Schema.org für KI-Sichtbarkeit: So werden Sie in ChatGPT & Google AI Overviews zitiert

Schema.org ist ein standardisiertes Vokabular, mit dem Sie Suchmaschinen und KI-Systemen maschinenlesbar mitteilen, worum es auf Ihrer Seite geht – wer Sie sind, was Sie anbieten, welche Fragen Sie beantworten. 2026 entscheidet dieses strukturierte Markup zunehmend mit darüber, ob ChatGPT, Perplexity oder Google AI Overviews Ihre Inhalte überhaupt als Quelle in Betracht ziehen. Wer hier nachlässig arbeitet, wird von KI-Systemen schlicht seltener zitiert – unabhängig davon, wie gut der eigentliche Inhalt ist.

Bild Ki und strukturierte Daten

In diesem Beitrag zeige ich Ihnen, welche Schema-Typen 2026 wirklich zählen, was in der Praxis häufig schiefgeht – anhand eines ehrlichen eigenen Beispiels – und wie Sie strukturierte Daten Schritt für Schritt richtig einsetzen.

Was ist Schema.org?

Schema.org ist ein gemeinsam von Google, Bing, Yahoo und Yandex getragenes Vokabular, mit dem Website-Betreiber ihre Inhalte in einer standardisierten, maschinenlesbaren Form auszeichnen können. Technisch geschieht das meist über JSON-LD – einen kleinen Code-Block, der zusätzlich zum sichtbaren Text im HTML-Head oder Body eingebunden wird und Suchmaschinen sowie KI-Crawlern explizit sagt: „Dies ist eine Organisation“, „dies ist ein Fachartikel“, „dies sind Frage und Antwort“.

Mehr zu den sichtbaren Auswirkungen in der klassischen Google-Suche – etwa Sternebewertungen oder FAQ-Ausklappungen – finden Sie in unserem Glossareintrag zu Rich Snippets

Warum sind strukturierte Daten für die KI so wichtig?

Klassische Suchmaschinen und generative KI-Systeme wie ChatGPT, Perplexity, Google AI Overviews oder Gemini gehen bei der Inhaltsbewertung ähnlich vor: Sie zerlegen eine Nutzeranfrage in Teilfragen, durchsuchen das Web nach passenden Textpassagen und gewichten diese nach vier Kriterien:
  1. Semantische Klarheit – ist eindeutig erkennbar, worum es geht?
  2. Aktualität – wie frisch ist der Inhalt tatsächlich
  3. Quellenautorität – wer steht hinter dem Inhalt, welche Expertise ist erkennbar?
  4. Strukturelle Extrahierbarkeit – lässt sich die Antwort sauber herauslösen?
Schema-Markup wirkt direkt auf den vierten Punkt – strukturelle Extrahierbarkeit – und unterstützt indirekt auch die ersten drei, weil es Klarheit, Datierung und Autorenschaft explizit maschinenlesbar macht, statt sie nur im Fließtext zu verstecken. Dies hilft den KIs, den Inhalt besser zu verstehen und richtig zuzuorden.

Die wichtigsten Schema-Typen für GEO 2026

Nicht jeder Schema-Typ hat den gleichen Effekt. Diese Typen haben aus unserer
Erfahrung die größte Hebelwirkung für die Sichtbarkeit in KI-Antworten (nur eine Auswahl):

Schema-TypWofür?
Organization / LocalBusinessGrundidentität der Website – wer Sie sind, Kontaktdaten, Standort
FAQPageFrage-Antwort-Inhalte – nach aktuellen GEO-Analysen der Einzeltyp mit dem höchsten Effekt auf KI-Zitierfähigkeit
Article / TechArticleRatgeber- und Fachartikel, inkl. `datePublished`, `dateModified`, `author`
DefinedTermGlossar- und Fachbegriffsseiten – definiert einen Begriff eindeutig innerhalb eines Themenfelds
ProductProduktseiten mit Preis, Verfügbarkeit, Bewertungen
Review / AggregateRatingKundenbewertungen maschinenlesbar auszeichnen
HowToSchritt-für-Schritt-Anleitungen
BreadcrumbListNavigationspfad und thematische Einordnung innerhalb der Seitenstruktur
PersonAutorenschaft und Expertise sichtbar machen (E-E-A-T)
MedicalWebPageMedicalWebPage istfür Webseiten mit medizinischen bzw. gesundheitsbezogenen Informationen.
MedicalProcedureEin MedicalProcedure beschreibt einen medizinischen Behandlungs- oder Untersuchungsprozess, der diagnostischen, therapeutischen, präventiven oder palliativen Zwecken dient und invasive (chirurgische), nicht-invasive oder andere Techniken verwenden kann
MedicalGuidelineFür medizinische Leitlin
MedicalStudy, MedicalTrial, MedicalObservationalStudyFür Studien, klinische Studien oder Beobachtungsstudien.
Quelle: schema.org
Für die meisten kleineren und mittleren Unternehmen empfiehlt sich, mit Organization/LocalBusiness, FAQPage und Article zu beginnen – das deckt bereits einen Großteil der Website ab.

Praxisbeispiel: Was bei einer eigenen Fachbegriffsseite tatsächlich passiert ist

Ehrlichkeit gehört zu unseren Grundwerten – deshalb zeigen wir hier ein reales Beispiel aus der eigenen Website, inklusive dem, was dabei nicht auf Anhieb funktioniert hat.

Bei der Überarbeitung einer Fachbegriffsseite wurden zunächst Title-Tag, Meta-Description und die Open-Graph-Angaben korrigiert und um umfangreiches JSON-LD-Markup ergänzt: ein DefinedTerm-Schema für den Fachbegriff selbst, ein TechArticle-Schema mit Autor und Aktualisierungsdatum sowie ein FAQPage-Schema mit acht echten, inhaltlich fundierten Frage-Antwort-Paaren.

Das allein war bereits ein deutlicher Sprung nach vorne gegenüber dem vorherigen Zustand ganz ohne strukturierte Daten.

Bei der Detailprüfung zeigten sich aber zwei typische Stolperfallen:

  1. Ein **Content-Schema-Mismatch**: Title, Meta-Description und die neuen
    Schema-Felder waren korrekt formuliert – aber die H1-Überschrift und der überwiegende Teil des sichtbaren Fließtexts auf der Seite waren zu diesem Zeitpunkt noch nicht angepasst. Für KI-Systeme entsteht dadurch ein
    Widerspruch zwischen Metaebene und tatsächlichem Seiteninhalt – ein Signal, das die Zitierfähigkeit eher schwächt als stärkt, weil Konsistenz selbst ein Qualitätsmerkmal ist.
  2. doppelte `@id`-Knoten im selben JSON-LD-Graph: Ein älterer, nicht bereinigter Schema-Block und der neue, von einem SEO-Plugin generierte lock bestanden parallel – mit identischer `@id` (`#webpage` bzw.
    `#breadcrumb`), aber inhaltlich widersprüchlichen Angaben. Technisch ist das ungültiges bzw. mehrdeutiges strukturiertes Markup, das im Google Rich Results Test auffällt und im schlimmsten Fall dazu führt, dass Suchmaschinen und KI-Crawler einen der beiden Knoten schlicht ignorieren.

Die Lehre daraus:

Neues Schema-Markup zu ergänzen ist nur die halbe Arbeit. Ohne Abgleich mit dem sichtbaren Content und ohne Bereinigung alter
Schema-Reste bleibt ein Teil des Nutzens auf der Strecke.

Tools zur Validierung

– Google Rich Results Test – prüft, ob Google das Markup korrekt interpretiert und für Rich Results in Frage kommt
– Schema.org Validator – prüft technische Korrektheit unabhängig von Google
– Google Search Console – zeigt im Bereich „Verbesserungen“ strukturierte Daten mit Fehlern oder Warnungen über die Zeit

Meine Empfehlung:

Wir empfehlen, nach jeder Änderung am Schema-Markup beide Tools zu prüfen – nicht nur eines, da sie teilweise unterschiedliche Fehlerklassen erkennen.

Häufige Fehler bei der Implementierung

  • Doppelte `@id`-Knoten mit widersprüchlichem Inhalt im selben Graph (siehe oben)
  • Content-Schema-Mismatch – Schema-Aussagen ohne Deckung im sichtbaren Text
  • Veraltete Schema-Reste, die bei Plugin-Wechseln oder -Updates nicht entfernt wurden
  • Schema ohne anschließende Validierung eingespielt – Fehler bleiben so oft monatelang unbemerkt
  • Zu generisches FAQ-Schema – Fragen, die nicht wirklich im sichtbaren Content beantwortet werden

Wichtig:

Sind Fehler vorhanden, so kann die Wirkung ausbleiben – im schlimmsten Fall sogar negativ sein.

Schritt-für-Schritt-Anleitung zur Umsetzung

1. Bestandsaufnahme

Prüfen Sie mit dem Rich Results Test, welches Schema-Markup auf zentralen Seiten bereits vorhanden ist – und ob es fehlerfrei ist.

2. Priorisierung nach Seitentyp

Startseite und Über-uns-Seite erhalten Organization/LocalBusiness, Ratgeber- und Fachbegriffsseiten TechArticle bzw. DefinedTerm, Frage-Antwort-Bereiche FAQPage.

3. Implementierung

Bei WordPress übernehmen SEO-Plugins wie Rank Math einen Großteil automatisch – prüfen Sie dennoch die generierten Felder
manuell, insbesondere bei Plugin-Wechseln oder größeren Content-Updates. Ebenso sollte Sie wichtige Angaben wie z. B. Adresse, Rufnummer etc. prüfen – ich habe es schon erlebt, dass eine Privatklinik lt. Gemini ein Teil eines Klinikums war.

4. Abgleich mit sichtbarem Content

Stellen Sie sicher, dass Title, H1, Überschriften und Schema-Felder dieselbe Terminologie verwenden.

5. Validierung

Jede Änderung mit Rich Results Test und Schema.org Validator gegenprüfen.

6. Bereinigung

Alte, doppelte oder verwaiste Schema-Blöcke aktiv entfernen statt nur neue hinzuzufügen.

7. Monitoring

Search Console regelmäßig auf neue Warnungen prüfen.

Erfolg messen

Klassische Rankings allein reichen nicht mehr aus, um GEO-Erfolg zu beurteilen. Sinnvoll sind:

  • Prompt-Tests: Regelmäßig gezielte Fragen in ChatGPT, Perplexity und Google AI Overviews stellen und dokumentieren, ob und wie die eigene Seite zitiert wird.
  • KI-Bot-Traffic in GA4: Ein eigenes Segment für bekannte KI-Crawler und -Referrer anlegen und über Zeit beobachten.
  • Regelmäßigkeit: Ein wöchentlicher Quick-Check der wichtigsten Suchanfragen, ein monatlicher vollständiger Prompt-Test.

Wichtig:

  • Ein realistischer Zeithorizont bis zu ersten messbaren Zitierungen liegt erfahrungsgemäß bei vier bis zwölf Wochen nach konsequenter Umsetzung.
  • Bisherige, konservative Tools können oft die Auswertung des KI-Traffics nur mangelhaft. Daher unbedingt prüfen!

Häufige Fragen und Antworten

Nicht im klassischen Sinne eines Ranking-Signals, aber strukturierte Daten verbessern die Interpretierbarkeit Ihrer Inhalte für Suchmaschinen und KI-Systeme erheblich – und damit indirekt die Wahrscheinlichkeit, in Rich Results und KI-Antworten aufzutauchen.
Ein gutes Plugin deckt die Grundlagen ab, ersetzt aber nicht die manuelle Kontrolle. Gerade bei individuellen Seiten wie Fachbegriffs- oder Glossareinträgen lohnt sich ein Blick ins generierte JSON-LD, um Duplikate oder veraltete Angaben zu erkennen.
Immer dann, wenn sich der zugrunde liegende Content wesentlich ändert – insbesondere `dateModified` sollte tatsächlich mit einer inhaltlichen Überarbeitung einhergehen, nicht nur pro forma aktualisiert werden.
Ja – gutes Ranking in der klassischen Suche sagt wenig darüber aus, ob eine Seite auch in KI-generierten Antworten zitiert wird. Das sind zunehmend zwei unterschiedliche Sichtbarkeitskanäle.
Nein, nicht jede Eigenschaft ist verpflichtend.
Nein, nicht jede Eigenschaft ist verpflichtend.

Für den medizinischen Bereich gehören übrigens zu den am häufigsten verwendeten Typen:

  • MedicalWebPage
  • MedicalCondition
  • MedicalProcedure
  • MedicalTherapy
  • Drug
  • MedicalClinic
  • MedicalScholarlyArticle
  • MedicalGuideline
  • MedicalTest
  • MedicalDevice

Technisch korrektes Schema-Markup allein garantiert keine Rich Results. Die häufigsten Ursachen lassen sich in vier Bereiche einteilen:

  1. Google-Richtlinien
    Strukturierte Daten sind nur ein Hinweis für Google, keine Garantie für die Anzeige. Einige Rich Results wurden stark eingeschränkt:
    – FAQ-Schema erscheint seit 2023 fast nur noch auf Behörden- und Gesundheitsseiten.
    – HowTo-Schema hat stark an Sichtbarkeit verloren.
    – Review-Sterne werden bei vielen selbst eingebundenen Bewertungen nicht mehr angezeigt.

  2. Inhaltsqualität
    – Schema-Daten müssen auch sichtbar auf der Seite vorhanden sein.
    – Seiten mit geringem Mehrwert oder schwacher Vertrauenswürdigkeit erhalten seltener Rich Results.
    – Thin Content kann dazu führen, dass Markup ignoriert wird.

  3. Technik & Indexierung
    – Nach der Implementierung kann es Tage oder Wochen dauern, bis Google die Daten verarbeitet.
    – Informationen im Schema sollten mit Seiteninhalt und Unternehmensprofil übereinstimmen.
    – Fehler beim Rendering oder JavaScript können verhindern, dass Google das Markup erkennt.

  4. Fehlersuche
    – Nutze den Schema Validator für die Syntaxprüfung.
    – Nutze den Google Rich Results Test, um die Google-Unterstützung zu prüfen.
    – Kontrolliere die Google Search Console auf Crawling-, Rendering- und Markup-Fehler.
    – Vergleiche mit Mitbewerbern: Wenn dort keine Rich Results erscheinen, unterstützt Google das Feature möglicherweise für diese Suchanfrage nicht.

Fazit

Schema.org ist 2026 kein Nice-to-have mehr, sondern eine Grundvoraussetzung dafür, in KI-generierten Antworten überhaupt als Quelle in Frage zu kommen. Entscheidend ist dabei weniger die Menge an implementiertem Markup als die Konsistenz zwischen sichtbarem Content und strukturierten Daten – wie unser eigenes Beispiel zeigt, ist genau das oft die eigentliche Herausforderung.

Wenn Sie wissen möchten, wie sichtbar Ihre eigene Website aktuell in ChatGPT, Perplexity und Google AI Overviews ist, unterstütze ich Sie gerne mit einem kostenlosen KI-Sichtbarkeits-Audit .

Weiterführend:

Alle News & Beiträge