Strukturierte Daten

Strukturierte Daten sind maschinenlesbare Informationen, die den Inhalt einer HTML-Seite in einer standardisierten (daher „strukturiert“) Form beschreiben. Sie ermöglichen es Suchmaschinen und anderen digitalen Diensten, relevante Inhalte einer Seite, wie Produkte, Veranstaltungen oder Bewertungen, direkt auszulesen und zu interpretieren. Durch die Verwendung eines gemeinsamen Vokabulars wie Schema.org können Inhalte einheitlich ausgezeichnet werden, was die Verarbeitung vereinfacht. Strukturierte Daten beschreiben auch die semantischen Zusammenhänge der Inhalte eines Dokuments.

Strukturierte Daten stehen im Quelltext des HTML-Dokuments und sind daher für den „normalen“ Benutzer nicht sichtbar.

Was sind Strukturierte Daten

Strukturierte Daten (auch Markup, microformats oder schema-Daten genannt) fungieren als eine Art gemeinsames Vokabular zwischen Webseiten und Suchmaschinen. Durch die einheitliche Kennzeichnung von Inhalten können spezifische Details wie Produkte, Veranstaltungen oder Bewertungen direkt durch die Suchmaschinen identifiziert, verstanden und in den Suchergebnissen entsprechend hervorgehoben werden.

Wieso haben sich Strukturierte Daten entwickelt?

Mit dem massiven Wachstum des Internets stieg auch die Vielfalt und Komplexität der verfügbaren Informationen. Suchmaschinen standen (und stehen immer noch!) vor der Herausforderung, unstrukturierte und heterogene Daten zu lesen und zu interpretieren. Ohne eine standardisierte Methode zur Beschreibung von Inhalten war es schwierig, die Relevanz von Informationen für bestimmte Suchanfragen zu bestimmen.

Die traditionelle Keyword-basierte Suche reichte nicht mehr aus, um Nutzern präzise und kontextbezogene Ergebnisse zu liefern. Es entstand der Bedarf nach einem einheitlichen Vokabular, das es ermöglicht, Inhalte semantisch zu beschreiben. Strukturierte Daten bieten genau diese Möglichkeit, indem sie Informationen in klar definierten Formaten anbieten, die von Suchmaschinen leichter verstanden werden können. Sie beschreiben Entitäten, deren Eigenschaften und ihr Verhältnis zueinander.

Entitäten und Eigenschaften

Eine Entität im Kontext von Schema.org und strukturierten Daten ist ein spezifisches „Ding“ oder Objekt, das durch ein Schema (wie Person, Event, Organsation, Bild) eindeutig identifiziert und beschrieben werden kann.

Entitäten sind:

• Objekte (Object), die einem definierten Typ (Types) zugeordnet sind (z.B. Person, Organisation, Produkt),
• mit Attributen, die dessen Eigenschaften (Properties) beschreiben, und
• die mit anderen Entitäten in einer Beziehung stehen können.

Wichtige Aspekte von Entitäten:

• Eindeutigkeit: Jede Entität kann (und sollte!) durch eine eindeutige ID identifiziert werden.
• Beziehungen: Entitäten können aufeinander verweisen und in Relation zueinander stehen.
• Hierarchie: Entitäten können verschachtelt sein.
• Vererbung und Spezifität: Entitätstypen können von übergeordneten Typen erben.

Hier ein ausführlicheres Beispiel zur Erklärung:

Thing
Der Typ „Thing“ ist die allgemeinste Art zur Beschreibung eines beliebigen Objektes. „Thing“ hat eine Reihe von Unterklassen, z.B. Event, Ort, Person oder Organisation. Ein „Thing“ hat Eigentschaften (Properties), z.B. einen Namen.

Thing > Organization
Der Typ „Organization“ ist die allgemeinste Art eine beliebige Form einer Organisation zu beschreiben. „Organzation“ übernimmt alle Eigenschaften von Thing. Es hat also auch einen Namen. Zusätzlich erweitert es die Eigentschaften um das Objekt noch genauer zu beschreiben. Es gibt neue Attribute zur geschäftlichen Identifikation (Steuernummer), zur Beschreibung der Organisationsstruktur ( Abteilungen, Mutterorganisation), Kontaktinformationen oder Geodaten. All diese neuen Properties beschreiben eine Organisation ausführlicher. „Organization“ hat wiederum eine Reihe von spezifischeren Unterklassen. Eine davon ist:

Thing > Organization > LocalBusiness
Der Typ „LocalBusiness“ beschreibt ein meist ortsgebundenes Geschäft. Der Typ übernimmt alle vorangegangenen Eigenschaften und erweitert „Organization“ um z.B. Zahlungsinformationen, Öffnungszeiten oder akzeptierten Währungen. Unter „LocalBusiness“ gibt es wieder eine Reihe von spezifischeren Schemas, zum Beispiel für Wäschereien und Reinigungen.

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 folgende Abbildung zeigt ein Beispiel für die Verschachtelung von Schema-Markups.

Die Verschachtelung von Schema.org-Typen erlaubt die Darstellung komplexer Informationen sowie deren Beziehungen zueinander. Diesbezüglich sei ein Beispiel angeführt, welches die Verschachtelung von der vier hier genutzten Schema-Typen – Product, Review, Person und Organization – veranschaulicht.

Angenommen, eine Webseite präsentiert ein Produkt, für das es Kundenbewertungen gibt. Das Produkt wird von einem Unternehmen hergestellt, und die Bewertung wurde von einer Person verfasst.

Beispiel einer Verschachtelung

Um Verschachtelung verständlich zu machen, ist hier das Schema dieses Artikels gezeigt. 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“.

Durch die eindeutige Kennzeichnung der mit „@id“ könnte auch auf anderen Seiten der Domain auf diese Entität referenziert werden.

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 Search Console

Genau genommen ist die Search Console kein Tool zur direkten Validierung. Vielmehr zeigt Google hier dem Webseitenbetreiber die auf der Seite gefunden Markups und ob diese korrekt und/oder ausführlich genug sind. https://search.google.com/search-console

Schema Markup Validator

Der Schema Markup Validator stellt ein Validierungswerkzeug von Schema.org dar, welches die Implementierung von strukturierten Daten nach den Schema.org-Standards überprüft. Es handelt sich hierbei um den Nachfolger des früheren Structured Data Testing Tools von Google, welches eine umfassende Unterstützung für verschiedene Datenformate bietet: https://validator.schema.org/

Google Rich Results Test

Der Google Rich Results Test ist ein Online-Tool, welches von Google entwickelt wurde, um Webseiten dahingehend zu analysieren, ob sie für Rich Results in den Google-Suchergebnissen geeignet sind. Rich Results stellen eine Form der erweiterten Suchergebnisse dar, welche zusätzliche Informationen wie Bilder, Bewertungen oder Preise direkt anzeigen. https://search.google.com/test/rich-results?hl=de

Eine Echtzeitprüfung kann durch die Eingabe der URL oder des Quellcodes durchgeführt werden, sodass eine unmittelbare Analyse der Webseite möglich ist. Das Tool identifiziert verschiedene Markierungen, die für Rich Results in Betracht kommen, wie z.B. Rezepte, Veranstaltungen, Produkte und FAQs. Des Weiteren werden detaillierte Informationen über erkannte Fehler oder Warnungen bereitgestellt.

Die Vorschau der Rich Results demonstriert die potenzielle Darstellung der Seite in den Suchergebnissen, einschließlich der erweiterten Elemente.

Bing Webmaster Tools – Markup Validator:

Bing stellt ein eigenes Tool zur Validierung von strukturierten Daten bereit, das in seiner Funktionsweise den Google-Tools ähnelt. Der Nutzen besteht in der Möglichkeit, die Kompatibilität mit Bing zu überprüfen und dadurch zusätzliche Reichweite zu erzielen. Der Zugriff erfolgt über die Bing Webmaster Tools.

JSON-LD Playground

Das interaktive Tool JSON-LD Playground wurde zum Testen und Debuggen von JSON-Code konzipiert. Der Nutzen besteht in der Möglichkeit, mit dem Code zu experimentieren und unmittelbar die Ergebnisse zu beobachten. https://json-ld.org/playground/

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 von Schema.org-strukturierten Daten treten fast immer Fehler auf, die die Effektivität des Markups beeinträchtigen.

Syntaxfehler

Syntaxfehler im Code sind ein verbreitetes Problem. Sie entstehen durch fehlende oder überflüssige Zeichen wie Kommas, Anführungszeichen oder geschweifte Klammern (JSON-LD). Diese Fehler führen dazu, dass Suchmaschinen das Markup nicht korrekt interpretieren können, wodurch die Darstellung von Rich Snippets verhindert wird.

Falsche Schema-Typen

Ein weiteres typisches Problem ist die Verwendung falscher Schema-Typen. Wenn wir einen ungeeigneten Typ für den Inhalt wählen – z.B. ein Produkt als Dienstleistung oder ein Rezept als Artikel – können Suchmaschinen den Inhalt missverstehen und ihn in den Suchergebnissen erst gar nicht anzeigen.

Unvollständige Daten

Unvollständige Daten stellen eine weitere Fehlerquelle dar. Fehlen wichtige Attribute eines Schema-Typs – z.B. Preis oder Verfügbarkeit bei einem Produkt oder Datum und Ort bei einer Veranstaltung – berücksichtigen Suchmaschinen diese Daten nicht für erweiterte Suchergebnisse.

Datenabweichungen

Eine Diskrepanz zwischen den strukturierten Daten und dem sichtbaren Inhalt einer Webseite kann negative Auswirkungen haben. Enthält das Markup Informationen, die auf der Seite selbst nicht sichtbar sind, wird dies von Suchmaschinen als irreführend angesehen, was sich negativ auf das Ranking der Webseite auswirken kann.

Mehrfachauszeichnungen

Die mehrfache Auszeichnung desselben Inhalts mit unterschiedlichen Markup-Formaten wie JSON-LD und Microdata kann zu Problemen führen. Die Verwendung veralteter Markup-Schemata, die nicht mehr unterstützt werden, beeinträchtigt ebenfalls die Effektivität des strukturierten Daten-Markups.

Falsche Verschachtelung

Schließlich können Fehler bei der Verschachtelung von Schema-Typen Probleme verursachen: Eine falsche oder unvollständige Verschachtelung kann dazu führen, dass die Beziehungen zwischen den verschiedenen Elementen nicht erkannt werden. Dies beeinträchtigt die Fähigkeit von Google, den Gesamtzusammenhang der Daten zu verstehen. Auch das kann sich negativ auf die Darstellung in den Suchergebnissen auswirken.

Best Practices für die Nutzung

Die Daten müssen aktuell sein!

Es ist essentiell, dass die strukturierten Daten stets auf dem aktuellsten Stand sind. Preisänderungen, Verfügbarkeiten oder Veranstaltungsdaten sind Beispiele für Inhalte, die einer sofortigen Aktualisierung der Markups bedürfen. Durch regelmäßige Überprüfungen kann die Anzeige veralteter Informationen in den Suchergebnissen vermieden werden, was das Vertrauen der Nutzer beeinträchtigen könnte.

Die Auszeichnung muss relevant sein!

Es ist von essentieller Bedeutung, dass ausschließlich Schema-Typen und Eigenschaften verwendet werden, die direkt mit dem Inhalt der Webseite übereinstimmen. Informationen sollten nur dann markiert werden, wenn sie tatsächlich vorhanden und für den Nutzer relevant sind. Eine Überladung der Seite mit irrelevanten Markups ist zu vermeiden, um Verwirrung zu verhindern und eine Einstufung als Spam durch Suchmaschinen zu vermeiden. Eine klare und zielgerichtete Auszeichnung verbessert die Qualität der Suchergebnisse und steigert die Zufriedenheit der Nutzer.

Die Auszeichnung sollte möglichst konsistent sein!

Es ist von essentieller Bedeutung, dass Schema.org auf der gesamten Webseite einheitlich angewendet wird. Dies impliziert die Verwendung desselben Formats, beispielsweise ausschließlich JSON-LD, sowie die einheitliche Auszeichnung ähnlicher Inhalte. Inkonsistenzen, die zu Interpretationsproblemen führen und die Effektivität der strukturierten Daten beeinträchtigen könnten, sind zu vermeiden. Zudem ist sicherzustellen, dass die strukturierten Daten möglichst immer mit dem sichtbaren Inhalt übereinstimmen.

Strukturierte Daten sind kein Selbstzweck

Die Implementierung von Schema.org sollte stets im Hinblick auf die User Experience erfolgen. Die Gestaltung der strukturierten Daten sollte so vorgenommen werden, dass Nutzer bereits in den Suchergebnissen wichtige Informationen erhalten. Durch die Auszeichnung von Bewertungen, Preisen oder Veranstaltungen wird es den Nutzern ermöglicht, schneller zu entscheiden, ob das Angebot ihren Bedürfnissen entspricht. Eine benutzerorientierte Auszeichnung erhöht die Wahrscheinlichkeit von Interaktionen und fördert die Zufriedenheit der Besucher.

Qualität vor Quantität

Es empfiehlt sich, den Fokus auf die Qualität der Auszeichnungen zu legen, statt die Quantität in den Vordergrund zu stellen. Die Auswahl präziser und sorgfältig ausgewählter Markups, welche den Kerninhalt der Seite widerspiegeln, ist dabei von entscheidender Bedeutung. Eine durchdachte Strategie zur Implementierung von Schema.org ist effektiver als eine breite, aber oberflächliche Auszeichnung. Auf diese Weise lassen sich die gewünschten Ergebnisse erzielen und der langfristige Erfolg sichern.

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.

Künstliche Intelligenz / Machine Learning
Im Kern basiert Künstliche Intelligenz (KI) in vielen Anwendungsbereichen auf Mustererkennung. Durch das Training auf große Datenmengen lernt die KI Zusammenhänge in den Daten zu erkennen. Diese Mustererkennung ist entscheidend für Aufgaben wie Bild- und Spracherkennung, Prognosen und Entscheidungsfindung. Obwohl moderne KI-Ansätze komplexer sind und unterschiedliche Methoden umfassen, bleibt diese Fähigkeit ein grundlegendes Prinzip.

Strukturierte Daten sind für das Training von KI-Modellen hilfreich, weil sie in einem klar definierten Format vorliegen, das leicht von Algorithmen verarbeitet werden kann. Diese Daten bieten konsistente und organisierte Informationen, die es dem Modell ermöglichen, Muster effizienter zu erkennen und daraus zu lernen. Ohne eine klare Struktur wären die Beziehungen zwischen den Daten schwerer zu identifizieren, was zu einer schlechteren Modellleistung führt.

Smart Devices / Assistenten
Die Verwendung strukturierter Daten gewinnt vor dem Hintergrund neuer Technologien wie Sprachassistenten und Smart Devices zunehmend an Bedeutung. Diese Technologien sind darauf ausgerichtet, Nutzern direkte und relevante Antworten zu liefern. Dadurch wird die Interaktion zwischen Mensch und Maschine intuitiver und effizienter gestaltet.

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.