Strukturierte Daten für AI Overviews

Worum es geht

AI Overviews fassen mehrere Quellen zu einer KI-Antwort über den Suchergebnissen zusammen, wobei sie ihre Inhalte direkt aus dem Google-Index ziehen. Das ist genau dieselbe Quelle, die auch die klassischen Treffer nutzen.

Dieser Artikel setzt die Grundlagen aus Schema Markup für die KI-Suche voraus. Das allgemeine SEO-Fundament steht im Artikel zu Structured Data, während der Beitrag Wie AI Overviews funktionieren dir erklärt, wie die KI ihre Quellen auswählt.

Verstärker, nicht Auslöser

Es gibt keinen Schema-Typ, der eine Einbindung in AI Overviews garantiert, weil Google für KI-Funktionen keine besonderen strukturierten Daten nennt, die du zwingend ergänzen musst. Wichtig sind stattdessen hilfreiche und verlässliche Inhalte auf einer indexierten Seite.

Was Markup leistet, ist reine Präzision. Es macht unmissverständlich klar, welche Zahl der Preis ist oder wer den Text geschrieben hat. Der richtige Anspruch ist deshalb eine saubere Umsetzung als Klarheits-Verstärker. Auf einen magischen Schalter solltest du nicht hoffen.

Die wirksamsten Auszeichnungen für AI Overviews

Drei Typen zahlen am stärksten auf die Sichtbarkeit ein. Organization kommt als Fundament dazu. Alle vier Blöcke unten sind vollständig und kopierbar.

Passe URLs, Namen und Werte für deine Seite an. Prüfe sie danach immer im Validator, damit sich keine Fehler einschleichen.

FAQPage: was sie noch leistet und was nicht mehr

FAQ-Rich-Results gibt es in der Google-Suche nicht mehr, weil sie seit Mai 2026 laut Googles Changelog entfernt wurden. Auch HowTo-Ergebnisse sind verschwunden. Prüfe deshalb immer Googles Galerie der unterstützten Typen, bevor du eine Darstellung einplanst.

Daraus folgt aber nicht, dass FAQPage wertlos ist. Die Auszeichnung beschreibt weiterhin maschinenlesbar, welcher Textblock eine Frage und welcher die Antwort ist. Genau diese Paarung suchen Systeme, wenn sie Antworten zusammensetzen.

Erwarte also kein buntes Suchergebnis, sondern ein besseres Verständnis der Maschine. Bedingung bleibt allerdings immer, dass die Fragen sichtbar auf der Seite stehen.

1{
2  "@context": "https://schema.org",
3  "@type": "FAQPage",
4  "mainEntity": [
5    {
6      "@type": "Question",
7      "name": "Lösen strukturierte Daten eine AI Overview aus?",
8      "acceptedAnswer": {
9        "@type": "Answer",
10        "text": "Nein. Google nennt für AI Overviews keine zusätzlichen Anforderungen und keine besonderen strukturierten Daten. Markup verstärkt das Verständnis, garantiert aber keine Einbindung."
11      }
12    },
13    {
14      "@type": "Question",
15      "name": "Muss die FAQ sichtbar auf der Seite stehen?",
16      "acceptedAnswer": {
17        "@type": "Answer",
18        "text": "Ja. Markup ohne sichtbaren Inhalt verstößt gegen die Richtlinien für strukturierte Daten."
19      }
20    }
21  ]
22}
Copy

Article und BlogPosting: das Frische-Signal

Das Feld dateModified ist das ehrlichste Aktualitätssignal, das du setzen kannst. Bei Themen mit schneller Halbwertszeit bevorzugen KI-Antworten aktuelle Quellen. Dieses Feld sagt der Maschine, wann der Text zuletzt wirklich geändert wurde.

Der Autor gehört mit sameAs auf ein echtes Profil verlinkt. Der Publisher verweist dabei auf deine Organization.

1{
2  "@context": "https://schema.org",
3  "@type": "Article",
4  "@id": "https://example.com/wissen/artikel#article",
5  "headline": "Strukturierte Daten für AI Overviews",
6  "datePublished": "2026-03-04",
7  "dateModified": "2026-09-18",
8  "author": {
9    "@type": "Person",
10    "name": "Vorname Nachname",
11    "sameAs": "https://www.linkedin.com/in/profil/"
12  },
13  "publisher": { "@id": "https://example.com/#organization" },
14  "mainEntityOfPage": "https://example.com/wissen/artikel"
15}
Copy

Product mit Offer und AggregateRating

Bei kommerziellen Anfragen liefert dieser Block Preis, Währung, Verfügbarkeit und Bewertungen als reine Daten, was viel präziser als ein Fließtext ist.

Diese Daten bilden die Grundlage für produktbezogene Rich Results. Sie sorgen außerdem dafür, dass Preisangaben in KI-Antworten korrekt wiedergegeben werden.

1{
2  "@context": "https://schema.org",
3  "@type": "Product",
4  "name": "Beispielprodukt",
5  "sku": "ABC-123",
6  "brand": { "@type": "Brand", "name": "Beispielmarke" },
7  "offers": {
8    "@type": "Offer",
9    "url": "https://example.com/produkt/abc-123",
10    "price": "129.00",
11    "priceCurrency": "EUR",
12    "availability": "https://schema.org/InStock"
13  },
14  "aggregateRating": {
15    "@type": "AggregateRating",
16    "ratingValue": "4.6",
17    "reviewCount": "38"
18  }
19}
Copy

Organization als Fundament der Marken-Entität

Organization verankert, wer hinter der Quelle steht. Dieser Block gehört genau einmal auf die Website-Ebene und bekommt eine stabile @id, auf die alle anderen Blöcke verweisen. So weiß die Suchmaschine immer, wem der Inhalt gehört.

1{
2  "@context": "https://schema.org",
3  "@type": "Organization",
4  "@id": "https://example.com/#organization",
5  "name": "Beispiel GmbH",
6  "url": "https://example.com/",
7  "logo": "https://example.com/logo.png",
8  "sameAs": [
9    "https://www.linkedin.com/company/beispiel/",
10    "https://de.wikipedia.org/wiki/Beispiel"
11  ]
12}
Copy

Welcher Typ zu welchem Seitentyp passt

Nicht jedes Markup passt auf jede Seite. Die folgende Tabelle zeigt dir die richtige Zuordnung.

SearchAction fehlt in dieser Tabelle mit Absicht, weil Google die Sitelinks-Suchbox im November 2024 aus den Suchergebnissen entfernt hat. Das Markup schadet zwar nicht, bringt aber keine Darstellung mehr.

Entitäten eindeutig machen: @id und sameAs

Stell dir ein großes Adressbuch vor. Wenn du zweimal den Namen Müller einträgst, weiß niemand, ob es derselbe Mensch ist, bis eine eindeutige Kundennummer Klarheit schafft. Genau hier liegt die Brücke zwischen Markup und KI-Sichtbarkeit.

Ein Sprachmodell muss erkennen, dass die Firma im Impressum und die Marke im Produkt-Markup dasselbe Ding sind. Dafür brauchst du zwei Werkzeuge.

Erstens gibt @id jeder Entität eine stabile Kennung, etwa eine URL. Alle anderen Blöcke referenzieren diese Kennung, statt den Namen zu wiederholen, weshalb du diese Kennungen nie ohne Grund ändern solltest.

Zweitens verknüpft sameAs die Entität mit externen Profilen wie LinkedIn, Wikidata oder Branchenverzeichnissen. Wie du das strategisch aufbaust, steht in unserem Artikel zu Entitäten-SEO.

Validierung: der Pflichtschritt

Fehlerhaftes Markup kostet dich die Eignung für Rich Results. Wenn ein Richtlinienverstoß dazukommt, kann Google die ganze Seite abstrafen. Vor jedem Livegang gehören deshalb drei Prüfstufen dazu.

1. Schema Markup Validator: Prüft die Syntax unabhängig von Google.
2. Google Rich Results Test: Zeigt dir, welche Ergebnisse Google konkret ableiten kann.
3. Search Console: Überwacht die ausgespielten Seiten laufend und meldet Fehler nach Änderungen.

Für den Start haben wir zwei kostenlose Werkzeuge. Der Schema-Markup-Generator baut dir den Code aus Formularfeldern, der JSON-LD-Entity-Validator prüft, ob deine Entitäten zusammenpassen. Weitere Werkzeuge listet unsere Übersicht zu Structured-Data-Tools.

Diese Seite ist selbst ein Beispiel. Sie spielt TechArticle aus, dazu FAQPage, BreadcrumbList und Organization. Wenn du den Rich Results Test für diese URL aufrufst, meldet er drei gültige Elemente: Artikel, Navigationspfade und Unternehmen.

Das FAQ-Markup taucht dort nicht mehr auf, weil Google FAQ-Rich-Results abgeschaltet hat und der Test nur noch Typen prüft, die ein Rich Result erzeugen können. Gültig bleibt das Markup trotzdem, der Schema Markup Validator zeigt es weiterhin an.

Die häufigsten Fehler

Fünf Fehler machen dein Markup wirkungslos. Alle fünf sind leicht vermeidbar.

1. Markup ohne sichtbaren Inhalt: Eine ausgezeichnete FAQ, die auf der Seite nicht existiert, verstößt gegen Googles Richtlinien.
2. Erfundene Bewertungen: Ein AggregateRating ohne echte und sichtbare Bewertungen kann manuelle Maßnahmen auslösen.
3. Springende Datumsangaben: Ein dateModified, das bei jedem Aufruf auf heute springt, ist Manipulation. Setze es nur bei echten Änderungen.
4. Fehlende Pflichtfelder: Manche Typen brauchen bestimmte Eigenschaften. Fehlt ein Pflichtfeld, verwirft Google den ganzen Block.
5. Widersprüche zum Text: Die sichtbare Seite zeigt 129 Euro, das Markup behauptet 99 Euro. Das schafft genau die Mehrdeutigkeit, die wir vermeiden wollen.

1{
2  "@context": "https://schema.org",
3  "@type": "Product",
4  "name": "Beispielprodukt",
5  "offers": {
6    "@type": "Offer",
7    "price": "99.00",
8    "priceCurrency": "EUR",
9    "availability": "https://schema.org/InStock"
10  },
11  "aggregateRating": {
12    "@type": "AggregateRating",
13    "ratingValue": "4.9",
14    "reviewCount": "412"
15  }
16}
Copy

Der sechste Fall ist Markup, das der Crawler nie sieht. Dieses Problem bekommt einen eigenen Abschnitt.

Markup, das der Crawler nie sieht

Manchmal wird der Code erst im Browser über einen Tag Manager eingefügt, sodass alles daran hängt, ob der Crawler JavaScript ausführt. Google liest das meistens problemlos.

Für die Crawler hinter ChatGPT und Perplexity ist das aber nicht dokumentiert, obwohl genau diese die Daten für KI-Antworten sammeln.

Die Konsequenz ist einfach. Liefere deinen Code immer serverseitig im HTML aus, damit er sicher erkannt wird. Tiefer geht unser Artikel zu Rendering und Zugänglichkeit für KI.

Templates sauber ausrollen

Markup entsteht selten pro Seite, sondern im Template. Weil ein Fehler dort über Nacht Hunderte URLs trifft, solltest du Änderungen in vier Schritten ausrollen.

Ändere erst eine einzelne Seite und prüfe sie im Rich Results Test. Nimm dann eine Stichprobe von fünf bis zehn Seiten verschiedener Ausprägung, bevor die Vollausspielung folgt.

Beobachte zuletzt die Search Console über zwei bis drei Wochen, denn erst dort siehst du das Ergebnis über den gesamten Bestand.

Was für ChatGPT, Perplexity und AI Mode anders gilt

Für Googles AI Mode gelten dieselben Regeln wie für AI Overviews, während die Lage bei ChatGPT und Perplexity anders ist. Beide greifen über eigene Crawler auf Seiten zu und verarbeiten den Text stärker als die Auszeichnung, sodass strukturierte Daten dort nur indirekt helfen.

Praktisch heißt das, dass serverseitig ausgeliefertes HTML doppelt zählt. Außerdem muss jede Aussage aus dem Markup auch im sichtbaren Text stehen, weil sie sonst bei diesen Systemen nicht ankommt.

Woran du Wirkung erkennst

Validierung sagt dir nur, ob der Code korrekt ist. Ob er wirklich etwas bewegt, zeigen dir vier Messpunkte.

• Fehlerrate in der Search Console: Die Basisgröße. Ziel ist eine dauerhaft niedrige Fehlerzahl.
• Ausgespielte Rich Results: Sichtbar im Leistungsbericht. Zeigt, ob aus dem Markup eine Darstellung entsteht.
• Nennungen in KI-Antworten: Wie oft deine Marke in AI Overviews auftaucht. Das Vorgehen beschreibt unser Artikel zu AI Visibility messen.
• Schema-Diff je Deployment: Ein automatischer Vergleich der Code-Blöcke vor und nach einem Release. So findest du stille Verluste sofort.

Zusammenspiel mit Content und Entität

Perfektes Markup auf einem dünnen Text bringt keine Einbindung. Umgekehrt profitiert ein starker Inhalt messbar, weil Google seine Qualität eindeutiger erkennt.

Mindestens so wichtig wie die Auszeichnung ist die Antwortstruktur des Textes. Du brauchst klare Überschriften und eine direkte Antwort weit vorne, damit die Suchmaschine den Kern sofort erfasst.

Das behandelt der Artikel Antwortstruktur und Answer-First-Prinzip. Wie du gezielt als Quelle erscheinst, vertieft der Beitrag Für Google AI Overviews optimieren.

Fazit

Strukturierte Daten machen deine Inhalte für Maschinen eindeutig, mehr nicht. Sie lösen keine Ausspielung in AI Overviews aus, aber sie nehmen Google die Deutungsarbeit ab. Dadurch erhöhen sie die Chance, als Quelle verstanden und genannt zu werden.

Für die meisten Websites reichen vier Typen. Dazu gehören Article mit dem echten Änderungsdatum, FAQPage für Fragen, die auch sichtbar auf der Seite stehen, Product mit Preis und Verfügbarkeit sowie eine Organization mit stabiler Kennung, auf die alle anderen Typen verweisen.

Entscheidend ist die Umsetzung. Das Markup gehört serverseitig ins HTML und muss zu dem passen, was Besucher tatsächlich sehen.

Vor dem Livegang prüfst du es in drei Stufen. Du kontrollierst die Syntax im Schema Markup Validator, die Eignung im Rich Results Test und die Wirkung in der Search Console. Danach beobachtest du über einige Wochen, ob sich Impressionen, Klicks und Nennungen in AI Overviews verändern, weil erst diese Zahlen zeigen, ob sich der Aufwand gelohnt hat.