Author-Schema und By-Line-Markup für mehr KI-Zitierungen

Definition: Author-Schema ist ein strukturiertes Datenformat auf Basis von schema.org/Person, das KI-Systemen und Suchmaschinen maschinenlesbar mitteilt, wer den Inhalt einer Webseite verfasst hat — inklusive Name, Qualifikationen, Profillinks und Expertisefeldern. Es gilt als direktes Signal für die E-E-A-T-Bewertung und beeinflusst, wie häufig generative KI-Modelle eine Seite als Quelle zitieren.

Warum KI-Modelle zunehmend auf Autorenschaft achten

Wenn ChatGPT, Perplexity oder Google AI Overviews eine Antwort formulieren, greifen sie nicht zufällig auf Quellen zurück. Hinter jedem zitierten Link steht eine Entscheidung — und ein zentrales Kriterium dieser Entscheidung ist die Autorenschaft. Genau hier setzt Author-Schema an.

KI-Modelle wurden auf Milliarden von Texten trainiert, in denen die Glaubwürdigkeit einer Aussage eng mit dem Verfasser verknüpft ist. Ein Named Entity — also eine namentlich ausgewiesene Person mit belegbaren Qualifikationen — wirkt für KI wie ein Vertrauensanker. Fehlt dieser Anker, muss das Modell die Expertise aus dem Fließtext ableiten. Das ist fehleranfällig. Im Zweifel weicht die KI auf eine besser strukturierte Konkurrenzquelle aus.

By-Line-Markup löst dieses Problem: Es bündelt alle relevanten Autoreninformationen an einem maschinenlesbaren Ort — im <script type="application/ld+json">-Block der Seite — und macht sie für jedes KI-System sofort auswertbar.

Person-Schema: Was das Markup technisch leistet

Das schema.org/Person-Objekt wird als author-Property innerhalb eines Article-, BlogPosting- oder NewsArticle-Schemas eingebettet. Die wichtigsten Felder und ihre KI-Relevanz im Überblick:

Feld	Zweck	KI-Relevanz
name	Vollständiger Autorenname	Basis-Entity für Wiedererkennung
url	Profilseite des Autors	Auflösung als eigenständige Entität
sameAs	LinkedIn, Wikidata, Institutionen	Cross-Referenzierung für Autorität
jobTitle	Berufsbezeichnung	Fachliche Einordnung
knowsAbout	Themenfelder der Expertise	Thematische Relevanz-Zuordnung
affiliation	Organisation / Arbeitgeber	Trust-Signal über Zugehörigkeit

Ein Minimalbeispiel in JSON-LD:

{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "headline": "Author-Schema und KI-Zitierungen",
  "author": {
    "@type": "Person",
    "name": "Maria Müller",
    "url": "https://example.de/ueber-uns/maria-mueller",
    "sameAs": [
      "https://www.linkedin.com/in/mariamueller",
      "https://www.wikidata.org/wiki/Q12345"
    ],
    "jobTitle": "SEO-Strategin",
    "knowsAbout": ["GEO", "Generative Engine Optimization", "Strukturierte Daten"]
  }
}