Jeder kennt sie, aber nutzt sie auch jeder richtig? Die schema.org-Vorgaben bleiben unverändert, doch Google erweitert ständig die verfügbaren strukturierten Daten. Bietet KI hier ungenutztes Potenzial?
Schon gewusst? Schema.org
Im SEO-Alltag sind strukturierte Daten nach schema.org eine routinemäßige Aufgabe. Trotz der Vertrautheit mit schema.org ist es wichtig, die Attribute und Mark-ups sorgfältig und fehlerfrei im HTML-Code umzusetzen. Was ist schema.org? schema.org ist eine kollaborative Initiative der führenden Suchmaschinen Google, Yahoo, Bing und Yandex, die das Ziel verfolgt, ein einheitliches Vokabular zur Strukturierung von Daten im Web bereitzustellen. Mit der Verwendung von schema.org wird es Webmastern und Entwicklern möglich, Informationen auf den einzelnen Websites so zu kennzeichnen, dass Suchmaschinen sie besser interpretieren und damit präziser in den SERPs anzeigen können. Das Vokabular besteht aus zuvor definierten standardisierten Datenmodellen von schema.org, die verschiedene Entitäten, Aktionen und Beziehungen beschreiben. Die als Schema-Mark-ups bekannten Typen dienen zur Definition von Elementen, wie zum Beispiel Personen, Produkten, Veranstaltungen oder Rezensionen. Häufig verwendete Schema-Mark-ups sind Product, Article, Recipe, Event, Review, Organization oder FAQPage mit jeweils unterschiedlichen Eigenschaften. Die vollständige Liste ist direkt über schema.org abrufbar (schema.org/docs/full.html). Das folgende Beispiel zeigt das Schema-Mark-up für das Element „Organization“ des Unternehmens diva-e. Erst nach Implementierung dieses Schema-Mark-ups im HTML ist es der Suchmaschine möglich, die hinterlegten administrativen Details als Rich Results oder Knowledge Panels in den SERPs auszuweisen. Abbildung 1: Schema-Mark-up „Organization“ der diva-e Wie werden strukturierte Daten nach schema.org verfasst und welche Bedeutung haben diese für SEO-Experten? Für die Implementierung strukturierter Daten im HTML-Code gibt es nach schema.org drei verschiedene Codesprachen: Mirodata, RDFa und JSON-LD. JSON-LD Dies ist die weltweit am häufigsten verbreitete und von Google empfohlene Methode zur Implementierung von schema.org. Dabei handelt es sich um eine JavaScript-basierte Methode, die das direkte Einfügen der strukturierten Daten im <head>- oder <body>-Tag ermöglicht. Damit wird der HTML-Code übersichtlicher und besser lesbar, da alle Informationen kompakt an einer Stelle im Code integriert werden. JSON-LD unterstützt alle schema.org-Typen und verwendet die Attribute „@context“ und „@type“, wobei die Daten vom Quelltext entkoppelt werden. Abbildung 2: JSON-LD-Code für Schema-Mark-up „Organization“ RDFa Das Akronym RDFa steht für Resource Description Framework in Attributes und ist als HTML5-Erweiterung in der Lage, auch SVG- und XML-Dateien auszuzeichnen. Diese Art von Code ist weniger mächtig als JSON-LD, kann jedoch bedingt durch die Präfixe verschiedene Attribute miteinander verknüpfen und somit auch komplexe und vernetzte Daten darstellen. Die dafür verwendeten Attribute sind „rel und rev“, „about“, „src, href und resource“, „content“, „datatype“ sowie „typeof“. Der unten stehende Code zeigt die Verwendung des Schema-Mark-ups „Organization“ mit der Verwendung von RDFa-Code. Abbildung 3: RDFa-Code für Schema-Mark-up „Organization“ Mikrodaten Im Vergleich zu RDFa und JSON-LD ist die Verwendung von Mikrodaten veraltet, da sie den HTML-Code komplizierter und weniger lesbar gestalten. Reguläre HTML-Tags werden mit den Attributen nach schema.org ergänzt und um die einzelnen Elemente herausgeschrieben. Der Vorteil ist, dass direkt im Code erkennbar ist, für welches Element strukturierte Daten verwendet werden. Ein Nachteil ist, dass wie bei RDFa alle Informationen direkt im HTML-Code sichtbar sein müssen. Dies ist bei JSON-LD nicht erforderlich. Die angewendeten Attribute sind „itemscope“, „itemprop“, „itemtype“, „itemid“ und „itemref“. Der folgende Code zeigt das Schema-Mark-up „Organization“ unter Anwendung von Mikrodaten. Abbildung 4: Microdata-Code für Schema-Mark-up „Organization“ Und welche Bedeutung haben die verschiedenen Implementierungen nun für SEO-Experten? Strukturierte Daten nach schema.org sind für SEO-Experten entscheidend, da sie Suchmaschinen helfen, Website-Inhalte besser zu lesen, zu interpretieren und effektiver darzustellen, was die Sichtbarkeit der Website erheblich beeinflusst. Durch die Implementierung von JSON-LD, Microdata oder RDFa können Website-Betreiber ihren Nutzern spezifische und relevante Informationen über Rich Results, Knowledge Panels oder Rich Cards direkt in den Suchergebnissen bieten. Dies führt zu einer höheren Klickrate und einer stärkeren Unterscheidbarkeit gegenüber Wettbewerbern, insbesondere wenn die erweiterten Suchergebnisse Preise, Bewertungen, Verfügbarkeiten oder Termine enthalten, wie Abbildung 5 verdeutlicht. Abbildung 5: SERPs mit Rich Results Im E-Commerce sind strukturierte Daten besonders wertvoll, da Produktinformationen wie Preis und Verfügbarkeit direkt in den SERPs erscheinen. Mark-ups wie „Car“ ermöglichen es Kfz-Händlern in den USA, Fahrzeugangebote konsistent über Plattformen hinweg auszuweisen. Das Sitelinks-Suchfeld ermöglicht Nutzern, direkt in den SERPs Websites zu durchsuchen (vgl. Abbildung 6). Zudem fördern strukturierte Daten die Barrierefreiheit, indem sie assistive Technologien bei der besseren Interpretation der Seiteninhalte unterstützen – besonders relevant angesichts des 2025 in Kraft tretenden Barrierefreiheitsstärkungsgesetzes (BSFG). Abbildung 6: SERP-Ergebnis mit Sitelink-Suchfeld Welche Best Practices helfen bei der Implementierung von schema.org? Bei der Implementierung strukturierter Daten im Code gibt es verschiedene Methoden mit unterschiedlicher Komplexität, die den Einsatz spezifischer Tools und Techniken erfordern. Der Structured Data Markup Helper ist ein Tool von Google, das die Markierung von strukturierten Daten erleichtert. Es bietet eine benutzerfreundliche Oberfläche, mit der HTML-Seiten markiert werden können. In der Folge generiert das Tool den entsprechenden JSON-LD-Code, der anschließend im HTML-Code integriert werden kann. Nach der Implementierung strukturierter Daten sollten diese auf Richtigkeit geprüft werden. Der Schema Markup Validator (https://validator.schema.org/) von Google analysiert den eingebetteten Code auf Fehler und Warnungen zur Bestätigung der Implementierung. Mit dem Screaming Frog SEO Spider können strukturierte Daten seitenweit untersucht und Fehlerquellen sowie Optimierungsmöglichkeiten identifiziert werden, ohne jede URL einzeln zu überprüfen. Das Rich Results Test Tool bewertet zusätzlich, ob die strukturierten Daten von Google als Rich Results erkannt und entsprechend dargestellt werden. Wie kann künstliche Intelligenz unterstützen? Künstliche Intelligenz hilft bei der korrekten Erstellung von strukturierten Daten nach schema.org, geeignet sind hierbei sowohl ChatGPT als auch Gemini. Die oben genannten Beispiele wurden mit ChatGPT erstellt und mit dem Schema Markup Validator von Google auf Richtigkeit überprüft. Ein perfekter Prompt für die Erstellung solcher Daten existiert nicht. Allerdings gilt: je präziser der Input, desto genauer der Output. Ein Prompt sollte daher den Kontext, die gewünschte Codesprache, das spezifische Schema-Element und einen Beispielcode enthalten, wie die folgende Abbildung 7 zeigt. Abbildung 7: ChatGPT: Prompt-Beispiel für RDFa-Code für Schema-Mark-up „Organization“ Fazit KI bietet enormes Potenzial! Präzise Prompts für strukturierte Daten nach schema.org sparen im SEO-Alltag Zeit und Ressourcen und steigern Effizienz und Qualität. Die Nutzung strukturierter Daten erhöht die Sichtbarkeit von Websites sowie die Klickrate. In Verbindung mit KI wird die Arbeit somit effektiver und erfolgreicher.