Wenn du dich schon einmal gefragt hast, ob strukturierte Daten, also Schema Markup, helfen können, in den neuen KI-gestützten Features von Google, ChatGPT oder anderen Plattformen häufiger genannt oder zitiert zu werden – dann dürfte dich das Ergebnis der jüngsten Analyse ziemlich überraschen. Eine groß angelegte Untersuchung kam nämlich zu einem unerwarteten Schluss: Das Hinzufügen von Schema führte zu keinerlei messbarer Verbesserung bei KI‑Zitationen. Ganz im Gegenteil – in manchen Fällen zeigten sich sogar leichte Rückgänge. Was bedeutet das konkret? Lass uns das Schritt für Schritt auseinandernehmen.
Wie die Untersuchung ablief
Die Studie wurde über mehrere Monate hinweg durchgeführt – genauer gesagt zwischen August 2025 und März 2026. Untersucht wurden fast 1.900 Seiten, die in dieser Zeit neu strukturierte Daten über JSON‑LD implementierten. Diese wurden mit einer Kontrollgruppe von rund 4.000 Seiten verglichen, bei denen nichts verändert wurde. Anschließend analysierte man die Entwicklung der Erwähnungen bzw. „Zitationen“ in Quellenangaben innerhalb von drei großen KI‑Systemen: Google AI Overviews (also dem Feature, das KI‑Zusammenfassungen innerhalb der Suche anzeigt), dem Google AI Mode und ChatGPT.
Das Ziel war einfach: herauszufinden, ob durch die zusätzliche Strukturierung der Inhalte – durch Angaben wie „Author“, „Organization“, „FAQ“, „Article“ usw. – die Wahrscheinlichkeit steigt, dass KI‑Modelle diese Seiten in ihren Antworten als Quellen heranziehen oder sichtbar zitieren.
Das Ergebnis: keine signifikante Verbesserung
Die Hoffnung vieler SEOs war, dass strukturierte Daten den KI‑Systemen ein klareres Signal geben: „Das hier ist eine verlässliche Quelle.“ Doch laut den Ergebnissen blieb dieser Effekt aus. Es gab keinen statistisch signifikanten Zusammenhang zwischen Schema‑Implementierung und häufigeren Zitationen.
Tatsächlich wurde in der Gruppe der Seiten innerhalb von Google AI Overviews sogar ein leichter Rückgang von rund 4,6 % gemessen – ein kleiner, aber signifikanter Unterschied gegenüber den Seiten ohne Schema. In den anderen Bereichen, also dem Google AI Mode und ChatGPT, schnitten die „Schema‑Seiten“ minimal besser ab, doch diese Unterschiede lagen so nahe an der Messungenauigkeit, dass sie rein zufällig gewesen sein könnten.
Oder anders gesagt: Wenn du deine Seiten mit Schema anreicherst, bekommst du vielleicht minimal mehr Zitate – oder auch etwas weniger. Im Mittel tut sich einfach kaum etwas, was auf reale Vorteile hindeuten würde.
Warum das viele überrascht
Seit Jahren gilt strukturiertes Daten‑Markup als empfohlene Technik, um Suchmaschinen besseres Verständnis für Inhalte zu vermitteln. Google selbst weist ja immer wieder darauf hin, dass korrekt eingesetzte Schema‑Informationen helfen, Suchergebnisse in Rich Results oder Knowledge Panels darzustellen. Also liegt der Gedanke nahe: Wenn schon klassische Suchkomponenten davon profitieren, müsste KI‑Output das doch auch tun – oder? Eben nicht.
Diese Erkenntnis wirft ein neues Licht auf die derzeitige Entwicklung. Offenbar funktionieren KI‑gestützte Systeme wie die von Google oder OpenAI nicht primär über strukturierte Metadaten, sondern ziehen Inhalte direkt aus dem Textkontext – etwa über semantische Muster und Sprachverständnis, nicht über Maschinenlesbarkeit im engeren Sinn.
Was das für SEO‑Strategien bedeutet
Wenn du professionell im SEO‑Bereich unterwegs bist, weißt du, dass Versuch und Irrtum dazugehört. Man implementiert etwas, beobachtet, misst und zieht Schlüsse. Diese Studie zeigt deutlich: Schema ist kein Wundermittel, um in der KI‑Welt öfter genannt zu werden.
Das heißt aber nicht, dass du darauf verzichten solltest. Strukturierte Daten helfen nach wie vor auf vielfältige Weise – sie verbessern das Crawling, die Datenkonsistenz und vor allem die Darstellung in Suchergebnissen (z. B. durch Sternebewertungen, Event‑Snippet, Rezeptinfos oder Preisangaben). Nur eben: In KI‑Overviews oder ChatGPT‑Zitationen bringen sie keinen nachweisbaren Bonus.
Ich persönlich sehe das so: Schema bleibt ein qualitativ gutes Signal, aber es wirkt offensichtlich eher indirekt. Wenn eine Seite ohnehin stark, vertrauenswürdig und inhaltlich sauber ist, sind strukturierte Daten so etwas wie die saubere Verpackung. Aber sie allein machen das Produkt nicht besser – und schon gar nicht relevanter für KI‑Modelle, die sich mehr für „Bedeutung“ als für Syntax interessieren.
Ein kleiner, aber wichtiger Nebenaspekt
Spannend ist, dass es bei Google AI Overviews – also dem Bereich, in dem Zusammenfassungen direkt in den SERPs erscheinen – tendenziell sogar einen leicht negativen Effekt gab. Das ist zunächst schwer zu erklären. Möglicherweise hängt es mit dem technischen Verhalten der KI‑Erstellung zusammen: Wenn strukturierte Daten bestimmte Felder betonen (z. B. Organisation oder Autorenname), kann das Modell dadurch zu anderen Quellen tendieren, die kontextuell besser passen. Denkbar ist auch, dass Google interne Filter anwendet, die verhindern, dass KI‑Overviews zu stark auf klar markierte „Content‑Hub‑Seiten“ zugreifen, um Duplizierung zu vermeiden. Wirklich belegen lässt sich das freilich nicht.
Wie konnte dieses Ergebnis statistisch bestätigt werden?
Viele kritische Stimmen wollten natürlich genau wissen, wie solide die Zahlenbasis war. Deshalb hat das Forschungsteam die Beobachtungen auf breiter Stichprobe durchgeführt – mit tausenden URLs in unterschiedlichen Branchen, von Nachrichten über Blogs bis hin zu Produkt‑ und Ratgeberseiten. Die Messung basierte auf periodischen Überprüfungen, ob eine Domain innerhalb eines bestimmten KI‑Outputs als Quelle verknüpft oder zitiert wurde.
Man verglich immer direkt zwei Gruppen: „Behandelte Seiten“ mit Schema und „Kontrollseiten“ ohne Schema. Die Auswertung zeigte, dass Unterschiede meist im Bereich von plus/minus ein bis zwei Prozentpunkten schwankten – zu wenig, um sie als echte Effekte zu werten.
Dazu kommt: KIs wie ChatGPT verändern ihre Antwortgrundlagen laufend, teils durch Modell‑Updates, teils durch das Fehlen von Echtzeitindexierung. So kann selbst eine Seite, die technisch korrekt beschrieben ist, in der Quellenliste einfach verschwinden, weil das Modell auf ältere, bereits gecachte Daten zurückgreift.
Was du daraus lernen kannst
Mir gefällt an solchen Studien, dass sie wieder einmal zeigen: In der Suchmaschinenwelt gibt es selten einfache Hebel. Schema‑Markup, Backlinks, Autorität, Ladezeiten – alles spielt zusammen, aber nichts davon ist isoliert der „heilige Gral“. Besonders im Zeitalter von KI‑Zusammenfassungen werden Texte offenbar semantisch ausgewertet. Das bedeutet: gut geschriebener, kontextreicher und glaubwürdiger Content bleibt entscheidend.
Wenn du also bisher viel Zeit investiert hast, um Mikrodaten bis ins Detail zu pflegen, aber deine Texte eher oberflächlich sind, dann könnte dein Aufwand an der falschen Stelle liegen. Statt Schema‑Definitionen blind zu erweitern, lohnt es sich vielleicht eher, Inhalte gezielt zu vertiefen. Die KI‑Modelle achten stärker auf inhaltliche Dichte, Kontext und Relevanz.
Die Reaktion der SEO‑Community
Natürlich blieb diese Erkenntnis nicht unbemerkt. In Foren und sozialen Netzwerken wurde das Thema heiß diskutiert – von Skepsis bis hin zu Kopfschütteln. Viele SEOs hatten gehofft, ein klarer Zusammenhang würde sich zeigen. Nicht wenige hatten sogar Systeme automatisiert, um Schema Markup für Hunderte Seiten zu generieren, gerade in Erwartung, dass KI‑Zitationen künftig zum neuen „Traffic‑Signal“ werden.
Einige Profis argumentieren dennoch, dass solche Daten langfristig an Bedeutung gewinnen könnten. Wenn KI‑Plattformen beginnen, Vertrauen über Quellenmetriken zu bewerten, könnten strukturierte Metadaten doch noch zum Faktor werden. Aber bis dahin gilt: Kein unmittelbarer Bonus.
Zwischenfazit aus der Praxis
Aus meiner Sicht ist es immer gefährlich, aus Hoffnung eine Strategie zu machen. Nur weil sich etwas logisch anhört – etwa: „KI braucht strukturierte Daten, also spiele ich sie extra sauber aus“ – heißt das nicht, dass das System sie auch tatsächlich nutzt. Viele Machine‑Learning‑Modelle ziehen ihre Erkenntnisse aus Sprachclustern und Userverhalten, nicht aus formalem Code.
Das erinnert mich an die frühen Jahre der SEO‑Optimierung, als alle versuchten, durch Meta‑Keywords Rankingvorteile zu erzwingen. Damals – wie heute – funktionierte das eine Zeit lang angeblich, bis Google die Signale schlicht ignorierte. Vielleicht passiert hier gerade etwas Ähnliches.
Was bedeutet das für die Zukunft?
Ich denke, wir müssen umdenken. Die Zeiten, in denen man Maschinen einfach helfen konnte, indem man Daten in klar definierte Felder presste, sind für KI‑Systeme weitgehend vorbei. Heute verstehen Algorithmen den Text im Kontext, erkennen Beziehungen selbstständig und bewerten die Kohärenz der gesamten Seite.
Das heißt nicht, dass technische Optimierung unwichtig ist, sondern dass sie wieder zur Basisarbeit wird – solide, aber kein Differenzierungsmerkmal. Der Unterschied entsteht in dem, was Menschen am Ende lesen und was Vertrauen erzeugt. Genau das spiegelt sich auch in KI‑Modellen wider.
Insofern sollte Schema Markup künftig als Hygienefaktor verstanden werden, nicht als strategisches Ass. Wer’s hat, macht nichts falsch. Wer’s nicht hat, verliert aber auch nicht zwingend an Sichtbarkeit in den neuen KI‑Features.
Mein persönliches Fazit
Ich finde dieses Ergebnis erfrischend ehrlich. Es erinnert uns daran, dass SEO in der KI‑Ära weniger von technischen Tricks lebt, sondern mehr von echten, inhaltlichen Beziehungen – also Relevanz, Expertise und Vertrauen. Strukturierte Daten sind dabei wie ein sauberer Schreibtisch: Es arbeitet sich leichter, aber der Schreibtisch allein schreibt eben keine guten Texte.
Wenn du also künftig überlegst, wo du deine Energie investierst, denk daran: Schema kann Ordnung bringen, aber KI achtet auf Substanz. Schreib verständlich, mit klarer Haltung, beantworte echte Fragen – das wird dir langfristig mehr bringen als jedes „HowTo‑Tag“ oder „FAQ‑JSON‑Snippet“ dieser Welt.
Vielleicht ist das die wichtigste Erkenntnis aus dieser ganzen Untersuchung: Die Tools ändern sich, aber am Ende steht immer das gleiche Prinzip – guter Content wird auch ohne Markup verstanden.
