Strukturierte Daten und Schema.org – Ein Leitfaden

Strukturierte Daten sind maschinenlesbare Informationen, die den Inhalt einer HTML-Seite in standardisierter Form beschreiben. Suchmaschinen und andere digitale Dienste können damit relevante Inhalte einer Seite direkt auslesen und interpretieren — etwa Produkte, Veranstaltungen oder Bewertungen. Als gemeinsames Vokabular für diese Auszeichnung hat sich Schema.org etabliert. Strukturierte Daten beschreiben dabei nicht nur einzelne Angaben, sondern auch deren semantische Zusammenhänge.

Strukturierte Daten stehen im Quelltext des HTML-Dokuments. Für Besucher der Seite sind sie unsichtbar.

Was sind Strukturierte Daten

Strukturierte Daten (auch Markup oder Schema-Daten genannt) übersetzen den sichtbaren Inhalt einer Seite in maschinenlesbare Aussagen. Jede Aussage folgt dabei demselben Muster: Sie benennt eine Entität, ihre Eigenschaften und ihre Beziehungen zu anderen Entitäten. Eine Entität ist dabei ein eindeutig identifizierbares „Ding“ – eine Person, ein Unternehmen, ein Produkt, ein Ort oder ein Ereignis.

Ein Beispiel: Eine Veranstaltungsseite nennt Titel, Datum und Ort der Veranstaltung. Ein Mensch erkennt diese Angaben am Layout. Eine Suchmaschine muss sie hingegen aus dem Text erschließen. Das Markup nimmt ihr diese Deutung ab. Es kennzeichnet die Seite als Event und ordnet ihr Datum und Ort als Eigenschaften zu.

Der Grund für diese Explizitheit ist, dass reiner Text oft mehrdeutig ist. Dieselbe Bezeichnung kann verschiedene Dinge meinen und dieselbe Sache kann verschiedene Namen tragen. Suchmaschinen arbeiten deshalb intern mit Entitäten statt nur mit Wörtern. Wie Suchmaschinen Entitäten erkennen und verknüpfen und warum das notwendig ist, erklärt der Artikel „Entitäten im SEO” ausführlich. Für diesen Artikel genügt: Strukturierte Daten sind der direkteste Weg, einer Suchmaschine die Entitäten einer Seite und ihre Zusammenhänge mitzuteilen.

Hinter Schema.org steht eine gemeinsame Initiative der großen Suchmaschinenbetreiber.¹ Das Vokabular definiert, welche Typen von Entitäten es gibt und welche Eigenschaften zu jedem Typ gehören. Welche Wirkung die Auszeichnung in der Suche entfaltet, zeigt das nächste Kapitel.

Was strukturierte Daten in der Suche bewirken

Das Markup selbst bleibt unsichtbar. Seine Wirkung zeigt sich an anderer Stelle, beispielsweise in der Darstellung der Suchergebnisse und in der Art, wie Suchsysteme eine Seite einordnen.

Rich Results: erweiterte Suchergebnisse

Google kann Seiten mit passendem Markup als „Rich Results” darstellen. Das Suchergebnis zeigt dann zusätzliche Elemente direkt in der Ergebnisliste. Beispielsweise Sterne-Bewertungen und Preise bei Produkten, Datum und Ort bei Veranstaltungen, Zubereitungszeit und Bilder bei Rezepten sowie Laufzeit und Vorschaubild bei Videos. Solche Ergebnisse belegen mehr Fläche und liefern Nutzern Entscheidungsinformationen bereits vor dem Klick.

Strukturierte Daten berechtigen eine Seite für Rich Results. Sie garantieren jedoch nicht die Darstellung. Google entscheidet je nach Anfrage, Gerät und Kontext, ob ein Rich Result erscheint. Google passt außerdem an, welche Typen erweiterte Darstellungen erhalten.² Seit 2023 zeigt die Suche beispielsweise nur noch stark eingeschränkt FAQ-Ergebnisse.

Besseres Verständnis der Inhalte

Strukturierte Daten liefern Suchmaschinen explizite Hinweise auf die Bedeutung einer Seite, beispielsweise welchen Typ von Inhalt es gibt, welche Entität beschrieben wird und wie die einzelnen Angaben zusammenhängen. Für Unternehmen, Personen und Produkte können diese Angaben in Wissensbestände wie den Google Knowledge Graph einfließen. Ein bestätigter allgemeiner Rankingfaktor sind strukturierte Daten jedoch nicht. Ihr Beitrag liegt in der eindeutigen Interpretation der Inhalte.

Nutzung durch KI-Systeme und Assistenten

Auch Systeme außerhalb der klassischen Ergebnisliste verarbeiten strukturierte Daten. Sprachassistenten nutzen maschinenlesbare Angaben, um direkte Antworten zu geben. KI-gestützte Suchfunktionen greifen auf hochwertige Daten zurück, etwa auf Produktinformationen in KI-generierten Antworten. Klar strukturierte Angaben erhöhen die Chance, dass solche Systeme Inhalte korrekt übernehmen und der richtigen Quelle zuordnen.

Grundlage all dieser Effekte ist ein gemeinsames Datenmodell aus Typen, Eigenschaften und Beziehungen. Wie dieses Modell aufgebaut ist, zeigt der folgende Abschnitt.

Entitäten und Eigenschaften

Im Kontext strukturierter Daten ist eine Entität ein konkretes Objekt, beispielsweise eine bestimmte Person, Organisation, Veranstaltung oder ein Bild. Ein Schema.org-Typ wie „Person”, „Organization”, „Event” oder „ImageObject” ordnet die ausgezeichnete Entität einer Klasse zu und legt fest, mit welchen Eigenschaften sie beschrieben werden kann. Für die eindeutige Identifikation kann zusätzlich ein stabiler Identifikator wie @id verwendet werden.

Strukturierte Daten beschreiben eine Entität durch:

• Einen Typ (Type), der sie einer Klasse wie „Person”, „Organisation” oder „Produkt” zuordnet,
• Eigenschaften (Properties), die Merkmale wie Name, Datum oder Adresse angeben,
• Beziehungen zu anderen Entitäten, etwa zwischen einer Person und einer Organisation.

Wichtige Aspekte des Datenmodells:

• Identifikation: Ein stabiler Identifikator wie „@id” ermöglicht es, dieselbe Entität innerhalb und außerhalb einer Seite eindeutig zu referenzieren.
• Beziehungen: Eigenschaften wie „author”, „worksFor” oder „address” verbinden eine Entität mit anderen Entitäten.
• Verschachtelung: Im Markup können verbundene Entitäten ineinander eingebettet werden, um ihre Beziehungen abzubilden.
• Typenhierarchie: Spezifische Schema.org-Typen übernehmen Eigenschaften ihrer übergeordneten Typen und ergänzen sie um weitere Eigenschaften.

Wie die Typenhierarchie funktioniert, zeigt die Abfolge Thing → Organization → LocalBusiness:

Thing
Thing ist der allgemeinste Typ im Schema.org-Vokabular. Untergeordnete Typen wie „Person”, „Organization”, „Event” oder „Place” beschreiben konkretere Arten von Entitäten. Eigenschaften wie „name”, die bereits für „Thing” definiert sind, können deshalb auch bei diesen spezifischeren Typen verwendet werden.

Thing > Organization
Der Typ „Organization” ist spezifischer und umfasst Unternehmen, Institutionen, Vereine und andere Organisationen. Er übernimmt allgemeine Eigenschaften von „Thing“, beispielsweise „name“, und ergänzt sie um organisationsspezifische Eigenschaften wie „taxID“, „department“, „parentOrganization“, „contactPoint“ oder „address“. Unterhalb von „Organization” befinden sich weitere spezialisierte Typen. Dazu gehört LocalBusiness.

Thing > Organization > LocalBusiness
Mit LocalBusiness wird ein Unternehmen oder eine Unternehmensniederlassung an einem physischen Standort beschrieben. Da er sowohl dem Typ Organization als auch dem Typ Place untergeordnet ist, kann er Eigenschaften beider Typen übernehmen. Hinzu kommen passende Angaben wie „openingHours”, „paymentAccepted” oder „currenciesAccepted”. Mit spezifischeren Typen wie „Restaurant”, „Store” oder „DryCleaningOrLaundry” wird die Art des lokalen Unternehmens weiter eingegrenzt.

Vererbung ist zentral für das Verständnis für Schema.org., denn Vererbung macht Strukturierte Daten:

• Flexibler,weil durch Vererbung abgeleitete Entitäten modifizierte oder zusätzliche Eigenschaften enthalten können, ohne das ursprüngliche Schema komplett zu verändern.
• Wiederverwendbar, da einmal definierte Basisklassen oder -schemata in verschiedenen Kontexten genutzt werden können, indem sie in spezifischeren Schemata erweitert oder angepasst werden.
• Besser organisiert, da Vererbung es ermöglicht, gemeinsame Eigenschaften in einer Basisklasse zu zentralisieren, was die Datenstruktur logisch und übersichtlich macht.
• Leichter erweiterbar, weil neue Funktionen oder Eigenschaften zu einer bestehenden Klasse hinzugefügt werden können, indem man diese erbt und erweitert, ohne bestehenden Code zu beeinträchtigen.
• Einfacher zu verstehen, da die klare Hierarchie und Gruppierung verwandter Entitäten durch Vererbung die Beziehungen und Funktionen innerhalb der Datenstruktur intuitiv nachvollziehbar macht.

Typen von Markup

Oder: Was genau kann mit Strukturierten Daten beschrieben werden?

Schema.org stellt wie schon beschrieben eine Vielzahl von Markup-Typen bereit, die eine detaillierte Beschreibung spezifischer Inhalte einer Webseite ermöglichen. Die Wichtigsten und Häufigsten sind hier aufgeführt.

Artikel (Article): Das Article-Markup dient der Auszeichnung von einzelnen Artikeln, Nachrichten, Blog-Beiträgen und anderen schriftlichen Inhalten. Mithilfe dieses Markups können Elemente wie Titel, Autor, Veröffentlichungsdatum, Abschnitt und Bilder präzise gekennzeichnet werden. Dadurch ist es Suchmaschinen möglich, den Inhalt besser zu verstehen und ihn in speziellen Features wie „Top Stories“ oder „News Carousels“ zu präsentieren.

Produkt (Product): Das Produkt-Markup ermöglicht die detaillierte Beschreibung von Produkten, einschließlich Name, Beschreibung, Bild, Preis, Währung, Verfügbarkeit und Kundenbewertungen. Dadurch werden die Produkte in den Suchergebnissen mit zusätzlichen Informationen wie Preis und Bewertungen angezeigt, was die Kaufentscheidung der Nutzer beeinflussen kann.

Organisation (Organization): Das Organization-Markup dient der strukturierten Bereitstellung von Informationen über Unternehmen und Institutionen. Zu den relevanten Attributen zählen der offizielle Name, das Logo, die Adresse, Kontaktinformationen sowie Links zu sozialen Medien. Suchmaschinen werden dadurch in die Lage versetzt, korrekte und aktuelle Unternehmensdetails anzuzeigen, was das Vertrauen der Nutzer stärkt.

Lokales Unternehmen (LocalBusiness): Für lokale Geschäfte und Dienstleister ist das LocalBusiness-Markup von besonderer Relevanz. Es erweitert das Organization-Markup um spezifische Details wie Öffnungszeiten, geografische Koordinaten, akzeptierte Zahlungsmethoden und angebotene Dienstleistungen. Dies führt zu einer verbesserten Sichtbarkeit in lokalen Suchergebnissen und auf Karten, wodurch potenzielle Kunden das Unternehmen leichter finden können.

Das „JobPosting“-Markup ist für Stellenangebote konzipiert. Es enthält Informationen wie Jobtitel, Unternehmen, Standort, Gehaltsspanne, Beschäftigungsart und Bewerbungsdetails. Die strukturierte Auszeichnung ermöglicht die Anzeige von Stellenanzeigen in spezifischen Suchergebnissen, wodurch sich die Reichweite für potenzielle Bewerber erhöht.

Mit dem Event-Markup können Veranstaltungen detailliert beschreiben werden. Zu den relevanten Attributen zählen der Name der Veranstaltung, das Datum und die Uhrzeit, der Ort, die Ticketpreise sowie eine kurze Beschreibung. Die Auszeichnung von Veranstaltungen führt dazu, dass diese mit wichtigen Details in den Suchergebnissen erscheinen, was die Teilnahmebereitschaft potenzieller Besucher erhöhen kann.

Das Person-Markup dient der Strukturierung von Informationen über Einzelpersonen. Dazu gehören Name, Berufsbezeichnung, Arbeitgeber, Bildungsabschlüsse und Kontaktmöglichkeiten. Es findet insbesondere auf persönlichen Webseiten, Autorenprofilen oder Teamvorstellungen auf Unternehmensseiten Anwendung.

Die Möglichkeit der Bewertung und Rezension (Review und AggregateRating) stellt ein weiteres Feature dar, welches den Nutzern zur Verfügung steht. Das Markup ermöglicht die Darstellung von Nutzerbewertungen und Gesamtratings für Produkte, Dienstleistungen oder Inhalte. Dabei sind insbesondere der Bewertungsscore, die Anzahl der Bewertungen sowie der Inhalt einzelner Rezensionen von Relevanz. Die Integration von Sterne-Bewertungen in den Suchergebnissen stärkt das Vertrauen der Nutzer und erhöht die Wahrscheinlichkeit einer Interaktion.

Rezept (Recipe): Das Rezept-Markup wurde speziell für die Darstellung von Kochrezepten entwickelt. Es beinhaltet Attribute wie eine Zutatenliste, eine Zubereitungsanweisung, die benötigte Koch- und Vorbereitungszeit, Nährwertangaben sowie Bewertungen. Rezepte können auf diese Weise in den Suchergebnissen mit Bildern, Bewertungen und weiteren relevanten Details angezeigt werden, was insbesondere Hobbyköche anspricht.

FAQ (Frequently Asked Questions): Das FAQPage-Markup ermöglicht die strukturierte Auszeichnung häufig gestellter Fragen und der entsprechenden Antworten. Suchmaschinen sind dadurch in der Lage, direkt in den Suchergebnissen Fragen und Antworten anzuzeigen. Dies bietet den Nutzern einen schnellen Zugriff auf Informationen und verbessert die Nutzererfahrung.

Anleitung (HowTo): Das HowTo-Markup ermöglicht die detaillierte Beschreibung von Anleitungen und Prozessschritten. Zu den Attributen zählen die benötigten Materialien, Werkzeuge, die einzelnen Schritte mit Text und Bildern sowie die geschätzte Dauer. Suchmaschinen können diese Informationen nutzen, um Nutzern Schritt-für-Schritt-Anleitungen direkt zu präsentieren.

Video (VideoObject): Das Markup ermöglicht die Auszeichnung von Videoinhalten mit Details wie Titel, Beschreibung, Miniaturbild, Upload-Datum und Dauer. Dadurch können Videos in den Suchergebnissen oder in speziellen Videofeatures hervorgehoben werden, was zu einer erhöhten Sichtbarkeit und einer Steigerung der Aufrufe führen kann.

Kurs (Course): Das Course-Markup ermöglicht Bildungsanbietern die detaillierte Beschreibung ihrer Kurse. Dazu zählen der Name des Kurses, eine Beschreibung, der Anbieter, das Themengebiet sowie Informationen zum Kursbeginn. Dies erleichtert es Lernwilligen, passende Bildungsangebote zu finden, was zu einer Steigerung der Einschreibungen führen kann.

Software-Anwendung (Software Application): Das Markup findet Anwendung bei der Beschreibung von Software und Apps. Relevante Informationen umfassen dabei den Namen, eine Beschreibung, die Anwendungsart, das Betriebssystem, die Kategorie, den Preis sowie Bewertungen. Dadurch wird eine Präsentation von Anwendungen in den Suchergebnissen mit relevanten Details ermöglicht.

Brotkrumen (BreadcrumbList): Das Breadcrumb-Markup dient der Darstellung der Seitenhierarchie innerhalb einer Website. Es ermöglicht den Nutzern, ihre Position auf der Seite zu verstehen, wodurch die Navigation erleichtert wird. Suchmaschinen können die Brotkrumen in den Suchergebnissen anzeigen, was die Benutzerfreundlichkeit verbessert.

Die gezielte Anwendung der verschiedenen Schema-Markups ermöglicht es Webseitenbetreibern, die Struktur und den Inhalt ihrer Seiten sowohl für Suchmaschinen als auch für Nutzer zu optimieren. Die detaillierte Auszeichnung spezifischer Informationen verbessert die Interaktion mit der gewünschten Zielgruppe.

Verschachtelung von Strukturierten Daten

Die Verschachtelung von Schema.org-Typen erlaubt die Darstellung komplexer Informationen sowie deren Beziehungen zueinander. Wie das in der Praxis aussieht, zeigt das Markup dieses Artikels. Es verschachtelt vier Schema-Typen zu einer Kette: Der Artikel (Article) hat einen Autor vom Typ Person. Der Autor arbeitet bei einem Unternehmen vom Typ LocalBusiness, der Atradior UG. Das Unternehmen hat eine Anschrift vom Typ PostalAddress. Jeder Typ ist dabei über eine Eigenschaft in den übergeordneten eingebettet: author verbindet Artikel und Person, worksFor verbindet Person und Unternehmen, address verbindet Unternehmen und Anschrift.

Wir sehen einen Artikel ausgezeichnet. Der Name des Artikels ist „Strukturierte Daten – Atradior Online Marketing“. Der Artikel hat einen Autor, hier als author vom Typ Person eingebunden mit meinem Namen „Sebastian Schweyen“. Dieser Autor arbeitet für (worksFor) eine Organisation vom Typ LocalBusiness mit dem Namen „Atradior UG“. Diese Organisation hat eine Postalische Anschrift mit der Adresse „Rückerstrasse 1″.

Die wichtigsten Entitäten sind mit „@id“ gekennzeichnet. Damit können andere Seiten der Domain auf diese Entitäten verweisen, ohne sie dort erneut vollständig auszugeben. So entsteht ein Netz aus verknüpften Entitäten: ein Wissensgraph.

Diese Auszeichnung und Verschachtelung kann noch erweitert werden: Der Artikel könnte bewertet werden, genau so, wie das Unternehmen. Im Artikel könnten zusätzlich auch noch eingebundene Videos definiert werden. Die Optionen sind vielfältig, wichtig ist aber das relevante Markup zu identifizieren und sauber umzusetzen. Die Auswahl ist dabei vom Industrie und vom Wettbewerb abhängig.

Formate für strukturierte Daten

Die Einbindung Strukturierter Daten auf einer Webseite (das „Markup“) kann mittels verschiedener Formate erfolgen. Die drei gängigsten Formate dazu sind JSON-LD, Microdata und RDFa. Jedes Format weist spezifische Vor- und Nachteile auf, die bei der Auswahl zu berücksichtigen sind.

JSON-LD (JavaScript Object Notation for Linked Data)

JSON-LD stellt ein auf JSON basierendes Format dar, welches speziell für verknüpfte Daten entwickelt wurde. Es wird in einem Script-Block innerhalb des HTML-Dokuments eingebunden, wobei der bestehende HTML-Code nicht direkt beeinflusst wird.

Die Vorteile von JSON-LD:

• Die einfache Implementierung, da das Format getrennt vom HTML-Markup steht und somit keine Änderungen an den bestehenden HTML-Tags erforderlich sind.
• Die Trennung des Codes für strukturierte Daten vom restlichen Inhalt erleichtert Wartungs- und Updateprozesse, da der Code klar von den übrigen Inhalten getrennt ist.
• JSON-LD ist sehr flexibel. Das Format ist in der Lage, auch komplexe Datenstrukturen zu unterstützen und eignet sich daher insbesondere für die Darstellung verschachtelter Informationen.
• Empfehlung durch Suchmaschinen: Suchmaschinen wie Google bevorzugen JSON-LD und verarbeiten es effizient.

Nachteile von JSON-LD sind gering:

• Eine potenzielle Einschränkung stellt die Abhängigkeit von JavaScript dar, wodurch die Verarbeitung in seltenen Fällen beeinträchtigt werden könnte, sollte JavaScript deaktiviert sein.
• Lernkurve: Für Entwickler ohne Erfahrung mit JSON könnte die Syntax zunächst ungewohnt sein.

Microdata

Microdata stellt eine spezifische Ausprägung der Auszeichnungssprache HTML dar, bei der zusätzliche Attribute unmittelbar zu den HTML-Tags hinzugefügt werden. Dadurch erfolgt eine nahtlose Integration strukturierter Daten in den bestehenden Code.

Die Vorteile von Microdata:

• Die direkte Verbindung zum Inhalt: Die Daten sind unmittelbar mit den entsprechenden HTML-Elementen verknüpft, was eine effiziente und effektive Integration von strukturierten Daten in den bestehenden Code ermöglicht.
• Die Einfachheit der Implementierung ist insbesondere bei einfachen Strukturen von Vorteil, da die Umsetzung zügig erfolgen kann.

Die Nachteile von Microdata:

• Die erschwerte Lesbarkeit des HTML-Codes, die durch das Hinzufügen vieler Attribute bedingt sein kann.
• Der Wartungsaufwand ist durch die Komplexität höher.
• Microdata kann tiefe Verschachtelungen oft nicht ausreichend abbilden.

RDFa (Resource Description Framework in Attributes)

RDFa erweitert HTML-Tags um zusätzliche Attribute und ermöglicht somit die Anreicherung von Webseiten mit Metadaten. Es basiert auf dem RDF-Standard und ist für die Darstellung verknüpfter Daten konzipiert.

Die Vorteile von RDFa:

• Die semantische Tiefe des Systems erlaubt eine ausführliche Beschreibung komplexer Datenbeziehungen.
• Standardkonformität: Als W3C-Standard fördert RDFa die Interoperabilität zwischen verschiedenen Systemen.
• Wiederverwendbarkeit: Die Daten können von verschiedenen Anwendungen und nicht nur von Suchmaschinen genutzt werden.

Die Nachteile von RDFa:

• Die Implementierung ist anspruchsvoller und erfordert ein tieferes Verständnis von RDF.
• Potenzielle Überladung des HTML-Codes: Ähnlich wie bei Microdata kann der Code durch die zahlreichen Attribute unübersichtlich werden.
• Eine geringere Unterstützung durch die Suchmaschinen ist ebenfalls zu verzeichnen. Diese unterstützen RDFa nicht in gleichem Umfang wie JSON-LD oder Microdata.

Praxisempfehlung

• JSON-LD wird aufgrund seiner Einfachheit und der Empfehlung durch Suchmaschinen in der Praxis meist als das bevorzugte Format angesehen.
• Es ist empfehlenswert, innerhalb der Webseite ein einheitliches Format zu verwenden, um Irritationen zu vermeiden und eine konsistente Darstellung zu gewährleisten.
• Überprüfen Sie die implementierten Daten regelmäßig mit Validierungstools, um Fehler zu vermeiden.

Validierung von strukturierten Daten

Die korrekte Implementierung von strukturierten Daten ist von entscheidender Bedeutung, um sicherzustellen, dass Suchmaschinen die bereitgestellten Informationen effizient verarbeiten und Nutzern in den Suchergebnissen optimal präsentieren können. Die Nutzung von Schema.org-Standards erfordert die Einhaltung bestimmter Markup-Konventionen, deren Nichteinhaltung zu einer eingeschränkten Nutzung der Vorteile von Schema.org oder gar zu einer Verschlechterung der Sichtbarkeit der Webseite führen kann. Die Validierung der strukturierten Daten stellt somit einen wesentlichen Schritt im Entwicklungsprozess dar. Für die Überprüfung und Optimierung stehen verschiedene Werkzeuge zur Verfügung.

Google Rich Results Test

Der Rich Results Test ist das wichtigste Prüfwerkzeug für die Google-Suche. Er beantwortet die Frage: Ist diese Seite für Rich Results berechtigt? Das Tool prüft eine URL oder eingefügten Quellcode, erkennt die für erweiterte Darstellungen relevanten Typen und meldet Fehler und Warnungen. Fehler verhindern das Rich Result, Warnungen weisen auf fehlende optionale Angaben hin. Eine Vorschau zeigt, wie die Seite in den Suchergebnissen erscheinen kann.

Das Tool prüft nur Typen, die Google für Rich Results verwendet.²Markup ohne Rich-Result-Bezug bleibt unbewertet — dafür dient der Schema Markup Validator.

https://search.google.com/test/rich-results?hl=de

Schema Markup Validator

Der Schema Markup Validator ist das offizielle Prüfwerkzeug von Schema.org und der Nachfolger des früheren „Structured Data Testing Tools” von Google. Er prüft das gesamte Markup einer Seite gegen das Schema.org-Vokabular. Dabei werden folgende Fragen beantwortet: Sind die Typen gültig? Existieren die verwendeten Eigenschaften? Stimmt die Verschachtelung? Dabei ist es unerheblich, ob Google den Typ für Rich Results nutzt.

Der Validator bewertet jedoch nicht, ob Google die Seite in den Suchergebnissen erweitert darstellt. Beide Tools ergänzen sich deshalb: Erst erfolgt die formale Prüfung hier, dann die Rich-Result-Prüfung bei Google.

https://validator.schema.org/

JSON-LD Playground

Der JSON-LD Playground ist ein Entwicklerwerkzeug für die Arbeit am Code selbst. Er zeigt unmittelbar, ob ein JSON-LD-Block syntaktisch gültig ist und wie Maschinen die Daten interpretieren. Das macht ihn nützlich beim Erstellen und Debuggen komplexer Verschachtelungen — bevor das Markup überhaupt auf einer Seite liegt. Eine Prüfung gegen Schema.org oder Google-Anforderungen leistet er nicht.

https://json-ld.org/playground/

Bing Webmaster Tools

Bing stellt in den Webmaster Tools eine eigene Markup-Prüfung bereit. Sie arbeitet ähnlich wie die Google-Werkzeuge und zeigt, ob Bing das Markup korrekt liest. Für Websites mit relevantem Bing-Traffic lohnt der zusätzliche Blick, da Bing Markup teilweise anders interpretiert als Google.

Monitoring mit der Google Search Console

Die bisherigen Werkzeuge prüfen einzelne Seiten vor der Veröffentlichung. Die Search Console überwacht dagegen den laufenden Betrieb der gesamten Website. Google meldet dort unter „Verbesserungen“ pro Markup-Typ, wie viele Seiten fehlerfrei sind, wo Fehler oder Warnungen auftreten und wann neue Probleme entstehen — etwa nach einem Theme-Update.

Die Search Console ersetzt die Validierung nicht, sie ergänzt sie: Einzelprüfung vor der Veröffentlichung, Monitoring danach. Wer beides kombiniert, bemerkt Markup-Probleme, bevor sie Rich Results kosten.

https://search.google.com/search-console

Warum korrektes Markup wichtig ist

Gerade bei Produkten und der Werbung in Adwords ist Google sehr kritisch, wenn der ausgezeichnete Produktpreis nicht dem Preis im Feed entspricht und sich schlimmstenfalls von dem Preis im Markup unterscheidet. Hier spielen auch die korrekte Auszeichnung von kg-Preisen, Verpackungspreisen und Gewicht eine große Rolle.

Deswegen stellt die Qualitätssicherung einen wesentlichen Aspekt innerhalb der SEO Strategie dar :)

Häufige Fehler mit Strukturierten Daten

Bei der Implementierung strukturierter Daten treten immer wieder die gleichen Fehler auf. Dieser Abschnitt zeigt die sieben häufigsten Fehler und zu jedem die entsprechende Arbeitsweise, die ihn verhindert.

Syntaxfehler

Syntaxfehler. Ein fehlendes Komma, Anführungszeichen oder eine offene Klammer macht einen JSON-LD-Block unlesbar. Google ignoriert dann das gesamte Markup der Seite. Vermeidung: Jede Änderung sollte vor der Veröffentlichung validiert werden. Werkzeug: Schema Markup Validator

Falsche Schema-Typen

Falscher Schema-Typ. Wenn ein Produkt als Dienstleistung oder ein Rezept als Artikel ausgezeichnet wird, ordnen Suchmaschinen den Inhalt falsch ein und zeigen keine erweiterte Darstellung. Vermeidung: Den spezifischsten Typ wählen, der den sichtbaren Inhalt tatsächlich beschreibt. Welche Typen Google für Rich Results nutzt, zeigt die Galerie der Suchfunktionen².

Unvollständige Daten

Fehlen Pflichtangaben eines Typs, beispielsweise Preis und Verfügbarkeit bei einem Produkt oder Datum und Ort bei einer Veranstaltung, entfällt das Rich Result. Um dies zu vermeiden, sollten die Pflicht-Properties aus der Google-Dokumentation je Typ abarbeitet und Warnungen aus dem Rich Results Test behoben werden. Werkzeug: Search Console, tlw. Merchant Center.

Veraltete Daten

Der Preis ändert sich auf der Seite, im Markup bleibt der alte Preis stehen. Vermeidung: Das Markup sollte aus denselben Datenquellen erzeugt werden wie der sichtbare Inhalt und nicht von Hand gepflegt werden. Zudem sollte der Bestand per Search Console überwacht werden.

Abweichung vom sichtbaren Inhalt

Das Markup behauptet, was auf der Seite nicht steht. Google wertet das als irreführend, bis hin zur manuellen Maßnahme (siehe Validierungskapitel). Vermeidung: ausschließlich sichtbare Informationen auszeichnen.

Format-Mix und Mehrfachauszeichnung

Derselbe Inhalt in JSON-LD und Microdata zugleich erzeugt Konflikte und Wartungsfehler. Vermeidung: ein Format für die gesamte Website — in der Praxis JSON-LD — und gleiche Inhalte überall gleich auszeichnen.

Falsche Verschachtelung

Stehen Typen unverbunden nebeneinander, statt über Eigenschaften ineinander eingebettet zu sein, erkennt Google die Beziehungen nicht. Vermeidung: nach dem Muster aus dem Verschachtelungs-Abschnitt arbeiten und die Struktur im Schema Markup Validator prüfen.

Über den Einzelfehlern steht eine Grundregel: Qualität vor Quantität. Wenige, vollständige und korrekte Auszeichnungen wirken mehr als eine breite, oberflächliche Markierung — zumal Nutzer die Angaben in den Suchergebnissen sehen und danach entscheiden.

Welche Entitäten eine Seite überhaupt auszeichnen sollte, ist dabei keine technische Frage, sondern eine der Relevanz: Sie ergibt sich aus Suchintention und Thema der Seite. Wie diese Auswahl funktioniert, beschreibt der Abschnitt Relevanz als Grundlage der Entitätenoptimierung im Artikel Entitäten im SEO.

Zukunft von Strukturierten Daten

Suchmaschinen
Die Bedeutung von strukturierten Daten und Schema.org wird in den kommenden Jahren weiter zunehmen. Mit der fortschreitenden Entwicklung von Suchmaschinen steigt der Bedarf an maschinenlesbaren Inhalten. Strukturierte Daten ermöglichen die präzise Vermittlung komplexer Informationen, was die Grundlage für die Lieferung personalisierter und kontextbezogener Suchergebnisse bildet.

Neue Anwendungsgebiete
Die kontinuierliche Weiterentwicklung von Schema.org deckt immer mehr Branchen und Anwendungsfälle ab. Es führt zu einem Netzwerk-Effekt, wenn immer mehr Anbieter Daten bereitstellen und immer mehr Nutzer von neuen Features und Weiterentwicklungen profitieren können. Insgesamt trägt die verstärkte Nutzung von Schema.org dazu bei, das Internet zu einem besser organisierten und zugänglicheren Raum für alle Nutzer zu machen.

1. Ausführlich hier: https://schema.org/docs/about.html [↩]
2. Die von Google offiziell genutzten Typen: https://developers.google.com/search/docs/appearance/structured-data/search-gallery?hl=de [↩] [↩] [↩]