Erste Schritte
Schema Markup für KI: So machst du Content maschinenlesbar
Schema Markup ist der Code, der Maschinen hilft, deine Inhalte zu verstehen. Für KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews wird es immer wichtiger. Hier lernst du, welche Schema-Typen du brauchst und wie du sie implementierst.
Was ist Schema Markup?
Schema Markup (auch: Structured Data) ist ein standardisiertes Vokabular, das Webseiteninhalte für Maschinen beschreibt. Es sagt Suchmaschinen und KI-Systemen nicht nur, was auf der Seite steht – sondern was es bedeutet.
Beispiel: Ohne Schema sieht eine Maschine nur Text. Mit Schema versteht sie: „Das ist ein Produkt, es kostet 99€, hat 4.5 Sterne und ist auf Lager.“
„Schema Markup ist wie ein Übersetzer zwischen deinem Content und der KI. Je besser die Übersetzung, desto besser versteht die KI deine Inhalte.“
Warum Schema für KI-Sichtbarkeit wichtig ist
Schema Markup war schon für SEO relevant. Für GEO wird es noch wichtiger:
Bessere Informationsextraktion
KI-Systeme können strukturierte Daten leichter extrahieren und in Antworten einbauen.
Höhere Vertrauenswürdigkeit
Strukturierte Daten signalisieren: Diese Quelle ist professionell und zuverlässig.
Kontext-Verständnis
Schema hilft KI zu verstehen, in welchem Kontext deine Marke relevant ist.
AI Overviews & Rich Results
Google nutzt strukturierte Daten als starkes Signal für Rich Results – und indirekt für KI-Zusammenfassungen.
Die wichtigsten Schema-Typen für AI Visibility
Nicht jedes Schema ist gleich relevant. Diese Typen solltest du priorisieren:
1) Organization
Definiert dein Unternehmen: Name, Logo, Kontaktdaten, Social Profiles. Essentiell für Brand-Abfragen.
2) FAQPage
Ideal für direkte Antworten: Frage-Antwort-Paare, die Systeme sehr gut extrahieren können.
3) HowTo
Für Anleitungen/Tutorials. Schritt-für-Schritt ist sehr „maschinenfreundlich“.
4) Product + Offer + AggregateRating
Für Produkt-/SaaS-Seiten: Name, Preis, Verfügbarkeit, Ratings – zentrale Signale für Vergleiche.
5) Article
Für Blog/News: Autor, Datum, Publisher – wichtig für Aktualität und Autorschaft.
Schema-Formate: JSON-LD ist der Standard
Es gibt drei Formate für Schema Markup. Für die Praxis gilt: JSON-LD ist der Default.
JSON-LD (empfohlen)
Im Head als Script eingebunden, leicht zu warten, robust gegen Layout-Änderungen.
Microdata
Direkt im HTML, aber deutlich fehleranfälliger (Änderungen im Markup brechen schnell das Schema).
RDFa
Heute selten – in den meisten Projekten nicht nötig.
Schritt-für-Schritt: Schema implementieren
Schritt 1: Schema-Typ wählen
Homepage → Organization. Blog → Article. FAQ → FAQPage. Produkt → Product.
Schritt 2: JSON-LD erstellen
Schritt 3: Einbinden
In Next.js typischerweise in der Layout-/Page-Komponente oder per zentralem SEO-Block.
Schritt 4: Validieren
Prüfe auf Fehler/Warnungen und stelle sicher, dass Pflichtfelder gesetzt sind.
Schritt 5: Monitoren
Änderungen regelmäßig prüfen, insbesondere bei Templates, Preisen, Ratings oder Autorenangaben.
Häufige Fehler vermeiden
- ✗Pflichtfelder fehlen: Required Properties sauber setzen.
- ✗Inkonsistente Daten: Schema darf nicht dem sichtbaren Content widersprechen.
- ✗Veraltete Infos: Preise, Availability, Ratings aktuell halten.
- ✗Over-Markup: Fokus auf Seiten, die wirklich Antworten/Comparisons bedienen.
Point of Truth
Schema Markup ist kein „SEO-Extra“ mehr – es ist ein Fundament für maschinenlesbare Inhalte. Wer sauber strukturiert, wird leichter verstanden, extrahiert und zitiert.
Starte pragmatisch mit Organization + Article + FAQPage, validiere regelmäßig und erweitere entlang der Seiten, die wirklich Sichtbarkeit erzeugen.
Prüfe, ob strukturierte Daten deine AI Visibility verbessern
Nutze das Tool für den Realitätscheck – und die Methodik als Referenz, bevor du Maßnahmen priorisierst.
Optional: Account erstellen