Zuletzt aktualisiert am
Schema Markup für KI: Welche strukturierten Daten KI-Suchmaschinen verstehen
Das Wichtigste in Kürze
Schema Markup für KI ist die Auszeichnung deiner Inhalte mit strukturierten Daten, damit KI-Suchmaschinen wie ChatGPT, Perplexity, Gemini und Google AI Overviews verstehen, worum es auf einer Seite geht — wer der Absender ist, welche Fragen beantwortet werden und wie die Informationen zusammenhängen.
Schema Markup (auf Basis des Vokabulars von schema.org) übersetzt sichtbaren Text in ein maschinenlesbares Format. Klassische Suchmaschinen nutzen diese Daten seit Jahren für Rich Results. KI-Suchmaschinen gehen einen Schritt weiter: Sie extrahieren strukturierte Daten, um Entitäten (Personen, Marken, Produkte) zu erkennen und Inhalte präziser in ihren Antworten zu zitieren.
Dieser Artikel zeigt dir technisch und ohne Marketing-Versprechen, welche Schema-Typen für KI-Sichtbarkeit relevant sind, wie KI-Systeme sie verarbeiten und wie du sie mit fertigen JSON-LD-Vorlagen selbst implementierst und validierst.
Wie KI-Suchmaschinen grundsätzlich funktionieren, erklärt unser vollständiger GEO-Guide. Aktuelle Nutzungszahlen der KI-Suchmaschinen findest du in den GEO-Statistiken.
Damit du die richtigen Schema-Typen einsetzt, hilft es zu verstehen, was technisch passiert. KI-Suchmaschinen durchlaufen vereinfacht vier Schritte:
<script type="application/ld+json">-Blöcke.Organization, Person und Properties wie sameAs verknüpfen deinen Inhalt mit bekannten Entitäten in Wissensgraphen. So ordnet die KI ein, wer etwas sagt und wie vertrauenswürdig die Quelle ist.Strukturierte Daten ersetzen guten Content nicht — sie machen ihn maschinell eindeutig. Genau das ist der Unterschied zwischen „die KI versteht ungefähr, worum es geht“ und „die KI weiß genau, wer du bist und was du beantwortest“. Ein verwandtes, oft überschätztes Format ist llms.txt — wir zeigen datenbasiert, wie du llms.txt richtig einsetzen kannst.
schema.org definiert über 900 Typen. Für KI-Sichtbarkeit sind die folgenden acht in der Praxis am wichtigsten:
Etabliert dein Unternehmen als verifizierte Entität. Über sameAs verbindest du dich mit Wikipedia, Wikidata und LinkedIn. Grundlage, auf die alle anderen Typen über @id referenzieren.
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://deine-domain.de/#organization",
"name": "Deine Marke",
"url": "https://deine-domain.de",
"logo": "https://deine-domain.de/logo.png",
"sameAs": [
"https://de.wikipedia.org/wiki/Deine_Marke",
"https://www.wikidata.org/wiki/Q000000",
"https://www.linkedin.com/company/deine-marke"
]
}Verbindet Autoren mit Qualifikationen über Properties wie jobTitle, knowsAbout, alumniOf und worksFor. So wird E-E-A-T (Erfahrung, Expertise, Autorität, Vertrauen) für KI-Systeme erkennbar.
Mit headline, author, datePublished, dateModified und publisher entsteht eine Vertrauenskette: dieser Artikel, geschrieben von dieser Person, veröffentlicht von dieser Organisation.
Bündelt Fragen und Antworten in einem für KI leicht extrahierbaren Format. Hinweis: Google zeigt FAQ-Rich-Results seit August 2023 nur noch für Behörden- und Gesundheitsseiten an. Für das KI-Verständnis bleibt FAQPage trotzdem nützlich, weil ChatGPT, Perplexity und Claude Frage-Antwort-Paare direkt auslesen können.
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "Was ist Schema Markup für KI?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Schema Markup für KI ist die Auszeichnung von Inhalten mit strukturierten Daten, die KI-Suchmaschinen helfen, den Inhalt zu verstehen, einzuordnen und in Antworten zu zitieren."
}
}]
}Liefert Name, Beschreibung, Preis, Verfügbarkeit und Bewertungen strukturiert. Relevant, wenn KI-Antworten konkrete Produkte vergleichen oder empfehlen sollen.
Adresse, Öffnungszeiten und Standort als LocalBusiness (bzw. spezifischer Subtyp) helfen KI-Systemen bei standortbezogenen Empfehlungen.
Macht die Position einer Seite in der Website-Struktur explizit und hilft KI, Themen-Zusammenhänge einzuordnen.
Markiert per cssSelector die Abschnitte, die für Sprachausgabe und kompakte KI-Antworten besonders geeignet sind. Details und Codebeispiel weiter unten.
Schema.org-Daten lassen sich in drei Syntaxen ausdrücken: JSON-LD, Microdata und RDFa. Für KI-Sichtbarkeit ist JSON-LD die richtige Wahl:
| Format | Einbindung | Eignung für KI |
|---|---|---|
| JSON-LD | Eigener <script>-Block, getrennt vom HTML | Hoch — sauber extrahierbar, von Google empfohlen |
| Microdata | Attribute direkt im sichtbaren HTML | Mittel — an Markup gekoppelt, fehleranfälliger |
| RDFa | Attribute im HTML (RDF-basiert) | Niedrig — komplex, selten genutzt |
Google empfiehlt JSON-LD ausdrücklich in der Dokumentation zu strukturierten Daten. Der entscheidende Vorteil für KI: Die Daten stehen isoliert in einem Script-Block und müssen nicht aus dem Layout herausgelöst werden.
KI-Suchmaschinen denken in Entitäten, nicht nur in Keywords. Eine Entität ist ein eindeutig identifizierbares „Ding“ — eine Marke, eine Person, ein Produkt. Die Property sameAs ist die Brücke zwischen deiner Website und etablierten Wissensquellen:
Je konsistenter dieselbe Entität über mehrere vertrauenswürdige Quellen beschrieben ist, desto sicherer kann eine KI sie zuordnen und zitieren. Das ist der Kern von Entity-SEO. Wie du Inhalte zusätzlich zitierfähig aufbereitest, zeigt unser Artikel zu zitierfähigem Content.
Praktisch verankerst du Entity-Signale im Organization-Schema (siehe Codebeispiel oben) und referenzierst es per @id aus deinem Article- und Person-Schema, sodass ein zusammenhängender Entity-Graph entsteht.
Mit speakable markierst du gezielt die Abschnitte einer Seite, die sich für Sprachassistenten und kompakte KI-Antworten eignen — typischerweise Titel und eine prägnante Kurzzusammenfassung. Das Markup ist laut schema.org noch im Beta-Stadium, signalisiert KI-Systemen aber klar, welche Passagen die Kernantwort enthalten.
{
"@context": "https://schema.org",
"@type": "WebPage",
"speakable": {
"@type": "SpeakableSpecification",
"cssSelector": [".entry-title", ".key-takeaways"]
},
"url": "https://deine-domain.de/blog/schema-markup-geo/"
}Kombiniert mit sauberem BlogPosting-Schema wird so nicht nur klar, worum es geht, sondern auch welche Stelle die zitierfähige Antwort liefert:
{
"@context": "https://schema.org",
"@type": "BlogPosting",
"headline": "Schema Markup für KI: Welche strukturierten Daten KI-Suchmaschinen verstehen",
"datePublished": "2026-03-14",
"dateModified": "2026-06-12",
"author": {
"@type": "Person",
"name": "Sami",
"url": "https://deine-domain.de/team/sami"
},
"publisher": {
"@id": "https://deine-domain.de/#organization"
}
}Achte darauf, dass die per cssSelector ausgewählten Elemente tatsächlich existieren und eine in sich verständliche Antwort enthalten — KI-Systeme bevorzugen kurze, eigenständige Passagen.
Du musst kein JSON-LD von Hand schreiben — für die meisten Websites reicht ein Plugin. Drei gängige Wege:
Rank Math erzeugt Organization-, Article- und FAQ-Schema automatisch und bietet einen Schema-Generator pro Seite. Trage unter „Titelseite“ deine Organisation samt Logo und Social-Profilen (für sameAs) ein.
Yoast baut einen verknüpften Schema-Graphen über @id-Referenzen auf und deckt Organization, WebPage, Article und BreadcrumbList ab. FAQ- und How-To-Blöcke fügst du über die Yoast-Gutenberg-Blöcke hinzu.
Für volle Kontrolle bindest du das Markup direkt im <head> oder vor dem schließenden </body> ein. Nutze die Vorlagen aus diesem Artikel als Ausgangspunkt und passe Domain, Namen und IDs an. Verknüpfe Typen über @id, statt Daten doppelt zu pflegen.
Wichtig: Setze nur Schema-Daten ein, die zum sichtbaren Inhalt der Seite passen. Markup für Inhalte, die für Nutzer nicht sichtbar sind, verstößt gegen die Richtlinien für strukturierte Daten.
Vor dem Veröffentlichen prüfst du dein Markup mit diesen Werkzeugen:
name, headline oder author nicht gesetzt — der Typ wird dann unvollständig interpretiert.dateModified oder Preise, die nicht aktuell sind, untergraben das Vertrauen.@id-Referenzen — der Entity-Graph bleibt unvollständig.Strukturierte Daten sind ein wichtiges Verständnis-Signal, aber kein Schalter, der KI-Zitate garantiert. Schema hilft KI-Suchmaschinen, deinen Inhalt korrekt einzuordnen — ob er zitiert wird, hängt zusätzlich von Content-Qualität, thematischer Autorität, Aktualität und Konsistenz deiner Entität ab.
Realistisch heißt das: Schema Markup ist eine Grundlage, die du sauber umsetzen solltest, weil sie Missverständnisse reduziert und deine Marke maschinell eindeutig macht. Es ersetzt aber weder gute Inhalte noch eine durchdachte GEO-Strategie. Wer beides verbindet — strukturierte Daten plus zitierfähige Inhalte — schafft die besten Voraussetzungen, in KI-Antworten aufzutauchen.
Wenn du Unterstützung bei der technischen Umsetzung und der GEO-Strategie suchst, findest du mehr dazu auf unserer Seite zur GEO-Agentur.
Schema Markup für KI ist die Auszeichnung von Inhalten mit strukturierten Daten (meist JSON-LD), die KI-Suchmaschinen wie ChatGPT, Perplexity, Gemini und Google AI Overviews helfen, den Inhalt eindeutig zu verstehen, einer Entität zuzuordnen und in Antworten zu zitieren.
Ja. KI-Suchmaschinen crawlen Webseiten samt ihrer JSON-LD-Blöcke und extrahieren strukturierte Daten, um Entitäten zu erkennen und Inhalte präziser einzuordnen. Schema ist dabei ein unterstützendes Signal, kein alleiniger Faktor.
In der Praxis sind Organization, Article/BlogPosting, FAQPage, Person, Product, LocalBusiness, BreadcrumbList und speakable am relevantesten. Entscheidend ist, sie über @id zu einem zusammenhängenden Entity-Graphen zu verknüpfen.
JSON-LD steht getrennt vom sichtbaren HTML in einem eigenen Script-Block und ist dadurch für Maschinen sauber und fehlerarm extrahierbar. Google empfiehlt JSON-LD ausdrücklich; Microdata und RDFa sind ans Markup gekoppelt und fehleranfälliger.
Google zeigt FAQ-Rich-Results seit August 2023 nur noch für Behörden- und Gesundheitsseiten. Für das KI-Verständnis bleibt FAQPage trotzdem sinnvoll, weil KI-Systeme Frage-Antwort-Paare daraus direkt auslesen können.
sameAs ist eine Schema-Property, die deine Marke oder Person mit etablierten Quellen wie Wikipedia, Wikidata und LinkedIn verknüpft. Sie hilft KI-Systemen, deine Entität sicher zu identifizieren und korrekt zuzuordnen.
Nutze den Google Rich Results Test, den Schema Markup Validator von schema.org und den Bericht „Verbesserungen“ in der Google Search Console. So findest du Syntaxfehler und fehlende Pflichtfelder vor dem Veröffentlichen.
Markup, das nicht zum sichtbaren Inhalt passt, kann ignoriert oder als Richtlinienverstoß gewertet werden. Achte darauf, nur Daten auszuzeichnen, die tatsächlich auf der Seite stehen, und Pflichtfelder korrekt zu füllen.
Nein. Schema ist ein Verständnis-Signal, kein Garant. Ob eine KI deinen Inhalt zitiert, hängt zusätzlich von Content-Qualität, Aktualität, thematischer Autorität und der Konsistenz deiner Entität ab.
Ja. Rank Math und Yoast erzeugen Organization-, Article-, Breadcrumb- und FAQ-Schema weitgehend automatisch. Für Spezialfälle wie speakable oder verschachtelte Typen kannst du JSON-LD zusätzlich manuell ergänzen.
