JSON-LD Schema für SaaS: Welches Markup du auf jeder Seite brauchst

Was ist JSON-LD und warum ist es für GEO entscheidend?

Es gibt drei Formate für structured data: Microdata (Attribute direkt im HTML-Element), RDFa (ähnlich wie Microdata, aber komplexer) und JSON-LD (separater script-Tag im Head). Google empfiehlt ausdrücklich JSON-LD weil es vom eigentlichen Content-HTML getrennt ist, leichter zu lesen und zu debuggen ist und bei dynamisch generiertem Content keine Probleme mit der HTML-Struktur verursacht. KI-Crawler wie GPTBot, ClaudeBot und PerplexityBot folgen denselben Empfehlungen.

Der direkte GEO-Effekt: Wenn ChatGPT gefragt wird "Welche Tools helfen bei SEO-Audits?" liest es schema.org-Daten aus indexierten Seiten. Ein SaaS mit vollständigem SoftwareApplication-Schema, das featureList, applicationCategory und offers enthält, wird als konkretes Tool mit definierten Eigenschaften erkannt. Eines ohne Schema ist nur eine generische Webseite. KI-Systeme bevorzugen klar klassifizierte Entitäten gegenüber unstrukturiertem Text.

Für den Google Knowledge Graph ist Organization-Schema der Einstiegspunkt. Wenn du dort als Unternehmen eingetragen werden möchtest, muss das Schema konsistent über alle Seiten hinweg denselben Namen, dieselbe URL und dasselbe Logo referenzieren. Inkonsistenzen — unterschiedliche Firmennamen in verschiedenen Blöcken — schwächen das Signal und verlangsamen die Knowledge-Graph-Aufnahme. Offiziell dokumentiert ist das JSON-LD-Format unter schema.org und developers.google.com.

Organization Schema: Wer du bist

Organization Schema gehört auf die Homepage und idealerweise als globales Schema in dein Layout. Es ist das einzige Schema das nicht seitenspezifisch ist — es beschreibt das Unternehmen als Ganzes. Wenn Nutzer bei ChatGPT fragen "Was macht Pantra?" zieht das KI-System die description und featureList aus Organization- und SoftwareApplication-Schema. Ohne diese Felder muss es den Fliesstext interpretieren, was zu Ungenauigkeiten führt.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Pantra",
  "url": "https://pantra.io",
  "logo": {
    "@type": "ImageObject",
    "url": "https://pantra.io/pantra-logo-transparent.png",
    "width": 400,
    "height": 100
  },
  "description": "GEO-, SEO- und Security-Audit-Tool fuer Indie Hacker, SaaS Founder und Agenturen",
  "foundingDate": "2025",
  "sameAs": [
    "https://twitter.com/pantraio"
  ],
  "contactPoint": {
    "@type": "ContactPoint",
    "contactType": "customer support",
    "email": "support@pantra.io"
  }
}

Die Pflichtfelder sind @context, @type, name und url. Optional aber stark empfohlen: logo (mit expliziten Dimensionen für das Google Knowledge Panel), description (klar, sachlich, 1-2 Sätze), foundingDate (für Vertrauen und Autorität), sameAs (Social-Media-Profile — verknüpft die Entität über Plattformen), contactPoint (für lokale und Unternehmens-Suchen). Das sameAs-Array ist besonders wertvoll: es sagt Google und KI-Systemen dass alle verlinkten Profile dieselbe Entität sind, was das Vertrauen erhöht.

Für SaaS mit physischer Adresse (Firmensitz, nicht nur Remote) empfiehlt sich zusätzlich ein address-Objekt mit PostalAddress. Für B2B-SaaS mit spezifischen Industriezuordnungen kann naics oder industry ergänzt werden. Halte Organization-Schema einfach und konsistent — dasselbe Schema über alle Seiten hinweg (z.B. in app/layout.tsx) statt leicht variierte Versionen pro Seite.

SoftwareApplication Schema: Was dein Produkt tut

SoftwareApplication ist der wichtigste Schema-Typ für SaaS-Sichtbarkeit in KI-Suchen. Wenn ein Nutzer bei Perplexity fragt "Welches Tool prüft meine GEO-Sichtbarkeit?" liest Perplexity SoftwareApplication-Schema aus allen indexierten Tools und vergleicht featureList, description und applicationCategory. Ein Tool ohne dieses Schema fehlt in dieser Auswahl komplett.

{
  "@context": "https://schema.org",
  "@type": "SoftwareApplication",
  "name": "Pantra",
  "url": "https://pantra.io",
  "applicationCategory": "BusinessApplication",
  "operatingSystem": "Web",
  "description": "GEO-, SEO- und Security-Audit-Tool mit KI-Sichtbarkeitsanalyse",
  "offers": {
    "@type": "Offer",
    "price": "79",
    "priceCurrency": "CHF",
    "priceValidUntil": "2027-01-01"
  },
  "featureList": [
    "GEO Audit fuer KI-Sichtbarkeit",
    "SEO Audit mit 14 Checks",
    "Security Audit",
    "Daily Monitoring",
    "Automatische Fix-Empfehlungen"
  ]
}

Die applicationCategory bestimmt wie dein Tool klassifiziert wird. schema.org definiert folgende Werte: BusinessApplication, DesignApplication, DeveloperApplication, EducationalApplication, GameApplication, MultimediaApplication, ProductivityApplication, SecurityApplication, UtilitiesApplication. Wähle den spezifischsten zutreffenden Wert — BusinessApplication für allgemeine SaaS-Tools, SecurityApplication für Security-spezifische Tools, DeveloperApplication für Developer-Tools.

aggregateRating ist verlockend, aber heikel. Es darf nur eingebunden werden wenn du verifizierbare Bewertungen von echten Nutzern auf einer erkennbaren Review-Plattform hast — G2, Capterra, Trustpilot oder ähnliches. Erfundene Zahlen verstoßen gegen die Google-Richtlinien und können zu Manual Actions führen. Warte bis du mindestens 10 verifizierte Reviews hast bevor du aggregateRating hinzufügst. Für priceValidUntil gilt dasselbe: setze es nicht auf ein vergangenes Datum — Google markiert veraltete Preise als falsch.

FAQPage Schema: Der wichtigste Schema-Typ für GEO

FAQPage-Schema funktioniert als direkter Datenfeed für KI-Suchen. Wenn ein Nutzer bei ChatGPT fragt "Wie funktioniert GEO?" sucht das System nach FAQPage-Schema-Einträgen mit passenden Fragen. Die acceptedAnswer wird dann direkt extrahiert und zitiert — mit oder ohne explizite Verlinkung zur Quellseite. Das ist ein fundamentaler Unterschied zu klassischem SEO: GEO-Zitierung geschieht auf Basis des Markups, nicht des Rankings.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Was ist GEO Optimierung?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "GEO (Generative Engine Optimization) ist die Optimierung einer Website
um in KI-Suchmaschinen wie ChatGPT, Perplexity und Google AI Overviews
zitiert zu werden. Im Unterschied zu klassischem SEO zielt GEO nicht auf
Google-Rankings sondern auf direkte KI-Empfehlungen."
      }
    },
    {
      "@type": "Question",
      "name": "Wie lange dauert ein Pantra-Audit?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Ein Pantra-Audit dauert typischerweise 5-15 Sekunden und laeuft
synchron im HTTP-Request ohne Warteschlange."
      }
    },
    {
      "@type": "Question",
      "name": "Welche KI-Plattformen analysiert Pantra?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Pantra misst die Sichtbarkeit auf ChatGPT, Perplexity AI, Claude
(Anthropic) und Google AI Overviews — die vier grossen KI-Such-
plattformen 2025."
      }
    }
  ]
}

Best Practices für FAQPage-Schema: Antworten sollten mindestens 30 Wörter haben — kurze Antworten wie "Ja." werden von KI-Systemen kaum zitiert. Formuliere Fragen so wie echte Nutzer sie stellen würden, nicht als SEO-Keyword-Konstrukte. Vermeide Antworten die nur aus internen Links bestehen. HTML in Antwort-Texten ist erlaubt aber wird von KI-Systemen meist ignoriert — schreibe Klartext.

Ein häufiger Fehler ist das Abweichen zwischen Schema-Inhalt und sichtbarem Seiteninhalt. Wenn dein FAQ-Schema Fragen enthält die auf der Seite nicht sichtbar sind, wertet Google das als Spam. Das Schema muss immer den tatsächlich sichtbaren Content widerspiegeln. Umgekehrt gilt: jede sichtbare FAQ auf der Seite sollte im Schema auftauchen.

HowTo Schema: Schritt-für-Schritt-Anleitungen für KI

HowTo-Schema ist besonders wertvoll für SaaS-Blogs mit Tutorial-Content. Wenn ein Nutzer bei Perplexity fragt "Wie erstelle ich eine llms.txt?" sucht das System nach HowTo-Schema mit passenden Schritten. Die step-Liste wird dann direkt als nummerierte Anleitung ausgegeben. Das ist ein direkter Traffic-Kanal: KI-Nutzer die deine Anleitung als Antwort erhalten, klicken häufiger auf die Quelle als bei regulären Suchresultaten.

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Wie du eine llms.txt erstellst",
  "description": "llms.txt in 8 Schritten erstellen fuer maximale KI-Sichtbarkeit",
  "totalTime": "PT15M",
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "Text-Editor oeffnen",
      "text": "Oeffne VS Code, Notepad oder einen beliebigen Text-Editor."
    },
    {
      "@type": "HowToStep",
      "position": 2,
      "name": "Firmenname als H1 schreiben",
      "text": "Beginne die Datei mit # Dein Firmenname als erste Zeile."
    },
    {
      "@type": "HowToStep",
      "position": 3,
      "name": "Kurzbeschreibung hinzufuegen",
      "text": "Schreibe eine Kurzbeschreibung als Blockquote:
> Was dein Unternehmen tut und fuer wen."
    },
    {
      "@type": "HowToStep",
      "position": 4,
      "name": "Hauptseiten auflisten",
      "text": "Fuge die wichtigsten URLs mit kurzer Beschreibung hinzu."
    },
    {
      "@type": "HowToStep",
      "position": 5,
      "name": "Datei als llms.txt speichern",
      "text": "Speichere die Datei unter dem exakten Namen llms.txt."
    },
    {
      "@type": "HowToStep",
      "position": 6,
      "name": "In public/ Ordner ablegen",
      "text": "Lege die Datei in den public/ Ordner deines Next.js-Projekts."
    },
    {
      "@type": "HowToStep",
      "position": 7,
      "name": "Deployment pruefen",
      "text": "Prüfe nach dem Deploy ob deinedomain.com/llms.txt erreichbar ist."
    },
    {
      "@type": "HowToStep",
      "position": 8,
      "name": "Mit Pantra validieren",
      "text": "Fuehre einen GEO-Audit auf pantra.io durch um die llms.txt zu validieren."
    }
  ]
}

totalTime nutzt das ISO-8601-Dauerformat: PT15M = 15 Minuten, PT1H30M = 1 Stunde 30 Minuten, P1D = 1 Tag. Das Feld ist optional, aber nützlich da KI-Systeme und Google es in Rich Results anzeigen. Schritte sollten eigenständig verständlich sein ohne den umgebenden Kontext. Vermeide Schritte die nur aus Links bestehen — der text-Wert muss die vollständige Handlungsanweisung enthalten.

HowTo-Schema kann mit Article-Schema kombiniert werden: Wenn dein Tutorial-Blog-Post eine Schritt-für-Schritt-Anleitung ist, füge beide Schema-Typen hinzu. Article beschreibt den Artikel als publiziertes Werk (mit Autor und Datum), HowTo beschreibt die enthaltene Anleitung. Mehrere script-Tags auf derselben Seite sind vollständig korrekt und von Google explizit erlaubt.

Article Schema: Blog und Content-Pages

Ohne Article-Schema behandelt Google deine Blog-Posts wie beliebige Webseiten. Mit Article-Schema werden datePublished und dateModified erkennbar — ein wichtiges Freshness-Signal für Googles Qualitätsalgorithmus. Für KI-Overviews ist dateModified besonders relevant: veralteter Content (über 12 Monate ohne Update) wird seltener zitiert als aktueller. Halte dateModified bei jedem inhaltlichen Update aktuell.

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "JSON-LD Schema fuer SaaS: Welches Markup du auf jeder Seite brauchst",
  "description": "Vollstaendiger Guide zu JSON-LD structured data fuer SaaS",
  "url": "https://pantra.io/learn/json-ld-schema-saas",
  "datePublished": "2026-06-01",
  "dateModified": "2026-06-25",
  "author": {
    "@type": "Organization",
    "name": "Pantra",
    "url": "https://pantra.io"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Pantra",
    "url": "https://pantra.io",
    "logo": {
      "@type": "ImageObject",
      "url": "https://pantra.io/pantra-logo-transparent.png"
    }
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://pantra.io/learn/json-ld-schema-saas"
  },
  "inLanguage": "de",
  "keywords": "JSON-LD, Schema.org, structured data, SaaS, GEO"
}

Wann welchen Typ nutzen: Article ist der allgemeinste Typ für redaktionellen Content. BlogPosting ist eine Unterklasse von Article, semantisch spezifischer für Blog-Einträge — funktioniert identisch, ist aber genauer für Blog-Software und Aggregatoren. TechArticle ist für technische Dokumentation und Guides — ideal für Developer-Blogs, API-Dokumentation und technische Tutorials. NewsArticle ist für journalistischen Content mit kurzer Halbwertszeit. Für SaaS-Blogs empfiehlt sich TechArticle für technische Guides und BlogPosting für allgemeine Insights.

Das inLanguage-Feld ist für mehrsprachige Sites kritisch. Es sagt Crawlern in welcher Sprache der Content ist, was für die richtige Sprachzuordnung in KI-Suchen relevant ist. Ohne inLanguage kann ein deutschsprachiger Artikel in englischsprachigen KI-Antworten erscheinen — unerwünscht für regionale Sichtbarkeit. Für deutschsprachigen Content: "de". Für Englisch: "en". Für Schweizerdeutsch-nahen Content: "de-CH".

BreadcrumbList Schema: Navigation für Crawler

BreadcrumbList hat zwei Nutzen gleichzeitig: erstens als Rich Result in Google (die URL in Suchergebnissen wird zu "pantra.io > Learn > JSON-LD Schema" statt "https://pantra.io/learn/json-ld-schema-saas") was die Klickrate typischerweise um 10-20% erhöht. Zweitens als Kontext-Signal für KI-Crawler: ein Artikel unter /learn/ wird als Lern-Content klassifiziert, einer unter /blog/ als Blog-Post. Diese Hierarchie-Information fliesst in die Einordnung des Contents ein.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Pantra",
      "item": "https://pantra.io"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Learn",
      "item": "https://pantra.io/learn"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "JSON-LD Schema fuer SaaS",
      "item": "https://pantra.io/learn/json-ld-schema-saas"
    }
  ]
}

Das letzte ListItem (die aktuelle Seite) kann das item-Feld weglassen — es ist optional für das letzte Element der Kette. Die position-Werte müssen aufsteigend und lückenlos sein. Der name-Wert sollte mit den sichtbaren Breadcrumb-Labels auf der Seite übereinstimmen — Abweichungen wertet Google als Diskrepanz zwischen Schema und sichtbarem Content.

Für dynamische Seiten (z.B. Glossar-Einträge, Blog-Posts) empfiehlt sich ein Schema-Generator der die BreadcrumbList serverseitig aus dem URL-Pfad generiert. In Next.js App Router funktioniert das sauber mit einer Hilfsfunktion die den pathname aufteilt und die Hierarchie rekonstruiert. Wichtig: alle item-URLs müssen tatsächlich existierende, erreichbare Seiten sein.

Welche Schema-Typen gehören auf welche Seite? Das vollständige SaaS-Setup

Mehrere JSON-LD-Blöcke auf einer Seite sind vollständig korrekt und von Google explizit empfohlen. Verwende für jeden Schema-Typ einen separaten script-Tag — das ist lesbarer, einfacher zu debuggen und entspricht der Empfehlung von schema.org. Ein Monolith-Block mit allen Schemas funktioniert technisch, ist aber schlechte Praxis.

export default function Page() {
  return (
    <>
      {/* Block 1: Organization */}
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(organizationJsonLd) }}
      />
      {/* Block 2: SoftwareApplication */}
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(softwareJsonLd) }}
      />
      {/* Block 3: FAQPage */}
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(faqJsonLd) }}
      />
      {/* Restlicher JSX-Content */}
      <main>...</main>
    </>
  )
}

In Next.js App Router empfiehlt sich die Konvention: alle JSON-LD-Objekte als Konstanten vor der Page-Funktion definieren, dann am Anfang der JSX-Rückgabe als script-Tags ausgeben. Das dangerouslySetInnerHTML mit JSON.stringify() ist der korrekte und sichere Weg für JSON-LD in React — die "dangerous"-Warnung gilt für User-Input, nicht für eigene Schema-Objekte.

JSON-LD validieren: 3 kostenlose Tools

Der Google Rich Results Test ist das primäre Validierungstool. Er zeigt dir genau welche Schema-Typen Google erkennt, welche Rich Results deine Seite qualifiziert und welche Warnungen oder Fehler vorhanden sind. Wichtig: Er testet die öffentlich erreichbare URL oder eine eingegebene Code-Snippet. Nutze ihn nach jedem Deploy der Schema-Änderungen enthält.

Der Schema.org Validator prüft ob deine Schema-Typen und Eigenschaften gültig nach schema.org-Spezifikation sind — unabhängig von Google-spezifischen Rich-Result-Anforderungen. Nützlich um sicherzustellen dass du die richtigen Property-Namen verwendest (z.B. "featureList" nicht "features").

Der JSON-LD Playground visualisiert die semantischen Verlinkungen deines Schemas als Graph. Nützlich um zu verstehen wie Entitäten miteinander verknüpft sind und ob sameAs-Verlinkungen korrekt funktionieren. Für einfache SaaS-Schemas ist es eher ein Bildungs-Tool als ein Pflicht-Schritt in der Validierungs-Pipeline.

Häufige Fehler bei JSON-LD und wie du sie vermeidest

Ein besonderer Fallstrick bei Next.js: Wenn JSON-LD-Objekte TypeScript-Typen mit nicht-JSON-serialisierbaren Werten enthalten (undefined, Functions, Circular References) wirft JSON.stringify() einen Fehler der einen Build-Error verursacht. Definiere alle JSON-LD-Objekte als einfache Record-Literale oder typisiere sie explizit als Record<string, unknown>. Verwende nie undefined als Wert in JSON-LD — nutze stattdessen null oder lasse das Feld komplett weg.

Wie Pantra JSON-LD im GEO-Audit prüft

Der Pantra GEO-Audit lädt die Ziel-URL und parst alle script[type="application/ld+json"]-Tags aus dem HTML. Er prüft dann ob die folgenden Schema-Typen vorhanden sind: Organization (Pflicht, -15 GEO-Punkte wenn fehlend), FAQPage (Pflicht für GEO, -20 Punkte wenn fehlend), SoftwareApplication (für SaaS empfohlen, -10 Punkte wenn fehlend), Article/TechArticle (auf Content-Seiten, -8 Punkte wenn fehlend), BreadcrumbList (strukturell wichtig, -5 Punkte wenn fehlend).

Zusätzlich prüft Pantra die Vollständigkeit: ein Organization-Schema ohne logo oder description erhält weniger Punkte als ein vollständig ausgefülltes. FAQPage-Schema ohne mainEntity oder mit weniger als 3 Q&A-Paaren wird als "unvollständig" eingestuft. Der GEO-Score beeinflusst direkt wie sichtbar eine Site in KI-Suchen ist — ein vollständiges Schema ist der schnellste und wirkungsvollste GEO-Hebel mit dem du anfangen kannst.

Pro Finding liefert Pantra einen Fix-Vorschlag: was genau fehlt, ein kopierbares Code-Template für den jeweiligen Schema-Typ und die erwartete GEO-Score-Verbesserung nach Implementierung. Das macht JSON-LD-Implementierung auch ohne Schema-Vorwissen umsetzbar — du kopierst den Code, füllst deine Werte ein und fügst ihn als script-Tag in deine Seite ein.

Häufige Fragen zu JSON-LD Schema