Structured Data für KI-Suche: Was noch zählt

Was Structured Data für KI-Assistenten wirklich bewirkt

Jeder KI-Assistent, der eine Frage wie „bester Zahnarzt in meiner Nähe“ oder „wo bekomme ich dieses Ersatzteil“ beantwortet, schickt zuerst einen Crawler los – ein Programm, das Webseiten besucht und deren Inhalt kopiert –, um Ihre Website zu lesen. Ohne Beschriftung sieht dieser Crawler nur eine Textwand und muss die Bedeutung erraten: Ist „030 55501234“ eine Telefonnummer oder eine Produktkennung? Structured Data nimmt diese Rätselei weg, indem sie Fakten in einen kleinen Code-Block namens JSON-LD verpackt, der still auf der Seite liegt und quasi sagt: Das hier ist die Telefonnummer, das der Preis, das die Öffnungszeit.

OpenAIs eigene Dokumentation bestätigt, dass ihr Crawler GPTBot öffentlich zugängliche Webseiten weitgehend so abruft wie eine klassische Suchmaschine OpenAI, und Googles Leitfaden zu Structured Data stellt klar, dass diese Auszeichnungen einem Programm helfen, „den Inhalt der Seite zu verstehen“ Google Search Central. Keines der beiden Unternehmen hat erklärt, diese Beschriftung zu ignorieren – in der Praxis liest also derselbe JSON-LD-Block, den Sie für die klassische Suche hinzufügen würden, auch bei den Assistenten mit, zu denen Ihre Kunden gerade wechseln. Wenn Sie ihn noch nie eingebaut haben, arbeiten die Assistenten, die heute Fragen zu Ihrem Unternehmen beantworten, mit Vermutungen statt mit Fakten.

Die vier Schema-Typen, die sich wirklich lohnen

Schema.org listet Hunderte Elementtypen auf, von Recipe über Movie bis Airport, aber ein typisches kleines oder mittleres Unternehmen braucht nur vier davon, um fast jede Angabe abzudecken, die ein Assistent zitieren könnte. Fügen Sie diese hinzu, und kümmern Sie sich um den Rest gar nicht erst.

• Organization – etabliert Ihr Unternehmen als eine benannte Einheit mit Logo und Links zu Ihren offiziellen Social-Media-Profilen, sodass ein Assistent erkennt, dass das Instagram-Konto und die Website beide zur selben „Dolores’ Bäckerei“ gehören.
• LocalBusiness – eine Erweiterung von Organization für alle mit physischer Adresse oder Einzugsgebiet; sie trägt Öffnungszeiten, Telefonnummer und Standort, genau die Details, die ein Assistent braucht, um „haben die gerade offen“ zu beantworten.
• Product und Offer – hängen einen echten Preis, eine Währung und die Verfügbarkeit an das, was Sie verkaufen, sodass ein Assistent Ihre tatsächliche Zahl zitiert, statt aus ein paar Konkurrenz-Schätzungen einen Mittelwert zu bilden.
• FAQPage – eine Reihe von Frage-Antwort-Paaren genau in dem Format, das Assistenten schon jetzt gern wortwörtlich übernehmen und einem Nutzer zurückgeben.

Was eine maschinenlesbare Bestätigung für die Identitätsklärung bringt

Stellen Sie sich Dolores vor, die eine Bäckerei in München betreibt. Sie hat ein Google-Unternehmensprofil, eine Yelp-Seite, ein Instagram-Konto und eine Website – vier verschiedene Erwähnungen von „Dolores’ Bäckerei“, verstreut im Internet. Bevor ein Assistent sie guten Gewissens empfehlen kann, muss er die Identitätsklärung lösen: entscheiden, ob alle vier Erwähnungen dasselbe reale Unternehmen beschreiben, oder ob eine davon eine andere „Dolores’ Bäckerei“ in einer anderen Stadt ist.

Structured Data liefert dem Assistenten eine Abkürzung. Eine schema.org-Eigenschaft namens sameAs erlaubt es Dolores, ihre Instagram-, Facebook- und Yelp-Adressen direkt im Organization-Markup ihrer eigenen Website aufzulisten – eine maschinenlesbare Bestätigung, in ihren eigenen Worten, dass diese Konten ihr gehören schema.org. Das ist ein stärkeres Signal, als wenn ein Assistent aus ähnlichen Namen und Adressen quer über Quellen, denen er nicht voll vertraut, selbst auf eine Übereinstimmung schließen muss; hier bürgt Dolores selbst für die Verbindung, in einem Format, das nichts falsch verstehen kann.

Das wird umso wichtiger, je stärker der Wettbewerb um einen Namen ist. Eine einzige „Dolores’ Bäckerei“ in einer Kleinstadt mit achttausend Einwohnern klärt sich von selbst. Eine „Praxis Rheinblick“, die gegen vier Zahnarztpraxen mit ähnlichen Namen antritt, braucht jedes einzelne unterscheidende Detail – die genaue Adresse, die genaue Telefonnummer, die bestätigten Social-Links –, damit ein Assistent sie nicht mit der Konkurrenz um die Ecke verwechselt.

Ein JSON-LD-Beispiel zum Kopieren, das Sie diese Woche anpassen können

Sie brauchen keinen Entwickler, der das von Grund auf schreibt – Sie müssen nur eine Vorlage ausfüllen. Ein JSON-LD-Block für ein lokales Unternehmen sitzt in einem einzigen Script-Tag, markiert als Typ application/ld+json, und beginnt mit einer Zeile, die schema.org als sein Vokabular deklariert. Darin wird der Typ auf LocalBusiness gesetzt, gefolgt von einem name-Feld mit Ihrem exakten Firmennamen und einem image-Feld, das auf Ihr Logo verweist.

Danach folgt eine Adresse als eigenes verschachteltes Objekt vom Typ PostalAddress, aufgeteilt in streetAddress, addressLocality (Ihre Stadt), addressRegion (Ihr Bundesland) und postalCode – vier getrennt beschriftete Felder statt einer Textzeile, denn nur so kann ein Assistent „ist das in meiner Nähe“ beantworten, ohne eine Postleitzahl mit einer Wohnungsnummer zu verwechseln. Es folgen ein telephone-Feld und ein priceRange-Feld (etwas so Einfaches wie „$“ für mittlere Preislage). Ein openingHoursSpecification-Feld listet Ihre Tage und Zeiten in strukturierter Form statt als Satz, damit „sonntags geschlossen“ nicht als „montags geschlossen“ missverstanden werden kann. Zum Schluss enthält ein sameAs-Feld eine Liste von URLs: Ihr Instagram, Ihre Facebook-Seite, Ihr Yelp-Eintrag und jedes weitere Profil, das eindeutig Sie zeigt.

Einmal geschrieben, wird dieser Block einmal eingefügt, oben in den Code Ihrer Startseite, und dann in Ruhe gelassen. Wenn Sie einen Website-Baukasten wie Squarespace, Wix oder Shopify nutzen, bieten die meisten inzwischen ein Einstellungsfeld für eigenen Code oder Structured Data, in dem sich das einfügen lässt, ohne den Rest der Seite anzufassen.

Was Sie getrost weglassen können

Nicht jeder schema.org-Typ lohnt sich, und wer allen hinterherjagt, verschwendet Mühe, die besser in die vier oben genannten fließt.

• BreadcrumbList-Markup, das die Ordnerstruktur Ihrer Seite beschreibt (Startseite > Speisekarte > Kuchen), hilft der klassischen Suche, einen Navigationspfad anzuzeigen, sagt einem Assistenten aber nichts über die Fakten Ihres Unternehmens – überspringen Sie es, außer Sie haben es schon aus einem früheren Projekt.
• AggregateRating ohne echte zugrunde liegende Bewertungen. Googles eigene Richtlinien zu Structured Data verbieten ausdrücklich Markup, das Bewertungen vortäuscht, die Sie gar nicht haben Google Search Central, und ein Assistent, der einen überhöhten Score wiedergibt, den Sie nicht belegen können, ist ein Reputationsrisiko, kein Gewinn.
• Tief verschachteltes oder auf jeder einzelnen Seite dupliziertes Markup. Ihre Organization-Identität muss nur einmal klar deklariert werden, meist auf der Startseite; sie uneinheitlich über Dutzende Seiten zu wiederholen, erzeugt widersprüchliche Versionen, die ein Assistent abgleichen muss – das ist schlechter, als sie einmal korrekt zu deklarieren.
• Brandneue, kaum unterstützte schema.org-Typen. Das Vokabular selbst listet Hunderte Typen für Nischenanwendungen wie Rezepte oder Flughäfen schema.org; wenn ein Typ nicht zu der Handvoll gehört, die Suchmaschinen und Assistenten nachweislich tatsächlich nutzen, bringt die Auszeichnung Ihnen heute schlicht nichts.

So prüfen Sie, ob Ihre Structured Data wirklich funktioniert

Den Code einzubauen ist nur die halbe Arbeit; zu bestätigen, dass er lesbar ist, ist die andere Hälfte. Mit Googles kostenlosem Rich-Results-Test können Sie eine Seiten-URL oder den Code selbst einfügen und genau sehen, welche Typen erkannt werden und welche Felder fehlen Google. Führen Sie ihn nach jeder Änderung aus, um einen Tippfehler abzufangen – ein fehlendes Komma kann einen ganzen Block stillschweigend außer Kraft setzen –, bevor er Sie etwas kostet.

Dieser Test sagt Ihnen, dass der Code gültig ist. Er sagt Ihnen nicht, ob ChatGPT Ihre bestätigten Öffnungszeiten tatsächlich in einer Antwort verwendet hat oder ob Perplexity immer noch zuerst einen Wettbewerber nennt. Das ist eine andere Frage – und genau die, für deren Beantwortung Growli gebaut wurde: Wir verfolgen, was Assistenten plattformübergreifend tatsächlich über ein Unternehmen sagen, und zeigen, wo die Lücke zwischen korrektem Code und korrekter Antwort noch besteht. Sehen Sie sich an, wie es funktioniert, wenn Sie Ihre eigenen Ergebnisse prüfen wollen, statt einfach anzunehmen, dass das Markup seinen Job macht.

FAQ