Schema Markup für GEO: Welche Daten LLMs priorisieren

1. Einführung: Was Schema Markup für GEO bedeutet

Google sagt es selbst: Für die Sichtbarkeit in AI Overviews brauchen Sie kein einziges zusätzliches Schema Markup. Dieselbe Firma, die strukturierte Daten seit Jahren predigt, nimmt dem Hype damit die Luft. Trotzdem lohnt sich sauberes Markup für die generative Suche. Warum dieser scheinbare Widerspruch kein Widerspruch ist, klärt dieser Leitfaden. Und er zeigt, welche strukturierten Daten wirklich zählen, wenn ein Sprachmodell Ihre Seite liest.

Schema Markup für GEO ist strukturierter Code nach dem Schema.org-Vokabular, der Suchmaschinen und KI-Systemen die Bedeutung einer Seite maschinenlesbar erklärt. Es macht Entitäten (eindeutig identifizierbare Dinge: Ihre Firma, ein Produkt, eine Person), Autoren und Inhalte eindeutig, statt sie erraten zu lassen. Für die generative Suche zählt dabei nicht ein Trick, sondern die widerspruchsfreie Auszeichnung echter Inhalte. So versteht das KI-System schneller, worum es geht. Was ein Sprachmodell beim Lesen tatsächlich bewertet, vertiefen wir in unserem Grundlagenartikel zur generativen Suche.

Der Unterschied klingt technisch. Für Ihre Sichtbarkeit ist er es nicht.

Ein Mensch liest Ihre Seite und versteht aus dem Zusammenhang, dass „Merkur“ hier die Bank meint und nicht den Planeten. Ein KI-System benötigt dafür ein Signal. Genau das liefern strukturierte Daten. Das Fundament dieser Eindeutigkeit wird von der Knowledge-Graph-Optimierung gelegt. Ein Knowledge-Graph ist das Faktennetz, aus dem Suchmaschinen und KI-Systeme ihr Wissen über Ihr Unternehmen ziehen, und Ihre Marke wird durch die Optimierung überhaupt erst darin verankert. Schema Markup ist dann das Werkzeug, mit dem Sie diese Fakten auf jeder Seite bestätigen.

Was das für Sie heißt: Wenn Ihre Webseite bislang ohne diese unsichtbaren Zusatzangaben läuft, verstehen Suchmaschinen und Chat-Assistenten Ihr Angebot langsamer und ungenauer als das eines Wettbewerbers, der seine Seiten sauber ausgezeichnet hat. Im Zweifel landet dann der andere Anbieter in der Antwort, nicht Sie. Der erste Schritt: Prüfen Sie mit einem kostenlosen Online-Test, ob Ihre wichtigsten Seiten bereits solche Zusatzangaben tragen.

2. Warum Schema Markup zählt: Und wo der Hype übertreibt

Strukturierte Daten sind eine Auszeichnungssprache für Bedeutung. Sie schreiben nicht nur „Text auf einer Seite“, sondern „das hier ist eine Organisation, das ihr Name, das ihre Gründerin“. Google beschreibt den Zweck nüchtern:

„Google uses structured data that it finds on the web to understand the content of the page, as well as to gather information about the web and the world in general.“
(„Google nutzt strukturierte Daten, die es im Web findet, um den Inhalt der Seite zu verstehen und Informationen über das Web und die Welt im Allgemeinen zu sammeln.“)

So steht es in der Einführung von Google Search Central. Der letzte Halbsatz ist der wichtige. Strukturierte Daten füttern nicht nur die Suchergebnisse, sie füttern das Weltwissen des KI-Systems. Und aus diesem Weltwissen wird von Large Language Models geschöpft, wenn sie eine Antwort formulieren.

Hier setzt Generative Engine Optimization an. Bevorzugt zitiert wird, was ein Sprachmodell eindeutig einordnen kann. Ein Autor mit klarer Person-Auszeichnung, eine Organisation mit stabiler Kennung, eine Frage mit sauberem FAQ-Schema: Durch solche Signale wird die Rechenlast des Modells gesenkt und die Chance erhöht, als Quelle genannt zu werden. Durch Schema Markup werden Ihre Inhalte semantisch greifbar gemacht. Es ordnet sie ein, statt nur auf Keywords zu setzen.

Jetzt die unbequeme Wahrheit, die viele Ratgeber verschweigen. Schema Markup ist kein Zauberschalter für KI-Sichtbarkeit. Für die AI Overviews in der Google Suche stellt der Konzern klar:

„There’s also no special schema.org structured data that you need to add.“
(„Es gibt auch keine speziellen strukturierten Daten von schema.org, die Sie hinzufügen müssen.“)

Diese Aussage stammt aus der Google-Dokumentation zu KI-Funktionen und Ihrer Website. AI Overviews und der AI Mode greifen auf denselben Index wie die normale Suche zu. Google muss Ihre Seite also regulär indexieren können, sie muss mit einem Snippet ausspielbar sein, mehr verlangt der Konzern technisch nicht. Wer glaubt, ein neues Schema-Feld schalte KI-Sichtbarkeit frei, sitzt einem Missverständnis auf. Sauberes Markup bleibt trotzdem ein Baustein solider Suchmaschinenoptimierung.

Beide Aussagen widersprechen sich nicht. Schema Markup verschafft Ihnen keinen geheimen KI-Bonus. KI-Systemen wird dadurch aber geholfen, Ihre Inhalte korrekt zu verstehen, und genau dieses Verständnis ist die Voraussetzung dafür, überhaupt zitiert zu werden. Der Nutzen ist real, nur indirekt. Er wirkt über Klarheit, nicht über einen Trick.

Kurz und zitierfähig: Schema Markup ist für GEO wertvoll, weil es KI-Chatbots hilft, Inhalte eindeutig zu verstehen und ins Weltwissen aufzunehmen. Es ist aber keine Pflichtzutat für AI Overviews. Google verlangt dafür kein spezielles Markup. Der Hebel liegt in sauberer Auszeichnung echter Inhalte, nicht in einem versteckten Schalter.

3. Welche strukturierten Daten LLMs priorisieren

Das Schema.org-Vokabular umfasst laut eigener Übersicht 823 Typen und 1.529 Eigenschaften. Niemand braucht alle. Gerade für KMU und den Mittelstand zählt eine kleine, klar priorisierte Auswahl statt technischer Vollständigkeit. Drei Ebenen haben sich bewährt: das Fundament, die Kontext-Geber und die Spezialfälle. Nicht jeder Schema-Typ passt zu jeder Seite. Der Typ ist so zu wählen, dass er den echten Inhalt abbildet.

Das Fundament: Organization und Article

Zwei Typen tragen fast jede Seite. Organization beschreibt Ihre Marke als Entität: Name, Logo, offizielle Profile. Article oder BlogPosting beschreibt einen redaktionellen Beitrag samt Autor und Datum. Das Feld datePublished etwa sagt dem KI-System, wie frisch eine Aussage ist. Beide Typen sind das semantische Rückgrat, auf dem alles andere aufsetzt. Ohne sie bleibt Ihre Seite für ein Modell ein Textblock ohne Absender. Wie solche Signale auf E-E-A-T für die KI-Suche einzahlen, wird in unserem Beitrag zur Autoritätsmessung erklärt.

Die Kontext-Geber: FAQPage, HowTo und Person

Diese Typen liefern in sich geschlossene Häppchen, die ein Sprachmodell direkt übernehmen kann. FAQPage kapselt Frage und Antwort in einem extrahierbaren Block. HowTo gliedert eine Anleitung in klare Schritte. Person und Author machen sichtbar, wer hinter einem Text steht, ein starkes E-E-A-T-Signal. Wichtig bleibt die Ehrlichkeit: FAQ-Schema sollte nur auf Seiten eingesetzt werden, die echte FAQs zeigen. Erfundene Fragen für einen Rich-Snippet-Effekt fallen auf.

Ein Sonderfeld verdient Beachtung. Die Eigenschaft sameAs (verknüpft Ihre Marke mit ihren echten Online-Profilen) verbindet Ihre Organization mit externen Referenzen wie Wikidata (einer freien, auch von Google genutzten Wissensdatenbank) oder Ihren offiziellen Profilen. Sie ist wie drei Ausweise, die eine Person zweifelsfrei machen: Reisepass, Führerschein, Meldebescheinigung. Erst zusammen lassen sie keine Verwechslung mehr zu.

Die Spezialfälle: Product und LocalBusiness

Product zeichnet Preise und Verfügbarkeit aus, LocalBusiness die Adresse und Öffnungszeiten eines Standorts. Durch diese Markups werden Rich Snippets erzeugt, die direkt in den Suchergebnissen erscheinen. Sie zünden aber nur, wenn sie zum Geschäftsmodell passen. Ein Beratungsunternehmen ohne Ladenlokal benötigt kein LocalBusiness-Schema. Google dokumentiert in seiner Search Gallery über 30 solcher Rich-Result-Typen. Wählen Sie die zwei bis drei, die Ihre Seiten wirklich beschreiben.

Kurz und zitierfähig: LLMs priorisieren strukturierte Daten, die echte Inhalte eindeutig einordnen. Organization und Article bilden das Fundament, FAQPage, HowTo und Person liefern zitierfähigen Kontext, Product und LocalBusiness decken Spezialfälle ab. sameAs verankert Ihre Marke in externen Wissensquellen. Entscheidend ist nicht die Menge der Typen, sondern ihre Passung zum realen Inhalt.

4. Schritt für Schritt: Schema Markup für GEO umsetzen

Einen Königsweg für Schema Markup gibt es nicht. Eine bewährte Reihenfolge wird dabei aber eingehalten. Fünf Schritte bringen Sie von der leeren Seite zu validem, gepflegtem Markup. Sie brauchen dafür keine tiefe Programmiererfahrung.

Schritt 1: Die richtigen Seiten auswählen

Beginnen Sie mit Ihren wichtigsten Seiten: Startseite, Über-uns-Seite, die stärksten Ratgeber. Ordnen Sie jeder Seite genau den Typ zu, der ihren Inhalt beschreibt. Die Startseite trägt Organization, ein Ratgeber trägt Article, eine Anleitung HowTo. Diese Zuordnung ist die halbe Miete.

Schritt 2: JSON-LD (ein Code-Format für strukturierte Daten) schreiben oder per Plugin erzeugen

Nutzen Sie JSON-LD. Google empfiehlt dieses Format ausdrücklich, weil es am leichtesten gepflegt werden kann und den sichtbaren Inhalt nicht anfasst. Es sitzt als Script-Block im Quelltext, getrennt vom Text. Wer nicht selbst programmieren will, greift zu Plugins wie Yoast SEO, Rank Math oder SEOPress, die JSON-LD automatisch erzeugen. Microdata und RDFa sind für Google technisch gleichwertig, aber unhandlicher in der Wartung.

Schritt 3: Entitäten mit sameAs verknüpfen

Ergänzen Sie im Organization-Block eine stabile @id und sameAs-Verweise auf Ihre offiziellen Profile und Ihren Wikidata-Eintrag. Diese Verknüpfung hebt Ihre Marke aus dem Textrauschen in einen Knowledge Graph. Ebenso wichtig sind konsistente Nennungen außerhalb Ihrer Seite. Redaktionelle internationale Pressemitteilungen erzeugen genau solche Ko-Nennungen. Sie wirken wie Citations, die Ihr Schema-Signal von außen bestätigen. Markup allein bleibt eine Behauptung; erst durch externe Belege wird sie glaubwürdig gemacht.

Schritt 4: Mit dem Rich Results Test validieren

Kein Markup geht ungeprüft live. Zwei kostenlose Tools decken Fehler auf. Der Schema Markup Validator von schema.org prüft die reine Syntax gegen das Vokabular. Der Google Rich Results Test zeigt, ob eine Seite für Rich Results in Google infrage kommt. Die Google Search Console meldet später Fehler über alle Seiten hinweg. Erst nach grüner Validierung wird das Markup veröffentlicht.

Schritt 5: Gegen Content Drift überwachen

Schema Markup ist kein Projekt mit Enddatum. Google erweitert das Vokabular laufend. Am 7. Juli veröffentlichte Search Central etwa neue Vorgaben zur Eigenschaft Product.category. In unseren GEO-Audits sehen wir regelmäßig ein anderes Problem: Marken spielen valides Markup aus, dessen Inhalt aber vom sichtbaren Text abweicht. Content Drift ist wie eine Speisekarte, die draußen ein Gericht bewirbt, das die Küche längst gestrichen hat. Am besten prüft man das eigene Markup deshalb in festen Abständen gegen den echten Seiteninhalt. Ein GEO-Audit macht diese Wirkung messbar und zeigt, welche Seiten nachziehen müssen.

Kurz und zitierfähig: Schema Markup für GEO entsteht in fünf Schritten. Wählen Sie die richtigen Seiten, setzen Sie JSON-LD ein, verknüpfen Sie Entitäten per sameAs, validieren Sie mit dem Rich Results Test und überwachen Sie das Markup gegen Content Drift. Erst die Pflege macht aus einmaligem Code ein dauerhaftes Signal.

5. Häufige Fehler: Was Schema Performance bremst

Schema Markup verzeiht wenig. Die meisten Probleme entstehen nicht durch fehlenden Code, sondern durch nachlässigen. Diese fünf Fehler sehen wir am häufigsten:

• Content Drift: Das Markup behauptet etwas, das der sichtbare Text nicht mehr deckt. Bei einem als „verfügbar“ ausgezeichneten Produkt, das längst ausverkauft ist, wird Vertrauen bei Mensch und KI-System verspielt.
• Fake Schema: FAQPage auf einer Seite ohne echte FAQs. Solche Auszeichnungen widersprechen den Richtlinien und können abgestraft werden.
• Falscher Typ: Ein Schema-Typ, der nicht zum Inhalt passt, verwirrt statt zu klären. Product gehört nicht auf einen Ratgeber.
• Unvollständige Felder: Fehlen Pflichtangaben, verwirft die Suchmaschine das Markup ganz oder teilweise. Vollständigkeit schlägt Menge.
• Mehrere @id für eine Entität: Werden je Unterseite neue Kennungen vergeben, wird die Marke in Duplikate zerlegt, statt eine klare Referenz aufzubauen.

Auch Microsoft spielt mit. Bing unterstützt JSON-LD ebenso und liest dieselben strukturierten Daten. Da Bing die Datenbasis von Microsoft Copilot bildet, wirkt sauberes Markup über Google hinaus. Sie werden von einem Fehler also nicht nur in einer, sondern gleich in mehreren Suchmaschinen wie Google und Bing ausgebremst.

6. Fazit: Eindeutigkeit schlägt Trick

Schema Markup für GEO ist kein Geheimcode, der KI-Sichtbarkeit freischaltet. Es ist Fleißarbeit an der Klarheit. Google verlangt für AI Overviews kein spezielles Markup, belohnt aber saubere, verständliche Inhalte. Genau diese Verständlichkeit liefern strukturierte Daten. Sie verwandeln einen Textblock in klar benannte Fakten. Wohin diese Fakten am Ende fließen, beschreibt unser Beitrag dazu, was ein Knowledge Graph ist.

Denken Sie an das Etikett auf einer Konservendose. Der Inhalt bleibt gleich, doch die Kasse liest den Code in Sekunden. Schema Markup ist dieses Etikett für Ihre Inhalte.

Wer die richtigen Typen wählt, sie ehrlich befüllt und gegen Drift pflegt, gibt KI-Systemen die Landkarte, die sie benötigen. Der Lohn ist ein leiser, aber spürbarer Vorteil: Wenn ChatGPT oder Google die nächste Antwort bauen, kann Ihre Seite obenauf platziert werden, sauber beschriftet, bereit zum Zitieren. Kein Trick hat Sie dorthin gebracht, sondern Ordnung.

7. Anhang: Checkliste für Ihr Schema Markup

Diese Punkte decken die Kernarbeit ab. Sie taugen als Vorlage für das nächste Review Ihrer Website:

• Typ-Passung: Jede Seite trägt den Schema-Typ, der ihren Inhalt wirklich beschreibt, nicht mehr.
• Format: Strukturierte Daten als JSON-LD, sauber vom sichtbaren Text getrennt.
• Entitäten: Organization mit stabiler @id, sameAs auf gepflegte Profile und Wikidata.
• Validierung: Schema Markup Validator und Google Rich Results Test grün, bevor das Markup live geht.
• Pflege: Markup regelmäßig gegen den echten Seiteninhalt prüfen und bei Vokabular-Änderungen aktualisieren.

Häufige Fragen zu Schema Markup für GEO

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. Suchmaschinen, KI-Systeme und das Schema.org-Vokabular entwickeln sich schnell; alle genannten Zahlen und Vorgaben sind den verlinkten Quellen entnommen und können sich ändern.