Fehler #3: Fehlendes JSON-LD — KI versteht deine Seite nicht
JSON-LD ist die Sprache in der KI-Systeme Kontext verstehen. Ohne Organization, Article und FAQ-Schema weiss ChatGPT nicht wer du bist, was du anbietest und warum du eine vertrauenswürdige Quelle bist. Ergebnis: du wirst nicht zitiert.
Die 6 JSON-LD-Typen die für GEO entscheidend sind
Nicht alle Schema-Typen sind gleich wichtig für GEO. Diese sechs haben den grössten Einfluss darauf, ob KI-Systeme deine Website als verlässliche und relevante Quelle einordnen.
Wie JSON-LD die Art ändert wie KI-Systeme dich verstehen
Das Kernproblem ohne JSON-LD
Ohne JSON-LD muss ein KI-System aus HTML-Text erschliessen wer du bist. Es liest Überschriften, Absätze, Alt-Texte — und versucht daraus ein Bild zusammenzusetzen. Mit vollständigem JSON-LD bekommt es die Antworten direkt: Typ, Name, Beschreibung, URL, Kontakt, Logo, Author — maschinenlesbar und eindeutig.
KI-Systeme wie ChatGPT und Perplexity sind keine Leser im menschlichen Sinn. Sie verarbeiten Text, aber priorisieren strukturierte, maschinenlesbare Signale. JSON-LD (JavaScript Object Notation for Linked Data) ist genau das: strukturierte Daten die direkt in HTML eingebettet werden und von Crawlern ohne Parsing-Aufwand extrahiert werden können.
Der Schema.org-Vokabular, auf dem JSON-LD aufbaut, ist ein gemeinsamer Standard der von Google, Microsoft, Yahoo und Yandex gepflegt wird. Es ist die universelle Sprache zur Beschreibung von Entitäten im Web. Eine Entität im Schema.org-Sinn ist eine klar definierte Einheit: ein Unternehmen, eine Person, ein Artikel, eine FAQ, ein Produkt.
Wenn Perplexity eine Suchanfrage zu "GEO-Tools für SaaS" verarbeitet und mehrere Kandidaten vergleicht, hat eine Website mit vollständigem Organization-Schema einen klaren Vorteil: Der Crawler weiss sofort, dass es sich um ein Unternehmen handelt, was es macht, wo es operiert und wie man es kontaktiert. Das sind die Signale die KI-Systeme nutzen, um Trustworthiness zu bewerten — ein Schlüsselfaktor bei Zitierungsentscheidungen.
FAQPage-Schema hat eine besonders direkte Wirkung auf Google AI Overviews: Google extrahiert Frage-Antwort-Paare aus FAQPage-Schema und verwendet sie direkt für AI-Overview-Inhalte. Eine korrekt implementierte FAQPage auf einer gut geranked Seite hat eine substanzielle Chance, ihre Antworten direkt in Google AI Overviews einzubauen — ohne dass der Nutzer überhaupt auf die Website klickt.
Article-Schema ist für Blogposts und Guides unverzichtbar, weil es KI-Systemen mitteilt, dass ein bestimmtes Dokument ein eigenständiger Artikel ist, wer ihn geschrieben hat, wann er publiziert und aktualisiert wurde und was er behandelt. Ohne Article-Schema hat ein Blogpost aus KI-Sicht denselben Status wie eine Produktseite — keine Unterscheidung, keine Autorenschaft, kein Datum. Das schwächt die Zitierbarkeit.
Häufige Implementierungsfehler
Schema ist vorhanden aber unvollständig
JSON-LD-Syntax-Fehler
Falsche Schema-Typen für den Content-Typ
Schema auf der falschen Seite
Keine Aktualisierung bei Content-Änderungen
Implementierungs-Reihenfolge: Was zuerst
Validierung nach Implementierung
Nach Implementierung unbedingt den Google Rich Results Test für jede wichtige Seite ausführen. Er zeigt Syntaxfehler, fehlende Pflichtfelder und welche Rich-Result-Features aktiviert sind. Pantra prüft JSON-LD täglich automatisch.