Schema.org im Jahr 2026: Welche strukturierten Daten noch zählen
Ahrefs konnte nach dem Hinzufügen von schema.org keinen Zitat-Zuwachs feststellen. Dennoch tragen 71 % der von ChatGPT zitierten Seiten strukturierte Daten. Markup ist keine Abkürzung, sondern ein Verständnisbeschleuniger.
Ahrefs hat die Theorie 2026 an 1.885 Seiten getestet. Schema.org-Markup hinzufügen, den Effekt auf Zitate in AI Overviews messen. Ergebnis: kein Fortschritt. Die Zitate gingen sogar um 4,6 % zurück. Auf der anderen Seite enthalten 71 % der von ChatGPT zitierten Seiten strukturierte Daten, und Google selbst bestätigt, dass Schema den Modellen hilft, den Inhalt einer Seite zu verstehen. Zwei seriöse Studien, zwei sich widersprechende Schlussfolgerungen. Genau diese Art von Verwirrung bringt ein Marketingteam dazu, entweder aus Vorsicht alles in JSON-LD zu packen oder das Thema ganz aufzugeben, in der Annahme, es bringe nichts mehr, seit klassisches SEO sich verändert hat. Beide Reaktionen sind Fehler.
Der Mythos, der nicht sterben will
Das Missverständnis entsteht durch die Verwechslung von Korrelation und Kausalität. Von LLMs zitierte Seiten haben oft Schema, das stimmt. Aber sie haben auch oft eine klare Inhaltsstruktur, direkte Antworten, eine etablierte Domain-Autorität. Schema begleitet diese Eigenschaften, es erzeugt sie nicht. Eine mit Mikrodaten vollgestopfte Produktseite auf einer langsamen Website, mit vagem Inhalt und null Belegen Dritter, wird nicht öfter zitiert als zuvor. Google schreibt es schwarz auf weiß in seiner Dokumentation: keine speziellen Dateien nötig, kein bestimmtes schema.org-Markup erforderlich, um in KI-Funktionen zu erscheinen. Das ist keine Einladung, das Thema zu ignorieren. Es ist eine Erinnerung daran, dass Markup keine Abkürzung zur Sichtbarkeit ist – entgegen dem, was ein Teil der GEO-Branche behauptet, wenn sie Schema als Wundermittel verkauft.
Der Ahrefs-Test bestätigt diese Lesart, ohne sie vollständig zu widerlegen. Bei 1.885 Seiten änderte das Hinzufügen von generischem, schlecht ausgerichtetem Schema auf Inhalten, die bereits keine präzise Frage gut beantworteten, nichts. Das ist folgerichtig. Ein LLM zitiert eine Seite nicht, weil sie ein JSON-LD-Etikett trägt. Es zitiert sie, weil sie die klarste, am besten formulierte, am besten überprüfbare Antwort auf die gestellte Frage enthält. Schema hilft dem Modell, diese Antwort schneller und mit weniger Mehrdeutigkeit zu extrahieren. Es erschafft die Antwort nicht.
Was wirklich funktioniert – und was nutzlos ist
Nicht alle Schema-Typen sind vor generativen Suchmaschinen gleich viel wert. FAQPage liegt vorn, und zwar mit deutlichem Abstand, weil es Inhalte in eigenständige Frage-Antwort-Paare strukturiert – genau das Format, das ein LLM extrahieren und zitieren kann, ohne es umzuschreiben. Die Kombination von FAQPage mit Article und HowTo erzeugt fast doppelt so viele Zitate wie Article allein. Die Logik ist einfach: Je näher das Markup die Seitenstruktur an das Format einer konversationellen Antwort heranbringt, desto mehr erleichtert es dem Modell die Arbeit.
| Schema-Typ | Realer Nutzen für GEO im Jahr 2026 |
|---|---|
| FAQPage | Stark. Frage-Antwort-Format, direkt von LLMs nutzbar |
| HowTo | Stark, besonders in Kombination mit Article oder FAQPage |
| Product | Nützlich für E-Commerce, überprüfbarer Preis und Verfügbarkeit |
| Organization | Nützlich für Entitätsklarheit – wer ihr seid, was ihr tut |
| Review / AggregateRating | Nützlich als Beleg Dritter, sofern authentisch |
| BreadcrumbList | Schwache direkte Wirkung auf Zitate |
| Generischer Article ohne strukturierten Inhalt | Nahezu wirkungslos |
Die Tabelle liest sich in eine klare Richtung. Markup, das eine Inhaltsstruktur beschreibt, die bereits darauf ausgelegt ist, eine Frage zu beantworten, hat eine echte Wirkung. Markup, das eine bestehende Seite lediglich schmückt, ohne ihre redaktionelle Struktur zu verändern, hat eine marginale oder gar keine Wirkung. Es ist der Unterschied zwischen einem Etikett auf einem bereits gut zubereiteten Gericht und einem Etikett auf einem leeren Teller in der Hoffnung, er fülle sich von selbst.
Product-Schema verdient für den E-Commerce eine eigene Erwähnung. Preis, Verfügbarkeit, verifizierte Bewertungen: Diese strukturierten Daten erlauben es einem LLM, eine transaktionale Frage zu beantworten, ohne einen veralteten Preis zu halluzinieren. Eine Produktseite ohne Product-Schema zwingt das Modell zum Raten oder dazu, eine Drittquelle zu zitieren, oft ein Vergleichsportal, das keinerlei Verpflichtung hat, euch hervorzuheben.
Die unsichtbare Infrastruktur, die niemand laufen sieht
Die eigentliche Rolle von Schema im Jahr 2026 ist nicht die direkte Zitierung. Es ist Entitätsklarheit. Ein LLM, das auf eure Website trifft, muss schnell verstehen, wer ihr seid, was ihr verkauft, wo ihr tätig seid und in welcher Beziehung ihr zu den in euren Inhalten erwähnten Entitäten steht. Organization-Schema mit korrekt ausgefüllten Feldern (Firmenname, Branche, Einsatzgebiet, Links zu Social-Profilen und zur Wissensdatenbank) reduziert die Mehrdeutigkeit in diesem Punkt. Es garantiert keine Zitierung. Es verhindert aber, dass ein Modell eure Marke mit einem Namensvetter verwechselt oder euch fälschlicherweise Informationen zuschreibt, die einem Wettbewerber mit ähnlichem Namen gehören.
Diese Infrastrukturfunktion erklärt, warum Microsoft und Google bestätigen, dass Schema den Modellen beim Verständnis von Inhalten hilft, ohne jemals zu versprechen, dass es eine Zitierung auslöst. Schema baut den Kontext auf, in dem eure Inhalte interpretiert werden. Es ersetzt nie die Qualität dieser Inhalte. Ein Unternehmen, das GEO nur in Begriffen von technischem Markup denkt, macht den klassischen Fehler, das Gerüst mit dem Gebäude zu verwechseln.
Es gibt eine zweite, diskretere Ebene. LLMs bauen interne Wissensgraphen aus dem auf, was sie crawlen. Eine Website mit konsistentem Markup auf allen Seiten, korrekt miteinander verknüpften Entitäten, einer klaren Hierarchie zwischen Organisation, Produkten und redaktionellem Inhalt, lässt sich leichter in diesen Graphen integrieren. Eine Website, auf der jede Seite ein unterschiedliches, unvollständiges, manchmal widersprüchliches Markup verwendet, erschwert diese Integration. Das Ergebnis zeigt sich nicht in einer unmittelbaren Zitat-Metrik. Es zeigt sich über die Zeit, in der Stabilität und Präzision dessen, was die Modelle über euch zu sagen wissen.
Priorisieren, ohne im Markup zu ertrinken
Die richtige Frage lautet nie "wie viele Schema-Typen kann ich hinzufügen", sondern "welche Seiten haben Inhalte, die strukturiert genug sind, damit Markup überhaupt etwas bringt". Eine schlecht geschriebene FAQ-Seite mit vagen Antworten gewinnt nichts durch FAQPage-Markup. Zuerst müssen die Antworten so umgeschrieben werden, dass sie eigenständig, überprüfbar und direkt zitierfähig sind, dann kommt das Markup dazu, das sie leicht extrahierbar macht.
Die Prioritätenreihenfolge, die 2026 sinnvoll ist, lässt sich auf drei Schritte reduzieren. Erstens: Organization-Schema auf institutionellen Seiten, um ein für alle Mal festzulegen, wer ihr in den Augen der Modelle seid. Zweitens: FAQPage und HowTo auf Inhalten, die bereits präzise, häufig gestellte Fragen beantworten – jene, die eure Fan-out-Queries aufdecken. Drittens: Product-Schema auf Seiten mit Preis und Verfügbarkeit, sofern ihr im E-Commerce tätig seid. Alles andere – BreadcrumbList, dekoratives Markup auf generischen Inhaltsseiten – kann warten oder ohne messbare Folgen ignoriert werden.
Schema.org ist 2026 kein magischer Hebel mehr, das war es eigentlich nie wirklich. Es ist ein Verständnisbeschleuniger für Inhalte, die es bereits verdienen, verstanden zu werden. Bei schwachem Inhalt holt es nichts nach. Bei starkem Inhalt beseitigt es die Reibung zwischen eurer Seite und der Antwort, die ein Modell daraus formulieren wird.
Vurto bewertet eure Produktseiten und Schlüsselseiten anhand von zehn KI-Lesbarkeitskriterien, Markup inbegriffen, um zu erkennen, wo Schema wirklich hilft und wo es nur eine Seite schmückt, die eigentlich etwas anderes braucht.