GEO / AI Search

Schema.org für GEO — die 6 Schema-Typen die KI-Systeme bevorzugt zitieren

Schema.org für GEO ist kein optionaler Bonus mehr — es ist eine der direktesten Maßnahmen, um Inhalte für KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews strukturell zugänglich zu machen. Während klassisches SEO primär auf Crawler-Signale zielt, brauchen generative KI-Modelle maschinenlesbare Kontextinformationen, um Inhalte korrekt einzuordnen und zu zitieren. Structured Data liefert genau das. Dieser Artikel zeigt, welche sechs Schema-Typen in der Praxis den größten Unterschied machen — und wie die Implementierung konkret aussieht.
6 Min Lesezeit ·
Inhaltsverzeichnis
  1. Warum Schema.org für GEO eine andere Funktion hat
  2. 1. FAQPage — der direkteste Weg in KI-Antworten
  3. 2. Article und BlogPosting — Autorität und Aktualität signalisieren
  4. 3. HowTo — Schritt-für-Schritt-Inhalte strukturell auszeichnen
  5. 4. Organization — die Grundlage für Entity-Erkennung
  6. 5. BreadcrumbList — Kontext und Seitenarchitektur kommunizieren
  7. 6. Speakable — für Voice und konversationelle KI-Ausgaben
  8. Schema.org für GEO richtig implementieren
  9. Welche Schema-Typen zuerst implementieren?

Warum Schema.org für GEO eine andere Funktion hat als für klassisches SEO

Im traditionellen SEO dient Structured Data vor allem dazu, Rich Snippets in den Suchergebnissen zu erzeugen — Sternebewertungen, FAQ-Klappboxen, Breadcrumbs. Der Nutzen ist sichtbar, aber begrenzt auf die Google-SERP.

Im Kontext von Generative Engine Optimization (GEO) erfüllt Schema.org eine tiefergehende Funktion: Es liefert KI-Systemen semantische Metadaten, die beim Indexieren, Einordnen und Zitieren von Inhalten helfen. Wenn ein Sprachmodell eine Frage beantwortet und dabei Quellen auswählt, bevorzugt es Inhalte, die klar strukturiert, eindeutig zuordenbar und inhaltlich in sich geschlossen sind. Structured Data unterstützt alle drei Kriterien.

Wichtig: Schema.org allein macht Inhalte nicht zitierfähig. Es verstärkt vorhandene Qualität — ersetzt sie aber nicht. Wer minderwertige Inhalte mit Schema auszeichnet, gewinnt nichts. Wer gute Inhalte ohne Schema betreibt, verschenkt strukturelle Sichtbarkeit.

Die Frage ist also nicht ob Schema.org für GEO relevant ist, sondern welche Typen den größten Hebel haben.

1. FAQPage — der direkteste Weg in KI-Antworten

FAQPage-Schema ist der Schema-Typ mit der höchsten Übereinstimmung zwischen dem Format, das KI-Systeme bevorzugen, und dem Format, das Nutzer in konversationellen Suchen stellen. Frage-Antwort-Paare sind das natürliche Ausgabeformat von Sprachmodellen — und FAQPage liefert genau das als maschinenlesbaren Input.

Perplexity AI und Google AI Overviews greifen nachweislich auf FAQ-strukturierte Inhalte zurück, weil sie kompakte, in sich geschlossene Antworten auf konkrete Fragen bieten. Jede FAQ-Antwort sollte daher vollständig und ohne Kontext aus dem restlichen Artikel verständlich sein.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Was ist Schema.org GEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema.org GEO bezeichnet den Einsatz von Structured Data nach Schema.org-Standard, um Inhalte für generative KI-Systeme wie ChatGPT oder Perplexity besser auffindbar und zitierfähig zu machen."
      }
    }
  ]
}

Eine ausführliche Implementierungsanleitung mit weiteren Code-Beispielen findet sich im Artikel FAQ-Schema implementieren.

2. Article und BlogPosting — Autorität und Aktualität signalisieren

Article-Schema ist der Grundbaustein für redaktionelle Inhalte. Für GEO sind dabei drei Felder besonders relevant: author, dateModified und publisher.

KI-Systeme bewerten Aktualität als Qualitätssignal. Ein klar ausgezeichnetes dateModified signalisiert, dass ein Inhalt gepflegt wird. Das author-Feld mit einer verlinkten Person-Entity verbindet den Inhalt mit einer nachweisbaren Expertise — ein zentrales Element der entity-basierten SEO.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Schema.org für GEO — die 6 Schema-Typen",
  "datePublished": "2025-01-15",
  "dateModified": "2025-06-01",
  "author": {
    "@type": "Person",
    "name": "Max Mustermann",
    "url": "https://example.com/team/max-mustermann"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Example GmbH",
    "url": "https://example.com"
  }
}

Für B2B-Websites empfiehlt sich BlogPosting für Blog-Artikel und TechArticle für technische Dokumentation — beide sind Untertypen von Article und liefern zusätzliche semantische Präzision.

3. HowTo — Schritt-für-Schritt-Inhalte strukturell auszeichnen

HowTo-Schema eignet sich für alle Inhalte, die einen Prozess in geordneten Schritten beschreiben. KI-Systeme reproduzieren Anleitungen häufig in Listenform — HowTo-Schema liefert die dafür notwendige Struktur direkt im Markup.

Besonders relevant: Das HowToStep-Element erlaubt es, jeden Schritt mit einem Namen, einer Beschreibung und optionalen Bildern auszuzeichnen. Das erhöht die Wahrscheinlichkeit, dass KI-Systeme die Schritte korrekt und vollständig wiedergeben.

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Schema.org für GEO implementieren",
  "step": [
    {
      "@type": "HowToStep",
      "name": "Schema-Typ auswählen",
      "text": "Bestimme welcher Schema-Typ zum Inhaltsformat passt."
    },
    {
      "@type": "HowToStep",
      "name": "JSON-LD erstellen",
      "text": "Erstelle das JSON-LD-Markup und füge es im Head der Seite ein."
    }
  ]
}

Wann HowTo-Schema sinnvoll ist und wann nicht, erklärt der Artikel HowTo-Schema für B2B-Webseiten ausführlich.

4. Organization — die Grundlage für Entity-Erkennung

Organization-Schema ist das Fundament jeder GEO-Strategie. Es definiert, wer hinter einer Website steht — und liefert KI-Systemen die Informationen, die sie brauchen, um eine Website als vertrauenswürdige Quelle einzuordnen.

Relevante Felder für GEO:

  • name — offizieller Unternehmensname, konsistent mit allen anderen Online-Präsenzen
  • url — kanonische URL der Website
  • sameAs — Links zu LinkedIn, Wikidata, Crunchbase, Google Business Profile
  • knowsAbout — Themenfelder, für die das Unternehmen Expertise beansprucht
  • foundingDate — signalisiert Beständigkeit

Das sameAs-Feld ist dabei besonders wirkungsvoll: Es verbindet die Website-Entity mit externen Wissensquellen und stärkt damit die Position im Knowledge Graph. Wie das im Detail funktioniert, erklärt der Artikel zur entity-basierten SEO und dem Knowledge Graph.

BreadcrumbList-Schema wird in GEO-Diskussionen oft unterschätzt. Dabei liefert es KI-Systemen einen wichtigen Kontext: Wo befindet sich dieser Inhalt innerhalb der Website-Architektur? Zu welchem übergeordneten Thema gehört er?

Für KI-Systeme, die Inhalte nach thematischer Kohärenz bewerten, ist diese Information relevant. Ein Artikel über Schema.org, der sich in einer klar strukturierten Ressourcen-Sektion befindet und durch Breadcrumbs als Teil eines GEO-Clusters ausgewiesen ist, erhält mehr semantischen Kontext als eine isolierte Seite.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Ressourcen",
      "item": "https://example.com/resources"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "GEO",
      "item": "https://example.com/resources/geo"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "Schema.org für GEO",
      "item": "https://example.com/resources/schema-org-geo"
    }
  ]
}

6. Speakable — für Voice und konversationelle KI-Ausgaben

Speakable-Schema ist der Schema-Typ, der am direktesten für KI-Ausgaben konzipiert wurde. Ursprünglich von Google für Voice Search entwickelt, markiert er Textabschnitte, die sich besonders gut für eine gesprochene oder konversationelle Wiedergabe eignen.

Für GEO ist das relevant, weil generative KI-Systeme ähnliche Selektionsmechanismen nutzen: Sie suchen nach kompakten, klar formulierten Textpassagen, die eine Frage direkt beantworten. Speakable-Schema gibt einen expliziten Hinweis darauf, welche Abschnitte einer Seite diese Kriterien erfüllen.

{
  "@context": "https://schema.org",
  "@type": "WebPage",
  "speakable": {
    "@type": "SpeakableSpecification",
    "cssSelector": [".article-summary", ".key-takeaway"]
  },
  "url": "https://example.com/resources/schema-org-geo"
}

Speakable ist derzeit noch kein weit verbreitetes Signal, aber frühzeitige Implementierung schafft einen strukturellen Vorteil — besonders im Hinblick auf die wachsende Bedeutung von KI-Assistenten mit Sprachausgabe.

Schema.org für GEO richtig implementieren — was in der Praxis zählt

Die technische Implementierung aller sechs Schema-Typen folgt demselben Prinzip: JSON-LD im <head>-Bereich der Seite, nicht inline im HTML-Body. Google und andere KI-Systeme bevorzugen JSON-LD gegenüber Microdata oder RDFa, weil es sauber vom Content getrennt ist und einfacher zu pflegen bleibt.

Häufige Fehler bei der Schema-Implementierung

  • Inkonsistente Daten: Schema-Felder wie name oder url weichen von den tatsächlichen Seiteninhalten ab — das erzeugt Widersprüche, die KI-Systeme als Qualitätssignal negativ bewerten.
  • Fehlende Pflichtfelder: Jeder Schema-Typ hat empfohlene Mindestfelder. Unvollständige Markups werden zwar nicht bestraft, liefern aber weniger semantischen Mehrwert.
  • Schema ohne passenden Content: FAQPage-Schema auf einer Seite ohne sichtbare FAQ-Sektion ist irreführend und wird von Google als Spam-Signal gewertet.
  • Veraltete dateModified-Werte: Ein dateModified das seit Jahren nicht aktualisiert wurde, signalisiert mangelnde Pflege.

Validierung und Testing

Das Google Rich Results Test Tool und der Schema Markup Validator (validator.schema.org) sind die Standardwerkzeuge zur Überprüfung. Für eine systematische Bestandsaufnahme der eigenen GEO-Readiness empfiehlt sich ein strukturierter GEO-Audit nach der 8-Punkte-Checkliste.

Wer verstehen möchte, wie Inhalte konkret in KI-Systemen erscheinen, findet weiterführende Informationen in den Artikeln zu strukturellen Voraussetzungen für ChatGPT-Sichtbarkeit, zur Sichtbarkeit in Perplexity AI und zu Google AI Overviews.

Welche Schema-Typen zuerst implementieren?

Nicht jede Website braucht alle sechs Typen sofort. Eine pragmatische Priorisierung:

  1. Organization — einmalig, sitewide, höchste Priorität für Entity-Aufbau
  2. Article / BlogPosting — für alle redaktionellen Inhalte, automatisierbar
  3. FAQPage — für alle Seiten mit Frage-Antwort-Strukturen
  4. BreadcrumbList — sitewide, meist durch CMS oder Template lösbar
  5. HowTo — für Anleitungs- und Prozess-Inhalte
  6. Speakable — mittelfristig, wenn die anderen Typen implementiert sind

Der Unterschied zwischen klassischer SEO-Optimierung und GEO liegt nicht nur in den Werkzeugen, sondern im Denkansatz — das zeigt der Vergleich in GEO vs. SEO für 2026 deutlich.

Häufige Fragen

Welcher Schema-Typ ist für GEO am wichtigsten? +
Organization-Schema hat die höchste Priorität, weil es die Grundlage für die Entity-Erkennung durch KI-Systeme bildet. Danach folgen FAQPage für konversationelle Sichtbarkeit und Article für redaktionelle Inhalte. Diese drei Typen decken den größten Teil des GEO-relevanten Structured-Data-Bedarfs ab und sollten zuerst implementiert werden.
Hilft Schema.org wirklich dabei, in ChatGPT oder Perplexity zitiert zu werden? +
Schema.org erhöht die strukturelle Lesbarkeit von Inhalten für KI-Systeme — es ist aber kein direkter Ranking-Faktor. KI-Systeme bevorzugen Inhalte, die klar strukturiert, eindeutig zuordenbar und inhaltlich vollständig sind. Schema.org unterstützt alle drei Kriterien, ersetzt aber keine inhaltliche Qualität. Die Kombination aus gutem Content und korrektem Markup ist entscheidend.
Muss Schema.org als JSON-LD oder als Microdata implementiert werden? +
JSON-LD ist der empfohlene Standard — von Google explizit bevorzugt und von KI-Systemen einfacher zu verarbeiten. JSON-LD wird im Head-Bereich der Seite platziert, ist vom sichtbaren Content getrennt und lässt sich einfacher pflegen und validieren. Microdata und RDFa sind technisch möglich, aber in der Praxis deutlich aufwändiger ohne nennenswerte Vorteile.
Was ist der Unterschied zwischen Schema.org für SEO und Schema.org für GEO? +
Im klassischen SEO zielt Schema.org primär auf Rich Snippets in Google-Suchergebnissen. Für GEO geht es darum, KI-Systemen semantische Metadaten zu liefern, die beim Einordnen und Zitieren von Inhalten helfen. Felder wie sameAs, author mit verlinkter Person-Entity und knowsAbout spielen für GEO eine größere Rolle als für traditionelle Rich-Snippet-Optimierung.

Du hast den Artikel gelesen.
Jetzt umsetzen?

Wir analysieren in 5 Minuten wo deine Website strukturell unsichtbar ist — kostenlos, ohne Verkaufsdruck.

Kostenlose Analyse starten