Strukturierte Daten helfen KI-Systemen Inhalte zu verstehen und korrekt zuzuordnen. Was das konkret bedeutet und wo die Grenzen liegen.
Schema.org Markup ist keine neue Erfindung. Das Vokabular für strukturierte Daten existiert seit 2011 und wurde ursprünglich entwickelt um Suchmaschinen zu helfen den Inhalt von Webseiten besser zu verstehen. Rich Snippets in Google Suchergebnissen also die erweiterten Darstellungen mit Sternen Preisen oder Rezeptangaben basieren direkt darauf.
Für GEO spielt Schema Markup aus einem ähnlichen aber etwas anderen Grund eine Rolle. KI-Retrievalsysteme die Webinhalte verarbeiten profitieren von strukturierten Daten weil sie dabei helfen Entitäten korrekt zu identifizieren. Wer ist der Autor? Was ist das Thema? Zu welcher Organisation gehört dieser Inhalt? Wann wurde er veröffentlicht? All das kann Schema.org liefern ohne dass das Sprachmodell es aus dem Fließtext ableiten muss.
Das bedeutet nicht automatisch bessere KI-Sichtbarkeit. Schema Markup ist kein magischer Schalter. Aber es macht Inhalte für maschinelle Verarbeitung zugänglicher was indirekt die Wahrscheinlichkeit erhöht korrekt zitiert zu werden. Besonders wenn es um Autorenidentifikation und Themeneinordnung geht.
Für redaktionelle Inhalte. Enthält Autor, Datum, Headline, Publisher. Hilft KI-Systemen Autorenschaft und Aktualität korrekt einzuordnen.
Strukturiert Fragen und Antworten maschinenlesbar. Besonders nützlich weil KI-Systeme oft Antwortblöcke suchen die direkt extrahierbar sind.
Verankert die Entität hinter dem Inhalt. Hilft Sprachmodellen die Quelle einer Aussage korrekt zu attribuieren.
Signalisiert die Einordnung einer Seite in die Sitestruktur. Kleine aber konsistente Hilfe für semantisches Verständnis.
Für die Startseite. Definiert das Gesamtportal als Entität mit Namen URL und Zweck. Basis für alle anderen Schema-Typen auf Unterseiten.
Für produkt- oder anleitungsbezogene Inhalte. Weniger relevant für reine Informationsportale aber wichtig für E-Commerce und Service-Seiten.
Die wichtigste Erkenntnis aus Praxisbeobachtungen: Schema Markup allein reicht nicht. Es verstärkt was bereits vorhanden ist, hebt schwachen Content aber nicht auf das nächste Level. Wer strukturierte Daten einbaut ohne den inhaltlichen Unterbau hat technisch ordentliche aber semantisch leere Seiten.
Was tatsächlich hilft ist die Kombination. Klarer klar strukturierter Inhalt plus korrektes Schema Markup plus nachweisbare Autorenschaft. Auf GEOinside ist das auf jeder Unterseite umgesetzt: Article-Schema mit Oliver Misch als Autor, BreadcrumbList für die Einordnung, WebSite-Schema auf der Startseite.
Ein häufiger Fehler ist unvollständiges Schema. Ein Article-Typ ohne datePublished oder ohne Autorenangabe liefert weniger Mehrwert als gar kein Markup. Google validiert strukturierte Daten im Rich Results Test und zeigt dort auch Warnungen an. Regelmäßige Überprüfung lohnt sich.
Für FAQPage gilt dasselbe. Die Fragen sollten echte Nutzerfragen sein nicht künstliche Konstruktionen die nur wegen der Markup-Möglichkeit existieren. KI-Systeme erkennen ob eine FAQ-Seite echten Informationsgehalt hat oder nur als Schema-Wrapper gebaut wurde.
Auf geoinside.de: WebSite auf der Startseite, Article + BreadcrumbList auf jeder Unterseite, Autorenangabe Oliver Misch mit Verlinkung auf medienplus GmbH. Alle Markup-Typen als JSON-LD im Head-Bereich, nicht als Microdata im Body.