Strukturierte Daten (Schema.org)

Definition

Strukturierte Daten sind maschinenlesbare Metadaten, die auf einer Webseite ein standardisiertes Vokabular nutzen, um den semantischen Inhalt zu beschreiben. Sie ergänzen das visuelle HTML mit einer expliziten Beschreibung von Typ und Bedeutung der dargestellten Information: ist dies ein Artikel, ein Produkt, ein Rezept, ein Event, eine Person, eine Organisation. Schema.org ist das dominierende Vokabular und wird seit 2011 von Google, Microsoft, Yahoo und Yandex gemeinsam getragen. Üblich Formate sind JSON-LD (empfohlen), Microdata und RDFa.

Strukturierte Daten sind ein zentraler Baustein moderner Discovery-Infrastruktur: Sie ermöglichen Rich Results in der Google-Suche, sie sind Eingabe für den Google Knowledge Graph und sie können KI-Antwort-Engines wie AI Overviews, ChatGPT Search und Perplexity das Verstehen von Inhalten erleichtern — als bestätigtes Citation-Signal gilt das allerdings nicht.

Mechanismus und Architektur

Schema.org-Markup besteht aus Typen und Properties:

• Typen: Sind Klassen wie Article, Product, FAQPage, HowTo, Recipe, Event, Person, Organization. Schema.org definiert über 800 Typen mit hierarchischer Vererbung.
• Properties: Sind Felder eines Typs, etwa name, author, datePublished, price, ratingValue. Properties haben einen Erwartungstyp, oft ein primitiver Datentyp oder ein anderer Schema.org-Typ.

JSON-LD-Beispiel für einen Artikel:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Beispielartikel",
  "author": {
    "@type": "Person",
    "name": "Max Mustermann"
  },
  "datePublished": "2026-06-07",
  "publisher": {
    "@type": "Organization",
    "name": "Beispielverlag"
  }
}

Eingebettet wird das JSON-LD in einem script-Tag mit type=application/ld+json im HTML-Head oder Body. Suchmaschinen-Crawler und LLM-Crawler extrahieren das JSON-LD und integrieren es in ihre semantische Repräsentation der Seite.

Microdata und RDFa verteilen die Markup-Information über HTML-Attribute (itemtype, itemprop, typeof, property). Diese Formate koppeln Markup direkt an sichtbare Inhalte, sind aber wartungsintensiver und 2026 als legacy einzustufen.

Praxis und Anwendung

Wichtige Anwendungsfälle und Schema-Typen:

• Redaktionelle Inhalte: Article, NewsArticle, BlogPosting. Felder: headline, author, datePublished, dateModified, image.
• E-Commerce: Product mit Offer-Sub-Typ, AggregateRating, Brand. Felder: name, price, availability, gtin, sku.
• FAQ und HowTo: FAQPage mit Question-Items, HowTo mit Step-Items. Als Google-Rich-Results seit 2023 stark eingeschränkt bzw. eingestellt; als Signal für KI-Systeme plausibel, aber unbestätigt.
• Rezepte: Recipe mit Ingredients, Instructions, Nutrition, prepTime, cookTime.
• Events: Event mit location, startDate, endDate, organizer, offers.
• Lokale Geschäfte: LocalBusiness mit address, openingHours, geo, telephone.
• Personen und Organisationen: Person, Organization mit name, sameAs (Knowledge Graph Linking), url, contactPoint.
• Navigation: BreadcrumbList für Pfadhierarchie.
• Videos: VideoObject mit duration, uploadDate, thumbnailUrl.
• Bewertungen: Review, AggregateRating, ratingValue, reviewCount.

Tools für Validierung und Monitoring:

• Google Rich Results Test: Prüft, ob ein Schema-Markup für Google-Rich-Results geeignet ist.
• Schema Markup Validator: Allgemeine Schema.org-Validierung ohne Google-spezifischen Filter.
• Google Search Console: Zeigt produktiv erkannte strukturierte Daten und Fehler.
• Browser-Plugins: Schema App Highlighter und ähnliche Markup-Inspektoren.
• Ahrefs und Semrush: Strukturierte-Daten-Audits in SEO-Workflows.

Häufige Fehler

• Falsche Typ-Wahl: Article statt NewsArticle für Nachrichten, BlogPosting statt Article für magazinartige Inhalte.
• Fehlende Pflichtfelder: Google-Rich-Results-Spezifikation verlangt für viele Typen Pflichtfelder, die oft fehlen.
• Widersprüche zwischen HTML und JSON-LD: Wenn JSON-LD ein anderes Datum nennt als das sichtbare HTML, abstrafen Google und LLM-Crawler.
• JSON-LD-Syntaxfehler: Trailing-Kommas, ungültige Escapes, fehlende Anführungszeichen.
• Spam-Versuche: Fake-AggregateRating-Sterne ohne echte Reviews führen zu manueller Strafe.
• Veraltete Schema-Typen nicht updaten: Schema.org entwickelt sich weiter; deprecated Typen und Properties sind im Release-Log dokumentiert.
• Mehrere widersprüchliche Schema-Blöcke: Mehrere Article-Blöcke pro Seite ohne klare Hierarchie verwirren Crawler.
• Pflichtangaben für AI Overviews ignorieren: Author, Publisher, datePublished sind in der KI-Search-Ära zentrale Citation-Signale.

Abgrenzung

• Open Graph: Meta-Tags für Social-Media-Vorschauen (Facebook, LinkedIn). Komplementär zu Schema.org, nicht ersetzend.
• Twitter Cards: Meta-Tags für X (Twitter)-Vorschauen. Komplementär.
• JSON-LD vs. Microdata vs. RDFa: Drei Formate für Schema.org. JSON-LD empfohlen.
• Microformats: Älteres, leichtgewichtiges Format (hCard, hCalendar). Geringe Verbreitung 2026.
• OpenAPI: Spezifikation für REST-APIs, nicht für Content-Markup.
• Dublin Core: Klassisches Metadaten-Vokabular, primär für Bibliotheken und Archive.
• llms.txt: Site-weite kuratierte Inhaltsübersicht für LLMs, komplementär zu Schema.org.