Strukturierte Daten für KI-Antworten: Das Schema, das Modelle lesen

Sind strukturierte Daten noch wichtig, wenn die KI die Frage beantwortet?

Sie sind anders wichtig. Ein Jahrzehnt lang hat dir Schema eine Sternebewertung und ein Rich Snippet bei Google eingebracht. Diese Aufgabe ist nicht weg, aber eine zweite ist dazugekommen: einem Modell zu helfen, herauszufinden, worum es auf deiner Seite geht, zu welcher Entität sie gehört und ob die Angabe auf der Seite irgendwo sonst belegt ist.

Strukturierte Daten sind kein Ranking-Trick für Antwortmaschinen. Sie sind eine Ebene zur Auflösung von Mehrdeutigkeit. Ein Modell, das rohes HTML liest, muss raten, worauf sich ein Textblock bezieht. Sauberes Product-, Review- und Organization-Markup macht aus diesem Raten eine Tatsache, und genau das brauchen diese Systeme, bevor sie dich zuordnen oder zitieren.

Welche Schema-Typen helfen einem Modell, ein Produkt zuzuordnen?

Drei Typen leisten die Hauptarbeit bei der Produktzuordnung. Product benennt das Ding und trägt seine Kennungen, Review trägt die einzelnen Meinungen, und aggregateRating trägt die zusammengefasste Bewertung. Gültiges Markup über alle drei hinweg hilft einer Maschine, ein Produkt einem Shop und einer Bewertung zuzuordnen, statt den Bewertungstext ohne Besitzer im Raum stehen zu lassen.

Die Kennungen innerhalb von Product zählen mehr, als viele erwarten. Eine gtin, mpn, sku oder brand gibt dem Modell einen stabilen Anker, um dein Produkt gegen andere Erwähnungen im Web aufzulösen.

• Product: name, brand und eine Kennung (gtin, mpn oder sku), damit der Artikel aufgelöst werden kann.
• Review: author, reviewBody und reviewRating für jede einzelne Bewertung.
• aggregateRating: ratingValue, reviewCount und bestRating für die Zusammenfassung.
• Verschachtle Review und aggregateRating innerhalb von Product, nicht freistehend.

Wie helfen Organization und sameAs einem Modell, meine Marke zu erkennen?

Product-Markup sagt einem Modell, was du verkaufst. Organization-Markup sagt ihm, wer du bist. Das sind zwei getrennte Probleme, und Antwortmaschinen müssen beide lösen, bevor sie dich mit Vertrauen zitieren.

Organization trägt deinen Namen, dein Logo und deine kanonische URL. Bei der sameAs-Eigenschaft wird es für AEO nützlich: Sie listet die anderen Orte auf, die eindeutig du sind, dein Trustpilot-Profil, dein G2-Eintrag, dein Wikipedia-Eintrag, deine verifizierten Social-Profile. Organization- und sameAs-Angaben stärken die Entitätserkennung, weil sie das Modell deinen Shop mit den unabhängigen Quellen verknüpfen lassen, die bereits für ihn bürgen, und auf diese Bestätigung stützen sich diese Systeme, bevor sie eine Angabe wiedergeben.

• Organization: rechtlicher Name, Logo und die kanonische Startseiten-URL.
• sameAs: deine verifizierten Drittanbieter-Profile und Social-Accounts.
• Halte den Namen überall identisch; ein abweichender Name liest sich als andere Entität.

Warum muss mein Markup zu dem passen, was auf der Seite steht?

Weil Schema, das Inhalte beschreibt, die ein Besucher nicht sehen kann, nicht zulässig ist, und eine Maschine, die die Abweichung bemerkt, dem Rest deines Markups weniger vertraut. Wenn dein aggregateRating 4,8 aus 900 Bewertungen meldet, die Seite aber keine Bewertung zeigt, macht die strukturierte Angabe eine Aussage, die die Seite nicht deckt.

Das ist die Falle für Shops, deren Bewertungen in einem JavaScript-Widget laden. Das Markup mag gültig sein, aber wenn der sichtbare Bewertungstext erst erscheint, nachdem ein Skript läuft, kann die Seite den einfachen Test nicht bestehen, dass Markup und sichtbarer Inhalt übereinstimmen. Die verlässliche Lösung ist dieselbe, die jedem anderen Teil von AEO hilft: Rendere die Bewertungen und die Sternebewertung serverseitig ins HTML der Seite, damit das Markup etwas tatsächlich Vorhandenes beschreibt.

Wie prüfe ich, ob das Schema wirklich funktioniert?

Teste das Markup, dann teste die Seite so, wie ein Modell sie sieht. Prüf-Tools bestätigen, dass das JSON-LD syntaktisch gültig und zulässig ist, was notwendig, aber nicht hinreichend ist. Der zweite Test ist, ob die Werte in deinem Schema im rohen HTML vor dem JavaScript neben dem Markup auftauchen.

Sieh dir den Seitenquelltext an statt des gerenderten DOM und prüfe, ob deine Bewertung, die Anzahl der Bewertungen und der Bewertungstext vorhanden sind, bevor ein Skript läuft. Wenn das Markup im Quelltext steht, die sichtbaren Zahlen aber nicht, hast du gültiges Schema, das Inhalte beschreibt, die das Modell vielleicht nie sieht.

• Lass das JSON-LD durch einen Schema-Validator auf Syntax und Zulässigkeit laufen.
• Sieh dir den rohen Seitenquelltext an und bestätige, dass Bewertung und Bewertungen dort vorhanden sind.
• Prüfe, ob der Markenname in Organization mit jedem sameAs-Profil exakt übereinstimmt.

Wie hängt Schema mit Answer Engine Optimization zusammen?

Strukturierte Daten sind die Brücke zwischen dem Haben von Bewertungen und dem Zitiertwerden. AEO verlangt drei Dinge von deinen Bewertungen: dass sie lesbar, belegt und konkret sind. Schema bedient die ersten beiden direkt. Product, Review und aggregateRating machen den Bewertungsinhalt als zugeordnete Tatsachen lesbar. Organization und sameAs machen ihn belegt, indem sie die Profile verknüpfen, denen ein Modell bereits vertraut.

Die meisten Bewertungs-Apps wurden für den Käufer auf der Seite gebaut und hören beim Rendern von Sternen in einem Widget auf, sodass das Markup Inhalte beschreibt, die das Modell nicht lesen kann, und die Entität undeklariert bleibt. Deine bestehenden Bewertungen lesbar, belegt und in Suche und KI zitiert zu bekommen, ist die Lücke, die BeyondReviews schließen soll.