Schema-Markup: Ein Praxisleitfaden für strukturierte Daten (2026)

Schema-Markup sind strukturierte Angaben im Quellcode einer Website. Sie beschreiben beispielsweise ein Unternehmen, einen Artikel, ein Produkt oder einen Navigationspfad in einer standardisierten Form. Suchmaschinen können diese Daten verwenden, um Inhalte und Beziehungen eindeutiger zuzuordnen. Bestimmte von Google unterstützte Auszeichnungen können außerdem eine Voraussetzung für Rich Results sein.

Schema-Markup ist jedoch kein direkter Rankingfaktor, garantiert keine besondere Darstellung und macht aus schwachen Inhalten keine gute Seite. Entscheidend ist, den passenden Typ für den tatsächlich sichtbaren Inhalt auszuwählen, vorhandene Angaben korrekt zu verknüpfen und veraltete Empfehlungen nicht ungeprüft zu übernehmen.

Dieser Praxisleitfaden zeigt Dir, welche strukturierten Daten für Unternehmen sinnvoll sind, welche Google-Suchfunktionen aktuell unterstützt werden, wie Du JSON-LD implementierst und welche Fehler besonders häufig auftreten.

Was ist Schema-Markup?

Schema-Markup, auch strukturierte Daten oder Structured Data genannt, ist maschinenlesbarer Code, der sichtbare Inhalte einer Website beschreibt. Das verwendete Vokabular stammt in vielen Fällen von Schema.org.

Auf einer Produktseite kann das Markup beispielsweise kennzeichnen, welcher Wert der Produktname ist, welcher Preis gilt, ob das Produkt verfügbar ist und welche Marke dahintersteht. Auf einem Blogbeitrag können Autor, Veröffentlichungsdatum, Änderungsdatum und Herausgeber miteinander verknüpft werden.

Suchmaschinen sind nicht auf Schema-Markup angewiesen, um eine Seite grundsätzlich zu verstehen. Die Auszeichnung liefert ihnen aber explizite Angaben, statt jede Beziehung ausschließlich aus Überschriften, Fließtext und Seitengestaltung ableiten zu müssen.

Schema.org, Google-Unterstützung und Rich Results: der wichtige Unterschied

Viele Missverständnisse entstehen, weil drei unterschiedliche Ebenen vermischt werden:

Ein Schema.org-Typ kann technisch korrekt sein, ohne ein besonderes Google-Suchergebnis auszulösen. Umgekehrt bedeutet eine fehlerfreie Prüfung im Rich Results Test nur, dass die Seite grundsätzlich für die jeweilige Funktion geeignet sein kann. Eine Ausspielung wird dadurch nicht garantiert.

Ist Schema-Markup ein Rankingfaktor?

Schema-Markup ist kein direkter Rankingfaktor. Eine Seite steigt nicht automatisch, nur weil Organization-, Article- oder LocalBusiness-Markup eingebunden wurde. Strukturierte Daten können aber auf andere Weise nützlich sein:

• Sie beschreiben vorhandene Informationen eindeutig und maschinenlesbar.
• Sie können die Voraussetzung für unterstützte Rich Results schaffen.
• Sie helfen dabei, zusammengehörige Entitäten wie Autor, Unternehmen und Beitrag zu verknüpfen.
• Rich Results können die Darstellung eines Suchergebnisses verändern und dadurch je nach Seitentyp auch die Klickrate beeinflussen.

Ob tatsächlich mehr Klicks entstehen, hängt von Rankingposition, Suchanfrage, Gerät, Wettbewerb und SERP-Layout ab. Allgemeine Versprechen wie „20 bis 30 Prozent mehr CTR“ sind deshalb nicht seriös auf jede Website übertragbar.

Rankingmax-Praxistest: Strukturierte Daten bei KMU und Handwerk

Für unseren Praxistest haben wir 50 Websites aus Handwerk und Mittelstand untersucht. Insgesamt wurden 2.418 URLs auf vorhandene strukturierte Daten, technische Gültigkeit und mögliche Google-Rich-Result-Eignung geprüft. Die Stichprobe umfasste unter anderem Bau- und Ausbaugewerbe, Elektro, Sanitär und Heizung, Metallverarbeitung, regionale Dienstleister und Handel.

Die Seiten wurden mit einem Website-Crawler erfasst. Anschließend haben wir die enthaltenen JSON-LD-, Microdata- und RDFa-Auszeichnungen geprüft und ausgewählte Seitentypen zusätzlich mit dem Schema.org Validator sowie dem Google Rich Results Test kontrolliert.

Berechnungsgrundlage: Eine Website wurde pro Befund nur einmal gezählt. Unabhängig davon, auf wie vielen URLs dieser vorkam. Die Prozentwerte beziehen sich daher auf die 50 untersuchten Websites und nicht auf die 2.418 geprüften URLs. Die Ergebnisse beschreiben unsere Stichprobe und sind nicht repräsentativ für alle deutschen Unternehmenswebsites.

JSON-LD, Microdata und RDFa: Welches Format ist sinnvoll?

Strukturierte Daten können in unterschiedlichen Formaten eingebunden werden. Für neue Implementierungen ist JSON-LD meistens die praktischste Wahl und wird auch von Google empfohlen.

Ein einfaches JSON-LD-Beispiel

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "@id": "https://www.beispiel.de/blog/schema-markup/#article",
  "headline": "Schema-Markup richtig einsetzen",
  "datePublished": "2026-05-13",
  "dateModified": "2026-09-17",
  "author": {
    "@type": "Person",
    "@id": "https://www.beispiel.de/autor/max-muster/#person",
    "name": "Max Muster"
  }
}
</script>

JSON-LD darf im <head> oder <body> stehen. Wichtiger als die Position ist, dass der Code zuverlässig ausgegeben wird, mit dem sichtbaren Inhalt übereinstimmt und keine widersprüchlichen Duplikate erzeugt.

Welche Schema-Typen sind für KMU sinnvoll?

Wähle einen Typ nicht deshalb, weil ein Wettbewerber ihn verwendet. Entscheidend ist, welche reale Entität oder welcher sichtbare Inhalt auf der eigenen Seite beschrieben wird.

Organization oder LocalBusiness?

LocalBusiness ist ein Untertyp von Organization und eignet sich für Unternehmen mit einem realen lokalen Geschäftsbetrieb. Nutze möglichst einen spezifischen Untertyp wie Electrician, Plumber, Restaurant oder Dentist, wenn er das Unternehmen tatsächlich beschreibt.

Das Markup ersetzt kein Google-Unternehmensprofil und garantiert weder ein Knowledge Panel noch bessere Google-Maps-Rankings. Die Angaben sollten mit den sichtbaren Kontaktdaten und den offiziellen Unternehmensinformationen übereinstimmen.

BlogPosting und Person

Bei redaktionellen Beiträgen können BlogPosting und Person den Beitrag mit einem realen Autorenprofil verknüpfen. Das Markup beweist jedoch keine Fachkompetenz. Biografie, Erfahrung, Verantwortlichkeit und veröffentlichte Inhalte müssen für Nutzer sichtbar und nachvollziehbar sein.

Product, Review und AggregateRating

Product-Markup gehört zu den strukturierten Daten, für die Google besondere Produktdarstellungen unterstützt. Dabei gelten je nach Darstellung unterschiedliche Anforderungen. Preis, Währung, Verfügbarkeit, Bewertung und weitere Angaben müssen zum sichtbaren Produkt und zu den aktuellen Daten passen.

Review- und AggregateRating-Markup ist nicht pauschal für jede Branche geeignet. Insbesondere selbstbezogene Bewertungen eines Unternehmens führen bei Organization- und LocalBusiness-Seiten nicht automatisch zu Bewertungssternen. Verwende Bewertungen nur, wenn Bewertungsgegenstand, sichtbare Rezensionen und Googles Richtlinien für den konkreten Seitentyp zusammenpassen.

Welche früheren Google-Rich-Results gibt es nicht mehr?

Viele ältere Schema-Ratgeber nennen Funktionen, die Google inzwischen eingestellt oder stark eingeschränkt hat. Das jeweilige Schema.org-Vokabular kann weiterhin existieren, ohne dass daraus noch eine Google-Sonderdarstellung entsteht.

FAQPage- oder HowTo-Markup ist deshalb nicht automatisch technisch falsch. Es sollte aber nicht mit einem aktuellen Google-Rich-Result beworben werden. Prüfe vor jeder Implementierung die aktuelle Google-Galerie unterstützter strukturierter Daten.

JSON-LD-Beispiel für ein lokales Unternehmen

Mehrere Entitäten lassen sich über stabile @id-Werte miteinander verknüpfen. Das folgende Beispiel zeigt ein vereinfachtes Grundgerüst. Ersetze sämtliche Beispieldaten und ergänze nur Eigenschaften, die wirklich zutreffen und auf der Website nachvollziehbar sind.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "LocalBusiness",
      "@id": "https://www.beispiel.de/#business",
      "name": "Musterbetrieb GmbH",
      "url": "https://www.beispiel.de/",
      "telephone": "+49 123 456789",
      "image": "https://www.beispiel.de/betrieb.jpg",
      "address": {
        "@type": "PostalAddress",
        "streetAddress": "Musterstraße 1",
        "postalCode": "08468",
        "addressLocality": "Reichenbach im Vogtland",
        "addressCountry": "DE"
      },
      "sameAs": [
        "https://www.linkedin.com/company/musterbetrieb"
      ]
    },
    {
      "@type": "WebSite",
      "@id": "https://www.beispiel.de/#website",
      "url": "https://www.beispiel.de/",
      "name": "Musterbetrieb",
      "publisher": {
        "@id": "https://www.beispiel.de/#business"
      },
      "inLanguage": "de-DE"
    },
    {
      "@type": "WebPage",
      "@id": "https://www.beispiel.de/leistungen/#webpage",
      "url": "https://www.beispiel.de/leistungen/",
      "name": "Leistungen des Musterbetriebs",
      "isPartOf": {
        "@id": "https://www.beispiel.de/#website"
      },
      "about": {
        "@id": "https://www.beispiel.de/#business"
      },
      "inLanguage": "de-DE"
    }
  ]
}
</script>

@graph ist eine übersichtliche Möglichkeit, mehrere Entitäten in einem JSON-LD-Block abzubilden. Mehrere separate JSON-LD-Blöcke sind aber nicht grundsätzlich falsch. Entscheidend sind eindeutige Beziehungen, konsistente IDs und widerspruchsfreie Daten.

Schema-Markup Schritt für Schritt implementieren

Schritt 1: Vorhandenes Markup prüfen

Prüfe zuerst, welche strukturierten Daten Theme, CMS, SEO-Plugin, Shop-System und weitere Erweiterungen bereits ausgeben. Viele Fehler entstehen nicht durch fehlendes Markup, sondern durch mehrere gleichzeitig aktive Quellen.

Schritt 2: Seitentypen und Entitäten festlegen

• Startseite: Organization oder passender LocalBusiness-Untertyp, WebSite und WebPage
• Blogbeitrag: BlogPosting, WebPage, Person beziehungsweise Organization und BreadcrumbList
• Produktseite: Product, Offer und BreadcrumbList
• Lokale Standortseite: passender Unternehmens- oder Standorttyp, WebPage und BreadcrumbList
• Autorenprofil: Person mit sichtbaren und überprüfbaren Angaben

Schritt 3: Daten mit dem sichtbaren Inhalt abgleichen

Zeichne nur Informationen aus, die tatsächlich zutreffen. Preise, Verfügbarkeiten, Bewertungen, Öffnungszeiten, Autoren und Unternehmensdaten müssen aktuell gehalten werden. Versteckte oder irreführende Angaben können gegen Googles Richtlinien für strukturierte Daten verstoßen.

Schritt 4: JSON-LD einbinden

Implementiere das Markup im Template, über ein geeignetes Plugin oder über eine kontrollierte Code-Ausgabe. Vermeide manuelle Einzelblöcke, wenn Preise, Termine oder andere Werte häufig geändert werden. Dynamische Daten sollten möglichst aus derselben Quelle wie der sichtbare Seiteninhalt stammen.

Schritt 5: Validieren und in der Suche beobachten

Prüfe Syntax, Schema.org-Vokabular und Google-Anforderungen getrennt. Beobachte nach der Veröffentlichung, ob Google die unterstützten Typen erkennt und ob Fehler oder Warnungen auftreten.

Schema-Markup in WordPress einbinden

SEO-Plugins wie Yoast SEO, Rank Math oder AIOSEO erzeugen bereits grundlegende strukturierte Daten. Je nach Konfiguration können unter anderem WebSite, Organization, Person, WebPage, Article und BreadcrumbList enthalten sein. Auch Themes, Bewertungsplugins, Shop-Erweiterungen und Page Builder können eigenes Markup ausgeben.

Empfohlene Vorgehensweise

1. Rufe eine typische Seite im Schema.org Validator und im Rich Results Test auf.
2. Dokumentiere alle vorhandenen Typen und die Erweiterung, die sie erzeugt.
3. Lege ein primäres System für Organization-, Person-, WebSite- und Article-Daten fest.
4. Deaktiviere konkurrierende Ausgaben, soweit Theme und Plugins das zulassen.
5. Ergänze nur Daten, die im vorhandenen Schema wirklich fehlen.
6. Prüfe nach Plugin-, Theme- und Template-Updates erneut.

Ein zusätzlicher Custom-HTML-Block ist nicht automatisch die beste Lösung. Er kann bestehende Entitäten verdoppeln oder widersprüchliche IDs erzeugen. Außerdem sollte Code, der über viele Seiten ausgespielt wird, zentral gepflegt werden.

Shopify und andere Systeme

Shopify-Themes geben häufig bereits Product-, Offer- und Organization-Daten aus. Prüfe zuerst die Qualität dieser Ausgabe, bevor Du eine zusätzliche App installierst. Bei statischen Websites und individuellen Systemen lässt sich JSON-LD über Templates oder Komponenten ausgeben. Eine Implementierung über den Google Tag Manager sollte nur gewählt werden, wenn kein zuverlässiger direkter Weg zur Verfügung steht.

Schema-Markup testen: Welches Tool prüft was?

Eine Warnung ist nicht dasselbe wie ein Fehler. Fehlende erforderliche Eigenschaften können die Eignung für ein Rich Result verhindern. Empfohlene Eigenschaften verbessern häufig die Vollständigkeit, sind aber nicht in jedem Fall zwingend.

Welche Rolle spielt Schema-Markup für KI-Suche und GEO?

Strukturierte Daten können Personen, Unternehmen, Produkte, Orte und Inhalte explizit beschreiben. Das ist grundsätzlich auch für maschinelle Systeme nützlich. Wie stark ChatGPT Search, Perplexity, Google AI Overviews oder andere Systeme einzelne Schema-Typen für Auswahl, Bewertung und Zitation gewichten, ist jedoch nicht vollständig öffentlich dokumentiert.

Deshalb gilt: Schema-Markup kann eine saubere technische Grundlage sein, ist aber kein garantierter GEO-Hebel. Eine korrekte Auszeichnung ersetzt keine hilfreichen Inhalte, überprüfbare Aussagen, externe Erwähnungen oder eine crawlbare Website.

Die Eigenschaft sameAs kann offizielle Profile einer Person oder Organisation verknüpfen. Verwende sie gezielt für Seiten, die tatsächlich dieselbe Entität repräsentieren. Eine pauschale Verlinkung möglichst vieler Profile verbessert die KI-Sichtbarkeit nicht automatisch. Weitere Maßnahmen behandeln wir in unserem GEO-Guide.

Kann Schema-Markup E-E-A-T stärken?

Schema-Markup kann vorhandene Angaben zu Autor, Unternehmen, Beitrag und Veröffentlichungsdatum eindeutig verbinden. Es beweist aber weder Erfahrung noch Fachwissen, Autorität oder Vertrauenswürdigkeit.

Ein Person-Eintrag mit jobTitle oder knowsAbout macht eine Person nicht automatisch zum Experten. Wichtiger sind eine sichtbare Autorenbiografie, nachvollziehbare Erfahrung, Verantwortlichkeit, korrekte Quellen und hochwertige Inhalte. Strukturierte Daten sollten diese sichtbaren Informationen korrekt abbilden, aber nicht ersetzen.

Häufige Fehler bei strukturierten Daten

1. Ausgezeichnete Angaben sind nicht sichtbar oder stimmen nicht

Preise, Bewertungen, Autoren oder Veranstaltungen dürfen nicht nur im Markup existieren. Wesentliche Angaben müssen für Nutzer sichtbar sein und mit dem strukturierten Datensatz übereinstimmen.

2. Plugins erzeugen doppelte oder widersprüchliche Entitäten

Mehrere Blöcke oder mehrere Instanzen desselben Typs sind nicht automatisch falsch. Problematisch wird es, wenn dasselbe Unternehmen unterschiedliche Namen, URLs, Logos oder IDs erhält oder mehrere Plugins konkurrierende Hauptentitäten erzeugen.

3. Der Schema-Typ passt nicht zum Inhalt

Eine normale Leistungsseite ist keine Produktseite, nur weil Product-Markup eine auffällige Darstellung verspricht. Verwende immer den Typ, der den tatsächlichen Inhalt am besten beschreibt.

4. Veraltete Rich-Result-Empfehlungen werden übernommen

HowTo, die Sitelinks-Suchbox und frühere FAQ-Erweiterungen zeigen, wie schnell sich Google-Funktionen ändern können. Prüfe aktuelle Google-Dokumentationen und verlasse Dich nicht ausschließlich auf ältere Plugin-Beschreibungen oder Blogbeiträge.

5. Bewertungen werden unzulässig oder unvollständig ausgezeichnet

Bewertungen müssen echt, sichtbar und dem richtigen Gegenstand zugeordnet sein. Bei einer abweichenden Bewertungsskala sind bestRating und gegebenenfalls worstRating korrekt anzugeben. Ohne abweichende Angaben wird üblicherweise eine Skala von 1 bis 5 erwartet.

6. KI-generierter Code wird ungeprüft veröffentlicht

ChatGPT, Claude und andere Assistenten können einen ersten JSON-LD-Entwurf erstellen. Sie können aber veraltete Google-Anforderungen, erfundene Eigenschaften oder inhaltlich unzutreffende Daten liefern. Prüfe den Code immer gegen Schema.org, die aktuelle Google-Dokumentation und den sichtbaren Seiteninhalt.

Wie lässt sich der Erfolg von Schema-Markup messen?

Setze keine allgemeine CTR-Steigerung als Ziel. Dokumentiere stattdessen, welche Funktion Du mit der Implementierung erreichen möchtest.

Ein einfacher Vergleich „vorher gegen nachher“ beweist noch keinen kausalen Effekt. Rankings, Suchvolumen, Saisonalität und SERP-Aufbau können sich gleichzeitig verändern. Für einen belastbareren Test sollten möglichst gleichartige Seiten, stabile Zeiträume und tatsächliche Rich-Result-Ausspielungen berücksichtigt werden.

Schema-Markup-Checkliste

• Beschreibt jeder Typ eine tatsächlich vorhandene Entität oder einen sichtbaren Inhalt?
• Sind Unternehmens-, Autoren-, Produkt- und Kontaktdaten aktuell?
• Verwenden zusammengehörige Entitäten konsistente @id-Werte?
• Erzeugen Theme und Plugins doppelte oder widersprüchliche Daten?
• Ist das Markup im Schema.org Validator technisch gültig?
• Erfüllt es für gewünschte Google-Funktionen die aktuellen Anforderungen?
• Stimmen ausgezeichnete Angaben mit dem sichtbaren Inhalt überein?
• Werden dynamische Werte zuverlässig aktualisiert?
• Wurde die Ausgabe mobil und nach Plugin-Updates kontrolliert?

Fazit: Schema-Markup gezielt statt möglichst umfangreich einsetzen

Gutes Schema-Markup zeichnet nicht möglichst viele Typen aus. Es beschreibt die wichtigsten Entitäten und Inhalte einer Website korrekt, konsistent und wartbar. Für unterstützte Suchfunktionen müssen zusätzlich die aktuellen Google-Anforderungen erfüllt sein.

Beginne mit einer Bestandsaufnahme. Bereinige widersprüchliche Ausgaben und definiere anschließend eine klare Struktur für Unternehmen, Website, Seiten, Autoren, Produkte und Navigationspfade. Behandle Rich Results als mögliche Darstellung – nicht als Garantie oder pauschalen Rankinghebel.

Wenn Du Deine strukturierten Daten nicht isoliert, sondern im Rahmen der gesamten Website-Technik prüfen möchtest, findest Du weitere Informationen in unserem Beitrag zur technischen Onpage-Optimierung. Für eine individuelle Analyse kannst Du uns direkt kontaktieren.

Offizielle Quellen und Dokumentationen

• Google: Einführung in strukturierte Daten
• Google: aktuell unterstützte strukturierte Daten und Suchfunktionen
• Google: allgemeine Richtlinien für strukturierte Daten
• Schema.org: vollständige Hierarchie der Typen und Eigenschaften

Häufige Fragen zu Schema-Markup