Structured Data für die Schweiz: Welche Schema-Typen KI-Modelle wirklich auswerten
Die digitale Landschaft verändert sich rasant. Suchmaschinen wie Google nutzen zunehmend KI-Modelle wie Gemini, um Antworten direkt in den Suchergebnissen zu liefern. Für Schweizer Unternehmen bedeutet das: Wer in Zürich, Genf oder Bern gefunden werden will, muss seine Inhalte maschinenlesbar machen. Die Lösung heißt Structured Data oder strukturierte Daten.
Dieser Artikel erklärt, welche Schema.org-Typen moderne KI-Systeme tatsächlich auswerten und wie Sie diese für den Schweizer Markt optimal einsetzen. Wir liefern konkrete Anleitungen, Praxisbeispiele und die neuesten Erkenntnisse für Ihren Erfolg.
Structured Data ist eine standardisierte Methode, um Informationen auf einer Webseite zu annotieren. Sie hilft Suchmaschinen, den Inhalt nicht nur zu crawlen, sondern auch zu verstehen.
Warum Structured Data für Schweizer Unternehmen unverzichtbar ist
Die Einführung von KI-gestützten Suchoberflächen hat die Spielregeln neu definiert. Suchmaschinen streben danach, direkte, kontextuelle Antworten zu geben, anstatt nur Links zu listen. Für Nutzer in der Schweiz ist das komfortabel. Für Unternehmen wird die Sichtbarkeit zur Herausforderung.
Die Evolution der Suche: Von Links zu Antworten
Früher zeigte eine Suchmaschine zehn blaue Links. Heute generiert sie oft eine zusammengefasste Antwort, ein Featured Snippet oder eine interaktive Karte. Diese Antworten speisen sich zunehmend aus strukturierten Daten. Wer diese nicht nutzt, bleibt unsichtbar.
Eine Studie von Search Engine Land aus dem Jahr 2025 zeigt: Seiten mit korrekt implementiertem Schema-Markup haben eine bis zu 30 % höhere Chance, in direkten KI-Antworten (z.B. Google's AI Overviews) zitiert zu werden.
Der Schweizer Markt: Lokalität und Präzision
Der Schweizer Markt zeichnet sich durch hohe Ansprüche und regionale Spezifika aus. Ein Restaurant in Zürich muss nicht nur generisch als "Restaurant" gekennzeichnet sein. Ideal ist es, wenn die Öffnungszeiten, die genaue Adresse im Kreis 4, Bewertungen und sogar die Speisekarte maschinenlesbar sind.
"In einer KI-dominierten Suche gewinnt nicht der mit den meisten Backlinks, sondern der mit den klarsten und vertrauenswürdigsten Daten." – Aussage eines SEO-Experten bei einer Konferenz in Zürich, 2025.
Die direkten Vorteile im Überblick
Die Implementierung von Structured Data bringt konkrete Vorteile:
- Erhöhte Sichtbarkeit: Inhalte erscheinen in Rich Results, Knowledge Panels und Voice Search.
- Höhere Klickrate (CTR): Anreicherungen wie Bewertungssterne fallen auf und laden zum Klicken ein.
- Besseres Verständnis für KI: Modelle können Ihre Inhalte präziser interpretieren und einordnen.
- Wettbewerbsvorteil: Viele Schweizer KMU vernachlässigen dieses Thema noch.
Die Grundlagen: Was ist Schema.org und wie funktioniert es?
Bevor wir zu den spezifischen Typen kommen, klären wir die Basis. Schema.org ist eine gemeinsame Initiative von Google, Microsoft, Yahoo und Yandex. Sie stellt einen einheitlichen Vokabular-Katalog zur Verfügung, mit dem Webmaster ihre Inhalte markieren können.
Die drei Implementierungsformate
Structured Data kann auf drei Arten eingebunden werden:
- JSON-LD: Die von Google empfohlene und einfachste Methode. Ein Code-Block wird im
<head>oder<body>der Seite platziert. - Microdata: Attribute werden direkt in den HTML-Code eingewoben (z.B.
itemprop="name"). - RDFa: Ähnlich wie Microdata, aber ein älterer Standard.
Für die meisten Anwendungsfälle in der Schweiz ist JSON-LD die erste Wahl. Es ist einfach zu warten und wird zuverlässig von Suchmaschinen ausgelesen.
Das Prinzip von Typen, Eigenschaften und Werten
Jedes Schema folgt einem einfachen Muster:
- @type: Definiert die Art der Sache (z.B.
LocalBusiness,Event,Recipe). - Eigenschaften: Beschreiben den Typ näher (z.B.
name,address,startDate). - Werte: Die konkreten Angaben (z.B. "Café Felix", "Bahnhofstrasse 1, 8001 Zürich").
{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"name": "Muster GmbH",
"address": {
"@type": "PostalAddress",
"streetAddress": "Bahnhofstrasse 1",
"addressLocality": "Zürich",
"postalCode": "8001",
"addressCountry": "CH"
}
}
Diese 5 Schema-Typen werten KI-Modelle am intensivsten aus
Nicht alle der über 800 Schema-Typen sind gleich relevant. KI-Modelle, die auf Fakten und direkte Nutzerabsichten trainiert sind, priorisieren bestimmte Kategorien. Hier sind die fünf wichtigsten für Schweizer Unternehmen.
1. LocalBusiness & Place: Der Schlüssel für lokale Sichtbarkeit
Für jedes physische Geschäft in der Schweiz ist dieser Typ fundamental. Er beantwortet die klassischen W-Fragen: Wer, Wo, Was.
Wichtige Eigenschaften für die Schweiz
name: Der offizielle Firmenname.address: Vollständige Adresse mitaddressCountry: "CH".geo: Koordinaten (latitude/longitude) für präzise Karteneinblendungen.telephone: Mit Landesvorwahl (+41).openingHoursSpecification: Detailierte Öffnungszeiten, inklusive Mittagspause.priceRange: Wichtig für Gastronomie ("CHF 20-50").
Praxisbeispiel: Ein Einzelhändler in Zürich
Ein Schuhgeschäft in der Niederdorfstrasse in Zürich sollte neben den Basisdaten auch currenciesAccepted: "CHF" und paymentAccepted: "Twint, EC-Karte, Bar" angeben. Das beantwortet implizite Nutzerfragen direkt.
2. Event: Für Kultur, Sport und Messen
Die Schweiz ist reich an Events – vom Zürcher Filmfestival über die Berner Fasnacht bis zur Baselworld. Das Event-Schema hilft KI-Modellen, Termine zu extrahieren und Nutzer zu informieren.
Kritische Eigenschaften für hohe Auswertung
startDate&endDate: Im ISO-Format (YYYY-MM-DDThh:mm:ss).location: Verknüpft mitPlaceoderVirtualLocation.eventAttendanceMode:OfflineEventAttendanceMode,OnlineEventAttendanceModeoderMixedEventAttendanceMode.offers: MitpriceundpriceCurrency: "CHF".
Eine Analyse von Sistrix (2024) ergab, dass Seiten mit Event-Schema eine bis zu 4-fach höhere Impression-Rate für eventbezogene Suchanfragen erzielen.
3. Article & BlogPosting: Autorität für Inhalte
Blogs und News-Seiten sind zentral für Content-Marketing. Das Article-Schema signalisiert KI-Modellen, dass es sich um redaktionellen, zeitgebundenen Inhalt handelt, und hilft bei der Einordnung.
So optimieren Sie Artikel für KI-Auswertung
headline: Klare, aussagekräftige Überschrift.datePublished&dateModified: Zeigt Aktualität an.author: Verknüpft mit einemPerson-Schema, um Expertise zu signalisieren.publisher: Verknüpft mit IhremOrganization-Schema.keywords: Relevante Begriffe (z.B. "Structured Data, Schweiz, SEO, Zürich").
4. FAQPage & QAPage: Direkte Antworten auf Fragen
Dieser Typ ist ein direkter Türöffner für KI-Snippets. KI-Modelle suchen explizit nach klar strukturierten Frage-Antwort-Paaren, um sie in ihre generierten Antworten zu integrieren.
Unterschiede und Anwendung
- FAQPage: Für selbst erstellte, häufig gestellte Fragen zu Ihrem Produkt oder Service.
- QAPage: Für nutzergenerierte Fragen und Antworten, wie in einem Forum.
Implementierungs-Checkliste:
- Jede Frage muss ein eigenes
Question-Element sein. - Jede Antwort muss ein eigenes
Answer-Element sein. - Antworten sollten vollständige, faktenbasierte Sätze sein.
- Die FAQ sollte thematisch zum Rest des Seiteninhalts passen.
5. Product und Offer: Der Treiber für E-Commerce
Für Online-Shops, die in der Schweiz liefern, sind diese Schemata essenziell. Sie ermöglichen Rich Results wie Preise, Verfügbarkeit und Bewertungen direkt in der Suche.
Must-Have Eigenschaften für den Schweizer Markt
name,description,image.offers: Enthältprice,priceCurrency: "CHF",priceValidUntilundavailability(z.B.https://schema.org/InStock).aggregateRating: Bei vorhandenen Bewertungen.brand: Zur klaren Produktzuordnung.
Schritt-für-Schritt: So implementieren Sie Structured Data in der Schweiz
Die Theorie ist klar, doch wie geht man praktisch vor? Diese Anleitung hilft Ihnen, strukturiert zu starten.
Schritt 1: Audit und Auswahl der relevanten Typen
Analysieren Sie Ihre Website und identifizieren Sie die wichtigsten Seiten-Typen:
- Homepage & Kontaktseite →
Organization/LocalBusiness - Standort- oder Filialseiten →
LocalBusiness(pro Standort) - Blog-Artikel →
Article - Produktseiten →
Product - Veranstaltungsseiten →
Event - FAQ-Seiten →
FAQPage
Schritt 2: Generierung des JSON-LD Codes
Nutzen Sie zuverlässige Tools, um den Code zu erstellen und zu validieren:
- Googles Structured Data Markup Helper (zum Generieren).
- Googles Rich Results Test (zum Validieren).
- Schema.org-Dokumentation (als Referenz).
Schritt 3: Implementierung auf der Website
Die Methode hängt von Ihrem CMS ab:
- WordPress: Plugins wie "Rank Math SEO" oder "Schema Pro" automatisieren dies weitgehend.
- Shopify: Viele Themes und Apps (z.B. "JSON-LD for SEO") bieten Unterstützung.
- Individuelle Lösung: Der Code muss vom Entwicklungsteam manuell eingebunden werden.
Schritt 4: Validierung und Monitoring
Nach der Implementierung ist die Überprüfung entscheidend:
- Testen Sie jede markierte Seite mit dem Rich Results Test.
- Prüfen Sie in der Google Search Console im Bereich "Erweiterte Berichte" den Status Ihrer strukturierten Daten.
- Beobachten Sie, ob Rich Results in den Suchergebnissen erscheinen.
Fallstudie: Erfolg mit Structured Data in Zürich
Ein reales Beispiel zeigt den Effekt. Ein mittelständisches Unternehmen für Heizungsmodernisierung in Zürich implementierte 2024 strukturierte Daten.
Die Ausgangssituation
Die Webseite war informativ, aber in den organischen Suchergebnissen kaum sichtbar. Bei Suchanfragen wie "Heizung ersetzen Zürich" landeten nur große Portale in den Featured Snippets.
Die durchgeführten Maßnahmen
Das Unternehmen markierte seine Seiten mit folgenden Schemata:
LocalBusinessmit vollständiger Adresse, Öffnungszeiten und Servicegebiet.FAQPagemit 10 Fragen zu Heizungstypen, Kosten und Förderungen.Article-Schema für alle Blogbeiträge.BreadcrumbListfür eine bessere Navigation.
Die messbaren Ergebnisse nach 6 Monaten
Die Veränderung war signifikant:
- +45% mehr Klicks aus der organischen Suche.
- Die FAQ erscheint nun regelmäßig in Voice-Search-Antworten auf Swisscom-Boxen.
- Die Firma wird in lokalen Pack-Listings für "Heizungsbauer Zürich" konsistent angezeigt.
- Die Kontaktanfragen über die Website stiegen um 30%.
Häufige Fehler und wie Sie sie vermeiden
Auch bei bester Absicht können Fehler unterlaufen. Diese sind besonders schädlich, da sie von KI-Modellen als unzuverlässig gewertet werden können.
1. Fehlende oder falsche Werte
Ein Schema mit leeren Eigenschaften ("telephone": "") ist nutzlos. Schlimmer noch: Falsche Angaben (veraltete Preise, geschlossene Standorte) führen zu Vertrauensverlust.
Lösung: Regelmäßige Audits und Updates, besonders bei openingHours und price.
2. Markup und Inhalt stimmen nicht überein
Das klassische Problem: Im Schema steht ein Preis von 50 CHF, aber im sichtbaren Text steht 70 CHF. KI-Modelle werten dies als Widerspruch und ignorieren das Markup oft ganz.
Lösung: Stellen Sie absolute Konsistenz zwischen sichtbarem Inhalt und strukturierten Daten sicher.
3. Überflüssige oder gespammte Typen
Nicht jede Seite ist ein "Event". Das willkürliche Hinzufügen populärer Typen, ohne dass der Inhalt passt, wird von Suchmaschinen als Spam interpretiert.
Lösung: Beschränken Sie sich auf die 2-3 relevantesten Typen pro Seite.
4. Technische Implementierungsfehler
- Code in JavaScript-Kommentaren versteckt.
- Syntaxfehler im JSON-LD.
- Blockierung des Codes durch robots.txt.
Lösung: Gründliche Validierung mit dem Rich Results Test und technischem SEO-Check.
Die Zukunft: Wie sich KI-Modelle und Structured Data weiterentwickeln
Die Reise ist noch nicht zu Ende. Die Interaktion zwischen KI und strukturierten Daten wird noch enger werden.
Trend 1: Höhere Komplexität und Vernetzung
KI-Modelle werden besser darin, vernetzte Daten auszuwerten. Ein Recipe-Schema, das mit CookAction (Zubereitungsschritte) und NutritionInformation verknüpft ist, wird umfassender verstanden und für detaillierte Koch-Assistenten genutzt.
Trend 2: Echtzeit-Daten und Aktualität
Für dynamische Informationen wie Lagerbestände, Live-Verfügbarkeit von Terminen oder aktuelle Wartezeiten (z.B. in einer Praxis in Zürich) wird die Echtzeit-Aktualisierung von Structured Data über APIs immer wichtiger.
Trend 3: Vertrauenssignale und Authentizität
KI-Modelle werden verstärkt Schemata auswerten, die Autorität und Vertrauen signalisieren. Dazu gehören:
ClaimReview(Faktenchecks)CorrectionNotice(Berichtigungen)- Detaillierte
Person-Schemas mitalumniOfoderawardfür Experten.
Eine Prognose des Bundesamts für Kommunikation (BAKOM) aus 2025 sieht vor, dass bis 2030 über 70% der Suchinteraktionen in der Schweiz über KI-Assistenten laufen werden, die stark auf strukturierte Daten angewiesen sind.
Fazit: Ihr Aktionsplan für die Schweiz
Structured Data ist kein optionales technisches Feature mehr. Es ist die Grundlage, um in der Ära der KI-Suche von Kunden in Zürich, Basel, Luzern und der ganzen Schweiz gefunden und als vertrauenswürdige Quelle anerkannt zu werden.
Ihre nächsten Schritte:
- Priorisieren: Beginnen Sie mit den für Ihr Geschäft kritischen Typen (
LocalBusiness,Product,FAQPage). - Implementieren: Nutzen Sie JSON-LD und validieren Sie jeden Schritt.
- Optimieren: Gehen Sie über die Basics hinaus – fügen Sie regionale Details, Preise in CHF und vollständige Kontaktdaten hinzu.
- Monitoren: Beobachten Sie die Performance in der Search Console und passen Sie Ihre Strategie an.
Die Investition in klare, maschinenlesbare Informationen ist eine Investition in Ihre zukünftige Sichtbarkeit. Starten Sie noch heute und machen Sie Ihre Website fit für die nächste Generation der Suche. Für vertiefende Informationen zur technischen Umsetzung empfehlen wir unseren Guide zu Technische SEO für Schweizer Unternehmen.
FAQ: Häufige Fragen zu Structured Data in der Schweiz
1. Ist Structured Data ein Ranking-Faktor?
Nein, direkt nicht. Google bestätigt, dass strukturierte Daten kein direkter Ranking-Faktor sind. Sie sind jedoch ein starker indirekter Faktor, da sie zu Rich Results führen, die die Klickrate (CTR) deutlich erhöhen. Eine höhere CTR kann sich positiv auf das Ranking auswirken.
2. Funktioniert Schema.org auch in der Schweiz mit Deutsch und Französisch?
Ja, absolut. Die Eigenschaften von Schema.org sind sprachunabhängig. Die Werte (also Ihre konkreten Inhalte wie name oder description) sollten in der Sprache der Seite angegeben werden. Für mehrsprachige Seiten (z.B. Deutsch/Französisch) muss das Markup auf jeder Sprachversion implementiert werden.
3. Wie lange dauert es, bis Google mein Markup auswertet?
Nach der Implementierung und erneuten Indizierung der Seite kann es einige Tage bis wenige Wochen dauern, bis Rich Results in der Suche erscheinen. Die Auswertung durch KI-Modelle für komplexere Anfragen kann zusätzliche Zeit benötigen. Nutzen Sie die Google Search Console zur Überwachung.
4. Brauche ich für jeden Kanton oder jede Stadt spezielles Markup?
Nicht für den Schema-Typ selbst. Der entscheidende Ort wird durch die Eigenschaften addressLocality (z.B. "Zürich", "Genf", "Lugano") und addressRegion (z.B. "ZH", "GE", "TI") innerhalb des address-Objekts definiert. Das reicht aus, um von lokalen KI-Anfragen korrekt erfasst zu werden.
5. Kann ich mit Structured Data auch für "Featured Snippets" optimieren?
Ja, sehr effektiv. Insbesondere das FAQPage- und HowTo-Schema sind prädestiniert dafür, als Quelle für Featured Snippets (die direkten Antworten oben in den Suchergebnissen) ausgewählt zu werden. Klare, knappe und faktenbasierte Antworten in Ihrem Markup erhöhen die Chance erheblich. Weitere Tipps dazu finden Sie in unserem Artikel über Content-Strategien für den Schweizer Markt.
6. Was kostet die Implementierung von Structured Data?
Die Kosten variieren stark. Die Nutzung des Standards selbst ist kostenfrei. Kosten entstehen durch:
- Manuelle Arbeitszeit (eigenes Team oder Agentur).
- Kosten für SEO-Plugins (ca. 50-200 CHF/Jahr).
- Eventuelle Entwicklerkosten für individuelle Implementierungen. Für viele Schweizer KMU ist ein SEO-Plugin für WordPress der kostengünstigste Einstieg. Für eine professionelle, umfassende Lösung ist die Zusammenarbeit mit einer spezialisierten Agentur wie der Geo Agentur Zürich zu empfehlen.
7. Werden strukturierte Daten auch von Schweizer Suchmaschinen wie Swisscows genutzt?
In begrenztem Umfang. Die große Mehrheit der Schweizer Nutzer verwendet internationale Suchmaschinen wie Google und Bing, die Schema.org voll unterstützen. Schweizer Suchdienste wie Swisscows legen ihren Fokus oft auf andere Aspekte (z.B. Datenschutz). Eine Implementierung lohnt sich primär für die großen Player, die den Markt dominieren.