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.io prüft JSON-LD täglich automatisch.