Open Graph Markup & Schema.org: Strukturierte Metadaten für KI
Definition: Open Graph Markup und Schema.org sind zwei ergänzende Metadaten-Standards, die Webinhalte maschinenlesbar machen. Open Graph steuert Linkvorschauen auf sozialen Plattformen; Schema.org beschreibt Inhalte semantisch für Suchmaschinen und KI-Systeme. Beide Standards zusammen liefern Sprachmodellen wie ChatGPT Search, Perplexity und Google AI Overviews die strukturierte Grundlage, um Seiteninhalte korrekt einzuordnen und als verlässliche Quelle zu zitieren.
Was KI-Systeme aus deinen Metadaten wirklich lesen
Wer Open Graph Markup und Schema.org auf seiner Website einsetzt, sendet zwei unterschiedliche Signalschichten aus – und beide beeinflussen die KI-Sichtbarkeit. Viele Website-Betreiber setzen überhaupt keine strukturierten Metadaten ein und verstehen nicht, warum KI-Suchmaschinen ihre Inhalte falsch kategorisieren oder gar nicht zitieren.
Das Problem liegt in der Verarbeitungslogik moderner KI-Systeme: Sie kombinieren sichtbaren Text mit semantischen Signalen aus Metadaten-Standards, um Entitäten zu erkennen, Inhaltstypen zuzuordnen und Vertrauensniveaus zu bewerten. Fehlen diese Signale, ist Fehlklassifikation wahrscheinlich – die Seite wird womöglich als generisches Dokument statt als Produktseite, Fachartikel oder lokales Unternehmen eingestuft.
Laut einer Analyse von W3Techs nutzen 51,25 % aller untersuchten Webseiten bereits strukturierte Daten (Stand 2024). Gleichzeitig erscheinen Rich Snippets nur bei 36,6 % aller Google-Suchanfragen – ein deutliches Zeichen, dass korrekte Implementierung noch immer die Ausnahme und nicht die Regel ist. (Search Engine Land, 2025)
Für GEO (Generative Engine Optimization) sind Metadaten keine optionale Ergänzung. Sie sind das Vokabular, in dem du mit KI-Systemen kommunizierst. Das geaio Analyse-Tool misst die KI-Sichtbarkeit einer Website und prüft unter anderem, ob strukturierte Metadaten korrekt und vollständig eingesetzt werden.
Open Graph vs. Schema.org — was macht den Unterschied?
Open Graph wurde 2010 von Meta entwickelt, um Linkvorschauen in sozialen Netzwerken zu steuern. Beim Teilen eines Links lesen Plattformen wie LinkedIn, Facebook oder Slack die Tags og:title, og:description und og:image aus dem <head>-Bereich der Seite. Dieser Standard ist weit verbreitet, deckt aber nur die Darstellungsebene ab.
Schema.org ist ein offenes Vokabular, das Google, Microsoft, Yahoo und Yandex gemeinsam entwickeln und pflegen. Es beschreibt nicht Darstellung, sondern Bedeutung: Wer ist der Autor? Handelt es sich um eine FAQ-Seite oder eine Produktseite? Welche Adresse hat das Unternehmen?
| Merkmal | Open Graph | Schema.org (JSON-LD) |
|---|---|---|
| Zweck | Linkvorschauen | Semantische Beschreibung |
| Gelesen von | Social Plattformen | Suchmaschinen, Wissensgraphen |
| Format | <meta>-Tags im <head> | JSON-LD <script>-Block |
| KI-Relevanz | Mittelbar | Direkt (Entity-Signale) |
| Pflichtfelder | title, description, image | Typ-abhängig |
Für die KI-Sichtbarkeit ist Schema.org das entscheidendere Format. Open Graph sorgt für konsistente Darstellung beim Teilen von Inhalten; Schema.org liefert KI-Systemen und Wissensgraphen die tatsächliche semantische Einordnung. Beide Schichten sollten inhaltlich konsistent sein – weicht og:title erheblich vom Article.headline ab, entsteht ein Vertrauensproblem für crawlende Systeme. Die technischen Grundlagen zu Schema.org erklärt unser Beitrag zu Schema.org Markup für KI-Modelle und strukturierte Daten.
Die 5 wichtigsten Schema-Typen für KI-Zitierungen
Nicht jeder Schema-Typ hat die gleiche Wirkung auf KI-Sichtbarkeit und Rich Snippets. Diese fünf liefern den stärksten Hebel:
Organization
Beschreibt das Unternehmen als Entität: Name, URL, Logo, Kontaktdaten und Social-Profile-Links. Google und Bing nutzen diese Daten, um Knowledge Panels zu befüllen und Markenentitäten eindeutig zuzuordnen. Ohne Organization-Markup können KI-Systeme einen Firmennamen nicht zuverlässig einer Domain zuordnen – besonders problematisch bei neuen oder wenig bekannten Marken.
Article
Kennzeichnet redaktionelle Inhalte mit Autor, Erscheinungsdatum (datePublished) und Aktualisierungsdatum (dateModified). Für E-E-A-T-Signale ist dieses Markup zentral: KI-Systeme gewichten Inhalte mit klarer Autorenschaft und aktuellem Datum messbar höher. Fehlt dateModified, kann ein frisch überarbeiteter Artikel trotzdem als veraltet eingestuft werden.
FAQPage
Listet Fragen und Antworten maschinenlesbar auf. Der Typ FAQPage erzielt erfahrungsgemäß die höchste direkte Zitierrate durch Sprachmodelle, weil sie bevorzugt Frage-Antwort-Strukturen als verlässliche Quellen extrahieren. Ein Blog-Beitrag mit FAQ-Abschnitt kann gleichzeitig Article und FAQPage implementieren – beide Typen lassen sich problemlos verschachteln.
Product
Enthält Preis, Verfügbarkeit, Bewertungen und SKU. ChatGPT Search und Google Shopping nutzen Product-Markup direkt für Produktkarten in generativen Antworten. Die Zahl der Websites mit Product-Annotation wuchs von 581.000 im Jahr 2017 auf über 3,3 Millionen – ein Wachstum von 570 %. (WebDataCommons, 2024)
LocalBusiness
Für lokal agierende Unternehmen unverzichtbar: Adresse, Öffnungszeiten, Telefonnummer und Geo-Koordinaten. Fehlt dieses Markup, können lokale KI-Suchanfragen die Seite nicht korrekt einordnen. Wie Entitäten im Allgemeinen die Sichtbarkeit in Wissensgraphen beeinflussen, erklärt unser Beitrag zu Entitäten, Knowledge Graph und KI-Sichtbarkeit.
Bonus: BreadcrumbList
Navigationspfade (BreadcrumbList) helfen KI-Systemen, die Hierarchie einer Website zu verstehen und Inhalte in den richtigen Kontext einzuordnen. Besonders bei tieferen Seitenarchitekturen ist dieses Markup ein einfacher, aber wirksamer Hebel – und eine der Voraussetzungen für Breadcrumb-Rich-Snippets in den Suchergebnissen.
Häufige Fehler, die Rich Snippets blockieren
Obwohl 72,6 % der Seiten auf Googles erster Suchergebnisseite Schema-Markup einsetzen, macht ein Großteil der Website-Betreiber dieselben Implementierungsfehler immer wieder. (Sixth City Marketing, 2025) Die Folge: Google ignoriert das Markup, Rich Snippets erscheinen nicht, und KI-Systeme erhalten kein verlässliches Vertrauenssignal.
1. Fehlende Pflichtfelder: Bei FAQPage wird häufig das Objekt acceptedAnswer vergessen. Bei Article fehlt oft datePublished. Fehlen Pflichtfelder, ignoriert Google das gesamte Schema-Objekt stillschweigend.
2. Schema ohne passenden Seiteninhalt: Ein Bewertungs-Markup ohne sichtbare Sternebewertung auf der Seite führt zur sofortigen Ablehnung. Informationen im Schema müssen immer auch im sichtbaren Text der Seite vorhanden sein.
3. Widersprüchliche Preisangaben: Weicht der Preis im Product-Schema vom angezeigten Preis ab, entzieht Google das Rich Snippet. Die Folge: keine erhöhte Klickrate, keine KI-Einbindung in Produktantworten.
4. Kein dateModified: KI-Systeme bevorzugen aktuelle Quellen. Fehlt das Änderungsdatum, wirkt ein Artikel veraltet – selbst wenn er letzte Woche grundlegend überarbeitet wurde.
5. Nur ein Schema-Typ pro Seite: Eine Seite kann und sollte mehrere Typen kombinieren. Ein Fachbeitrag mit FAQ-Abschnitt profitiert gleichzeitig von Article und FAQPage – beide in einem JSON-LD-Block.
Fazit: Metadaten als Vertrauenssignal für KI
Open Graph Markup und Schema.org sind die zwei wichtigsten Metadaten-Schichten für die KI-Sichtbarkeit einer Website. Open Graph sorgt für konsistente Darstellung überall dort, wo Inhalte geteilt werden. Schema.org liefert den direkten Hebel für Rich Snippets, Knowledge Panels und KI-Zitierungen.
Laut aktuellen Auswertungen steigert korrektes Schema-Markup die KI-Zitierungen um 44 % und erhöht die Klickrate um 30 % gegenüber unstrukturierten Suchergebnissen. (Vicki Larson / Medium, 2025; Tonic Worldwide, 2026) Die Implementierung beginnt mit den fünf zentralen Typen: Organization, Article, FAQPage, Product und LocalBusiness. Ergänzt durch konsistente Open Graph Tags und eine BreadcrumbList entsteht ein vollständiges Metadaten-Fundament, das Sprachmodellen die Einordnung deiner Inhalte erheblich erleichtert.
Den aktuellen Stand der KI-Sichtbarkeit deiner Website – inklusive automatischer Metadaten-Prüfung – zeigt der geaio Score auf einen Blick.
Häufig gestellte Fragen
Was ist der Unterschied zwischen Open Graph und Schema.org Markup?
Open Graph (og:-Tags) steuert, wie Links auf sozialen Plattformen wie LinkedIn oder Facebook dargestellt werden. Schema.org beschreibt Inhalte semantisch für Suchmaschinen und KI-Systeme. Für die KI-Sichtbarkeit ist Schema.org das wichtigere Format; beide sollten aber konsistent zusammenwirken, da Widersprüche zwischen den Feldern als Vertrauenssignal gewertet werden.
Welcher Schema-Typ ist für KI-Zitierungen am effektivsten?
FAQPage und Article erzielen die höchste direkte Zitierrate durch Sprachmodelle, weil sie klar strukturierte, faktenbasierte Informationen bereitstellen. Für lokale Unternehmen ist zusätzlich LocalBusiness entscheidend, für Online-Shops Product.
Liest ChatGPT JSON-LD direkt aus dem Quellcode?
Untersuchungen aus 2025 (SearchVIU) zeigen, dass AI-Chatbots <script>-Tags beim direkten URL-Abruf herausfiltern. Schema.org wirkt daher überwiegend indirekt – über Googles Wissensgraphen, Bing-Indexierung und Trainingsdaten. Der messbare Effekt auf KI-Sichtbarkeit und Zitierungen bleibt dennoch klar belegt.
Wie prüfe ich, ob mein Schema-Markup korrekt implementiert ist? Das Google Rich Results Test Tool zeigt fehlerhafte JSON-LD-Implementierungen und fehlende Pflichtfelder sofort an. Für eine vollständige Analyse aller KI-Sichtbarkeitssignale – inklusive Metadaten, Open Graph und Entitätserkennung – steht das geaio Analyse-Tool zur Verfügung.