Schema Markup für KI-Suchmaschinen: Typen, JSON-LD und Grenzen

Kurzantwort: Schema Markup beschreibt Inhalte und Beziehungen maschinenlesbar. Hier erfährst du, welche Typen zu welcher Seite passen, wie du JSON-LD einbaust und wie du Fehler prüfst. Eine Nennung oder Citation durch ein KI-System lässt sich damit nicht zusichern.

Autor: Bavaria AI Team · Redaktionell aktualisiert: 5. September 2026 · Zum Wissenshub

Der Leitfaden richtet sich an Website-Verantwortliche, SEOs und Entwickler. Die zentrale Entscheidung ist nicht, möglichst viele Schema-Typen einzubauen. Entscheidend ist, vorhandene Inhalte korrekt zu beschreiben und den Nutzen für die jeweilige Suchfunktion zu prüfen. Für die übrigen technischen Prüfungen führt die GEO-Checkliste für Entwickler weiter.

Welche Rolle spielt Schema Markup für KI-Sichtbarkeit?

Schema macht Angaben explizit; es macht eine Aussage nicht automatisch richtig, relevant oder zitierwürdig. Ein Organization-Knoten kann beispielsweise den Herausgeber benennen, ein Article-Knoten einen Artikel und seine Autoren. Das ergänzt den sichtbaren Text, ersetzt ihn aber nicht.

Google beschreibt strukturierte Daten als Hilfe zur Interpretation einer Seite und als mögliche Voraussetzung für bestimmte Suchdarstellungen. Welche Angaben eine Funktion unterstützt, steht in ihrer jeweiligen Dokumentation. Google: strukturierte Daten verstehen.

Für AI Overviews und AI Mode nennt Google keine besonderen Schema-Typen oder zusätzlichen KI-Dateien als Voraussetzung. Eine Seite muss für die Suche indexiert und mit einem Snippet darstellbar sein. Für andere Systeme lässt sich aus Googles Regeln keine allgemeine Schema-Präferenz ableiten. Google: Anforderungen für KI-Suchfunktionen.

Deshalb trennen wir zwei Prüfungen: Ist die Auszeichnung fachlich und technisch korrekt? Und wird die Seite in einem definierten Such- oder Prompt-Set tatsächlich gefunden und zitiert? Eine Veränderung der zweiten Größe belegt allein noch nicht, dass Schema die Ursache war. Den größeren Zusammenhang erläutert KI-Sichtbarkeit für Unternehmen.

Welche Schema-Typen sind für GEO am wichtigsten?

Wähle Schema nach dem Inhalt und dem unterstützten Anwendungsfall. Eine belegte Rangfolge der von ChatGPT oder Perplexity bevorzugten Typen liegt diesem Leitfaden nicht zugrunde. Die folgende Auswahl ist eine Umsetzungshilfe, keine Liste von KI-Rankingfaktoren.

Für eine Beratungswebsite können Organization, Service und Person sinnvoll sein; FAQPage kommt nur dazu, wenn echte Fragen und Antworten vorhanden sind. Der passende Typ folgt der Seite. Eine Leistungsseite braucht nicht automatisch Article, und eine B2B-Website braucht nicht automatisch Bewertungssterne. Schema.org: Vokabular und Typen.

Wie implementiert man Schema Markup für KI?

Inventarisieren, modellieren, ausgeben, prüfen: Prüfe zuerst das bereits vom CMS oder SEO-Plugin erzeugte Markup. Ergänze fehlende Angaben, statt parallel widersprüchliche Daten über dasselbe Unternehmen auszugeben.

JSON-LD: Das Standardformat für Schema Markup

JSON-LD lässt sich getrennt vom sichtbaren Layout pflegen. Google empfiehlt dieses Format, unterstützt aber auch Microdata und RDFa. Ein funktionierendes, korrektes bestehendes Format muss deshalb nicht allein für GEO ersetzt werden. JSON-LD darf im <head> oder <body> stehen. Entscheidend ist die ausgelieferte Seite, nicht eine möglichst frühe Zeile im Head.

Die folgenden Beispiele sind Vorlagen mit example.com. Ersetze Namen, URLs und Datumsangaben durch echte Daten. Die Codekästen zeigen Beispieltext; erst die Einbindung als <script type="application/ld+json"> erzeugt strukturierte Daten.

Beispiel: Article Schema für einen Blog-Post

{
  "@context": "https://schema.org",
  "@type": "Article",
  "@id": "https://example.com/leitfaden/#article",
  "headline": "Titel des tatsächlich sichtbaren Artikels",
  "datePublished": "2026-01-15",
  "dateModified": "2026-09-05",
  "inLanguage": "de",
  "author": {
    "@type": "Person",
    "@id": "https://example.com/team/maria-muster/#person",
    "name": "Maria Muster",
    "url": "https://example.com/team/maria-muster/"
  },
  "publisher": {
    "@type": "Organization",
    "@id": "https://example.com/#organization",
    "name": "Beispielunternehmen",
    "url": "https://example.com/"
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://example.com/leitfaden/"
  }
}

Beispiel: Organization Schema für Ihre Unternehmenswebsite

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example.com/#organization",
  "name": "Beispielunternehmen",
  "url": "https://example.com/",
  "description": "Sachliche Beschreibung des tatsächlich angebotenen Produkts oder der Leistung."
}

Eine stabile @id lässt sich auf anderen Seiten referenzieren. Ergänze sameAs nur mit Seiten, die dieselbe Organisation oder Person identifizieren. Ein thematisch ähnlicher Wikipedia-Eintrag ist kein Identitätsbeleg für dein Unternehmen.

Wo platziert man Schema Markup?

Nutze möglichst die vorhandene Schema-Ausgabe deines CMS oder dessen Erweiterungsschnittstelle. Mehrere JSON-LD-Blöcke sind nicht automatisch ein Fehler; problematisch sind widersprüchliche Angaben oder unklare Zuordnungen. Prüfe die komplette öffentliche Ausgabe einschließlich Plugins und Templates. Für eine komplexe Implementierung klärt die Leistungsübersicht den Weg von Diagnose zu Umsetzung.

FAQPage Schema sinnvoll einsetzen

FAQPage beschreibt beantwortete Fragen. Der Nutzen der Antworten muss auch ohne Markup bestehen. Die Schema.org-Auszeichnung ist weiterhin definiert. Google hat die FAQ-Rich-Result-Darstellung 2026 jedoch eingestellt. Daraus lässt sich kein bevorzugter Umgang anderer KI-Systeme mit FAQPage ableiten. Google: Dokumentationsänderungen zu FAQ-Rich-Results; Schema.org: FAQPage.

Erstelle Fragen aus tatsächlichen Verständnis- oder Entscheidungsproblemen. Eine gute Antwort nennt die Bedingung, beantwortet die Frage direkt und erklärt relevante Grenzen. Das ist nützlich für Menschen und liefert eigenständig verständliche Passagen; eine garantierte Extraktion ist damit nicht verbunden.

FAQPage Schema korrekt implementieren

Beispiel-Frage und sichtbare Antwort: Was beschreibt Organization-Schema? Organization-Schema beschreibt eine Organisation, zum Beispiel ihren Namen und ihre Website. Die Angaben müssen zur tatsächlich dargestellten Organisation passen.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Was beschreibt Organization-Schema?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Organization-Schema beschreibt eine Organisation, zum Beispiel ihren Namen und ihre Website. Die Angaben müssen zur tatsächlich dargestellten Organisation passen."
      }
    }
  ]
}

Best Practices für FAQPage Schema

• Frage und Antwort zusammenhalten: Ein Leser soll ohne zusätzliche Suche verstehen, worauf sich die Aussage bezieht.
• Inhalt synchronisieren: Sichtbare Antwort und Markup dürfen einander nicht widersprechen. Eine gemeinsame Datenquelle reduziert Pflegefehler.
• Umfang nach Bedarf: Weder fünf bis zehn Fragen noch eine feste Wortzahl sind eine allgemeine Qualitätsanforderung. Beantworte die offenen Fragen vollständig und ohne Wiederholung.
• Keine zusätzlichen Versprechen im Markup: Leistungen, Bewertungen und Resultate dürfen dort nicht größer dargestellt werden als im sichtbaren Text.

Welche Fehler sollten Sie bei Schema Markup vermeiden?

Die wichtigsten Fehler betreffen Wahrheit, Zuordnung und Pflege. Ein Syntaxfehler kann die Verarbeitung eines Blocks verhindern. Eine unzutreffende Angabe kann die Richtlinien eines Suchfeatures verletzen. Das ist etwas anderes als ein allgemeiner Nachweis, dass jedes KI-System die gesamte Website abstraft. Google: Qualitätsrichtlinien für strukturierte Daten.

Fehler 1: Schema.org und Feature-Anforderungen verwechseln

Unterscheide JSON-Syntax, Schema.org-Vokabular und die Anforderungen eines konkreten Suchfeatures. Die aktuelle Google-Dokumentation für Article nennt keine Pflichtfelder, sondern empfohlene Eigenschaften. Fehlende Empfehlungen sind deshalb nicht automatisch ungültiges Schema. Google: Article-Anforderungen.

Fehler 2: Falsche Schema-Typen verwenden

Ein Typ muss den Inhalt beschreiben. Für eine konkrete Dienstleistung ist Service oft passend; für eine reale lokale Niederlassung kann LocalBusiness passen. Die Auswahl ist keine starre Trennung zwischen online und offline. Prüfe zusätzlich, welche Typen die gewünschte Suchdarstellung akzeptiert.

Fehler 3: Veraltete oder inkonsistente Informationen

Wenn sich Angebot, Preis, Kontakt oder Standort ändern, aktualisiere sichtbaren Inhalt und Auszeichnung gemeinsam. Plane wiederkehrende Kontrollen nach Änderungsfrequenz und Risiko, nicht nach einem vermeintlichen universellen GEO-Intervall.

Fehler 4: Autorität durch ein Person-Objekt ersetzen

Person beschreibt eine Person; es belegt ihre Expertise nicht allein. Verknüpfe Artikel mit einem echten Profil und nachvollziehbarer Verantwortlichkeit. Erfinde keine Auszeichnungen, Review-Rollen oder Qualifikationen. Begriffe wie Entität und Autorschaft erklärt das GEO-Glossar.

Fehler 5: Schema nicht regelmäßig aktualisieren

Prüfe nach Änderungen am CMS, Plugin oder Template erneut, welche Daten tatsächlich ausgegeben werden. Neue Schema.org-Eigenschaften bedeuten nicht automatisch, dass Google oder ein KI-System sie für die gewünschte Funktion nutzt.

Fehler 6: Schema mit sichtbarem Inhalt nicht synchronisieren

Titel, Antworten, Preise, Termine und Bewertungen müssen die Seite zutreffend wiedergeben. Ein technischer Validator kann nicht beurteilen, ob eine Kundenbewertung echt ist oder eine Leistung tatsächlich angeboten wird. Diese inhaltliche Prüfung bleibt erforderlich.

Wie prüft man sein Schema Markup?

Prüfe Syntax, Zuordnung, sichtbare Inhalte und beobachtete Ergebnisse getrennt. Ein grüner Validator bestätigt keine Citation-Wirkung; eine Citation bestätigt umgekehrt nicht, dass das Markup korrekt verarbeitet wurde.

Tool 1: Google Rich Results Test

Googles Rich Results Test prüft die von Google unterstützten Rich-Result-Typen. Nicht angezeigte Schema.org-Typen sind daher nicht automatisch fehlerhaft. Selbst ein bestandenes Ergebnis garantiert keine besondere Darstellung.

Tool 2: Schema.org Validator

Der Schema.org Validator hilft bei der Prüfung der Syntax und des verwendeten Vokabulars. Vergleiche anschließend alle Werte mit dem sichtbaren Inhalt und kontrolliere, ob zusammengehörende Knoten korrekt verbunden sind.

Prüfung 3: Such- und KI-Ergebnisse separat beobachten

Dokumentiere je System feste Fragen, Datum, Modus und die tatsächlich verlinkte URL. Wiederhole die Beobachtung und halte gleichzeitige Änderungen fest. Ein einzelner Markenprompt ist kein Schema-Test und kein Kausalnachweis. Wie solche Beobachtungen eingeordnet werden, erklärt die Messmethodik.

Tool 4: Google Search Console

Nutze die URL-Prüfung für den Indexierungs- und Abrufstatus. Rich-Result-Berichte decken nur unterstützte und erkannte Suchfunktionen ab; sie sind kein vollständiges Inventar sämtlicher Schema.org-Typen. Kontrolliere zusätzlich die öffentliche HTML-Ausgabe.

Schema Markup und andere GEO-Maßnahmen

Technische Arbeit ist dann sinnvoll, wenn sie eine konkrete Hürde beseitigt. Beginne bei Erreichbarkeit und Indexierbarkeit, bevor du optionale Markups ergänzt. Die GEO-Grundlagen ordnen Technik, Inhalte und Belege zusammen ein.

• Crawler und Index: robots.txt, HTTP-Status, Canonical, interne Links und Suchindex prüfen.
• Inhalte: Die tatsächliche Frage mit verständlichen, überprüfbaren Aussagen beantworten. Schema kompensiert keine inhaltliche Lücke.
• Identität: Unternehmen, Autoren und Quellen konsistent benennen und passend verknüpfen.
• llms.txt: Optionaler Einstieg für Agenten nach einer Community-Konvention; kein Ersatz für HTML oder nachgewiesener Citation-Hebel. Der llms.txt-Leitfaden erklärt die Abgrenzung.
• Interne Verlinkung: Relevante Vertiefungen erreichbar machen; ein Breadcrumb ersetzt die Navigation nicht.

Bei Bavaria AI werden Diagnose und Umsetzung getrennt vereinbart. Ein Audit prüft die vereinbarten Themen und priorisiert Befunde; die Implementierung eines Markup-Systems ist eine anschließende Leistung nach Scope. Die Leistungen und Anfrage helfen bei der Einordnung. Plattformdetails stehen unter ChatGPT SEO und Perplexity SEO.

Häufige Fragen zu Schema Markup für KI

Wie viel Einfluss hat Schema Markup tatsächlich auf KI-Zitierungen?

Ein allgemeiner Citation-Uplift durch Schema allein ist hier nicht belegt. Markup-Validität, Datenkonsistenz und beobachtete Nennungen oder Quellenlinks sind getrennte Prüfgrößen. Bei Vorher-Nachher-Tests müssen andere Änderungen und Schwankungen berücksichtigt werden.

Welches Schema-Format sollte ich verwenden: JSON-LD, Microdata oder RDFa?

Für neue Implementierungen ist JSON-LD oft praktisch. Microdata und RDFa sind ebenfalls unterstützte Formate. Korrektes bestehendes Markup muss nicht allein wegen GEO ersetzt werden.

Muss ich Schema Markup auf jeder Seite implementieren?

Nein. Prüfe pro Seitentyp, welche Angaben sinnvoll sind und welche Suchfunktion sie unterstützt. Es gibt kein universelles Schema-Pflichtpaket für KI-Sichtbarkeit.

Ist FAQPage Schema nach dem Ende der Google-FAQ-Rich-Results noch sinnvoll?

Es kann vorhandene Fragen und Antworten strukturiert beschreiben. Google zeigt FAQ-Rich-Results seit 2026 nicht mehr an. Ein zusätzlicher Nutzen für andere Systeme muss für den konkreten Anwendungsfall belegt werden.

Wie lange dauert es, bis Schema Markup von KI-Systemen erkannt wird?

Die technische Ausgabe ist direkt nach dem Deploy prüfbar. Wann ein Suchsystem die Änderung erneut abruft und verarbeitet, liegt außerhalb der eigenen Kontrolle. Ein fester Zeitraum bis zu mehr Citations lässt sich daraus nicht ableiten.

Kann ich Schema Markup für mein Unternehmen selbst implementieren, oder brauche ich eine Agentur?

Grundlegende Auszeichnungen können technisch versierte Teams selbst pflegen. Unterstützung lohnt sich bei widersprüchlicher Plugin-Ausgabe, vielen Templates oder unklarer Zuordnung. Im Erstgespräch lässt sich klären, ob ein Audit oder eine gezielte Umsetzung gebraucht wird.

Ihr nächster Schritt

Klären wir, wo Ihr technisches Fundament Unterstützung braucht.

Sie möchten das auf Ihr Unternehmen übertragen? Im ersten Gespräch besprechen wir Ihr Ziel, Ihre Ausgangslage und welche Unterstützung sinnvoll ist.

01

Ihr Ziel

Welche Käufer und Anfragen wollen Sie erreichen?

02

Ihre Ausgangslage

Welche Templates, Plugins oder Daten sind heute unklar?

03

Ihr nächster Schritt

Welcher Einstieg passt zu Ihrem Ziel und Ihrem Team?

Erstgespräch vereinbaren

Lion Harisch30 Minuten · per Videokonferenz

Lieber per E-Mail? info@bavaria-ai.com

Eine vertiefte Analyse, Strategie oder Umsetzung wird separat vereinbart.