQ-Seite? Zeichnen Sie diese mit FAQPage aus.
Veröffentlichen Sie Anleitungen oder Tutorials? Planen Sie, diesen HowTo-Markup hinzuzufügen.
Gibt es Produkt- oder Dienstleistungsseiten? Bereiten Sie Product-Schema vor (mit Offer, Review, falls zutreffend).
Betreiben Sie einen Forum- oder Q&A-Bereich? Implementieren Sie QAPage auf diesen Thread-Seiten.
Wer sind die Autoren und Experten auf Ihrer Website? Stellen Sie sicher, dass es Person-Markup für sie gibt (oft über das Blogbeitrag-Markup oder Autorenprofilseiten) sowie ein Organization-Markup für Ihre Website/Marke insgesamt.
Kennzeichnen Sie auch Dinge wie Rezeptseiten, Veranstaltungsseiten usw., falls Sie diese haben – sie haben eigene Schema-Typen, die ebenfalls für KI von Vorteil sein können (z. B. beantwortet Recipe-Schema Fragen zu Zutaten leicht). Aber bleiben Sie bei den relevanten; es ist nicht nötig, einen Typ zu erzwingen, wo er nicht passt.

Priorisieren Sie Seiten, die erheblichen Traffic erhalten oder für Ihr Geschäft entscheidend sind. Wie SingleGrain vorschlägt: „Beginnen Sie mit Templates mit hohem Traffic und hoher Intention, bei denen KI-Zitierungen die Conversion beeinflussen können.“ Wenn Sie etwa einen Top-Blogbeitrag haben, der Leads bringt, stellen Sie sicher, dass er mit Article (und FAQ, falls Sie einen Frage-Antwort-Abschnitt hinzufügen können) ausgezeichnet ist, sodass er für KI vorbereitet ist.

2. Wählen Sie den richtigen Schema-Typ für jedes Seiten-Template – Ordnen Sie jeden Inhaltstyp dem am besten geeigneten Schema zu:

Blogbeiträge, Nachrichten, Artikel → verwenden Sie Article oder BlogPosting (mit korrekter Überschrift, Datum, Autor).
FAQ-Abschnitte → FAQPage (mit Frage/Antwort-Paaren).
Anleitungen/Tutorials → HowTo (mit Schritten).
Produktseiten → Product (plus Offer, AggregateRating bei Bewertungen).
Forum-Q&A-Seite → QAPage (mit Frage/Antwort).
Über-uns-Seite → AboutPage (ein WebPage-Typ, der mit Organization verknüpft ist).
Autoren-Biografieseiten → ProfilePage (WebPage-Typ) plus eine Person-Entität.
Startseite oder websiteweit → Organization (möglicherweise über eine WebSite-Entität für Sitelinks-Suchfelder verknüpft).
Wenn Sie spezifische Inhalte wie einen medizinischen Artikel haben, könnten Sie auch spezifisches Schema verwenden (MedicalWebPage usw.), aber das ist fortgeschritten. Bevorzugen Sie generell das Schema, das den Zweck des Inhalts am spezifischsten abbildet. Googles Rat: „Konzentrieren Sie sich auf den spezifischsten Typ, der auf Ihren Inhalt zutrifft.“ Das liefert die relevanteste Anreicherung in den Suchfeatures.

Erstellen Sie bei Bedarf eine Tabelle: Listen Sie die Seiten-Templates auf und welches Schema anzuwenden ist. So stellen Sie sicher, dass Sie die Website umfassend statt stückweise abdecken.

3. Implementieren Sie JSON-LD in Ihrem CMS oder Ihrer Codebasis – Sobald Sie wissen, was wohin gehört, fügen Sie das JSON-LD-Markup zum HTML dieser Seiten hinzu. Idealerweise generieren Sie es dynamisch aus Ihren CMS-Daten:

Wenn Sie WordPress nutzen, können Plugins wie Yoast, RankMath oder Schema Pro bei gängigem Schema helfen (Yoast gibt standardmäßig Article und Breadcrumb aus und hat Blöcke für FAQ und HowTo). Für Komplexeres könnten Sie eigenen Code oder ein Plugin wie SchemaApp verwenden.
Für individuelle oder Enterprise-CMS: Arbeiten Sie mit Entwicklern zusammen, um JSON-LD in den Seiten-Templates auszugeben. In einer E-Commerce-Plattform kann das Produkt-Template beispielsweise so programmiert werden, dass es ein <script> mit Schema einbindet, das den Produktnamen, Preis usw. aus den Datenbankfeldern bezieht.
Verwenden Sie persistente Bezeichner (@id) für zentrale Entitäten wie Organization und Person. So können Sie denselben JSON-LD-Ausschnitt seitenübergreifend referenzieren. In unseren Beispielen haben Sie etwa @id: "https://example.com/#organization" gesehen. Sie können das vollständige Organization-Markup auf Ihrer Startseite oder in einer Konfigurationsdatei platzieren und auf jeder anderen Seite einfach "publisher": {"@id": "https://example.com/#organization"} verwenden, statt alle Details zu wiederholen. Das macht die Daten konsistent und leichter zu pflegen.
Nutzen Sie außerdem sameAs-Links großzügig für Person/Organization, um eine Verbindung zu externen Bezeichnern (soziale Medien, Wikidata usw.) herzustellen. Diese Disambiguierung ist für die Entitätserkennung entscheidend.
Vermeiden Sie nach Möglichkeit Microdata im Content-HTML; JSON-LD ist sauberer und birgt nicht das Risiko, Ihren sichtbaren Text durcheinanderzubringen. JSON-LD kann im <head> oder <body> stehen; Google ist das egal, solange es im HTML ist. Stellen Sie nur sicher, dass es nicht entfernt oder verzögert wird.

Wenn Sie das Backend nicht leicht modifizieren können, gibt es einen weiteren Trick: Sie könnten Google Tag Manager nutzen, um JSON-LD-Skripte einzuschleusen. Seien Sie aber vorsichtig – Tag Manager wird per JS ausgelöst, und während die Google-Suche per JS eingefügtes JSON-LD lesen kann, könnten einige KI-Crawler, die kein JS ausführen, es übersehen. Für maximale Kompatibilität (wie Writesonic anmerkte, sehen viele KI-Crawler nur das initiale HTML) ist es besser, das JSON-LD in der rohen HTML-Antwort zu haben.

4. Validieren und testen Sie das Markup – Lassen Sie Ihre Seiten durch Googles Rich Results Test und/oder den Markup-Validator von Schema.org laufen. Diese Tools sagen Ihnen, ob Ihr JSON-LD parsbar ist und ob Pflichtfelder fehlen. Beheben Sie alle Fehler (z. B. haben Sie die mainEntity-Hülle für die FAQ vergessen oder ein Product hat keinen Preis). Prüfen Sie auch auf Warnungen – z. B. könnte Google warnen, wenn einem Bild width/height fehlt oder bestimmte empfohlene Felder nicht vorhanden sind. Es ist gut, so viele Felder wie sinnvoll auszufüllen (ohne zu lügen, nur um sie zu füllen).

Prüfen Sie in der Google Search Console nach dem Deployment die Erweiterungs-Berichte (unter „Darstellung der Suche“) für Typen wie FAQ, HowTo, Products usw. Dies zeigt, wie viele Seiten gültiges Markup oder Fehler haben. Die GSC kennzeichnet Seiten mit Fehlern, damit Sie sie debuggen können. Bedenken Sie: Da Google einige Schemata auslaufen lässt, könnten diese spezifischen Berichte verschwinden (Google hat die Entfernung der veralteten Typen aus der GSC bis Ende 2025 bereits angekündigt). Aber Sie können die GSC nutzen, solange sie verfügbar ist.

Zusätzlich können Sie testen, wie Ihre Inhalte in KI-Kontexten erscheinen:

Wenn Sie Zugriff auf Googles SGE-Experiment haben, versuchen Sie, eine AI Overview mit einer Frage auszulösen, die Ihr Inhalt beantwortet, und sehen Sie, ob Sie zitiert werden.
Nutzen Sie Bing Chat oder Perplexity AI, um etwas abzufragen, das Ihre Seite behandelt, und sehen Sie, ob Ihre Website referenziert wird. Das ist anekdotisches Testen, kann aber Einblicke liefern. Wenn Sie oft Wettbewerber zitiert sehen und sich selbst nicht, überlegen Sie, ob deren Inhalte besser strukturiert sind oder die Frage direkter beantworten.

5. Beobachten und messen Sie die Wirkung – Sowohl traditionelle SEO-Kennzahlen als auch neue KI-Kennzahlen sind wichtig:

Verfolgen Sie in der Google Search Console Impressionen und Klicks für Seiten mit Rich Results im Vergleich zu solchen ohne. Wenn FAQ-Rich-Results bei Ihnen noch angezeigt werden, könnten Sie eine Veränderung der CTR feststellen.
Beobachten Sie „Ähnliche Fragen“ und Featured Snippets in der normalen Suche – Schema ist dafür nicht direkt erforderlich, aber wenn Sie FAQ-Schema haben, haben Sie wahrscheinlich auch gut formatierten Frage-Antwort-Text, der Sie in PAA-Boxen bringen kann.
Überwachen Sie etwaigen Traffic von Bing Chat (derzeit schwerer zu quantifizieren). Die Bing Webmaster Tools trennen Chat- und Such-Klicks vielleicht noch nicht explizit, aber behalten Sie die gesamten Bing-Verweise im Auge, wenn Sie Schema-Änderungen vornehmen.
Einige Drittanbieter-Tools und Rank-Tracker beginnen, KI-Suchergebnisse zu überwachen. Tools wie Semrush oder Rank Ranger haben beispielsweise begonnen zu berichten, ob Sie in SGE zitiert werden. Wenn Sie diese haben, nutzen Sie sie für Baseline- und Post-Implementierungsdaten.
Wenn möglich, führen Sie einen Vorher-/Nachher-Test durch: SingleGrain schlägt vor, Schema-reiche Seiten über 4–8 Wochen mit Kontrollseiten zu vergleichen. Wenn Sie eine Teilmenge von Seiten haben, auf denen Sie Schema hinzugefügt haben, und eine ähnliche Menge ohne, beobachten Sie, wie sie in der organischen Suche und in etwaigen KI-Features abschneiden. Das kann helfen, gegenüber Stakeholdern zu begründen, dass sich der Aufwand lohnt.

6. Bleiben Sie auf dem Laufenden & iterieren Sie – Die Schema-/SEO-Landschaft ist nicht statisch:

Behalten Sie den Google Search Central Blog für Ankündigungen im Auge (wie die FAQ-/HowTo-Änderungen). Wenn Google ein Schema „deprecated“ (für veraltet erklärt), bedeutet das oft, dass kein spezielles Ergebnis mehr angezeigt wird, es aber für Knowledge Graph/KI noch wertvoll sein könnte. Nutzen Sie Ihr Urteilsvermögen – wir haben unser FAQ-Markup beispielsweise nicht entfernt, nur weil Google die FAQ-Snippets gekürzt hat. Aber wenn etwas wirklich obsolet wird (z. B. war Speakable dafür gedacht, dass Sprachassistenten bestimmten Text vorlesen – wenn das für Ihren Anwendungsfall nie Fuß gefasst hat, priorisieren Sie es vielleicht nicht).
Häufige Aktualisierungen: Google hat kürzlich eine Reihe wenig genutzter Schemata für veraltet erklärt, etwa JobPosting-Bildungsanforderungen, spezifische strukturierte Daten für Kurse usw. Auch wenn das nicht direkt mit unserem Fokus zusammenhängt, signalisiert es, dass Sie Ihr Schema gelegentlich prüfen sollten: Entfernen oder aktualisieren Sie alles, was in Googles Dokumentation als veraltet markiert ist, und fügen Sie neu unterstützte Typen hinzu. Google führte beispielsweise 2022 die Unterstützung für Pros and Cons-Markup bei Produktbewertungen ein – wenn Sie Bewertungsinhalte haben, könnten Sie das einbinden, um vorn dabei zu sein.
Mit der Weiterentwicklung der KI-Suche (z. B. könnte das kommende Google Gemini anders in die Suche integriert werden) könnten neue Chancen für strukturierte Daten entstehen. Google könnte beispielsweise beginnen, eine Art „Vektor-Embedding“-Markup (spekulativ) oder zusätzliche Metadaten für KI-Zitierungen zu unterstützen. Seien Sie bereit, sich anzupassen.
Halten Sie intern Ihren Knowledge Graph konsistent. Wenn Sie Ihre Website umstrukturieren oder Autoren wechseln, aktualisieren Sie das Schema entsprechend. Wenn sich die Biografie eines Autors ändert oder er eine neue, im Person-Markup erwähnenswerte Qualifikation erlangt, aktualisieren Sie es – diese Details könnten die E-E-A-T-Wahrnehmung beeinflussen.

7. Nutzen Sie bei Bedarf Tools und Services – Schema im großen Maßstab zu implementieren, kann herausfordernd sein, besonders bei großen Websites. Es gibt spezialisierte Tools (z. B. SchemaApp, WordLift) und Agenturen, die sich auf Schema-Markup konzentrieren. Wenn Sie Tausende von Seiten und ein kleines Team haben, kann ein Schema-Management-Tool vieles davon automatisieren (aber prüfen Sie sie sorgfältig – Sie wollen kein automatisch generiertes Schrott-Markup). Der Schlüssel ist Konsistenz. Schema sollte template-weit ausgerollt werden, nicht nur auf einer oder zwei Seiten.. Ein Fehler ist es, ein paar Seiten von Hand zu codieren und dann aufzuhören – das führt zu lückenhafter Abdeckung. Besser ist es, es systematisch über Ihr CMS oder einen Skriptansatz auszurollen, sodass jede relevante Seite ausgezeichnet ist und bleibt.

Indem Sie diese Schritte befolgen, integrieren Sie Schema tief in Ihre Website, statt es als nachträglichen Gedanken zu behandeln. Dies legt das Fundament für langfristige AEO-Vorteile, da Ihre Website im Grunde dieselbe Sprache spricht wie die KI-Systeme.

Als Nächstes betrachten wir einige Praxisfälle und Überlegungen und anschließend häufige Fehler, die es zu vermeiden gilt.

Praxisperspektive: Tools, Fallstudien und Brancheneinblicke

Schema für KI-Sichtbarkeit zu implementieren, ist nicht theoretisch – viele Organisationen tun es und sehen greifbare Ergebnisse. Besprechen wir einige Tools, die helfen können, sowie ein paar reale Beispiele und Datenpunkte:

Tools und Plattformen für strukturierte Daten:

Google Search Console: Ihre erste Anlaufstelle, um die Gesundheit strukturierter Daten zu überwachen. Sie zeigt Fehler im Markup und (vorerst) Impressionszahlen für Rich Results wie FAQ, HowTo, Products. Sie enthält außerdem Erweiterungen wie Breadcrumbs oder Sitelinks-Suchfeld-Markup. Auch wenn die GSC Ihnen nicht ausdrücklich von AI-Overview-Erscheinungen berichtet, ist sie nach wie vor das beste Dashboard für Ihre organische Präsenz und kann die KI-Wirkung indirekt widerspiegeln (da AI Overviews oft mit hohen organischen Rankings einhergehen).
Bing Webmaster Tools: Bings Pendant hat einen Bereich für SEO & Schema, in dem erkannte strukturierte Daten gemeldet werden. Bing bietet außerdem eine IndexNow-API (die Fabrice Canel als nützlich erwähnte, damit LLMs frische Inhalte schnell erhalten). Wenn Sie eine Content-Site betreiben, erwägen Sie die Nutzung von IndexNow, um Bing (und andere Engines) anzupingen, wenn Sie Seiten aktualisieren – es ergänzt Schema, indem es sicherstellt, dass Ihre neuen Inhalte (mit frischem Schema) zügig indexiert werden.
Schema-Markup-Testtools: Neben Googles Rich Results Test gibt es den generischen Schema.org-Validator, der für Typen nützlich ist, für die Google keine Rich Results hat (wie Organization oder Person – Google „belohnt“ diese nicht mit einem Snippet, aber Sie können sie dennoch validieren). Ein weiteres ist Yandex’ Validator für strukturierte Daten, der manchmal andere Probleme aufdeckt.
SEO-Crawler-Software: Tools wie Screaming Frog und Sitebulb können JSON-LD aus Ihren Seiten im großen Maßstab extrahieren. Screaming Frog hat beispielsweise eine Funktion zur benutzerdefinierten Extraktion – Sie können alle <script type="application/ld+json">-Inhalte herausziehen. Das hilft Ihnen, das Deployment zu überprüfen (z. B. wurde das neue Schema auf alle Seiten ausgerollt? Gibt es auf einer Seite mehrere widersprüchliche JSON-LDs?). Sitebulb hat sogar einige integrierte Audit-Funktionen für strukturierte Daten. Mit diesen könnten Sie einen internen Bericht erstellen, wie viele Seiten welchen Schema-Typ haben, und Anomalien finden (etwa Seiten ohne Markup oder mit Fehlern).
Content-Management-Systeme & Plugins: Wie erwähnt, haben WordPress-Nutzer mehrere Plugins, die Schema vereinfachen. Yoast SEO gibt Article-, Breadcrumb-, Organization- und Person-Schema (für den Autor) automatisch in einem verschachtelten Graph-Format aus – wenn Sie die Knowledge-Graph-Infos Ihrer Website in Yoast ausfüllen (Organisationsname, Logo usw.), erledigt es viele Grundlagen. RankMath geht weiter, indem es das einfache Hinzufügen von FAQ-/HowTo-Blöcken im Inhalt ermöglicht. Wenn Sie nicht auf WordPress sind, bieten viele moderne CMS eine gewisse Schema-Unterstützung oder zumindest einfache Wege, HTML-Blöcke hinzuzufügen. Shopify gibt beispielsweise standardmäßig Product-Schema für Produktseiten aus. Magento und BigCommerce haben Erweiterungen für Rich Snippets. Nutzen Sie diese, damit Sie das Rad nicht neu erfinden müssen.
Knowledge-Graph- und Entitäts-Tools: Tools wie Kalicube Pro oder Authoritas konzentrieren sich auf die Präsenz Ihrer Marke im Knowledge Graph. Sie ändern vielleicht nicht direkt Ihr Schema, aber sie helfen Ihnen zu verfolgen, ob Google Ihre Organization- oder Person-Entitäten erkennt. Das kann bestätigen, dass Ihr Schema plus andere Signale (wie eine Wikipedia-Seite) wirken. Wenn Sie sehen, dass Ihre Personen/Marke Knowledge Panels erhalten oder in Googles internen Indizes als „Entitäten“ gelistet werden (man kann das manchmal über die Google Knowledge Graph API oder „Nutzer suchen auch nach“ erkennen), ist das ein Zeichen, dass Ihre strukturierten Daten und SEO-Bemühungen solide sind.
Analysetools für die KI-Suche: Das ist sehr neu, aber einige SEO-Plattformen führen Features zur Verfolgung der KI-Suche ein. Rank Ranger hat beispielsweise einen „SGE Performance“-Beta-Bericht. Auch Semrush und Moz analysieren, wie oft Inhalte in KI-Antworten zitiert werden. Behalten Sie diese Entwicklungen im Auge, denn die Messung der KI-Sichtbarkeit ist die nächste Herausforderung – es geht nicht nur um Klicks, sondern um Markennennungen in Antworten.

Branchen-Fallstudien & Daten:

Ein in SingleGrains Artikel zitierter Statista-Bericht merkte an, dass KI-gesteuerte Marketing-Tools (was Dinge wie die Nutzung von Schema für Maschinenlesbarkeit einschließt) boomen – für 2025 werden 47 Milliarden US-Dollar Umsatz prognostiziert. Das zeigt, dass Unternehmen stark darin investieren, Inhalte maschinenfreundlich zu machen. Es unterstreicht indirekt, dass strukturierte Daten – als maschinenlesbare Ebene – Teil eines Megatrends im Marketing sind.
SingleGrain verwies auf einen Fall, in dem ein Unternehmen technische SEO-Verbesserungen (einschließlich Core Web Vitals) mit Schema kombinierte und einen „Anstieg der AI Overviews um 75 % und einen Zuwachs von 100 % bei [Google] Gemini“ verzeichnete. „AI Overviews“ bezieht sich wahrscheinlich darauf, wie oft ihre Inhalte in Googles SGE-Snapshots erschienen. Ein Anstieg von 75 % ist enorm – auch wenn es wahrscheinlich von einer niedrigen Ausgangsbasis ausgeht. Es zeigt, dass die technische Optimierung Ihrer Website (schnell, sauber, strukturiert) Ihre Präsenz in generativen Ergebnissen deutlich steigern kann. Der „Zuwachs von 100 % bei Gemini“ ist faszinierend – möglicherweise bedeutet er, dass sie beim Testen mit Googles Gemini-Modell (oder einer Metrik in Google Analytics für KI-Traffic) etwas verdoppelt haben. Wie auch immer, es signalisiert, dass reale Unternehmen Zuwächse aus diesen Bemühungen messen und sehen.
Ein weiteres Beispiel: Kelly Sheppard (von structureddata.co.uk) zeigte einen AI-Overview-Screenshot, in dem sein Unternehmen für die Anfrage „who is the best structured data expert?“ als „der führende Experte für Schema-Markup für strukturierte Daten“ zitiert wurde. Das geschah nicht zufällig – es ist das Ergebnis der Abstimmung von Inhalt und Schema, sodass die KI seine Website als die maßgebliche Antwort auswählte. In diesem Fall haben wahrscheinlich Organization- und Person-Schema (und natürlich die tatsächliche Reputation) der KI geholfen, seine Marke zu disambiguieren und zuversichtlich zu zitieren.
Es gibt eine bemerkenswerte Statistik: „über 72 % der Websites, die auf Googles erster Seite erscheinen, verwenden Schema-Markup.“ Dies wurde in einem Writesonic-Artikel erwähnt und einer Quelle zugeschrieben. Es legt eine Korrelation nahe, dass leistungsstarke Websites tendenziell Schema implementieren. Korrelation ist nicht Kausalität (sie haben vielleicht auch insgesamt besseres SEO), aber es passt zu der Vorstellung, dass Schema heute Teil eines erstklassigen SEO-Werkzeugkastens ist. Wenn der Großteil der ersten Seite strukturierte Daten hat, sollten Sie sie wahrscheinlich auch haben, um auf diesem Niveau zu konkurrieren, sonst lassen Sie einen Optimierungsstein unangetastet.
Fabrice Canel (Microsoft) betonte auf der SMX München die Nutzung der IndexNow-API, um Content-Aktualisierungen für KI-Frische zu pushen. Warum dies in einem Schema-Kontext erwähnen? Weil er sagte: „GenAIs schätzen frische Inhalte als Abgleich mit ihren Trainingsdaten.“ Das bedeutet: Wenn Sie etwas aktualisieren (etwa einen Produktpreis ändern oder eine neue FAQ veröffentlichen), stellt die Nutzung von IndexNow (oder in Googles Welt sofortige Indexierung per API, falls vorhanden, oder einfach schnelles Crawling per Sitemaps) sicher, dass die KI-Modelle die neuesten Daten abrufen. Ihre strukturierten Daten in Kombination mit schneller Indexierung können frische Informationen in die KI-Antworten bringen – und Szenarien verhindern, in denen eine KI einen alten Preis zitiert.
Mozilla (Firefox) und andere haben Untersuchungen zu „Zero-Click“-Suchen durchgeführt – es wird berichtet, dass bis zu ~50 % der Suchen ohne Klick enden, oft aufgrund direkter Antworten oder nun KI-Ergebnisse. In diesen Antworten präsent zu sein, ist das neue Ziel. Auch wenn niemand veröffentlicht „mein Traffic von Bing Chat ist um X % gestiegen“, deuten anekdotische Berichte in Foren darauf hin, dass Bing Chat ein bedeutender Referrer werden kann, wenn Sie eine von wenigen autoritativen Websites in einer Nische sind. Ein Nischenforum verzeichnete beispielsweise, dass „Bing-Chat-Zitierungen einen spürbaren Anstieg der Verweise für sehr spezifische Anfragen brachten“ (Quelle: ein Reddit-Thread eines SEOs, der dies diskutierte). Entscheidend ist, dass diese Verweise nicht zustande kämen, wenn der Inhalt nicht strukturiert/lesbar genug wäre, damit Bing ihn aufgreift.
Auf der anderen Seite berichteten einige Nachrichtenseiten von Traffic-Einbrüchen aufgrund von SGE, weil Nutzer Antworten erhalten, ohne zu klicken. Wenn Sie für Traffic auf generische Anfragen angewiesen sind, müssen Sie sich anpassen. Eine Anpassung besteht darin, sicherzustellen, dass Sie zumindest genannt werden, wenn die KI Ihre Informationen ohnehin nutzt. Schema hilft bei der Nennung, weil es die korrekte Zuschreibung unterstützt. Google hat angedeutet, dass es versucht, Quellen in AI Overviews zuzuschreiben. Wenn Ihr Inhalt klar segmentierbar ist (wie eine eigenständige FAQ oder eine Schrittliste oder ein eindeutiger Fakt mit Ihrem Namen darauf), haben Sie eine bessere Chance, die zitierte Quelle zu sein, als wenn Ihr Inhalt in Prosa auf einer generischen Seite vergraben ist.

Randplattformen und Überlegungen:

Die KI-Suche ist nicht nur Google und Bing. Perplexity.ai, Neeva (inzwischen geschlossen), You.com und andere lesen ebenfalls Schema. Wenn Sie Perplexity ausprobieren, fasst es oft eine Antwort zusammen und zeigt Quellen – oft zitiert es in der Antwort direkt strukturierte Daten wie FAQs oder Knowledge-Graph-Infos. Schema zu haben, macht es wahrscheinlicher, dass diese KI-spezifischen Engines Ihre Inhalte hervorbringen. Es gibt sogar Diskussionen über OpenAI-Plugins oder Tools, die Schema.org-Daten von Websites nutzen können, um Fragen zu beantworten (OpenAIs Browsing-Modus könnte hypothetisch JSON-LD lesen, auch wenn unklar ist, ob es das derzeit tut).
Enterprise-Content-Strategie: Wenn Sie eine große Website oder mehrere Websites verwalten, könnten Sie eine Schema-Governance-Richtlinie in Betracht ziehen. Beispielsweise könnten Sie verlangen, dass jeder neue, von Autoren hinzugefügte FAQ-Abschnitt den FAQPage-Block/die FAQPage-Komponente verwenden muss, sodass er automatisch ausgezeichnet wird. Oder beim Start einer neuen Produktlinie das Hinzufügen von Aufgaben für strukturierte Daten zur Rollout-Checkliste. Das institutionalisiert AEO-Praktiken.
Local SEO und Schema: Nicht direkt unser Thema, aber ein Hinweis wert: Wenn Ihr Unternehmen eine lokale Präsenz hat, kann die Verwendung von LocalBusiness-Schema (das Organization erweitert) helfen, in kartenbasierten oder Assistenten-Antworten wie „Finde einen [Geschäftstyp] in meiner Nähe“ aufgenommen zu werden. Googles Local Services und Assistenten nutzen strukturierte Daten (wie Öffnungszeiten usw.). Denken Sie also breit – AEO geht nicht nur um Webartikel, es kann darum gehen, eine Antwort auf „Wo kann ich …?“-Anfragen zu sein. Zeichnen Sie Ihren Namen, Ihre Adresse, Telefonnummer (NAP) mit PostalAddress innerhalb von Organization aus oder verwenden Sie den LocalBusiness-Typ mit Geo-Koordinaten usw. Sprachassistenten greifen oft auf diese Informationen zurück.
Sprachsuche und Speakable: Ein weiterer Schema-Typ, der nicht auf Ihrer Liste steht, aber tangential ist, ist Speakable, mit dem Nachrichtenverlage Text hervorheben können, der vom Google Assistant vorgelesen werden kann. Obwohl in der Nutzung begrenzt (nur Nachrichtenseiten und Google Home usw.), zeigt es die Richtung: klar anzugeben, welcher Teil des Textes eine Antwort für Sprachgeräte ist. Da sich KI in Richtung Multimodalität (Sprache + Visuelles) bewegt, behalten Sie im Auge, ob solches Markup expandiert.

Wettbewerbseinblick: Wenn Ihre Wettbewerber langsam bei der Implementierung von Schema sind, kann das ein Wettbewerbsvorteil sein. Umgekehrt: Wenn sie es haben und Sie nicht, geraten Sie wahrscheinlich ins Hintertreffen. Führen Sie eine schnelle Wettbewerbsanalyse durch: Nutzen Sie den Rich Results Test auf deren Seiten, um zu sehen, was sie tun. Sie könnten beispielsweise entdecken, dass die Top-3-Websites in Ihrer Nische alle FAQPage-Markup auf ihren Schlüsselseiten haben. Das ist ein Signal, dass Google (oder Bing) diese für schnelle Antworten nutzt, und Sie sollten diesen Aufwand erreichen oder übertreffen.

Zusammenfassend wird die reale Nutzung von Schema für AEO unter fortgeschrittenen SEO-Teams zur Standardpraxis. Die Tools zur Implementierung und Messung entwickeln sich weiter, und erste Fallstudien zeigen bedeutsame Verbesserungen sowohl bei klassischen SEO-Kennzahlen (CTR, Traffic) als auch bei KI-Ära-Kennzahlen (Zitierpräsenz, Markensichtbarkeit in Antworten), wenn Schema richtig gemacht wird.

Auswirkungen auf SEO, AEO und LLM-Sichtbarkeit

Fassen wir zusammen, wie genau sich diese Schema-Markup-Bemühungen in drei Bereichen in Ergebnisse übersetzen: traditionelles SEO, Answer Engine Optimization (Featured Snippets/Sprache) und LLM-basierte KI-Suchsichtbarkeit.

Auswirkungen auf traditionelles SEO (Rankings & CTR): Wie gesagt, gibt das Hinzufügen von Schema in Googles Algorithmus keinen direkten Ranking-Boost. Ihre Position in der SERP wird nach wie vor hauptsächlich durch Inhaltsqualität, Links usw. bestimmt. Strukturierte Daten können die SEO-Performance jedoch auf einige Weisen indirekt verbessern:
1. Rich Results & angereicherte Snippets: Viele Schema-Typen machen Sie für eine reichhaltige visuelle Aufbereitung in der SERP berechtigt – Bewertungssterne, FAQs unter dem Ergebnis, Produktpreise usw. Diese ziehen den Blick auf sich und erhöhen die Klickrate erheblich. Wenn Sie auf Platz 3 ranken, aber eine Sternebewertung anzeigen, könnten Sie Klicks von Platz 1 und 2 abgreifen. Eine höhere CTR kann wiederum positive Nutzersignale an Google senden, die helfen könnten, Ihr Ranking über die Zeit zu halten oder zu verbessern (Google bestreitet CTR als Ranking-Faktor, aber viele SEOs glauben an einen indirekten Effekt).
2. Höhere thematische Relevanz: Schema wie Article mit about/keywords oder das Verbinden von Inhalten mit Entitäten könnte theoretisch Google helfen, Ihre Inhalte besser zu klassifizieren und zu indexieren. Ein als über „Quantencomputing“ ausgezeichneter Artikel könnte beispielsweise als relevanter für diesen Themencluster angesehen werden als ein nicht ausgezeichneter. Das ist nicht bewiesen, aber Google hat gesagt: „Strukturierte Daten helfen unseren Systemen, besser zu verstehen, was sich auf einer Seite befindet.“ Besseres Verständnis kann zu besserer Übereinstimmung mit Anfragen führen.
3. Sitelinks und Navigation: Die Verwendung von Schema für Breadcrumbs, Sitelinks-Suchfelder usw. verbessert, wie Ihre Website in den Ergebnissen erscheint (Breadcrumb-Pfade statt langer URLs, ein Suchfeld für Ihre Website direkt bei Google usw.). Diese Features verbessern die UX und können Nutzer auch zu den richtigen Seiten leiten, wodurch Pogo-Sticking reduziert wird. Das kann indirekt SEO-Kennzahlen wie die Absprungrate oder die Verweildauer nach dem Klick verbessern, was einige als (wiederum indirekten) Einfluss auf Rankings vermuten.
Datenpunkt: Eine der zuvor erwähnten Quellen im StackExchange-Thread verweist auf eine Studie zu Rezeptseiten: Das Hinzufügen von Recipe-Schema brachte nicht nur Rich Snippets, sondern erhöhte auch die Gesamtklicks deutlich. Das ist eine klassische SEO-Verbesserung durch Schema.
Auswirkungen auf AEO (Featured Snippets, Sprachantworten, Schnellantworten):
Hier wurde Schema schon vor KI-Chatbots als Gamechanger gefeiert. Durch die Strukturierung von Inhalten bereiten Sie diese im Grunde für die Antwortextraktion vor. Googles Featured Snippets (die Antwortboxen oben bei manchen Ergebnissen) stützten sich historisch nicht auf Schema (sie kamen oft aus gut strukturiertem HTML wie Tabellen, Listen usw. oder einfach aus dem relevantesten Absatz). Inhalte in Frage-Antwort-Form (FAQ) oder Schritten (HowTo) zu haben, passt jedoch sicher zu Snippet-Chancen. Tatsächlich zeigte Google zu einem Zeitpunkt ein komplettes Anleitungs-Snippet mit Bildern für eine „how to X“-Anfrage – gezogen aus einer HowTo-Schema-Seite mit den Schritten. Auch wenn das aufgrund der Änderungen jetzt seltener ist, demonstrierte es, wie strukturiert zu sein es Google leicht machte, etwas zu präsentieren. Für die Sprachsuche (Google Assistant, Alexa, Siri): Diese Assistenten ziehen typischerweise aus Featured-Snippet-Daten oder dem Knowledge Graph. Wenn Ihre strukturierten Daten den Knowledge Graph speisen (Google könnte etwa eine Sprachanfrage beantworten, indem es sagt „Laut [Organization] gilt [Antwort]“), dann haben Sie AEO-Erfolg erzielt. Schema wie FAQ kann Sprach-Q&A direkt antreiben (die Antworten des Google Assistant klingen oft, als würde eine prägnante FAQ-Antwort vorgelesen). Bing hat ein Feature namens „Speakable“ (für Nachrichtenverlage), und Google unterstützt Speakable-Schema für Nachrichteninhalte, um ein Snippet anzuzeigen, das sich am besten zum Vorlesen eignet. Das ist ein Nischen-Schema, aber es ist AEO für Sprache. Wenn die Sprachsuchnutzung mit KI wächst, ist mehr davon zu erwarten. Zumindest bedeutet das Vorhandensein sauberer Frage-Antwort-Paare (über FAQPage), dass Sprachassistenten die Frage und dann die Antwort leicht vorlesen können. Der Google Assistant neigt dazu, lange Vorreden wegzulassen und direkt zur Antwort zu kommen – wenn Ihr Schema den Antworttext isoliert, ist das ein Gewinn. Ein weiterer AEO-Aspekt ist „Ähnliche Fragen“ (People Also Ask, PAA). Das sind die aufklappbaren Fragen in den Google-Ergebnissen. Wenn Sie FAQ-Schema haben, bedeutet das oft, dass Ihre Seite per Design Frage-Antwort-Inhalte hat. Sie könnten feststellen, dass Ihre exakten Fragen in PAA erscheinen, mit Ihrer Website als Quelle, wenn sie aufgeklappt werden. Sie auszuzeichnen, garantiert keine Platzierung, aber logisch ist als Frage-Antwort strukturierter Inhalt ein guter Kandidat für PAA. Indirekt kann die Schema-Vorbereitung also helfen, diese Plätze zu erobern, die eine Form von Answer-Engine-Ergebnis sind.
Auswirkungen auf die LLM-Suchsichtbarkeit (AI Overviews & Chatbots): Das ist das neue Terrain. So beeinflussen die besprochenen Schema-Typen Ihre Präsenz in KI-Antworten:
1. Zitierung in AI Overviews (Google SGE): Googles generative Ergebnisse listen oft 3–4 Quellen unter der Antwort. Google hat erklärt, dass diese in der Regel aus den Top-Suchergebnissen stammen. Zuerst müssen Sie also nach wie vor anständig ranken. Aber darüber hinaus: Was bringt es dazu, eine Quelle gegenüber einer anderen für einen bestimmten Satz zu zitieren? Es kommt wahrscheinlich darauf an, welche Quelle die klarste, relevanteste Formulierung für diesen Teil der Antwort hatte. Schema kann dies beeinflussen, indem es die Klarheit Ihres Inhalts formt. Eine direkte Antwort in einer FAQ ist beispielsweise leicht wortwörtlich zu zitieren (und damit Sie zu nennen). Ein gut strukturierter Anleitungsschritt könnte als Listeneintrag in der KI-Zusammenfassung herangezogen werden, mit einer Zitierung. Wenn Ihre Seite ein Organization-Schema mit einem klaren Namen und Logo hat, könnte sogar das Logo neben Ihrem Namen im SGE-Snapshot erscheinen (Google testete Quellen-Branding in einigen KI-Ergebnissen). Es besteht auch die Möglichkeit, dass Googles interne Answer Engine (der Knowledge Graph + LLM-Hybrid) Schema hinter den Kulissen nutzt, um Antwortkandidaten zu finden. Denken Sie daran: Strukturierte Daten „speisen die Knowledge Graphs, die KI-Zusammenfassungen antreiben.“ Wenn Sie Inhalte explizit als Antwort auf X kennzeichnen, erhöhen Sie die Chance, dass Ihr Inhalt aufgegriffen wird, wenn das LLM Anfragen „auffächert“, um Antworten zu finden.
2. Bing-Chat- & Copilot-Zitierungen: Bings Chat-Modus zitiert fast immer Quellen, und diese Zitierungen erscheinen oft am Ende eines Satzes oder einer Liste. Es wurde beobachtet, dass Bing manchmal die Quelle eines bestimmten Fakts oder einer Statistik zitiert. Wenn Sie einen Fakt im Schema bereitstellen (wie einen Product-Preis, ein Event-Datum usw.), könnte Bing ihn verwenden. Auch Bings Fähigkeit, etwas wie „Was sind die Nährwertangaben von Produkt X?“ zu beantworten, könnte sich auf strukturierte Daten stützen (sofern diese Info auf der Produktseite ausgezeichnet ist). Microsoft rät ausdrücklich, Schema für Dinge zu verwenden, die für Bing wichtig sind (Produkte, lokale Geschäftsinfos usw.), um in ihrer KI-Integration erfolgreich zu sein.
3. ChatGPT-Plugins / Browsing: Während OpenAIs ChatGPT (kostenlos) größtenteils auf Trainingsdaten von 2021 beruht und standardmäßig nicht aktiv browst, könnten die neuere Browsing-Beta oder Plugins die neuesten Webinfos abrufen. Sie nutzen wahrscheinlich HTML-Parsing, um Inhalte zu extrahieren. Ein Plugin-Entwickler könnte programmatisch nach JSON-LD auf einer Seite suchen, um schnell zentrale Fakten zu erhalten. Ein Shopping-Plugin könnte beispielsweise Websites mit strukturierten Produktdaten priorisieren. Das ist spekulativ, aber machbar, weil das Lesen eines JSON-Blobs für eine Maschine einfacher ist als das Parsen von unstrukturiertem Text. Strukturierte Daten könnten in diesen Kontexten also ein Unterscheidungsmerkmal sein.
4. Vertrauens- und E-A-T-Signale in der KI: LLMs haben keine Vorstellung von „Autorenreputation“, wie sie Googles Algorithmus haben mag, aber die rund um LLMs gebauten Systeme (wie Bings Prometheus-Modell) integrieren Web-Ranking-Signale und vermutlich E-A-T-Signale. Wenn Ihre Website also bekannt ist (dank Organization-Markup + einer Wikipedia-Seite + anderer Signale), könnte die KI dazu gelenkt werden, sie zu nutzen. Wenn die Frage medizinisch ist und Ihre Website MedicalWebPage-Markup, Schema für medizinische Begriffe und ein gut strukturiertes Autorenprofil (Arzt) hat, könnte dies mit höherer Autorität behandelt werden. Das sind Schichten außerhalb des reinen LLM, aber sie beeinflussen, welche Inhalte das LLM sieht.
5. No-Click-Sichtbarkeit: Bei KI-Antworten klicken Nutzer manchmal keine Quelle an, genau wie bei Featured Snippets. Es gibt jedoch einen Markenwert darin, zitiert zu werden. Wenn die KI sagt: „Laut IhrerWebsite: [Antwort].“ – auch wenn der Nutzer nicht klickt, registriert er Ihre Marke als den Experten, der die Antwort lieferte. Das ist eine neue Art von Sichtbarkeitskennzahl. Strukturierte Daten helfen sicherzustellen, dass die KI die Info korrekt Ihnen zuschreiben kann. Wenn Ihre Seite ein Durcheinander ist oder die KI nicht herausfinden kann, wer was gesagt hat, könnten Sie eine Zitierung verpassen oder (schlimmer) sie könnte die Anerkennung einer anderen Website geben. Schema unterstützt durch die klare Verbindung von Inhalten mit Ihrer Marke und Ihrem Autor die korrekte Zuschreibung.
6. Aufkommende reine KI-Suchmaschinen: Es gibt KI-gesteuerte Q&A-Dienste (wie die neuen Meta-Suchmaschinen), die in manchen Fällen nur Antworten und keine anklickbaren Links zeigen oder vielleicht nur eine kleine Quellenliste. Wenn diese wachsen, hilft traditionelles SEO womöglich überhaupt nicht, wenn Ihre Inhalte für die KI nicht leicht verdaulich sind. Strukturierte Daten könnten eine der wenigen Möglichkeiten sein, diese zu beeinflussen – denn man kann nicht für einen „Rang“ in einer Liste optimieren, sondern optimiert darauf, in die Antwort-Wissensbasis aufgenommen zu werden. Schema.org ist die Art und Weise, wie Sie Wissen so veröffentlichen, dass diese Systeme es als Daten indexieren können.

Im Wesentlichen werden strukturierte Daten für die KI-Suche das, was Sitemaps für Web-Crawler waren – nicht zwingend erforderlich, aber äußerst hilfreich, um die Maschine zu Ihren Inhalten zu leiten. Sie werden schlechte Inhalte nicht retten (eine KI zitiert keine falsche Antwort, nur weil sie in JSON-LD steht), aber sie verbessern die Auffindbarkeit und Nützlichkeit guter Inhalte für die KI. Je mehr sich die Sucherfahrung in Richtung synthetisierter Antworten bewegt, desto mehr müssen Sie sicherstellen, dass Ihre Informationen für den maschinellen Konsum verpackt sind.

Häufige Fehler und Sonderfälle

Bei der Implementierung von Schema für AEO ist es leicht, auf Abwege zu geraten oder auf knifflige Szenarien zu stoßen. Behandeln wir einige häufige Fehler, Fallstricke und Sonderfälle, die zu beachten sind:

Fehler 1: Schema als Allheilmittel behandeln (und es missbrauchen)
Manche denken, das Hinzufügen von Schema sei ein magischer Knopf für Rankings oder Sichtbarkeit. Das führt zu Missbräuchen wie dem Auszeichnen irrelevanter oder unsichtbarer Inhalte, nur um ein Rich Snippet zu erhalten. Googles Richtlinien verlangen ausdrücklich, dass Ihre strukturierten Daten das widerspiegeln, was auf der Seite ist. Wenn Sie das verletzen, riskieren Sie manuelle Maßnahmen oder schlicht, dass das Markup ignoriert wird. Erstellen Sie beispielsweise keinen gefälschten FAQ-Abschnitt, vollgestopft mit Keywords zu suchvolumenstarken Fragen, die Nutzer nie tatsächlich sehen. Googles Ingenieure sind ziemlich gut darin, unechtes Schema zu ignorieren oder sogar Strafen für „Schema-Spam“ zu verhängen. Fragen Sie sich immer: Beschreibt dieses Schema meine Inhalte wirklich? Wenn nicht, verwenden Sie es nicht. Bei Schema geht es um Klärung, nicht um Verschleierung.

Ebenso ist die Verwendung des falschen Typs ein Fehler. Angenommen, Sie haben ein einzelnes Frage-Antwort-Paar auf einer Seite – die Verwendung von FAQPage (das mehrere FAQs erwartet) wäre semantisch falsch (und Google könnte es kennzeichnen). Oder einen normalen Artikel als QAPage auszuzeichnen, obwohl es kein Forum ist. Halten Sie sich an die beabsichtigte Verwendung der Typen.

Fehler 2: Nur ein oder zwei Seiten auszeichnen (mangelnde Skalierung)
Wir sehen oft Websites, die FAQPage zu ihrer „FAQ-Seite“ hinzugefügt haben und dort aufhörten. Oder einen Anleitungsbeitrag auszeichneten und den Rest ignorierten. Eine teilweise Implementierung begrenzt Ihre Gewinne. Wenn nur 5 % Ihrer Inhalte Schema haben, lassen Sie für die übrigen 95 % Chancen ungenutzt. Als SEO-Berater rate ich immer dazu, Schema zum Teil des Templates für jeden Inhaltstyp zu machen, sodass es automatisch websiteweit angewendet wird. Es bedeutet weniger Wartung und sorgt für Konsistenz. Wenn die Schema-Abdeckung lückenhaft ist, ist es auch schwerer, die Wirkung zu messen (kleine Stichprobe) und leichter, die Aktualisierung zu vergessen. Streben Sie Breite an: Wenn Sie einen nützlichen Schema-Typ identifizieren, rollen Sie ihn auf allen zutreffenden Seiten aus. (Priorisieren Sie natürlich nach Wichtigkeit – bringen Sie ihn zuerst auf Schlüsselseiten, decken Sie aber letztlich die ganze Website ab.) Konsistenz vermeidet auch Verwirrung wie doppelte @id oder dass die halbe Website eine Organization-@id referenziert, die nur auf einigen Seiten definiert ist.

Fehler 3: Veraltete oder falsche Daten
Wir haben das gestreift, aber es lohnt sich zu wiederholen: Halten Sie Ihre strukturierten Daten aktuell, im Gleichschritt mit Seitenaktualisierungen. Preise, Daten, Verfügbarkeiten, Statistiken usw. sollten aktuell sein. Ein Sonderfall: Wenn eine Veranstaltung vorbei ist, möchten Sie vielleicht das Event-Markup entfernen oder als abgelaufen kennzeichnen, damit die Suche es nicht als bevorstehend hervorhebt. Bei der Produktverfügbarkeit: Wenn etwas ausverkauft ist, aktualisieren Sie die Offer-Verfügbarkeit. Wenn Sie das nicht tun, könnten Sie Nutzer in die Irre führen (schlechte UX), und Suchmaschinen könnten Ihnen weniger vertrauen. Google kann Rich Snippets für eine Website algorithmisch herabstufen, wenn es feststellt, dass sie oft falsche Informationen anzeigen.

Ein weiterer häufiger Fehler ist, Artikeldaten im Schema nicht zu aktualisieren. Wenn Sie einen Blogbeitrag wesentlich aktualisieren, aktualisieren Sie vielleicht das sichtbare „Zuletzt aktualisiert“-Datum, vergessen aber das JSON-LD, das noch das ursprüngliche datePublished hat (und kein dateModified). Ein kleines Problem, aber wenn eine KI die Aktualität der Info prüft, könnte sie sich auf dieses Datum stützen. Integrieren Sie also Content-Aktualisierungen in Schema-Aktualisierungen. Einige CMS tun das automatisch (z. B. fügt WordPress Yoast bei einem aktualisierten Beitrag dateModified hinzu).

Fehler 4: Wichtige erforderliche/empfohlene Felder weglassen
Jeder Schema-Typ hat erforderliche Eigenschaften. Wenn Sie diese weglassen, könnte das Markup ungültig sein und nicht verwendet werden. FAQPage erfordert beispielsweise eine mainEntity vom Typ Question, jede Question erfordert eine acceptedAnswer. Product-Schema erforderte früher name, image, price, availability. Googles Dokumentation listet, was sie für die Rich-Result-Eignung benötigen. Stellen Sie sicher, dass Sie diese bereitstellen. Selbst einige „optionale“ sind für bessere Ergebnisse sehr empfohlen (etwa das Hinzufügen eines image zu Ihrem Article-Markup – das hilft, falls Ihr Artikel jemals in einem Top-Stories-Karussell oder einer SGE-Karte mit Bild erscheint). Nutzen Sie Googles Testtool und füllen Sie zumindest alle Warnungen aus, die sagen „fehlendes Feld x (empfohlen)“. Eine Warnung verhindert keine Rich Results, aber eine Kombination fehlender empfohlener Felder könnte Ihr Snippet weniger reichhaltig machen oder Google dazu bringen, es zu überspringen.

Fehler 5: Entitäten nicht miteinander verknüpfen
Wir haben separate Person, Organization, Article usw., aber die wahre Stärke liegt im Verbinden. Ein Fehler ist, einen Autorennamen nur als Text im Article-Schema auszuzeichnen, statt die Person-Entität zu referenzieren. Indem Sie "author": {"@type":"Person","name":"Jane Smith"} verwenden, erstellen Sie zumindest einen Person-Knoten. Noch besser: Referenzieren Sie Ihre Haupt-Person-Definition über @id. Websites vergessen oft, sameAs für ihre Organization zu verwenden (Verlinkung zu ihren sozialen Profilen usw.). Verpassen Sie dieses einfache Vertrauenssignal nicht. Eine weitere Verknüpfungsmöglichkeit: Verwenden Sie mentions oder about in Ihren Artikeln, um auf relevante Wikipedia- oder WikiData-Einträge zu verlinken. Wenn ich beispielsweise über den Mars schreibe, könnte ich in meinem JSON-LD "about": {"@id": "https://www.wikidata.org/entity/Q111"} verwenden. Das ist eine fortgeschrittene Technik, aber sie verbindet Ihren Inhalt direkt mit dem Konzept des Mars im Knowledge Graph. Das kann einer KI nur helfen, den Kontext zu verstehen. Wenn Sie nicht verlinken oder referenzieren, muss die KI Beziehungen erraten. Denken Sie also daran, Ihre Schema-Entitäten in einen kohärenten Graphen einzuweben (daher „Knowledge Graph“ für Ihre Website). Tools wie WordLift sind übrigens darauf spezialisiert, indem sie Ihre Inhalte mit Schema in einen Graphen verwandeln.

Fehler 6: Übertreibung (Schema-Bloat oder Fehler im großen Maßstab)
Das Gegenteil von zu wenig zu tun, ist zu viel oder schlampig zu tun. Manche Websites haben so viele Schema-Skripte übereinandergelegt, dass sie kollidieren oder Informationen doppeln. Beispielsweise könnte Ihr CMS ein Standard-Article-Schema ausgeben und Sie haben manuell ein weiteres Article-Schema hinzugefügt – nun haben Sie zwei. Suchmaschinen mögen redundantes oder widersprüchliches Markup nicht. Es kann verwirren, welchem zu vertrauen ist. Versuchen Sie, in einen JSON-LD-Block zu konsolidieren (er kann groß sein und ein @graph-Array aller Entitäten enthalten). Wenn Sie mehrere Skripte verwenden (was in Ordnung ist), stellen Sie sicher, dass sie sich ergänzen, nicht wiederholen.

Eine andere Form von Bloat: Triviales auszuzeichnen, nur weil das Schema existiert. Z. B. jede Erwähnung eines Buchtitels im Text per Microdata mit Book-Schema auszuzeichnen – das ist übertrieben und kann spammig wirken. Verwenden Sie Schema dort, wo es das Verständnis oder die Eignung für ein Feature wesentlich verbessert. John Mueller merkte einmal an, dass das Auszeichnen jeder Kleinigkeit sinnlos und sogar problematisch sein kann – konzentrieren Sie sich auf Schlüsselelemente, wie wir besprochen haben.

Sonderfall: JavaScript-gerenderte Websites
Wenn die Inhalte Ihrer Website per JS laden (SPA-Frameworks wie React/Vue oder Infinite-Scroll-Inhalte), stellen Sie sicher, dass Ihre strukturierten Daten nicht zurückbleiben. Google kann JS ausführen, also wird es Ihr JSON-LD wahrscheinlich sehen, wenn es clientseitig eingefügt wird. Aber einige andere Crawler (vielleicht manche LLM-Indexer) tun das möglicherweise nicht. Ein sicherer Ansatz ist, zumindest den JSON-LD-Teil serverseitig zu rendern. Wenn Sie React verwenden, können Sie Bibliotheken wie Next.js nutzen, die das Ausgeben von JSON-LD im SSR ermöglichen. Wenn das nicht möglich ist, erwägen Sie Prerendering oder dynamisches Rendering für Bots. Sie möchten, dass die strukturierten Daten in der ersten Auslieferung enthalten sind, wenn möglich. Beachten Sie außerdem: Wenn Inhalte erst nach Nutzerinteraktion erscheinen (etwa ein Frage-Antwort-Paar, das sich nur per Klick ausklappt), sieht Google diesen Inhalt oder das zugehörige Schema nicht, sofern es nicht ohne Nutzeraktion ins DOM geladen wird. Behalten Sie das bei FAQs im Hinterkopf: Besser sind alle FAQs sichtbar oder zumindest im HTML (auch wenn per CSS eingeklappt), sodass die Antworten und das Schema geladen werden.

Sonderfall: Mehrsprachige Websites
Wenn Sie mehrere Sprachversionen von Seiten haben, sollten Sie auch das Schema in jeder Sprache angemessen bereitstellen. Einige Eigenschaften wie name und description sollten in der Sprache der jeweiligen Seite sein. Kopieren Sie nicht einfach das englische JSON-LD auf die spanische Seite. Außerdem kann Ihre @id oft sprachunabhängig bleiben (oder Sie können separate @id pro Locale verwenden, sie dann aber über sameAs oder die inLanguage-Eigenschaft verknüpfen). Es ist nicht vollständig dokumentiert, aber generell sollten Sie sicherstellen, dass das Schema jeder Seite zu ihrer Inhaltssprache passt. Google zeigt für alternative Sprachen möglicherweise keine Rich Results an, wenn das Schema unvollständig oder in der falschen Sprache ist.

Sonderfall: Bezahlinhalte (Paywall)
Wenn Sie Inhalte hinter einem Login oder einer Paywall haben, hat Google Richtlinien dafür (Sie sollen meta robots content="noindex" auf Paywall-Inhalten verwenden, es sei denn, Sie nutzen ihr Subscription-Schema). Für KI gilt: Wenn der Inhalt für den Crawler nicht sichtbar ist, ist das Schema vielleicht hinfällig, weil der Crawler nicht auf den Text zugreifen kann. Wenn Sie teilweise Inhalte mit Schema zeigen, seien Sie vorsichtig: Zeichnen Sie keine Antworten aus, die der Nutzer ohne Bezahlung gar nicht erhalten kann. Google könnte das als schlechte Nutzererfahrung werten, falls es jemals erscheinen würde. Es gibt ein Speakable-Markup, das speziell für Paywall-Nachrichten gedacht war, damit der Assistant ein Snippet vorlesen und den Nutzer dann zum Abonnieren auffordern kann. Aber das ist Nische. Generell sollten Sie sich bei AEO auf frei zugängliche Inhalte konzentrieren, da gesperrte Inhalte Ihnen nicht helfen, eine Antwort zu sein.

Sonderfall: Mehrere Schema-Typen auf einer Seite
Manchmal qualifiziert sich eine Seite für mehrere Typen. Z. B. haben Sie eine Produktseite, die auch einen FAQ-Abschnitt enthält, und vielleicht eine Anleitung zur Nutzung. Können Sie das alles auszeichnen? Ja, das können Sie tatsächlich. Eine einzelne Seite kann mehrere JSON-LD-Skripte haben oder einen großen Graphen, der ein Product, eine FAQPage und vielleicht ein Article umfasst, falls es eine blogartige Beschreibung gibt. Google kann dies in der Regel handhaben und wählt aus, welches Rich Result angezeigt wird (in der Regel werden nicht alle auf einmal angezeigt). Es gab eine Zeit, in der FAQ und HowTo auf einer Seite in den Suchanzeigen kombiniert wurden, aber jetzt mit eingeschränkter FAQ ist das unklar. Für KI könnte facettenreiches Markup sogar von Vorteil sein: Die KI kann aus all dem schöpfen. Stellen Sie nur sicher, dass sie bei Bedarf richtig verbunden sind (wenn die FAQ etwa speziell zu diesem Produkt gehört, könnten Sie das FAQ-mainEntityOfPage auf die URL der Produktseite setzen oder die FAQ als Eigenschaft unter dem Product verschachteln – fortgeschrittene Nutzung).

Fehler 7: Medien (Bilder/Videos) im Schema vergessen
Unser Fokus lag auf textbasierten Frage-Antwort-Daten, aber vernachlässigen Sie Bilder und Videos nicht. Wenn Ihre Anleitung ein Video hat, kann die Verwendung von VideoObject-Schema Google helfen, es für die Videosuche zu identifizieren oder es sogar in eine KI-Antwort aufzunehmen (SGE zeigt manchmal einen Ausschnitt eines Videos oder ein Bilderkarussell). Der SingleGrain-Leitfaden nannte nicht ausgezeichnete Bilder/Videos als häufiges Versäumnis. Wenn eine KI-Antwort ein Bild einbinden möchte (Bing tut das in manchen Antworten, Google SGE auch), bevorzugt sie womöglich eine Quelle, bei der das Bild klar mit dem Inhalt verbunden ist (über ImageObject-Markup mit einer guten Beschreibung). Zeichnen Sie also Ihre wichtigsten Medien aus. Stellen Sie zumindest sicher, dass jeder Inhalt ein image-Attribut im Article oder Schema hat, damit die KI bei Bedarf etwas Visuelles heranziehen kann.

Sonderfall: Performance-Auswirkungen
JSON-LD ist im Vergleich zu anderen Ressourcen typischerweise winzig, aber auf extrem großen Seiten (z. B. mit Tausenden von Frage-Antwort-Paaren) könnte das Einbetten eines riesigen JSON Overhead sein. In solchen Fällen erwägen manche, über <script src="..."> auf eine JSON-LD-Datei zu verlinken. Google unterstützt derzeit das Abrufen von externem JSON-LD über ein Script-Tag offiziell nicht – sie wollen es inline. Das ist also für SEO nicht empfehlenswert. Performance-mäßig komprimieren Sie also einfach Ihr HTML (GZIP), was auch JSON-LD gut komprimiert, und Sie sollten in Ordnung sein. Der Nutzen von Schema überwiegt jeglichen Mikro-Performance-Kosten bei Weitem. Wenn Sie eine monströse Seite haben, brechen Sie sie vielleicht auch dem Nutzer zuliebe in mehrere Seiten auf.

Fehler 8: Schema-Änderungen nicht im Blick behalten
Das ist eher organisatorisch: Wenn mehrere Personen die Website bearbeiten, stellen Sie sicher, dass das Schema intakt bleibt. Ich habe Relaunches erlebt, bei denen Entwickler versehentlich alle JSON-LD entfernten („Oh, was war dieser Code-Blob? Schien unwichtig“) – autsch. Machen Sie Schema zum Teil Ihrer Regressionstests. Lassen Sie nach einer Website-Aktualisierung den Crawler laufen, um sicherzustellen, dass das JSON-LD auf Schlüsselseiten noch vorhanden ist. Überwachen Sie außerdem die Search-Console-Fehler – wenn Sie plötzlich einen Anstieg an „Schema-Fehlern“ sehen, untersuchen Sie das, es könnte eine Template-Änderung sein, die etwas kaputt gemacht hat (z. B. hat jemand ein Feld entfernt oder einen Klassennamen geändert, auf den sich Ihr JSON-Generator stützte). Schema erfordert Wartung wie jeder Code.

Indem Sie diese Fehler vermeiden und Sonderfälle berücksichtigen, erhalten Sie eine robuste Implementierung. Das Leitmotiv lautet: Seien Sie genau, seien Sie konsistent und seien Sie aktuell. Wenn Sie das tun, werden strukturierte Daten Ihnen gute Dienste leisten – mit minimalem Nachteil.

Zusammenfassung und umsetzbare Checkliste

Korrekt implementiert sind strukturierte Daten ein mächtiger Verbündeter sowohl für das traditionelle SEO als auch für die neue KI-gesteuerte Suchlandschaft. Sie übersetzen Ihre Inhalte in die Sprache der Maschinen und ermöglichen so eine bessere Indexierung, reichhaltigere Suchergebnisse und höhere Chancen, in KI-generierten Antworten zu erscheinen. Zu den wichtigen Schema-Typen, die die KI-Sichtbarkeit beeinflussen, gehören FAQPage, HowTo, QAPage, Product, Person, Organization (About), WebPage/Article und ClaimReview, von denen jeder eine spezifische Rolle bei der Klärung Ihrer Inhalte für Algorithmen spielt.

Praktisch gesehen bedeutet Answer Engine Optimization heute, hochwertige Inhalte mit Schema-Markup zu kombinieren, sodass Suchmaschinen und KI Ihre Antworten, Schritte, Fakten und Entitäten leicht identifizieren können. Damit bewahren Sie nicht nur Ihre Relevanz in der klassischen Suche (über Rich Results), sondern positionieren Ihre Website auch als Quelle in konversationellen und sprachbasierten Anfragen.

Hier ist eine prägnante Checkliste umsetzbarer Schritte, um Ihre Website mit Schema für KI- und Suchsichtbarkeit zu optimieren:

Inhalte für Schema identifizieren: Prüfen Sie Ihre Website auf Frage-Antwort-Inhalte (verwenden Sie FAQPage), anleitende Inhalte (HowTo), Forum-Q&As (QAPage), Produktseiten (Product-Schema) und zentrale Personen-/Organisationsinfos (Person, Organization, AboutPage). Planen Sie Schema für jeden Inhaltstyp.
JSON-LD-Markup implementieren: Fügen Sie Schema.org-JSON-LD über Ihre CMS-Templates oder Plugins zu Ihren Seiten hinzu. Verwenden Sie den passenden Typ (FAQPage, HowTo usw.) und binden Sie alle erforderlichen Eigenschaften ein (und nützliche empfohlene wie Bilder, Daten usw.). Stellen Sie sicher, dass das Markup den sichtbaren Inhalt wortwörtlich widerspiegelt, um die Richtlinien zu erfüllen.
Ihre Entitäten verknüpfen: Verbinden Sie Ihre Schema-Knoten – referenzieren Sie die @id Ihrer Organization und Person im Inhalt, verwenden Sie author, publisher, about und sameAs, um einen Knowledge Graph zu weben. Das disambiguiert Ihre Marke und Ihre Experten für die KI.
Kontinuierlich validieren: Lassen Sie nach der Implementierung Googles Rich Results Test oder den Schema-Validator auf den Seiten laufen. Beheben Sie alle Fehler. Überwachen Sie in der Search Console die Erweiterungs-Berichte auf Probleme (z. B. fehlende Felder) und verfolgen Sie die Schema-Abdeckung über Ihre Website hinweg.
Schema aktuell halten: Integrieren Sie Schema-Aktualisierungen in Content-Aktualisierungen. Wenn sich Informationen ändern (Preise, Antworten, neue Fragen), aktualisieren Sie das JSON-LD gleichzeitig. Entfernen oder passen Sie Markup an, das nicht mehr relevant ist (z. B. veraltete Faktencheck-Urteile oder Veranstaltungen).
Rich Results nutzen: Überwachen Sie, wo zutreffend, ob Ihr Schema Rich Snippets erzeugt (FAQ-Aufklappmenüs, Sterne usw.), und beachten Sie die CTR-Wirkung. Auch wenn Google einige eingeschränkt hat (FAQ/HowTo), sind andere Features wie Product-Snippets nach wie vor im Spiel – nutzen Sie sie zu Ihrem Vorteil für Klicks.
KI-Zitierungen überwachen: Prüfen Sie regelmäßig, wie Ihre Inhalte in KI-Suchergebnissen erscheinen:
- Testen Sie Anfragen in Bing Chat, Google SGE usw., die sich auf Ihre Inhalte beziehen. Sehen Sie, ob Ihre Website zitiert wird.
- Nutzen Sie verfügbare Tools oder Analysen, um zu sehen, ob KI-gesteuerter Traffic oder Nennungen zunehmen.
- Holen Sie Feedback ein: Wenn Sie Nutzer oder eine Community haben, fragen Sie, ob sie Sie über eine KI-Antwort gefunden haben.
Schema-Fallstricke vermeiden: Spammen oder täuschen Sie nicht mit Schema. Zeichnen Sie nur das aus, was auf der Seite real ist. Stellen Sie eine Schema-Implementierung pro Seite sicher (vermeiden Sie Duplikate/Konflikte). Skalieren Sie das Markup über die Website hinweg für Konsistenz.
Tools & Automatisierung nutzen: Setzen Sie Plugins oder Skripte ein, um Schema im großen Maßstab zu handhaben, statt jede Seite manuell zu codieren. Das stellt sicher, dass neue Seiten automatisch das Markup erhalten. Erwägen Sie für große Websites dedizierte Schema-Management-Lösungen oder CMS-Funktionen, die bekannte Schema-Typen von Haus aus handhaben.
Informiert bleiben: Bleiben Sie über Google-/Bing-Ankündigungen zu strukturierten Daten auf dem Laufenden. Passen Sie Ihre Strategie an, wenn bestimmte Markups für veraltet erklärt werden oder neue eingeführt werden (wenn Google z. B. künftig ein „AIAnswer“-Schema einführt, möchten Sie ein Early Adopter sein). Schulen Sie Ihre Content- und Dev-Teams kontinuierlich über die Bedeutung strukturierter Daten in neuen Features (wie der KI-Suche).

Indem Sie diese Schritte befolgen, schaffen Sie ein robustes Fundament strukturierter Daten, das die Sichtbarkeit Ihrer Website in der sich wandelnden Suchlandschaft verbessert. In einer SEO-Welt, die sich von Antworten in Form von „blauen Links“ hin zu Antworten in Form von direkten Informationen bewegt, ist Schema Ihr Weg, sicherzustellen, dass Ihre Information im Rennen ist, die Antwort zu sein.

Quellen & weiterführende Literatur:

Google Search Central Blog – „Changes to HowTo and FAQ rich results“ (Aug. 2023): Offizielle Ankündigung der Beschränkung von FAQ-Rich-Snippets auf bestimmte Websites und von HowTo auf Desktop. Bekräftigt den jüngsten Wandel in Googles Rich-Results-Strategie.
Google Search Central Documentation – „Fact Check (ClaimReview) structured data“ (aktualisiert 2025): Google bestätigt, dass der Support für ClaimReview in der Suche ausläuft, es aber im Fact Check Explorer weiterhin genutzt wird. Betont, dass einige Schema-Typen für die Suche für veraltet erklärt werden.
Search Engine Land – „Google drops reporting on several structured data types“ (Barry Schwartz, Sep. 2025): Berichterstattung über Googles Entfernung der Search-Console-Unterstützung für veraltete Schemata wie ClaimReview, mit Googles Begründung, dass diese nicht weit verbreitet waren und für Unordnung sorgten. Nützlich, um zu verstehen, worauf Google sich (oder nicht) konzentriert.
Search Engine Roundtable – „Microsoft Confirms Schema Helps Its LLMs (Copilot) Understand Your Content“ (Barry Schwartz, März 2025): Hebt hervor, dass Bings KI aktiv Schema-Markup nutzt, und zitiert Microsofts Fabrice Canel. Dies ist ein zentraler Beleg dafür, dass Schema über Google hinaus zählt und Bing-Chat-/Copilot-Ergebnisse beeinflusst.
SingleGrain – „How Schema for AI SEO Improves Generative Search Visibility“ (Eric Siu, Nov. 2025): Umfassender Leitfaden, der darlegt, warum Schema für KI entscheidend ist, einschließlich einer Tabelle wirkungsvoller Schema-Typen und einer Implementierungs-Checkliste. Bestätigt viele Punkte zu Entitätsabstimmung, Markup-Strategie und häufigen Fehlern.
The Structured Data Company – „Structured Data for SGE and Direct Answers“ (Kelly Sheppard, Aug. 2025): Diskutiert die Optimierung für Googles AI Overviews mit Schema. Listet wichtige Schema-Typen für KI auf (Organization, ProfilePage für Person, FAQPage, HowTo, QAPage, Article, ClaimReview, Product usw.) und merkt Googles Support-Änderungen an (FAQ/HowTo nicht für Rich Results unterstützt, aber nach wie vor nützlich). Bietet die Perspektive eines Experten zu praktischen Effekten.
Google Search Central Blog – „Top ways to ensure your content performs well in Google’s AI experiences“ (John Mueller, Mai 2025): Offizielle Leitlinie, die wiederholt, dass strukturierte Daten mit den sichtbaren Inhalten übereinstimmen sollten und von Googles KI-Suche berücksichtigt werden. Bestätigt, dass keine separaten „KI-SEO“-Tricks außer guten Inhalten und technischem SEO nötig sind.
Search Engine Journal – „Google Confirms: Structured Data Still Essential in AI Search Era“ (Apr. 2025): Berichterstattung über John Muellers Kommentare auf einer Konferenz (wie von Aleyda Solis berichtet) – Google rät, strukturierte Daten für die KI-Suche weiter zu verwenden und sich auf in der SERP sichtbare Elemente zu konzentrieren. Unterstreicht, dass Schema trotz KI-Fortschritten eine Best Practice bleibt.
Writesonic – „Why Structured Data in AI Search Matters More Than Ever in 2025“: Erklärt, wie Schema der KI mit Klarheit und Kontext hilft, und zitiert Mueller mit „strukturierte Daten helfen unseren Systemen, besser zu verstehen, was sich auf einer Seite befindet … für Rich Results und spezielle Features.“ Geht außerdem auf die Notwendigkeit ein, Schema im initialen HTML für KI-Crawler einzubinden.
Statista – „AI Use in Marketing – Topic Report“ (2025): (Über SingleGrain referenziert) Enthält Statistiken zur Verbreitung von KI-Tools im Marketing. Veranschaulicht die wachsende Betonung von Maschinenlesbarkeit und Automatisierung im Content-Marketing.

Jede dieser Quellen bekräftigt die zentrale Botschaft: Schema.org-Markup ist eine grundlegende Schicht für den Erfolg sowohl im heutigen SEO als auch in den aufkommenden KI-dominierten Sucherfahrungen. Indem Sie die richtigen Schema-Typen korrekt implementieren, machen Sie Ihre Inhalte für Maschinen besser verdaulich, was sie wiederum für Nutzer sichtbarer und glaubwürdiger macht – ganz gleich, ob sie ihnen in einem traditionellen Such-Snippet oder einer KI-gestützten Antwort begegnen.

Teilen: X / Twitter LinkedIn

← Alle Artikel