Schema Markup war lange ein Thema für Rich Results – Sterne, FAQ-Ausklappungen, Breadcrumbs. In Zeiten von KI-Suche und GEO entscheiden strukturierte Daten zwar nicht über Sichtbarkeit, aber darüber, ob Maschinen eine Website verstehen oder über sie raten müssen. Warum wir deshalb ein eigenes Schema-Plugin entwickelt haben, obwohl wir weiterhin Rank Math Pro nutzen: ein Praxisbericht, inklusive eigener Fehler.
1. Warum dieser Beitrag überhaupt geschrieben werden muss
Natürlich könnte man ChatGPT, Claude oder Gemini fragen, was Schema Markup in Zeiten von GEO bedeutet. Die Antwort wäre solide: JSON-LD ist sinnvoll, Entitäten sind wichtig, FAQPage hat an Bedeutung verloren, GEO ist die Weiterentwicklung von SEO für KI-Antwortsysteme. Diesen Text gibt es schon. Hundertfach. Vermutlich wird er in diesem Moment irgendwo neu erzeugt.
Ein weiterer allgemeiner Artikel wäre deshalb überflüssig. Was es dagegen kaum gibt: Berichte aus der echten Umsetzung. Unser Lernen entstand nicht in einer SEO-Theoriediskussion, sondern beim Bau unseres Plugins elbnetz-schema-control – einem Werkzeug, mit dem wir kontrollieren, welche strukturierten Daten auf welchen Seiten ausgegeben werden, welche Quelle dafür zuständig ist und wie sich doppelte oder widersprüchliche Auszeichnungen vermeiden lassen.
Das klingt technisch. Ist es auch. Der strategische Kern ist trotzdem einfach: Wenn Suchmaschinen und KI-Systeme aus Websites Antworten bauen, sollten sie nicht raten müssen, wer wir sind, was wir tun und welche Inhalte zusammengehören.
2. Vorweg: Schema Markup ist keine GEO-Wunderwaffe
Die unbequeme Wahrheit zuerst: Schema Markup sorgt nicht automatisch dafür, dass eine Website in Google AI Overviews, ChatGPT oder Perplexity genannt wird. Wer das verspricht, verkauft Unsinn. Google selbst hat in seinem Leitfaden zur Optimierung für generative Suchfunktionen vom Mai 2026 klargestellt: Die SEO-Grundlagen bleiben maßgeblich, und strukturierte Daten sind kein direkter Hebel für KI-Rankings.
Genauso falsch wäre es aber, Schema Markup als erledigt abzuhaken. Seine Rolle verschiebt sich. Früher ging es vor allem um sichtbare Suchergebnis-Erweiterungen. Heute geht es um etwas Grundlegenderes: maschinenlesbare Eindeutigkeit.
Wer ist der Anbieter? Welche Website gehört zu welchem Unternehmen? Welche Person steht hinter einem Beitrag? Welche Seite beschreibt welche Leistung? Welche Referenzen belegen Erfahrung? Welche FAQ gehören wirklich zu welcher Seite?
Diese Fragen waren schon für klassische Suchmaschinen relevant. Für KI-Systeme, die Informationen aus vielen Quellen verdichten, vergleichen und in Antworten einbauen, sind sie es erst recht.
Dass strukturierte Daten dabei keine Nische mehr sind, zeigt übrigens auch Schema.org selbst: Am 4. Juni 2026 hat die Initiative gemeinsam mit Google erstmals ein öffentliches Dataset mit Nutzungsstatistiken veröffentlicht – monatlich aktualisiert, über Millionen von Domains hinweg. Strukturierte Daten sind eine Infrastrukturfrage des Webs geworden.
3. Das eigentliche Problem: Schema-Wildwuchs
Rank Math, Yoast und ähnliche Plugins leisten gute Arbeit. Auch wir nutzen Rank Math Pro weiterhin. Der Punkt ist nicht, dass SEO-Plugins schlecht wären. Der Punkt ist: SEO-Plugins arbeiten generisch. Sie kennen die strategische Logik einer Website nicht. Sie wissen nicht, welche Seiten die Positionierung tragen, welche Entitäten stabil verknüpft werden sollen – und sie wissen nicht immer, wann andere Plugins längst eigene Schema-Daten ausgeben.
Auf einer typischen WordPress-Website erzeugen schnell mehrere Quellen gleichzeitig strukturierte Daten: das SEO-Plugin, das Theme, ein Accordion-Element mit FAQ-Microdata, ein Inhaltsverzeichnis-Plugin, WooCommerce, Bewertungs-Widgets, Pagebuilder-Elemente. Jede Quelle wirkt für sich genommen logisch. Zusammen entsteht Schema-Müll.
Und Schema-Müll ist tückisch, weil er nicht auffällt. Die Seite sieht für Besucher völlig normal aus. Im Quelltext liegen aber doppelte FAQPage-Blöcke, widersprüchliche Seitentypen und JSON-LD-Skripte, die niemand bewusst gepflegt hat.
Genau das ist uns passiert. Auf unserer eigenen Website.
4. Unsere wichtigste Erkenntnis: Nicht mehr Schema ist besser, sondern kontrolliertes Schema
Beim Bau von elbnetz-schema-control ging es nie darum, möglichst viele Schema-Typen auszugeben. Das wäre der falsche Reflex. Je mehr unkoordinierte Auszeichnungen im Quelltext landen, desto widersprüchlicher werden die Signale.
Unsere zentrale Architekturentscheidung lautet deshalb: Für strategische Fokusseiten übernimmt unser Plugin die vollständige Schema-Ausgabe. Für Blogbeiträge und Standardseiten bleibt Rank Math zuständig. Keine Entweder-oder-Lösung, sondern eine saubere Koexistenz.
Auf Fokusseiten – Startseite, Leistungsseiten, Referenzen, Grounding Page – wird das Rank-Math-JSON-LD vollständig entfernt:
add_filter('rank_math/json_ld', function($data, $jsonld) {
if ( elbnetz_schema_is_focus_page() ) {
return [];
}
return $data;
}, 999, 2);Sechs Zeilen, unscheinbar – aber sie verhindern, dass zwei Systeme gleichzeitig versuchen, dieselbe strategische Seite semantisch zu beschreiben. SEO-Plugin behalten, aber für die wichtigsten Seiten die Kontrolle übernehmen: Das ist aus unserer Sicht der pragmatische Weg.
5. Der Kampf gegen doppelte FAQ-Daten
Ein Beispiel, über das kaum jemand schreibt, weil es erst in der Praxis auftaucht: doppelte FAQ-Auszeichnungen.
Unsere Startseiten-FAQ ist als Accordion gebaut – und das Accordion schreibt automatisch Microdata-Attribute (itemscope, itemprop, itemtype) in den HTML-Code. Gleichzeitig gibt unser Plugin ein kontrolliertes FAQPage-Schema als JSON-LD aus. Zusätzlich wollte ein Inhaltsverzeichnis-Plugin auf der Grounding Page sein eigenes JSON-LD in den Head schreiben. Ergebnis: Google erkennt mehrere FAQ-Quellen auf derselben Seite und meldet doppelte Auszeichnungen.
Das Gemeine daran: Inhaltlich war nichts kaputt. Die FAQ war sichtbar, die Fragen korrekt, die Antworten korrekt. Sie wurden nur technisch mehrfach beschrieben.
Unsere Lösung war ausdrücklich nicht, die sichtbaren FAQ zu entfernen – die sind für Besucher da und bleiben. Entfernt werden nur die Microdata-Attribute aus dem Accordion-HTML und das ungefragte Dritt-JSON-LD. Übrig bleibt eine einzige, kontrollierte Schema-Quelle. An solchen Details entscheidet sich, ob Schema Markup sauber ist oder nur gut gemeint.
6. Auch Kleinigkeiten zählen: og:type
Rank Math deklariert normale Seiten teilweise als article. Für Blogbeiträge ist das richtig. Eine Seite wie „WordPress-Agentur Hamburg“ ist aber kein Artikel, sondern eine Leistungs- und Standortseite. Deshalb erzwingen wir auf Fokusseiten website als Open-Graph-Typ.
Ist das der magische Ranking-Hebel? Nein. Aber eine Website sollte sich nicht versehentlich als etwas ausgeben, was sie nicht ist. Gerade wenn Maschinen Inhalte automatisiert auswerten, zählt diese semantische Hygiene.
7. Stabile @id-Strukturen: Entitäten müssen wiedererkennbar sein
Der vielleicht wichtigste Baustein modernen Schema Markups sind stabile Entitäten. In unserem Plugin arbeiten wir mit festen IDs:
https://elbnetz.com/#organizationhttps://elbnetz.com/#websitehttps://elbnetz.com/autor/t-faltings/#person
Diese IDs sind nicht dekorativ. Sie sorgen dafür, dass alle Schema-Blöcke auf dieselben Entitäten verweisen: Die Website gehört zur Organisation. Die Person arbeitet für die Organisation (worksFor). Eine Leistung wird von der Organisation angeboten. Eine Referenz belegt ihre Erfahrung. Ein Blogbeitrag hat einen Autor, der wiederum mit der Organisation verknüpft ist.
So entsteht ein zusammenhängender Graph statt einer losen Sammlung von Schema-Schnipseln. Für GEO ist das der interessante Teil: Generative Systeme lesen nicht nur Seiten, sie versuchen, Zusammenhänge zu verstehen. Wer Zusammenhänge sauber strukturiert, reduziert Mehrdeutigkeit.
Eine Grenze gilt dabei immer: Das Schema darf nichts behaupten, was die Seite nicht hergibt. Strukturierte Daten sind keine Fantasieschicht, sondern die präzise Beschreibung sichtbarer, belegbarer Inhalte.
8. Die Grounding Page: eine Datenbasis für Maschinen und Menschen
Ein Sonderfall in unserem Plugin ist die Grounding Page – eine sichtbare, gepflegte Seite, die zentrale Informationen über das Unternehmen kompakt bereitstellt: Leistungen, Referenzen, Standort, Ansprechpartner, Positionierung.
Das Plugin nutzt dafür dieselbe zentrale Datenquelle für zwei Ausgaben: für das JSON-LD im Head und für die sichtbaren Inhalte auf der Seite. Unternehmensdaten werden einmal gepflegt und erscheinen identisch in beiden Welten.
Damit ist eine von Googles Grundregeln – strukturierte Daten müssen dem sichtbaren Seiteninhalt entsprechen – nicht redaktionell gehofft, sondern architektonisch garantiert. Markup und Inhalt können sich nicht widersprechen, weil sie aus derselben Quelle stammen. Das ist aufwendiger als ein Häkchen im SEO-Plugin. Aber es ist belastbarer.
9. Was wir falsch gemacht haben – und warum das wichtig ist
Ein ehrlicher Praxisbericht besteht nicht nur aus Erfolgen. Bei Schema Markup lernt man durch Fehlermeldungen – und durch Audits.
Unser lehrreichster Fehler: Auf unserer Website hing zeitweise eine site-weite Gesamtbewertung (AggregateRating) an einem Product-Knoten namens „Elbnetz GmbH“. Technisch war das valides Schema.org-Markup. Jeder Validator winkte es durch. Trotzdem war es ein Verstoß gegen Googles Richtlinien für Bewertungs-Markup – ein Risiko, das wir erst in einem externen Audit gefunden haben.
Die Lehre daraus ist grundsätzlicher als der Einzelfall: Schema.org-Vokabular und Google-Dokumentation sind zwei verschiedene Regelwerke. Was syntaktisch valide ist, ist noch lange nicht regelkonform. Sterne in den Suchergebnissen sind verlockend – sie fallen auf, wirken vertrauensbildend, verbessern Klickraten. Aber Schema Markup ist kein Wunschzettel an Google. Es beschreibt vorhandene Inhalte korrekt. Wenn Google daraus Rich Results erzeugt, ist das ein möglicher Bonus. Nicht der Zweck.
10. „Ich könnte doch einfach die KI fragen“
Ja. Genau das ist der Punkt.
Jeder fragt heute eine KI. Kunden tun es, Interessenten tun es, Journalisten tun es – und Google baut KI-Antworten direkt in die Ergebnisseiten ein. Die entscheidende Frage lautet deshalb nicht mehr nur: „Ranken wir für dieses Keyword?“ Sondern:
Welche Quellen nutzt die KI, wenn sie eine Antwort über unser Thema, unsere Leistung oder unser Unternehmen erzeugt?
Wenn die eigene Website keine klare, eindeutige, gut strukturierte Quelle bietet, holen sich KI-Systeme ihre Informationen woanders: aus Branchenverzeichnissen, alten Profilen, Wettbewerberseiten, halb gepflegten Social-Media-Accounts, fremden Bewertungen. Das ist keine Strategie – das ist Kontrollverlust.
Ein Unternehmen sollte nicht hoffen, dass KI-Systeme schon irgendwie das Richtige verstehen. Es sollte selbst dafür sorgen, dass die wichtigsten Informationen eindeutig auffindbar, sauber verknüpft und konsistent beschrieben sind. Schema Markup ist dabei nur ein Baustein. Aber einer, den man selbst in der Hand hat.
11. Was gutes Schema Markup heute leisten sollte
Aus der Arbeit an elbnetz-schema-control haben sich für uns klare Anforderungen ergeben. Gutes Schema Markup sollte nicht möglichst umfangreich sein, sondern möglichst eindeutig. Konkret heißt das:
- Zentrale Entitäten stabil beschreiben: Organization, WebSite, WebPage, Person, Service, FAQPage, BreadcrumbList – Referenzen als CreativeWork.
- Aus einer kontrollierten Quelle stammen, statt aus mehreren Plugins zusammenzufallen.
- Sichtbare Inhalte unterstützen, nicht ersetzen. Keine FAQ im Markup, die Besucher nicht sehen.
- Pro Seitentyp entscheiden: Eine Startseite braucht andere strukturierte Daten als ein Blogbeitrag, eine Leistungsseite oder eine Kontaktseite.
- Mit stabilen @ids arbeiten, damit Entitäten über Seiten und Sprachen hinweg wiedererkennbar bleiben – bei uns inklusive WPML-Mehrsprachigkeit.
- Fremdausgaben erkennen und unterbinden, wenn sie Dubletten oder Widersprüche erzeugen.
- Ehrlich bleiben: kein erfundenes Rating, keine Leistungen, die nicht auf der Seite stehen.
12. Was unsere Kunden davon haben
Kunden interessieren sich selten für JSON-LD. Müssen sie auch nicht. Sie interessieren sich dafür, ob ihre Website verstanden wird – von Google, von KI-Systemen, von Menschen.
Sauberes Schema Markup macht Inhalte nicht automatisch besser. Aber es macht gute Inhalte eindeutiger: Leistungen werden klar zugeordnet, Standorte eindeutig beschrieben, Personen und Unternehmen verknüpft, Referenzen stützen die behauptete Erfahrung, und Maschinen erhalten weniger widersprüchliche Signale.
Drei Prüffragen für die eigene Website:
- Gibt es eine einzige, widerspruchsfreie Schema-Quelle – oder schreiben mehrere Plugins gleichzeitig in den Quelltext?
- Stimmt das Markup mit den sichtbaren Inhalten überein?
- Sind Unternehmen, Personen und Leistungen als verknüpfte Entitäten beschrieben – oder nur als lose Schnipsel?
Wer eine dieser Fragen nicht sicher mit Ja beantworten kann, hat keinen Grund zur Panik. Aber einen guten Grund, in den Quelltext zu schauen.
13. Fazit: Schema Markup ist nicht tot. Es wird erwachsen.
Schema Markup war lange ein Werkzeug für sichtbare Suchergebnis-Erweiterungen. Diese Sicht ist zu eng geworden. In Zeiten von GEO geht es weniger um Tricks und mehr um semantische Klarheit: Unternehmen müssen ihre wichtigsten Informationen so aufbereiten, dass sie für Menschen verständlich und für Maschinen eindeutig sind.
Unser Plugin ist aus genau diesem Grund entstanden. Nicht, weil es keine guten SEO-Plugins gäbe – sondern weil strategische Seiten mehr Kontrolle verdienen als eine generische Standardausgabe.
Die wichtigste Erkenntnis in einem Satz: Schema Markup bringt keine Garantie auf Sichtbarkeit. Aber ohne saubere Struktur überlässt man Suchmaschinen und KI-Systemen zu viel Interpretation. Und das ist in Zeiten von KI-Suche keine gute Idee.
Übrigens, eine kleine Pointe zum Schluss: Dieser Blogbeitrag wird nicht von unserem Plugin ausgezeichnet, sondern von Rank Math – genau so, wie es unsere Koexistenz-Architektur vorsieht. Sein Autor allerdings existiert auf dieser Website als stabile Person-Entität mit eigener @id, verknüpft mit der Organisation, die das Plugin gebaut hat. Selbstanwendung statt Behauptung.