Was strukturierte Daten sind

Schema.org ist ein gemeinsames Vokabular, mit dem sich Inhalte maschinenlesbar auszeichnen lassen: Diese Seite beschreibt eine Organisation, jene einen Artikel mit diesem Autor und jenem Datum. Technisch umgesetzt wird das heute fast immer als JSON-LD - ein Skriptblock im Seitenkopf, der die Fakten explizit als Daten liefert, statt sie im Fließtext zu verstecken.

Für klassische Suchmaschinen erzeugt das Rich Snippets. Für generative Systeme leistet es etwas anderes - und wichtigeres.

Warum das für KI zählt

Ein Sprachmodell muss aus unstrukturiertem Text ableiten, was Entität ist und was Attribut. Das gelingt meist, aber nicht immer - und gerade bei Zahlen, Namen und Beziehungen entstehen Fehler. Strukturierte Daten nehmen dem System dieses Raten ab: Sie liefern die Fakten in eindeutiger, unmissverständlicher Form. Drei Effekte sind für GEO entscheidend:

  • Entitäten-Klarheit: Schema macht explizit, wer oder was das Thema ist - und verknüpft es über sameAs mit bekannten Referenzen wie Wikipedia oder LinkedIn. Das schärft die Entität, an der KI-Systeme Vertrauen festmachen.
  • Fakten-Extraktion: Preise, Öffnungszeiten, Autoren, Daten - als strukturierte Felder werden sie zuverlässiger korrekt übernommen als aus dem Fließtext geschätzt.
  • Beziehungs-Kontext: Schema beschreibt nicht nur Objekte, sondern ihre Verbindungen - welcher Autor zu welcher Organisation gehört, welches Produkt zu welcher Marke.
Wichtige Einordnung

Strukturierte Daten ersetzen guten Inhalt nicht - sie präzisieren ihn. Das Schema muss exakt das abbilden, was auf der Seite sichtbar steht. Markup, das etwas anderes behauptet als der sichtbare Inhalt, ist im besten Fall wirkungslos und im schlechtesten schädlich.

Die Schema-Typen, die für GEO zählen

Organization & Person

Das Fundament jeder Entitäten-Arbeit. Organization definiert die Marke - Name, Logo, Kontaktdaten, sameAs-Profile. Person macht Autoren als Entitäten greifbar, inklusive jobTitle und Verknüpfung zur Organisation. Zusammen bilden sie das Rückgrat für E-E-A-T-Signale.

Article & Author

Für jeden Inhalt: Wer hat wann was geschrieben? Die Verbindung von Article zu einem echten Person-Autor ist eines der klarsten Kompetenzsignale, die eine Seite senden kann.

Product & Offer

Im E-Commerce die Basis für KI-Shopping: strukturierte Produktdaten mit Preis, Verfügbarkeit und Bewertungen sind die Grundlage dafür, in generativen Shopping-Antworten korrekt aufzutauchen.

FAQPage & HowTo

Frage-Antwort- und Schritt-für-Schritt-Strukturen entsprechen fast eins zu eins dem Format, in dem KI-Systeme antworten. Sauber ausgezeichnet, sind sie besonders leicht zu extrahieren.

BreadcrumbList

Vermittelt die Position einer Seite in der Site-Struktur - Kontext, der Systemen hilft, Themen und Hierarchien einzuordnen.

Der @graph: Fakten verbinden statt stapeln

Der größte Hebel liegt nicht in einzelnen Typen, sondern in ihrer Verknüpfung. Über @graph und @id lassen sich Entitäten miteinander verbinden: Der Artikel verweist auf denselben Autor, den die Organisation als Mitarbeiter führt; die Person verweist per sameAs auf externe Profile. So entsteht ein konsistentes Faktennetz statt isolierter Datenschnipsel - genau die Konsistenz, an der generative Systeme Vertrauen festmachen.

{
  "@context": "https://schema.org",
  "@graph": [
    { "@type": "Person", "@id": "#person",
      "name": "...", "jobTitle": "...",
      "sameAs": ["https://de.wikipedia.org/...", "https://www.linkedin.com/..."] },
    { "@type": "Article",
      "author": { "@id": "#person" },
      "datePublished": "..." }
  ]
}

Häufige Fehler

  • Markup ohne Deckung: Schema behauptet Dinge, die auf der Seite nicht stehen. Der schnellste Weg, Vertrauen zu verspielen.
  • Isolierte Blöcke: Jeder Typ für sich, ohne @id-Verknüpfung - die Beziehungen bleiben ungenutzt.
  • Veraltete Daten: Preise oder Öffnungszeiten im Schema, die nicht mehr stimmen - schlechter als kein Markup.
  • sameAs vergessen: Ohne Verweise auf bekannte Referenzen bleibt die Entität für Systeme schwerer eindeutig zuzuordnen.

Fazit

Strukturierte Daten sind in der KI-Suche kein Kosmetik-, sondern ein Klarheits-Werkzeug: Sie sagen Maschinen präzise, was gilt und wie es zusammenhängt. Der Aufwand ist überschaubar, das Risiko bei sauberer Umsetzung null - und der Nutzen wächst mit jedem System, das strukturierte Fakten bevorzugt. Als Teil einer GEO-Strategie gehört Schema.org zur technischen Pflicht, nicht zur Kür. Wie man prüft, ob die Arbeit wirkt, zeigt die Prompt-Set-Methodik.