Schema-Markup — Strukturierte Daten die KI-Systeme verstehen
JSON-LD sagt ChatGPT, Perplexity und Google AI wer Sie sind, was Sie anbieten und wen Sie bedienen. Ohne Schema-Markup ist Ihre Website für KI-Systeme ein unlesbares Dokument.
Was KI-Systeme aus JSON-LD lesen
Schema.org ist der gemeinsame Vokabular-Standard, auf den sich Google, Microsoft und die großen KI-Labore geeinigt haben. JSON-LD ist das Format, das diese Daten maschinenlesbar in Ihre Seite einbettet — ohne den sichtbaren HTML-Code zu verändern.
Wenn ChatGPT oder Perplexity eine gecrawlte Seite verarbeiten, bevorzugen sie strukturierte Daten gegenüber Freitext. Ein @type: LegalService mit vollständiger Adresse ist für das Sprachmodell eindeutig — ein Fließtextabsatz über "unsere Kanzlei" bleibt interpretationsbedürftig.
Kein Schema-Markup bedeutet: Das KI-System muss Branche, Standort und Leistungen aus unstrukturiertem Text ableiten. Das funktioniert — aber schlechter als eine sauber markierte Entität. Wer mit Wettbewerbern verglichen wird, verliert diesen Vorteil.
-
◈
Branche eindeutig erkannt
@type: LegalService→ LLM weiß: Kanzlei, kein Allgemeinanbieter -
◉
Standort verankert
addressLocality: Offenbach am Main→ lokale Suchanfragen im Rhein-Main-Gebiet -
◐
Leistungen beschrieben
Service-Schema mitdescription→ LLM kann Angebot zusammenfassen -
◧
Bewertungen als Signal
aggregateRating→ Vertrauenssignal bei Empfehlungsanfragen
Diese 6 Schema-Typen setzen wir ein.
Service
Beschreibt eine konkrete Dienstleistung mit Name, Beschreibung, Preis und Einzugsgebiet — die Grundlage für KI-Empfehlungen zu Leistungsseiten.
LocalBusiness
NAP-Daten (Name, Adresse, Telefon), Öffnungszeiten und GEO-Koordinaten — macht den Standort für lokale KI-Suchanfragen eindeutig adressierbar.
FAQPage
Häufige Fragen mit Antworten als Wissensgraph-Einträge — LLMs greifen auf FAQPage-Daten zurück, wenn Nutzer branchenspezifische Fragen stellen.
BreadcrumbList
Seitenstruktur als maschinenlesbare Hierarchie — hilft LLMs zu verstehen, welche Unterseiten zu welchem Thema gehören und wie tief eine Seite in der Struktur liegt.
Organization
Unternehmensprofil mit Social-Links, Logo und Gründungsjahr — verankert das Unternehmen als eigenständige Entität im Wissensgraph, unabhängig von Einzelseiten.
aggregateRating
Bewertungsdurchschnitt und Anzahl der Rezensionen als strukturiertes Signal — bei Vergleichsanfragen berücksichtigen KI-Systeme Bewertungsdaten als Vertrauensfaktor.
Schema-Markup für eine Kanzlei im Rhein-Main-Gebiet
Vollständiges JSON-LD für eine Rechtsanwaltskanzlei in Frankfurt — LegalService als Subtyp von Service, mit areaServed und seitenspezifischer Beschreibung.
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "LegalService",
"@id": "https://www.kanzlei-mustermann.de/#legalservice",
"name": "Kanzlei Mustermann",
"description": "Rechtsanwaltskanzlei für Arbeitsrecht, Mietrecht und Familienrecht in Frankfurt am Main. Beratung auf Deutsch und Englisch.",
"url": "https://www.kanzlei-mustermann.de",
"telephone": "+4969123456789",
"address": {
"@type": "PostalAddress",
"streetAddress": "Zeil 42",
"addressLocality": "Frankfurt am Main",
"postalCode": "60313",
"addressCountry": "DE"
},
"areaServed": {
"@type": "AdministrativeArea",
"name": "Rhein-Main-Gebiet"
},
"hasOfferCatalog": {
"@type": "OfferCatalog",
"name": "Rechtsgebiete",
"itemListElement": [
{"@type": "Offer", "itemOffered": {"@type": "Service", "name": "Arbeitsrecht"}},
{"@type": "Offer", "itemOffered": {"@type": "Service", "name": "Mietrecht"}},
{"@type": "Offer", "itemOffered": {"@type": "Service", "name": "Familienrecht"}}
]
}
}
]
}Dieses Muster übertragen wir auf Ihre Branche: Arztpraxis, Steuerberatung, Handwerk oder Agentur — mit den tatsächlichen Leistungen und Ihrem Einzugsgebiet.
4 Maßnahmen, die wir für Sie umsetzen
-
1
Seitenspezifisches JSON-LD pro Leistungsseite Jede Leistungsseite erhält ein eigenes Service-Schema mit Beschreibung, Preis (wo sinnvoll) und FAQPage für die häufigsten Fragen zu dieser Leistung.
-
2
Globales JSON-LD im Seitenheader Organization und LocalBusiness werden einmal seitenübergreifend im HTML-Head eingebunden — gilt für jede Seite der Domain und verankert Ihr Unternehmen als Entität.
-
3
aggregateRating bei Bewertungsaufbau Sobald Ihre Google-Bewertungen eine valide Basis haben (mind. 5 Rezensionen), ergänzen wir aggregateRating — mit aktuellem Durchschnitt und reviewCount aus Ihrem GBP-Profil.
-
4
Validierung mit Google Rich Results Test Jedes implementierte Schema wird im Google Rich Results Test geprüft. Warnungen und Fehler werden vor der Veröffentlichung behoben — kein blindes Deployment.
Häufige Fragen zu Schema-Markup
Wird Schema-Markup von ChatGPT wirklich gelesen?
Ja. LLMs verwenden strukturierte Daten bevorzugt, weil sie Entitäten eindeutig identifizieren ohne Freitext interpretieren zu müssen. Google AI, Perplexity und ChatGPT mit aktiviertem Browsing greifen auf gecrawlte Seiten zu und priorisieren JSON-LD für Entitätserkennung — das Modell muss Branche, Standort und Leistungen nicht aus dem Fließtext ableiten, sondern liest sie direkt aus dem strukturierten Block. Ohne Schema ist die Erkennung möglich, aber fehleranfälliger. Bei konkurrierenden Treffern gewinnt die besser markierte Seite.
Reicht der Google Rich Results Test zur Validierung?
Als Einstiegsprüfung ja, als einzige Quelle nein. Der Rich Results Test zeigt, ob Google das Schema technisch parsen kann und welche Rich Results aktiviert werden. Für LLM-Sichtbarkeit kommen weitere Kriterien hinzu: Ist die description informativ genug für eine Zusammenfassung? Sind alle relevanten Entitäten (areaServed, hasOfferCatalog) vollständig befüllt? Stimmt der @type mit der tatsächlichen Dienstleistung überein? Wir prüfen beides — technische Validierung und inhaltliche Vollständigkeit.
Muss Schema-Markup auf jeder Seite eingebaut werden?
Seitenspezifische Typen müssen auf jeder Seite einzeln eingebunden werden — sie beziehen sich auf den jeweiligen Inhalt. Die Startseite erhält Organization und LocalBusiness, jede Leistungsseite ein eigenes Service-Schema mit FAQPage, Blog-Artikel erhalten Article-Schema. Globale Typen wie Organization werden einmal im Seitenheader platziert und gelten für alle Seiten der Domain. Eine Pauschaleinbindung auf einer Seite reicht nicht.
Was ist der Unterschied zwischen Microdata und JSON-LD?
JSON-LD ist der empfohlene Standard — Google hat diese Präferenz seit 2016 offiziell kommuniziert. Microdata ist älter und bindet Schema-Daten als HTML-Attribute in den sichtbaren DOM ein, was Wartung und Updates aufwändiger macht. Beide Formate werden von Google noch unterstützt, aber für neue Projekte gibt es keinen sachlichen Grund mehr, Microdata zu verwenden. JSON-LD ist im <script>-Tag sauber getrennt vom HTML-Inhalt und lässt sich ohne Änderung am Layout aktualisieren.
Wie können wir Ihnen helfen?
Im kostenlosen 30-Minuten-Gespräch analysieren wir Ihre aktuelle LLM-Sichtbarkeit und zeigen, welche Maßnahmen für Ihr Unternehmen im Rhein-Main-Gebiet die größte Wirkung haben.