Strukturierte Daten für GEO: Was sie leisten und was nicht

Warum sind strukturierte Daten für GEO wichtig?

Strukturierte Daten beschreiben die Informationen einer Seite mit dem gemeinsamen Vokabular von schema.org, sodass Maschinen sie ohne Raten lesen. In der GEO Arbeit klären sie, wer einen Inhalt verfasst hat, worum es geht und zu welcher Marke er gehört. Sichtbarkeit in KI Antworten garantieren sie allerdings nicht, und sie ersetzen keine Inhaltsqualität.

In diesem Leitfaden betrachten wir Schema Markup ohne Hype. Zunächst geben wir wieder, was die offiziellen Quellen sagen. Danach zeigen wir, was es leistet, was es nicht leistet und in welcher Reihenfolge Sie die Typen aufbauen.

Die entscheidende Frage lautet also nicht: "Bringt mich Schema in die KI Antworten?" Besser fragen Sie: Beschreibt mein Schema meine eigene Seite für eine Maschine klar? Dieser Unterschied bestimmt daher, wohin Ihr Aufwand fließt.

Was ist GEO und welche Sucherlebnisse deckt es ab?

GEO steht für Generative Engine Optimization. Gemeint ist die Arbeit, die Chance zu erhöhen, dass KI gestützte Suchantworten Ihre Inhalte als Quelle nutzen. Dazu zählen Google AI Overviews, der AI Mode, ChatGPT Suche und Perplexity.

Diese Systeme liefern also keine einzelne Rangliste. Stattdessen zerlegen sie die Anfrage, sammeln Informationen von vielen Seiten und formulieren eine kurze Antwort. Deshalb muss Ihre Seite sowohl auffindbar als auch leicht verständlich sein.

Den Unterschied zur klassischen Suche erklären wir in SEO, GEO und AEO: die Unterschiede. Die Grundlagen finden Sie in Was ist Generative Engine Optimization.

Wichtig ist ein Punkt: GEO ersetzt SEO nicht. Außerdem steht ein gutes GEO Programm meist auf einem soliden SEO Fundament, und Schema ist darin ein kleiner, aber sinnvoller Baustein.

Was ist der Unterschied zwischen Schema Markup und strukturierten Daten?

Im Alltag nutzen viele beide Begriffe zunächst gleichbedeutend. Dennoch gibt es einen kleinen Unterschied. Strukturierte Daten sind der weite Begriff: Sie ordnen Informationen einheitlich und geben sie an eine Maschine weiter. Schema Markup ist die konkrete Methode, die das mit dem Vokabular von schema.org umsetzt.

Schema.org ist ein gemeinsames Vokabular, das die großen Suchmaschinen unterstützen. Typen wie Organization, Person, Article, Product und LocalBusiness gehören dazu. Zum Beispiel kennen Google und Microsoft sie.

Beim Format haben Sie drei Optionen: JSON LD, Microdata und RDFa. Die Google Dokumentation empfiehlt JSON LD. Außerdem steht es in einem eigenen Block, sodass Sie es pflegen, ohne das Seitenlayout anzufassen.

Die Grundlagen der Einrichtung erklärt unser Beitrag Was ist Schema Markup. Dieser Artikel konzentriert sich dagegen auf die KI Suche.

Was sagt Google zu strukturierten Daten bei AI Overviews?

Die Google Dokumentation "AI features and your website" ist eindeutig. Sie sagt, dass Sie kein spezielles schema.org Markup ergänzen müssen. Außerdem nennt sie keine zusätzlichen Anforderungen und keine besondere Optimierung, um in AI Overviews oder im AI Mode zu erscheinen.

Dieselbe Seite hält fest, dass Sie für diese Funktionen keine neuen maschinenlesbaren Dateien, KI Textdateien oder Auszeichnungen anlegen müssen. Eine Datei wie llms.txt ist also auf Google Seite keine Pflicht.

Das heißt nicht, dass Schema wertlos ist. Google sagt lediglich nicht: "Fügen Sie dieses Markup hinzu, dann sind Sie drin." Die übliche SEO Praxis gilt weiter, nämlich zugängliche, indexierbare und hilfreiche Inhalte.

Die Originalquelle lesen Sie bei Google Search Central. Eine Einordnung finden Sie in unserem Beitrag Content für AI Overviews schreiben.

Helfen strukturierte Daten bei der ChatGPT Suche und Copilot?

Hier ist die Beleglage allerdings schwächer als bei Google. OpenAI hat keine offizielle Anforderung für Schema Markup in der ChatGPT Suche veröffentlicht. Daher begegnen wir jeder Behauptung, Schema bringe Sie in ChatGPT, mit Skepsis.

Allerdings kommt von Microsoft ein anderes Signal. Ein Microsoft Vertreter soll im März 2025 auf einer Konferenz gesagt haben, dass Schema Markup den Sprachmodellen von Microsoft hilft, Inhalte zu verstehen. Wir konnten das allerdings nicht mit einem Primärdokument belegen.

Lesen Sie das deshalb als Hinweis, nicht als Regel. Ergänzen Sie Schema nicht allein für Copilot, sondern weil es Ihre Seite verbessert. Alles darüber hinaus ist ein Bonus.

Für Perplexity und andere Systeme gilt dieselbe Vorsicht. Denn sie erklären selten, welche Signale sie gewichten. Eine exakte "Schema Quote" wäre folglich unehrlich, und wir verstehen Schema als Schicht zur Risikominderung, nicht als Garantie.

Was unterstützen strukturierte Daten bei der KI Sichtbarkeit?

Schema ist dort stark, wo es Mehrdeutigkeit verringert. Autor, Datum, Marke oder Preis aus Fließtext zu ziehen, ist für eine Maschine Ratearbeit. Deshalb nimmt Schema ihr dieses Raten ab.

Das ist unsere Einschätzung aus der Praxis, kein belegter Rankingfaktor. Die Logik ist dennoch einfach: Je weniger eine Maschine raten muss, desto geringer ist das Risiko, dass sie Informationen falsch zuordnet.

In drei Bereichen ist Unterstützung realistisch:

• Eine einheitliche Erkennung von Entitäten wie Marken und Personen.
• Ein korrektes Auslesen von Feldern wie Preis, Lagerbestand und Bewertung.
• Ein klarerer Kontext wie Autor, Datum und Seitentyp.

Zudem beeinflusst Schema in der klassischen Suche direkt die Eignung für Rich Results, und Google dokumentiert das. Auf KI Antworten wirkt es dagegen eher indirekt und lässt sich schwer messen.

Was leisten strukturierte Daten nicht?

Ehrlich gesagt sind die Grenzen klar. Keine offizielle Quelle stützt eine der folgenden Erwartungen.

• Sie schieben keine schwache Seite in eine KI Antwort.
• Fehlende oder falsche Inhalte bleiben also fehlerhaft.
• Ein Rich Result von Google ist nie garantiert.
• Die Reihenfolge der Zitate liegt nicht in Ihrer Hand.

Die Google Richtlinien sagen das deutlich: Selbst korrektes Markup garantiert kein Rich Result. Der Algorithmus prüft außerdem Nutzerkontext, Seitenrelevanz und Inhaltsqualität.

Zudem trägt Schema den Inhalt nicht selbst. Steht die ausgezeichnete Information nicht auf der Seite, zeigt Google sie nicht an. Kurz gesagt: Schema ist ein Etikett, nicht das Produkt.

Sorgen Sie deshalb zuerst für solide Inhalte und eine gute Seitenerfahrung. Kehren Sie die Reihenfolge um, verpufft somit Ihr Aufwand. Zum Beispiel macht perfektes Product Markup eine dünne Produktseite nicht wertvoller, weil die Maschine weiterhin denselben schwachen Text liest.

Welche Schema Typen haben in der GEO Arbeit Vorrang?

Nicht jede Website braucht dasselbe Paket. Die Tabelle zeigt die grobe Reihenfolge, die unser Team als Startpunkt nutzt. Es ist ein Startbereich aus der Praxis, keine Garantie.

Bauen Sie zunächst die seitenweiten Grundlagen auf. Danach folgen die Typen, die zu Ihren Inhalten passen. Für den schnellen Einstieg hilft unser Schema Generator.

Wie klärt Organization Schema mit sameAs Ihre Marke?

Organization Schema bündelt Markenname, Logo, Kontaktdaten und offizielle Profile in einem Block. Die Eigenschaft sameAs listet dann die Adressen derselben Marke auf anderen Plattformen.

Konkret steckt dahinter der Abgleich von Entitäten. Denn mehrere Firmen können denselben Namen tragen. Mit sameAs sagen Sie der Maschine, dass die Marke auf dieser Seite dieselbe ist wie auf jenem Profil.

Beachten Sie diese Punkte:

• Nennen Sie nur Profile, die wirklich Ihnen gehören und aktuell sind.
• Schreiben Sie den Markennamen überall gleich.
• Gleichen Sie Logo und Kontaktdaten mit der sichtbaren Seite ab.
• Lassen Sie leere oder verwaiste Profile weg.

Das kann KI Antworten helfen, Ihre Marke richtig zu erkennen. Allein reicht es allerdings nicht, denn Sie brauchen auch Erwähnungen auf externen Quellen und einen konsistenten digitalen Fußabdruck.

Warum interessieren sich KI Systeme für Entitäten?

Große Sprachmodelle verarbeiten Text als Konzepte und Beziehungen, nicht nur als Wörter. Eine Marke, eine Person oder ein Produkt gilt in diesem Bild als Entität. Das System versucht also, Ihren Firmennamen als eine bestimmte Organisation zu lesen statt als zufällige Wörter.

Hier hilft Schema, weil es die Entität offen definiert. Allerdings ist Schema nicht der einzige Beleg. Denn das System möchte dieselbe Entität auch an anderen Stellen im Web sehen.

Konsistenz wird daher entscheidend. Steht Ihr Markenname auf Ihrer Website, in Profilen und auf externen Quellen gleich, fällt der Abgleich leichter. Abweichende Schreibweisen oder alte Firmennamen erschweren ihn.

Das ist unsere Einschätzung; keine offizielle Quelle nennt einen Wert, um den Schema die Erkennung steigert. Trotzdem ist Konsistenz eine günstige und sichere Verbesserung. Sie verletzt keine Richtlinie und hilft auch der klassischen Suche.

Wie stützen Article und Person Schema das Vertrauen in Inhalte?

Article Schema zeichnet Überschrift, Veröffentlichungsdatum, Aktualisierungsdatum und Autor eines Beitrags aus. Person Schema beschreibt den Autor als eigene Entität. Zusammen beantworten sie die Frage: Wer hat das wann geschrieben?

Googles Qualitätsansatz beruht auf Erfahrung, Fachwissen, Autorität und Vertrauen. Schema erzeugt diese Signale allerdings nicht. Es gibt aber die Autorenangaben, die ohnehin auf der Seite stehen, sauber an die Maschine weiter.

Es gibt eine zentrale Regel: Der Autor im Schema muss mit dem Autor auf der Seite übereinstimmen. Erfinden Sie daher kein Expertenprofil. Das verstößt nämlich gegen die Richtlinien und schadet dem Vertrauen.

Im Person Block können Sie über sameAs echte Profilverweise ergänzen. So passt auch die Präsenz des Autors auf anderen Plattformen zusammen. Nutzen Sie allerdings nur Profile, die Sie belegen können.

Zudem gilt: Aktualisieren Sie das Datum nur, wenn sich der Inhalt wirklich ändert. Ein ständig verschobenes Datum wirkt kurzfristig nützlich, schadet aber langfristig Ihrem Ruf.

Spielen Product und LocalBusiness Schema bei KI Empfehlungen eine Rolle?

Im E-Commerce strukturiert Product Schema Preis, Lagerstatus, Marke und Bewertung. Diese Daten können Googles Shopping Flächen und KI Erlebnisse nutzen, die Produkte vergleichen.

Eine feste Aussage ist hier trotzdem nicht möglich. Denn kein einzelner Faktor entscheidet, welches Produkt eine KI Antwort empfiehlt. Preis, Bestandsgenauigkeit, Bewertungsqualität und Markensignale wirken zusammen.

Bei lokalen Unternehmen klärt LocalBusiness Schema Adresse, Öffnungszeiten und Einzugsgebiet. Diese Angaben müssen daher zu Ihrem Google Unternehmensprofil passen. Abweichungen täuschen Nutzer und Maschinen gleichermaßen.

Die breitere Strategie beschreiben wir in GEO für E-Commerce. Zur Bewertungsauszeichnung lesen Sie unseren Beitrag zu AggregateRating Schema.

Funktionieren FAQ und HowTo Schema noch?

Google hat FAQ Rich Results 2023 stark eingeschränkt und HowTo Rich Results ebenfalls entfernt. Daher lohnt es sich nicht mehr, diese Typen nur für einen optischen Vorteil in den Suchergebnissen zu ergänzen.

Das macht FAQ Inhalte nicht wertlos. Frage und Antwort Bereiche liefern Lesern und KI Systemen weiterhin kurze, klare Antworten. Geändert hat sich nur das Versprechen eines optischen Rich Results.

Einen offiziellen Beleg, dass KI Systeme FAQPage Schema gezielt belohnen, haben wir nicht gesehen. Setzen Sie es deshalb nur für Fragen ein, die wirklich auf der Seite stehen, und mit niedriger Priorität.

Unser Beitrag Warum das FAQPage Rich Result entfernt wurde erklärt die Details und erleichtert die Entscheidung.

Wie setzen Sie strukturierte Daten mit JSON LD um?

JSON LD ist ein Script Block, den Sie in den Head oder Body einer Seite einfügen. Er verändert das Design nicht. Ein Entwickler kann ihn ergänzen und aktualisieren, ohne den Inhalt anzufassen, und weil er an einer Stelle steht, ist die Fehlersuche einfach.

Ein einfacher Organization Block enthält Typ, Name, Adresse, Logo und sameAs. Jeder Wert muss zu dem passen, was die Seite zeigt.

Ein praktischer Ablauf sieht so aus:

1. Bestimmen Sie den Seitentyp und suchen Sie sein Gegenstück bei schema.org.
2. Prüfen Sie Pflicht und empfohlene Eigenschaften in der Google Dokumentation.
3. Erstellen Sie den JSON LD Block und fügen Sie ihn in die Seite ein.
4. Prüfen Sie ihn mit dem Rich Results Test und dem Schema Markup Validator.
5. Beobachten Sie nach dem Livegang den Fehlerbericht in der Search Console.

In Systemen wie WordPress automatisieren Plugins diese Arbeit. Kontrollieren Sie die automatische Ausgabe dennoch, denn Plugins erzeugen oft leere oder falsche Felder.

Wie schaden Schema Fehler der KI Sichtbarkeit?

Falsches Schema kann schlechter sein als gar keines. Google sieht Markup, das nicht zur Seite passt oder in die Irre führt, als Richtlinienverstoß. Daraus entsteht das Risiko einer manuellen Maßnahme.

Eine manuelle Maßnahme führt dazu, dass die betroffenen Seiten ihre Eignung für Rich Results verlieren. Laut Google Dokumentation beeinflusst das das normale Ranking nicht direkt. Der Vertrauensverlust bleibt dennoch real.

Diese Fehler sehen wir in der Praxis am häufigsten:

• Bewertungen auszeichnen, die auf der Seite nicht vorkommen.
• Preis oder Lagerstatus nicht aktuell halten.
• Mehrere widersprüchliche Schema Blöcke auf einer Seite stehen lassen.
• Eine Seite per robots.txt oder noindex sperren und trotzdem auf ihr Schema hoffen.

Google bittet darum, Seiten mit strukturierten Daten nicht per robots.txt, noindex oder anderen Zugriffskontrollen zu sperren. Schema auf einer unerreichbaren Seite kann Google nicht sehen.

Wie greifen Schema, Seiteninhalt und Struktur ineinander?

Schema arbeitet nicht allein. Eine Maschine liest zuerst den Seitentext und vergleicht danach das Markup damit. Daher zählen Überschriftenhierarchie, kurze direkte Antworten und saubere HTML Tabellen ebenso wie das Schema.

Ein Absatz, der eine Frage sofort beantwortet, ist eine klare Einheit, die KI Systeme zitieren können. Schema beschreibt Autor und Datum dieses Absatzes, aber den Absatz selbst schreibt es nicht.

Unser Team empfiehlt deshalb diese Balance: Schreiben Sie den Inhalt klar und antwortorientiert. Ergänzen Sie danach das Schema darüber. Zum Schreiben hilft Content für AI Overviews schreiben.

Auch der technische Zugang zählt. Prüfen Sie mit der Checkliste in unserem Leitfaden zu KI Crawlern, ob KI Bots Ihre Seite erreichen.

Wie prüfen Sie, ob Schema zum Seiteninhalt passt?

Die meisten Schema Fehler entstehen durch Abweichungen zwischen Markup und Seite. Deshalb empfehlen wir vor jeder Veröffentlichung einen kurzen Abgleich. Er dauert wenige Minuten, senkt aber das Risiko einer manuellen Maßnahme deutlich.

Stellen Sie bei der Prüfung diese Fragen:

• Stimmt die Überschrift im Schema mit der H1 der Seite überein?
• Stehen Autorenname und Datum auch auf der Seite?
• Sind Preis und Lagerstatus aktuell?
• Beruhen Bewertungen auf echten Kundenmeinungen?
• Gibt es mehrere widersprüchliche Blöcke für dieselbe Information?

Danach gleichen Sie die Ergebnisse mit Prüfwerkzeugen ab. Der Rich Results Test zeigt die Felder, die Google lesen kann. Der Schema Markup Validator prüft dagegen allgemein die Syntax von schema.org.

Arbeiten Sie bei großen Websites vor allem pro Vorlage. Ein Vorlagenfehler kann tausende Seiten auf einmal beschädigen. Prüfen Sie folglich nach jeder Vorlagenänderung eine Beispielseite von Hand.

Wie sieht ein Schema Plan für ein kleines Unternehmen konkret aus?

Der folgende Plan ist ein erfundenes Beispiel und beschreibt keinen echten Kunden. Stellen Sie sich eine Zahnarztpraxis in Istanbul mit einer Website aus hundert Seiten vor. Ziel ist, Marke und Leistungen für Maschinen korrekt zu beschreiben.

Erstens ergänzen Sie auf der Startseite Organization und WebSite Schema. Praxisname, Logo und offizielle Profile gehören in diesen Block. Danach richten Sie LocalBusiness oder einen passenden Untertyp ein, und Adresse und Zeiten müssen exakt zum Google Unternehmensprofil passen.

Zweitens ergänzen Sie bei Blogbeiträgen Article Schema und für die Autorin oder den Autor Person Schema. Steht der Name samt Titel schon auf der Seite, wiederholt das Schema ihn nur. Einen Titel auszuzeichnen, den die Seite nicht zeigt, verstößt gegen die Richtlinien.

Drittens fügen Sie den Leistungsseiten BreadcrumbList hinzu. So ist die Position der Seite klar. Schließlich prüfen Sie jede Vorlage und beobachten drei Monate lang die Berichte der Search Console.

Das ist ein Startbeispiel aus der Praxis und kein Ergebnisversprechen. Es legt aber ein sauberes, vertretbares Fundament. Jede Branche hat ihre Besonderheiten; ein Onlineshop zum Beispiel würde Product Schema an die erste Stelle setzen.

Wie messen Sie die Wirkung von strukturierten Daten?

Die Wirkung von Schema auf KI Antworten lässt sich schwer isolieren. Vieles ändert sich gleichzeitig, und die Systeme aktualisieren ihre Ergebnisse laufend. Ehrlich ist deshalb, Beobachtungen zu sammeln, statt Ursache und Wirkung zu behaupten.

In der klassischen Suche ist die Messung klarer. Die Rich Result Berichte der Search Console zeigen gültige Elemente, Warnungen und Fehler. Sie können Impressionen und Klicks nach Seitengruppen vergleichen.

Auf der KI Seite helfen diese Methoden:

• Halten Sie in festen Abständen fest, ob Ihre Marke bei bestimmten Fragen in Antworten vorkommt.
• Verfolgen Sie KI Sitzungen in GA4 getrennt.
• Lesen Sie die KI Berichte der Search Console.
• Notieren Sie Änderungsdaten, damit Sie später vergleichen können.

Für den Einstieg probieren Sie unser Tool KI Sichtbarkeit prüfen. Wie Sie die Berichte lesen, steht im Search Console KI Bericht.

Wie arbeiten Schema, robots.txt und llms.txt zusammen?

Die drei Werkzeuge beantworten verschiedene Fragen. Die robots.txt sagt einem Bot, welche Seiten er betreten darf. Schema Markup etikettiert die Informationen auf der betretenen Seite. Die Datei llms.txt ist eine vorgeschlagene Inhaltszusammenfassung, die manche Werkzeuge lesen.

Google sagt, für AI Overviews brauche es keine zusätzliche Datei. Behandeln Sie llms.txt daher nicht als Google Pflicht. Andere Systeme lesen sie womöglich, doch die Beleglage ist uneinheitlich.

Auch hier zählt die Reihenfolge. Stellen Sie zunächst den Zugang per robots.txt richtig ein, denn auf einer gesperrten Seite liest niemand das Schema. Danach bauen Sie das Schema auf. Zuletzt ergänzen Sie, wenn Sie möchten, llms.txt mit niedriger Priorität.

Für einen schnellen Start nutzen Sie unseren robots.txt Generator und den llms.txt Generator. Prüfen Sie beide vor der Veröffentlichung gegen Ihre eigene Website.

In welcher Reihenfolge bauen Sie strukturierte Daten im GEO Projekt auf?

Machen Sie Schema nicht zum ersten Schritt von GEO. Zugang, Inhalt und Seitenerfahrung kommen zuerst. Schema ist eine Schicht auf diesem Fundament.

Diese Reihenfolge nutzt unser Team im Allgemeinen:

1. Bestätigen Sie, dass die Website crawlbar und indexierbar ist.
2. Stärken Sie Inhalte, die Fragen direkt beantworten.
3. Zeigen Sie Marken und Autorenangaben klar auf den Seiten.
4. Richten Sie Organization, WebSite und BreadcrumbList ein.
5. Ergänzen Sie Schema Typen, die zum jeweiligen Inhalt passen.
6. Prüfen, beobachten und aktualisieren Sie regelmäßig.

Die Reihenfolge verschiebt sich je nach Branche und Seitenstruktur. Verstehen Sie sie als Startrahmen, nicht als Versprechen. Möchten Sie den Prozess gemeinsam angehen, sehen Sie sich unsere KI SEO und GEO Leistungen an.

Wie pflegen Sie Schema Markup langfristig?

Schema ist keine einmalige Aufgabe. Preise ändern sich, Teams wechseln, Seiten verschwinden. Erreichen diese Änderungen das Schema nicht, altert das Markup und widerspricht der Seite.

Drei Gewohnheiten genügen. Erstens prüfen Sie die Rich Result Berichte der Search Console einmal im Monat. Zweitens validieren Sie nach einem Theme oder Plugin Update Beispielseiten erneut. Drittens aktualisieren Sie den Schema Plan, sobald ein neuer Inhaltstyp hinzukommt.

Außerdem lohnt ein gelegentlicher Blick in die Google Dokumentation. Google kann einzelne Rich Results einschränken oder entfernen; FAQ und HowTo sind der lebende Beweis. Folglich bringt ein Schema, das heute wirkt, morgen vielleicht nicht denselben optischen Vorteil.

Planen Sie Schema deshalb als Wartungsposten und nicht als Kampagne. Kleine, regelmäßige Schritte schlagen große, seltene Überarbeitungen.

Welche Mythen über Schema Markup sind am verbreitetsten?

Viele Behauptungen passen nicht zu den offiziellen Quellen. Die Tabelle fasst die fünf Mythen zusammen, die wir am häufigsten hören, samt der Realität.

Der Kern der Tabelle ist einfach: Schema ist nützlich, aber keine Magie. Richten Sie Ihre Erwartungen nach den offiziellen Dokumenten aus.

Ein weiterer Mythos lautet: "Der Wettbewerber nutzt Schema, also rankt er deshalb." Das Ranking eines Wettbewerbers hat jedoch hunderte Faktoren. Einem einzelnen Markup Ursache und Wirkung zuzuschreiben, führt daher in die Irre.

Lohnt sich die Investition in strukturierte Daten?

Unsere Antwort hat eine Bedingung: Ja, wenn Sie die richtige Reihenfolge einhalten. Grundlegendes Schema ist günstig, Sie richten es einmal ein, und es nützt lange. Deshalb ist es für die meisten Websites sinnvoll.

Dagegen ist es meist überflüssig, hunderte Typen auf einmal zu ergänzen. Konzentrieren Sie sich auf die Inhaltstypen, die Ihre Website wirklich anbietet. Der Rest erzeugt nur Pflegeaufwand.

Zusammengefasst: Sehen Sie Schema nicht als "KI Trick", sondern als Eintrag, der einer Maschine die Wahrheit über Ihre Inhalte erzählt. Sind Inhalt stark, Zugang sauber und Markup ehrlich, bilden diese drei zusammen den tragfähigsten Boden.

Möchten Sie gemeinsam klären, welches Schema Ihre Website wirklich braucht, sprechen Sie unser Team an. Als offizielle Quellen eignen sich Schema.org und die Google Richtlinien für strukturierte Daten.