Schema.org Markup: Einführung in strukturierte Daten

Schema-Markup macht Inhalte für Maschinen explizit lesbar — und ist 2026 ein zentraler Hebel für GEO. Wie eine Studie zeigt, dass strukturierte Daten die KI-Antwortgenauigkeit von 16 auf 54 Prozent heben können.

Schema-Markup ist die Sprache, mit der ihr Suchmaschinen und LLMs eindeutig sagt, was auf eurer Seite steht. Während Maschinen Texte interpretieren müssen, lesen sie strukturierte Daten direkt. Eine Studie der Data World von 2024 hat gezeigt: Mit strukturierten Daten als Kontext erhöhte sich die Antwortgenauigkeit von GPT-4 auf domain-spezifische Fragen von 16 auf 54 Prozent. Das ist kein Marketing-Trick — das ist ein Faktor, der über Citation-Sichtbarkeit entscheidet.

Was ist Schema.org?

Schema.org ist ein gemeinsames Vokabular, das 2011 von Google, Microsoft, Yahoo und Yandex initiiert wurde. Es definiert standardisierte Typen und Eigenschaften, mit denen Webseiten ihre Inhalte für Maschinen kennzeichnen können. Statt zu schreiben „Diese Person ist Patrick Tomforde, Geschäftsführer von performanceLiebe in Hamburg" lest ihr im Markup ein klar definiertes Person-Objekt mit `name`, `jobTitle` und `worksFor`-Verknüpfung.

Warum Schema 2026 für GEO entscheidend ist

Generative Engines wie ChatGPT-Search, Perplexity und Google AI Overviews bauen Antworten aus Quellen, die sie als verlässlich, klar interpretierbar und kontextstark einstufen. Strukturierte Daten erleichtern alle drei Eigenschaften gleichzeitig. Die genannte Data-World-Studie demonstriert das eindrücklich: Ohne Schema-Kontext interpretierte GPT-4 nur 16 Prozent domain-spezifischer Fragen korrekt — mit Schema waren es 54 Prozent. Das ist eine 3,4-fache Verbesserung der Citation-Wahrscheinlichkeit allein durch strukturierte Daten.

JSON-LD ist das bevorzugte Format

Schema.org unterstützt drei Formate: Microdata, RDFa und JSON-LD. Google empfiehlt seit 2017 explizit JSON-LD, und das aus guten Gründen: Es ist sauber vom HTML-Markup getrennt, lässt sich zentral im `` oder vor dem `` einbinden, ist gut wartbar und kollidiert nicht mit Frontend-Frameworks. Microdata und RDFa funktionieren weiter, sind aber heute praktisch nur noch in Legacy-Codebases relevant.

Die fünf wichtigsten Schema-Typen

Schema.org definiert über 800 Typen — die meisten davon braucht ihr nie. In der Praxis sind fünf Typen für 90 Prozent der Use Cases ausreichend:

1. Article — für Blogposts, News und Magazin-Beiträge
2. Organization — für Brand-Identifikation der eigenen Domain
3. Person — für Author-Identifikation und Team-Profile
4. FAQPage — für FAQ-Sektionen, hoch wirksam für Featured Snippets
5. Product — für E-Commerce-Listings und Bewertungen

Article — der Standard für Content

Auf jedem Blogpost und jedem redaktionellen Beitrag gehört Article-Schema. Pflicht-Eigenschaften: `headline`, `image`, `datePublished`, `dateModified`, `author` und `publisher`. Optionale, aber wertvolle Erweiterungen: `mainEntityOfPage`, `description`, `keywords`. Wichtig: Der `author` sollte ein verlinktes Person-Objekt sein, nicht nur ein String — das stärkt das E-E-A-T-Signal messbar.

Eine häufige Schwachstelle in Audits: `dateModified` wird nur einmal beim Veröffentlichen gesetzt und nie aktualisiert. Wenn ihr einen Beitrag inhaltlich überarbeitet, sollte `dateModified` auf das aktuelle Datum gesetzt werden. Suchmaschinen und LLMs bewerten Aktualität als eigenes Trust-Signal — vor allem in schnelllebigen Themen wie SEO, Tech oder Recht.

Organization & Person — Brand und Author

Organization-Schema gehört einmalig auf eure Homepage und enthält `name`, `url`, `logo`, `sameAs` (Verlinkung zu LinkedIn, X, Wikipedia), Adresse und Kontakt. Person-Schema steht auf jeder Author-Seite und auf der About-/Team-Seite. Die `sameAs`-Eigenschaft ist hier der heimliche Star: Sie verlinkt euer Person-Objekt auf externe, vertrauenswürdige Profile und erhöht damit die Verifizierbarkeit eurer Identität — ein direktes E-E-A-T-Signal.

FAQPage — der heimliche Hebel für Featured Snippets

FAQPage-Schema markiert eine FAQ-Sektion als strukturierte Frage-Antwort-Liste. Praxis-Effekt: Hohe Wahrscheinlichkeit, in Google Featured Snippets zu erscheinen, und sehr hohe Wahrscheinlichkeit, in KI-Antworten zitiert zu werden — weil LLMs Frage-Antwort-Strukturen besonders effizient verarbeiten können. Wer auf Cornerstone-Pages noch keine FAQ mit Schema hat, lässt eine der wirksamsten GEO-Optimierungen liegen.

Wichtig dabei: Die FAQ muss tatsächlich auf der Seite sichtbar sein. Google hat 2023 klargestellt, dass FAQ-Schema, das nur im Markup steht aber im sichtbaren Content fehlt, als Manipulation gewertet wird. In der Praxis heißt das: Erst die FAQ als sichtbares Onpage-Element gestalten, dann das Schema dazu liefern. Reihenfolge zählt.

Validierung: Tools, die wir nutzen

• Google Rich Results Test — offiziell, zeigt welche Rich Snippets möglich sind
• Schema.org Validator — prüft Konformität mit dem Standard
• Google Search Console (Rich-Result-Bericht) — zeigt Live-Status auf eurer Domain
• Bing Webmaster Tools — eigenes Schema-Audit für Bing-Indexierung
• Schema-App-Analyzer — kommerzielles Tool für komplexe Setups

Schema-Markup ist 2026 keine Kür mehr, sondern Pflicht. Wer KI-Antworten als Sichtbarkeitskanal ernst nimmt, kommt an strukturierten Daten nicht vorbei. Die Studienlage ist eindeutig — und der Implementierungsaufwand ist verglichen mit dem Effekt minimal.

Schema und Backlinks: Das Zusammenspiel

Schema-Markup und Linkbuilding wirken zusammen. Schema sagt der Maschine, was auf eurer Seite steht. Backlinks bestätigen, dass diese Aussage vertrauenswürdig ist. Eine Domain mit perfektem Schema, aber ohne Trust-Profil, bleibt schwach. Eine Domain mit starkem Linkprofil, aber ohne Schema, verschenkt Citation-Wahrscheinlichkeit. Beides zusammen ist der Hebel.

Konkretes Beispiel: Wenn eure Author-Bio per Person-Schema markiert ist und gleichzeitig externe Quellen wie LinkedIn, GitHub oder Wikipedia per `sameAs` verknüpft sind, kann ein LLM die Identität des Authors verifizieren. Wenn diese externen Quellen ihrerseits viele relevante Backlinks und Mentions tragen, transferiert sich das Trust-Profil über die `sameAs`-Verknüpfung zurück auf eure Domain. Schema-Markup macht damit Trust-Signale aus dem gesamten Web nutzbar — vorausgesetzt, ihr habt euch das Trust-Profil extern aufgebaut.

Fazit

Schema.org-Markup macht Inhalte explizit lesbar für Maschinen — und ist damit 2026 einer der direktesten Hebel für KI-Sichtbarkeit. JSON-LD als Format, fünf Kerntypen für 90 Prozent der Use Cases, Validierung über offizielle Google-Tools. In Kombination mit einem starken Linkprofil entsteht das Trust-Setup, das in Google und in KI-Search Citations generiert. Wer hier sauber arbeitet, gewinnt überproportional — der Aufwand ist begrenzt, die Wirkung messbar.