Industrial Schema.org — Manufacturer, Product und Offer richtig auszeichnen

Warum Industrial Schema im B2B anders funktioniert

Schema.org wurde ursprünglich für Konsumgüter konzipiert. Preis, Verfügbarkeit, Bewertungen — das sind die Properties, die Google in Rich Results für Endverbraucher priorisiert. Im industriellen Umfeld sieht die Realität anders aus: Produkte haben keine Listenpreise, Verfügbarkeiten hängen von Losgröße und Lieferkette ab, und Käufer sind Ingenieure oder Einkäufer, die technische Spezifikationen brauchen, keine Sternebewertungen.

Trotzdem ist Industrial Schema kein Nischenthema. Google nutzt strukturierte Daten nicht nur für visuelle Rich Results, sondern auch zur semantischen Einordnung von Seiten — also um zu verstehen, was ein Unternehmen herstellt, für welche Anwendungen ein Produkt geeignet ist und welche Beziehung zwischen Hersteller und Produkt besteht. Gerade für Industrial SEO ist das ein struktureller Vorteil, den viele Wettbewerber noch nicht nutzen.

Hinzu kommt die wachsende Bedeutung von KI-Suche: ChatGPT, Perplexity und Googles AI Overviews bevorzugen Seiten, deren Inhalte maschinenlesbar strukturiert sind. Wer technische Produktdaten sauber in Schema.org auszeichnet, erhöht die Wahrscheinlichkeit, in KI-generierten Antworten zitiert zu werden.

Schema.org Manufacturer — Hersteller korrekt auszeichnen

Der Ausgangspunkt jeder Industrial-Schema-Implementierung ist die Unternehmensidentität. Google muss verstehen, dass eine Seite nicht nur Produkte listet, sondern sie auch herstellt. Dafür gibt es zwei relevante Schema-Typen: Organization und LocalBusiness, ergänzt durch die Property manufacturer auf Produktebene.

Eine saubere Manufacturer-Auszeichnung auf der Unternehmensseite sieht so aus:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Muster Antriebstechnik GmbH",
  "url": "https://www.beispiel.de",
  "logo": "https://www.beispiel.de/logo.png",
  "description": "Hersteller von Linearantrieben und Stellsystemen fuer die Automatisierungstechnik",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Industriestrasse 12",
    "addressLocality": "Stuttgart",
    "postalCode": "70173",
    "addressCountry": "DE"
  },
  "sameAs": [
    "https://www.linkedin.com/company/muster-antriebstechnik",
    "https://www.wikidata.org/wiki/Q..."
  ]
}

Wichtig: Die sameAs-Property verknüpft das Unternehmen mit externen Wissensquellen. Wikidata-Einträge, LinkedIn-Profile und Branchenverzeichnisse stärken die Entity-Autorität — ein Faktor, der für Wissensautorität im Engineering-Content zunehmend relevant ist.

Product Schema für technische Produkte — was wirklich zählt

Das Product-Schema ist der Kern jeder Industrial-Schema-Implementierung. Die Herausforderung: Viele der Standard-Properties wie color oder size sind für Industrieprodukte irrelevant. Stattdessen sind folgende Properties entscheidend:

• name — Produktbezeichnung inkl. Typenbezeichnung, nicht nur Marketingname
• description — Technische Kurzbeschreibung mit Anwendungskontext
• sku — Artikelnummer oder Typenbezeichnung des Herstellers
• mpn (Manufacturer Part Number) — Besonders wichtig für Beschaffungsprozesse
• brand — Marke oder Herstellername als Brand-Objekt
• manufacturer — Verweis auf die Organization-Entität
• additionalProperty — Technische Spezifikationen als strukturierte Key-Value-Paare

Die additionalProperty-Property ist für Industrieprodukte besonders wertvoll, wird aber selten genutzt. Damit lassen sich technische Kennwerte maschinenlesbar auszeichnen:

{
  "@type": "Product",
  "name": "Linearantrieb LA-200",
  "sku": "LA-200-24V",
  "mpn": "4012345678901",
  "description": "Elektrischer Linearantrieb fuer industrielle Positionieraufgaben, Hubkraft bis 2000 N",
  "brand": {
    "@type": "Brand",
    "name": "Muster Antriebstechnik"
  },
  "manufacturer": {
    "@type": "Organization",
    "name": "Muster Antriebstechnik GmbH"
  },
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "Hubkraft",
      "value": "2000 N"
    },
    {
      "@type": "PropertyValue",
      "name": "Versorgungsspannung",
      "value": "24 V DC"
    },
    {
      "@type": "PropertyValue",
      "name": "Schutzklasse",
      "value": "IP65"
    }
  ]
}

Diese strukturierten Spezifikationen helfen nicht nur Google, sondern auch KI-Systemen, die technische Anfragen beantworten. Wer technische Produktbeschreibungen mit Schema.org optimiert, schafft damit eine Grundlage, die weit über klassische SEO hinausgeht.

Offer Schema im industriellen Kontext — ohne Listenpreis sinnvoll einsetzen

Das Offer-Schema bereitet Industrieunternehmen häufig Kopfzerbrechen, weil Preise selten öffentlich sind. Die Lösung: Offer kann auch ohne Preis implementiert werden und liefert trotzdem wertvolle Signale.

Relevante Properties für industrielle Angebote ohne Festpreis:

• availability — z.B. https://schema.org/InStock oder OnlineOnly
• seller — Verweis auf die Organization
• areaServed — Liefergebiet (z.B. DE, EU)
• priceSpecification — Kann auf Anfrage-Basis konfiguriert werden
• eligibleQuantity — Mindestbestellmenge als QuantitativeValue

{
  "@type": "Offer",
  "seller": {
    "@type": "Organization",
    "name": "Muster Antriebstechnik GmbH"
  },
  "availability": "https://schema.org/InStock",
  "areaServed": "DE",
  "eligibleQuantity": {
    "@type": "QuantitativeValue",
    "minValue": 1,
    "unitCode": "C62"
  },
  "priceSpecification": {
    "@type": "PriceSpecification",
    "description": "Preis auf Anfrage"
  }
}

Für Unternehmen, die international verkaufen, empfiehlt sich die Kombination mit areaServed auf Länderebene — ein Aspekt, der auch im Multi-Language Industrial SEO eine Rolle spielt.

Häufige Fehler bei Industrial Schema Implementierungen

Die Google Search Central Dokumentation listet mehrere Fehlertypen, die zu Abstrafungen oder Nicht-Indexierung von Rich Results führen. Im industriellen Kontext sind folgende Fehler besonders verbreitet:

Fehlende MPN und SKU

Viele Produktseiten enthalten nur den Produktnamen, aber keine Artikelnummer. Für Beschaffungsprozesse ist die mpn jedoch entscheidend — Einkäufer suchen gezielt nach Typenbezeichnungen. Das gilt besonders, wenn Datenblätter als SEO-Asset eingesetzt werden, die Typenbezeichnungen prominent führen.

Generische Descriptions

Eine description wie „Hochwertiges Industrieprodukt für verschiedene Anwendungen" ist für Google wertlos. Die Beschreibung sollte Anwendungskontext, Branche und mindestens einen technischen Kennwert enthalten.

Fehlende Verknüpfung zwischen Manufacturer und Product

Wenn Organization-Schema und Product-Schema nicht miteinander verknüpft sind, kann Google die Hersteller-Produkt-Beziehung nicht sicher ableiten. Die manufacturer-Property auf Produktebene und die makesOffer-Property auf Organisationsebene schließen diese Lücke.

Schema nur auf der Startseite

Ein verbreiteter Fehler: Organization-Schema wird nur auf der Startseite implementiert, Product-Schema fehlt auf den eigentlichen Produktseiten. Jede Produktseite braucht ihr eigenes, vollständiges Schema-Markup.

Industrial Schema und KI-Suche — strukturierte Daten als Zitiergrundlage

Strukturierte Daten gewinnen durch KI-Suche eine neue Dimension. Systeme wie Perplexity oder Googles AI Overviews extrahieren Fakten aus Webseiten — und bevorzugen dabei Seiten, die Informationen klar und maschinenlesbar bereitstellen. Ein Produkt mit vollständig ausgezeichneten additionalProperty-Werten hat eine deutlich höhere Chance, in einer KI-generierten Antwort auf die Frage „Welcher Linearantrieb hat eine Schutzklasse IP65 und eine Hubkraft über 1500 N?" genannt zu werden.

Das ist kein theoretisches Szenario: Technische Käufer nutzen KI-Tools zunehmend in frühen Recherchephasen, wie die Industrial Buyer Journey zeigt. Wer dort nicht als strukturierte Datenquelle auftaucht, verliert Sichtbarkeit, bevor der Käufer überhaupt eine klassische Google-Suche startet.

Implementierung und Validierung — der praktische Workflow

Die technische Implementierung von Industrial Schema erfolgt idealerweise als JSON-LD im <head>-Bereich der Seite — nicht als Microdata im HTML-Body. JSON-LD ist wartungsfreundlicher, lässt sich dynamisch aus dem CMS oder PIM-System generieren und wird von Google bevorzugt.

Für die Validierung stehen zwei offizielle Tools zur Verfügung:

• Google Rich Results Test (search.google.com/test/rich-results) — prüft, ob eine Seite für Rich Results qualifiziert ist
• Schema Markup Validator (validator.schema.org) — validiert die Schema.org-Konformität ohne Google-spezifische Einschränkungen

Nach der Implementierung empfiehlt sich ein regelmäßiger Check in der Google Search Console unter „Verbesserungen", wo Fehler und Warnungen für strukturierte Daten gemeldet werden. Besonders bei Produktkatalogen mit vielen SKUs lohnt sich eine automatisierte Überwachung.

Für Unternehmen, die auch CAD-Dateien als SEO-Asset einsetzen, bietet sich eine Verknüpfung zwischen Product-Schema und den zugehörigen Download-Ressourcen an — über die subjectOf- oder isRelatedTo-Property.

Priorisierung — welche Seiten zuerst auszeichnen

Bei einem typischen Industrieunternehmen mit hunderten Produktseiten ist eine vollständige Schema-Implementierung ein mehrstufiges Projekt. Die sinnvolle Reihenfolge:

1. Startseite und Über-uns-Seite — Organization-Schema mit vollständiger Adresse, sameAs-Links und Beschreibung
2. Top-Produktseiten nach organischem Traffic — Product-Schema mit MPN, additionalProperty und Offer
3. Kategorieseiten — ItemList-Schema für Produktgruppen
4. Restlicher Katalog — automatisiert über CMS/PIM generiert

Diese Priorisierung orientiert sich an dem Prinzip, dass strukturierte Daten dort den größten Hebel haben, wo bereits organischer Traffic vorhanden ist — oder wo strategisch wichtige Keywords ranken sollen. Die Keyword-Strategie dafür liefert eine saubere B2B Industrial Keyword Research.