Definition: Was ist Schema.org?

Schema.org wurde 2011 von Google, Microsoft, Yahoo und Yandex initiiert und definiert Typen und Eigenschaften, mit denen Webinhalte semantisch ausgezeichnet werden: Eine Seite sagt der Maschine explizit, dass sie eine Person, eine Organisation, einen Artikel oder ein Produkt beschreibt — inklusive der Attribute und Beziehungen. Suchmaschinen nutzen das Markup für Entitäts-Erkennung und Ergebnis-Features; Retrieval-Systeme profitieren von der eindeutigen Zuordnung von Autor, Datum und Inhaltstyp.

Zentrale Typen für GEO

Implementation: JSON-LD und der @id-Graph

Die wichtigste Implementations-Regel: JSON-LD vor Microdata/RDFa. JSON-LD ist vom DOM getrennt, leichter zu pflegen und wird von Google explizit empfohlen; Inline-Microdata gilt als Legacy. Die zweite Regel: Entitäten über stabile @id-URIs verknüpfen statt Angaben zu duplizieren — eine kanonische Person-Entity, auf die jede Seite per @id referenziert, hält den Graphen konsistent und widerspruchsfrei.

Die häufigsten Audit-Fehler: fehlende @id (Entity nicht verankerbar), ungültige Datumsformate (nicht ISO 8601), zirkuläre oder aufgeblähte sameAs-Listen und Schema-Typen, die nicht zum sichtbaren Inhalt passen. Grundregel seit den Spam-Systemen der letzten Jahre: Markup muss den sichtbaren Inhalt spiegeln — deklaratives Markup ohne sichtbares Pendant ist ein Risiko, kein Hebel.

Was Schema für KI-Sichtbarkeit leistet — und was nicht

Realistische Einordnung: Schema-Markup verankert Entitäten maschinenlesbar, klärt Autorschaft und Publikationszeitpunkt und erleichtert Retrieval-Systemen die Zuordnung von Inhalten zu Quellen. Es ist kein direkter Ranking- oder Zitations-Hebel: Kein System dokumentiert, dass Markup allein Zitationen erzeugt. Schema gehört in die Kategorie Infrastruktur — notwendige Präzisionsarbeit, deren Fehlen schadet, deren Vorhandensein aber nicht allein trägt.

Verwandte Begriffe

Schema.org ist das Werkzeug der Entity-Verankerung und die Brücke zum Knowledge Graph. Publikations-Markup stützt E-E-A-T-Signale; Glossar-Markup nutzt DefinedTerm. Praxis-Details zur Umsetzung: Schema Implementation.

Kern-Aussage

Schema ist Infrastruktur, kein Zauberstab

Strukturierte Daten verankern Entitäten, Autorschaft und Publikationszeit maschinenlesbar. Das ist notwendige Präzisionsarbeit — aber Markup ohne konsistente Inhalte und Quellen erzeugt weder Rankings noch Zitationen.

FAQ zu Schema.org

Welches Format ist für Schema-Markup empfohlen? ▾

JSON-LD. Es ist vom HTML-DOM getrennt, leichter zu pflegen und wird von Google ausdrücklich empfohlen. Microdata und RDFa funktionieren weiterhin, gelten aber als Legacy-Formate.

Bringt FAQPage-Markup noch etwas? ▾

Als Rich Result in der Google-SERP nicht mehr — die Ausspielung wurde eingestellt (für die breite Masse bereits 2023, Rest-Ausspielungen bis Mai 2026). Als semantische Deklaration von Frage-Antwort-Strukturen bleibt es nützlich; ein belegter Zitations-Effekt in AI Overviews existiert nicht. Wichtig: Markup nur für sichtbare FAQ-Inhalte.

Was ist ein @id-Graph? ▾

Ein Schema-Setup, in dem jede Entität eine stabile URI (@id) trägt und Seiten per Referenz auf die kanonische Entität verweisen, statt Angaben zu duplizieren. Das hält Person-, Organisations- und Content-Daten über die gesamte Domain konsistent — die Voraussetzung für verlässliche Entity-Erkennung.

Hilft Schema-Markup direkt bei LLM-Zitationen? ▾

Nicht direkt belegt. Markup verbessert die maschinenlesbare Eindeutigkeit von Autor, Datum und Entität — das erleichtert Retrieval-Systemen die Zuordnung. Zitationen entstehen aber aus Quellen-Autorität, Passage-Qualität und Zugänglichkeit; Schema ist die Infrastruktur darunter.