Schema-Markup fuer LLMs — das 2026er Spec Sheet
Schema.org JSON-LD ist jetzt tragende Infrastruktur fuer AI-Suche. Acht Schema-Typen, die wirken — und welche nicht.
Warum Schema fuer AI wichtiger ist als es je fuer Google war
Google konnte sich mehrdeutige Seiten leisten, weil Google jahrzehntelange Verhaltensdaten hatte — Klicks, Dwell-Time, Query-Reformulierungen — um Mehrdeutigkeit aufzuloesen. AI-Engines haben keinen solchen Backstop. Sie muessen jetzt, aus einem einzelnen Fetch, entscheiden, ob deine Seite ueber ein Produkt, einen Artikel, eine Person, eine Organisation spricht. Schema ist, wie du es ihnen maschinenlesbar sagst.
Die acht relevanten Schema-Typen
1. Organization
Organization-Schema auf der Homepage und /about ausspielen. name, url, logo, sameAs (LinkedIn, Crunchbase, Wikipedia URLs). Damit loesen AI-Engines „wer ist X?" auf — ohne kann deine Marke mit einer gleichnamigen Entitaet verschmelzen.
2. WebSite
WebSite-Schema einmal im Root, optional mit SearchAction. Wird fuer Sitelink-Expansion in Google AIO und zunehmend fuer site-interne Navigation in Answer-Surfaces genutzt.
3. Article (und BlogPosting / NewsArticle)
Jeder Blog-Post und Guide mit Article ausstatten: headline, author (als Person mit url), datePublished, dateModified, image, inLanguage. Das dateModified-Feld zaehlt ueberproportional — retrieval-basierte Engines bevorzugen Frisches.
4. FAQPage
FAQ-Sektionen am Ende von Cornerstone-Pages markieren. AI-Engines nutzen diese als direkte Antwort-Quellen. Hoechster ROI nach Organization.
5. Product
Fuer SaaS / E-Commerce: Product mit name, description, brand, offers (price, priceCurrency, availability), idealerweise aggregateRating bei legitimen Reviews. AI-Shopping-Interfaces fragen das zunehmend an.
6. HowTo
Fuer Tutorial-Content. Jeder Schritt als HowToStep. Stark fuer Google AI Overviews, das gerne Schritt-Listen reproduziert.
7. Person (Author)
Author-Profile brauchen Person-Schema mit name, jobTitle, worksFor, sameAs. E-E-A-T-Signal, das AI-Engines aktiv pruefen.
8. SoftwareApplication
Wenn du Software verkaufst, ist das dein Meta-Page-Schema. applicationCategory, operatingSystem, featureList, offers. Hilft AI-Tools, dich in „Best X fuer Y"-Queries zu empfehlen.
Schema-Typen, die nichts mehr bringen
Einige Schemas wurden waehrend der SEO-Aera ueberverkauft und haben heute minimale AI-Search-Wirkung: BreadcrumbList (rein informational), Review ausserhalb Product (stark abgewertet wegen Missbrauch), VideoObject ohne echtes gehostetes Video, Recipe ausserhalb Food. Keine Zyklen darauf verschwenden.
Wie validieren?
Schema.orgs offiziellen Validator und Googles Rich-Results-Test verwenden. Beide flaggen fehlende Pflichtfelder und ungueltige Typen. Fuer LLM-spezifische Validierung kann eine AI-Visibility-Plattform dein Prompt-Set abspielen und zeigen, ob das Modell dein Schema als Signal aufgenommen hat — der einzige End-to-End-Test, der zaehlt.
Implementierungs-Pattern: JSON-LD im <head>
Immer als <script type="application/ld+json"> im <head>. Microdata (itemprop) und RDFa funktionieren, aber JSON-LD ist, was jede grosse AI-Engine wirklich parsed. Ein JSON-Objekt pro Typ, oder @graph-Array bei mehreren Typen.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "Article",
"@id": "https://yoursite.com/post#article",
"headline": "Titel hier",
"datePublished": "2026-04-01",
"dateModified": "2026-04-22",
"author": { "@type": "Person", "name": "Jane Doe" },
"publisher": { "@type": "Organization", "name": "YourBrand" }
},
{
"@type": "FAQPage",
"mainEntity": [
{ "@type": "Question", "name": "Was ist X?",
"acceptedAnswer": { "@type": "Answer", "text": "X ist..." } }
]
}
]
}
</script>