Schema.org für AI-Sichtbarkeit: Was wirklich zählt

Kaum ein SEO-Thema ist so von Mythen umrankt wie strukturierte Daten. Die einen verkaufen Schema.org als Geheimwaffe, die jede Seite nach oben katapultiert, die anderen halten es für überflüssige Fleissarbeit. Beides ist falsch. Strukturierte Daten sind weder Wundermittel noch Zeitverschwendung, sondern ein präzises Werkzeug mit einem klaren Zweck: Sie geben Maschinen eine eindeutige, unmissverständliche Lesart deiner Inhalte.

Genau das wird in der Ära der KI-Suche wichtiger. Wenn ein Sprachmodell eine Antwort zusammenstellt, hilft ihm jede Eindeutigkeit. Eine als FAQPage ausgezeichnete Frage-Antwort-Struktur ist für eine KI ein fertiges Frage-Antwort-Paar auf dem Silbertablett. Dieser Artikel trennt für Schweizer KMU das Wesentliche vom Verzichtbaren: welche Schema-Typen für AI-Sichtbarkeit wirklich zählen und welche man getrost weglassen kann.

Was Schema.org tut und was nicht

Zunächst die wichtigste Klarstellung: Schema.org ist kein direkter Rankingfaktor. Du steigst nicht in den Suchergebnissen, nur weil du Markup hinzufügst. Der Nutzen liegt woanders. Strukturierte Daten beschreiben den Inhalt einer Seite in einer maschinenlesbaren Sprache, sodass Suchmaschine und KI sicher wissen, dass eine bestimmte Zahl ein Preis, ein bestimmter Text eine Öffnungszeit und ein bestimmter Block eine Frage mit zugehöriger Antwort ist.

Daraus entstehen zwei konkrete Vorteile. Erstens ermöglichen sie Rich Results, also die angereicherten Darstellungen in den Suchergebnissen wie Sternebewertungen, FAQ-Aufklapper oder Veranstaltungsdaten. Diese erhöhen die Klickrate spürbar, auch ohne besseres Ranking. Zweitens, und für GEO entscheidend, senken sie die Hürde, dass eine KI deine Inhalte korrekt versteht und zitiert. Eindeutigkeit gewinnt, wenn ein Modell aus vielen Quellen die verlässlichste auswählt.

Das richtige Format ist in der Praxis immer JSON-LD. Es liegt als eigener Skript-Block im Quelltext, vermischt sich nicht mit dem sichtbaren HTML und lässt sich zentral und automatisiert ausgeben. Die älteren Formate Microdata und RDFa sind zwar gültig, aber umständlicher und fehleranfälliger. Wer heute neu auszeichnet, nimmt JSON-LD.

Die Schema-Typen, die wirklich zählen

Schema.org kennt mehrere hundert Typen. Für AI-Sichtbarkeit sind nur eine Handvoll wirklich wichtig, der Rest ist je nach Geschäft optional oder verzichtbar.

An erster Stelle steht Organization, oft als spezifischerer Untertyp wie LocalBusiness oder ProfessionalService. Dieses Markup definiert die Identität deines Unternehmens: Name, Logo, Adresse, Kontaktwege, Profile in sozialen Netzwerken. Es ist die Grundlage, damit Maschinen verstehen, wer hinter der Website steht, und es speist die Wissensgrafen, aus denen KI-Systeme Faktenwissen über Marken ziehen.

An zweiter Stelle steht Article für inhaltliche Seiten, ergänzt um Autor, Veröffentlichungs- und Aktualisierungsdatum. Gerade die Autoren- und Datumsangaben sind wertvolle E-E-A-T-Signale, die zeigen, wer einen Inhalt verantwortet und wie aktuell er ist. KI-Systeme bevorzugen nachvollziehbar verantwortete und aktuelle Quellen.

An dritter Stelle steht FAQPage. Frage-Antwort-Markup ist für die KI-Suche besonders ergiebig, weil es exakt das Format liefert, in dem KI-Systeme ihre Antworten formulieren. Eine sauber ausgezeichnete FAQ erhöht die Chance, dass deine konkrete Antwort in einer KI-Zusammenfassung oder einem AI Overview landet.

Je nach Geschäft sinnvoll

Über die drei Grundtypen hinaus lohnen sich weitere Typen abhängig vom Geschäftsmodell. Ein Onlineshop profitiert massiv von Product-Markup mit Preis, Verfügbarkeit und Bewertungen, denn daraus entstehen die auffälligen Shopping-Darstellungen. Ein lokaler Betrieb braucht sauberes LocalBusiness-Markup mit Adresse, Öffnungszeiten und Geokoordinaten, damit er in lokalen Suchen und Karten korrekt erscheint.

Ein Dienstleister kann seine Angebote als Service auszeichnen, ein Veranstalter seine Termine als Event, ein Restaurant seine Karte als Menu, ein Anbieter von Anleitungen seine Inhalte als HowTo. Die Regel dahinter ist einfach: Zeichne das aus, was den Kern deines Angebots ausmacht und worüber Nutzer suchen. Alles andere ist optionale Feinarbeit, die selten den Aufwand rechtfertigt.

Wichtig ist die saubere Verknüpfung der Typen untereinander. Wenn ein Article eine Author-Angabe hat, die wiederum als Person mit eigener Beschreibung existiert, und das Ganze auf die Organization verweist, entsteht ein zusammenhängendes Bild, das Maschinen weit mehr Vertrauen schenkt als isolierte Schnipsel. Dieser Entitäten-Zusammenhang ist eines der unterschätzten Signale für AI-Sichtbarkeit.

Häufige Fehler und wie man sie vermeidet

Der teuerste Fehler ist falsches oder erfundenes Markup. Bewertungen, die es nicht gibt, Preise, die nicht stimmen, oder eine FAQPage ohne echte FAQ verstossen gegen die Richtlinien und können statt Rich Results eine Abstrafung einbringen. Korrektheit ist nicht verhandelbar.

Der zweithäufigste Fehler ist veraltetes Markup. Ändern sich Öffnungszeiten, Preise oder Inhalte, muss das Markup mitwandern. Strukturierte Daten, die zentral und automatisiert aus den echten Inhalten generiert werden, vermeiden dieses Problem von vornherein, weil sie sich nicht von der Realität entkoppeln können.

Der dritte Fehler ist Übereifer: Seiten mit jedem erdenklichen Schema-Typ zu überladen, in der Hoffnung, dass mehr besser sei. Das Gegenteil ist der Fall. Wenige, korrekte, relevante Auszeichnungen sind wertvoller als ein unübersichtliches Sammelsurium, das fehleranfällig ist und keinen klaren Mehrwert bietet.

Das richtige Mass

Schema.org für AI-Sichtbarkeit folgt einer einfachen Logik: wenige Typen, dafür korrekt, aktuell und sinnvoll verknüpft. Organization für deine Identität, Article für deine Inhalte, FAQPage für deine Antworten, dazu je nach Geschäft Product, LocalBusiness oder Service. Das ist kein spektakuläres Geheimrezept, sondern saubere Grundlagenarbeit, die KI-Systemen das Verständnis deiner Seite erleichtert.

Der Lohn ist kein direkter Ranking-Sprung, sondern etwas Wertvolleres in der KI-Ära: Eindeutigkeit. In einem Web voller widersprüchlicher und schwammiger Informationen wählt eine KI die Quelle, deren Aussagen am klarsten maschinenlesbar sind. Genau diese Klarheit lieferst du mit dem richtigen, ehrlichen Schema-Markup.