Strukturierte Daten

Was sind strukturierte Daten?

Menschen können aus einer Seite oft sofort erkennen: Das ist ein Unternehmen, hier steht eine Telefonnummer, dort eine Veranstaltung und darunter ein Preis. Maschinen müssen solche Bedeutungen aus Text und HTML ableiten.

Strukturierte Daten ergänzen explizite semantische Angaben. Mit Schema.org kann eine Website beispielsweise sagen: Diese Entität ist eine Organization, ihr Name lautet X, ihre URL ist Y und diese Person ist Gründer.

Schema.org als gemeinsames Vokabular

Schema.org stellt ein umfangreiches Vokabular aus Typen und Eigenschaften bereit. Es wird von verschiedenen Suchmaschinen und Anwendungen verwendet und kann in mehreren Serialisierungsformaten eingebettet werden, unter anderem JSON-LD, Microdata und RDFa.

Für moderne Webprojekte ist JSON-LD häufig besonders praktisch, weil die semantischen Daten als eigener Scriptblock ausgegeben werden können, ohne jedes HTML-Element direkt mit Microdata-Attributen zu versehen.

Beispiel mit JSON-LD

In realen Implementierungen sollten nur korrekte und passende Eigenschaften verwendet werden.

Was sagt Google?

Google dokumentiert strukturierte Daten als Möglichkeit, Inhalte einer Seite besser zu verstehen und für bestimmte Darstellungsformen in Suchergebnissen – sogenannte Rich Results – bereitzustellen. Nicht jedes Schema.org-Markup führt jedoch zu einem Rich Result.

Google unterstützt nur bestimmte strukturierte Datentypen für konkrete Search Features. Schema.org ist deutlich breiter als Googles Rich-Result-Galerie.

Forschung und semantische Webdaten

Wissenschaftliche Arbeiten zu Schema.org beschreiben das Vokabular als de-facto-Standard für semantische Webannotation, weisen aber auch auf Herausforderungen bei semantischer Konsistenz und korrekter Auswahl von Typen und Eigenschaften hin.

Das ist relevant für die Praxis: Viel Markup ist nicht automatisch gutes Markup. Eine falsche Entität oder semantisch unpassende Property kann Maschinen eher verwirren als helfen.

Typische strukturierte Daten für Unternehmenswebsites

• Organization beziehungsweise passende Untertypen,
• Person,
• BreadcrumbList,
• Article,
• Product, falls tatsächlich Produktdaten vorliegen,
• FAQPage, sofern die Plattform das Markup fachlich und aktuell unterstützt,
• DefinedTerm und DefinedTermSet für Glossare.

Strukturierte Daten und GEO

Strukturierte Daten passen konzeptionell gut zu GEO, weil sie Entitäten und Beziehungen explizit machen. Daraus darf aber keine unbelegte Behauptung entstehen, jedes generative System würde Schema.org direkt als Rankingfaktor nutzen.

Für Google sind konkrete strukturierte Daten dokumentiert. Für andere KI-Systeme muss die Wirkung separat betrachtet werden. Der sichere Nutzen liegt zunächst in einer saubereren maschinenlesbaren Informationsstruktur.

Typische Fehler

• Markup beschreibt Inhalte, die auf der Seite gar nicht sichtbar sind.
• falscher Schema-Typ wird nur wegen eines gewünschten Rich Results verwendet.
• Organisation und lokale Niederlassung werden ohne klare Identität vermischt.
• mehrere widersprüchliche JSON-LD-Blöcke erzeugen unklare Beziehungen.
• Markup wird nach Websiteänderungen nicht aktualisiert.

Wie validiert man strukturierte Daten?

Schema.org stellt einen Schema Markup Validator bereit. Für Google-spezifische Rich Results existiert zusätzlich der Rich Results Test. Beide beantworten unterschiedliche Fragen: semantische beziehungsweise syntaktische Schema.org-Nutzung einerseits und Google-Feature-Eignung andererseits.

Markup sollte aus einer Datenquelle entstehen

Wenn sichtbarer Unternehmensname, Öffnungszeiten und JSON-LD aus verschiedenen manuellen Quellen gepflegt werden, entstehen leicht Widersprüche. Besser ist, strukturierte Daten aus denselben verlässlichen Stammdaten zu generieren wie die sichtbare Seite.

Das gilt besonders für große Websites: Automatisierung ist sinnvoll, wenn Templates semantisch korrekt modelliert sind und Validierung Teil des Deployments wird. Automatisiert falsches Schema skaliert Fehler genauso gut wie richtige Daten.

Fazit

Strukturierte Daten übersetzen Inhalte in explizite maschinenlesbare Aussagen. Ihr Wert liegt vor allem in sauberer Semantik: korrekte Entitäten, passende Properties und Konsistenz mit dem sichtbaren Inhalt. Sie sind ein technischer Baustein von SEO und semantischer Informationsarchitektur – kein automatischer Ranking-Booster.