Veröffentlicht am 30. Oktober 2026

Hilft Schema-Markup KI-Assistenten dabei, Ihr Unternehmen weiterzuempfehlen?

Strukturierte Daten können Fakten auf einer Seite in einem Vokabular beschreiben, das von Software interpretiert werden kann. Das Hinzufügen dieser Daten garantiert jedoch nicht, dass ein Assistent ein Unternehmen empfiehlt. Laut Google ist für seine generativen KI-Suchfunktionen kein spezielles schema.org-Markup erforderlich. Diese Aussage betrifft die Google-Suche; Andere Produkte verwenden Informationen möglicherweise anders. Beginnen Sie mit genauen sichtbaren Informationen, verwenden Sie entsprechendes Markup, validieren Sie die Seite und messen Sie Antworten, ohne Kausalität anzunehmen.

Wozu das Markup dient

Schema.org ist ein gemeinsames Vokabular zur Beschreibung von Entitäten und Beziehungen. Eine Website kann einige dieser Informationen als JSON-LD auf der Seite ausdrücken: zum Beispiel den Namen und die Website einer Organisation oder Details zu einem lokalen Unternehmen. Das Vokabular selbst ist keine Anweisung, dass ein Modell das Unternehmen weiterempfehlen muss. Strukturierte Daten sind eine Darstellung von Informationen; Die sichtbare Seite muss einer Person dennoch das eigentliche Angebot vermitteln.

Google dokumentiert, wie unterstützte strukturierte Daten für geeignete Suchfunktionen verwendet werden können, und empfiehlt, dass das Markup zum Seiteninhalt passt. Verschiedene Systeme können unterschiedliche Typen und Eigenschaften unterstützen. Ein syntaktisch gültiger Block kann dennoch unvollständig, inkonsistent oder für eine bestimmte Funktion nicht geeignet sein. Ein Validator kann einige Probleme erkennen, aber ein grünes Ergebnis ist kein Beweis dafür, dass ein Modell das Unternehmen in einer Antwort auswählt.

Was Google verspricht und was nicht

In den aktuellen Leitlinien von Google für AI Overviews und AI Mode heißt es, dass kein spezielles schema.org-Markup erforderlich ist, um in diesen Funktionen angezeigt zu werden. In den allgemeinen Richtlinien für strukturierte Daten heißt es außerdem, dass selbst gültiges Markup kein Rich-Ergebnis garantiert. Diese Behauptungen beziehen sich auf die Google-Suche, nicht auf jeden Assistenten, jedes Modell oder jeden Suchanbieter. Machen Sie aus einer anbieterspezifischen Aussage nicht die universelle Behauptung, dass jedes System strukturierte Daten ignoriert.

Eine Suchfunktion, ein Zitierlink, ein Firmenname in einer generierten Antwort und ein in der Analyse erfasster Besuch sind unterschiedliche Beobachtungen. Eine Website kann korrektes Markup haben, ohne dass sie namentlich genannt wird, und ein namentlich genanntes Unternehmen beweist nicht, dass Markup den Namen verursacht hat. Bewahren Sie die Frage und die vollständige Antwort auf, um zu verstehen, was tatsächlich angezeigt wurde, und notieren Sie nicht verfügbare Antworten separat.

Geben Sie der Korrektheit Vorrang vor dem Hinzufügen von Feldern

Bevor Sie den Code berühren, bestätigen Sie den Firmennamen, den Dienst, die Adresse oder den Servicebereich, die Kontaktmethode und alle Daten mit jemandem, der diese überprüfen kann. Machen Sie diese Fakten auf der sichtbaren Seite deutlich und korrigieren Sie veraltete kontrollierte Profile. Wählen Sie dann das entsprechende Vokabular aus und geben Sie nur Informationen an, die die Seite tatsächlich unterstützt. Erfinden Sie keine Bewertungen, Standorte oder Zertifizierungen, um Felder auszufüllen; Ein reicher aussehender Block, der der Realität widerspricht, ist keine Verbesserung.

Verwenden Sie einen geeigneten Schemavalidator, um die allgemeine Syntax und den Rich Results Test von Google zu überprüfen, wenn Sie die Eignung für eine unterstützte Google-Funktion bewerten. Untersuchen Sie die Seite, die Benutzer und Crawler erhalten, und nicht nur einen Codeausschnitt in einem Dokument. Ein Testergebnis ist eine Diagnose und keine Garantie für die Indexierung, Anzeige, Empfehlung oder Neukundengewinnung. Bewahren Sie die bereitgestellte Version und ihr Datum auf, damit das Team erkennen kann, was sich geändert hat.

Ausgearbeitetes Beispiel: ein fiktiver Reparaturbetrieb

Dies ist ein hypothetisches Beispiel, kein sayurname-Kunde und kein gemessener Fall. North Pier Appliance Repair beschäftigt vier Techniker in einer Stadt. Der Betrieb repariert Waschmaschinen, verkauft aber keine Geräte. Die Serviceseite zeigt die richtige Telefonnummer; das Organisations-Markup enthält eine alte Nummer und bezeichnet den Betrieb fälschlich als Gerätegeschäft. Der Inhaber hat zwei Stunden zur Faktenprüfung und fragt sich, ob korrigiertes Markup KI-Empfehlungen bewirkt.

Zunächst erfasst der Eigentümer eine Ausgangsbasis für eine Frage ohne Firmennamen zur Reparatur von Waschmaschinen in der Stadt. In der erfundenen Serie nennt keine der vier verfügbaren Antworten das Unternehmen. Eine Antwort verlinkt die Serviceseite als Quelle, zwei nennen Konkurrenten. Der Quelllink ist nicht der Firmenname in der Antwort. Diese Beobachtungen beschreiben die Frage und diese Messung; sie beweisen nicht, welche Quelle oder welches Seitenelement die Antwort eines Assistenten ausgelöst hat.

  1. Geben Sie die genaue Kundenfrage, Stadt und Sprache an. Speichern Sie jede verfügbare vollständige Antwort, das Datum, den Assistenten und die sichtbaren Sucheinstellungen. Markieren Sie einen Fehler als nicht verfügbar. Zählen Sie ihn nicht als fehlenden Namen und entfernen Sie ihn nicht ohne Erklärung aus dem Nenner.
  2. Bitten Sie den Eigentümer, den aktuellen Firmen- und Handelsnamen, die Kontaktnummer, den Servicebereich und die tatsächliche Arbeit zu bestätigen. Vergleichen Sie die sichtbare Seite mit dem JSON-LD und den kontrollierten Profilen. Notieren Sie die Nichtübereinstimmung und speichern Sie eine Kopie der bereitgestellten Seite, bevor Sie etwas ändern.
  3. Korrigieren Sie die alten Kontaktinformationen und entfernen Sie die nicht unterstützte Shop-Beschreibung aus dem Markup. Halten Sie die sichtbare Serviceseite und die strukturierten Daten konsistent. Wenn auch in einem externen Verzeichnis die falsche Nummer angegeben ist, fordern Sie mithilfe des veröffentlichten Prozesses eine Korrektur an und protokollieren Sie die Anfrage getrennt von ihrer eventuellen Annahme.
  4. Führen Sie einen allgemeinen Schemavalidator und gegebenenfalls den Rich Results Test auf der tatsächlichen Seite aus. Untersuchen Sie jedes gemeldete Problem im Kontext: Eine Warnung für eine optionale Eigenschaft ist nicht dasselbe wie ein Beweis für eine falsche geschäftliche Tatsache, und die Berechtigung ist kein Versprechen einer angezeigten Funktion.
  5. Wiederholen Sie die unveränderte Frage über mehrere Wochen und behalten Sie dabei die vollständigen Antworten und sichtbaren Einstellungen bei. In einer fiktiven späteren Folge benennt einer von vier verfügbaren Assistenten North Pier positiv. Speichern Sie die Antwort, Links und andere Antworten. Ein reiner Quellenlink ist kein positive Nennung in der Antwort und eine negative Erwähnung zählt nicht als positive Empfehlung.
  6. Vergleichen Sie bei der Überprüfung die datierte Seitenänderung, die Verzeichnisanfrage und alle gespeicherten Antworten. Ein neuer Name ist eine Beobachtung und kein Beweis dafür, dass Markup ihn verursacht hat. Möglicherweise haben sich andere Seiten, Suchsysteme oder Modelleinstellungen geändert. Wenn die richtige Nummer für einen dringenden Kundenkontakt wichtig ist, aktualisieren Sie die Website und die Profile sofort, anstatt auf eine KI-Messung zu warten.

Das Beispiel zeigt, warum eine bekannte Nichtübereinstimmung auch ohne nachgewiesene Auswirkung auf Empfehlungen eine Korrektur verdient: Sie kann Menschen und Software, die sie liest, in die Irre führen. Wenn kein Verbraucher die zusätzliche strukturierte Eigenschaft benötigt oder das Team sie nicht verwalten kann, erfinden Sie keine Komplexität, nur um eine Checkliste zu erfüllen. Achten Sie zunächst darauf, dass die zugrunde liegende Seite korrekt ist.

Ein Quelllink oder Crawl-Eintrag legt nicht jedes interne Signal offen, das von einem Assistenten verwendet wird. Ein Vorher-Nachher-Vergleich ist ein nützlicher operativer Beweis, aber kein kontrolliertes Kausalexperiment. Behalten Sie den Nenner der verfügbaren Antworten bei und vermeiden Sie es, ein Ergebnis einer technischen Änderung ohne stichhaltigere Beweise zuzuschreiben.

Ein hypothetisches Reparaturunternehmen behebt eine Diskrepanz zwischen sichtbaren Kontaktdaten und dem Organisationsmarkup und misst dann erneut.
Fiktives Beispiel: North Pier Appliance Repair ist kein sayurname-Kunde.

Quellen, die Sie prüfen sollten, bevor Sie eine Behauptung aufstellen

Googles Leitfaden zu KI-Funktionen finden Sie unter https://developers.google.com/search/docs/appearance/ai-features und die Richtlinien für strukturierte Daten finden Sie unter https://developers.google.com/search/docs/appearance/structured-data/sd-policies. Schema.org beschreibt seinen Wortschatz unter https://schema.org/. Diese Quellen haben unterschiedliche Geltungsbereiche: Ein Vokabular definiert Begriffe; Ein Anbieter dokumentiert, welche Funktionen er unterstützt. Überprüfen Sie die aktuellen Versionen noch einmal, bevor Sie einem Kunden mitteilen, dass ein Feld erforderlich ist.

Der Rich Results Test von Google befasst sich mit unterstützten Google-Funktionen. Der Schema-Markup-Validator prüft das allgemeine Schema.org-Markup. Keiner beantwortet, ob jedes KI-Produkt einen Block verwendet oder ob eine bestimmte Antwort ein Unternehmen benennt. Führen Sie eine datierte Aufzeichnung der Seite, Tests und beobachteten Antworten, anstatt ein Validierungsabzeichen als Geschäftsergebnis zu betrachten.

Wie sayurname arbeitet

Der kostenlose Test stellt eine Frage an ChatGPT, Gemini, Perplexity und Claude und speichert die verfügbaren Antworten. Nach dem Abo bearbeitet sayurname die Fragen, beantragt, wo möglich, die Aufnahme in Quellen und misst wöchentlich. Der Preis beträgt 299 US$ pro Monat ohne Mindestlaufzeit. Ein einmaliger Bonus von 599 US$ kann fällig werden, wenn das Unternehmen bei einer gemessenen Frage erstmals positiv genannt wird, bei der es zu Beginn fehlte, oder wenn das verbundene Google Analytics während der Leistung einen KI-Besuch erfasst. Ein Teammitglied prüft den Beleg vor der Abrechnung. Kein Ergebnis ist garantiert.

Fragen

Benötigt Google ein spezielles Schema für seine KI-Suchfunktionen?

Laut Google ist für AI Overviews oder AI Mode kein spezielles schema.org-Markup erforderlich. Es gelten weiterhin die normalen Suchanforderungen und -richtlinien.

Garantiert ein gültiger Markup-Test eine Empfehlung?

Nein. Bei der Validierung handelt es sich um eine Diagnose; sie garantiert keine Indexierung, Anzeige oder einen Firmennamen in der Antwort eines Assistenten.

Gilt die Anleitung von Google für jeden KI-Anbieter?

Nein. Sie beschreibt die Google-Suche. Prüfen Sie den konkreten Anbieter und Arbeitsablauf, bevor Sie eine allgemeinere Aussage treffen.

Was sollte ich zuerst reparieren?

Korrigieren Sie Fakten auf der sichtbaren Seite und in den kontrollierten Profilen und richten Sie dann alle nützlichen Markierungen aus. Fügen Sie keine Eigenschaften hinzu, die das Unternehmen nicht nachweisen kann.

Erfahren Sie, was KI heute über Ihren Markt sagt.

Eine Frage an ChatGPT, Gemini, Perplexity und Claude. Kostenlos, ohne Karte. Wir speichern die Antworten als Ausgangspunkt.

Kostenlosen Test starten