Schema Markup On-Page: Pflicht für Rich Results, kein Booster für AI-Zitate
Schema Markup on-page bezeichnet strukturierte Daten, die den Inhalt einer Webseite in ein maschinenlesbares Vokabular uebersetzen, damit Suchmaschinen und KI-Systeme eindeutig verstehen, was eine Seite beschreibt. JSON-LD ist das von Google bevorzugte Format und auf 41 Prozent der Seiten im Einsatz. Strukturierte Daten sind die technische Voraussetzung fuer Rich Results, wirken jedoch nicht als direkter Booster fuer KI-Zitate.
Auf einen Blick
- ✓Strukturierte Daten: 3,2x häufiger in KI-Antworten zitiert
- ✓Schema-Markup: 40% höhere CTR
- ✓Rich Results: 58% aller Klicks (vs. 41% ohne Rich Results)
- ✓JSON-LD ist das einzige empfohlene Format (Mai 2025)
- ✓73% der Ergebnisse auf der ersten Seite verwenden Schema
- ✓Nur 1,49% der Ergebnisse auf der ersten Seite ohne SERP-Features (April 2025)
- ✓7 Schema-Typen seit 2025 eingestellt, aber Kern-Typen bleiben bestehen
- ✓Google und Microsoft bestätigen Nutzung von Schema für KI-Funktionen
Warum Schema Markup on-page fuer B2B in Oesterreich relevant ist
Schema Markup, auch strukturierte Daten genannt, uebersetzt den Inhalt einer Webseite in ein maschinenlesbares Vokabular. Suchmaschinen und zunehmend auch KI-Systeme lesen damit nicht nur Text, sondern verstehen explizit, was eine Seite beschreibt: ein Unternehmen, einen Artikel, eine Dienstleistung, eine Person. Fuer den DACH-Raum gewinnt dieses Verstaendnis an Gewicht, weil sich das Suchverhalten verschiebt.
Die Zahlen aus Oesterreich belegen den Wandel. Laut der AI Readiness Studie 2025 des Handelsverbands nutzen 68 Prozent der befragten heimischen Betriebe KI, 37 Prozent davon als intelligente Suchmaschine und 49 Prozent fuer die Texterstellung. ChatGPT ist knapp drei Vierteln der oesterreichischen Bevoelkerung ein Begriff, und ein Fuenftel nutzt den Dienst mehrmals pro Woche. Wer in diesem Umfeld gefunden und korrekt verstanden werden will, braucht eine saubere maschinenlesbare Grundlage.
Gleichzeitig veraendert sich die klassische Suche messbar. Nach dem Start der Google AI Overviews in Deutschland und Oesterreich im Maerz 2025 sanken laut einer von Wordsmattr.io durchgefuehrten Studie die Klicks um durchschnittlich 17,8 Prozent, die CTR um 14 Prozent, waehrend die Impressionen mit nur 1,2 Prozent Rueckgang nahezu stabil blieben. Die Stichprobe umfasste 125 optimierte Landingpages und mehr als 1.000 Keywords in D und A. Die Botschaft fuer B2B-Verantwortliche ist klar: Sichtbarkeit entsteht zunehmend in der Antwort selbst, nicht erst auf der Zielseite. Schema Markup ist ein Baustein, um in dieser Antwortschicht sauber repraesentiert zu sein.
Was Schema Markup on-page wirklich leistet und was nicht
Hier ist Ehrlichkeit wichtiger als jedes Versprechen. Strukturierte Daten haben einen klar belegten Zweck und eine klar belegte Grenze.
Der belegte Nutzen ist die Rich-Result-Eligibility. Google ist eindeutig: Seiten ohne die erforderlichen Pflicht-Eigenschaften sind nicht fuer Rich Results berechtigt. Ohne korrektes Markup gibt es keine Sterne-Bewertungen, keine Breadcrumb-Anzeige, keine angereicherten Treffer in der SERP. Schema ist die technische Voraussetzung dafuer, dass Google diese Darstellungsformen ueberhaupt anbieten darf.
Die haeufig behauptete Wirkung als direkter Booster fuer KI-Zitate ist dagegen nicht belastbar. Eine Ahrefs-Analyse aus dem Jahr 2026 verfolgte 1.885 Seiten, die zwischen August 2025 und Maerz 2026 JSON-LD-Schema einfuehrten, gemessen gegen 4.000 Kontrollseiten in einem Difference-in-Differences-Verfahren. Das Ergebnis ist ernuechternd: Google AI Overviews minus 4,6 Prozent, AI Mode plus 2,4 Prozent, ChatGPT plus 2,2 Prozent, wobei die letzten beiden Werte statistisch nicht von null zu unterscheiden sind. Das Fazit der Studie: Schema erzeugte auf keiner Plattform einen wesentlichen Anstieg der Zitate.
Die ehrliche Schlussfolgerung fuer DACH-B2B lautet daher: Schema Markup ist kein Hebel, der KI-Zitate direkt erzwingt. Es ist ein Fundament. Es macht Inhalte eindeutig interpretierbar, sichert die Eligibility fuer angereicherte Darstellungen und reduziert Mehrdeutigkeit ueber Entitaeten. Wer Schema mit dem Versprechen einer garantierten Zitatsteigerung verkauft, ueberdehnt die Evidenz. Wer es als sauberes maschinenlesbares Fundament implementiert, handelt belegbar richtig.
JSON-LD richtig implementieren
JSON-LD hat sich als Standard durchgesetzt. Laut Web Almanac 2024 nutzen 41 Prozent der Seiten JSON-LD, ein Anstieg von 34 Prozent im Jahr 2022. Es ist das von Google bevorzugte Format und waechst von den drei Optionen am schnellsten. JSON-LD trennt die strukturierten Daten vom sichtbaren HTML und ist dadurch wartungsfreundlicher als Microdata oder RDFa, die im Markup verwoben sind.
Bei der Umsetzung zaehlen einige Punkte besonders:
- Format und Platzierung: JSON-LD als Skriptblock im
<head>oder am Ende des<body>. Kein Inline-Verweben in den sichtbaren HTML-Code noetig. - Entitaeten ueber @graph verknuepfen: Statt isolierter Schnipsel die Objekte einer Seite (Organization, WebSite, Article, Author) in einem
@graphzusammenfuehren und ueber@idreferenzieren. So entsteht ein zusammenhaengendes Bild statt unverbundener Fragmente. - Wahrheitstreue: Google verlangt, dass strukturierte Daten eine wahrheitsgetreue Repraesentation des Seiteninhalts sind und dass kein Inhalt ausgezeichnet wird, der fuer Leser nicht sichtbar ist. Markup ohne sichtbares Pendant ist ein Richtlinienverstoss.
- Pflichtfelder vollstaendig: Da fehlende Pflicht-Eigenschaften die Rich-Result-Berechtigung ausschliessen, gehoert jedes Required-Property in die Auszeichnung.
- Validieren: Jede Auszeichnung vor dem Livegang mit dem Rich Results Test und dem Schema.org Validator pruefen. Der erste prueft die Eligibility bei Google, der zweite die generelle Syntaxkonformitaet.
Welche Schema-Typen fuer B2B im DACH-Raum zuerst
Nicht jeder Typ bringt denselben Wert. Fuer oesterreichische B2B-Anbieter ergibt diese Reihenfolge Sinn:
- Organization: Definiert das Unternehmen als Entitaet mit Name, Logo, Kontaktdaten und
sameAs-Verweisen auf LinkedIn und Wikidata. Diese Verknuepfung schafft Entity-Klarheit und hilft Maschinen, die Marke eindeutig zuzuordnen. - WebSite: Bildet die Domain als Ganzes ab und kann die interne Suchfunktion auszeichnen.
- BreadcrumbList: Spiegelt die Navigationshierarchie und ist eine etablierte Quelle fuer angereicherte Breadcrumb-Darstellungen in der SERP.
- Article: Fuer Fachartikel und Blogbeitraege, inklusive
author,datePublishedunddateModifiedals E-E-A-T-Signale. - LocalBusiness: Fuer Standorte mit Adresse, Oeffnungszeiten und geografischem Bezug, relevant fuer die regionale Sichtbarkeit in Oesterreich.
- Service oder Product: Fuer das konkrete Leistungs- oder Produktangebot, das die Geschaeftstaetigkeit beschreibt.
Der gemeinsame Nenner ist die sameAs-Verknuepfung zu autoritativen Profilen wie Wikidata und LinkedIn. Sie verankert die eigenen Entitaeten in einem groesseren Wissensgraphen und reduziert Verwechslungsrisiko, gerade bei generischen Firmennamen im deutschsprachigen Raum.
Schema im Zusammenspiel mit der uebrigen On-Page-Architektur
Strukturierte Daten ersetzen keine saubere On-Page-Basis, sie setzen darauf auf. Ein Markup, das einen Inhalt beschreibt, der im sichtbaren HTML schlecht strukturiert ist, bleibt wirkungslos oder verstoesst sogar gegen die Richtlinien.
Das Fundament besteht aus mehreren Schichten. Title Tags und Meta Descriptions formulieren das Versprechen, das in der SERP und in der Antwortschicht erscheint. Eine logische H1-bis-H6-Hierarchie gliedert den Inhalt so, dass sowohl Leser als auch Parser den Aufbau erfassen. Semantisches HTML mit korrekten Elementen fuer Artikel, Navigation und Nebeninhalte liefert die strukturelle Bedeutung, die das JSON-LD dann explizit macht. Schema und HTML muessen dieselbe Geschichte erzaehlen, denn Googles Wahrheitstreue-Anforderung gilt durchgehend. Wer die On-Page-Grundlagen sauber haelt, schafft die Voraussetzung dafuer, dass strukturierte Daten ihren Beitrag ueberhaupt leisten koennen.
GEO on-page jenseits von Schema
Wenn Schema KI-Zitate nicht direkt steigert, stellt sich die Frage, was es tut. Die Antwort liegt in der Generative Engine Optimization, kurz GEO, die auf Inhaltsebene ansetzt. Die wissenschaftliche Grundlage dafuer liefert die Arbeit von Aggarwal et al., vorgestellt auf der KDD 2024. Sie zeigt, dass GEO-Methoden die Sichtbarkeit in generativen Engine-Antworten um bis zu 40 Prozent steigern koennen.
Wichtig fuer die Einordnung: Diese Studie ist international und akademisch, kein DACH-spezifischer Praxisbeleg. Die belegte Kernaussage ist die Sichtbarkeitssteigerung durch GEO insgesamt. Die einzelnen Taktiken, die in der breiteren Diskussion mit GEO verbunden werden, betreffen die Inhaltsqualitaet: zitierfaehige Statistiken mit klarer Quelle, eingebettete Zitate, eindeutige Quellenangaben und eine hohe Entity-Dichte, also die praezise und haeufige Nennung relevanter Fachbegriffe und Eigennamen. Fuer B2B-Inhalte im DACH-Raum bedeutet das konkret: Aussagen belegen, Quellen benennen, Fachbegriffe konsistent verwenden. Diese inhaltliche Substanz wirkt in der Antwortschicht staerker als reines Markup, das nur die Verpackung beschreibt.
Featured Snippets und Position 0 vorbereiten
Featured Snippets sind eine Bruecke zwischen klassischer SERP und Antwortschicht. Sie lassen sich gezielt vorbereiten, doch ihr Effekt auf den Traffic ist zweischneidig.
Strukturell helfen Frage-Antwort-Bloecke, Tabellen, Listen und kompakte Definitionen von etwa 40 bis 60 Woertern. Diese Formate liefern Google extrahierbare Antwortbausteine. Sauberes semantisches HTML und klare Ueberschriften erhoehen die Chance, als Snippet ausgespielt zu werden.
Die Klick-Kannibalisierung gehoert jedoch ehrlich dazu. Laut einer Ahrefs-Studie von zwei Millionen Featured Snippets haben rund 12,29 Prozent der Suchanfragen ein Featured Snippet. Steht ein Snippet an Position 1, erhaelt es im Schnitt nur rund 8,6 Prozent der Klicks. Das organische Ergebnis direkt darunter faellt von rund 26 Prozent der Klicks ohne Snippet auf rund 19,6 Prozent mit Snippet. Die Lehre: Ein Featured Snippet sichert Sichtbarkeit und Markenpraesenz, garantiert aber nicht mehr Klicks. In Kombination mit dem Klickrueckgang durch AI Overviews verschiebt sich der Wert von der Klickzahl hin zur Praesenz in der Antwort.
Deprecation-Management und Zukunftssicherheit
Schema ist kein statisches Feld. Google reduziert aktiv die Zahl der Markups, die sichtbare Rich Results erzeugen. Die FAQ-Rich-Results laufen aus, ebenso die HowTo-Darstellung. Das verschiebt den ROI einzelner Typen deutlich.
Die strategische Konsequenz ist eine klare Trennung. Manche Markups bringen weiterhin sichtbaren SERP-Mehrwert, etwa Breadcrumb, Product oder Organization. Andere erzeugen kein Rich Result mehr, koennen aber weiterhin sinnvoll sein, weil sie Maschinen und LLMs beim Verstaendnis des Inhalts helfen. FAQ-Markup faellt zunehmend in diese zweite Kategorie: kein Anzeigevorteil mehr, aber unter Umstaenden noch ein Beitrag zur maschinellen Interpretation. B2B-Teams sollten ihr Markup-Portfolio danach priorisieren, ob ein Typ noch sichtbaren Nutzen bringt oder nur noch dem maschinellen Verstaendnis dient. Aufwand gehoert zuerst in die Typen mit belegbarer Eligibility.
E-E-A-T on-page operationalisieren
Vertrauenssignale lassen sich strukturiert ausdruecken. Fuer Google und fuer LLMs ist nachvollziehbar, wer einen Inhalt verfasst hat und wann er aktualisiert wurde.
Konkret umsetzbar sind mehrere Elemente. Author- und Person-Schema benennen die verantwortliche Person und koennen ueber sameAs auf deren berufliche Profile verweisen. Sichtbare Autorenboxen geben dem Markup ein sichtbares Pendant, was Googles Wahrheitstreue-Anforderung erfuellt. Publisher-Angaben im Organization-Objekt klaeren die herausgebende Instanz. Datums-Markup mit datePublished und dateModified signalisiert Aktualitaet und Pflege. Gerade fuer B2B-Fachinhalte im DACH-Raum, wo fachliche Autoritaet zaehlt, machen diese Angaben Expertise und Verantwortlichkeit explizit, statt sie dem Zufall der Interpretation zu ueberlassen.
Bild- und Medienoptimierung mit strukturierten Daten
Visuelle und multimodale Suche gewinnen an Bedeutung, und strukturierte Daten reichen auch hierfuer. ImageObject zeichnet Bilder mit Eigenschaften wie Lizenz, Urheber und Beschreibung aus. Aussagekraeftige Alt-Texte liefern die textuelle Bedeutung eines Bildes, die sowohl Barrierefreiheit als auch maschinelles Verstaendnis stuetzt. Caption-Markup verbindet Bild und Bildunterschrift eindeutig. Fuer multimodale KI-Antworten, die Text und Bild kombinieren, schaffen diese Auszeichnungen Kontext, den ein nacktes Bild nicht mitliefert. Auch hier gilt die Wahrheitstreue: Das Markup muss zum tatsaechlich gezeigten Bild passen.
Messung und Monitoring
Klassische Klickmetriken allein bilden den Wert von Schema und GEO nicht mehr ab. Der Klickrueckgang durch AI Overviews in D und A, minus 17,8 Prozent bei nahezu stabilen Impressionen, zeigt, dass Sichtbarkeit und Klick auseinanderlaufen. Wer nur Klicks misst, unterschaetzt die tatsaechliche Reichweite.
Ein zeitgemaesses Monitoring umfasst mehrere Ebenen. AI-Citation-Tracking beobachtet, ob und wie Inhalte in KI-Antworten erscheinen. Die Auswertung der Google Search Console nach dem AI-Overviews-Rollout in Oesterreich und Deutschland trennt Impressionen von Klicks und macht den Effekt sichtbar. Als KPIs jenseits des Klicks gewinnen Impressionen, Markennennungen und die Praesenz in der Antwortschicht an Bedeutung. Wichtig bleibt die realistische Erwartung: Da Schema laut der Ahrefs-Analyse keinen wesentlichen Zitatanstieg erzeugt, gehoert es im Monitoring als Eligibility-Fundament gefuehrt, nicht als Treiber einer Zitatkurve. Der Erfolg von Schema zeigt sich in korrekter Darstellung und maschineller Interpretierbarkeit, der Erfolg von GEO in inhaltlicher Sichtbarkeit.
Weiterfuehrendes
Schema Markup on-page ist ein Fundament, kein Wundermittel. Es sichert die Eligibility fuer angereicherte Darstellungen, schafft Entity-Klarheit und macht Inhalte maschinell eindeutig interpretierbar. Es ist nachweislich kein direkter Hebel fuer mehr KI-Zitate. Den groesseren Hebel in der Antwortschicht bildet inhaltliche Substanz im Sinne von GEO: belegte Aussagen, klare Quellen, hohe Entity-Dichte. Fuer B2B im DACH-Raum lautet die belastbare Strategie daher: solide JSON-LD-Basis mit den Kerntypen, sauberes semantisches HTML als Unterbau, inhaltliche Zitierfaehigkeit als eigentlicher Sichtbarkeitstreiber und ein Monitoring, das Impressionen und Praesenz misst, nicht nur Klicks.
Daten & Statistiken
41 Prozent der Seiten nutzen 2024 JSON-LD, gegenueber 34 Prozent 2022 (+7 Prozentpunkte)
Web Almanac 2024 (HTTP Archive), Kapitel Structured Data (2024)GEO-Methoden steigern die Sichtbarkeit in generativen Engine-Antworten um bis zu 40 Prozent
Aggarwal et al., GEO: Generative Engine Optimization, KDD 2024 / arXiv:2311.09735 (2024)1.885 Seiten fuegten JSON-LD hinzu (Aug 2025 bis Maerz 2026) gegen 4.000 Kontrollseiten; AI-Zitat-Veraenderung: AI Overviews -4,6%, AI Mode +2,4%, ChatGPT +2,2%; kein wesentlicher Anstieg auf einer Plattform
Ahrefs Blog, We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved. (2026)Seiten ohne erforderliche Pflicht-Eigenschaften sind nicht fuer Rich Results berechtigt; Markup muss eine wahrheitsgetreue Repraesentation des Seiteninhalts sein
Google Search Central, Structured data general guidelines (SD policies) (2025)Featured Snippet an Position 1 erhaelt nur rund 8,6% der Klicks; organischer Treffer darunter faellt von rund 26% (ohne Snippet) auf rund 19,6% (mit Snippet); rund 12,29% der Anfragen mit Featured Snippet
Ahrefs Blog, Ahrefs' Study Of 2 Million Featured Snippets (2017)68% der AT-Unternehmen nutzen KI; 37% als intelligente Suchmaschine; 49% zur Texterstellung; ChatGPT knapp drei Viertel Bekanntheit; 20% nutzen mehrmals woechentlich
Handelsverband Oesterreich, AI Readiness Studie 2025 (Reppublika) (2025)-17,8% Klicks, -14% CTR, -1,2% Impressionen nach AI-Overviews-Start in D und A (125 Landingpages, 1.000+ Keywords, 26.3. bis 4.4.2025)
Trending Topics zur Wordsmattr.io-Studie zu AI Overviews in Deutschland und Oesterreich (2025)Häufig gestellte Fragen
Steigert Schema Markup die Haeufigkeit von Zitaten in KI-Antworten?
Welches Schema-Format soll ich verwenden, JSON-LD, Microdata oder RDFa?
Welche Schema-Typen sollten B2B-Unternehmen im DACH-Raum zuerst umsetzen?
Warum sind meine Rich Results nicht erschienen, obwohl ich Schema eingebaut habe?
Was passiert mit FAQ- und HowTo-Markup?
Wie messe ich den Erfolg von Schema und GEO, wenn Klicks zurueckgehen?
Reicht Schema Markup allein fuer Sichtbarkeit in KI-Antworten?
Verwandte Artikel
Wie schneidet deine Website ab?
Erhalte einen kostenlosen, KI-gestützten SEO-Report deiner Website per E-Mail – technische SEO, On-Page, Keywords & Wettbewerber. Unverbindlich.
Kostenlosen SEO-Audit anfordern →