JSON-LD und strukturierte Daten: Warum sie für ChatGPT, Perplexity und Gemini nicht ausreichen

Strukturierte Daten werden von generativen KIs nicht auf die gleiche Weise gelesen

JSON-LD und strukturierte Schemas (Schema.org) ermöglichen es Google seit Jahren, Ihre Inhalte zu verstehen. Allerdings verarbeiten ChatGPT, Perplexity, Gemini und Claude sie anders. Diese KI-Engines analysieren das rohe HTML, extrahieren den semantischen Kontext, bevorzugen aber nicht unbedingt strukturierte Auszeichnungen wie der traditionelle SEO-Algorithmus. Viele Marken entdecken zu spät, dass ihre einwandfreien strukturierten Daten keine Zitierung oder Empfehlung seitens der KI-Assistenten generieren. Der Grund: Diese Modelle gewichten lesbaren Textinhalt, den umgebenden Kontext und die Autorität der Domain stärker als isolierte JSON-LD-Tags.

Warum KI-Engines Ihr JSON-LD ignorieren oder falsch interpretieren

JSON-LD wird oft ignoriert, wenn es unvollständige oder inkonsistente Daten enthält

Generative KIs verlassen sich nicht absolut auf strukturierte Tags. Wenn Ihr JSON-LD eine Adresse, eine Telefonnummer oder Preise enthält, der sichtbare Text der Seite aber widersprüchliche oder detailliertere Informationen enthält, neigen die Modelle dazu, den lesbaren Text zu priorisieren. Sie wenden eine Art interne Konsistenzprüfung an: Wenn Tag und Inhalt nicht übereinstimmen, werden sie skeptisch.

Der textliche Kontext hat Vorrang vor Metadaten

Anders als Google, das strukturierte Daten extrahiert und in separaten Feldern indexiert, funktionieren generative KIs nach dem Prinzip des kontextuellen Verständnisses. Sie lesen Ihre Seite wie ein menschlicher Nutzer: Titel, Absätze, Listen, dann Tags. Wenn Ihr JSON-LD angibt, dass Sie ein Restaurant mit einer Bewertung von 4,8 Sternen sind, aber nirgends im sichtbaren Text diese Bewertung erwähnen, kann die KI das strukturierte Datum ignorieren und eine Antwort erfinden oder es gar nicht zitieren.

Die Formate variieren je nach KI: Manche parsen das Standard-JSON-LD nicht

Perplexity und Claude verwenden manchmal Crawler, die textlichen HTML-Inhalt bevorzugen. Gemini, ein Google-Produkt, berücksichtigt JSON-LD stärker, aber selbst bei Google beeinflussen strukturierte Daten die Antwortgenerierung nicht auf die gleiche Weise wie das Suchranking. ChatGPT, wenn es keinen direkten Webzugriff hat (je nach Version), erhält vorverarbeitete Inhaltsauszüge, in denen die strukturierte Auszeichnung teilweise verloren gehen kann.

Wie ChatGPT, Perplexity, Gemini und Claude Ihre strukturierten Tags tatsächlich verarbeiten

ChatGPT: Bing-Integration und Priorität für lesbaren Inhalt

ChatGPT mit Internetzugang stützt sich teilweise auf Bing für Inhaltsquellen. JSON-LD wird nicht systematisch zur Extraktion von Antworten verwendet. Stattdessen indexiert ChatGPT den Haupttext und stellt logische Verbindungen her. Wenn Sie in Ihrem Text ausdrücklich erwähnen "Unser Produkt kostet 49 Euro" und diesen Preis auch in JSON-LD auszeichnen, wird ChatGPT Ihre Seite wahrscheinlich zitieren. Wenn es jedoch nur die strukturierte Auszeichnung ohne klaren textlichen Kontext gibt, wird die KI Ihren Inhalt nicht gut verstehen und ihn nicht empfehlen.

Perplexity: Bedeutung von Textdichte und klaren Zitierungen

Perplexity erstellt seine Antworten, indem es Quellen ausdrücklich zitiert. Es analysiert den zugänglichen Inhalt und sucht nach Passagen, die der Nutzer überprüfen kann. JSON-LD allein erscheint nie in einer Perplexity-Antwort, da dieses Tool darauf ausgelegt ist, greifbare Belege zu zeigen. Ein gut geschriebener und informativer Absatz hingegen, selbst ohne strukturierte Auszeichnung, wird zitiert. Das bedeutet, dass für Perplexity ein klarer, gut organisierter und detailreicher Text wichtiger ist als ein perfektes JSON-LD.

Gemini: bessere Unterstützung von JSON-LD, aber nicht automatisch

Gemini, ein Google-Produkt, profitiert von der Integration in Google Search und berücksichtigt strukturierte Daten stärker. Dies aktiviert jedoch nicht automatisch Zitierungen. Gemini liest den Inhalt stets in seiner Gesamtheit. Ein korrekt implementiertes LocalBusiness-Schema hilft Gemini, Ihren Kontext besser zu verstehen, erzwingt aber keine Empfehlung. Die Konsistenz zwischen Ihren Metadaten und Ihrem Inhalt bleibt entscheidend.

Claude: tiefe Textanalyse, wenig Stützung auf Metadaten

Claude funktioniert wie ein sehr aufmerksamer Leser des Rohtextes. Es crawlt keine Seiten direkt, sondern erhält Inhalte über Integrationen. Seine Inhaltsanbieter (wie Anthropics API oder Integrationsquellen) liefern in der Regel formatierten Text statt rohes HTML mit JSON-LD. Folglich hängt Claude vollständig von der Klarheit und Struktur des sichtbaren Textes ab.

Wann JSON-LD für KIs tatsächlich nützlich ist

Für klar definierte Entitäten (Unternehmen, Veranstaltungen, Produkte)

JSON-LD bleibt effektiv, wenn es eine klare Entität beschreibt und der Text dies bestätigt. Wenn Sie beispielsweise eine SEO-Agentur mit Sitz in Paris sind und ein Organization-Schema mit Ihrer Adresse, Telefonnummer und Website einfügen, erkennen KIs Ihren Tätigkeitsbereich leichter. Dies verbessert die Chancen, dass Gemini oder ein zukünftiges KI-Empfehlungssystem Sie als Autorität zum Thema nennt.

Für die Anreicherung von Sprach- und visuellen Suchergebnissen

Konversationelle KIs, die in Sprachassistenten (Alexa, Google Assistant, Siri) integriert sind, stützen sich stärker auf strukturierte Daten. Wenn Sie diese Plattformen zusätzlich zu ChatGPT anvisieren, wird JSON-LD strategisch. Für textliche Antwort-Engines wie Perplexity oder Claude ist der Einfluss jedoch begrenzt.

Für die Disambiguierung und Kreuzvalidierung

Wenn eine KI auf eine mehrdeutige Anfrage stößt (zum Beispiel kann "Paris" die Stadt oder die mythologische Figur sein), helfen strukturierte Daten bei der Disambiguierung. Ein korrekt formatiertes JSON-LD sagt dem System: "Wir sprechen von der Stadt Paris, mit diesem Breiten- und Längengrad." Dies verbessert die Relevanz der Antworten.

GEO-spezifische Anpassungen, um Ihre Daten für KIs attraktiver zu machen

1. Erweitern Sie Ihren sichtbaren Text mit ergänzenden Informationen zum JSON-LD

Verlassen Sie sich nicht allein auf JSON-LD. Jedes wichtige Datum (Adresse, Öffnungszeiten, Preise, Spezialitäten) muss klar im lesbaren Inhalt erscheinen. Erstellen Sie eigene Abschnitte: "Unsere Öffnungszeiten" (mit Text), "Unsere Preise" (mit Details), "Unser Standort" (mit geografischem Kontext). Die KIs werden diese Abschnitte lesen und sie mit der strukturierten Auszeichnung für ein doppeltes Verständnis verknüpfen.

2. Verwenden Sie verschachtelte Schemas für geografischen und branchenspezifischen Kontext

Statt eines einfachen LocalBusiness-Schemas verschachteln Sie spezialisierte Schemas: LocalBusiness + ProfessionalService für eine Arztpraxis, LocalBusiness + Restaurant für eine Gaststätte. Fügen Sie Geo-Eigenschaften wie GeoShape oder Place hinzu, um Ihr Abdeckungsgebiet präzise abzugrenzen. Dies hilft KIs, Ihr Angebot geografisch zu kontextualisieren.

3. Validieren Sie die Konsistenz zwischen JSON-LD und sichtbarem Inhalt

Regelmäßiges Audit: Überprüfen Sie, dass die Informationen im JSON-LD genau mit dem sichtbaren Inhalt übereinstimmen. Wenn Ihr Schema "Montag-Freitag 9-18 Uhr" angibt, Ihre Seite aber "Geöffnet 8-19 Uhr" erwähnt, erkennen die KIs die Inkonsistenz und vertrauen Ihrem Inhalt weniger. Verwenden Sie Tools wie den Rich Results Test von Google, um zu prüfen, ob Ihre Auszeichnung gültig ist, und vergleichen Sie dann manuell mit dem Text.

4. Erstellen Sie einzigartigen Inhalt rund um Ihre strukturierten Daten

Einen Artikel von 300-500 Wörtern zu verfassen, der Ihr lokales Angebot detailliert beschreibt, ist effektiver als ein isoliertes JSON-LD. Wenn Sie beispielsweise ein Klempner in Lyon sind, zeichnen Sie nicht nur Ihren Service als LocalBusiness aus. Schreiben Sie auch: "Notfallservice in Lyon: Wir decken die 9 Arrondissements ab, rund um die Uhr verfügbar" mit konkreten Details. Dies gibt KIs reichhaltigen Kontext, um Sie zu empfehlen.

5. Fügen Sie Zitate und soziale Beweise in den sichtbaren Text ein

Generative KIs schätzen Belege. Anstatt sich auf eine Schema-Review-Bewertung zu verlassen, erwähnen Sie ausdrücklich: "Unsere Kunden geben uns durchschnittlich 4,8 Sterne auf Google (150+ Bewertungen)" oder "Sehen Sie unsere Projekte in unserem Portfolio." Verlinken Sie auf zuverlässige externe Quellen. Dies stärkt Ihre Glaubwürdigkeit für KI-Engines.

6. Strukturieren Sie Ihre FAQs mit einem FAQPage-Schema + detailliertem Inhalt

Das FAQPage-Schema in JSON-LD wird von einigen KIs ignoriert, aber Perplexity und Gemini suchen aktiv nach FAQ-Abschnitten. Zeichnen Sie Ihre FAQ in JSON-LD für Google aus, aber strukturieren Sie Ihre Fragen und Antworten auch sehr lesbar und detailliert. Die KIs werden den sichtbaren Text lesen und Ihre Antworten als Quellen zitieren.

Reeller Anwendungsfall: Wie KIs eine LocalBusiness-Auszeichnung verarbeiten

Betrachten Sie eine Zahnarztpraxis in Marseille. Ihr JSON-LD enthält: Name, Adresse, Telefon, Öffnungszeiten, Preise, angebotene Leistungen. Hier ist, was jede KI tut:

Perplexity: Crawlt die Seite, ignoriert das JSON-LD vollständig, sucht nach lesbarem Text, der zahnärztliche Leistungen, Preise oder Bewertungen erwähnt. Es wird einen Absatz wie "Dr. Martin bietet Zahnreinigungen für 80 Euro an" zitieren, aber niemals die strukturierte Auszeichnung erwähnen.

Gemini: Verwendet das JSON-LD, um sein Verständnis des Bereichs (Zahnarzt, Marseille, Leistungen) zu erweitern. Generiert eine Antwort, die dieses Verständnis mit dem textlichen Inhalt kombiniert. Wenn Text und Auszeichnung übereinstimmen, generiert es eine präzisere Antwort.

ChatGPT: Liest vor allem den sichtbaren Text. Erkennt beim Lesen des Inhalts, dass es eine Zahnarztpraxis in Marseille ist. Könnte die Adresse oder Telefonnummer erwähnen, wenn sie im Text klar sind. Zitiert das JSON-LD nicht.

Claude: Hängt davon ab, wie der Inhalt ihm übermittelt wird. Wenn als rohes HTML bereitgestellt, parst es den Text und ignoriert das JSON-LD. Wenn als vorverarbeiteter Text bereitgestellt, hat es nie eine Spur davon gesehen.

Zusammenfassung der wichtigsten Unterschiede: JSON-LD im SEO vs. im GEO

Im traditionellen SEO nutzt Google JSON-LD intensiv, um strukturierte Daten in separaten Feldern zu indexieren. Ihr Review-Schema beeinflusst direkt die Rich Snippets der Ergebnisse. Die Auszeichnung ist ein offizieller Bestandteil des Rankings.

Im GEO (generative KIs) ist JSON-LD ein sekundäres Präzisionswerkzeug. Generative KIs funktionieren nach dem Modell des textlichen Verständnisses und des Kontexts. Die strukturierte Auszeichnung hilft bei der Disambiguierung und verbessert das interne Vertrauen des Modells, aktiviert aber nicht automatisch Zitierungen oder Empfehlungen. Der lesbare, klare und detaillierte Textinhalt bleibt der Schlüssel.

Checkliste zur Optimierung Ihrer strukturierten Daten für generative KIs

• Validieren Sie Ihr JSON-LD mit dem Rich Results Test von Google. Korrigieren Sie alle Fehler.
• Duplizieren Sie die wichtigsten Informationen im sichtbaren und lesbaren Text Ihrer Seite.
• Erstellen Sie einzigartigen Inhalt rund um Ihren lokalen oder branchenspezifischen Fachbereich (mindestens 300 Wörter).
• Strikte Konsistenz: Stellen Sie sicher, dass jedes Datum im JSON-LD auch im Text mit derselben Information existiert.
• Zeigen Sie Belege: Erwähnen Sie ausdrücklich Bewertungen, Zertifizierungen, Erfolge, nicht nur in Tags.
• Organisieren Sie hierarchisch: Verwenden Sie klare Überschriften (H2, H3), damit die KIs Ihren Inhalt gut segmentieren.
• Testen Sie in Perplexity und Gemini: Stellen Sie Fragen zu Ihrer Tätigkeit und prüfen Sie, wie Sie empfohlen werden (oder nicht).
• Verfolgen Sie die Entwicklung: KIs passen ihren Ansatz ständig an. Überprüfen Sie Ihre Strategien jedes Quartal.