Review-Schema für AI Overviews: Kundenbewertungen in KI-Antworten nutzen

Definition: Review-Schema ist eine Form strukturierter Daten nach Schema.org, die Kundenbewertungen, Sternebewertungen und Rezensionen maschinenlesbar auszeichnet. KI-Systeme wie Google AI Overviews, ChatGPT und Perplexity nutzen diese Auszeichnung, um Bewertungsdaten zu extrahieren und in generierten Antworten zu zitieren. Fehlt dieses Markup, bleibt der gesamte Bewertungsinhalt für KI-Crawler unsichtbar.

Was ist Review-Schema — und warum kennt es die KI?

Review-Schema AI Overviews ist kein neues Konzept — aber seine Bedeutung hat sich grundlegend verschoben. Früher diente strukturiertes Bewertungs-Markup vor allem dazu, gelbe Sternchen in den Google-Suchergebnissen anzuzeigen. Heute ist es ein direkter Kanal zur KI: Wer sein Review-Schema korrekt implementiert, erhöht die Chance erheblich, dass ChatGPT, Perplexity oder Google AI Overviews die eigenen Kundenbewertungen in generierten Antworten verwenden und die Website als verlässliche Quelle zitieren.

Das Kern-Problem ist bekannt: Viele Website-Betreiber haben Kundenbewertungen auf ihrer Seite — aber ohne strukturierte Daten liest die KI sie schlicht nicht. HTML-Sternchen, JavaScript-Widgets oder eingebettete Google-Reviews sind für KI-Crawler weitgehend unsichtbar. Was fehlt, ist ein maschinenlesbares Signal, das der KI unmissverständlich mitteilt: „Hier sind 4,8 von 5 Sternen aus 247 verifizierten Kundenbewertungen für dieses Produkt.”

Laut Search Engine Land erscheinen Seiten mit vollständig implementiertem Schema-Markup 36 % häufiger in KI-generierten Zusammenfassungen und AI Overviews als Seiten ohne strukturierte Daten. (Search Engine Land, 2025)

So liest die KI deine strukturierten Bewertungsdaten

KI-Systeme arbeiten nicht wie Menschen. Sie folgen keinen Links zu Bewertungsplattformen, sie scrollen nicht durch Produktseiten — sie lesen strukturierte JSON-LD-Blöcke direkt aus dem Quellcode deiner Seite. Fehlt dieses Markup, existiert die Bewertungsinformation für die KI faktisch nicht.

Der Unterschied zwischen einer Seite mit und ohne Review-Schema ist messbar: In einem kontrollierten Experiment von Search Engine Land erschien ausschließlich die Seite mit korrekt implementiertem JSON-LD in einem Google AI Overview und belegte gleichzeitig organisch Position 3. Die Variante ohne Schema-Markup wurde hingegen nie als Quelle für die KI-Antwort herangezogen. (Search Engine Land, 2025)

Wie Schema.org-Markup generell die KI-Lesbarkeit beeinflusst und welche technischen Grundlagen dabei gelten, erklärt der Beitrag zu Schema.org Markup für KI-Modelle und strukturierte Daten.

Drei Verarbeitungsebenen der KI

1. Extraktion: Die KI liest das JSON-LD und identifiziert Entitäten (Produkt, Bewertung, Bewertender, Datum).
2. Validierung: Es wird geprüft, ob die Daten plausibel, konsistent und mit dem sichtbaren Seiteninhalt übereinstimmend sind.
3. Integration: Valide Bewertungsdaten fließen in generierte Antworten und AI Overviews ein und werden als vertrauenswürdiges Signal gewertet.

Die 5 wichtigsten Schema-Typen für AI Overviews

Nicht jedes Schema wirkt gleich stark. Für Bewertungen empfiehlt Schema.org eine Kombination aus mehreren Typen — je nach Seitenkontext und Unternehmensart:

Schema-Typ	Einsatzbereich	Pflichtfelder für KI-Sichtbarkeit
Review	Einzelne Rezension mit Text, Autor und Datum	reviewRating, author, reviewBody
AggregateRating	Durchschnittsbewertung (z. B. 4,8/5 aus 247 Bewertungen)	ratingValue, reviewCount, bestRating
Product	Produkt- und Dienstleistungsseiten	name, aggregateRating
LocalBusiness	Lokale Unternehmen (Google Maps + AI Overviews)	name, address, aggregateRating
Organization	Marken- und Unternehmensdarstellungen	name, url, aggregateRating

Die stärkste Kombination für maximale KI-Sichtbarkeit ist: Product oder LocalBusiness als übergeordneter Typ, ergänzt durch AggregateRating und mindestens einem vollständigen Review-Objekt mit ausgefülltem reviewBody. Nur so stellt die KI einen inhaltlichen Bezug her.

Review-Schema richtig implementieren: JSON-LD Schritt für Schritt

Das empfohlene Format ist JSON-LD im <script type="application/ld+json">-Tag im <head> der Seite. Microdata und RDFa werden von KI-Systemen schlechter verarbeitet und sind fehleranfälliger bei Updates.

Ein Minimalbeispiel für ein Produkt mit Bewertungen:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "SEO-Analyse-Tool",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "247",
    "bestRating": "5",
    "worstRating": "1"
  },
  "review": {
    "@type": "Review",
    "reviewRating": {
      "@type": "Rating",
      "ratingValue": "5"
    },
    "author": {
      "@type": "Person",
      "name": "Maria K."
    },
    "reviewBody": "Das Tool hat unsere KI-Sichtbarkeit in drei Wochen von 18 auf 74 Punkte gebracht.",
    "datePublished": "2025-03-15"
  }
}