Die meisten SEOs nutzen Schema-Markup für Rich Snippets: Sternchen in den Suchergebnissen, FAQ-Dropdowns, Rezept-Karusselle. Rich Snippets sind nicht falsch. Aber Schema ausschließlich für Sterne in den Snippets zu nutzen wäre so, als würdest du mit einem Ferrari zum Bäcker fahren.
Schema-Markup ist eines der wirksamsten Werkzeuge, um strukturiert mit Suchmaschinen zu kommunizieren. Nicht über Umwege, nicht über Interpretationen, sondern direkt. Du sagst Google in einer Sprache, die Google versteht: „Das ist meine Marke. Das ist der Gründer. Das sind unsere Auszeichnungen. Und hier sind 100 Profile im Internet, die das bestätigen.“
Inhalt
Was Schema-Markup ist: Definition und Formate
Schema-Markup basiert auf dem Vokabular von Schema.org, das 2011 von Google, Microsoft, Yahoo und Yandex gemeinsam entwickelt wurde. Schema-Markup übersetzt Informationen auf deiner Website in ein Format, das Suchmaschinen ohne Interpretation lesen können. Strukturierte Daten meint hier maschinenlesbares Markup nach Schema.org-Standard, nicht Datenbankstrukturen oder statistische Datenanalyse. Schema-Markup ist das Werkzeug; strukturierte Daten sind das Konzept dahinter.
3 Formate existieren. Die Wahl des Formats ist eine strategische Entscheidung:
- JSON-LD (kurz für JavaScript Object Notation for Linked Data) ist der Standard und von Google explizit empfohlen. JSON-LD steht im
<head>deiner Seite, getrennt vom sichtbaren Content. Das macht Schema-Markup wartbar und unabhängig vom Design. Für Organization, Person und sitewide Schema ist JSON-LD die beste Wahl. - Microdata bindet Entitäten direkt an HTML-Elemente (HTML = Hypertext Markup Language). Das Schema-Markup steht nicht separat, sondern genau dort, wo die Entität im Text erscheint. WordLift nutzt den Microdata-Ansatz für Entity-Annotation im Content: Jedes Vorkommen einer Entität im Text wird direkt im HTML mit dem entsprechenden Schema-Typ verknüpft. Der Vorteil: Google sieht die semantische Verbindung zwischen Text und Entität auf Element-Ebene.
- RDFa funktioniert ähnlich wie Microdata, ist aber flexibler und in der Praxis weniger verbreitet.
Meine Empfehlung: JSON-LD für alles Strukturelle (Organization, Person, Product). Microdata als Ergänzung, wenn du Entitäten im Fließtext auf Element-Ebene auszeichnen willst, wie WordLift es vormacht.
Der entscheidende Unterschied zu normalem HTML: Schema-Markup macht Bedeutungen und Beziehungen explizit. HTML sagt: „Hier steht Text.“ Schema-Markup sagt: „Dieser Text beschreibt eine Organisation namens HECHT INS GEFECHT. Die Organisation wurde 2021 in Bremen gegründet und entwickelt SEO- und Generative-Engine-Optimization (GEO)-Strategien für E-Commerce.“
3 strategische Funktionen jenseits von Rich Snippets
Die meisten Guides zu strukturierten Daten enden bei Rich Snippets. Sternchen, FAQs und Breadcrumbs sind sichtbare Effekte in den Suchergebnissen. Wichtig, aber nicht der eigentliche Wert von Schema-Markup.
Schema-Markup hat 3 strategische Funktionen, die weit über Rich Snippets hinausgehen:
- Knowledge-Graph-Kommunikation: Schema-Markup liefert Google die Datenpunkte, aus denen der Knowledge Graph deine Marke als Entität erkennt und speichert. Ohne Schema-Markup muss Google die Markendaten aus unstrukturiertem Text interpretieren. Mit Schema-Markup bekommt Google die Daten fertig aufbereitet.
- Large Language Model (LLM)-Sichtbarkeit: KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews (AI = Artificial Intelligence) greifen auf strukturierte Daten zurück. So verifizieren sie Fakten über Marken. Schema-Markup reduziert die Unsicherheit bei der Zuordnung und erhöht die Wahrscheinlichkeit, dass deine Marke korrekt zitiert wird.
- Entity-Disambiguierung: Schema-Markup hilft Google bei der Unterscheidung, wenn deine Marke einen generischen Namen trägt. Bei einem Kunden mit einem generischen Markennamen haben wir
disambiguatingDescriptiongezielt eingesetzt. Die Klarstellung: Die Marke verkauft X, nicht Y wie die gleichnamige Marke in einer anderen Branche.
Schema-Markup ist dabei eine von drei Ebenen, die zusammen entscheiden, ob KI-Systeme deine Inhalte verstehen. Die robots.txt regelt, ob KI-Crawler wie GPTBot, ClaudeBot oder PerplexityBot überhaupt Zugriff bekommen. Die semantische Struktur, also Headings und kompakte Absätze, bestimmt, welche Passagen sich extrahieren lassen. Und Schema-Markup liefert die maschinenlesbaren Fakten zur Verifizierung. Jede Ebene allein bringt wenig, zusammen funktionieren sie.
Organization Schema: Das Fundament für Brand SEO
Organization Schema ist der wichtigste Schema-Typ für Unternehmen. Organization Schema teilt Google in maschinenlesbarer Form mit, wer dein Unternehmen ist, und zwar auf jeder einzelnen Seite. Das Markup bündelt Name, Gründer, Auszeichnungen und Profile zu einer eindeutigen Entität für den Knowledge Graph.
Organization Schema gehört mindestens auf die Startseite und die Über-uns-Seite, idealerweise seitenweit
Organization Schema gehört sitewide auf jede Seite, nicht nur auf die Startseite. Der Grund: Google crawlt nicht immer die Startseite zuerst. Wenn der Googlebot eine Unterseite trifft, muss der Googlebot die Marke trotzdem zuordnen können. Dasselbe gilt für KI-Systeme. KI-Systeme lesen oft nur eine einzelne Seite und brauchen den Unternehmenskontext sofort. Wie das Zusammenspiel aus Schema, Content und Brand-Signalen speziell für ChatGPT funktioniert, erfährst du im verlinkten Blogpost.
Bei über 30 Audits war „Organization Schema fehlt oder ist zu dünn“ einer der häufigsten Befunde. Viele Websites haben gar kein Organization Schema, oder nur die Basics: Name und Logo. Name und Logo allein reichen nicht.
Die 11 Pflicht-Attribute für strategisches Organization Schema
Die 11 Pflicht-Attribute für ein strategisch sinnvolles Organization Schema:
name+legalName: Markenname und juristischer Name. Google versteht damit die Beziehung zwischen Namensvarianten.description: Die vereinheitlichte Markenbeschreibung mit allen USPs. Derselbe Text, der auch in Citations und auf der Website steht. Das NAPD-Framework (NAPD = Name, Address, Phone, Description) liefert die Anleitung dafür.disambiguatingDescription: Ein Satz, der deine Marke von gleichnamigen Entitäten unterscheidet. Unverzichtbar bei generischen Markennamen.foundingDate+founders: Gründungsjahr und Gründer, mit@id-Referenz auf deren Person-Schema.address+telephone: NAP-Daten (NAP = Name, Address, Phone), konsistent mit allen Citations.award: Auszeichnungen als Array. Bei uns: „3. Platz SEO-Contest Agenturtipp 2025“, „Gewinner KI-Sichtbarkeits-Contest RankScale 2025“, „Platz 1 SEO-Contest 2026“.areaServed: Die Märkte, die du bedienst, als Array mit Ländern.knowsAbout: Die Themengebiete deiner Expertise, idealerweise verknüpft mit Wikidata-URIs. Beispiel: SEO =wikidata.org/wiki/Q180711.identifier: Deine Google Knowledge Graph ID (/g/xxxxx), falls vorhanden.sameAs: Alle Profile im Internet (dazu gleich ein eigener Abschnitt).
Die offizielle Dokumentation deckt sich damit: Google dokumentiert Organization Structured Data in der Search Central inklusive logo, url und sameAs. Das Logo aus dem Organization-Markup nutzt Google für Knowledge Panels und Suchergebnisse, sameAs dient laut Dokumentation der eindeutigen Zuordnung offizieller Profile. Für Personen existiert analog die ProfilePage-Dokumentation mit Person-Schema und sameAs.
sameAs: 100+ Profile als Entity-Signal für den Knowledge Graph
sameAs ist ein Schema-Property, das viele SEOs schlichtweg nicht kennen. sameAs verknüpft deine Marke mit allen Profilen, die dieselbe Entität repräsentieren: Google Business, LinkedIn, Facebook, Crunchbase, Trustpilot, Branchenverzeichnisse, Fachportale.
Bei HECHT INS GEFECHT pflegen wir locker über 100 Profile im sameAs-Array. Da sind die großen Branchenriesen dabei, klar, aber eben auch Nischen-Seiten wie OMT, Agenturtipp, DesignRush, Clutch, Techbehemoths, ProvenExpert oder iBusiness. Jedes Profil signalisiert Google letztlich, dass die Entität wirklich existiert und auf dem jeweiligen Portal verifiziert ist.
Ein Tipp: Frag KI-Systeme einfach mal, welche Portale sie für deine Branche kennen. Die genannten Plattformen sind meist genau die Quellen, die LLMs nutzen. Deswegen solltest du genau dort Profile anlegen.
Weniger Schema ist oft mehr: Weshalb ich die Review-Snippets gelöscht habe
Hier ein konkreter Fall aus meiner täglichen Arbeit. Er zeigt gut, wie ich Schema-Markup strategisch nutze und manchmal bewusst streiche.
Auf unserer Agentur-Website hatte ich früher Product Schema mit Bewertungen eingebunden. Das brachte uns Sternchen in den Suchergebnissen, was die Klickrate natürlich gesteigert hat. Trotzdem habe ich die Review-Snippets mittlerweile aktiv entfernt.
Der Grund ist einfach: Schema-Markup muss eine unmissverständliche Botschaft senden. Wenn Google auf einer Agenturseite gleichzeitig Organization Schema, Person Schema und dann noch Product Schema mit Bewertungen findet, erzeugt das eher Rauschen. 3 Entity-Typen auf einer Seite senden 3 konkurrierende Botschaften. Google soll ohne Zweifel verstehen: HECHT INS GEFECHT ist eine Organisation. Benny Windolph ist eine Person. Punkt. Keine widersprüchlichen Typen, die die Zuordnung der Entität verwässern.
Letztlich ist Schema-Markup kein Spiel nach dem Motto „viel hilft viel“. Es ist ein Werkzeug für die Kommunikation. Und gute Kommunikation bedeutet eben auch, Dinge wegzulassen, die das eigentliche Signal schwächen.
JSON-LD: So sieht strategisches Organization Schema aus
So sieht ein sinnvoll aufgebautes Organization Schema in der Praxis aus. Kein generischer Plugin-Output, sondern von Hand geschrieben:
Beachte: @id referenziert die Gründer. Deren Person Schema liegt auf der Team-Seite mit derselben @id. Google verknüpft Organization und Person automatisch über die identische ID. knowsAbout verlinkt auf Wikidata, damit Google die Themengebiete als offizielle Entitäten erkennt. disambiguatingDescription unterscheidet die Agentur von anderen Unternehmen mit ähnlichem Namen.
Person Schema: Dein Weg zum Knowledge Panel
Person Schema ist der Schema-Typ für Einzelpersonen: Gründer, Autoren, Experten. Person Schema liefert Google die Datenpunkte, die für ein persönliches Knowledge Panel nötig sind.
Mein Person Schema auf der Profilseite enthält:
birthDate+birthPlace: Mit verschachteltem City-Schema und Wikidata-Verknüpfung.knowsAbout: 8 Themengebiete, jeweils mit Wikidata- UND Wikipedia-URIs.hasCredential: BVDW SEO-Fachkräftezertifikat alsEducationalOccupationalCredentialmitrecognizedBy-Organisation.alternateName: Der bürgerliche Name als Variante.- 25+
sameAs-Einträge: LinkedIn, Mastodon, XING, Crunchbase, Northdata, MuckRack, Featured.com, kress.de, AFS-Akademie, OMT, OMR Reviews, dazu 3 Google KG-IDs.
subjectOf: Das mächtigste Schema-Property, das kaum jemand nutzt
subjectOf teilt Google mit: „Dieser externe Artikel handelt von mir.“ subjectOf verknüpft dein Person-Schema direkt mit Artikeln, Podcasts und Videos, die über dich berichten.
In meinem Person Schema referenziere ich 6 externe Quellen über subjectOf: 2 Artikel (openPR, OMT-Podcast-Bericht) und 4 YouTube-Videos (Vorträge und Interviews). Jede einzelne Quelle bestätigt Google, dass die Person extern als Experte wahrgenommen wird.
Die Keywordkönig-Strategie: Schema-Markup als Cheat-Code
Beim SEO-Wettbewerb von Agenturtipp 2025 habe ich Schema-Markup als strategische Waffe eingesetzt. Am Tag vor dem letzten Stichtag habe ich alle 10 Konkurrenten auf der ersten Google-Seite in ein subjectOf-Array in meinem Organization Schema eingebaut.
Die Logik: Google erfährt per Schema-Markup, dass die 10 Konkurrenz-Seiten über meine Marke „Keywordkönig“ schreiben. Nicht ich schreibe über die Konkurrenz, sondern die Konkurrenz schreibt über mich. Schema-Markup dreht die Entity-Beziehung um. Statt eines von vielen Suchergebnissen wird meine Seite zur zentralen Entität, über die alle anderen berichten.
Der Cheat-Code hat funktioniert: Am letzten Stichtag bin ich bei Google von Platz 4 auf Platz 2 gesprungen. Das reichte für Platz 3 in der Gesamtwertung. Ohne den Sprung hätte ich es nicht aufs Treppchen geschafft. Beim KI-Wettbewerb war es Platz 1. Schema-Markup allein war nicht der Grund, aber der Multiplikator, der die anderen Maßnahmen (Cost of Retrieval, Semantisches SEO, Citations) verstärkt hat.
Beim SEO-Contest 2026 stand dieselbe Entity-Strategie mit Schema als Multiplikator zum zweiten Mal in Folge auf dem Treppchen, diesmal ganz oben: Platz 1 mit einer brandneuen Domain, die bei Domain Rating 0 startete. Den kompletten Case zeigt der Beitrag zur Google Sandbox.
Schema-Architektur: @graph und @id für saubere Entity-Verknüpfungen
Fortgeschrittenes Schema-Markup nutzt 2 Mechanismen für saubere Cross-Referenzen zwischen Entitäten: @graph und @id. Statt einzelner Schema-Blöcke verbindest du alle Entitäten in einem gemeinsamen Graphen.
Beispiel: Dein Organization-Schema referenziert den Gründer über "founders": [{"@id": "https://deinedomain.de/#person-max"}]. Dein Person-Schema auf der Team-Seite nutzt dieselbe @id. Google versteht: Organisation und Person sind verknüpft. Entscheidend ist die @id, die die Entitäten verbindet, und nicht, dass beide auf derselben Seite stehen.
Im Ergebnis baust du damit einen lokalen Knowledge Graph auf deiner Website auf, der Googles Knowledge Graph füttert.
Auf dieser Architektur baut die Entity-Strategie für LLM-Sichtbarkeit auf, in 4 Schritten: Erstens die Entität definieren, mit Organization- oder Person-Schema inklusive disambiguatingDescription. Zweitens Beziehungen verknüpfen, über @id, founders und subjectOf. Drittens extern verifizieren, über sameAs-Profile und Citations. Viertens Expertise abbilden, mit knowsAbout und Wikidata-URIs. Jeder Schritt nutzt Properties, die in diesem Beitrag beschrieben sind.
Schema-Markup im CMS: Rank Math überschreiben statt akzeptieren
Die meisten WordPress-Plugins (Rank Math, Yoast) generieren automatisch Schema-Markup. Der Haken: Das automatisch generierte Schema-Markup ist generisch und oft falsch.
Meine Lösung: Ein eigener Schema-Controller als WordPress-Plugin, der Rank Maths Schema-Markup per Filter (rank_math/json_ld) überschreibt. Die Startseite bekommt Organization + WebSite + WebPage. Die Profilseite bekommt ProfilePage + Person. Alle anderen Seiten bekommen das sitewide Organization Schema. Vollständige Kontrolle über Schema-Markup statt CMS-Automatik (CMS = Content Management System).
Schema-Markup für E-Commerce: 4 Schema-Typen für Onlineshops
Im E-Commerce geht Schema-Markup über Organization Schema hinaus. 4 Schema-Typen sind für Onlineshops relevant:
- Product Schema: Preis, Verfügbarkeit, Bewertungen, Marke, GTIN/EAN (GTIN = Global Trade Item Number, EAN = European Article Number). Erweitert mit
hasMerchantReturnPolicyundshippingDetailsfür maximale Rich-Snippet-Abdeckung. - FAQ Schema: Auf Kategorie- und Blogseiten. FAQ Schema erhöht die LLM-Zitierfähigkeit, weil KI-Systeme strukturierte Frage-Antwort-Paare bevorzugt extrahieren.
- BreadcrumbList: Kommuniziert die Seitenhierarchie an Google. BreadcrumbList Schema ist Pflicht für Shops mit tiefer Kategoriestruktur.
- LocalBusiness Schema: Für Shops mit Ladengeschäft (Local SEO). NAP-Daten im LocalBusiness Schema müssen identisch mit Google Business und allen Citations sein.
Wichtig: Schema-Daten müssen mit dem Google Merchant Center Feed übereinstimmen. Abweichungen zwischen Schema-Markup und Feed führen zu Inkonsistenzen, die Google als negatives Signal wertet.
Das Zusammenspiel aus FAQ-Format und FAQ Schema gilt über Onlineshops hinaus für jede Inhaltsseite: Strukturierte Frage-Antwort-Paare liefern extraktionsfertige Einheiten, also eine Frage, eine kompakte Antwort, ein zitierfähiger Block. Das FAQ Schema macht dieselben Paare zusätzlich maschinenlesbar. Die Kombination erhöht die Wahrscheinlichkeit, als Quelle in KI-Antworten aufzutauchen, deutlich stärker als beides einzeln.
Drei Tools, um Schema-Markup zu validieren und zu testen
3 Tools decken die Schema-Markup-Validierung vollständig ab:
- Schema Validator (schema.org/validator): Prüft die technische Korrektheit des Markups gegen die Schema.org-Spezifikation. Das macht ihn zum kanonischen Schema-Test auf Syntax-Ebene.
- Google Rich Results Test (ehemals Rich Snippet Tester): Prüft, ob Google Rich Snippets aus deinem Schema-Markup generieren kann. Damit ist es das Tool für den strukturierte-Daten-Test aus Googles Perspektive.
- Google Search Console: Unter „Verbesserungen“ listet die Search Console Fehler und Warnungen für erkannte Schema-Typen.
Pro-Tipp: Schema-Markup im <head> platzieren, nicht im Footer. Google liest den Head-Bereich tendenziell früher ein. Besonders relevant ist das bei großen Seiten, bei denen Google das Crawlen vorzeitig abbricht.
So prüfst du, welche strukturierten Daten eine Website nutzt
Beide Validatoren akzeptieren jede URL, auch fremde Domains. Du kannst also für jede Website prüfen, welche strukturierten Daten sie nutzt: URL in den Schema Validator oder den Rich Results Test einsetzen, fertig. Alternativ suchst du im Quelltext nach <script type="application/ld+json">. Ob das Markup für KI-Systeme brauchbar ist, erkennst du an 3 Kriterien: ein vollständiges Organization Schema mit description und sameAs, @id-Verknüpfungen zwischen den Entitäten und FAQ- oder Product-Markup passend zum Seitentyp.
Häufige Fragen zu Schema-Markup
Brauche ich Schema-Markup, wenn ich schon ein SEO-Plugin nutze?
SEO-Plugins wie Rank Math oder Yoast generieren Basis-Schema-Markup automatisch. Für strategisches Schema-Markup (Organization Schema mit 100+ sameAs-Profilen, Person Schema mit subjectOf-Verknüpfungen, disambiguatingDescription) reichen Plugins nicht aus. Strategisches Schema-Markup erfordert entweder Custom Code oder einen spezialisierten Schema-Controller.
Beeinflusst Schema-Markup direkt das Google-Ranking?
Schema-Markup ist kein direkter Ranking-Faktor. Schema-Markup beeinflusst aber, wie Google deine Inhalte versteht, deine Marke im Knowledge Graph einordnet und welche Rich Snippets angezeigt werden. Indirekt verbessert Schema-Markup 3 Bereiche: die Klickrate (durch Rich Snippets), die Entity-Erkennung (durch Knowledge-Graph-Signale) und die LLM-Sichtbarkeit (durch maschinenlesbare Fakten).
Wie viele sameAs-Einträge sind sinnvoll?
So viele wie existieren. Jedes echte, verifizierte Profil stärkt die Entity-Zuordnung im Knowledge Graph. Wir nutzen bei HECHT INS GEFECHT über 100 sameAs-Einträge.
Was ist der Unterschied zwischen Schema-Markup und dem Knowledge Graph?
Schema-Markup ist die maschinenlesbare Sprache, mit der du Google strukturierte Informationen über deine Entität lieferst. Der Knowledge Graph ist Googles Datenbank, in der diese Informationen gespeichert werden. Schema-Markup füttert den Knowledge Graph. Je konsistenter und vollständiger dein Schema-Markup, desto wahrscheinlicher erkennt Google deine Marke als Entität und erstellt ein Knowledge Panel.
Kann Schema-Markup die LLM-Sichtbarkeit verbessern?
Schema-Markup verbessert die LLM-Sichtbarkeit, weil KI-Systeme strukturierte Daten als verlässlichere Quelle behandeln als unstrukturierten Text. Organization Schema mit klarer Beschreibung, Auszeichnungen und Themengebieten gibt KI-Systemen die Datenpunkte, die KI-Systeme für korrekte Antworten brauchen. Beim Seitenabruf lesen ChatGPT, Perplexity und Google AI Overviews das JSON-LD mit und nutzen es zur Faktenverifizierung. Für AI Search sind drei Typen am wirksamsten: seitenweites Organization Schema, FAQ Schema und Product Schema. Schema-Markup ersetzt keinen Content, es verifiziert ihn maschinenlesbar.
HECHT INS GEFECHT ist eine SEO-Agentur aus Bremen, die die technische Implementierung übernimmt: Schema-Markup über einen eigenen Schema-Controller im CMS, FAQ-Strukturen und chunk-optimierte Inhalte für bessere KI-Referrals. Ob dein Schema-Markup strategisch trägt, zeigt dir der SEO-Audit: Wir prüfen Organization Schema, sameAs-Profil und Entity-Disambiguierung konkret.
Quellen
5 Quellen decken Standard, Google-Dokumentation und Praxis ab:
- Google: „Introduction to Structured Data“, Google Search Central
- Google: „Organization Schema“, Google Search Central
- Schema.org: „Organization Type“, die vollständige Property-Referenz des Standards
- Barnard, Jason: „Knowledge Panel Optimization“, Kalicube
- Walters, Aaron: „Schema Markup for SEO“, Schema App