sameAs Schema Validierung: Was der grüne Haken bei 14 Agenturen übersehen hat

1. Einführung: sameAs Schema Validierung auf zwei Ebenen

Der Validator zeigt einen grünen Haken. Keine Fehler, keine Warnungen, das Markup ist sauber. Und trotzdem verweist Ihr sameAs auf ein Profil, das seit Jahren nicht mehr existiert. Genau diese Lücke wird von den meisten Anleitungen übersehen, wenn es um die Validierung strukturierter Daten geht.

SameAs Schema Validierung ist die Prüfung, ob die sameAs Einträge im Schema Markup einer Website syntaktisch korrekt und inhaltlich wahr sind. Sie läuft auf zwei Ebenen: Tools wie der Schema Markup Validator und der Google Rich Results Test prüfen die Syntax, die Identitätsprüfung stellt sicher, dass jedes Ziel erreichbar ist und dieselbe Entität bezeichnet.

Eine Frage vorab: Wann haben Sie zuletzt geprüft, wohin Ihre sameAs Links tatsächlich zeigen? Meist wird das mit dem Datum des letzten Website-Relaunches beantwortet. Was Schema Markup grundsätzlich für die KI-Suche leistet, haben wir in den Grundlagen zu Schema Markup beschrieben. Hier geht es um den nächsten Schritt: die Prüfung auf Code-Level.

Was das für Sie heißt

Für Ihren Betrieb heißt das: Ein grüner Haken im Prüfwerkzeug bedeutet nur, dass die Form stimmt, nicht dass der Inhalt richtig ist. Wer sich darauf verlässt, hält seine Angaben für sauber, während sie in die falsche Richtung zeigen. Die Kontrolle ist in wenigen Minuten und ohne Entwickler durchzuführen: Gehören die verlinkten Profile wirklich alle zu Ihrem Haus?

2. Warum sameAs Ihre digitale Identität trägt

Die sameAs Eigenschaft stammt aus dem Vokabular von Schema.org, das Google, Microsoft, Yahoo und Yandex gemeinsam pflegen. Sie erwartet als Wert eine URL, die die Identität eines Dings eindeutig belegt: die Wikipedia-Seite, den Eintrag bei Wikidata (der offenen Datenbank hinter Wikipedia) oder die offizielle Website einer Organisation oder Person (Schema.org). Das hilft Google und den KI-Systemen dahinter, verstreute Fakten zu einer Entität zusammenzuführen.

Ihre sameAs Liste ist ein Schlüsselbund. Jeder Schlüssel muss zu einem echten Schloss passen: zum LinkedIn-Profil, zum Wikidata-Objekt, zum Knowledge Panel Ihrer Marke. Ein Schlüssel zu einer Tür, die es nicht mehr gibt, verwirrt jeden, der den Bund übernimmt.

Das Problem ist älter als ChatGPT. Schon die Forschung zum semantischen Web stellte fest: „Die Identität im Web ist kaputt“ (Original: „identity in the Web is broken“). Zu diesem Fazit kam eine Untersuchung um den Informatiker Joe Raad über fehlerhafte Identitätsverknüpfungen (arXiv). Über falsch gesetzte Gleichheitszeichen zwischen Datenobjekten können falsche Fakten durch das gesamte Wissensnetz verbreitet werden.

Für Ihre Sichtbarkeit heißt das: Über sameAs kann mitentschieden werden, ob Googles Knowledge Graph (Googles Datennetz aus Dingen und ihren Beziehungen) Ihre Marke als eine konsistente Entität führt oder als lose Namensfragmente. Das Gleiche gilt für die Modelle hinter ChatGPT, Perplexity und Google AI Overviews. Eine Auswertung von 153.425 Zitaten in KI-Antworten zeigt, dass 76,95 Prozent der zitierten URLs außerhalb der organischen Top-10 lagen; die Entitätserkennung wiegt dort schwerer als das Ranking (OrganiKPI).

Bei Nachlässigkeit an dieser Stelle wird Vertrauen verschenkt. Gerade für KMU ist der Datensatz hinter der Marke oft der einzige Auftritt, den ein KI-System je zu sehen bekommt.

3. Was Validatoren prüfen: Syntax ja, Identität nein

Zwei Tools dominieren die Validierung. Der Google Rich Results Test prüft, ob eine Seite für Rich Results in der Google Search infrage kommt, also für Rich Snippets wie Bewertungssterne, FAQs oder Produktdaten. Der Schema.org Validator unter validator.schema.org prüft dagegen das gesamte Vokabular: JSON-LD, Microdata und RDFa. JSON-LD ist das Format, in dem diese Angaben als eigener Block im Seitenquelltext stehen.

Die Arbeitsteilung hat Geschichte. Das Google Structured Data Testing Tool war jahrelang der Standard, wurde aber eingestellt. Im Google-Kosmos übernahm der Rich Results Test. Schema.org kündigte im Mai 2021 den Schema Markup Validator als neues Zuhause der alten Engine an. Die Betreiber beschreiben die Grenzen ihres Tools selbst erstaunlich offen.

„It does not try to check your content against the information needs of specific services, tools or products.“
(„Er versucht nicht, Ihre Inhalte gegen die Informationsbedürfnisse bestimmter Dienste, Tools oder Produkte zu prüfen.“)

Schema.org, Announcing Schema Markup Validator

Die meisten Ratgeber empfehlen deshalb: Markup durch beide Tools jagen, Fehler beheben, fertig. Unsere Position: Für sameAs prüft der grüne Haken nur die Grammatik, nicht die Wahrheit. Der erwartete Wert ist schlicht eine URL. Ob sie erreichbar ist, ob dort dieselbe Entität beschrieben wird, ob das Wikidata-Objekt überhaupt existiert: Das prüft keines der beiden Tools.

Ein Validator arbeitet wie die Rechtschreibprüfung im Textprogramm. Sie merkt zuverlässig, wenn ein Komma fehlt. Sie merkt nie, wenn im Lebenslauf der falsche Arbeitgeber steht.

Wie viel inhaltliche Prüfung nötig ist, zeigt der Blick auf die KI-Seite. Ahrefs verfolgte 1.885 Seiten, die JSON-LD neu einführten, gegen 4.000 Kontrollseiten: kein nennenswerter Zuwachs an Zitaten in Google AI Overviews, AI Mode oder ChatGPT. Ein begleitender Live-Test ergab: „Beim direkten Abruf extrahierte jedes System nur sichtbaren HTML-Inhalt“ (Original: „During direct retrieval, every system extracted only visible HTML content“), so die Studie (Ahrefs). Zum selben Befund kam ein Experiment von OtterlyAI: 6 von 7 KI-Plattformen konnten hinterlegtes Schema Markup auf direkte Anfrage nicht abrufen oder interpretierten es falsch, nur Gemini las das JSON-LD korrekt aus (OtterlyAI). Für Ihre AI Visibility heißt das: Large Language Models (LLMs) und die Answer Engines dahinter sehen beim Live-Abruf nur Text.

Heißt das, Schema Markup ist wertlos? Nein. Dasselbe OtterlyAI-Experiment maß nach dem Rollout deutlich mehr Google-Sichtbarkeit, und Rich Results bleiben ohne valides Markup unerreichbar. Es heißt aber: Ihre sameAs Signale wirken nicht über den Live-Abruf einer einzelnen Seite, sondern über den Umweg durch Knowledge Graph, Suchindex und Trainingsdaten. Genau deshalb zählt die inhaltliche Konsistenz doppelt, denn ein falsches Gleichheitszeichen wandert dort ungeprüft mit.

4. Schritt für Schritt: sameAs Markup validieren

Die folgende Anleitung prüft beide Ebenen. Sie benötigen dafür nur einen Browser, die beiden kostenlosen Tools und zwanzig Minuten Ruhe.

Schritt 1: Bestandsaufnahme im JSON-LD

Öffnen Sie den Quelltext Ihrer Startseite und suchen Sie das script-Tag vom Typ application/ld+json. JSON-LD steht für JavaScript Object Notation for Linked Data und ist das Format, das Google empfiehlt; Microdata und RDFa gelten als gleichwertig, sind aber schwerer zu pflegen. So sieht ein Organization Markup mit sameAs aus:

{ "@context": "https://schema.org", "@type": "Organization", "name": "Beispiel GmbH", "url": "https://www.beispiel.de/", "logo": "https://www.beispiel.de/logo.png", "description": "Beratung fuer digitale Sichtbarkeit", "address": { "@type": "PostalAddress", "addressLocality": "Berlin", "addressCountry": "DE" }, "sameAs": [ "https://www.wikidata.org/wiki/Q000000", "https://www.linkedin.com/company/beispiel-gmbh", "https://de.wikipedia.org/wiki/Beispiel_GmbH" ] }

Notieren Sie jede URL aus dem sameAs Array. Diese Liste ist Ihr Prüfgegenstand.

Schritt 2: Syntax mit dem Schema Markup Validator prüfen

Geben Sie die URL Ihrer Seite bei validator.schema.org ein. Der Schema Validator extrahiert alle strukturierten Daten und meldet Syntaxfehler: fehlende Kommas, falsch geschlossene Klammern, unbekannte Eigenschaften, einen fehlenden Typ. Jeder rote Eintrag ist zu beheben, bevor es weitergeht. Ein Markup, das hier scheitert, wird von Suchmaschinen schlicht ignoriert.

Schritt 3: Google Sicht mit dem Rich Results Test einholen

Der Google Rich Results Test unter search.google.com/test/rich-results zeigt, welche Rich-Result-Typen Google auf Ihrer Seite erkennt, etwa Article, Product, LocalBusiness, BreadcrumbList oder ein FAQ Schema. Für Organization Markup gilt eine Besonderheit, die kaum ein Ratgeber erwähnt. Google Search Central schreibt in der Doku zu strukturierten Daten für Organisationen:

„Es gibt keine erforderlichen Properties. Füge stattdessen die Properties hinzu, die auf deine Organisation zutreffen.“

Google Search Central, Schema-Markup für Organisationen

Keine Pflichtfelder bedeutet: Ein fast leeres Organization Markup besteht jeden Test. Der grüne Haken belohnt Sie also schon für Grammatik ohne Substanz. Ziel ist es, zusätzlich die Google Search Console im Blick zu behalten; sie meldet, wenn Google crawlt und dabei auf Probleme mit Ihren strukturierten Daten stößt.

Schritt 4: Jedes sameAs Ziel inhaltlich verifizieren

Jetzt kommt die Ebene, die kein Validator abnimmt. Am besten ruft man jede URL aus der Liste auf und prüft drei Dinge: Antwortet das Ziel mit Status 200 statt 404? Beschreibt die Seite exakt Ihre Entität und nicht einen Namensvetter? Und stehen keine Duplikate oder Verweise auf die eigene Domain im Array? Bei Wikidata-Einträgen lohnt der Blick auf die Q-Nummer, denn ein gelöschtes oder nie angelegtes Objekt liefert eine leere Auskunft. Welche Rolle Wikidata als Wissensbasis für KI-Modelle spielt, haben wir separat aufgeschlüsselt.

Wie nötig dieser Schritt ist, zeigt unsere Stichprobe. Wir haben im Juli die Startseiten von 18 deutschen Digital- und SEO-Agenturen geprüft: 14 nutzen sameAs, aber nur 2 verweisen überhaupt auf eine Wissensdatenbank, und nur bei einer existiert das verlinkte Wikidata-Objekt tatsächlich. Zwei Arrays enthielten tote oder doppelte Ziele, eines verwies siebenfach auf dieselben Profile und zweimal auf die eigene Domain.

Jedes dieser 14 Arrays besteht den Schema Markup Validator ohne Beanstandung.

Schritt 5: Konsistenz herstellen und regelmäßig testen

Zum Schluss sind die Kerndaten abzugleichen: Name, URL und description sollten auf Ihrer Website und in allen verlinkten Profilen identisch sein, sonst führt die Maschine zwei halbe Entitäten statt einer ganzen. Ein toter sameAs Link ist dabei schlimmer als gar keiner (Original: „A broken sameAs link is worse than no link“, OrganiKPI). Wiederholen Sie die Prüfung nach jedem Relaunch, Rebranding oder Profilumzug; genau dann sterben die meisten Ziele. So fügen Sie neue Daten hinzu, ohne alte Fehler mitzuschleppen.

5. Häufige Fehler: Wenn valides Markup trotzdem lügt

Die häufigsten sameAs Fehler sind keine Tippfehler, sondern Pflegefehler. Sie entstehen Monate nach der Implementierung, wenn niemand mehr hinsieht.

• Tote Ziele: Das verlinkte Profil wurde umbenannt oder gelöscht; die URL liefert 404. Wie eine Visitenkarte mit alter Telefonnummer, nur dass die Maschine niemals nachfragt.
• Duplikate und Selbstverweise: Dieselbe Profil-URL mehrfach im Array oder ein sameAs auf die eigene Domain. Beides ist syntaktisch valide und semantisch sinnlos.
• Falsche Entität: Der Link zeigt auf ein Wikidata-Objekt oder Profil mit ähnlichem Namen, das jemand anderen bezeichnet. Damit behaupten Sie maschinenlesbar eine falsche Identität.
• Nur Social, kein Anker: Ausschließlich Social-Profile ohne Wissensdatenbank sind wie ein Stapel Flyer ohne Handelsregistereintrag: viel Präsenz, wenig Beleg.
• Verwandt statt identisch: sameAs auf die Schwesterfirma oder eine Partnerseite. Die Eigenschaft behauptet Gleichheit, nicht Verwandtschaft.
• Markup ohne sichtbaren Inhalt: Strukturierte Daten, die Dinge behaupten, die auf der Seite nicht stehen, etwa erfundene Reviews. Hier drohen manuelle Maßnahmen von Google.

Und der Mythos der Masse? Manche Anleitungen empfehlen dreistellige Profilzahlen im sameAs Array. Die Datenlage stützt eher Klasse statt Masse: Entscheidend ist, dass jedes Ziel existiert, dieselbe Entität bezeichnet und von Dritten bestätigt wird. Ein Eintrag in einer Wissensdatenbank plus eine Handvoll gepflegter Profile schlägt hundert ungeprüfte Links. Unabhängige Belege entstehen dabei nicht im Markup, sondern durch digitale PR für KI Sichtbarkeit: Berichte über Ihre Marke, auf die Wissensdatenbanken sich stützen können.

Ob Ihre Signale insgesamt ankommen, verrät kein einzelnes Tool, sondern nur der Gesamtblick auf die Entität, etwa mit einem Knowledge Graph Audit. Ihre Ausgangslage kann durch Schema-Markup erst verbessert werden, wenn die Angaben darin stimmen. Das gilt für Local SEO mit LocalBusiness genauso wie für den Onlineshop mit Product Markup, für Landing Pages mit FAQ Markup oder das Medienhaus mit Article, author und datePublished.

Schema macht Ihre Angaben maschinenlesbar, nicht wahr.

6. Fazit: Der Haken prüft die Grammatik, Sie prüfen die Wahrheit

SameAs Schema Validierung besteht aus zwei Ebenen, und nur eine davon ist automatisierbar. Der Schema Markup Validator und der Rich Results Test sichern die Syntax. Die Identität sichern Sie: erreichbare Ziele, dieselbe Entität, konsistente Kerndaten, ein belegter Anker in einer Wissensdatenbank.

Unsere Stichprobe zeigt, wie selten das gelingt: 1 von 14 sameAs-Arrays mit funktionierendem Wikidata-Anker, bei Agenturen, die es besser wissen müssten.

Am Ende ist ein gepflegtes sameAs Array wie der Moment, in dem ein fremder Schlüsselbund in Ihrer Hand liegt und jeder einzelne Schlüssel greift: kein Klemmen, kein Rütteln, jede Tür öffnet sich beim ersten Versuch. Genau so fühlt sich Ihre Marke für ein KI-System an, das ihre Identität prüfen will.

7. Anhang: Checkliste für valide sameAs Signale

• JSON-LD im script-Tag der Startseite oder Über-uns-Seite hinterlegen, mit @context und klarem Typ.
• Syntax mit dem Schema.org Validator prüfen, Google Sicht mit dem Rich Results Test.
• Jede sameAs URL aufrufen: erreichbar, richtige Entität, keine Duplikate, kein Selbstverweis.
• Wikidata-Q-Nummer gegenprüfen, bevor sie ins Markup wandert.
• Name, URL und description überall identisch halten.
• Nur sichtbare, wahre Inhalte auszeichnen; Reviews nie erfinden.
• Prüfung nach jedem Relaunch oder Rebranding wiederholen, Search Console beobachten.

Häufige Fragen zur sameAs Schema Validierung

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. Validierungs-Tools und KI-Systeme entwickeln sich laufend weiter; genannte Zahlen stammen aus den verlinkten Quellen und der eigenen Stichprobe und können sich ändern.