Zuletzt aktualisiert am
Schema Markup für GEO: Welche strukturierten Daten KI-Suchmaschinen verstehen
Das Wichtigste in Kürze
8,6 statt 6,6 von 10.
Das ist der Unterschied, den Schema Markup bei ChatGPT macht. Die Aiso-Studie hat zwei identische Websites verglichen — gleicher Content, gleiches Design, gleiche Informationen. Der einzige Unterschied: Eine hatte umfassendes Schema Markup, die andere nicht. ChatGPTs Antwortqualität stieg um 30 % — in Genauigkeit, Vollständigkeit und Quellenangabe (Aiso, 2025).
Und das ist nicht die einzige Studie. Google Search Central zeigt: Seiten mit validem Schema sind 27 % wahrscheinlicher in AI Overviews. Gemini zitiert Seiten mit Schema 3,1× häufiger (Google I/O 2026). Content mit korrektem Schema Markup hat eine 2,5× höhere Chance, in KI-generierten Antworten zu erscheinen (Erlin.ai).
Schema Markup für GEO ist nicht optional. Es ist die technische Grundlage, auf der KI-Suchmaschinen entscheiden, ob sie deinen Content verstehen, vertrauen und zitieren. Google und Microsoft haben das im März 2025 öffentlich bestätigt — Ryan Levering (Google): „Structured data is critical for modern search features.“ Fabrice Canel (Bing): „Schema Markup helps Microsoft’s LLMs understand content.“
Die Nutzerzahlen der KI-Suchmaschinen findest du in unserem GEO-Statistiken-Artikel. Wie KI-Suchmaschinen technisch funktionieren, erklärt unser vollständiger GEO-Guide. Dieser Artikel zeigt dir, welche Schema-Typen KI-Suchmaschinen tatsächlich nutzen — und wie du sie implementierst.
Sie parsen es nicht — sie absorbieren es.
LLMs verarbeiten strukturierte Daten anders als klassische Suchmaschinen. Während Google JSON-LD nach strikten Regeln validiert, interpretieren KI-Systeme Schema Markup flexibler — als Teil ihres internen Knowledge Graphs. Der Prozess läuft in 6 Schritten (Szymon Slowik):
| Schritt | Was passiert | Warum es für GEO wichtig ist |
|---|---|---|
| 1. Extraktion | JSON-LD-Blöcke auf der Seite identifizieren | JSON-LD ist am einfachsten zu extrahieren — kein HTML-Parsing nötig |
| 2. Flexibles Parsing | Kontextuelles Interpretieren (weniger streng als Google) | Auch „nicht perfektes“ Schema wird von KI verarbeitet |
| 3. Entity Mapping | Attribute und Beziehungen zwischen Entitäten verbinden | Organization → Person → Article = Vertrauenskette |
| 4. Identifier Linking | sameAs, @id und identifier für Querverweise nutzen | Verknüpft dich mit Wikipedia, LinkedIn, Knowledge Graph |
| 5. Knowledge Graph Integration | Geparste Daten in internes Verständnis einbetten | Dein Schema wird Teil des „Wissens“ der KI |
| 6. Retrieval Reuse | Strukturierte Fakten als Grounding für Antworten nutzen | KI zitiert Schema-Daten für faktische Aussagen |
SearchVIU hat experimentell nachgewiesen: Kein KI-Chatbot liest JSON-LD während des Live-Seitenabrufs. Schema wirkt indirekt — über den Suchmaschinen-Index. Google indexiert dein Schema, baut daraus seinen Knowledge Graph, und AI Overviews sowie andere KI-Features greifen darauf zurück. Gemini ist das einzige System mit JavaScript-Rendering-Support.
Das bedeutet: Schema Markup für GEO funktioniert über den Umweg der Suchmaschinen-Indexierung. Ohne Google-Indexierung kein Schema-Effekt in AI Overviews. Die technischen Grundlagen — Crawler-Konfiguration, robots.txt — haben wir in unserem robots.txt Guide für KI-Crawler behandelt.
Nicht alle 900+ Schema-Typen sind relevant.
Schema.org definiert über 900 Typen. Für GEO sind 8 davon entscheidend — basierend auf den Daten von WPRiders, SchemaApp, Search Engine Land und den offiziellen Dokumentationen von Google, OpenAI und Anthropic:
Seiten mit FAQPage Schema sind 3,2× wahrscheinlicher in Google AI Overviews (Frase.io). 78 % der KI-generierten Antworten enthalten Listenformate — FAQ passt perfekt. KI-Plattformen extrahieren FAQ-Daten aktiv, weil es den interpretativen Aufwand reduziert.
Wichtig: Seit August 2023 zeigt Google FAQ Rich Results nur noch für Regierungs- und Gesundheitsseiten. Aber der Schema-Wert für KI-Verständnis bleibt bestehen — FAQPage hilft ChatGPT, Perplexity und Claude, Frage-Antwort-Paare zu extrahieren.
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "Was ist Schema Markup für GEO?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Schema Markup für GEO ist die Implementierung strukturierter Daten, die KI-Suchmaschinen dabei hilft, Inhalte zu verstehen, einzuordnen und zu zitieren."
}
}]
}Etabliert dein Unternehmen als verifizierte Entität. Die sameAs-Property verbindet dich über Plattformen hinweg — LinkedIn, Wikipedia, Wikidata. Das gibt KI-Systemen Vertrauen in die Legitimität deiner Marke. Grundlage für alle anderen Schema-Typen.
Verbindet Personen mit Qualifikationen, Publikationen und Positionen. Properties wie jobTitle, knowsAbout, alumniOf und worksFor machen E-E-A-T maschinenlesbar. Für KI-Systeme ist Person Schema der direkteste Weg, Autoren-Autorität zu erkennen.
headline, author, datePublished, dateModified, publisher — diese Properties helfen KI, den Kontext deines Contents zu verstehen. Verknüpft mit Person Schema und Organization Schema entsteht eine Vertrauenskette: „Dieser Artikel wurde von diesem Experten bei diesem Unternehmen veröffentlicht.“
Produkte mit Schema erscheinen 3-5× häufiger in KI-Shopping-Empfehlungen. Product Schema mit GTIN, Preis, Bewertungen und Verfügbarkeit liefert KI alles, was sie für Vergleiche und Empfehlungen braucht. CTR-Peak: +74,1 % (Semrush 2026).
Definiert dein Angebot, Servicegebiet und Leistungen. Für B2B-Dienstleister und Agenturen besser geeignet als Product Schema — weil Services keine Preise im Regal haben, sondern Leistungspakete. Properties: serviceType, areaServed, provider, serviceOutput.
2,7× Local Pack Visibility Boost (BrightLocal, 14.500 Profile). Kombiniert Organization und Place Properties. Nutze spezifische Subtypen (LegalService, Restaurant, SecurityService) statt des generischen LocalBusiness — KI-Systeme bevorzugen Präzision.
+44,6 % AI Panel Präsenz (Bazaarvoice/Conductor). Echte Kundenbewertungen mit Durchschnittsnote, Anzahl und Autor — maschinenlesbar. Wichtig: Nur First-Party-Reviews verwenden, die auf der eigenen Seite sichtbar sind. Schema-Daten dürfen dem sichtbaren Content nicht widersprechen.
Wie sich diese Schema-Typen auf die einzelnen KI-Plattformen auswirken, haben wir plattformspezifisch analysiert: Google AI Overviews, ChatGPT, Perplexity.
89,4 % Marktanteil.
JSON-LD dominiert — und das aus guten Gründen (W3Techs, Februar 2026):
| Format | Marktanteil | Google-Empfehlung | KI-Verarbeitung |
|---|---|---|---|
| JSON-LD | 89,4 % | Bevorzugt | Am einfachsten |
| Microdata | 8,1 % | Unterstützt | Schwieriger |
| RDFa | Gering | Unterstützt | Schwieriger |
Google bestätigte 2019: „We currently prefer JSON-LD markup“ und „most of the new structured data kind of come out for JSON-LD first.“ Für KI-Systeme ist JSON-LD das einfachste Format — es liegt als separater Block im <head>, getrennt vom HTML. Kein Parsing von verschachteltem Markup nötig.
Für GEO bedeutet das: Implementiere ausschließlich JSON-LD. Microdata und RDFa funktionieren technisch, aber JSON-LD ist für KI-Systeme am effizientesten zu verarbeiten. Jedes Plugin (Rank Math, Yoast) generiert standardmäßig JSON-LD.
1,3 Milliarden Entitäten.
So groß ist Googles Knowledge Graph (SMX Advanced 2026). 34 % der Entity-Attribution läuft über den Knowledge Graph. Und der Schlüssel dazu: sameAs — die Property, die deine Entität mit autoritativen externen Quellen verknüpft.
sameAs sagt KI-Systemen: „Das bin ich — und hier sind die Beweise.“ Eine Verknüpfung mit Wikipedia, LinkedIn, Wikidata oder Branchenverzeichnissen gibt KI-Modellen die Sicherheit, dass dein Unternehmen real, verifiziert und zitierwürdig ist.
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://growsta.de/#organization",
"name": "Growsta",
"url": "https://growsta.de",
"sameAs": [
"https://www.linkedin.com/company/growsta",
"https://www.instagram.com/growsta.de/"
]
}
Du willst wissen, ob dein Schema Markup für KI-Suchmaschinen optimiert ist?
In unserer kostenlosen GEO-Analyse prüfen wir dein Schema Markup, deine robots.txt-Konfiguration und deine Sichtbarkeit über alle KI-Plattformen.
→ Jetzt kostenlose GEO-Analyse anfordern
Während sameAs nach außen verlinkt, verknüpft @id Entitäten innerhalb deiner Website. Eine konsistente @id-Struktur — z.B. https://growsta.de/#organization, https://growsta.de/team/sami#person — ermöglicht KI-Systemen, die Beziehungen zwischen deinem Unternehmen, deinen Mitarbeitern und deinem Content zu verstehen.
Best Practice: Kanonische URL + Fragment-Identifier (#organization, #person). Alle erforderlichen Properties auf jeder Seite eigenständig angeben — Suchmaschinen verarbeiten page-by-page, nicht site-wide.
Die Princeton-Studie hat gezeigt, dass Quellenangaben die KI-Zitationswahrscheinlichkeit um bis zu 115 % steigern. Schema Markup ist die maschinenlesbare Version dieser Quellenangaben. Details in unserem Princeton-Studie Artikel.
62 Millionen Domains nutzen Schema.
Aber die meisten nutzen nur das CMS-Default. Generisches Schema zeigt keinen messbaren Effekt auf KI-Zitationen — attribut-reiches Schema übertrifft generisches um 20 Prozentpunkte (Growthmarshal, 730 Citations analysiert). Die Zahlen im Detail:
| Metrik | Wert | Quelle |
|---|---|---|
| ChatGPT-Antwortqualität mit Schema | +30 % (8,6/10 vs. 6,6/10) | Aiso-Studie |
| Wahrscheinlichkeit in AI Overviews | +27 % | Google Search Central |
| Gemini Zitationsrate mit Schema | 3,1× | Google I/O 2026 |
| KI-Zusammenfassungs-Vorteil | +36 % | WPRiders |
| Chance in KI-Antworten zu erscheinen | 2,5× | Erlin.ai |
| Knowledge Graph LLM-Genauigkeit | +300 % | Data.world |
| FAQPage in AI Overviews | 3,2× wahrscheinlicher | Frase.io |
| Metrik | Wert | Quelle |
|---|---|---|
| CTR-Lift durch Schema | +58,3 % | Semrush (3,2 Mio. SERPs) |
| Product Schema CTR-Peak | +74,1 % | Semrush 2026 |
| Local Pack Visibility Boost | 2,7× | BrightLocal |
| Review Schema AI Panel Präsenz | +44,6 % | Bazaarvoice/Conductor |
| Breadcrumbs CTR-Steigerung | +20-30 % | SE Ranking |
Die Kombination aus GEO-Impact und klassischem SEO-Impact macht Schema Markup zur höchsten ROI-Maßnahme im technischen SEO. Die Unterschiede zwischen GEO und SEO haben wir in unserem GEO vs. SEO Vergleich aufgeschlüsselt.
Falsches Schema ist schlimmer als kein Schema.
Das ist die Kardinalregel. Wenn Schema Fehler hat, kann Google es komplett ignorieren — und KI-Systeme werden konservativer bei der Zitierung. Die 5 häufigsten Fehler aus unserer Praxis:
1. Doppeltes, konfligierendes Markup: Zwei Plugins (z.B. Rank Math + Schema Pro) erzeugen gleichzeitig Schema. Das Ergebnis: Widersprüchliche Deklarationen für dieselbe Seite. Lösung: Nur ein Plugin für Schema nutzen, alle anderen deaktivieren.
2. Schema ohne sichtbaren Content: FAQs im Schema, die nicht auf der Seite sichtbar sind. Bewertungen im Schema, die nirgends angezeigt werden. Google ignoriert Schema, das dem On-Page-Content widerspricht — und kann es als Manipulation werten.
3. Fehlende erforderliche Properties: Product Schema ohne Preis. Article Schema ohne Autor. Event Schema ohne Datum. Unvollständiges Schema ist fast so schlecht wie falsches — KI-Systeme können die Lücken nicht füllen.
4. Generisches CMS-Default-Schema: Growthmarshal hat 730 KI-Zitationen analysiert: Attribut-reiches Schema übertrifft generisches um 20 Prozentpunkte. Das Standard-Schema deines WordPress-Themes reicht nicht — du musst es aktiv befüllen und erweitern.
5. Zu viele Schema-Typen auf einer Seite: Eine Surfer SEO Korrelationsstudie zeigt: Zu viele Schema-Typen korrelieren negativ mit Rankings. Fokussiere dich auf die 2-3 Typen, die zu deiner Seite passen — nicht auf alle 8.
3 Wege, ein Ergebnis.
Rank Math generiert automatisch JSON-LD für Article, Organization, BreadcrumbList und mehr. Für FAQPage und Service Schema musst du die Felder manuell befüllen. Rank Math kann Schema von Yoast importieren — kein Datenverlust bei einem Wechsel.
Yoast erstellt einen „unified semantic graph“ — eine einzige JSON-LD-Struktur pro Seite, die Organization, Content und Autoren verknüpft. Weniger granulare Kontrolle als Rank Math, aber solide Grundlage.
Für maximale Kontrolle: JSON-LD direkt im <head> deiner Seite oder über den Google Tag Manager einbinden. Ideal für komplexe Schema-Strukturen und Custom Post Types.
Schema Markup macht E-E-A-T maschinenlesbar:
Ob SEO in der KI-Ära noch relevant ist, haben wir datenbasiert in Ist SEO tot? analysiert.
Schema allein reicht nicht.
Schema Markup ist ein Baustein deiner GEO-Strategie — aber nicht der einzige. Die größten Ergebnisse erzielst du, wenn Schema, Content-Optimierung, robots.txt-Konfiguration und Plattform-spezifische Maßnahmen zusammenspielen.
| Baustein | Status prüfen | Guide |
|---|---|---|
| Schema Markup | Organization, Person, FAQPage, Article, Service auf allen wichtigen Seiten? | Dieser Artikel |
| robots.txt | Such-Bots erlaubt, Training-Bots blockiert? | robots.txt Guide |
| Content-Struktur | Answer Capsules, Tabellen, FAQ-Sektionen vorhanden? | GEO-Guide |
| Plattform-Optimierung | Sichtbar in ChatGPT, Perplexity, Google AI Overviews? | ChatGPT, Perplexity, AI Overviews |
Die vollständige GEO-Strategie findest du in unserem kompletten GEO-Guide. Und wenn du das nicht allein umsetzen willst: Mehr zu unserer GEO-Agentur.
Schema Markup für GEO (Generative Engine Optimization) ist die Implementierung strukturierter Daten im JSON-LD-Format, die KI-Suchmaschinen wie ChatGPT, Perplexity, Google AI Overviews und Claude hilft, deine Inhalte zu verstehen, einzuordnen und zu zitieren. Es macht Informationen maschinenlesbar — Unternehmensidentität, Autoren-Expertise, FAQ-Antworten, Produkte, Services.
Die 8 wichtigsten: (1) FAQPage — 3,2× wahrscheinlicher in AI Overviews. (2) Organization — digitale Identität. (3) Person — Autoren-Expertise. (4) Article/BlogPosting — Content-Kontext. (5) Product — Ecommerce. (6) Service — Dienstleister. (7) LocalBusiness — lokale Sichtbarkeit. (8) Review/AggregateRating — Social Proof (+44,6 % AI Panel Präsenz).
Nicht direkt — Schema ist kein Ranking-Faktor (John Mueller, 2025). Aber indirekt: +58,3 % CTR durch Rich Snippets (Semrush), +27 % wahrscheinlicher in AI Overviews (Google Search Central), 2,5× höhere Chance in KI-Antworten (Erlin.ai). Die besseren Engagement-Signale wirken sich positiv auf Rankings aus.
JSON-LD hat 89,4 % Marktanteil (W3Techs 2026) und ist Googles offiziell bevorzugtes Format. Für KI-Systeme ist es am einfachsten zu extrahieren — es liegt als separater Block im Head, getrennt vom HTML. Kein Parsing von verschachteltem Markup nötig. Jedes gängige SEO-Plugin (Rank Math, Yoast) generiert JSON-LD standardmäßig.
Ja — unbedingt. Google hat FAQ Rich Results für nicht-gouvernementale Seiten eingestellt (August 2023). Aber der Schema-Wert für KI-Verständnis bleibt: ChatGPT, Perplexity und Claude extrahieren FAQ-Daten aktiv aus dem Schema. FAQPage ist der stärkste Schema-Typ für GEO — 3,2× wahrscheinlicher in AI Overviews (Frase.io).
sameAs ist eine Schema.org-Property, die deine Entität (Unternehmen, Person) mit autoritativen externen Quellen verknüpft — LinkedIn, Wikipedia, Wikidata, Branchenverzeichnisse. KI-Systeme nutzen sameAs für Entity-Verifikation und Knowledge Graph Matching. Es erhöht das Zitationsvertrauen: Die KI weiß, dass du real und verifiziert bist.
Drei Tools: (1) Google Rich Results Test (search.google.com/test/rich-results) — prüft Syntax und Rich Result Eignung. (2) Schema Markup Validator (validator.schema.org) — allgemeine Schema.org Validierung. (3) Google Search Console Enhancement Reports — zeigt wie Google dein Schema tatsächlich liest. Validiere vor UND nach der Veröffentlichung.
Ja — falsches Schema ist schlimmer als kein Schema. Wenn Schema dem sichtbaren Content widerspricht (z.B. Bewertungen im Schema, die nicht auf der Seite sichtbar sind), kann Google das Markup komplett ignorieren. KI-Modelle werden konservativer bei der Zitierung, wenn das Vertrauen niedrig ist. Lieber weniger, aber korrektes Schema.
Für Rich Results: 2-4 Wochen nach Indexierung. Trick: In der Google Search Console die geänderten Seiten zur Neuindexierung einreichen — verkürzt die Zeit auf Tage. Für KI-Sichtbarkeit: Der Effekt ist abhängig vom Indexierungs-Zyklus der jeweiligen Plattform. Google AI Overviews reagieren am schnellsten, ChatGPT und Perplexity nutzen den Bing-Index.
Ja — Rank Math ist eines der besten Plugins für Schema Markup auf WordPress. Es generiert automatisch JSON-LD für Article, Organization, BreadcrumbList und mehr. Für FAQPage und Service Schema musst du die Felder manuell befüllen. Rank Math kann auch Schema von Yoast importieren, falls du wechselst.
Schema für SEO fokussiert auf Rich Results in Google SERPs (Sterne, Preise, FAQs). Schema für GEO fokussiert auf KI-Verständnis — Entity-Verifikation, Fakten-Extraktion, Autoren-Autorität. Die Implementierung ist identisch (JSON-LD), aber bei GEO sind sameAs, Person Schema und attribut-reiches Markup wichtiger als bei klassischem SEO.
