Schema Markup: Der blinde Fleck, den 90 % aller Websites ignorieren
Das Wichtigste in Kürze
- Google und KI-Systeme können den Text auf Ihrer Website lesen — aber sie verstehen nicht automatisch, was Ihr Unternehmen tut, wo es sitzt und was es anbietet.
- Mit einem einfachen, unsichtbaren Code-Baustein können Sie das ändern. Das Ergebnis: bessere Suchergebnisse, mehr Klicks und eine höhere Chance, von KI-Assistenten wie ChatGPT oder Google AI als Quelle zitiert zu werden.
- Über 90 % aller Websites verzichten auf diese Optimierung. Wer sie umsetzt, verschafft sich einen sofort wirksamen Vorsprung.
- In diesem Artikel erklären wir ohne Fachjargon, was dahintersteckt, wie Sie Ihren aktuellen Stand prüfen und welche drei Ausbaustufen es gibt.
Stellen Sie sich vor, Sie schreiben einen Artikel über Ihre Dienstleistungen, Ihre Öffnungszeiten, Ihren Standort. Für einen menschlichen Leser ist sofort klar, worum es geht. Für Google ist es ein Strom aus Buchstaben. Google erkennt einzelne Wörter — aber es versteht nicht automatisch, dass „Montag bis Freitag, 9–17 Uhr“ Ihre Öffnungszeiten sind. Es versteht nicht, dass „Wien“ Ihr Standort ist und nicht ein Thema, über das Sie schreiben. Es versteht nicht, dass die Person im Autorenfeld tatsächlich eine reale Person mit nachweisbarer Expertise ist.
Dieses Problem ist so alt wie das Web. Und die Lösung existiert seit über zehn Jahren. Sie heißt Schema.org — ein strukturiertes Vokabular, das Webinhalten eine maschinenlesbare Bedeutungsschicht hinzufügt. Trotzdem ignorieren die allermeisten Websites dieses Werkzeug. Nicht aus bösem Willen, sondern weil kaum jemand erklärt, was es konkret bringt und wie man es einsetzt.
Was Schema Markup tatsächlich macht
Schema Markup ist unsichtbar. Kein Besucher Ihrer Website wird es jemals sehen. Es ist ein Stück Code — typischerweise im Format JSON-LD — das im Quellcode Ihrer Seite eingebettet wird und Suchmaschinen explizit sagt, was auf der Seite steht.
Ohne Schema Markup sieht Google Ihre Kontaktseite so: Eine Seite mit Text, der die Wörter „Adresse“, „Telefon“ und „Wien“ enthält.
Mit Schema Markup sieht Google Ihre Kontaktseite so: Eine Seite der Organisation „[Ihr Unternehmen]“, mit Hauptsitz in Wien, Österreich, erreichbar unter +43-1-XXXXXXX, Öffnungszeiten Montag bis Freitag 9–17 Uhr, Branche: Rechtsberatung.
Der Unterschied ist fundamental. Im ersten Fall interpretiert Google. Im zweiten Fall weiß Google. Und dieser Unterschied entscheidet zunehmend darüber, wie Ihre Website in den Suchergebnissen dargestellt wird — und ob sie überhaupt als relevante Quelle erkannt wird.
Wie das konkret aussieht: Zwei Beispiele
Theorie ist gut. Aber Schema Markup wird erst greifbar, wenn man sieht, was tatsächlich im Quellcode steht. Zwei Beispiele aus der Praxis.
Beispiel 1: Der Gründer, den Google kennt
Auf der Website einer Anwaltskanzlei steht: „Gegründet 2018 von Dr. Anna Wegner.“ Für Google ist das ein Satz. Für ein KI-System ist das ein Name in einem Text. Nicht mehr.
Mit Person-Schema wird daraus etwas völlig anderes:
{
"@type": "Person",
"@id": "https://example.at/#person/anna-wegner",
"name": "Dr. Anna Wegner",
"jobTitle": "Rechtsanwältin \u0026 Gründerin",
"worksFor": { "@id": "https://example.at/#organization" },
"sameAs": [
"https://www.linkedin.com/in/anna-wegner/",
"https://www.wikidata.org/wiki/Q123456789",
"https://firmenbuch.at/fn/123456x"
]
}Das entscheidende Feld ist sameAs. Es sagt Google und KI-Systemen: Diese Person auf unserer Website ist dieselbe Person wie das LinkedIn-Profil, der Wikidata-Eintrag und der Firmenbucheintrag. Das erzeugt Glaubwürdigkeit auf einer Ebene, die kein Text der Welt liefern kann. Google kann verifizieren, dass diese Person existiert, dass sie tatsächlich Geschäftsführer ist und dass die Informationen über mehrere unabhängige Quellen konsistent sind.
Für E-E-A-T — Googles Bewertungssystem für Expertise, Erfahrung, Autorität und Vertrauenswürdigkeit — ist das ein starkes Signal. Und für KI-Systeme, die Quellen nach Vertrauenswürdigkeit gewichten, ist eine Person mit verifizierbarer Identität wertvoller als eine anonyme Quelle.
Beispiel 2: Begriffe eindeutig machen mit Wikidata
Ihre Website bietet „SEO“ an. Aber was meint Google damit? Search Engine Optimization? Senior Executive Officer? Die Abkürzung ist mehrdeutig. Und genau diese Mehrdeutigkeit ist ein Problem, wenn KI-Systeme entscheiden müssen, worum es auf Ihrer Seite geht.
Wikidata löst das. Wikidata ist eine offene Wissensdatenbank — betrieben von der Wikimedia Foundation — in der jeder Begriff, jede Person, jeder Ort eine eindeutige ID hat. „Suchmaschinenoptimierung“ ist dort Q180711. Nicht „SEO“. Nicht eine Zeichenkette. Sondern ein eindeutiger, global definierter Begriff.
In Ihrem Schema Markup können Sie diese ID referenzieren:
{
"@type": "Service",
"name": "Suchmaschinenoptimierung",
"serviceType": "SEO",
"sameAs": "https://www.wikidata.org/wiki/Q180711",
"provider": { "@id": "https://example.at/#organization" }
}Damit sagen Sie Google nicht nur: „Wir bieten SEO an.“ Sie sagen: „Wir bieten exakt diese Dienstleistung an — die, die in Wikidata unter Q180711 definiert ist, die, die in Wikipedia als ‚Suchmaschinenoptimierung‘ beschrieben wird.“ Keine Interpretation nötig. Keine Verwechslung möglich.
Dieses Prinzip lässt sich auf jeden Fachbegriff anwenden. Ihre Branche, Ihre Methoden, Ihre Technologien — alles, was in Wikidata existiert, kann eindeutig referenziert werden. Das ist besonders wertvoll für spezialisierte Unternehmen, deren Fachbegriffe nicht zum Alltagsvokabular gehören.
Rich Snippets: Das sichtbare Ergebnis
Das Erste, was die meisten Website-Betreiber bemerken, wenn Schema Markup korrekt implementiert ist: Ihre Suchergebnisse sehen plötzlich anders aus. Besser. Auffälliger.
Statt eines einfachen blauen Links mit zwei Zeilen Text zeigt Google zusätzliche Informationen direkt im Suchergebnis an. Sternebewertungen bei Produkten und Dienstleistungen. FAQ-Dropdowns, die Fragen und Antworten direkt in der Suche einblenden. Breadcrumb-Pfade, die die Seitenstruktur visualisieren. Preisangaben bei Produkten. Veranstaltungsdaten bei Events. Kochzeiten bei Rezepten.
Diese erweiterten Darstellungen heißen Rich Snippets — und sie sind kein kosmetisches Detail. Rich Snippets können die Klickrate um durchschnittlich 58 % steigern. Der Grund ist simpel: In einer Liste aus zehn identisch aussehenden Suchergebnissen fällt das Ergebnis mit Sternen, FAQ-Elementen oder Preisen sofort auf. Es nimmt mehr Platz ein. Es wirkt vertrauenswürdiger. Und es beantwortet bereits einen Teil der Frage, bevor der Nutzer klickt.
Rich Snippets entstehen nicht automatisch. Google zeigt sie nur an, wenn die entsprechenden Schema-Daten korrekt im Quellcode hinterlegt sind. Ohne FAQ-Schema keine FAQ-Dropdowns. Ohne Review-Schema keine Sternebewertungen. Ohne LocalBusiness-Schema keine Karteneinblendungen.
Warum KI-Systeme Schema Markup noch dringender brauchen
Bis hierhin war Schema Markup ein SEO-Thema. Ein wichtiges, aber kein neues. Was sich grundlegend verändert hat: Die Art, wie Menschen Informationen finden, verschiebt sich. Google AI Overviews, ChatGPT mit Browsing, Perplexity, Bing Copilot — KI-Systeme beantworten Fragen zunehmend direkt, ohne dass der Nutzer eine Website besucht.
Für diese Systeme ist Schema Markup nicht nur nützlich. Es ist überlebenswichtig.
Ein Large Language Model wie GPT oder Gemini verarbeitet Text statistisch. Es erkennt Muster, berechnet Wahrscheinlichkeiten und generiert Antworten. Aber es versteht keine Bedeutung im menschlichen Sinn. Wenn auf Ihrer Website steht: „Wir bieten Arbeitsrecht, Unternehmensrecht und Vertragsrecht an“, dann sieht ein LLM drei Begriffe in einem Satz. Es kann vermuten, dass es sich um Dienstleistungen handelt — aber es kann es nicht wissen.
Mit Schema Markup weiß es: Diese Organisation ist ein ProfessionalService mit Sitz in Wien, die drei Services anbietet: Arbeitsrecht (Typ: Service), Unternehmensrecht (Typ: Service) und Vertragsrecht (Typ: Service). Jeder Service hat eine eigene URL, eine Beschreibung und einen definierten Zuständigkeitsbereich.
Das ist der Unterschied zwischen Vermutung und Gewissheit. Und KI-Systeme zitieren bevorzugt Quellen, bei denen sie sich sicher sind. Wenn Perplexity oder Googles AI Overview eine Antwort zusammenstellt und zwischen zwei gleichwertigen Quellen wählen muss — einer mit klaren strukturierten Daten und einer ohne — gewinnt die strukturierte Quelle. Nicht immer. Aber systematisch.
Dieser Effekt wird mit jeder Generation von KI-Suchsystemen stärker. Je mehr Antworten direkt in der Suche generiert werden, desto wichtiger wird es, dass Ihre Website maschinenlesbar ist. Nicht nur lesbar im Sinne von „der Bot kann den Text crawlen“. Sondern lesbar im Sinne von „das System versteht, was Ihr Unternehmen ist, was es anbietet und warum es relevant ist“.
Websites konkurrieren nicht mehr nur um Rankings. Sie konkurrieren darum, von KI-Systemen als vertrauenswürdige Quelle erkannt und zitiert zu werden.
Der besondere Fall: Lokales Schema für lokale Unternehmen
Für Unternehmen mit physischem Standort ist Schema Markup kein Nice-to-have. Es ist die Grundlage dafür, in lokalen Suchergebnissen überhaupt aufzutauchen.
LocalBusiness-Schema teilt Google exakt mit: Wo sind Sie? Was bieten Sie an? Wann haben Sie geöffnet? Wie ist Ihre Telefonnummer? In welchem Einzugsgebiet arbeiten Sie? Diese Daten fließen direkt in Google Maps, in das Local Pack (die drei Ergebnisse mit Karte über den organischen Treffern) und in Sprachassistenten.
Wer „Zahnarzt Wien 1020″ googelt, sieht drei Praxen mit Bewertungen, Öffnungszeiten und Wegbeschreibung. Diese Informationen kommen nicht aus den Website-Texten. Sie kommen aus strukturierten Daten — Google My Business plus Schema Markup auf der Website. Unternehmen, die beides konsistent pflegen, erscheinen dort. Unternehmen, die nur Website-Text haben, erscheinen nicht.
Das GeoCoordinates-Schema macht Ihren Standort eindeutig. Das areaServed-Schema definiert Ihren Einzugsbereich. Das OpeningHoursSpecification-Schema kommuniziert Ihre Öffnungszeiten maschinenlesbar. Zusammen bilden diese Daten ein digitales Profil, das Suchmaschinen und KI-Systeme sofort lesen können — ohne raten zu müssen.
Drei Stufen der Schema-Implementierung
Nicht jede Schema-Implementierung ist gleich. Es gibt drei klar unterscheidbare Stufen — und der Unterschied zwischen ihnen ist der Unterschied zwischen unsichtbar und dominant.
Stufe 1: Kein Schema
Die Ausgangslage der meisten Websites. Google crawlt den Text, interpretiert Inhalte nach bestem Wissen, zeigt Standard-Suchergebnisse. Keine Rich Snippets. Keine erweiterten Darstellungen. Keine explizite Kommunikation mit KI-Systemen. Die Website existiert im Web, aber sie erklärt sich nicht.
In einer Welt, in der die Mehrheit der Websites kein Schema hat, war das lange kein Problem. In einer Welt, in der KI-Systeme Antworten synthetisieren und Quellen nach Vertrauenswürdigkeit auswählen, wird es zum strukturellen Nachteil.
Stufe 2: Basis-Schema durch ein SEO-Plugin
Die meisten WordPress-SEO-Plugins — Yoast, Rank Math, SEOPress — generieren automatisch grundlegendes Schema Markup. Organization-Daten, Article-Schema für Blogposts, Breadcrumb-Markup. Das ist besser als nichts und deckt die Grundlagen ab.
Aber es hat Grenzen. Plugin-generiertes Schema ist generisch. Es kennt Ihre spezifischen Dienstleistungen nicht. Es weiß nicht, welche FAQ-Fragen auf welcher Seite stehen. Es versteht nicht, dass Ihre Teamseite Personen mit spezifischen Rollen und Qualifikationen enthält. Es kann keine Beziehungen zwischen Ihren Inhalten modellieren — dass Ihre SEO-Dienstleistung von Ihrer Organisation angeboten wird, von einer bestimmten Person verantwortet wird und für eine bestimmte Zielgruppe gedacht ist.
Basis-Schema ist die Pflicht. Es verhindert, dass Sie komplett unsichtbar sind. Aber es differenziert nicht.
Stufe 3: Hochspezialisiertes Schema durch Custom-Lösungen
Die dritte Stufe ist, wo der echte Wettbewerbsvorteil entsteht. Hier wird Schema Markup nicht generisch generiert, sondern für jede Seitengruppe spezifisch konfiguriert. Service-Seiten bekommen Service-Schema mit Preis-Indikation, Anbieter-Referenz und Zielgruppenbeschreibung. FAQ-Sektionen werden automatisch als FAQPage-Schema ausgegeben. Blogposts erhalten Article-Schema mit verifizierter Autorenschaft, Veröffentlichungsdatum und thematischer Einordnung. Die gesamte Website wird zu einem vernetzten Entity Graph — einem maschinenlesbaren Wissensnetz, das Google und KI-Systemen exakt kommuniziert, wer Sie sind, was Sie anbieten und warum Sie relevant sind.
Der Unterschied ist messbar. Websites mit spezifischem Schema Markup erhalten häufiger Rich Snippets, werden häufiger in AI Overviews zitiert und haben eine höhere Klickrate als Websites mit identischem Textinhalt, aber ohne strukturierte Daten. Nicht weil der Content besser wäre — sondern weil die Bedeutung des Contents eindeutig kommuniziert wird.
Diese dritte Stufe erfordert technisches Wissen. Sie erfordert ein Verständnis der Schema.org-Typen und ihrer Beziehungen. Und sie erfordert ein System, das die richtigen Schema-Regeln auf die richtigen Seiten anwendet — automatisch, konsistent, wartbar.
So prüfen Sie Ihren aktuellen Stand
Bevor Sie etwas implementieren, sollten Sie wissen, wo Sie stehen. Drei kostenlose Tools reichen dafür:
Rich Results Test
Unter search.google.com/test/rich-results eine URL eingeben und sehen, welche Schema-Daten Google erkennt und welche Rich Results daraus generiert werden könnten. Wenn das Ergebnis leer ist, hat Ihre Seite kein funktionierendes Schema.
Schema.org Validator
Unter validator.schema.org die technische Korrektheit prüfen. Sind alle Pflichtfelder vorhanden? Sind die Typen korrekt verschachtelt? Gibt es Fehler in der JSON-LD-Syntax?
Google Search Console prüfen
Unter Verbesserungen sehen Sie über alle Seiten hinweg, welche Schema-Typen erkannt werden, wo Fehler auftreten und welche Rich Results Ihre Website aktuell generiert.
Wenn Sie in allen drei Tools wenig oder nichts sehen — dann gehören Sie zu den neunzig Prozent. Und das bedeutet: Der Hebel ist groß.
Warum die meisten Unternehmen das Thema ignorieren
Schema Markup ist kein Geheimnis. Die Dokumentation ist öffentlich. Die Tools sind kostenlos. Und trotzdem nutzen weniger als 30 % aller Websites überhaupt strukturierte Daten — und davon die allermeisten nur auf Basisniveau.
Der Grund ist nicht technische Komplexität. Der Grund ist Unsichtbarkeit. Schema Markup erzeugt keinen sichtbaren Effekt auf der Website selbst. Kein Designteam merkt, dass es fehlt. Keine Redaktion vermisst es. Keine Geschäftsführung fragt danach. Es ist ein blinder Fleck — nicht weil es unwichtig wäre, sondern weil es unsichtbar ist.
Und genau deshalb ist es ein so effektiver Hebel. In einem Markt, in dem die Konkurrenz auf Keywords optimiert, Backlinks kauft und Content produziert, aber vergisst, Google explizit zu erklären, worum es auf der Seite geht — reicht eine saubere Schema-Implementierung, um sich strukturell von der Mehrheit abzuheben.
Nicht durch mehr Content. Nicht durch mehr Budget. Sondern durch Klarheit.
