Schema für KI Antworten: Typen, Beispiele und sichere Einführung

Warum Strukturierte Daten für die KI-Suche wichtig sind?

Schnelltest: Fügen Sie eine Seiten-URL in den Schema.org-Validator ein. Zählen Sie die Fehler und Warnungen und beheben Sie zuerst die Fehler.

Schema-Markup beschreibt die Entitäten und Beziehungen einer Seite in einem Format, das Software interpretieren kann. Im Kontext der KI-Suche kann es Details wie den Namen einer Organisation, die Attribute eines Produkts oder den Autor eines Artikels explizit machen, anstatt jede Beziehung aus dem Fließtext ableiten zu lassen.

Diese Beschreibung ist nur nützlich, wenn sie die Seite selbst widerspiegelt. Markup erzeugt keine Expertise, füllt keine Lücken im Text oder macht ein unklares Angebot für den Leser verständlich. Beginnen Sie mit der sichtbaren Seite: Identifizieren Sie ihr Hauptthema, unterstützende Fakten und die Aktion oder Frage, die die Seite adressiert. Dann markieren Sie diese Fakten mit dem passenden Schema.org-Typ.

Ein praktischer Test ist zu fragen, ob eine Person, die die Seite liest, jede markierte Aussage wiedererkennen würde. Wenn die Seite keinen Produktpreis anzeigt, setzen Sie keinen Preis in die Strukturierten Daten. Wenn ein Artikel einen Autor nennt, verwenden Sie dieselben Autoreninformationen auf der Seite und im Markup. Für die Content-Planung über technische Details hinaus siehe den Leitfaden zu zitierfähigen Inhalten für KI-Assistenten.

Welche Schema.org-Typen relevant sind?

Der nützliche Schema.org-Typ ist der, der die Seite genau abbildet, nicht der, der am beeindruckendsten klingt. Beginnen Sie mit dem Hauptzweck jeder URL und wählen Sie Typen, die zu ihrem sichtbaren Inhalt und ihrer Seitenrolle passen.

Dies sind Ausgangspunkte, kein erforderliches Paket. Eine Unternehmenswebsite kann Organization auf einer geeigneten Seite und Article auf redaktionellen Seiten verwenden, während eine Produktseite das Produkt beschreiben kann, das sie tatsächlich präsentiert. Vermeiden Sie es, Typen nur hinzuzufügen, weil ein Wettbewerber sie verwendet oder ein Generator sie anbietet.

Wenn zwei Typen plausibel erscheinen, wählen Sie den, der das zentrale Thema der Seite am besten beschreibt, und bestätigen Sie dann, dass jede Eigenschaft sichtbare unterstützende Inhalte hat. Für verwandte technische Details siehe technisches AEO: Schema, llms.txt und Crawler.

Ein Markup-Beispiel, Zeile für Zeile

Ein nützliches Beispiel ist klein, genau und mit sichtbarem Seiteninhalt verbunden. JSON-LD ist eine Möglichkeit, Strukturierte Daten in einem Skriptblock bereitzustellen, getrennt vom Haupttext; das folgende Beispiel beschreibt einen Artikel, ohne Behauptungen hinzuzufügen, die die Seite selbst nicht aufstellt.

Beispielstruktur: @context: https://schema.org; @type: Article; headline: Ein praktischer Leitfaden zur Wallet-Sicherheit; author: Beispiel-Forschungsteam; about: Wallet-Sicherheit.

Verwenden Sie dies als Vorlage zur Anpassung, nicht als unverändert einzufügenden Code. Ersetzen Sie die Beispiel-Überschrift und den Autor durch Details, die auf der echten Seite angezeigt werden. Bestätigen Sie die URL, den Titel, die Autorenidentität und alle anderen Eigenschaften in Ihrer Implementierung vor der Veröffentlichung. Ein technisch gültiges, aber ungenaues Feld kann die strukturierte Beschreibung weniger vertrauenswürdig machen.

Kennzeichnen Sie eine Seite über eine Dienstleistung nicht als Produkt, nur um zusätzliche Eigenschaften aufzunehmen. Passen Sie den Typ an das tatsächliche Angebot und die Informationen an, die die Seite präsentiert. Sie können das Vokabular und die Typdefinitionen in der offiziellen Schema.org-Dokumentation einsehen.

llms.txt oder Schema.org: was macht was?

Schema.org und llms.txt sind verschiedene Arten von standortweiten Signalen. Schema-Markup fügt strukturierte Beschreibungen an Seiteninhalte an; eine llms.txt-Datei ist ein Textdokument, das Sprachmodell-Tools eine präzise Orientierung über eine Website und ihre Ressourcen geben soll. Keines ersetzt nützliche, zugängliche Seiten.

Für Schema arbeiten Sie URL für URL: Beschreiben Sie den Artikel, die Organisation oder das Produkt, das auf dieser Seite dargestellt wird. Für llms.txt denken Sie an die breitere Karte der Website: Welche Ressourcen sind am nützlichsten, um die Organisation und ihre Inhalte zu verstehen? Halten Sie die Datei präzise, genau und einfach zu pflegen. Vermeiden Sie die Auflistung veralteter URLs oder von Seiten, die den angegebenen Zweck nicht unterstützen.

Verwenden Sie beide nur, wenn jede eine klare Aufgabe hat. Für mehr über den Zweck und die Einrichtung der Datei lesen Sie was llms.txt ist und ob Sie es brauchen und den llms.txt- und AI-Crawler-Einrichtungsleitfaden.

Ihre 7-Punkte-Schema-Checkliste

Führen Sie diese 7 Schritte nacheinander für eine Vorlage aus. Eine einzige korrigierte Vorlage kann Hunderte von Seiten reparieren, beginnen Sie also mit Ihrer am häufigsten verwendeten.

• Listen Sie Ihre Seitentypen auf und wählen Sie für jeden einen Schema-Typ.
• Schreiben Sie JSON-LD getrennt vom sichtbaren Markup.
• Markieren Sie nur, was Besucher sehen können.
• Halten Sie den Organisationsnamen in allen Vorlagen identisch.
• Validieren Sie jede Vorlage vor der Veröffentlichung.
• Validieren Sie nach jedem Site-Update erneut.
• Protokollieren Sie Fehler in einem Blatt und beheben Sie 3 pro Woche.

Begriffe in einem Satz

JSON-LD (einfach ausgedrückt: ein Skriptblock, der Strukturierte Daten getrennt von der sichtbaren Seite trägt).

Schema-Typ bedeutet eine Bezeichnung wie Organization oder Product, die angibt, worum es auf einer Seite geht.

Wie implementieren Sie es?

Häufiger Fehler: Markieren von Inhalten, die nicht sichtbar sind. Wenn ein Besucher es nicht sehen kann, beschriften Sie es nicht.

Implementieren Sie Schema-Markup, indem Sie den sichtbaren Inhalt jeder Seite mit einer genauen strukturierten Beschreibung verbinden und das Ergebnis nach der Veröffentlichung überprüfen. Ein kleiner, wiederholbarer Arbeitsablauf hilft, die Ausbreitung von Vorlagenfehlern über eine Website zu verhindern.

Beginnen Sie mit einem Seiteninventar. Notieren Sie die URL, den Seitenzweck, die Hauptentität und die auf der Seite sichtbar angegebenen Fakten. Ordnen Sie dann jede Seite einem passenden Typ zu und nehmen Sie nur Eigenschaften auf, die durch diesen Inhalt gestützt werden. Entscheiden Sie, wie das Markup hinzugefügt wird – über die Site-Plattform, eine Vorlage oder eine Codeänderung – und legen Sie fest, wer Aktualisierungen überprüft, wenn sich die Seite ändert.

Vergleichen Sie vor der Veröffentlichung die gerenderte Seite mit ihrem JSON-LD. Prüfen Sie, ob Namen, Titel, Beschreibungen und Beziehungen übereinstimmen; verifizieren Sie, dass das Skript auf der beabsichtigten URL vorhanden ist; und suchen Sie mit den relevanten Validierungstools nach Syntax- oder Eignungsproblemen. Wiederholen Sie diese Prüfung nach Änderungen an der Seitenvorlage an repräsentativen URLs und überprüfen Sie mehr als einen Seitentyp.

Wenn Sie fragen, wie Sie llms.txt implementieren, behandeln Sie dies als separate Aufgabe: Legen Sie den Zweck der Datei fest, sammeln Sie aktuelle hochwertige Ressourcen und weisen Sie die Verantwortung für die Aktualisierung zu. Behandeln Sie es nicht als Ersatz für seiten spezifisches Schema oder klare redaktionelle Inhalte.

Prüfen, ob das Markup hilft

Überprüfen Sie die Schema-Qualität mit zwei getrennten Bewertungen: Bestätigen Sie zuerst, dass der Code genau und nutzbar ist, und prüfen Sie dann, ob wichtige Seiten in der Suche und in KI-Antworten korrekt dargestellt werden. Ein sauberes Validierungsergebnis ist eine technische Prüfung, kein Beleg dafür, dass eine Seite zitiert wird.

Für die technische Prüfung untersuchen Sie, ob das Markup auf der beabsichtigten Seite vorhanden ist, ob seine Syntax gelesen werden kann und ob seine Eigenschaften mit dem sichtbaren Inhalt übereinstimmen. Führen Sie ein Protokoll über URL, Typ, Prüfdatum, gefundene Probleme und die für Korrekturen verantwortliche Person. Dies erleichtert die Diagnose späterer Vorlagenänderungen.

Für die Sichtbarkeitsprüfung überwachen Sie einen konsistenten Satz relevanter Fragen und notieren, welche Seiten oder Quellen in Antworten von Tools wie ChatGPT und Perplexity erscheinen. Halten Sie fest, ob die Marke korrekt beschrieben wird, ob eine zitierte Seite relevant ist und ob Antworten eine wichtige Tatsache auslassen. Behandeln Sie diese Beobachtungen als richtungsweisende Zusammenfassung: Antwortformulierungen und Quellen können variieren, daher ist eine einzelne Antwort keine verlässliche Messung.

Nutzen Sie die Erkenntnisse, um die Seite selbst zu verbessern, wenn der Inhalt unvollständig oder schwer interpretierbar ist. Für eine breitere Bewertung siehe KI-Suche-Monitoring und den Leitfaden zur FAQ-Optimierung für KI-Antworten.

Was Sie von Markup erwarten können

Schema-Markup kann klären, was eine Seite aussagt, aber es kann schwache Inhalte nicht nützlich machen oder bestimmen, welche Quellen ein KI-System verwendet. Die angemessene Erwartung ist besser strukturierte Informationen, die mit der Seite abgestimmt bleiben und von Ihrem Team überprüft werden können.

ChatGPT und Perplexity entscheiden unabhängig, ob sie eine Seite abrufen, zitieren, zusammenfassen oder weglassen, und ihre Quellenauswahl und Antwortdarstellung liegen außerhalb Ihrer Kontrolle. Auch Google verspricht kein bestimmtes Sucherscheinungsbild, nur weil eine Seite Strukturierte Daten enthält. Bauen Sie die Implementierung auf Genauigkeit und Wartbarkeit auf, nicht auf eine versprochene Platzierung.

Prüfen Sie vor der Veröffentlichung oder Erweiterung von Markup diese Punkte:

• Der gewählte Typ passt zum tatsächlichen Zweck der Seite.
• Jede Eigenschaft wird durch sichtbare, aktuelle Inhalte gestützt.
• Das Markup ist auf den beabsichtigten URLs bereitgestellt und wird nach Vorlagenänderungen überprüft.
• Ein benannter Verantwortlicher kann es aktualisieren, wenn sich Seitenfakten ändern.

Für eine redaktionelle Prüfung kann MarketingExtra die sichtbaren Aussagen einer Seite mit ihrer strukturierten Beschreibung vergleichen und Ihrem Team Unstimmigkeiten melden. Senden Sie zum Start die URL und die Hauptzielgruppe oder den Zweck der Seite; der nächste Schritt ist die Zuordnung der sichtbaren Fakten zu einem geeigneten Schema-Typ.

So funktioniert's

1. Seiten inventarisierenListen Sie die relevanten URLs auf und notieren Sie Zweck, Hauptthema und sichtbare Fakten jeder Seite. Trennen Sie seiten spezifische Markup-Anforderungen von standortweiten Dokumentationen wie llms.txt.
2. Passenden Typ wählenOrdnen Sie jede Seite einem Schema.org-Typ zu, der ihren tatsächlichen Inhalt beschreibt. Fügen Sie keine Eigenschaften nur hinzu, weil sie verfügbar sind.
3. JSON-LD entwerfen und implementierenErstellen Sie die strukturierte Beschreibung aus Informationen, die bereits auf der Seite gezeigt werden, und fügen Sie sie dann über die entsprechende Site-Vorlage oder den Implementierungspfad hinzu.
4. Code mit der Seite vergleichenPrüfen Sie die veröffentlichte URL, den sichtbaren Text und die Strukturierten Daten gemeinsam. Korrigieren Sie nicht übereinstimmende Namen, Beschreibungen, Beziehungen oder nicht unterstützte Behauptungen.
5. Nach Änderungen prüfenÜberprüfen Sie betroffene URLs nach Inhalts- oder Vorlagenaktualisierungen erneut und führen Sie ein Protokoll über Probleme und deren Lösung. Überwachen Sie KI-Antworten getrennt von der technischen Validierung.