Strukturierte Daten

Strukturierte Daten sind standardisierte Auszeichnungen, meist JSON-LD mit Schema.org-Typen, die Entitäten und Seiteneigenschaften für Suchmaschinen kennzeichnen. In SEO ist die Aufgabe dabei ganz einfach: Inhalte so aufzubereiten, dass Google sie leichter klassifizieren, verknüpfen und manchmal in der Suche verbessern kann – etwa über Rich Results.

Dieser letzte Punkt ist entscheidend. Ein besseres Verständnis kann Indexierung und Zuordnung von Entitäten unterstützen. Rich Results können die CTR verbessern. Aber seien wir präzise: Strukturierte Daten sind eine Eligibility-Ebene, kein Ranking-“Cheatcode”.

Was es tatsächlich macht

Auf einer Produktseite kann strukturierte Daten Preise, Verfügbarkeit, Marke, aggregateRating und SKU definieren. Bei einem Artikel kann es Überschrift, Autor, datePublished und Bild festlegen. Auf einer Organisationsseite kann es deine Marken-Entität mit sameAs-Links und Kontaktdaten zusätzlich untermauern.

Google Search Console berichtet einen Teil davon direkt über Enhancement Reports und den Status von Rich Results. Screaming Frog kann JSON-LD im großen Maßstab crawlen und fehlende Felder extrahieren. Ahrefs und Semrush validieren das Markup nicht tiefgehend, helfen aber dabei zu messen, ob Seiten mit gültigem Schema im Zeitverlauf höhere CTR oder reichere SERP-Features erzielen.

Wo SEO-Teams den Nutzen sehen

• E-Commerce: Produktschema ist der naheliegendste Use Case. Preis, Bestand, Bewertungen. Besonders hoher Effekt, wenn es sauber über 10.000+ SKUs hinweg implementiert wird.
• Publisher und SaaS: Article, FAQPage, BreadcrumbList, Organization und manchmal HowTo. Allerdings sind FAQ-Rich-Results deutlich seltener verfügbar als noch 2023.
• Lokale und Multi-Location-Brands: LocalBusiness-Markup kann die Konsistenz von NAP (Name, Adresse, Telefonnummer), Öffnungszeiten und Servicegebiete stärken – auch wenn dein Google Business Profile weiterhin mehr Gewicht hat.

Die Einschränkung: Google ignoriert einen Teil selbst gültigen Markups. Das beste Beispiel ist FAQPage. Du kannst es perfekt implementieren und trotzdem null visuelle Verbesserung bekommen. Googles Dokumentation ist hier die maßgebliche Quelle – nicht allein Schema.org.

Implementierungsstandards, die standhalten

Nutze JSON-LD, es sei denn, es gibt eine harte Plattform-Einschränkung. Google unterstützt mehrere Formate, aber JSON-LD lässt sich einfacher ausrollen, prüfen und versionieren. Halte es template-basiert. Wenn du Schema manuell für hunderte URLs verfasst, baust du dir zukünftige Aufräumarbeit.

Validiere in Googles Rich Results Test auf Eligibility und im Schema.org Validator auf Syntax. Crawle dann die Website in Screaming Frog mit benutzerdefinierter Extraktion, um zu bestätigen, dass die erforderlichen und empfohlenen Eigenschaften auf jeder vorgesehenen Vorlage vorhanden sind. Für Enterprise-Seiten solltest du das mit CI-Checks kombinieren – oder zumindest mit geplantem QA nach Releases.

John Mueller von Google hat wiederholt gesagt, dass das Markup mit dem sichtbaren Inhalt der Seite übereinstimmen muss. Genau hier passieren Fehler. Bewertungen auszeichnen, die nicht angezeigt werden, veraltete Preise oder Autoren-Daten, die aus dem falschen CMS-Feld stammen, erzeugt Vertrauensprobleme – und in manchen Fällen manuelle Maßnahmen.

Was strukturierte Daten nicht leisten

Sie beheben nicht schwache Inhalte. Sie gleichen keine schlechten internen Verlinkungen aus. Sie garantieren auch keine Erwähnungen in AI Overview. Behauptungen, dass LLMs Schema durchgängig als Ground Truth nutzen, liegen weiterhin vor der belastbaren Evidenz.

Nutze sie, weil sie die Maschinenlesbarkeit verbessern und die Eligibility für Rich Results erhöhen. Miss das wie ein Profi: GSC-Impressions, Sichtbarkeit von Rich Results, CTR-Änderungen nach Template und – sofern zutreffend – Umsatz pro organischer Sitzung. Wenn ein Schema-Rollout nach 6 bis 8 Wochen auf häufig gecrawlten Seiten keines dieser Dinge verändert, ist die Implementierung zwar technisch gültig, aber kommerziell irrelevant.