Video SEO On-Page: VideoObject Schema und Transkripte

Warum Video-SEO on-page über Sichtbarkeit entscheidet

Video ist im DACH-Raum kein Nischenkanal mehr, aber als Web-Element bleibt es selten. Laut Web Almanac 2024 enthalten 7,7 Prozent der Desktop-Seiten und 6,7 Prozent der Mobile-Seiten mindestens ein <video>-Element, wobei der Mobile-Wert relativ um 32 Prozent gestiegen ist. Zum Vergleich liegen Bilder bei nahezu jeder Seite. Video ist also ein knappes Signal, das richtig aufgesetzt überproportional auffällt.

Die Reichweite des Formats ist im österreichischen Markt belegt. Anfang 2025 zählte YouTube 7,30 Millionen Nutzer in Österreich, das entspricht 80,1 Prozent der Gesamtbevölkerung und 84,0 Prozent der Internetnutzer. Bei 8,69 Millionen Internetnutzern und 95,3 Prozent Internetdurchdringung ist Video damit ein Massenkanal. Für B2B-Anbieter heisst das: Erklär-, Produkt- und Case-Study-Videos erreichen Entscheider, wenn sie technisch sauber on-page eingebunden sind.

Der strategische Hebel liegt in generativer Suche. Seit dem 1. Januar 2025 sind die YouTube-Citations in Google AI Overviews um 25,21 Prozent gestiegen (Datenquelle BrightEdge). Video ist der Snippet-Typ, der zuverlässig Klicks bringt, selbst wenn er in ein AI Overview eingewickelt ist, weil die Antwort die Frage anteasert, aber das Ansehen den Klick erfordert.

VideoObject-Schema und Clip-Markup als technisches Fundament

Strukturierte Daten sind die Voraussetzung dafür, dass Google ein Video als Video erkennt. Im Netz ist das selten: JSON-LD insgesamt erscheint 2024 auf 41 Prozent der Seiten (gestiegen von 34 Prozent im Jahr 2022), das VideoObject-Markup jedoch nur auf rund 0,34 Prozent der Seiten. Wer es korrekt umsetzt, hebt sich von der Mehrheit ab.

Ein VideoObject braucht drei Pflichtfelder: name, thumbnailUrl und uploadDate. Empfohlen sind zusätzlich description, contentUrl oder embedUrl und duration im ISO-8601-Format (etwa PT2M30S für zwei Minuten dreissig). Ein Minimalbeispiel für eine Watch-Page:

```json
{
"@context": "https://schema.org",
"@type": "VideoObject",
"name": "ERP-Migration in 5 Schritten erklärt",
"description": "Demo der Datenübernahme für mittelständische Betriebe in Österreich.",
"thumbnailUrl": "https://example.at/img/erp-migration-thumb.jpg",
"uploadDate": "2026-03-14",
"duration": "PT8M20S",
"contentUrl": "https://example.at/video/erp-migration.mp4",
"embedUrl": "https://example.at/embed/erp-migration"
}
```

Für kapitelbasierte Sprungmarken in der Google-Videosuche kommt das Clip-Markup hinzu. Laut Google sind dafür drei Clip-Properties Pflicht: name, startOffset und url. startOffset ist die Startzeit in Sekunden ab Videobeginn, url zeigt mit dem Muster ?t={seek_to_second_number} auf genau diese Stelle. Zwei Richtlinien sind kritisch: keine zwei Clips desselben Videos dürfen dieselbe Startzeit teilen, und die Gesamtlänge muss mindestens 30 Sekunden betragen. Alternativ liefert SeekToAction Google die URL-Logik, sodass die Plattform Key Moments automatisch erkennt.

Transkripte und Captions für AI-Verständnis und Barrierefreiheit

AI-Crawler können keine Videos ansehen. Sie lesen den Seiteninhalt. Daraus folgt die wichtigste On-Page-Massnahme: ein Volltext-Transkript als crawlbarer HTML-Text direkt auf der Watch-Page. Dieser Text liefert Long-Tail-Begriffe und Entities, die im Audio vorkommen, aber in Titel, Beschreibung und Tags fehlen. Genau dieser Mechanismus erhöht die Zitierwahrscheinlichkeit in generativer Suche, denn das Sprachmodell zitiert, was es lesen kann.

Captions und Transkript sind nicht dasselbe. Captions sind zeitsynchrone Untertitel im Player, das Transkript ist der zusammenhängende Fliesstext on-page. Beide zahlen ein. Eine internationale Fallstudie von Discovery Digital Networks belegt den Effekt: Untertitel brachten einen Gesamtanstieg von 7,32 Prozent bei den Aufrufen und in den ersten 14 Tagen sogar 13,48 Prozent mehr Aufrufe. Methodisch wurden 125 von 334 Videos untertitelt und gegen 209 Kontrollvideos gemessen. Den Indexierungsbeweis lieferte eine Suche nach einer Phrase, die nur im Transkript vorkam: das untertitelte Video rankte auf Platz 4, was zeigt, dass YouTube Closed Captions indexiert.

Im DACH-Raum kommt eine rechtliche Dimension hinzu. Mit dem European Accessibility Act, der ab 2025 greift, werden Untertitel und Transkripte für viele Anbieter zur Barrierefreiheitspflicht. Das verschiebt Captions von der Kür zur Pflicht und macht den SEO-Nebeneffekt zum kostenlosen Bonus einer ohnehin notwendigen Massnahme. In der Umsetzung gilt: Erzeuge das Transkript automatisiert, etwa über die YouTube-Transkriptfunktion oder einen Speech-to-Text-Dienst, und redigiere es anschliessend von Hand. Fachbegriffe, Eigennamen und österreichische Schreibweisen erkennt die automatische Verschriftung selten zuverlässig. Platziere den redigierten Volltext als echten HTML-Text on-page, nicht als Bild oder reines Download-PDF, und gliedere ihn mit Zwischenüberschriften und Absätzen, damit Crawler und Leser ihn erfassen. Ein kurzer Einleitungsabsatz, der die Kernaussagen des Videos zusammenfasst, bedient zusätzlich das Antwort-zuerst-Prinzip für Featured Snippets und AI Overviews.

Best Practices für Watch-Pages, Hosting und Content-Struktur

Eine wirksame Video-Watch-Page folgt einer klaren Logik. Die folgenden Punkte fassen die zentralen Stellhebel zusammen:

• Dedizierte indexierbare Watch-Page: Jedes wichtige Video braucht eine eigene URL mit sichtbarem Embed, nicht nur eine Erwähnung in einem Blogartikel. Google indexiert Videos primär über solche Seiten.
• Heading-Hierarchie: Eine H1 benennt das Video-Thema, H2-Überschriften strukturieren Begleittext und Kapitel. Beschreibende Überschriften liefern Kontext und Entities, die das blosse Embed nicht transportiert.
• Stabile Thumbnail-URL: thumbnailUrl muss dauerhaft erreichbar sein, da Google sonst kein Rich Result rendert. Keyword-reiche, sprechende Dateinamen unterstützen die Zuordnung.
• Video-Sitemap: Eine dedizierte Video-Sitemap oder die Erweiterung der bestehenden Sitemap meldet neue Watch-Pages aktiv an die Suchmaschine.
• Core Web Vitals: Eingebettete Videos dürfen das Ladeverhalten nicht ruinieren. Lazy-Loading des iFrames und ein leichtgewichtiges Vorschau-Thumbnail statt eines sofort geladenen Players halten die Werte stabil.

Bei der Hosting-Entscheidung gilt: YouTube-Embed maximiert Reichweite und nutzt die Plattform-Distribution, Self-Hosting auf der eigenen Domain hält das Ranking-Signal im eigenen Haus. In der Praxis ist eine Kombination sinnvoll, solange eine kanonische Watch-Page definiert ist, um Doppelindexierung zu vermeiden. Technisch dominiert MP4: Laut Web Almanac entfielen 68 Prozent der Videodateien auf das MP4-Format, was Self-Hosting kompatibel und einfach macht.

Zur Länge geben die Daten Orientierung. Im Web sind Videos kurz: 21 Prozent dauern 0 bis 10 Sekunden, 37 Prozent 10 bis 30 Sekunden, 21 Prozent 30 bis 60 Sekunden, 12 Prozent 60 bis 120 Sekunden und 9 Prozent über 120 Sekunden. Für YouTube-Ranking zeigt eine ältere internationale Analyse das Gegenteil: Die durchschnittliche Länge eines Videos auf Seite eins lag bei 14 Minuten und 50 Sekunden und 68,2 Prozent der Erstseiten-Videos waren in HD, ausgewertet über 1,3 Millionen YouTube-Videos. Die Faustregel für B2B: kurze eingebettete Demos auf der eigenen Seite, längere tiefe Erklärvideos für YouTube. Ebenso wichtig wie das Video ist der Text darum herum. Eine aussagekräftige, keyword-bewusste Überschrift, ein beschreibender Einleitungsabsatz und eine zusammenfassende Liste der Kernpunkte geben Suchmaschinen und KI-Systemen den Kontext, den das Embed selbst nicht liefert. Benenne Video- und Thumbnail-Dateien sprechend statt mit kryptischen IDs und halte die On-Page-Beschreibung konsistent zu Titel und Schema. So wird die Watch-Page auch ohne Videoabruf vollständig verstanden.

Häufige Fehler bei der Video-Optimierung

In der Praxis wiederholen sich dieselben Fehlerbilder. Wer sie vermeidet, holt den Grossteil des Potenzials:

• Video ohne Watch-Page: Ein Video, das nur als Lightbox oder im Footer eingebettet ist, bekommt keine eigene URL und damit kaum Chance auf ein Video-Rich-Result.
• Fehlendes oder unvollständiges Schema: Ohne name, thumbnailUrl und uploadDate entsteht kein gültiges VideoObject. Da das Markup ohnehin selten ist, ist der Aufwand klein und der Effekt gross.
• Kein Transkript: Ohne crawlbaren Volltext fehlt AI-Crawlern jede Textgrundlage. Das Video bleibt für generative Antworten eine Blackbox.
• Identische Clip-Startzeiten: Teilen sich zwei Clips eine Startzeit, verwirft Google die Key Moments. Eindeutige startOffset-Werte sind Pflicht.
• Instabile oder dynamische Thumbnail-URL: Wechselt die Bild-URL bei jedem Deploy, verschwindet das Rich Result.
• Doppelindexierung: Identischer Video-Content auf YouTube und der eigenen Domain ohne kanonisches Signal verwässert das Ranking.

Messung, Validierung und Reporting

Die Umsetzung ist nur die halbe Arbeit, die Validierung sichert sie ab. Der Rich-Results-Test prüft, ob das VideoObject- und Clip-Markup fehlerfrei geparst wird. In der Google Search Console zeigt der Videoindexierungs-Bericht, welche Watch-Pages als Video erkannt sind und wo Pflichtfelder fehlen. Auf Performance-Ebene gehören Video-Impressionen und Klicks aus dem Search-Console-Leistungsbericht ins Reporting, ergänzt um Engagement-Signale wie Wiedergabezeit und Abschlussrate aus YouTube Analytics.

Für die GEO-Bewertung lohnt der Blick auf Content-Typen. In AI Overviews wuchsen instruktive Inhalte um 35,6 Prozent und visuelle Demonstrationen um 32,5 Prozent. Branchenseitig zeigte der Healthcare-Sektor mit 41,97 Prozent die höchste YouTube-Präsenz in AI Overviews. Wer How-to- und Demo-Formate produziert, zielt damit genau auf die Formate, die generative Suche am häufigsten zitiert.

Weiterführendes für den B2B-DACH-Workflow

Ein praxistauglicher Video-SEO-Workflow im österreichischen B2B-Kontext folgt einer festen Reihenfolge: Erklär-, Produkt- und Case-Study-Video produzieren, Transkript erstellen und auf de-AT lokalisieren, dedizierte Watch-Page mit H1, Begleittext und VideoObject-Schema aufsetzen, Clip-Markup für Kapitel ergänzen, in die Video-Sitemap aufnehmen und über den Rich-Results-Test validieren.

Den größten Hebel liefert die interne Verlinkung. Ein Video-Hub bündelt thematisch verwandte Watch-Pages und verlinkt sie untereinander sowie aus den passenden Themen- und Leistungsseiten. So entsteht ein Cluster, das Suchmaschinen die Relevanz der einzelnen Videos signalisiert und Nutzer von Text zu Video führt. In Kombination mit sauberem Schema, Volltext-Transkript und barrierefreien Captions wird aus einem einzelnen Video ein dauerhaftes Sichtbarkeits-Asset, das sowohl in der klassischen Videosuche als auch in generativen Antworten Klicks bringt.