Schema Markup: Strukturierte Daten richtig einsetzen

Eine Suchmaschine sieht deine Website nicht so, wie du sie siehst. Wo du eine Überschrift, ein Bewertungs-Sternchen und eine Adresse erkennst, sieht die Maschine zunächst nur Text in Tags - ohne zu wissen, ob "4,96" eine Bewertung, ein Preis oder eine Telefonnummer ist. Genau diese Lücke schließt Schema Markup: Es übersetzt den Inhalt einer Seite in eine Sprache, die Suchmaschinen und KI-Systeme eindeutig verstehen.

Das ist heute kein technisches Nice-to-have mehr. Wer in Google mit Rich Snippets auffallen und in KI-Antwortmaschinen als Quelle erkannt werden will, kommt an strukturierten Daten nicht vorbei. In diesem Leitfaden erfährst du, was Schema Markup genau ist, welche Typen wirklich zählen, wie du es als zusammenhängenden Graphen aufbaust und welche Fehler die Wirkung zunichtemachen.

Was ist Schema Markup? Definition und Einordnung

Schema Markup ist strukturierter Code, der nach dem Vokabular von schema.org die Bedeutung von Seiteninhalten für Maschinen beschreibt. Statt einer Suchmaschine nur Text zu liefern, sagst du ihr mit Schema Markup explizit: Dieser Block ist eine Organisation, jener ein Artikel, diese Zahl ist eine Bewertung mit dem Wert 4,96 aus 514 Bewertungen. Aus unstrukturiertem Text wird so ein Satz benannter Fakten mit klaren Beziehungen.

Das zugrundeliegende Vokabular stammt von schema.org, einem 2011 gestarteten Gemeinschaftsprojekt von Google, Microsoft, Yahoo und Yandex. Es definiert hunderte Typen - von Organization über Product bis FAQPage - und die Eigenschaften, die zu jedem Typ gehören. Schema.org ist der Wortschatz; wie du ihn in die Seite schreibst, ist eine zweite Frage.

Hier kommen die Formate ins Spiel: Microdata, RDFa und JSON-LD. Microdata und RDFa werden direkt in das sichtbare HTML eingewoben, JSON-LD steht als separater Skriptblock im Quelltext, getrennt vom Inhalt. JSON-LD ist das von Google empfohlene Format und mit rund 89 Prozent Marktanteil unter den strukturierten Datenformaten klar dominant - weil es leichter zu pflegen ist und nicht mit dem Layout kollidiert. Wenn in diesem Leitfaden von Schema Markup die Rede ist, meinen wir in der Praxis fast immer JSON-LD.

Warum Schema Markup heute entscheidend ist

Der unmittelbar messbare Nutzen liegt in der klassischen Suche. Korrektes Schema Markup ist die Voraussetzung dafür, dass Google ein normales Suchergebnis zu einem Rich Snippet aufwertet - mit Sternen, FAQ-Aufklappern, Preisen oder Veranstaltungsdaten. Und solche angereicherten Ergebnisse werden deutlich häufiger geklickt. Google selbst dokumentiert Fallstudien, in denen Rotten Tomatoes eine um 25 Prozent höhere Klickrate für Seiten mit strukturierten Daten gemessen hat und Nestlé sogar eine um 82 Prozent höhere Klickrate für Seiten, die als Rich Result erscheinen.

Strukturierte Daten sind dabei kein direkter Ranking-Faktor - Google bestätigt nicht, dass Schema allein eine Seite nach oben schiebt. Der Effekt ist indirekt, aber real: bessere Klickrate, klarere Einordnung, mehr Sichtbarkeit in den Suchfeatures. Schema arbeitet weniger als Hebel auf der Ergebnisliste und mehr als Verstärker der Darstellung in ihr.

Die zweite, schnell wachsende Dimension ist die KI-Suche. Antwortmaschinen wie ChatGPT, Perplexity, Claude und Google AI Overviews müssen aus dem Web eindeutige Fakten ziehen - und strukturierte Daten liefern genau die maschinenlesbare Klarheit, die freier Fließtext vermissen lässt. Wer seine Inhalte als sauberen Schema-Graph bereitstellt, macht es einer KI leicht, die eigene Marke korrekt einzuordnen und als Quelle zu nennen. Schema Markup ist damit eine der wichtigsten technischen Grundlagen der Generative Engine Optimization, also der Optimierung auf Sichtbarkeit in KI-Antworten.

Dass dieser Standard kein Randthema ist, zeigt die Verbreitung: Strukturierte Daten finden sich heute auf mehr als der Hälfte der untersuchten Webseiten. Wer kein Schema Markup einsetzt, gehört zunehmend zur Minderheit - und überlässt Suchmaschinen wie KI das Raten.

Schema Markup vs. Rich Snippets: Was ist der Unterschied?

Schema Markup und Rich Snippets werden oft in einen Topf geworfen, sind aber zwei verschiedene Dinge. Schema Markup ist die Ursache - der strukturierte Code im Quelltext deiner Seite. Ein Rich Snippet ist eine mögliche Wirkung - die angereicherte Darstellung deines Ergebnisses in der Google-Suche, etwa mit Bewertungssternen oder einem aufklappbaren FAQ-Bereich.

Der wichtige Punkt: Schema Markup ist die notwendige, aber nicht hinreichende Bedingung für ein Rich Snippet. Du kannst alles technisch korrekt auszeichnen und trotzdem kein Rich Snippet bekommen, weil Google selbst entscheidet, ob und wann eine angereicherte Darstellung ausgespielt wird. Schema schafft die Möglichkeit, garantiert sie aber nicht.

Dazu kommt eine dritte Ebene, die über die Google-Optik hinausgeht: die Entität. Schema Markup beschreibt nicht nur einzelne Seiten, sondern baut über Organization- und Person-Typen ein maschinenlesbares Bild davon auf, wer du bist. Diese Entitäts-Information speist sich in den Knowledge Graph und in die E-E-A-T-Bewertung ein - und genau dieser Teil wirkt unabhängig davon, ob ein Rich Snippet erscheint, weil er deine Vertrauenswürdigkeit als Quelle stützt.

Die wichtigsten Schema-Typen im Überblick

Schema.org definiert hunderte Typen, aber für die meisten Unternehmen tragen wenige davon die Hauptlast. Diese Basis solltest du kennen.

Organization beschreibt dein Unternehmen als Entität - Name, Logo, Adresse, Bewertung, Verknüpfungen zu Profilen wie LinkedIn oder Wikidata über die sameAs-Eigenschaft. Es ist der Anker, an dem fast alles andere hängt. WebSite beschreibt die Website als Ganzes und ermöglicht unter anderem das Sitelinks-Suchfeld. BreadcrumbList zeichnet die Navigationspfade aus, die Google als Brotkrümel-Navigation im Ergebnis anzeigt.

FAQPage ist der größte schnelle Gewinn für die KI-Sichtbarkeit: Es kennzeichnet Frage-Antwort-Blöcke als solche und macht sie sowohl für Rich Snippets als auch für Antwortmaschinen leicht extrahierbar. Für Inhaltsseiten kommt je nach Zweck ein inhaltlicher Typ dazu - Article oder BlogPosting für redaktionelle Beiträge, Product mit Offer für Shops, LocalBusiness für lokale Anbieter mit Öffnungszeiten und Standort, Service für Dienstleistungsseiten.

Die Kunst liegt nicht darin, möglichst viele Typen zu setzen, sondern die richtigen sauber zu verketten. Genau das führt zum nächsten Schritt.

Wie du Schema Markup umsetzt: Schritt für Schritt

Strukturierte Daten umzusetzen ist weniger eine Frage des Codes als der richtigen Reihenfolge. Diese vier Schritte haben sich bewährt.

1. Mit den Kern-Typen die Entität verankern

Beginne nicht bei einzelnen Seiten, sondern bei der Marke. Lege ein sauberes Organization-Schema an - mit korrektem Namen, Adresse, Logo und, falls vorhanden, einer echten Aggregat-Bewertung. Verknüpfe es über sameAs mit deinen offiziellen Profilen. Dieses Org-Schema bekommt einen stabilen Identifikator, auf den später alle anderen Typen verweisen.

2. Pro Seite den passenden Inhaltstyp ergänzen

Auf jeder Seite kommt zur Marken-Entität der Typ hinzu, der den Inhalt beschreibt - Article auf dem Blog, Service auf einer Leistungsseite, Product im Shop. Wichtig: Dieser Inhaltstyp verweist auf dieselbe Organisation, statt sie neu zu definieren. So entsteht ein Bezug, kein Duplikat.

3. Alles als verketteten @graph zusammenfassen

Statt mehrerer isolierter Skriptblöcke schreibst du einen einzigen JSON-LD-Block mit einem @graph-Array, in dem die Knoten über @id-Identifikatoren aufeinander verweisen. Die Organisation hat eine feste @id, die Person verweist als Autor darauf, der Artikel verweist auf Person und Organisation. Aus losen Fakten wird ein zusammenhängendes Bild - genau das, was Suchmaschinen und KI als vertrauenswürdige Entität lesen.

4. JSON-LD ausspielen und validieren

Bette den fertigen Block als <script type="application/ld+json"> in den Quelltext ein. Danach prüfst du das Ergebnis mit dem Google-Rich-Results-Test (zeigt erkannte Rich-Result-Typen und Fehler) und dem Schema-Markup-Validator (prüft die reine Syntax). Erst wenn beide grün sind, ist der Schritt abgeschlossen.

Worauf du bei Schema Markup achten solltest

Zwischen "Schema ist vorhanden" und "Schema wirkt" liegen ein paar Details, die über Erfolg oder Wirkungslosigkeit entscheiden.

Konsistenz zwischen Schema und sichtbarem Text

Das ist die wichtigste Regel überhaupt. Jeder Wert im strukturierten Datensatz muss dem entsprechen, was ein Mensch auf der Seite sieht. Eine Bewertung von 4,96 im Code, die nirgends sichtbar auf der Seite steht, ist kein cleverer Trick, sondern ein Verstoß. Ein Google-Patent zur Konsistenz strukturierter Daten (US12417274B2) beschreibt genau diesen Mechanismus: Weicht das Schema vom sichtbaren Inhalt ab, werden die Daten verworfen oder als Manipulationsversuch gewertet. Schema beschreibt, was da ist - es erfindet nichts dazu.

Verkettung über stabile Identifikatoren

Ein häufig unterschätzter Punkt: Schema-Typen, die nicht über @id verbunden sind, zerfallen für die Maschine in zusammenhanglose Fakten. Eine Organisation hier, ein Artikel dort, ein Autor irgendwo - ohne Verkettung entsteht kein Bild einer Entität. Die @id-Identifikatoren sind das Bindegewebe, das aus Einzelteilen einen Graphen macht.

Keine doppelten Definitionen derselben Entität

Wird dieselbe Entität - etwa die Organisation - an zwei Stellen mit unterschiedlichen Werten definiert, entstehen Konflikte. Google meldet dann zum Beispiel "mehrere Aggregat-Bewertungen" und ignoriert den Block im Zweifel ganz. Eine Entität wird genau einmal definiert; alle weiteren Vorkommen verweisen nur per @id darauf.

Nur auszeichnen, was wirklich auf der Seite ist

Schema Markup für Inhalte, die gar nicht auf der Seite existieren, ist ein klassischer Anfängerfehler. FAQ-Schema ohne sichtbaren FAQ-Bereich, Produkt-Bewertungen ohne echte Bewertungen - all das fällt unter dieselbe Konsistenzregel und schadet mehr, als es nützt.

Häufige Fehler bei Schema Markup

Der mit Abstand häufigste Fehler in unseren SEO- und GEO-Audits ist der unverkettete Graph: Seiten spielen viele Schema-Bausteine aus, verbinden sie aber nicht über stabile Identifikatoren. Die Organisation hängt an einer Kennung, der Inhalt an einer anderen, der Autor ist nirgends verankert. Für die Maschine zerfällt die Seite dann in lose Fakten, statt eine vertrauenswürdige Entität zu ergeben - die Mühe verpufft.

Wie das richtig aussieht, haben wir auf autima.de selbst umgesetzt - und dabei am eigenen Code gelernt. Unser Blog-Schema baut die Organisation als Wurzel-Anker mit fester @id auf, die echte ProvenExpert-Bewertung von 4,96 aus 514 Bewertungen ist als verkettete Aggregat-Bewertung hinterlegt, und die Gründer-Entität ist über sameAs mit Wikidata verknüpft. In einer früheren Ausbaustufe hatten wir die Organisation versehentlich an zwei Stellen mit Bewertung definiert - das Layout und der Artikel-Graph je einmal. Der Rich-Results-Test meldete prompt "mehrere Aggregat-Bewertungen" und verwarf den Block. Die Lehre: Eine Entität wird genau einmal definiert, alles andere referenziert sie nur. Über 600 umgesetzte Projekte seit 2012 haben uns gezeigt - bei strukturierten Daten schlägt saubere Verkettung jede Menge an Bausteinen.

Der zweite häufige Fehler ist die Inkonsistenz zwischen Schema und sichtbarem Text, die wir oben beschrieben haben - Werte im Code, die auf der Seite fehlen. Der dritte ist Übereifer: Seiten überladen sich mit jedem denkbaren Schema-Typ, statt die wenigen relevanten sauber zu setzen. Mehr Schema ist nicht besser; präziseres Schema ist besser.

Wann sich Schema Markup lohnt

Für kleine und mittlere Unternehmen ist Schema Markup besonders attraktiv, weil es ein struktureller Vorsprung mit überschaubarem Aufwand ist. Wer früh eine eindeutige Entität mit sauberem Org-Schema und konsistenten Daten aufbaut, wird für Suchmaschinen und KI schnell eindeutig - oft schneller, als ein größerer, aber unstrukturierter Wettbewerber nachzieht. Gerade lokale Anbieter profitieren sofort von LocalBusiness-Schema mit Standort und Öffnungszeiten, Shops von Product-Auszeichnung mit Preisen und Bewertungen.

Für größere Unternehmen verschiebt sich der Schwerpunkt. Hier ist meist schon viel Schema vorhanden, aber über viele Systeme verteilt und inkonsistent - unterschiedliche Org-Definitionen, veraltete Werte, fehlende Verkettung. Schema lohnt sich dann vor allem als Konsolidierungsarbeit: eine konsistente Entität über alle Templates hinweg, ein einheitlicher Graph, gepflegt statt gewuchert. Bei vielen Seiten gehört das in einen automatisierten Prozess, der Schema aus den vorhandenen Daten generiert, statt es von Hand pro Seite zu pflegen - eine Aufgabe, die wir als KI-Agentur regelmäßig in den Code von Kundenwebsites einbauen.

Weniger dringend ist Schema dort, wo eine Seite weder in der Suche noch in KI-Antworten sichtbar werden soll - reine interne Tools etwa. Sobald eine Seite aber öffentlich gefunden werden soll, ist strukturierter Datensatz Teil der Pflicht, nicht der Kür.

So entscheidest du dich

Die ehrliche Einordnung lautet: Schema Markup ist eine der günstigsten und zugleich wirksamsten technischen Maßnahmen, die du umsetzen kannst. Es kostet wenig, schadet bei sauberer Umsetzung nie und zahlt doppelt ein - auf die Darstellung in der klassischen Suche und auf die Eindeutigkeit deiner Entität für KI-Antworten. Anders als bei vielen SEO-Maßnahmen ist der technische Aufwand klar abgrenzbar und das Ergebnis mit dem Rich-Results-Test sofort überprüfbar.

Der pragmatische Einstieg sieht so aus: Verankere zuerst deine Entität mit einem sauberen, verketteten Organization-Schema als Wurzel. Ergänze dann pro Seitentyp den passenden Inhaltstyp und eine FAQPage dort, wo du echte Fragen beantwortest. Prüfe jeden Block mit dem Rich-Results-Test, bevor er live geht, und achte kompromisslos auf Konsistenz zwischen Code und sichtbarem Text. Diese Basis trägt sowohl deine klassische Suchsichtbarkeit als auch deine KI-Sichtbarkeit.

Wo Schema über viele Seiten hinweg gepflegt werden muss, lohnt sich der Schritt vom Handarbeit-Modus zur Systematik: Schema aus einer zentralen, konsistenten Faktenquelle generieren, statt es pro Seite neu zu schreiben. Genau dieses Zusammenspiel aus sauberer Struktur, Konsistenz und Automatisierung ist der Unterschied zwischen "Schema ist da" und "Schema wirkt" - und der Grund, warum wir strukturierte Daten nicht als Plugin-Frage, sondern als Architektur-Frage behandeln.