Schema.org für KI-Suche: 8 strukturierte Daten, die LLMs 2026 wirklich zitieren

Strukturierte Daten galten lange als technisches SEO-Detail — nett für Google-Rich-Snippets, aber kein Hebel mit echter Reichweite. 2026 hat sich das Bild gedreht: Sprachmodelle wie GPT-5, Claude 4.5 und Gemini 2 nutzen Schema.org-Markup aktiv als Vertrauenssignal und als Strukturhilfe beim Zerlegen von Inhalten in zitierbare Aussagen. Wer kein Schema hat, überlässt die Interpretation der KI dem Zufall.

Dieser Guide zeigt die acht Schema.org-Typen, die im DACH-Mittelstand 2026 den größten Hebel haben — sowohl für klassisches SEO als auch für Generative Engine Optimization (GEO). Mit konkreten JSON-LD-Beispielen, klaren Einsatzregeln und den drei häufigsten Fehlern, die selbst große Agenturen machen.

Warum LLMs Schema.org-Markup ernst nehmen

Sprachmodelle ziehen ihre Antworten aus zwei Quellen: dem Trainings-Korpus und Retrieval-Augmented-Generation (RAG) zur Laufzeit. In beiden Fällen müssen sie blitzschnell entscheiden, welche Aussage einer Seite vertrauenswürdig ist. Schema.org liefert genau das: maschinenlesbare Metadaten über Autor, Datum, Organisation, Produkte, Preise und FAQs. Eine Seite mit sauberem Markup wird in Vergleichstests doppelt so oft korrekt zitiert wie eine ohne.

• Schema beantwortet die Frage „Wer sagt das?“ — entscheidend für E-E-A-T und Sprachmodell-Vertrauen.
• Schema verkleinert Halluzinations-Risiko: explizite Daten überschreiben unscharfe Textinterpretation.
• Schema speist Knowledge-Graphen (Google, Bing, Perplexity) — die wiederum Sprachmodelle füttern.
• Schema funktioniert ohne extra Crawl: Daten stehen direkt im HTML, kein zusätzlicher JavaScript-Render nötig.

Die acht Schema.org-Typen mit dem größten 2026er-Hebel

Mehr als acht Typen werden in der Praxis selten gebraucht. Diese acht decken über 90 Prozent der Use Cases im DACH-Mittelstand ab — von der Agentur über den Online-Shop bis zur lokalen Handwerks-Marke.

1. Organization — die Pflicht für jede Marke

Organization-Markup definiert deine Marke als Entität: Name, Logo, Adresse, Social-Profile, Gründungsdatum. Es gehört ins Root-Template jeder Seite. Sprachmodelle verknüpfen damit Erwähnungen deiner Marke über das Web hinweg und unterscheiden „PR1ME Studio“ in Wien von einem gleichnamigen US-Startup. Ohne Organization-Schema bist du für die KI eine ambivalente Zeichenkette.

2. WebSite mit SearchAction — Sitelink-Suchfeld in Google und KI

WebSite-Schema mit potentialAction vom Typ SearchAction aktiviert das Sitelink-Suchfeld in Google und signalisiert KI-Modellen die eigene Suchfunktion. Pflicht für jede Seite ab 50 URLs. Effekt: bessere Discovery durch Sprachmodelle, weil sie deine interne Suche als legitimen Einstiegspunkt sehen.

3. Article + Person-Author — der GEO-Beschleuniger für Content

Jeder Blog- oder Insights-Artikel braucht Article-Schema mit headline, datePublished, dateModified, image, wordCount und einem Person-Author mit sameAs auf LinkedIn. Letzteres ist 2026 der wichtigste E-E-A-T-Hebel: Sprachmodelle verknüpfen den Autor mit seinem öffentlichen Profil und nutzen Expertise als Zitier-Argument. Artikel ohne Person-Author landen in KI-Antworten deutlich seltener.

4. FAQPage mit speakable — die zitierfähigste Struktur

FAQPage-Schema zerlegt Inhalte in Frage-Antwort-Paare und ist damit die natürlichste Zitier-Einheit für Sprachmodelle. Ergänzt um speakable spec, signalisiert es zusätzlich Voice-Assistenten und KI-Antwort-Engines: „Dieser Absatz ist die direkte Antwort.“ Empfehlung: pro Service- und Branchen-Seite vier bis acht FAQs, jede Antwort 40 bis 80 Wörter, jede Frage genau wie Nutzer sie tippen würden.

5. HowTo — wenn deine Leistung ein Prozess ist

HowTo-Schema strukturiert Abläufe in nummerierte Schritte und ist 2026 der unterschätzteste Hebel für Agentur-, Beratungs- und Service-Seiten. Sprachmodelle zitieren HowTo-Schritte fast wörtlich, wenn Nutzer Fragen wie „Wie läuft ein Website-Relaunch ab?“ stellen. Tipp: ISO-8601-Zeitangaben (PT2H für 2 Stunden, P14D für 14 Tage) verwenden — KI-Modelle parsen sie korrekt, Freitext oft nicht.

6. Product + AggregateOffer — Pflicht für jeden Shop und jedes Paket

Wer Produkte oder definierte Pakete verkauft (auch im Service-Bereich!), braucht Product-Schema mit name, image, brand, offers oder AggregateOffer (mit lowPrice, highPrice). Sprachmodelle ziehen daraus Preis-Snippets in Antworten auf Fragen wie „Was kostet eine Custom-Website?“ — ohne Markup raten sie. Auch Agentur-Pakete lassen sich als Product modellieren.

7. ProfessionalService + LocalBusiness — der Local-SEO- und GEO-Doppelhebel

ProfessionalService oder LocalBusiness-Schema mit areaServed, priceRange, openingHours, geo (GeoCircle oder GeoCoordinates) und sameAs ist Pflicht für jeden lokal verankerten Anbieter. Effekt: bessere Sichtbarkeit im Local Pack von Google und parallel deutlich höhere Zitierwahrscheinlichkeit bei lokal getönten KI-Anfragen wie „beste Webagentur in Wien“.

8. BreadcrumbList — das unterschätzte Strukturschema

BreadcrumbList wirkt klein, hilft aber Sprachmodellen, die hierarchische Position einer Seite im Site-Kontext zu verstehen (Service → Branche → Stadt). Pflicht ab Site-Tiefe drei. Effekt: präzisere Kontext-Zuordnung in KI-Antworten und parallel saubere Breadcrumbs in den Google-SERPs.

Schema.org sagt der KI nicht, was sie denken soll. Es sagt ihr, was Fakt ist.

Wo welches Schema hingehört

Eine sinnvolle Verteilung sieht so aus — dieser Plan deckt über 90 Prozent der Use Cases im DACH-Mittelstand ab und ist mit überschaubarem Aufwand umsetzbar.

• __root.tsx oder Sitewide-Template: Organization und WebSite (mit SearchAction).
• Jede Blog-/Insights-Seite: Article mit Person-Author und BreadcrumbList.
• Jede Service- oder Leistungs-Seite: FAQPage (mit speakable), HowTo und ProfessionalService.
• Jede Branchen- oder Stadt-Landingpage: ProfessionalService mit areaServed + BreadcrumbList.
• Jede Produkt- oder Paket-Seite: Product mit AggregateOffer und BreadcrumbList.
• Jede FAQ-Sektion: FAQPage mit speakable spec auf den Hauptantworten.

JSON-LD oder Microdata — was 2026 noch zählt

JSON-LD im script-Block ist 2026 der einzige relevante Standard. Microdata und RDFa funktionieren technisch noch, werden aber von neuen Crawlern (inkl. GPTBot und PerplexityBot) seltener priorisiert. Vorteil von JSON-LD: trennt Daten von HTML-Markup, lässt sich pro Route dynamisch generieren (z. B. über loaderData in TanStack Start oder getStaticProps in Next.js) und ist deutlich wartbarer.

Die drei häufigsten Schema-Fehler 2026

Aus 60 Audits sehen wir dieselben Muster. Wer sie vermeidet, hat 80 Prozent der Wirkung mit 20 Prozent des Aufwands.

• Schema-Spam: Markup für Inhalte, die auf der Seite gar nicht sichtbar sind — Google straft das ab, KI-Modelle ignorieren die Seite.
• Veraltete dateModified-Felder: Wer Seiten ändert, aber dateModified nicht updated, signalisiert KI-Modellen „alter Inhalt“ und verliert Zitate.
• Doppelte Organization-Blöcke: Mehrere unterschiedliche Organization-Schemas auf einer Domain verwirren Knowledge-Graphen — nur ein kanonisches Organization-Schema pro Marke definieren.

Validierung und Testing

Drei Tools reichen für einen vollständigen Check: Googles Rich-Results-Test prüft, ob Google die Daten lesen kann. Der Schema.org Validator prüft strikte Konformität. Bing Webmaster Tools zeigt, wie Microsoft (und damit Copilot) deine Daten interpretiert. Für GEO zusätzlich: einen eigenen Prompt-Set in ChatGPT und Perplexity laufen lassen und prüfen, ob Antworten Fakten aus dem Schema übernehmen.

Fazit: Schema ist 2026 GEO-Pflicht

Strukturierte Daten waren bis 2024 ein Optimierungs-Detail. 2026 sind sie die Grundlage dafür, dass Sprachmodelle deine Marke korrekt verstehen und zitieren. Die acht Typen oben decken den größten Hebel ab — sauber implementiert sind sie ein 2- bis 4-Tages-Projekt und wirken auf SEO und GEO gleichzeitig. Wenn du Schema-Implementierung nicht selbst machen willst, übernehmen wir bei PR1ME Studio Audit, Implementierung und Monitoring als festen Baustein im GEO-Setup.