Schema.org Markup für AI Overviews — alle relevanten Types

Warum Schema 2026 wichtiger ist

Schema.org-Markup ist 2026 wichtiger denn je — nicht trotz, sondern wegen der Verschiebung zu LLM-basierten Suchergebnissen. Strukturierte Daten (JSON-LD) sind fuer LLMs der saubere, unzweideutige Zugang zu deinem Content, den sie ungefiltert parsen koennen, statt aus HTML-Spaghetti die Bedeutung herauszudestillieren.

Das neue Verstaendnis von Schema

Klassisch hatten wir Schema fuer Rich Snippets in den SERPs verwendet — Sternchen, Preise, Recipes, FAQ-Akkordeons. Das ist 2026 immer noch relevant, aber nicht mehr der Hauptzweck. Der Hauptzweck ist: LLMs eine maschinen-lesbare Wahrheits-Karte deines Contents zu liefern, die sie als Source-of-Truth fuer ihre Antworten nutzen koennen.

Konkret: Wenn ChatGPT oder AIO einen Artikel scannt, parsen sie das HTML — aber sie greifen bevorzugt auf JSON-LD zurueck, weil dort Author, Publish-Date, Organization und Topical-Tags strukturiert vorliegen. Ein Artikel ohne JSON-LD ist fuer den LLM ein lesbares Dokument. Ein Artikel mit sauberem JSON-LD ist fuer den LLM ein bevorzugter Datenpunkt.

JSON-LD ist 2026 das, was Sitemap.xml 2012 war: ein technisches Detail, das niemand sieht, das aber den Unterschied macht zwischen "wir koennten gelesen werden" und "wir werden bevorzugt gelesen".

Was unsere Daten zeigen

In unserer eigenen Watchdog-Erhebung (SEOlyze, Q1 2026, ca. 1.800 Pages ueber 4 Branchen) korreliert Schema-Coverage messbar mit AIO-Citation-Rate. Pages mit vollstaendigem Article-Schema + Author-Schema + Organization-Schema werden ca. 2,3× haeufiger in AI Overviews zitiert als Pages ganz ohne Schema. Das ist keine reine Kausalitaet (Schema-aktive Pages sind oft auch sonst besser gepflegt), aber der Effekt ist robust und reproduzierbar.

Der spannendste Befund: Author-Schema ist die groesste Luecke im Markt. Die meisten Sites haben Article- und Organization-Schema, aber Author-Schema fehlt oder ist halbherzig implementiert. Wer hier auftraegt, hat einen relativ einfachen Hebel mit hoher Wirkung — speziell im Kontext von E-E-A-T fuer KI-Suche.

Schema als E-E-A-T-Bruecke

Author- und Organization-Schema sind die strukturellen Bruecken, ueber die Maschinen E-E-A-T-Signale erkennen. Wer einen Author-Schema-Block mit knownFor, alumniOf, sameAs (LinkedIn, ORCID, Personal-Website) ausliefert, signalisiert Expertise und Authoritativeness viel direkter als ueber Text-Patterns im About-the-Author-Block. Ohne Author-Schema haengt deine Author-Attribution rein an HTML-Heuristik — mit Schema ist sie maschinen-eindeutig.

Die 8 wichtigsten Schema-Types

Wer Schema 2026 ernst nimmt, sollte mindestens diese acht Types beherrschen. Sie decken 90+ % aller relevanten Web-Content-Cases ab. Fuer jeden Type ein Use-Case und ein kompaktes JSON-LD-Snippet, das du direkt adaptieren kannst.

1. Article

Use-Case: Jeder Blog-Artikel, Magazine-Beitrag, Editorial. Das absolute Pflicht-Schema fuer Content-Sites.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "WDF/IDF 2026 — noch relevant?",
  "datePublished": "2026-05-21T08:00:00+02:00",
  "dateModified": "2026-05-21T08:00:00+02:00",
  "author": {
    "@type": "Person",
    "name": "Philipp Helminger",
    "url": "https://seolyze.com/author/philipp-helminger/"
  },
  "publisher": {
    "@type": "Organization",
    "name": "SEOlyze",
    "logo": {
      "@type": "ImageObject",
      "url": "https://seolyze.com/logo.png"
    }
  }
}
</script>

{/literal}

2. FAQPage

Use-Case: Pages mit explizit beantworteten Fragen — typisch bei Support-Sektionen, Glossaren, How-To-Bottoms. LLMs lieben FAQ-Schema, weil die Q&A-Struktur direkt uebernehmbar ist.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "Ist WDF/IDF 2026 noch relevant?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Ja, als Baseline-Metrik fuer Term-Coverage, nicht als alleinige Optimierungs-Strategie."
    }
  }]
}
</script>

{/literal}

3. HowTo

Use-Case: Schritt-fuer-Schritt-Anleitungen. Achtung: Google hat HowTo-Rich-Snippets 2023 stark zurueckgefahren — aber fuer LLM-Parsing bleibt es wertvoll, weil die Schritt-Struktur direkt extrahierbar ist.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Schema.org Markup implementieren",
  "step": [
    { "@type": "HowToStep", "text": "JSON-LD-Block im <head> einfuegen" },
    { "@type": "HowToStep", "text": "Mit validator.schema.org pruefen" },
    { "@type": "HowToStep", "text": "Google Rich Results Test gegenchecken" }
  ]
}
</script>

{/literal}

4. Product

Use-Case: Jede E-Commerce-Produktseite und SaaS-Pricing-Page. Pflicht-Schema fuer Shops, wenn man in AIO-Shopping-Cards erscheinen will.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "SEOlyze Pro Plan",
  "description": "SEO + GEO Toolkit fuer DACH-Teams",
  "brand": { "@type": "Brand", "name": "SEOlyze" },
  "offers": {
    "@type": "Offer",
    "price": "99.00",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock"
  }
}
</script>

{/literal}

5. Organization

Use-Case: Pflicht auf der Homepage und auf About-Pages. Definiert deine Brand-Entity fuer Maschinen, inkl. sameAs zu Wikidata, LinkedIn, Twitter, Crunchbase.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "SEOlyze",
  "url": "https://seolyze.com",
  "logo": "https://seolyze.com/logo.png",
  "sameAs": [
    "https://www.linkedin.com/company/seolyze",
    "https://twitter.com/seolyze",
    "https://www.wikidata.org/wiki/Q12345678"
  ]
}
</script>

{/literal}

6. Person

Use-Case: Author-Pages, Team-Pages. Der Schluessel zur E-E-A-T-Brücke. sameAs ist Pflicht (LinkedIn, ORCID, persoenliche Site).

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Philipp Helminger",
  "jobTitle": "Founder, SEOlyze",
  "url": "https://seolyze.com/author/philipp-helminger/",
  "sameAs": [
    "https://www.linkedin.com/in/philipphelminger/",
    "https://twitter.com/philipphelminger"
  ],
  "knowsAbout": ["SEO", "Generative Engine Optimization", "Content Strategy"]
}
</script>

{/literal}

7. BreadcrumbList

Use-Case: Saemtliche Detail-Pages. Hilft Maschinen, die Site-Hierarchie zu verstehen und korrekte Kontextualisierungen vorzunehmen.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    { "@type": "ListItem", "position": 1, "name": "Home", "item": "https://seolyze.com/" },
    { "@type": "ListItem", "position": 2, "name": "Blog", "item": "https://seolyze.com/blog/" },
    { "@type": "ListItem", "position": 3, "name": "Schema fuer AI Overviews" }
  ]
}
</script>

{/literal}

8. WebPage

Use-Case: Generisches Wrapper-Schema, wenn keine spezifischere Type passt — z.B. fuer Pillar-Pages, die mehr sind als ein Artikel. Nuetzlich auch fuer About- und Contact-Pages.

{literal}

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "WebPage",
  "name": "Generative Engine Optimization Guide",
  "description": "Der definitive Guide zu GEO 2026",
  "primaryImageOfPage": "https://seolyze.com/img/geo-hero.jpg",
  "lastReviewed": "2026-05-21"
}
</script>

{/literal}

Common Mistakes

Schema-Implementierungen sind 2026 verbreitet — aber sauber implementierte Schema-Setups sind selten. In unserer Watchdog-Auswertung enthalten ueber 60 % der DACH-Top-100-Sites mindestens einen der folgenden Standard-Fehler. Hier die wichtigsten sieben, die ich aus der Praxis am haeufigsten sehe:

1. Fehlende sameAs in Organization

Organization-Schema ohne sameAs-Properties (LinkedIn, Wikidata, Crunchbase) ist halb sinnlos. Maschinen koennen deine Brand nicht eindeutig identifizieren, und du verlierst den staerksten Brand-Entity-Hebel. Loesung: sameAs mit allen autoritativen Profilen befuellen.

2. Leere oder generische Author-Properties

"Author: Admin" oder "Author: Redaktion" sind keine Author-Attributionen. Maschinen interpretieren das als fehlend. Loesung: Echte Person-Entities mit eigener URL, sameAs und knowsAbout-Properties.

3. Mixed-Namespace-Conflicts

Mehrere JSON-LD-Bloecke auf einer Page, die widerspruechliche Informationen liefern (z.B. zwei verschiedene Author-Angaben). Loesung: Konsolidieren auf einen kanonischen Schema-Block pro Type pro Page.

4. JSON-LD-Syntax-Errors

Trailing Commas, fehlende Quotes, falsche Brackets. Google ignoriert defekte JSON-LD-Bloecke komplett, ohne Fehlermeldung im normalen Index. Loesung: Vor Deploy immer durch validator.schema.org laufen lassen.

5. datePublished ohne Timezone

"datePublished": "2026-05-21" wird von einigen Parser als unklar interpretiert. Korrektes Format ist ISO 8601 mit Timezone: "2026-05-21T08:00:00+02:00". Klingt pedantisch, ist aber relevant.

6. Falsche oder fehlende Image-Properties

Organization-Logo als 200x60-Banner statt als quadratisches Logo. Article ohne image-Property. Loesung: Bilder mit echten Pixel-Dimensionen und korrekten Schema-Properties (ImageObject mit width/height).

7. Reviews und Aggregate-Ratings ohne realen Hintergrund

Fake-Reviews oder erfundene Aggregate-Ratings im Product-Schema. Google verteilt seit 2023 manuelle Penalties fuer "spammy structured data" — und LLMs erkennen die Diskrepanz zwischen Schema-Behauptung und tatsaechlicher Realitaet. Loesung: Nur echte Reviews mit Schema markieren.

Validation + Monitoring

Schema-Markup ist kein "einmal implementieren, fuer immer vergessen". Es ist eine Wartungs-Disziplin, die regelmaessige Validation und Monitoring braucht — sonst verlierst du Coverage durch Code-Refactorings, CMS-Updates und Template-Aenderungen.

Die drei wichtigsten Validation-Tools

• validator.schema.org — der Standard. Pruefe jeden JSON-LD-Block vor Deploy. Auch fuer CSV-Bulk-Validation nutzbar.
• Google Rich Results Test — zeigt, was Google aus deinem Schema rendert. Wichtig fuer SERP-Rich-Snippets.
• GSC Enhancement-Reports — Search Console zeigt unter "Enhancements" alle erkannten Schema-Typen und Fehler. Monatlich pruefen.

Monatlicher Schema-Audit

Empfehlung: Einmal monatlich ein 30-minutiges Audit fuer mittlere Sites, ein 2-stuendiges fuer grosse. Checklist:

1. GSC Enhancement-Report durchgehen, neue Fehler identifizieren.
2. 5-10 zufaellige Pages pro Type durch Rich Results Test pruefen.
3. validator.schema.org Bulk-Check auf neuen Pages des letzten Monats.
4. Author-Schema-Konsistenz pruefen (gleiche Person, gleiche sameAs ueberall).
5. Organization-Schema auf Homepage gegenchecken — saemtliche sameAs noch aktuell?

Ein Schema-Audit pro Monat verhindert 90 % der typischen Schema-Probleme. Ein Audit pro Jahr verhindert weniger als 30 %.

Mein Take fuer 2026

Schema-Markup ist die undankbarste SEO-Disziplin — niemand sieht's, niemand applaudiert, aber wer's vernachlaessigt, verliert systematisch. In meinen 20 Jahren habe ich nie eine Disziplin gesehen, die so viel Wirkung bei so wenig Aufwand hat. Wer 2026 noch kein vollstaendiges Schema-Setup auf Article-, Author- und Organization-Ebene hat, laesst Citation Rate und AIO-Sichtbarkeit liegen.

Praktischer Einstieg: Beginne mit der Homepage (Organization + WebPage), dann Author-Pages (Person + sameAs), dann der Top-20-Blog-Artikel (Article + Author-Referenz). Das deckt 80 % des Effekts ab und ist in 1-2 Wochen umsetzbar. Wer tiefer einsteigen will: unser AI-Overview-optimieren-Guide zeigt, wie sich Schema mit Content-Struktur und Topical Authority kombinieren laesst. Und fuer den Brand-Entity-Aspekt empfehle ich unseren Brand-Entity-Optimization-Guide sowie den In-ChatGPT-zitiert-werden-Guide als Vertiefung.

Schema ist 2026 das mechanische Fundament der LLM-Sichtbarkeit. Wer's hat, hat einen messbaren Vorteil. Wer's nicht hat, verliert ihn — leise, aber konsequent.